Introduzione all assicurazione. (Dispensa per il corso di Microeconomia)

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Introduzione all assicurazione. (Dispensa per il corso di Microeconomia)"

Transcript

1 Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia) Massimo A. De Fracesco Uiversità di Siea December 18, ichiami su utilità attesa e avversioe al rischio Prima di cosiderare il cotesto assicurativo, è utile richiamare i cocetti pricipali della teoria dell utilità attesa itrodotti i altra parte del corso. (Per u aalisi più esauriete rimadiamo al Varia o al Frak ed altre dispese del corso.) Suppoiamo che le prefereze di u idividuo siao rappresetabili mediate ua fuzioe di utilità, avete per semplicità la ricchezza come uico argometo, vale a dire, U = U(W ). Suppoiamo poi che l idividuo voglia cofrotare, i termii della soddisfazioe che e trae, due diverse situazioi, che chiamiamo A e B, i ciascua delle quali la sua ricchezza è ua variabile casuale, vale a dire, ua gradezza che può assumere diverse determiazioi, ciascua co ua speci cata probabilità. I base alla teoria dell utilità attesa, il cofroto tra le due situazioi avviee cofrotado, per l idividuo, l utilità attesa di A co l utilità attesa di B: tra A e B il soggetto preferisce la situazioe caratterizzata dall utilità attesa più elevata: i termii formali, A B ("A è preferita a B") se EU(W A ) > EU(W B ), B A se EU(W B ) > EU(W A ) e A B (A e B soo idi ereti per il soggetto) se EU(W A ) = EU(W B ). U esempio servirà a chiarire quato sopra. Suppoiamo che la fuzioe di utilità dell idividuo sia U(W ) = p W dove W è la ricchezza. Suppoiamo che elle due situazioi A e B la ricchezza dell idividuo sia ua variabile 1

2 casuale co le distribuzioi di probabilità rappresetate rispettivamete dalle tue tabelle sottostati. W A A 16 1=2 36 1=2 W B B 0 1=2 64 1=2 Per il ostro soggetto l utilità attesa di A è EU(W A ) = 2p p 36 = = 5 metre l utilità attesa di B è EU(W p 2 2 B) = p 64 = 4. Vediamo che EU(W A ) > EU(W B ): quidi l idividuo preferisce A a B. Si oti che il valore atteso della ricchezza (la "ricchezza attesa") è miore i A che i B: ifatti, EW A = = 26 < EW 2 2 B = = 32. Tuttavia A B essedo EU(W A ) > EU(W B ). Ciò segala come l idividuo, el valutare due diverse situazioi, o si basi uicamete sul cofroto tra i valori attesi della ricchezza elle due situazioi ma tega ache coto della variabilità della ricchezza (del "rischio") i ciascua situazioe: egli potrebbe, come ell esempio, preferire ua situazioe i cui il valore atteso della ricchezza è miore purché i tale situazioe ache il rischio sia su cietemete miore rispetto all altra situazioe. Siamo a questo puto i grado di itrodurre il cocetto di avversioe al rischio. Avversioe al rischio: U soggetto si dice avverso al rischio quado tra ua ricchezza icerta ( W A ) e ua ricchezza certa ( W C ) pari al valore atteso della ricchezza icerta (cioè, tale che sia W C = EW A ) preferisce la ricchezza certa. Illustriamo questa de izioe per il ostro soggetto co fuzioe di utilità U = p W. Cosideriamo, per esempio, la ricchezza icerta W A sopra descritta, per la quale l utilità attesa è EU(W A ) = 5, e il cui valore atteso è EW A = 26. E cosideriamo ua ricchezza certa W C = 26, cioè pari al valore atteso della ricchezza icerta W A. L utilità attesa del soggetto per questa ricchezza certa è EU(W C ) = 1 p 26 = 5; 099. Vediamo quidi che questo soggetto è avverso al rischio: ifatti, tra la ricchezza icerta W A e la ricchezza certa W C pari a EW A, preferisce la ricchezza certa W C. Avedo de ito il cocetto di avversioe al rischio, possiamo itrodurre il cocetto di equivalete certo di ua ricchezza icerta. 2

3 Equivalete certo. Sia U = U(W ) la fuzioe di utilità di u determiato soggetto e si cosideri ua situazioe (che idichiamo co A) ella quale la ricchezza del soggetto ( W A ) è ua variabile casuale (ua gradezza che può assumere diverse determiazioi, ciascua co ua speci cata probabilità). Per equivalete certo di W A (che idichiamo co EC WA ) itediamo quella ricchezza certa per la quale l utilità del soggetto è uguale all utilità attesa della ricchezza icerta W A : i termii formali, EC WA è tale che U(EC WA ) = EU(W A ). Illustriamo questa de izioe servedoci del ostro soggetto co fuzioe di utilità U = p W e prededo uovamete i esame la situazioe A sopra ipotizzata, i cui EU(W A ) = 5. Ci chiediamo quale sia l equivalete certo di W A. Per de izioe, EC WA deve essere tale che il soggetto, dispoedo co probabilità 1 di tale ricchezza EC WA, abbia ua utilità esattamete uguale a EU(W A ). I altri termii, il soggetto risulta idi erete tra disporre di ua ricchezza certa EC WA e disporre della ricchezza icerta W A. Ovviamete, EC WA è otteuto poedo 1 p EC WA = EU(W A ), cioè p EC WA = 5, da cui si ricava EC WA = 25: Notiamo che l equivalete certo di W A è miore di EW A = 26. Questo fatto o deve sorpredere i quato deriva dall avversioe al rischio del soggetto. Ifatti, come abbiamo visto sopra, il soggetto preferisce avere co certezza ua ricchezza di 26 piuttosto che la ricchezza W A, il cui valore atteso è 26: se è vero questo, è allora ovvio che ua ricchezza certa pari a 26 o potrebbe essere l "equivalete certo" di W A, essedo i realtà superiore all equivalete certo di EW A. Possiamo perciò a ermare che: Per u soggetto avverso al rischio, l equivalete certo di ua ricchezza icerta è miore del valore atteso della ricchezza icerta. Itroduciamo a questo puto il cocetto di premio per il rischio di ua ricchezza icerta. Premio per il rischio relativo a ua ricchezza icerta (de izioe 1). U soggetto, co data fuzioe di utilità U = U(W ), dispoga di ua ricchezza W che è ua variabile casuale. Si de isce premio per il rischio relativo alla ricchezza icerta W la di ereza tra il valore atteso della ricchezza icerta e l equivalete certo della ricchezza icerta, cioè: P W = EW EC W. 3

4 Si oti come, alla luce della precedete de izioe, il premio per il rischio può essere equivaletemete de ito el modo seguete: Premio per il rischio relativo a ua ricchezza icerta (de izioe 2). Per u soggetto, co data fuzioe di utilità U = U(W ), il quale dispoga di ua ricchezza W che è ua variabile casuale, il premio per il rischio relativo alla ricchezza icerta W è la massima somma che il soggetto è teoricamete disposto a pagare per cedere la ricchezza icerta W ed avere i cambio ua ricchezza certa pari al valore atteso della ricchezza icerta. I e etti, la somma massima che il soggetto è teoricamete disposto a pagare (che idichiamo qui co S) per e ettuare la trasazioe sopra descritta è quella somma che lo rede idi erete tra la ricchezza icerta W e ua ricchezza certa pari a EW S: Chiaramete, questa idi ereza si realizza quado la ricchezza certa i questioe è pari all equivalete certo della ricchezza icerta, quado cioè EW S = EC W ; dal che discede che, e ettivamete, S = EW EC W : vale a dire, la somma massima i questioe è proprio il premio per il rischio come era stato de ito i base alla de izioe 1. 2 Prezzo di riserva di u cotratto di assicurazioe Cosideriamo u soggetto co fuzioe di utilità U = U(W ), tale che U 0 > 0 e U 00 < 0 (il soggetto è quidi avverso al rischio). La sua ricchezza risulta iizialmete pari a W ma il soggetto è esposto al rischio di perdere parte della sua ricchezza. Più precisamete, suppoiamo che questa perdita (L) avvega co la seguete distribuzioe di probabilità L L 0 1 L o Pertato, la perdita attesa è EL = (1 ) 0 + L o = L o : Idichiamo co W a la ricchezza del soggetto quado o si assicuri. Ovviamete, W a è ua variabile casuale, che ha la distribuzioe di probabilità rappresetata dalla tabella sottostate 4

5 W a Wa W 1 W L o Il valore atteso della ricchezza del soggetto o assicuradosi è EW a = (1 )W + (W L o ) = W L o. Cosideriamo ora la possibilità che il ostro soggetto assicuri la propria ricchezza. Prederemo qui i esame cotratti assicurativi che prevedao il risarcimeto completo da parte della compagia di assicurazioe, previo pagameto del premio assicurativo (P ) da parte dell assicurato. Per vedere se ci soo o meo le codizioi a ché u cotratto di assicurazioe possa risultare vataggioso sia per il soggetto sia per la compagia, iiziamo co il de ire il "prezzo di riserva", per il soggetto, di u cotratto di assicurazioe. Per prezzo di riserva si itede il premio massimo che il soggetto sarebbe teoricamete disposto a pagare per assicurare completamete la sua ricchezza, vale a dire, per essere itegralmete risarcito della evetuale perdita. Alla luce di questa de izioe, il prezzo di riserva è quel livello del premio per il quale il soggetto assicuradosi o ci guadaga é ci rimette. Per determiare il prezzo di riserva dobbiamo, iazitutto, determiare l utilità attesa del soggetto quado o si assicuri. Questa è EU a = (1 )U(W ) + U(W L o ). Ivece, assicuradosi, l utilità attesa del soggetto è EU a = (1 )U(W P ) + U(W P L o + L o ) = (1 )U(W P ) + U(W P ) = U(W P ): Per de izioe, il prezzo di riserva (P r ) è la soluzioe dell equazioe: EU a = EU a, cioè dell equazioe U(W P r ) = (1 )U(W ) + U(W L o ). Essedo stato chiarito il cocetto di prezzo di riserva, dovrebbe essere chiaro come, davati a ua proposta "predere o lasciare" da parte di ua compagia assicurativa, cosistete ella de izioe di u certo premio P, il soggetto accetterebbe purché il premio proposto o superi P r. 1 E di cruciale importaza compredere che il prezzo di riserva è certamete maggiore della perdita attesa del soggetto o assicuradosi, vale a dire, che P r > L o. Ifatti, se si ri ette sulla de izioe di prezzo di riserva di u cotratto di assicurazioe, ci si rederà coto che si tratta del premio per il quale la ricchezza dell assicurato (la sua ricchezza iiziale meo il premio) è uguale all equivalete certo di W a : formalmete, W P r = EC Wa. 1 Ovviamete, accetterebbe se u suo ri uto della proposta comportasse l impossibilità di assicurarsi. Stiamo cioè escludedo che il soggetto possa etrare i cotatto co altre compagie che possao o rirgli migliori codizioi. 5

6 D altro cato, sappiamo ache che EC Wa < EW a (il soggetto è avverso al rischio) e che EW a = W L o. Si ha perciò che W P r < W L o, da cui P r > L o. Questo risultato o deve sorpredere. Suppoiamo che il soggetto pagasse u premio pari a L o : i tal caso, assicuradosi starebbe meglio che o assicuradosi. Ifatti, pagado u premio pari a L o la sua ricchezza risulterebbe stabilizzata a W L o, che è esattamete il valore atteso della sua ricchezza o assicuradosi. Ciò sigi ca che il soggetto è disposto a pagare u premio ache superiore i ua certa misura a L o se questo fosse ecessario per potersi assicurare: i altri termii, L o è miore del suo "prezzo di riserva". 3 Co molti soggetti esposti a rischi idipedeti si creao i presupposti per l attività assicurativa Suppoiamo ora che ci siao idividui, tutti ella situazioe descritta ella precedete sezioe. Vale a dire: ogi idividuo i ha ua stessa fuzioe di utilità, U i = U(W i ), tale che U 0 > 0 e U 00 < 0, dove W i idica la ricchezza dell idividuo i; la ricchezza iiziale di ogi soggetto è W e ogi soggetto è esposto ad ua perdita L che ha la seguete distribuzioe di probabilità L L 0 1 L o cosicché la ricchezza di ogi soggetto o assicuradosi (W a ) è ua variabile casuale co la distribuzioe di probabilità qui sotto riportata W a L W 1 W L o Sulla base di quato ipotizzato, il prezzo di riserva è lo stesso per ogi soggetto e, come sappiamo, P r > L o. 6

7 Suppoiamo poi che i rischi froteggiati dai diversi soggetti siao statisticamete idipedeti: vale a dire, la probabilità che u soggetto icorra ella perdita L o è idipedetemete dal fatto che la perdita si veri chi o meo per gli altri soggetti. Nell esposizioe che segue supporremo per semplicità che gli uici costi sosteuti dalla compagia cosistao dei risarcimeti dovuti ai soggetti che icorroo elle perdite. Chiaramete, l etità di tali risarcimeti, e quidi il costo totale della compagia, è ua variabile casuale. Suppoiamo che gli soggetti si assicurio. Il ricavo totale della compagia è ua gradezza certa, pari a = P, il umero degli assicurati moltiplicato per il premio pagato da ciascu assicurato. Il costo totale (C) sosteuto dalla compagia può essere scritto come C = L o, vale a dire, il umero totale di risarcimeti,, moltiplicato per l etità di ciascu risarcimeto, L o. Si oti che il umero totale di risarcimeti può essere scritto + ::: + (i) + ::: + (), dove co (i) idichiamo il umero di risarcimeti e ettuato al soggetto i. Ovviamete, (i) è ua variabile casuale beroulliaa, co la seguete distribuzioe di probabilità come = (1) (i) (i) Si ha perciò E (i) = (1 ) =. icordado che = (1) + :::+ (i), si ha che il umero atteso di risarcimeti per la compagia +:::+() è E = E( (1) +:::+() ) = E(1) +:::+E() = +:::+ =. Possiamo a questo puto scrivere l espressioe del pro tto della compagia e da quella ricavare il pro tto atteso. Il pro tto è = C = P L o. Il pro tto atteso è E = E(P L o ) = P L o E = P L o = (P L o ). I altre parole, il pro tto atteso della compagia è pari a ; il umero di assicurati, moltiplicato il pro tto atteso per assicurato (P L o ), pari a sua volta alla di ereza tra il ricavo per assicurato (P ) e il costo atteso per assicurato (L o ). Si è sopra osservato come il prezzo di riserva di ciascu idividuo sia maggiore di L o (la perdita attesa per ciascu idividuo o assicuradosi). Ciò mostra che esiste u itervallo di valori per P tale che la compagia di assicurazioe abbia u pro tto atteso positivo e ogi idividuo tragga u vataggio dall assicurarsi: si tratta dell itervallo (L o ; P r ). Tuttavia, il fatto che P r > L o, cosicché il pro tto atteso risulta pos- 7

8 itivo per ogi P 2 (L o ; P r ), è codizioe ecessaria ma o su ciete a ché l attività assicurativa appaia redditizia ad ua compagia. E vero che ella ostra aalisi assumiamo eutralità al rischio della compagia di assicurazioe: tuttavia, pur cocededo tale ipotesi, l attività assicurativa o viee cosiderata redditizia semplicemete per il fatto che il pro tto atteso è positivo. Ciò i quato la positività del pro tto atteso di per sé o esclude l evetualità di perdite ache igeti, le quali potrebbero addirittura determiare ua situazioe di isolveza della compagia e quidi il suo fallimeto. Laddove ua tale situazioe di isolveza fosse altamete probabile, l attività assicurativa certamete o potrebbe apparire redditizia. Approfodedo ulteriormete questo aspetto, ci si rederà coto che ua ulteriore codizioe, ecessaria per la redditività dell attività assicurativa, è che il umero degli assicurati sia su cietemete "grade", i quato cià rede molto poco probabile il veri carsi di perdite igeti per la compagia. I e etti, discede dalla "legge dei gradi umeri" che, per u umero di assicurati su cietemete elevato, il costo per assicurato e ettivamete sosteuto dalla compagia risulterà, co probabilità prossima all uità, assai vicio al suo valore atteso, L o : pertato, co u umero di assicurati su cietemete elevato, il pro tto e ettivo della compagia risulta positivo (essedo P 2 (L o ; P r ), dove P è il ricavo per assicurato). Tutto questo sarà illustrato qui sotto co u esempio umerico. 3.1 U esempio umerico Ci siao soggetti, ciascuo co fuzioe di utilità U = p W. La ricchezza di ogi soggetto è W = 100 e ogi soggetto è esposto ad ua perdita L (dimiuzioe della ricchezza) che ha la seguete distribuzioe di probabilità L L 0 3=4 64 1=4 La ricchezza di ciascu soggetto o assicuradosi ha perciò la seguete distribuzioe di probabilità: W a Wa 100 3=4 36 1=4 8

9 Quidi, la perdita attesa per ogi soggetto è EL = (1=4) 64 = 16 e la ricchezza attesa è EW a = 84. Per determiare il prezzo di riserva (P r ), dobbiamo iazitutto determiare l utilità attesa di ogi soggetto o assicuradosi: EU a = 4p p 36 = 9. Il prezzo di riserva è tale che EU a = EU a, cioè p 100 P r = 9, da cui P r = 19. Nel prosieguo assumeremo che la compagia ssi u premio pari a P r = 19 (ma potremmo ache supporre u premio alquato miore di 19, cosicché gli idividui abbiao u vataggio etto dall assicurarsi). Per compredere come sia cruciale la gradezza di ai i dello sviluppo dell attività assicurativa, suppoiamo iizialmete = 2. I tal caso, il umero dei risarcimeti che la compagia dovrà e ettuare risulta dato dalla distribuzioe di probabilità riportata qui sotto. 0 9=16 1 6=16 2 1=16 (Applicado i pricipi delle probabilità totali e composte, il umero dei risarcimeti è ifatti 0 co probabilità (3=4)(3=4) = 9=16, è 1 co probabilità (3=4)(1=4)+(1=4)(3=4) = 6=16 ed è 2 co probabilità (1=4)(1=4) = 1=16:) Di cosegueza, il costo totale e il costo per assicurato hao le distribuzioi di probabilità elle due tabelle qui sotto: C = 64 C 0 9= = =16 C= = 64 C 0 9= = =16 Ora, è ovviamete vero, come già sappiamo i geerale, che il costo atteso per assicurato è 16 ( EC = = 16) e quidi miore del premio, cosicché il valore atteso del pro tto della compagia è E = (P EC ) = 2 (19 16) = 6. Tuttavia, vi è ua elevata probabilità che i costi della compagia superio i ricavi (pari a 38): tale probabilità è 6=16+1=16 = 7=16. Acora più importate è l etità delle evetuali perdite. Voledo poi apprezzare l ordie di gradezza, potremmo rapportarle al fatturato della compagia, cioè al totale dei premi riscossi: i questo modo vediamo che la compagia subisce ua perdita, pari o superiore al 68% dei propri ricavi, co probabilità 7=16. 9

10 Le cose stao molto diversamete per su cietemete grade. icordiamo che = (1) + ::: + (i) + ::: + () e che E = E (i). Nel ostro esempio, E (i) = = 1000, E = 250. = 1 4 e quidi E =. Per esempio, se 4 I base alla legge dei gradi umeri, per! 1;! P E = 1 4 (si legge: "la frequeza relativa dei risarcimeti e ettuati coverge i probabilità a E "). Ciò sigi ca che, per su cietemete grade, la frequeza relativa dei risarcimeti risulterà, co probabilità molto vicia ad uo, assai prossima E. La cosegueza è che il pro tto della compagia risulterà quasi certamete positivo. Ifatti, il pro tto della compagia è C = 19 C = 19 = : quidi, co probabilità molto prossima ad uo, il pro tto per assicurato della compagia risulta molto vicio a 19 64E = = = 3 > 0. 4 Vediamo di illustrare questo puto suppoedo, per esempio, = I particolare, determiiamo, per = 1000, la probabilità che risulti compreso ell itervallo [0; 204; 0; 296], vale a dire, la probabilità che risulti compreso ell itervallo [204; 296] (u itervallo, si oti, che è "cetrato" sul umero atteso di risarcimeti, pari a E = 250). Si oti ache che l estremo superiore di questo itervallo è stato scelto i maiera tale che per u umero di risarcimeti appea superiore ad esso (pari cioè a 297) il pro tto e ettivo della compagia risulti egativo (quado P = P r = 19). 2 La probabilità cercata è facile da determiare o appea ci si reda coto che è ua variabile casuale biomiale. La probabilità cercata è duque la seguete: Pr ( 2 [204; 296]) = X296 = Utilizzado u software matematico (per esempio, Maple) si trova che Pr ( 2 [204; 296]) = 0; Quidi la compagia è praticamete certa di o subire perdite. 2 Per = 296 il pro tto è = = 56 > 0 metre per = 297 il pro tto è = = 8 < 0. 10

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014)

Introduzione 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

Dettagli

Selezione avversa e razionamento del credito

Selezione avversa e razionamento del credito Selezioe avversa e razioameto del credito Massimo A. De Fracesco Dipartimeto di Ecoomia politica e statistica, Uiversità di Siea May 3, 013 1 Itroduzioe I questa lezioe presetiamo u semplice modello del

Dettagli

1 Limiti di successioni

1 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

Successioni. Grafico di una successione

Successioni. 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

Dettagli

SUCCESSIONI E SERIE NUMERICHE

SUCCESSIONI 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

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI 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

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI 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

Dettagli

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02% RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base

Dettagli

Anno 5 Successioni numeriche

Anno 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

Dettagli

EQUAZIONI ALLE RICORRENZE

EQUAZIONI ALLE RICORRENZE Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo

Dettagli

Interesse e formule relative.

Interesse e formule relative. Elisa Battistoi, Adrea Frozetti Collado Iteresse e formule relative Esercizio Determiare quale somma sarà dispoibile fra 7 ai ivestedo oggi 0000 ad u tasso auale semplice del 5% Soluzioe Il diagramma del

Dettagli

8. Quale pesa di più?

8. 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

Dettagli

V Tutorato 6 Novembre 2014

V 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

Dettagli

ESERCIZI SULLE SERIE

ESERCIZI 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

Dettagli

Rendita perpetua con rate crescenti in progressione aritmetica

Rendita perpetua con rate crescenti in progressione aritmetica edita perpetua co rate cresceti i progressioe aritmetica iprediamo l'esempio visto ella scorsa lezioe di redita perpetua co rate cresceti i progressioe arimetica: Questa redita può ache essere vista come

Dettagli

Serie numeriche: esercizi svolti

Serie 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

5 ln n + ln. 4 ln n + ln. 6 ln n + ln

5 ln n + ln. 4 ln n + ln. 6 ln n + ln DOMINIO FUNZIONE Determiare il domiio della fuzioe f = l e e + e + e Deve essere e e + e + e >, posto e = t si ha t e + t + e = per t = e e per t = / Il campo di esisteza è:, l, + Determiare il domiio

Dettagli

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazioe di Gras Date due variabili biarie a e b, i quale misura posso assicurare che i ua popolazioe da ogi osservazioe di a segue ecessariamete quella di b? E

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

SERIE NUMERICHE Esercizi risolti. 2 b) n=1. n n 2 +n

SERIE 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

Dettagli

Teorema 13. Se una sere converge assolutamente, allora converge:

Teorema 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

Dettagli

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone Numerazioe biaria Pagia di 9 easy matematica di Adolfo Scimoe SISTEMI DI NUMERAZIONE Sistemi di umerazioe a base fissa Facciamo ormalmete riferimeto a sistemi di umerazioe a base fissa, ad esempio el sistema

Dettagli

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.

SERIE 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.

Dettagli

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

LA 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

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 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

Dettagli

Esercizi riguardanti limiti di successioni

Esercizi 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

Dettagli

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio Radicali Per itrodurre il cocetto di radicali che già avete icotrato alle medie quado avete imparato a calcolare la radice quadrata e cubica dei umeri iteri, abbiamo bisogo di rivedere il cocetto di uzioe

Dettagli

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.

ANALISI 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

Dettagli

Il mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria

Il mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria Il mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria Esercizio 1 Ci sono 2000 individui ciascuno con funzione di utilità Von Neumann-Morgestern

Dettagli

Il confronto tra DUE campioni indipendenti

Il confronto tra DUE campioni indipendenti Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo

Dettagli

Principi base di Ingegneria della Sicurezza

Principi base di Ingegneria della Sicurezza Pricipi base di Igegeria della Sicurezza L aalisi delle codizioi di Affidabilità del sistema si articola i: (i) idetificazioe degli sceari icidetali di riferimeto (Eveti critici Iiziatori - EI) per il

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE 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

Dettagli

Limiti di successioni

Limiti 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

Dettagli

PARTE QUARTA Teoria algebrica dei numeri

PARTE 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)

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI 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

Dettagli

Foglio di esercizi N. 1 - Soluzioni

Foglio di esercizi N. 1 - Soluzioni Foglio di esercizi N. - Soluzioi. Determiare il domiio della fuzioe f) = log 3 + log 3 3)). Deve essere + log 3 3) > 0, ovvero log 3 3) >, ovvero prededo l espoeziale i base 3 di etrambi i membri) 3 >

Dettagli

Campi vettoriali conservativi e solenoidali

Campi 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

Dettagli

Corsi 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 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

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagia Giovaa Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secodaria di secodo grado UNITÀ CAMPIONE Edizioi del Quadrifoglio à t i U 2 Radicali I questa Uità affrotiamo

Dettagli

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale

Calcolo 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

Dettagli

SUCCESSIONI 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 - 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:

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica 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

Dettagli

II-9 Successioni e serie

II-9 Successioni e serie SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La

Dettagli

Formula per la determinazione della Successione generalizzata di Fibonacci.

Formula per la determinazione della Successione generalizzata di Fibonacci. Formula per la determiazioe della uccessioe geeralizzata di Fiboacci. A cura di Eugeio Amitrao Coteuto dell articolo:. Itroduzioe......... uccessioe di Fiboacci....... 3. Formula di Biet per la successioe

Dettagli

Elementi di matematica finanziaria

Elementi di matematica finanziaria Elemeti di matematica fiaziaria 18.X.2005 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate

Dettagli

Terzo appello del. primo modulo. di ANALISI 18.07.2006

Terzo 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

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe

Dettagli

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6

1 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

Dettagli

Corso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale.

Corso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale. Corso di laurea i Matematica Corso di Aalisi Matematica -2 Dott.ssa Sadra Lucete Fuzioi poteza ed espoeziale. Teorema. Teorema di esisteza della radice -esima. Sia N. Per ogi a R + esiste uo ed u solo

Dettagli

Campionamento stratificato. Esempio

Campionamento stratificato. Esempio ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete

Dettagli

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2 Uiversità degli Studi di Bergamo - Corsi di laurea i Igegeria Edile e Tessile Idici di posizioe e variabilità Esercitazioe 2 1. Nella seguete tabella si riporta la distribuzioe di frequeza del cosumo i

Dettagli

Appunti sulla MATEMATICA FINANZIARIA

Appunti sulla MATEMATICA FINANZIARIA INTRODUZIONE Apputi sulla ATEATIA FINANZIARIA La matematica fiaziaria si occupa delle operazioi fiaziarie. Per operazioe fiaziaria si itede quella operazioe ella quale avviee uo scambio di capitali, itesi

Dettagli

La matematica finanziaria

La matematica finanziaria La matematica fiaziaria La matematica fiaziaria forisce gli strumeti ecessari per cofrotare fatti fiaziari che avvegoo i mometi diversi Esempio: Come posso cofrotare i ricavi e i costi legati all acquisto

Dettagli

Risposte. 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

Risposte. 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

Dettagli

19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5

19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5 Il 16 dicembre 015 ero a Napoli. Ad u agolo di Piazza Date mi soo imbattuto el "matematico di strada", come egli si defiisce, Giuseppe Poloe immerso el suo armametario di tabelle di umeri. Il geiale persoaggio

Dettagli

LA DERIVATA DI UNA FUNZIONE

LA 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:

Dettagli

Sistemi e Tecnologie della Comunicazione

Sistemi e Tecnologie della Comunicazione Sistemi e ecologie della Comuicazioe Lezioe 4: strato fisico: caratterizzazioe del segale i frequeza Lo strato fisico Le pricipali fuzioi dello strato fisico soo defiizioe delle iterfacce meccaiche (specifiche

Dettagli

Metodi statistici per l analisi dei dati

Metodi statistici per l analisi dei dati Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo

Dettagli

Capitolo Terzo. rappresenta la rata di ammortamento del debito di un capitale unitario. Si tratta di risolvere un equazione lineare nell incognita R.

Capitolo Terzo. rappresenta la rata di ammortamento del debito di un capitale unitario. Si tratta di risolvere un equazione lineare nell incognita R. 70 Capitolo Terzo i cui α i rappreseta la rata di ammortameto del debito di u capitale uitario. Si tratta di risolvere u equazioe lieare ell icogita R. SIANO NOTI IL MONTANTE IL TASSO E IL NUMERO DELLE

Dettagli

Corso di Laurea in Ing. Edile Politecnico di Bari A.A. 2008-2009 Prof. ssa Letizia Brunetti DISPENSE DEL CORSO DI GEOMETRIA

Corso di Laurea in Ing. Edile Politecnico di Bari A.A. 2008-2009 Prof. ssa Letizia Brunetti DISPENSE DEL CORSO DI GEOMETRIA Corso di Laurea i Ig Edile Politecico di Bari AA 2008-2009 Prof ssa Letizia Bruetti DISPENSE DEL CORSO DI GEOMETRIA 2 Idice Spazi vettoriali Cei sulle strutture algebriche 4 2 Defiizioe di spazio vettoriale

Dettagli

Random walk classico. Simulazione di un random walk

Random 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 e ideticamete

Dettagli

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa I umeri complessi Pagie tratte da Elemeti della teoria delle fuzioi olomorfe di ua variabile complessa di G. Vergara Caffarelli, P. Loreti, L. Giacomelli Dipartimeto di Metodi e Modelli Matematici per

Dettagli

Lezione n 19-20. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott. Carrabs

Lezione n 19-20. Lezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Prof. Cerulli Dott. Carrabs Lezioi di Riera Operativa Corso di Laurea i Iformatia Uiversità di Salero Lezioe 9- - Problema del trasporto Prof. Cerulli Dott. Carrabs Problema del Flusso a osto Miimo FORMULAZIONE mi ( i, ) A o violi

Dettagli

Capitolo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE

Capitolo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE Capitoo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE 3.1 LA TEORIA DI WEIBULL I comportameto meccaico dee fibre di giestra e di juta è stato caratterizzato mediate o studio dea resisteza a trazioe dee fibre

Dettagli

Successioni ricorsive di numeri

Successioni 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..

Dettagli

DISTRIBUZIONI DOPPIE

DISTRIBUZIONI 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

Dettagli

Corso 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 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.

Dettagli

Capitolo Decimo SERIE DI FUNZIONI

Capitolo 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

Dettagli

5. Le serie numeriche

5. 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

Dettagli

Tecnica delle misurazioni applicate Esame del 4 dicembre 2007

Tecnica delle misurazioni applicate Esame del 4 dicembre 2007 Tecica delle misurazioi applicate Esame del 4 dicembre 7 Problema 1. Il propulsore Mod. WEC viee prodotto da ACME Ic. mediate u processo automatizzato: dati storici cofermao che la lavorazioe di ogi elemeto

Dettagli

Scelte in condizioni di rischio e incertezza

Scelte in condizioni di rischio e incertezza CAPITOLO 5 Scelte in condizioni di rischio e incertezza Esercizio 5.1. Tizio ha risparmiato nel corso dell anno 500 euro; può investirli in obbligazioni che rendono, in modo certo, il 10% oppure in azioni

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1 ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO Agela Doatiello 1 Esercizio. E stato tabulato il peso di ua certa popolazioe

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli

STATISTICA DESCRITTIVA

STATISTICA 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

Dettagli

I appello - 29 Giugno 2007

I 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 (

Dettagli

L OFFERTA DI LAVORO 1

L OFFERTA DI LAVORO 1 L OFFERTA DI LAVORO 1 La famiglia come foritrice di risorse OFFERTA DI LAVORO Notazioe utile: T : dotazioe di tempo (ore totali) : ore dedicate al tempo libero l=t- : ore dedicate al lavoro : cosumo di

Dettagli

DIPENDENZA O CONNESSIONE. Ovvero quando la conoscenza della modalità di X presente su un unità è informativa della presenza della modalità di Y.

DIPENDENZA O CONNESSIONE. Ovvero quando la conoscenza della modalità di X presente su un unità è informativa della presenza della modalità di Y. DIPENDENZA O CONNESSIONE Due caratteri X e Y cogiutamete cosiderati si dicoo tra loro coessi quado le modalità di u carattere ifluezao il maifestarsi delle modalità dell altro. Ovvero quado la coosceza

Dettagli

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA

STATISTICA 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

Dettagli

ESERCIZI SULLE SERIE NUMERICHE

ESERCIZI SULLE SERIE NUMERICHE ESERCIZI SULLE SERIE NUMERICHE a cura di Michele Scaglia RICHIAMI TEORICI Richiamiamo brevemete i pricipali risultati riguardati le serie umeriche. Teorema (Codizioe Necessaria per la Covergeza) Sia a

Dettagli

Serie numeriche e serie di potenze

Serie 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

Dettagli

LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT

LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT La gestioe, il cotrollo ed il migliorameto della qualità di u prodotto/servizio soo temi di grade iteresse per l azieda. Il problema della qualità

Dettagli

Random walk classico. Simulazione di un random walk

Random 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

Dettagli

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale

Dettagli

Un modello matematico di investimento ottimale

Un modello matematico di investimento ottimale Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Preliminari di calcolo delle probabilità

Dettagli

ESERCITAZIONE MATEMATICA FINANZIARIA OPZIONI. Matematica finanziaria Dott. Andrea Erdas Anno Accademico 2011/2012

ESERCITAZIONE MATEMATICA FINANZIARIA OPZIONI. Matematica finanziaria Dott. Andrea Erdas Anno Accademico 2011/2012 ESERCITAZIONE MATEMATICA FINANZIARIA 1 OPZIONI 2 LE OPZIONI Le opzioni sono contratti che forniscono al detentore il diritto di acquistare o vendere una certa quantità del bene sottostante a una certa

Dettagli

Modelli multiperiodali discreti. Strategie di investimento

Modelli multiperiodali discreti. Strategie di investimento Modelli multiperiodali discreti Cosideriamo ora modelli discreti cioè co u umero fiito di stati del modo multiperiodali, cioè apputo co più periodi. Il prototipo di questa classe di modelli è il modello

Dettagli

APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE

APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE 1. Proporzionalità diretta e proporzionalità inversa Analizziamo le seguenti formule Peso Lordo = Peso Netto + Tara Ricavo = Utile + Costo Rata = Importo + Interesse

Dettagli

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione Le ode elettromagetiche Origie e atura, spettro delle ode e.m., la polarizzazioe Origie e atura delle ode elettromagetiche: Ua carica elettrica che oscilla geera u campo elettrico E che oscilla e a questo

Dettagli

che sono una l inversa dell altra; l insieme dei messaggi cifrati C i cui elementi sono indicati con la lettera c.

che sono una l inversa dell altra; l insieme dei messaggi cifrati C i cui elementi sono indicati con la lettera c. I LEZIONE Il ostro iteto è aalizzare i dettaglio i metodi di cifratura che si soo susseguiti el corso della storia prestado particolare attezioe all impiato matematico che e cosete la realizzazioe Iiziamo

Dettagli

Calcolo del Valore Attuale Netto (VAN)

Calcolo del Valore Attuale Netto (VAN) Calcolo del Valore Attuale Netto (VAN) Il calcolo del valore attuale netto (VAN) serve per determinare la redditività di un investimento. Si tratta di utilizzare un procedimento che può consentirci di

Dettagli

DISPENSE DI MATEMATICA FINANZIARIA

DISPENSE DI MATEMATICA FINANZIARIA SPENSE MATEMATA FNANZAA 3 Piai di ammortameto. 3. osiderazioi geerali. U piao di ammortameto cosiste ella restituzioe di u importo preso a prestito mediate il versameto d'importi distribuiti el tempo.

Dettagli

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede

Dettagli

Il test parametrico si costruisce in tre passi:

Il test parametrico si costruisce in tre passi: R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica

Dettagli

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI

LE 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

Dettagli

Capitolo 25: Lo scambio nel mercato delle assicurazioni

Capitolo 25: Lo scambio nel mercato delle assicurazioni Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel

Dettagli

Edited by Foxit PDF Editor Copyright (c) by Foxit Software Company, 2004 For Evaluation Only.

Edited by Foxit PDF Editor Copyright (c) by Foxit Software Company, 2004 For Evaluation Only. In un mercato del lavoro competitivo esistono due tipi di lavoratori, quelli con alta produttività L A, che producono per 30 $ l'ora, e quelli con bassa produttività, L B, che producono per 5 $ l'ora.

Dettagli

Equazioni e contrazioni: un punto fisso //

Equazioni e contrazioni: un punto fisso // * 010 Equazioi e cotrazioi: u puto fisso // Nicola Chiriao Docete al Liceo Scietifico L. Siciliai di Catazaro [Nicola Chiriao] Nicola Chiriao è docete di Matematica e Fisica al Liceo Scietifico Siciliai

Dettagli

IL MODELLO CICLICO BATTLEPLAN

IL MODELLO CICLICO BATTLEPLAN www.previsioniborsa.net 3 Lezione METODO CICLICO IL MODELLO CICLICO BATTLEPLAN Questo modello ciclico teorico (vedi figura sotto) ci serve per pianificare la nostra operativita e prevedere quando il mercato

Dettagli