AFFIDABILITA DEI SISTEMI STOCASTICI (complessi)

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "AFFIDABILITA DEI SISTEMI STOCASTICI (complessi)"

Transcript

1 AFFIDABILITA DEI SISTEMI STOCASTICI (complessi) 1 No ecessariamee il verificarsi di u guaso provoca la more del sisema. A vole soo ecessari più guasi el empo, affiché il sisema collassi. Fissao u empo (ad esempio u gioro), la variabile aleaoria che coa il umero di guasi è discrea. Cosa accade se il empo viee fao variare? Si oiee ua v.a. per ogi empo : ossia ua successioe di v.a. idiciae da. { X, I} I al caso si parla di famiglia di variabili aleaorie. PROCESSO STOCASTICO 1

2 Sia N()la v.a. che coa il umero di guasi cui è soggeo il sisema ell iervallo [0,). CASO A: Assumiamo che il sisema muoia quado si verifica u guaso casuale. T PT ( > ) = P[ N = 0] ~exp > = exp ( ) Per ogi, N è di Poisso 3 CASO B: Assumiamo che il sisema muoia co ua cera probabilià p quado si verifica u guaso. PT P[ N 0] P[ N 1](1 p) P[ N ](1 p) > = = + = + = +L λ λ λ λ = e + λe (1 p) + e (1 p) +L = ()~[ ] CASO C: Assumiamo che il sisema muoia quado si verificao almeo r guasi casuali. j r 1 ( λ) PT ( > ) = P[ N r 1] = exp( λ) j! j= 0 j= 0 ( λ) r 1 λ r 1 ( λx) exp( λx) dx= exp λ ( r 1)! j! j 4

3 Media e variaza: r λ r λ [ ] = Var[ X] = E X Esercizio: Suppoiamo che il umero di arrivi a u casello auosradale segua u processo di Poisso co asso medio 0. arrivi al miuo. Sia Til empo di aesa rascorso fio al erzo arrivo. Deermiare media e variaza di T. Calcolare P( T 0) Biomiale Poisso Geomerica Espoeziale Biomiale egaiva Gamma 5 I affidabilià la somma di variabili aleaorie rappresea il empo di via di u sisema i cui u disposiivo co empo di via T i viee sosiuio isaaeamee co u disposiivo aalogo, avee medesimo empo di via (esempio: lampadia ). T = T + T + L+ T 1 T 1 T T 3 T 4!":Siao ), +,, - empi di via espoeziali di paramero.allora ) ha legge gamma di parameri e. 6 3

4 La variabile aleaoria gamma >dgamma(x,shape,scale) λ = (scale) = (shape) Perao la v.a. Gamma rappresea il empo di via di u sisema i cui u disposiivo co empo di via descrio da ua v.a. espoeziale viee sosiuio isaaeamee co u disposiivo aalogo, avee medesimo empo di via (esempio: lampadia ). 7 Il ome deriva dalla fuzioe gamma: >gamma(x) Def : La fuzioe gamma, deoaa co Γ( s), è defiia come segue: Proprieà: 1) Γ ( s) = ( s -1) Γ( s -1); s 1 ( s) exp d, s 0 0 Γ = > ) Γ ( r) = ( r -1)!, r iero 1 3) Γ = π fuz.iegrada codorm.. iegrale 8 4

5 Per ormalizzazioe: X f 1 = Γ ( s) s 1 0 exp( ) > 0 0 alrove Y = X / λ λy 1 s 1 FY ( y) = P( Y y) = P( X λy) = x exp ( x) dx Γ( s) Y f λ s ( λ) 1 exp( λ) > 0 = Γ ( s) Gamma( s, λ) 0 alrove Ua v.a. chi-quadrao si oiee dalla v.a. gamma per λ = 1/, s= / 9 N() è u esempio di processo socasico f 1 S ω 3 ω ω 1 f 3 f U processo socasico X è ua famiglia di v.a. idiciae da I. 10 5

6 Fissao u puo campioario si oiee ua fuzioe del empo S ω 3 ω ω 1 11 Fissao u valore per il empo si oiee ua v.a. f 1 S ω 3 ω ω 1 f 3 f Perao X (, ω ) è ua fuzioe del empo. 3 Mere X (, ω) è ua variabile aleaoria. 1 6

7 13 Per caraerizzare u processo socasico f 1 S ω 3 ω ω 1 f f La v.a. X ( ) dà iformazioi su quello che accade al sisema all'isae. 1 1 La coppia di v.a. ( X ( ), X ( )) dà iformazioi su quello che accade al sisema 1 all'isae e all'isae

8 Esempio di processo socasico sazioario i media realizzazioe di u rumore biaco 15 IL MOTO BROWNIANO Il ermie "moo browiao" deriva dal ome del boaico scozzese Rober Brow, che lo osservò el 187 mere sava sudiado al microscopio le paricelle di pollie i acqua; egli osservò che i grauli di pollie erao i coiuo movimeo e i ogi isae ale moo avveiva lugo direzioi casuali. hp://udersadigheuiverse.umblr.com/pos/ /browia-moio-gif 16 8

9 STAZIONARIETA IN SENSO LATO STAZIONARIETA IN SENSO STRETTO U processo socasico X si dice sazioario i seso sreo se per ogi k fissao e ogi h fissao d ( X + h, X, K, X ) = ( X, X, K, X ) 1 + h k+ h 1 k f 1 f f

10 Sigificao saisico f X x x P x< X x+ x ( x) ( x+ x) ( x) = N N FX ( x) = P X x ( x) = um. di cammii campioari ra gli N che all'isae si rovao al di soo del livello x ( x) N 19 ( 1 ) Nel caso si fissio due isai emporali X( ), X( ) f ( x, ; x, ) x x P x < X( ) x + x ; x < X ( ) x + x (, ) x x N 1, 1 = um. di cammii che all'isae rasiao ell' ( x x + x ) ( x x + x ) iervallo, e all'isae rasiao ell'iervallo,

11 Sazioarieà i seso sreo Sazioarieà i seso lao 1 A meo che il processo o sia gaussiao U processo socasico è gaussiao iff per ogi k e ogi ( K ) < < L< la legge di X, X,, X è gaussiaa La desià cogiua è k 1 k ( π) 1 1 r r Σ Σ T 1 ( µ ) ( µ ) exp x x k/ 1/ ( X X ) i j Σ marice di covariaza, ossia Σ = cov, ij 1 Nel caso di sisemi semplici, quali quello riporao i Figura 1, è possibile schemaizzare il sisema mediae dei blocchi che rappreseao i diversi compoei (Figura ). All iero di queso schema si ricooscoo due diverse ipologie di cofigurazioe del sisema: cofigurazioe i serie ed i parallelo. Alre cofigurazioi si rirovao i schemi più complicai (Affidabilià delle cosruzioi meccaiche, Spriger(009), Berea S.) Per sudiare queso sisema è ecessaria ua rappreseazioe a blocchi. 11

12 3 Esercizio: Si assuma che i collegamei ra ua cerale elerica e ua cià siao cosiuie da re liee collegae i serie i cui empi di fuzioameo soo descrii da variabili aleaorie espoeziali ideicamee disribuie. Quao è affidabile la cerale elerica? R = exp λi λ = λi i= 1 i= 1 Nel caso geerale MTTF 1/ i= 1 MTTF = Ri d Z( s) = Zi( s) R i= 1 i = λi La affidabilià di u sisema i serie è sempre miore o uguale al miimo delle affidabilià dei compoei. R s mi R R LR 1 4 1

13 Ovviamee sisemi i serie fao decremeare l affidabilià del sisema: Suppoiamo di voler icremeare l affidabilià del sisema, araverso u icremeo di affidabilià del compoee i-esimo, R + R = R LR R + R R LR S S 1 i 1 i i i+ 1 5 = R + R R = R + R R Perao j j i S j i j= 1 j= 1, j i j= 1, j i R R S i = R = j= 1, j i Si può scegliere quel compoee che massimizza l icremeo di affidabilià j R R S i R R S i = max i R R S i Bilacio co i cosi 6 13

14 Affidabilià codizioaa Esercizio:Suppoiamo che u sisema sia formao da 3 blocchi A,B,C coessi i serie. Il empo di via del blocco A è descrio da ua legge di Weibullco paramero scala 100 ore e paramero forma 3.. Il empo di via del blocco B è descrio da ua legge gaussiaa di parameri 400 (ore) e deviazioe 3 (ore). Il empo di via del blocco C è descrio da ua legge espoeziale di paramero per ora. Suppoiamo che il sisema sia sopravvissuo per u empo pari a 50 ore. Qual è la probabilià che sopravviva per alre 50 ore? ( ) P T > s+ T > s = R( s+ s) R( s+ ) = R( s) ( > + > ) = P( TA > s+ TA > s) P( TB > s+ TB > s) ( > + > ) P T s T s P T s T s C C Scrivere la fuzioe affidabilià codizioaa ed effeuare u grafico per s=50 7 La fuzioe di affidabilià risula: β β + s s 1 Φ s+ P( T > s+ T > s) = exp λ + α α 1 Φ( s) > rc100<-exp( *100) > rc50<-exp( *50) > rb100<-1-porm(100,400,3) > rb50<-1-porm(50,400,3) > ra100<-1-pweibull(100,3.,100) > ra50<-1-pweibull(50,3.,100) > aff<-(ra100*rb100*rc100)/(ra50*rb50*rc50) > aff [1] > fua<-fucio(x){(1-pweibull(x+50,3.,100))/ra50} > fub<-fucio(x){(1-porm(x+50,400,3))/rb50} > fuc<-fucio(x){exp( *(x+50))/rc50} > x<-seq(0,50,0.1) > y=fua(x)*fub(x)*fuc(x) > plo(x,y,ype='l',col='red',lwd=4) > plo(x,y,ype='l',col='red',lwd=4) > ile('affidabilià codizioaa') > y affidabilià codizioaa x 8 14

15 LIFE EXCHANGE RATE MATRIX No ue le compoei di u sisema hao la medesima uilizzazioe i ermii di empo di via uiario. Ad esempio se ua macchia procede per ore, frizioe e freo operao su diverse uià di misura e dipedoo dalle codizioi della srada. La via di ua ruoa dipede dai chilomeri percorsi. La via di ua frizioe dal umero di cambi di marcia. La via di u freo dal umero di vole che vegoo usai. La via di uo sarer dal umero di accesioi. Per rovare la affidabilià di u sisema che ha compoei co diverse uià di misura, è ecessario ormalizzarle. umero di compoei r = 1 ii LERM r11 r1 L r1 r r L r M M O M r 1 r L r 1 = 9 1 uià di misura del compoee i= r 1 uià di misura del compoee j ij Ore Chilom eri Giri 1 ora = 10 chilomeri 1 ora = 5 giri 1 3 LERM = 1 1 r ji 1 = r ij LERM = 1/10 1 1/ uià di misura del compoee i 1 uià di misura del compoee j r = ij 1 uià di misura del compoee j= r 1 uià di misura del compoee i ji 30 15

16 1 uià di misura del compoee = r 1 uià di misura del compoee 3 3 = r r 1 uià di misura del compoee LERM = 1/10 1 1/ 1/ 5 1 r 1 = r 1 r3 = r31 r = r r ij ik kj Usi della marice LERM 31 Esempio: Suppoiamo che u sisema sia formao da 3 blocchi A,B,C coessi i serie. Il empo di via del blocco A è descrio da ua legge di Weibull co paramero scala 100 ore e paramero forma 3.. Il empo di via del blocco B è descrio da ua legge gaussiaa di parameri 400 cicli e deviazioe 3 cicli. Il empo di via del blocco C è descrio da ua legge espoeziale di paramero per chilomero Si sa che per u ora di fuzioameo, il modulo B effeua 1 cicli e il modulo C effeua 7 chilomeri. Cosruire la marice LERM. Trovare la affidabilià del sisema dopo 40 cicli del modulo B. R 3. A = exp( ( /100) ) 400 RB = 1 Φ 3 R = exp c ore LERM = cicli 1/1 1 6 km 1/ 7 1/ 6 1 R(40) = R (40 r ) R (40 r ) R (40 r ) A 1 B C 3 cicli cicli

17 Esempio: Suppoiamo che il sisema di cui al lucido precedee abbia già operao per complessive 5 ore. Qual è la probabilià che operi per alri 40 cicli? R( s+ s) R( s+ ) = R( s) R (0+ 5 5) perchè abbiamo già viso che 0 ore corrispodoo A a 40 cicli 5 ore corrispodoo a 5 r cicli =5 1 cicli= 300 cicli R ( ) perchè devoo passare alri 40 cicli B 1 5 ore corrispodoo a 5 r chilomeri =5 7 km= 1800 km C 13 R ( ) perchè 1440 km corrispodoo a 40 cicli 33 La affidabilià di u sisema i parallelo è sempre maggiore o uguale al massimo delle affidabilià dei compoei. s max R R R R 1 L 34 17

18 Ovviamee sisemi i parallelo fao aumeare l affidabilià del sisema: Suppoiamo di voler icremeare l affidabilià del sisema, araverso u icremeo di affidabilià del compoee i-esimo, R + R = 1 (1 R ) L(1 R ) 1 R R (1 R ) L(1 R ) P P 1 i 1 i i i = 1 (1 R ) + (1 R ) R = R + (1 R ) R j j i P j i j= 1 j= 1, j i j= 1, j i Perao R R P i 1 R = (1 Rj) = 1 R j= 1, j i P i Si può scegliere quel compoee che massimizza l icremeo di affidabilià R R P i = 1 R max i 1 R P i Bilacio co i cosi 36 18

19 Aggiugere compoei i serie dimiuisce la affidabilià, aggiugere compoei i parallelo aumea la affidabilià. NB: Cosa accade el caso di soosisemi co via espoeziale? Esercizio: il compoee di u sisema ha ua affidabilià pari al 70% per u prefissao periodo di empo. Trovare quae compoei adrebbero coesse i parallelo per raggiugere ua affidabilià del 95%. Teorema: Nel caso di u sisema complesso formao da soosisemi i parallelo, ciascuo co asso di guaso cosae pari a λ, si ha 1 1 MTTF= λ = k k 1 37 Esempio: Si cosideri u sisema i parallelo cosiuio da 3 compoei avei u asso di guaso cosae pari a λ = 1 guaso ogi 100 ore. Ricavare l affidabilià per ua missioe di = 10 ore, ricavare il asso di guaso e calcolare MTTF del sisema Traadosi di u empo di via espoeziale: R (10) = exp( ) = Cosiderado 3 compoei i parallelo R = = 3 P (10) 1 [1 exp( )] Se si cosiderao 1000 missioi da 10 ore, el caso del compoee semplice si avrao circa 100 roure a froe di 1 solo cedimeo per il sisema i parallelo. Si oa come queso aumeo dell affidabilià di due ordii di gradezza si verifichi solo per empi di missioe relaivamee brevi 38 19

20 Per avere la sessa affidabilià co u solo compoee, quao dovrebbevalere il asso di guaso? 39 I mole siuazioi praiche o basa che ci sia almeo u compoee, degli messi i parallelo, che lavori correamee, ma si chiede che almeo k compoei lavorio correamee perché o si verifichi lo shudow del sisema K ou of N Sysem r La affidabilià di u k -ou -of - sysem è R(, k, ) = p 1 p r= k r dove p rappresea la affidabilià di u compoee fio all'isae, ossia p= R( ) Esercizio: U geeraore di poeza i ua azieda ha 6 geeraori ideici, ogi geeraore ha u asso di guaso cosae pari a 1.5 su 1000 ore di fuzioameo. Perché il geeraore fuzioi alla poeza richiesa devoo essere i fuzioe almeo 4 geeraori. Trovare la affidabiliàdel geeraore a 100 ore e la MTTF. 40 r 0

21 Soluzioe: La fuzioe di affidabilià è: 6 6 r 6 r 15 R(100) = p (1 p) dove p= exp 100 r= 4 r 1000 I R: > p<-exp(-1.5/10) > p [1] > 1-pbiom(3,6,p) [1] > = R R R d MTTF = R [ 1 R ] + R [ 1 R ] + R d = SISTEMI IN PARALLELO E IN SERIE Teorema di Dreick(1960) Dao u umero di compoei avei qualsiasi disribuzioe della desià di guaso, al crescere del empo di fuzioameo, la desià di guaso del sisema ede ad assumere u adameo espoeziale (serie). 4 1

22 Il sisema può essere sieizzao da re soosisemi i serie: il primo formao dai due soosisemi-serbaoi i parallelo, il secodo formao dal ubo ed il erzo formao dai due soosisemi razzi i parallelo: dove: R = R R R SIST Serb Tubo Razzi R = [1 (1 R ) ] = e e Serb a a R = [1 (1 R ) ] = e e Razzi Perao si ha: S R c c R = 4exp( [ a+ b+ c] ) exp( [ a+ b+ c] ) + SIST exp( [ a+ b+ c] ) + exp( [a+ b+ c] ) Per calcolare MTTF si ha: 4 1 MTTF = RSIST d = + a+ b+ c a+ b+ c a+ b+ c a+ b+ c 0 43 ossia: 6b a+ b + 7abc+ 6a + 6c + 11ba + 6bc+ 7ac + 7a c+ 11bc MTTF = ( a+ b+ c)( a+ b+ c)( a+ b+ c)(a+ b+ c) Se maca il ubo di derivazioe ed ogi serbaoio è collegao al razzo, si ha u sisema complesso formao da due soosisemi i parallelo. Ogi soosisema è formao da due compoei i serie: u serbaoio e u razzo. Perao dove: R = 1 [1 R ] SIST R = R R = exp( [ a+ c] ) Perao si ha: Serb razzo R = exp( [ a+ c] ) exp( [ a+ c] ) SIST Per calcolare MTTF si ha: 1 3 MTTF = RSIST d = = a+ c ( a+ c) ( a+ c) 0 44

23 GUASTI MULTIPLI Si assuma che il guaso del compoee possa avveire per effeo di due diversi meccaismi di guaso. La desià di guaso i al caso si calcola come =P f = f R + f R 1 1 d = ( (, + d )) ("guaso di ipo A e o di ipo B" o "guaso di ipo B e o di ipo A" ) f P T = P("guaso di ipo A") P("o si verifica il guaso di ipo B") + P("guaso di ipo B") P("o si verifica il guaso di ipo A") Esercizio: Il empo di via di u compoee per effeo del meccaismo di guaso A è descrio da ua v.a. espoeziale di paramero 0.00 (per ore). Il empo di via dello sesso compoee per effeo del meccaismodi guaso B è descrio da ua v.a. espoeziale di paramero (per ore). Deermiare desià di guaso complessiva e fuzioe di affidabilià. (effeuare i grafici) Esercizio: Suppoiamo il asso di guaso di u compoee durae il periodo di rodaggio sia di Weibullco paramero di forma 0.60 e paramerodi scala ore, durae il periodo di fase adula sia di Weibull co paramero di forma 1.00 e paramero di scala 4000 ore e durae la fase di usura sia di Weibullco paramero di forma.50 e paramero di scala 4500 ore. Scrivere la fuzioe desià di guaso. Scrivere la fuzioe desià di guaso f = f R R + f R R + f R R Effeuare u grafico 3

0 per x / ( 1, ). i) (4 p) Trovare per quali valori di α la funzione f è una densità di probabilità (non si chiede di calcolare C α ).

0 per x / ( 1, ). i) (4 p) Trovare per quali valori di α la funzione f è una densità di probabilità (non si chiede di calcolare C α ). Corsi di Probabilià, Saisica e Processi socasici per Ig dell Auomazioe, Iformaica e If Ges Azieda /5/ Esercizio U sisema di preallarme su u velivolo segala ua A allarme oppure ua N o allarme ogi dieci

Dettagli

AFFIDABILITA DEI SISTEMI

AFFIDABILITA DEI SISTEMI AFFIDABILITA DEI SISTEMI STOCASTICI (complessi) Esercizio: Si assuma che i collegamenti tra una centrale elettrica e una città siano costituite da tre linee collegate in serie i cui tempi di funzionamento

Dettagli

Tecnica delle misurazioni applicate Esame del 7 gennaio 2008

Tecnica delle misurazioni applicate Esame del 7 gennaio 2008 Tecica delle misurazioi applicae Esame del 7 geaio 008 Problema 1. La Beloiglio rl è u impresa che alleva idusrialmee coigli e da lugo empo uilizza il magime ProRabbi 10% che ha sempre garaio, i u presabilio

Dettagli

R chi h ami m sul u cana n le di d com o u m n u i n cazion o e n radi d o

R chi h ami m sul u cana n le di d com o u m n u i n cazion o e n radi d o Richiami sul caale di comuicazioe radio 1 Fadig leo shadowig è causao da osacoli di gradi dimesioi palazzi ra TX e RX Il pah loss è proporzioale a r α, dove α è i geere ra 2.5 e 5 i ambiee urbao Erambi

Dettagli

INTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI

INTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI Adolfo Scimoe FORMULE INTEGRAZIONE Pag INTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI Iegrazioe delle fuzioi razioali frae Se la frazioe è impropria, cioè il grado del umeraore è maggiore o uguale

Dettagli

AFFIDABILITA DEI SISTEMI

AFFIDABILITA DEI SISTEMI AFFIDABILITA DEI SISTEMI STOCASTICI (complessi) Esercizio: Si assuma che i collegamenti tra una centrale elettrica e una città siano costituite da tre linee collegate in serie i cui tempi di funzionamento

Dettagli

Teoria delle distribuzioni Parte quinta Limiti nel senso delle distribuzioni

Teoria delle distribuzioni Parte quinta Limiti nel senso delle distribuzioni ezioi di Maemaica e disribuzioi pare 5 Teoria delle disribuzioi Pare quia imii el seso delle disribuzioi operazioe di limie i seso disribuzioale Passiamo a raare, araverso ua serie di esempi precedui da

Dettagli

Grandezze significative (dinamiche e cinematiche)

Grandezze significative (dinamiche e cinematiche) Gradezze sigificaie diamiche e ciemaiche Romao Lapasi DMRN - Uiersià di Triese Corso di Reologia Uiersià di Triese Obieio geerale defiire u equazioe cosiuia adaa a descriere il comporameo meccaico del

Dettagli

Lezione 3 Proprietà statistiche degli stimatori OLS - 1. Anche in questo capitolo si considera il modello di regressione lineare.

Lezione 3 Proprietà statistiche degli stimatori OLS - 1. Anche in questo capitolo si considera il modello di regressione lineare. Lezioe 3 Proprieà saisiche degli simaori OLS - Ache i queso capiolo si cosidera il modello di regressioe lieare y x β + u co E( u Ω ) 0, x appariee a Ω per,,, e si assume che sia assegao il processo (fiio)

Dettagli

OPERAZIONI SUI SEGNALI DETERMINISTICI, ENERGIA, VALOR MEDIO, POTENZA, ANALISI DI FOURIER, CONVOLUZIONE. A cos 2 / 2

OPERAZIONI SUI SEGNALI DETERMINISTICI, ENERGIA, VALOR MEDIO, POTENZA, ANALISI DI FOURIER, CONVOLUZIONE. A cos 2 / 2 OPERAZIONI SUI SEGNALI DEERMINISICI, ENERGIA, VALOR MEDIO, POENZA, ANALISI DI FOURIER, CONVOLUZIONE Esercizio Calcolare la poeza, l eergia e il valor medio dei seguei segali a) x()a; b) x()u() ; c) x()acos(oφ)

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO Corso Sperimentale P.N.I. Tema di MATEMATICA - 23 giugno 2005

ESAME DI STATO DI LICEO SCIENTIFICO Corso Sperimentale P.N.I. Tema di MATEMATICA - 23 giugno 2005 ESAME DI STATO DI LICEO SCIENTIFICO -5 Corso Sperimeale PNI Tema di MATEMATICA - giugo 5 Svolgimeo a cura della profssa Sadra Berecoli e del prof Luigi Tomasi (luigiomasi@liberoi) RISPOSTE AI QUESITI DEL

Dettagli

ELEMENTI DI TEORIA DELLE PROBABILITA

ELEMENTI DI TEORIA DELLE PROBABILITA ELEMENTI DI TEORIA DELLE PROBABILITA Nozioi base Spazio S S è l isieme di ui i possibili esii di u esperimeo. Esempio 1. Nel lacio di u dado abbiamo S{1,2,3,4,5,6}. Esempio 2. La duraa di ua lampadia S{x

Dettagli

1 Catene di Markov a stati continui

1 Catene di Markov a stati continui Caene di Markov a sai coninui In queso caso abbiamo ancora una successione di variabili casuali X 0, X, X,... ma lo spazio degli sai è un insieme più che numerabile. Nel seguio supporremo che lo spazio

Dettagli

Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 6

Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 6 X c () 0 0 0 0 t dx e x t altrove x e x x f x t x X = =4 =8 E[X] = Var[X] = Teorema Z, Z,, Z N(0 ; ) e idipedeti X= Z + Z + +Z c () Nota Esistoo tavole dei puti percetuali delle distribuzioi chi-quadro

Dettagli

Statistica I - A.A

Statistica I - A.A Statistica I - A.A. 206-207 Prova scritta - 9 aprile 207 Problema. (pt. 20 U azieda che produce ricambi per stampati esamia la durata di u certo modello di cartuccia d ichiostro, misurata i umero di copie

Dettagli

Impianti Industriali. La previsione della domanda. Metodi di estrapolazione. Ing. Lorenzo Tiacci

Impianti Industriali. La previsione della domanda. Metodi di estrapolazione. Ing. Lorenzo Tiacci Impiai Idusriali a previsioe della domada Meodi di esrapolazioe Ig. orezo Tiacci e compoei della domada Tred Cogiuurale Sagioale Casuale Tedeziali (red) a caraere geeralmee crescee e decrescee Sisemaiche

Dettagli

2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica

2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica . FUNZIONE D ONDA OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli srumei della Meccaica Quaisica Sisema di ieresse (cosiderao come isolao: aomo/molecola Cofigurazioe del sisema: isieme

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile

Dettagli

Esercitazione due: soluzioni

Esercitazione due: soluzioni Esercitazioe due: soluzioi. Sia il ricavo r i pk i ti, p, k, t i > applicado la defiizioe di media di Chisii il tempo medio t che lascia ivariato il ricavo totale é quel valore tale che pk i ti pk i t

Dettagli

Esercizi con R. Corso Statistica corso avanzato A. A. 2013/2014

Esercizi con R. Corso Statistica corso avanzato A. A. 2013/2014 Esercizi co R Corso Statistica corso avazato A. A. 203/204 Esercizio Due compagie di assicurazioe soo i cocorreza per stipulare polizze co = 000 clieti. Si suppoga che ogi cliete scelga tra le due società

Dettagli

Esercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli

Esercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli Esercitazioi del Corso di Probabilitá e Statistica Lezioe 6: Stime di parametri putuali e per itervalli Stefao Patti 1 19 geaio 005 Defiizioe 1 Ua famiglia di desitá f(, θ) ad u parametro (uidimesioale)

Dettagli

APPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.

APPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti. AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i

Dettagli

Equazioni differenziali: formule

Equazioni differenziali: formule Equazioi differeziali: formule Equazioi a variabili separabili y ' A B y Vale eorema esiseza e uicià locale y ' dy Ad B y y y ' A B y y Si applicao le codizioi alla fie dei due iegrali idefiii, oppure

Dettagli

ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1

ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1 ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE ESERCIZIO. Si vuole verificare l ipotesi, a livello di sigificatività α, che la media μ di ua variabile aleatoria X abbia u valore fissato μ. Si effettuao

Dettagli

SMSMW#300#130#1#220#210W#300#130#1#140#130W#220#13

SMSMW#300#130#1#220#210W#300#130#1#140#130W#220#13 Marice icideza La marice d'icideza complea A c di u grafo orieao G co N odi ed R rami, è ua marice reagolare di N righe ed R coloe che si cosruisce come segue: si umerao co =1,2,...,N ui i odi e co r=1,2,...,r

Dettagli

Convertitoriditipospot (convertono, idealmente, il valore istantaneo del segnale); V ts

Convertitoriditipospot (convertono, idealmente, il valore istantaneo del segnale); V ts Pare II (Coversioe D/A e A/D) La coversioe A/D I coveriori A/D si dividoo i: Coverioridiipospo (coveroo, idealmee, il valore isaaeo del segale); s s Si raa di disposiivi veloci ma sesibili al rumore di

Dettagli

Si dice che f è infinitesima o che è un infinitesimo per x x0 Un infinitesimo, quindi è una variabile che tende a zero.

Si dice che f è infinitesima o che è un infinitesimo per x x0 Un infinitesimo, quindi è una variabile che tende a zero. pag Appui elaborai dal collega Prof. Vicezo De Pasquale Ifiiesimi Si dice che f è ifiiesima o che è u ifiiesimo per se f ( ) U ifiiesimo, quidi è ua variabile che ede a zero. Es. - π y cos è u ifiiesimo

Dettagli

ESERCITAZIONE: FEM. Consideriamo un elemento triangolare. y 3

ESERCITAZIONE: FEM. Consideriamo un elemento triangolare. y 3 ESERCITAZIONE: FEM L aalisi agli elemei fiii è u ipo di aalisi che si rifà alla meccaica dei solidi e rasforma il coiuo i u discreo composo da umerosi elemei dei quali se e cooscoo le proprieà. Le relazioi

Dettagli

Università di Roma Tor Vergata - Corso di Laurea in Ingegneria Analisi Matematica I - Prova scritta del 30 Gennaio 2019

Università di Roma Tor Vergata - Corso di Laurea in Ingegneria Analisi Matematica I - Prova scritta del 30 Gennaio 2019 Uiversià di Roma Tor Vergaa - Corso di Laurea i Igegeria Aalisi Maemaica I - Prova scria del 3 Geaio 9 Esercizio. [5 pui] Calcolare lo sviluppo di Taylor dell ordie = 5 el puo x = per la seguee fuzioe:

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile

Dettagli

TEST #1 Corso di Telecomunicazioni C. Prati. Operazioni elementari sui segnali, impulsi, esponenziali complessi e serie di Fourier

TEST #1 Corso di Telecomunicazioni C. Prati. Operazioni elementari sui segnali, impulsi, esponenziali complessi e serie di Fourier ES # Corso di elecomuicazioi C. Prai Operazioi elemeari sui segali, impulsi, espoeziali complessi e serie di Fourier Esercizi di veriica degli argomei svoli el primo capiolo del eso Segali e Sisemi per

Dettagli

Processo di Arrivi di Poisson

Processo di Arrivi di Poisson CALCOLO DELLE PROBABILITA Processo di Arrivi di Poisson Per arrivo riferimeno. si inende un qualsiasi eveno casuale che si realizza in un deerminao sisema di Un processo di arrivi è un flusso di eveni

Dettagli

Esercizi di Calcolo delle Probabilità e Statistica Matematica

Esercizi 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

Dettagli

2. Fondamenti sui segnali analogici

2. Fondamenti sui segnali analogici INFO-COM Dp. Diparimeo di Scieza e ecica dell Iormazioe e della Comuicazioe Uiversià degli Sudi di Roma La Sapieza. Fodamei sui segali aalogici ELECOMUNICAZIONI per Igegeria Iormaica (secodo ao caale A-LA

Dettagli

TEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11

TEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11 1 TEORIA DELLE MATRICI Dato u campo K, defiiamo matrice ad elemeti i K di tipo (m, ) u isieme di umeri ordiati secodo m righe ed coloe i ua tabella rettagolare del tipo a11 a12... a1 a21 a22... a2 A =.........

Dettagli

Esercizi di econometria: serie 2

Esercizi di econometria: serie 2 Esercizi di ecoometria: serie Esercizio Per quali delle segueti uzioi di desità cogiuta le variabili casuali ed soo idipedeti?......3.4.5..5 (a) (b) 3 4....3.6.9..4...5..5 3.. 3.8..4.6 (c) (d) Nel caso

Dettagli

Tab. 1 - Studenti presenti alla lezione di statistica del per voto alla maturità

Tab. 1 - Studenti presenti alla lezione di statistica del per voto alla maturità 53 Idici di variabilià 531 Iervalli di variazioe Sosiuire ua disribuzioe co u valore medio, per quao esso possa essere rappreseaivo, causa comuque ua fore perdia di iformazioe Divea perciò ecessario rovare

Dettagli

Di fatto potremo rappresentare analiticamente le correnti magnetizzanti che operano in ciascuna delle colonne del TRS con espressioni del tipo:

Di fatto potremo rappresentare analiticamente le correnti magnetizzanti che operano in ciascuna delle colonne del TRS con espressioni del tipo: Correi a vuoo el rasformaore rifase Il problema delle correi a vuoo el rasformaore rifase è imporae i quao, a secoda dei collegamei delle fasi, si avrà o meo la deformazioe dei flussi o della corree mageizzae.

Dettagli

Campionamento casuale da popolazione finita (caso senza reinserimento )

Campionamento casuale da popolazione finita (caso senza reinserimento ) Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori

Dettagli

ELENCO TESTI DELLE PROVE SCRITTE

ELENCO TESTI DELLE PROVE SCRITTE ELENCO ESI DELLE PROVE SCRIE 1/1/ 1) Descrivere le caraerisiche fodameali che differeziao i dai, segali emporali e le immagii biomediche. Spiegare quali di quese soo i grado di descrivere feomei diamici.

Dettagli

Ammortamento di un debito

Ammortamento di un debito Ammorameo di u debio /35 Ammorameo di u debio Che cosa si iede per ammorameo? Ammorameo coabile La quoa di ammorameo cosiuisce la pare del coso di u bee maeriale o immaeriale di ivesimeo da aribuire all

Dettagli

2.4 Criteri di convergenza per le serie

2.4 Criteri di convergenza per le serie 2.4 Criteri di covergeza per le serie Come si è già acceato i precedeza, spesso è facile accertare la covergeza di ua serie seza cooscere la somma. Ciò è reso possibile da alcui comodi criteri che foriscoo

Dettagli

y(t) o complesse non tutte nulle, fa corrispondere un'uscita data dalla:

y(t) o complesse non tutte nulle, fa corrispondere un'uscita data dalla: Capiolo V TRASFORMAZIOI LIEARI DEI SEGALI V. - Defiizioi. Proprieà geerali. x( ) S y() Fig. VI. Trasformazioe di segali S ed è simbolicamee rappreseaa dalla relazioe: y () = S x () I (V..) { } U sisema

Dettagli

Facoltà di Scienze MM.FF.NN. Corso di Laurea in Matematica - A.A Prova scritta di Analisi Matematica I del c.1.

Facoltà di Scienze MM.FF.NN. Corso di Laurea in Matematica - A.A Prova scritta di Analisi Matematica I del c.1. Prova scritta di Aalisi Matematica I del 25-5-1998 - c.1 1) Per ogi umero N, 2, siao dati 2 umeri reali positivi a 1, a 2,...a, b 1, b 2,...b. Provare, usado il Pricipio di Iduzioe, che a 1 + a 2 +...

Dettagli

Marco Listanti. Parte 2 Rappresentazione dei segnali e teorema del campionamento. DIET Dept

Marco Listanti. Parte 2 Rappresentazione dei segnali e teorema del campionamento. DIET Dept 1 Marco Lisai Lo srao Fisico Pare Rappreseazioe dei segali e eorema del campioameo elecomuicazioi (Caale - Prof. Marco Lisai - A.A. 017/018 DIE Dep Segale aalogico Segale empo-coiuo adameo el empo di ua

Dettagli

Il modello di Black e Scholes come limite del modello binomiale multiperiodale

Il modello di Black e Scholes come limite del modello binomiale multiperiodale Capiolo Il modello di Blac e Scholes come limie del modello biomiale muliperiodale. Il Modello Biomiale Muliperiodale Ricordiamo brevemee il Modello Biomiale Muliperiodale o Cox-Ross-Rubisei.. Ipoesi e

Dettagli

Sensori Segnali Rumore - Prof. S. Cova - appello 20/02/ P1 pag.1

Sensori Segnali Rumore - Prof. S. Cova - appello 20/02/ P1 pag.1 Sesori Segali Rumore - ro. S. Cova - appello //3 - pag. ROBLEMA Quadro dei dai Segale a impulso reagolare Ampiezza: Duraa: µs Rumore c S variabile, da misurare S Hz desià eicace di poeza (uilaera) limiaa

Dettagli

Senza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo

Senza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it Ifereza statistica Dal campioe alla popolazioe Co quale precisioe si possoo descrivere le caratteristiche di ua popolazioe sulla base

Dettagli

Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)

Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino) Corso di Laurea Trieale i Matematica Calcolo delle Probabilità I doceti G. Nappo, F. Spizzichio Prova di martedì luglio tempo a disposizioe: 3 ore. Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo

Dettagli

BILANCI DI MASSA NEI COMPARTIMENTI AMBIENTALI

BILANCI DI MASSA NEI COMPARTIMENTI AMBIENTALI BILNI DI MSS NEI OMPTIMENTI MBIENTLI alisi di sigolo comparimeo ad esempio u piccolo lago m x m x 0 m 0 7 m pprossimazioe ST (oiously Sirred-Ta eacor) cocerazioe omogeea dei solui (iquiai) el comparimeo.

Dettagli

UN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI

UN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI UN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI Il piu semplice problema (saico) di ifereza saisica paramerica e quello i cui la disribuzioe di probabilia comue a ui i umeri aleaori (a) osservabili

Dettagli

Coppie di variabili aleatorie. Definizione: Si definisce vettore aleatorio la coppia (X,Y) dove X,Y, sono definite sullo stesso spazio campione

Coppie di variabili aleatorie. Definizione: Si definisce vettore aleatorio la coppia (X,Y) dove X,Y, sono definite sullo stesso spazio campione Coppie di variabili aleatorie Defiizioe: Si defiisce vettore aleatorio la coppia (,Y) dove,y, soo defiite sullo stesso spazio campioe : S R, Y : S R (, Y ) : S R Esempio: peso-altezza di ua persoa (, Y

Dettagli

Una funzione delle osservazioni campionarie è una statistica che, nel contesto della stima di un parametro, viene definita stimatore.

Una funzione delle osservazioni campionarie è una statistica che, nel contesto della stima di un parametro, viene definita stimatore. Stimatori e stime Teoria della stima Supporremo che sulla popolazioe sia defiita ua variabile X la cui distribuzioe, seppure icogita, è completamete caratterizzata da u parametro q o da u isieme di parametri

Dettagli

Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018

Primo appello di Calcolo delle probabilità Laurea Triennale in Matematica 22/01/2018 Primo appello di Calcolo delle probabilità Laurea Trieale i Matematica 22/0/20 COGNOME e NOME... N. MATRICOLA... Esercizio. Siao X e Y due variabili aleatorie idipedeti, co le segueti distribuzioi: X Uif(0,

Dettagli

Precorso di Matematica, aa , (IV)

Precorso di Matematica, aa , (IV) Precorso di Matematica, aa 01-01, (IV) Poteze, Espoeziali e Logaritmi 1. Nel campo R dei umeri reali, il umero 1 e caratterizzato dalla proprieta che 1a = a, per ogi a R; per ogi umero a 0, l equazioe

Dettagli

GESTIONE delle RISORSE IDRICHE

GESTIONE delle RISORSE IDRICHE Corso di laurea specialisica i Igegeria delle Acque e della Difesa del uolo Corso di GEIONE delle IOE IDICHE a.a. 003-004 Leioe 5 rof. Luca Laa Diparimeo di Igegeria Ambieale - DIAM EQUAZIONE DI CONINUIA

Dettagli

Appunti di STATISTICA

Appunti di STATISTICA Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.

Dettagli

Rischio di interesse: Il modello del clumping. Prof. Ugo Pomante Università di Roma Tor Vergata

Rischio di interesse: Il modello del clumping. Prof. Ugo Pomante Università di Roma Tor Vergata Rischio di ieresse: Il modello del clumpig Prof. Ugo Pomae Uiversià di Roma Tor Vergaa Problemi dei modelli precedei Repricig gap e duraio gap Ipoesi variazioe uiforme dei assi di ieresse delle diverse

Dettagli

2. Duration. Stefano Di Colli

2. Duration. Stefano Di Colli 2. Duraio Meodi Saisici per il Credio e la Fiaza Sefao Di Colli Tassi di ieresse e redimei La reddiivià di u obbligazioe è misuraa dal asso di redimeo o dal asso di ieresse U idicaore del redimeo deve

Dettagli

TRASFORMATA DI FOURIER. A.1 Segnali analogici, deterministici ed aleatori. A p p e n d i c e A

TRASFORMATA DI FOURIER. A.1 Segnali analogici, deterministici ed aleatori. A p p e n d i c e A A p p e d i c e A RASFORMAA DI FOURIER Uo degli aspei più imporai di uo il seore dell igegeria è sicuramee l aalisi di segali el domiio del empo e della frequeza. I segali aalogici si disiguoo i segali

Dettagli

GESTIONE DELLA PRODUZIONE

GESTIONE DELLA PRODUZIONE GESTIONE EA PROUZIONE 5.2.3 Teciche di Previsioe della domada Meodi esrapolaivi Gesioe della Produzioe iparimeo di Igegeria omada e compoei della domada Tedeziali (red) a caraere geeralmee crescee e decrescee

Dettagli

Il logaritmo e l esponenziale

Il logaritmo e l esponenziale Il logarimo e l espoeziale 6 marzo 2009 La defiizioe di logarimo che si impara ella scuola secodaria è la seguee: Defiizioe Il logarimo i base b di x è l espoee cui si deve elevare b per oeere x. I formule:

Dettagli

ELEMENTI DI CALCOLO COMBINATORIO

ELEMENTI DI CALCOLO COMBINATORIO ELEMENTI DI CALCOLO COMBINATORIO 1 Elemeti di calcolo combiatorio Si tratta di ua serie di teciche per determiare il umero di elemeti di u isieme seza eumerarli direttamete. Dati elemeti distiti ci chiediamo

Dettagli

POLITECNICO di BARI - I Facoltà di INGEGNERIA Corso di Laurea in INGEGNERIA MECCANICA (Corso B) A.A. 2011/2012. per ogni n N

POLITECNICO di BARI - I Facoltà di INGEGNERIA Corso di Laurea in INGEGNERIA MECCANICA (Corso B) A.A. 2011/2012. per ogni n N POLITECNICO di BARI - I Facoltà di INGEGNERIA Corso di Laurea i INGEGNERIA MECCANICA Corso B) A.A. / ) Dimostrare, utilizzado il pricipio di iduzioe, che a) b) c) d) k= log + ) = log + ) per ogi N k k

Dettagli

REGIME DELLA CAPITALIZZAZIONE COMPOSTA E SCONTO COMPOSTO

REGIME DELLA CAPITALIZZAZIONE COMPOSTA E SCONTO COMPOSTO Regie della capializzazioe coposa e scoo coposo REGME DELLA CAPTALZZAZONE COMPOSTA E SCONTO COMPOSTO Cosideriao l ipiego del capiale C per ua duraa di (uero iero) ai e suppoiao che gli ieressi siao capializzai

Dettagli

Terza lezione: Processi stazionari

Terza lezione: Processi stazionari Teoria dei processi casuali a empo coninuo Terza lezione: Concei inroduivi Il conceo di sazionarieà Sazionarieà in senso lao Esempi e modelli 005 Poliecnico di Torino 1 Concei inroduivi Significao di sazionarieà

Dettagli

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96 STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza

Dettagli

CAPITOLO V MODELLO MATEMATICO E FUNZIONAMENTO IN REGIME PERMANENTE DEGLI IMPIANTI DI DISTRIBUZIONE SU LINEA L C

CAPITOLO V MODELLO MATEMATICO E FUNZIONAMENTO IN REGIME PERMANENTE DEGLI IMPIANTI DI DISTRIBUZIONE SU LINEA L C CTOLO V MODELLO MTEMTCO E FUNZONMENTO N REGME ERMNENTE DEGL MNT D DSTRBUZONE SU LNE Sebbee, come descrio precedeemee, a disribuzioe de eergia eerica ae ueze fiai avvega, praicamee sempre, su rei di disribuzioe

Dettagli

1 Esercizi tutorato 27/5

1 Esercizi tutorato 27/5 Esercizi tutorato 7/5 Esercizi tutorato 7/5 Esercizio.. Si cosideri u compoete elettroico costituito da compoeti collegate i serie. Ogi compoete ha u tempo di vita T i Expλ), i =,..., idipedete. Sia X

Dettagli

Tutorato di Probabilità 1, foglio I a.a. 2007/2008

Tutorato di Probabilità 1, foglio I a.a. 2007/2008 Tutorato di Probabilità, foglio I a.a. 2007/2008 Esercizio. Siao A, B, C, D eveti.. Dimostrare che P(A B c ) = P(A) P(A B). 2. Calcolare P ( A (B c C) ), sapedo che P(A) = /2, P(A B) = /4 e P(A B C) =

Dettagli

Esercitazione X Complementi di Probabilità a.a. 2011/2012

Esercitazione X Complementi di Probabilità a.a. 2011/2012 Esercitazioe X Complemeti di Probabilità a.a. 20/202 Argometi: covergeza e TLC. Esercizio. Sia {X k } k ua successioe di v.a. i.i.d. di legge Exp(. Sia G = S,. a Scrivere la fuzioe caratteristica φ di

Dettagli

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzione

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzione Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzioe Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete

Dettagli

Appunti complementari per il Corso di Statistica

Appunti complementari per il Corso di Statistica Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe

Dettagli

Stima della media di una variabile X definita su una popolazione finita

Stima della media di una variabile X definita su una popolazione finita Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe

Dettagli

(A + B) ij = A ij + B ij, i = 1,..., m, j = 1,..., n.

(A + B) ij = A ij + B ij, i = 1,..., m, j = 1,..., n. Algebra lieare Matematica CI) 263 Somma di matrici Siao m ed due iteri positivi fissati Date due matrici A, B di tipo m, sommado a ciascu elemeto di A il corrispodete elemeto di B, si ottiee ua uova matrice

Dettagli

Università di Camerino Corso di Laurea in Fisica: indirizzo Tecnologie per l Innovazione Appunti di Calcolo Prof. Angelo Angeletti

Università di Camerino Corso di Laurea in Fisica: indirizzo Tecnologie per l Innovazione Appunti di Calcolo Prof. Angelo Angeletti Iegrali idefiii Geeralià Si è viso come, daa ua fuzioe di equazioe y = f(), si possa rovare la sua derivaa prima f (). Si è ache osservao che esise ua codizioe ecessaria, ma o sufficiee, affiché ua fuzioe

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2005/06

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2005/06 PROVE SCRITTE DI MTEMTIC PPLICT, NNO 5/6 Esercizio 1 Prova scritta del 14/1/5 Sia X ua successioe I.I.D. di variabili aleatorie co distribuzioe uiforme cotiua, X U(, M), ove M = umero lettere del cogome.

Dettagli

ESERCIZI SULLE SERIE

ESERCIZI SULLE SERIE ESERCIZI SULLE SERIE. Dimostrare che la serie seguete è covergete: =0 + + A questa serie applichiamo il criterio del cofroto. Dovedo quidi dimostrare che la serie è covergete si tratterà di maggiorare

Dettagli

Elementi di calcolo combinatorio

Elementi di calcolo combinatorio Appedice A Elemeti di calcolo combiatorio A.1 Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare

Dettagli

Probabilità II. Concetto di variabile casuale. Variabile casuale: definizione. Concetto di variabile casuale. Cos'è una variabile casuale?

Probabilità II. Concetto di variabile casuale. Variabile casuale: definizione. Concetto di variabile casuale. Cos'è una variabile casuale? Cocetto di variabile casuale Defiizioi pricipali. Valore atteso e Variaza. Probabilità II Variabili casuali discrete Teorema di Bieaymé - Čebičev. V.C. Notevoli: Beroulli e Biomiale. Cos'è ua variabile

Dettagli

COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)

COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x

Dettagli

Stimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao

Stimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao Stimatori corretti stimatori efficaci e disuguagliaza di Cramer Rao Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche Defiizioe. Sia {X X 2... X } u

Dettagli

Matematica con elementi di Informatica

Matematica con elementi di Informatica La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche

Dettagli

Successioni di variabili aleatorie

Successioni di variabili aleatorie 0 Caitolo 5 Successioi i variabili aleatorie 5. Covergeza i istribuzioe e teorema cetrale i covergeza Sia {X } = (X,..., X,... ua successioe ifiita i variabili aleatorie e X u ulteriore variabile aleatoria.

Dettagli

Riassunto delle Esercitazioni di Analisi Matematica II

Riassunto delle Esercitazioni di Analisi Matematica II Riassuto delle Esercitazioi di Aalisi Matematica II C.d.L. i Matematica e Matematica per le Applicazioi - A. A. 2006-2007 Prof. Kevi R. Paye e Dott. Libor Vesely 1 Serie Numeriche - Mer. 28 marzo - due

Dettagli

Probabilità CENNI DI PROBABILITÀ

Probabilità CENNI DI PROBABILITÀ CENNI DI PROBABILITÀ Itroduzioe I queste pagie verrao esposti i breve i cocetti base della teoria delle probabilità. Lo scopo è quello di forire le basi i modo che siao più compresibile l uso che e viee

Dettagli

c. i 2. (t) I 2

c. i 2. (t) I 2 Capiolo 5 I coaori e i divisori di impulsi 4 5. I CONTATOI E I DIVISOI DI IMPULSI 5. IL CICUITO OSCILLANTE Prima di affroare lo sudio degli oscillaori è opporuo richiamare alcui cocei fodameali sui circuii

Dettagli

STUDIO DEL LANCIO DI 3 DADI

STUDIO 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

Dettagli

Probabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09

Probabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09 Probabilità, laurea trieale i Matematica II prova scritta sessioe estiva a.a. 8/9. U ura cotiee dadi di cui la metà soo equilibrati, metre gli altri soo stati maipolati i modo che, per ciascuo di essi,

Dettagli

Def. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii)

Def. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii) Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi : Riferimeti: R.Adams, Calcolo Differeziale. -Si cosiglia vivamate di fare gli esercizi del testo. Cap. 9.5 - Serie di poteze,

Dettagli

Il logaritmo e l esponenziale

Il logaritmo e l esponenziale Il logarimo e l espoeziale 2 geaio 202 La defiizioe di logarimo che si impara ella scuola secodaria è la seguee: Defiizioe Il logarimo i base b di x è l espoee cui si deve elevare b per oeere x. I formule:

Dettagli

Inferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica

Inferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica 6/0/0 Corso di Statistica per l impresa Prof. A. D Agostio Ifereza statistica Per fare ifereza statistica si utilizzao le iformazioi raccolte su u campioe per cooscere parametri icogiti della popolazioe

Dettagli

Somma E possibile sommare due matrici A e B ottenendo una matrice C se e solo se le due matrici hanno lo stesso numero di righe e di colonne.

Somma E possibile sommare due matrici A e B ottenendo una matrice C se e solo se le due matrici hanno lo stesso numero di righe e di colonne. Matrici Geeralità sulle matrici I matematica, ua matrice è uo schierameto rettagolare di oggetti; le matrici di maggiore iteresse soo costituite da umeri come, per esempio, la seguete: 1 s 6 4 4 2 v t

Dettagli

Elementi di statistica

Elementi di statistica Elemeti di statistica La misura delle gradezze fisiche può essere effettuata direttamete o idirettamete. Se la misura viee effettuata direttamete si parla di misura diretta; se essa viee dedotta attraverso

Dettagli

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità D

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità D Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità D Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1

Dettagli

L INTERVALLO DI CONFIDENZA

L INTERVALLO DI CONFIDENZA L INTERVALLO DI CONFIDENZA http://www.biostatistica.uich.itit POPOLAZIONE POPOLAZIONE CAMPIONAMENTO CAMPIONE PARAMETRO INFERENZA CAMPIONAMENTO? STIMA CAMPIONE 1 Stimare i Parametri della Popolazioe Itervallo

Dettagli

1 Famiglia delle densità gamma

1 Famiglia delle densità gamma olitecico di Milao, Statistica INF, TEL [A-LZ], Epifai I., AA 7/8 Famiglia delle desità gamma Le espressioi delle desità espoeziale di parametro θ e χ date da (E(β)) (χ ) /θe x/β (, ) (x), β > (/) / x

Dettagli