Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete"

Transcript

1 Corso di Calcolo delle Probabilità e Statistica Esercizi su variabili aleatorie discrete Es.1 Da un urna con 10 pallina bianche e 15 palline nere, si eseguono estrazioni con reimbussolamento fino all estrazione di una pallina nera. a) Calcolare la probabilità che servano 0 estrazioni. b) Calcolare la probabilità che servano almeno 10 estrazioni. Es. Ad una roulette, fatta di 7 numeri che vanno da 0 a 6, si scommette ripetutamente sull uscita di un numero compreso tra 1 e 1 (estremi inclusi). Calcolare: a) la probabilità di perdere le prime 5 giocate; b) la probabilità che la prima vincita accada nella sesta giocata. Es. Da un urna contenente 5 palline rosse, 4 palline verdi e 6 palline gialle vengono eseguite 5 estrazioni senza reimbussolamento. Sia X il numero di palline verdi estratte. a) Calcolare P(X), σ (X) e P((X + 1) ). b) Supponiamo di procedere ad estrazioni con reimbussolamento dalla stessa urna, e denotiamo con T il numero di estrazioni necessarie all estrazione di una pallina verde. Calcolare P(T ) e σ (T ). Es.4 Sia X una variabile con distribuzione geometrica di parametro p (in breve X Geo(p)), e p scelto in modo tale che P(X = 1) = P(X = ). Sia inoltre Y un numero aleatorio stocasticamente indipendente da X e con distribuzione Geo( 1 ), e definiamo Z := X + Y. a) Calcolare p. b) Calcolare la probabilità P(X > P(X)). c) Determinare i valori possibili di Z e la sua distribuzione. d) Calcolare la probabilità P(X = Z = 5). Es.5 Si sa che il numero di chiamate telefoniche che arrivano ad un centralino durante ogni periodo di 10 minuti è distribuito come un numero aleatorio con distribuzione di Poisson di parametro λ =. 1

2 a) Calcolare la probabilità che più di tre chiamate arrivino in un periodo di 10 minuti. b) Calcolare la probabilità che non arrivino chiamate durante un periodo di 10 minuti. Es.6 Siano X e Y due numeri aleatori stocasticamente indipendenti con distribuzione di Poisson di parametri λ e µ rispettivamente. Sia Z := X + Y. Calcolare per ogni n I(Z) la probabilità P (X = k Z = n). Si tratta di una distribuzione nota? Es.7 Un dado simmetrico con le facce contrassegnate dai numeri da 1 a 6 viene lanciato due volte. Siano X e Y i risultati ottenuti nei due lanci. a) Siano Z = XY, U = X Y. Calcolare le distribuzioni di Z e U. b) Dire se Z e U sono stocasticamente indipendenti. Es.8 L urna A contiene 10 palline bianche e 10 nere, l urna B contiene 5 palline bianche e 15 nere. Viene lanciata una moneta non truccata. Se esce testa, allora vengono fatte estrazioni senza reimbussolamento dall urna A; altrimenti, vengono fatte 5 estrazioni con reimbussolamento dall urna B. a) Calcolare la probabilità che vengano estratte esattamente palline bianche. b) Sapendo che sono state estratte esattamente palline bianche, calcolare la probabilità che sia uscita testa. c) Sapendo che è uscita testa, calcolare la probabilità che venga estratta almeno una pallina nera. Es.9 Da un mazzo di 40 carte si eseguono estrazioni con reimmissione. Calcolare: a) la probabilità di estrarre almeno due figure; b) la probabilità di estrarre almeno un asso; c) la probabilità di estrarre un asso e due figure. Rispondere alle stesse domande assumendo che le estrazioni dal mazzo avvengano senza reimmissione.

3 Es.10 Da un mazzo di 5 carte si eseguono estrazioni con reimmissione. a) Calcolare la probabilità di estrarre almeno un asso nelle prime tre estrazioni. b) Sia E l evento che nelle prime due estrazioni non viene estratto un asso. Calcolare la probabilità subordinata a E che nelle prime due estrazioni venga estratta esattamente una figura. c) Calcolare la probabilità di estrarre per la prima volta una figura esattamente alla terza estrazione. d) Sapendo che è stata estratta per la prima volta una figura esattamente alla terza estrazione, calcolare la probabilità subordinata che nelle prime due estrazioni venga estratto esattamente un asso. Es.11 La coppia di numeri aleatori (X, Y ) ha distribuzione congiunta P(X = 1, Y = 1) = 1 1 P(X = 1, Y = 1) = 1 6 P(X = 1, Y = ) = 1 4 P(X =, Y = 1) = 1 1 P(X =, Y = 1) = 1 4 P(X =, Y = ) = 1 6 a) Determinare la distribuzione di probabilità marginale di X e quella di Y. b) Calcolare la previsione e la varianza di X e la previsione e la varianza di Y. c) Sia Z = X + Y. Determinare la distribuzione di probabilità di Z. d) Sia U = X Y. Determinare la distribuzione di probabilità di U. Es.1 Si lanciano due dadi equilibrati. Calcolare: a) La probabilità che la somma dei risultati dei due lanci sia un numero primo. b) La probabilità che il prodotto dei risultati dei due lanci sia uguale alla loro somma. c) Sapendo che la somma dei risultati dei due lanci è 6, determinare la probabilità che i numeri ottenuti siano uguali. d) Sapendo che i numeri ottenuti lanciando i due dadi sono uguali, calcolare la probabilità che la somma dei risultati dei due lanci sia uguale a 6.

4 Es.1 In un concorso vengono assegnate le idoneità per un dato servizio. Si assuma che ogni partecipante, indipendentemente dagli altri, abbia probabilità p = 1/ di ottenere l idoneità. Al termine del concorso a 10 fra gli idonei viene assegnato un posto di lavoro (e se gli idonei sono meno di 10 vengono assegnati tanti posto di lavoro quanti sono gli idonei). Supponiamo che al concorso partecipino 15 persone e sia X il numero aleatorio dei partecipanti che ottengono l idoneità ma non il posto di lavoro. Determinare la distribuzione, la previsione e la varianza di X. Es.14 Si lanci 5 volte un dado simmetrico. Sia X il numero aleatorio che conta il numero di volte in cui esce il numero 4. a) Determinare l insieme dei valori possibili e la distribuzione di probabilità di X. b) Calcolare la previsione e la varianza di X. Sia Y un numero aleatorio stocasticamente indipendente da X con distribuzione binomiale di parametri n =, p = 1/6. Sia Z = X + Y. c) Calcolare P (Z = ). d) Calcolare la previsione di Z, la covarianza fra Z e X e la varianza di Z + Y. Es.15 Siano date due urne: l urna A contenente due gettoni rossi e due bianchi e l urna B contenente due gettoni rossi e tre bianchi. Si estrae un gettone da ciascuna delle due urne A e B. Sia X il numero aleatorio che indica il numero totale di gettoni rossi estratti. a) Determinare l insieme dei valori possibili e la distribuzione di probabilità di X. b) Calcolare la previsione e la varianza di X. Supponiamo di avere una terza urna C contenente in pari quantità gettoni rossi e gettoni bianchi e di estrarre un gettone da ciascuna delle tre urne A, B e C. Sia Y il numero aleatorio che indica il numero di gettoni rossi estratti dalle urne A e B e sia Z quello che indica il numero di gettoni rossi estratti dalle urne B e C. c) Trovare l insieme dei valori possibili per il vettore aleatorio (Y, Z) e 4

5 la distribuzione congiunta di (Y, Z). d) Calcolare la covarianza fra Y e Z. I numeri aleatori Y e Z sono indipendenti? Es.16 Un urna contiene 0 palline numerate da 1 a 0. Si eseguono quattro estrazioni senza reimbussolamento. La prima e la terza pallina estratte vengono poste in un urna A, mentre la seconda e la quarta pallina vengono poste in un urna B. a) Calcolare la probabilità che l urna A contenga palline contrassegnate entrambe con un numero pari. b) Calcolare la probabilità che entrambe le urne contengano palline contrassegnate tutte da un numero pari. c) Calcolare la probabilità che almeno una delle due urne contenga palline contrassegnate tutte da un numero dispari. d) Sapendo che l urna A contiene palline contrassegnate da un numero pari, calcolare la probabilità che l urna B contenga palline contrassegnate da un numero pari. Si considerino gli eventi F=(l urna A contiene palline contrassegnate da un numero pari) G=(l urna B contiene palline contrassegnate da un numero pari). e) Stabilire se gli eventi considerati sono stocasticamente indipendenti. Es.17 Un urna contiene 10 dadi di cui uno solo truccato in modo da dare 1 con probabilità 1/ e ognuno degli altri 5 risultati con probabilità 1/10. Gli altri 9 dadi sono equilibrati. Dall urna viene estratto a caso un dado che è poi lanciato volte. (Ogni dado ha la stessa probabilità di essere estratto.) a) Calcolare la probabilità che i risultati siano due volte 1 e una volta sola 6. b) Sia X il numero aleatorio che conta quanti dei tre lanci danno come risultato 1. Calcolare previsione e varianza di X. c) Calcolare la probabilità che il dado lanciato sia quello truccato sapendo che i tre lanci hanno dato due volte 1 e una volta sola 6. Soluzioni 5

6 Es. 1: Siano dati gli eventi E k = {alla k-esima scelta si estrae una pallina nera}, con k N. Trattandosi di estrazioni con reimbussolamento, gli eventi E k sono stocasticamente indipendenti ed hanno probabilità P(E k ) = 15 5 = 5. a) Con questa notazione possiamo indicare l istante di primo successo, ovvero il primo momento in cui viene estratta una pallina nera, come T = inf{k : E k = 1} con insieme di valori possibili I(T ) = {1,,,...}. La sua distribuzione è quindi geometrica di parametro p = 5, e vale P(T = 0) = ( ) b) Nella notazione introdotta, la quantità richiesta è ( ) 9 P(T 10) = P(T > 9) =, 5 dove ci si è avvalsi della formula generale, valida per ogni variabile geometrica T di parametro p, P(T > k) = (1 p) k (verificare!). Es. : Siano dati gli eventi E k = {alla k-esima giocata esce un numero tra 1 e 1}, con k N. Gli eventi E k sono tutti stocasticamente indipendenti (se la roulette non è truccata) ed hanno probabilità P(E k ) = 1 7. a) Con questa notazione possiamo indicare l istante di primo successo, ovvero il primo momento in cui esce un numero tra 1 e 1 (vincita), come T = inf{k : E k = 1} con insieme di valori possibili I(T ) = {1,,,...}. Come nell esercizio precedente, la sua distribuzione è geometrica di parametro p = 1 7. Possiamo quindi indicare e calcolare la quantità richiesta come ( ) 5 5 P(T > 5) =. 7 b) Nella notazione introdotta, la quantità richiesta è ( ) P(T = 5) =

7 Es. : Siano dati gli eventi E k = {alla k-esima scelta si estrae un asso}, con k = 1,,. Con questa notazione possiamo indicare la variabile X che conta il numero di palline verdi estratte come X = E 1 + E + E + E 4 + E 5, con insieme di valori possibili I(X) = {0, 1,,, 4, 5}. a) Nel caso di estrazione senza reimbussolamento, gli eventi E k non sono stocasticamente indipendenti ma hanno tutti probabilità P(E k ) = La variabile X ha in questo caso distribuzione ipergeometrica di parametri N = 15, n = 5 e H = 4. Ne segue (vedi formule sul libro o esercizi svolti nel foglio di esercizi precedente) che σ (X) = P(X) = n H N = 4 n(n n)h(n H) N (N 1) = (15) 14 = Inoltre, per la linearità della previsione, vale che P((x + 1) ) = P(X ) + P(X) + 1, in cui rimane da calcolare il termine P(X ). definizione di varianza ed i calcoli già svolti, si ha da cui infine si ricava P(X ) = σ (X) + P(X) = = 5 1, P((x + 1) ) = = 4 7. Sfruttando la b) Nel caso di estrazione con reimbussolamento, gli eventi E k sono stocasticamente indipendenti ed hanno (come prima) probabilità P(E k ) = La variabile T che indica il numero di estrazioni necessarie per ottenere una pallina verde (ovvero l istante di primo successo) si può quindi indicare come T = inf{k : E k = 1}, con insieme di valori possibili I(T ) = {1,,,...}. La sua distribuzione è geometrica di parametro p = 4 15, ed ha quindi previsione e varianza come segue: Es. 4: P(T ) = 1 p = 15 4, σ (T ) = 1 p p = a) Per una variabile geometrica di parametro p vale P(X = k) = (1 p) k 1 p. 7

8 La condizione P(X = 1) = P(X = ) si traduce quindi nell equazione su p p = (1 p)p = p = 0, 1, di cui consideriamo il caso p = 1 (essendo p = 0 una caso banale). b) La previsione di una variabile geometrica X di parametro p è data una 1/p. La quantità richiesta è quindi P(X > P(X)) = P(X > ) = ( ) 1. c) Osserviamo prima che I(Z) = {,, 4,...}. Usando la formula delle probabilità totali possiamo scrivere, per ogni k I(Z), P(Z = k) = P(X = k Y ) = P(X = k j Y = j)p(y = j). j=1 Per l indipendenza stocastica fra X e Y, P(X = k j Y = j) = P(X = k j). Inoltre, avendo X supporto solo su valori interi positivi, la sommatoria sopra si riduce ad una somma per valori 1 j k 1, ovvero k 1 k 1 P(Z = k) = P(X = k j)p(y = j) = j=1 d) Usando la formula di Bayes, si ottiene j=1 ( 1 ) k j ( ) 1 j = (k 1) ( ) 1 k. P(X = Z = 5) = P(Z = 5 X = )P(X = ) P(Z = 5), in cui è incognita la probabilità P(Z = 5 X = ) al numeratore. definizione di Z, ed usando l indipendenza stocastica tra X e Y, si ha Per P(Z = 5 X = ) = P(Y = X = ) = P(Y = ) = da cui infine si ottiene P(X = Z = 5) = 1 4. Es. 5: ( ) 1. a) Se indichiamo con X una variabile di Poisson di parametro λ =, corrispondente al numero di chiamate arrivate in 10 minuti, la probabilità richiesta è data da P(X > ) = 1 P(X ) = 1 k=0 k k! e = 1 e ( ) = 1 19 e 8

9 b) Con la stessa notazione di sopra, si calcola P(X = 0) = e. Es. 6: Osserviamo prima che I(Z) = {0, 1,,,...}. probabilità totali possiamo scrivere, per ogni k I(Z), P(Z = k) = P(X = k Y ) = Usando la formula delle P(X = k j Y = j)p(y = j). j=1 Per l indipendenza stocastica fra X e Y, P(X = k j Y = j) = P(X = k j). Inoltre, avendo X supporto solo su valori interi (0 incluso), la sommatoria sopra si riduce ad una somma per valori 0 j k, ovvero P(Z = k) = k P(X = k j)p(y = j) = j=0 k j=0 λ k j µj e λ (k j)! j! e µ, dove in ultimo si è usato che, per definizione di variabile di Poisson, P(X = n) = λn n! e λ, P(Y = n) = µn n! e µ, n N {0}. Infine, riarrangiando i termini dell ultima sommatoria e moltiplicando e dividendo per k!, si ottiene il binomio di Newton, ovvero si prova P(Z = k) = e (λ+µ) 1 k! k j=0 k! (k j)!j! λk j µ j (λ+µ) (λ + µ)k = e. k! Riconosciamo in questa formula che Z è ancora una variabile di Poisson di parametro λ + µ. Es. 7: a) Il modo più rapido per calcolare la distribuzione di Z e U è quello di considerare i casi favorevoli su quelli possibili, ovvero di contare le coppie di numeri che danno luogo ad un determinato valore di Z e U. Il numero totali delle coppie è chiaramente 6. Procedendo in questo modo si ottengono le seguenti distribuzioni: P(Z = 1) = 1 6 ) = 6 (coppia (1, 1)), P(Z = ) = 6, P(Z = 4) = 6, P(Z = 5) = 6 (coppie (1, ), (, 1)), P(Z =, P(Z = 6) = 4 6, P(Z = 8) = P(Z = 9) = 1 6, P(Z = 10) = 6, P(Z = 1) = 4 6, P(Z = 15) = 6, P(Z = 16) = 1 6, P(Z = 18) = 6, P(Z = 0) = 6, P(Z = 4) = 6, P(Z = 5) = 1 1 6, P(Z = 0) = 6, P(Z = 6) = 6, 9 6,

10 e analogamente per U, si ottiene P(U = 5) = P(U = 5) = 1 6, P(U = 4) = P(U = 4) = 6, P(U = ) = P(U = ) = 4 6, P(U = ) = P(U = ) = 6, P(U = 1) = P(U = 1) = 5 6 6, P(U = 0) = 6. b) Vale l indipendenza stocastica se la condizione P(Z = z, U = u) = P(Z = z)p(u = u) è verificata per ogni coppia di valori (z, u) N. Nel nostro caso tale condizione non è verificata. Basta prendere, per esempio, i valori z = 1, u = 4. Poichè Z = 1 accade solo quando X = Y = 1, mentre U = 5 accade solo quando X = 6 e Y = 1, P (Z = 1, U = 5) = 0 in quanto i due eventi contemporaneamente non possono avvenire. D altro lato, come si è visto, P(Z = 1) = 1 6 e P(U = 5) = 1 6. Quindi P (Z = 1, U = 5) P (Z = 1)P(U = 5), e segue che le variabili Z e U non sono stocasticamente indipendenti. Es. 8: Siano dati gli eventi E = {dal lancio della moneta esce testa}, F = {vengono estratte esattamente palline bianche}, G = {viene estratta almeno 1 pallina nera}. a) Dato l evento E (esce testa) vengono eseguite estrazioni senza reimmissione dall urna A; vale quindi P(F E) = ( 10 ) ( 10 ) 1 ( 0 ) = Dato l evento complementare Ẽ (esce croce) vengono eseguite 5 estrazioni con reimmissione dall urna A; vale quindi P(F Ẽ) = ( 5 ) Infine, poichè P(E) = P(Ẽ) = 1 ( ) 5 0 ( ) 15 = = P(F ) = P(F E)P(E) + P(F Ẽ)P(Ẽ) = 1 essendo la moneta non truccata, vale 10 ( ). 51

11 b) Nella notazione introdotta, la quantità richiesta è P(E F ). Per la formula di Bayes, e i risultati al punto a), vale P(E F ) = P(F E)P(E) P(F ) = ( ) = c) Nella notazione introdotta, la quantità richiesta è P(G E), corrispondente alla probabilità che sia stata estratta almeno una pallina nera da estrazioni senza reimbussolamento su A. Passando all evento complementare G (nessuna pallina nera è stata estratta), si ha che ) Es. 9: P( G E) = ( 10 ( 0 Per k = 0, 1,,, siano dati gli eventi ) = 19 = P(G E) = 1 P( G E) = F k = {vengono estratte k figure in estrazioni} A k = {vengono estratti k assi in estrazioni}. Nel caso di estrazione con reimmissione, per ogni k si ha che ( ) ( ) k ( ) 7 k ( ) ( ) 1 k ( ) 9 k P(F k ) = e P(A k ) =, k k mentre nel caso di estrazione senza reimmissione, per ogni k si ha che ( 1 )( 8 ) ( 4 6 ) k k P(F k ) = ( 40 ) e P(A k ) = k)( k ), Usando queste formule, a secondo che vi sia o meno la reimmissione, si procede quindi al calcolo delle probabilità richieste come segue: a) La probabilità richiesta è pari a P(F ) + P(F ). b) La probabilità richiesta è pari a 1 P(A 0 ). c) La probabilità richiesta è P(A 1 F ), che nel caso di estrazione con reimmissione è data a ( ) mentre nel caso di estrazione senza reimmissione è data da ( 4 )( 1 ) 1 ( 40 ). Es. 10: a) Siano dati gli eventi 11 ( 40

12 E i = {all i-esima estrazione viene estratto un asso}, con i = 1,,, F = {nelle prime estrazioni viene estratto almeno un asso}. Si osserva che gli eventi E i sono tutti stocasticamente indipendenti (poichè vi è reimmissione) e indicando con Ẽi l evento complementare ad E i, vale: P(E i ) = 4 5 = 1 1 Infine, osservando che F = Ẽ1ẼẼ, si ottiene b) Siano dati gli eventi, P(Ẽi) = 1, i = 1,,. 1 P(F ) = 1 P( F ) = 1 P(E 1 ) = 1 ( ) 1. 1 E = {nelle prime estrazioni non viene estratto nessun asso}, H = {nelle prime estrazioni viene estratta una figura}. L esercizio richiede il calcolo di P(H E). Un modo rapido per lo svolgimento consiste nell osservare che l evento H condizionato ad E, equivale all evento {nelle prime estrazioni viene estratta una figura} da realizzarsi da un mazzo dove gli assi sono stati eliminati, ovvero un mazzo di solo 48 carte. Poichè la figura potrebbe uscire alla prima estrazione (e non alla seconda), o viceversa, e poichè entrambe le situazioni hanno stessa probabilità, segue P(H E) = = 8. Un modo più esteso è il seguente. Definiamo gli eventi: A i = {all i-esima estrazione viene estratta una figura}, con i = 1,,, Si osserva che gli eventi A i sono tutti stocasticamente indipendenti con probabilità P(A i ) = 1, e che vale che H = A 1Ã + Ã1A. Vogliamo usare la formula P(H E) = P(HE) P(E). Usando la notazione del punto a), si ottiene che P(E) = P(Ẽ1Ẽ) = ( 1 1). Per il calcolo di P(HE) osserviamo che HE = A 1 Ã Ẽ 1 Ẽ + Ã1A Ẽ 1 Ẽ. D altro canto P(A 1 Ã Ẽ 1 Ẽ ) = P(A 1 Ẽ 1 )P(ÃẼ) = 1 (1), e ugualmente per P(Ã1A Ẽ 1 Ẽ ). Unendo i risultati si ottiene che P(H E) = 7 (1) (1) (1) = = 7 c) Sia dato l evento B = {viene estratta una figura per la prima volta nella estrazione}. 1

13 Usando la stessa notazione dei punti precedenti, si ottiene P(B) = P(Ã1ÃA ) = ( ) = 00 (1) d) Sia dato l evento C = {nelle prime estrazioni viene estratto un asso}, cosicchè, usando le notazioni introdotte in precedenza, C = E 1 Ẽ + Ẽ1E. L esercizio richiede il calcolo di P(C B). Un modo rapido per lo svolgimento consiste nell osservare che l evento C condizionato a B, equivale all evento {nelle prime estrazioni viene estratto un asso} da realizzarsi da un mazzo dove le figure sono state eliminate, ovvero un mazzo di solo 40 carte. Poichè l asso potrebbe uscire alla prima estrazione (e non alla seconda), o viceversa, e poichè entrambe le situazioni hanno stessa probabilità, segue P(C B) = Un modo più esteso è il seguente = Vogliamo usare la formula P(C B) = P(CB) P(B). Dal punto precedente sappiamo che P(B) = 00 (1). Per calcolare P(CB) osserviamo che CB = E 1 Ẽ Ã 1 Ã A + Ẽ1E Ã 1 Ã A. D altro canto P(E 1 Ẽ Ã 1 Ã A ) = P(E 1 Ã 1 )P(ẼÃ)P(A ) = 1 7, e ugualmente per P(Ẽ1E (1) Ã 1 Ã A ). Unendo i risultati si ottiene che P(C B) = 7 (1) (1) 00 = = Es. 11: a) Osserviamo prima che I(X) = { 1, } e I(Y ) = { 1, 1, }. Usando la formula generale P(X = k) = i I(Y ) P(X = k, Y = i) (dove il ruolo di X e Y può essere invertito), si ottiene: P(X = 1) = = 1, P(X = ) = = 1 e analogamente P(Y = 1) = = 1 6, P(Y = 1) = = 5 1, P(Y = ) = = 5 1. b) Si calcola: P(X) = 1 P(X = 1) + P(X = ) = 1 1

14 P(X ) = ( 1) P(X = 1) + P(X = 1) = 5 σ (X) = P(X ) P(X) = 9 4. P(Y ) = 1 P(Y = 1) + 1 P(Y = 1) + P(Y = ) = 1 1 P(Y ) = ( 1) P(Y = 1) + 1 P(Y = 1) + P(Y = ) = 9 4 σ (Y ) = P(Y ) P(Y ) = c) Osserviamo prima che I(Z) = {, 0, 1,, 4}. Per definizione di Z, si ha che P(Z = k) = (i,j): i+j=k P(X = i, Y = j). Da questo si ricava: P(Z = ) = 1 1, P(Z = 0) = 1 6, P(Z = 1) = = 1, P(Z = ) = 1 4, P(Z = 4) = 1 6. d) Procediamo analogamente a sopra per la variabile U che è il minimo tra X e Y. Osserviamo che I(U) = { 1, 1, }, e vale P(U = 1) = = 7 1, P(U = 1) = 1 4, P(U = ) = 1 6. Es. 1: Siano X e Y le due variabili aleatorie corrispondenti, rispettivamente, all esito del lancio del primo e del secondo dado. X e Y hanno distribuzione uniforme sui valori I(X) = I(Y ) = {1,,..., 6} e sono stocasticamente indipendenti. Il numero totale delle coppie di numeri usciti è 6, e ciascuna delle coppie ha probabilità 1/6. a) Sia Z = X + Y. Vale quindi che I(Z) = {,, 4,..., 1}. I numeri primi appartenenti ad I(Z) sono l insieme P = {,, 5, 7, 11}. La probabilità richiesta è quindi P(Z P ) = k P P(Z = p). Per calcolare le probabilità richieste, del tipo P(Z = p) con p P, si utilizza la formula dei casi favorevoli su quelli possibili, ovvero si contano le coppie di numeri che danno luogo all evento richiesto, al variare di p P. Si verifica quindi che P(Z = ) = 1 6 (coppia (1, 1)), P(Z = ) = 6 (coppie (1, ), (, 1)), P(Z = 5) = 4 6 6, P(Z = 7) = 6, P(Z = 11) = 6. b) Procediamo ancora con la formula dei casi favorevoli su quelli possibili, contando le coppie di numeri che danno luogo all evento richiesto. Questo avviene solo nel caso in cui si ottenga la coppia (,). Quindi P(X Y = X + Y ) =

15 c) Osserviamo prima che per la proprietà del condizionamento vale che P(X = Y X + Y = 6) = P(X = Y, X + Y = 6) P(X + Y = 6). La probabilità al denominatore, per quanto detto al punto a), è data da P(X + Y = 6) = 5 6. La probabilità al denominatore si calcola con la formula dei casi favorevoli su quelli possibili contando le coppie di numeri che danno luogo all evento richiesto, che in questo caso è la sola coppia (,). Quindi P(X = Y, X + Y = 6) = 1 6 e P(X = Y X + Y = 6) = 1 5. d) Analogamente al punto precedente, vale che P(X + Y = 6 X = Y ) = P(X = Y, X + Y = 6) P(X = Y ) = 1 6, dove si è usato che P(X = Y ) = 1 6, come segue dalla formula dei casi favorevoli su quelli possibili. Es. 1: Supponiamo di numerare i partecipanti al concorso da 1 a 15. Siano quindi dati gli eventi E k = {il k-esimo partecipante ottiene l idoneità}, con k = 1,,..., 15. Per ipotesi tali eventi sono tutti indipendenti e di probabilità 1/. particolare, se indichiamo con Y il numero (aleatorio) di idonei fra i 15 partecipanti, con I(Y ) = {0, 1,..., 15}, vale che Y = 15 k=1 E k e dunque Y Bin(15, 1/). Per quanto detto nel testo, il numero aleatorio X (numero di idonei che non ottengono il posto di lavoro) vale 0 qualora il numero degli idonei sia minore o uguale a 10, altrimenti è dato da Y 10. Possiamo cioè scrivere che X = max{0, Y 10}, con I(X) = {0, 1,..., 5}. In Da questo si ottiene la distribuzione di X: ( 15 P(X = 0) = P(Y 10) = 10 ) ( 1 k ( k=0 k ) P(X = 1) = P(Y = 11) = ( ( ( ) 4 11) ) P(X = ) = P(Y = 1) = ( ( ( ) 1) ). P(X = 5) = P(Y = 15) = ( 15) ( 1 ) ) 15 k

16 Per definizione, la previsione di X è P(X) = k I(X) Analogamente, vale che P(X ) = k I(X) kp(x = k) = k P(X = k) = 5 k=1 5 k=1 ( 15 k 10 + k k ( k ) ( 1 ) ( 1 ) 10+k ( ) 5 k. ) 10+k ( ) 5 k, da cui infine si ricava la varianza come σ (X) = P(X ) P(X). Es. 14: a) Siano dati gli eventi E k = {al k-esimo lancio esce 4}, con k = 1,,..., 5. Tali eventi sono tutti indipendenti e di probabilità 1/6. In particolare la variabile X, che conta quante volte è uscito il 4, ha insieme di valori possibili I(X) = {0, 1,..., 5}, ed ha distribuzione binomiale di parametri n = 5 e p = 1 6, ovvero P(X = k) = ( 5 k ) ( 1 6 ) k ( ) 5 5 k, k I(X). 6 b) Per le proprietà della distribuzione binomiale (si veda il libro o il foglio di esrcizi precedente) segue che previsione e varianza sono date da P(X) = np = 5 6, σ (X) = np(1 p) = 5 6. c) Osserviamo prima che I(Y ) = {0, 1, } (in quanto Y Bin(, 1/6)), da cui segue che I(Z) = {0, 1,,..., 7}. Usando la formula delle probabilità totali possiamo scrivere, per ogni k I(Z), P(Z = k) = P(X = k Y ) = P(X = k j Y = j)p(y = j). j=0 Per l indipendenza stocastica fra X e Y, P(X = k j Y = j) = P(X = k j). Inoltre, avendo X supporto solo su valori interi compresi tra 0 e 5, la sommatoria sopra si riduce ad una somma per valori 0 j tali che 0 k j 5 ovvero k P(Z = k) = P(X = k j)p(y = j). j=0 16

17 La probabilità richiesta è quindi P(Z = ) = = j=0 ( 5 j ( ) 1 ( ) ( 1 6 ) 5 j=0 ) j ( 5 6 ) +j ( j ( )( ) 5. j j ) ( 1 6 ) j ( ) 5 j 6 d) Per la linearità della previsione e la bilinearità della covarianza, e per l indipendenza stocastica tra X e Y, vale: P(Z) = P(X) + P(Y ) = = 7 6 cov(z, X) = σ (X) + cov(x, Y ) = σ (X) = 5 6 σ (Z+Y ) = σ (x+y ) = σ (X)+4σ (Y )+cov(x, Y ) = = Es. 15: Siano dati gli eventi E A = {dall urna A viene estratto un gettone rosso } E B = {dall urna B viene estratto un gettone rosso } E C = {dall urna C viene estratto un gettone rosso }. Tali eventi sono tutti indipendenti e di probabilità P(E A ) = 1, P(E B) = 5, P(E C ) = 1 per ipotesi. a) La variabile X, che conta quante volte è stato estratto un gettone rosso estraendo dall urna A e dall urna B, si può scrivere come X = E A + E B, ed ha insieme di valori possibili I(X) = {0, 1, }. Poichè le probabilità di E A ed E B sono diverse, non possiamo concludere che X ha distribuzione binomiale ma, denotando con ẼA e ẼB gli eventi complementari ad E A ed E B, possiamo calcolarla come segue: P(X = 0) = P(ẼAẼB) = P(ẼA)P(ẼB) = 10 P(X = 1) = P(E A Ẽ B ) + P(ẼAE B ) = = 1 P(X = ) = P(E A E B ) = P(E A )P(E B ) = 1 5 b) Per quanto ottenuto al punto a), previsione e varianza si ottengono come segue: P(X) = P(E A ) + P(E B ) = = 9 10 P(X ) = kp(x = k) = = 1 10 k I(X) 17

18 = σ (X) = P(X ) P(X) = = c) Osserviamo che Y = E A + E B + E C e Z = E B + E C. In particolare Y = E A +Z, ovvero Z Y Z+1. Ne segue che i possibili valori assunti dal vettore aleatorio (Y, Z) sono le coppie I(Y, Z) = {(0, 0), (1, 0), (1, 1), (, 1), (, ), (, )}. La distribuzione congiunta si ottiene a partire dagli eventi E A, E B, E C come P((Y, Z) = (0, 0)) = P(ẼAẼBẼC) = 0 P((Y, Z) = (1, 0)) = P(E A Ẽ B Ẽ C ) = 0 P((Y, Z) = (1, 1)) = P(ẼAE B Ẽ C ) + P(ẼAẼBE C ) = 1 4 P((Y, Z) = (, 1)) = P(E A E B Ẽ C ) + P(E A Ẽ B E C ) = 1 4 P((Y, Z) = (, )) = P(ẼAE B E C ) = 1 10 P((Y, Z) = (, )) = P(E A E B E C ) = 1 10, dove nel calcolo si è usato l indipendenza stocastica tra gli eventi. d) Dalla distribuzione congiunta di (Y, Z) si calcola P(Y Z) = j,k=0 j k P((Y, Z) = (j, k)) = = 7 4. Per calcolare le previsioni di Y e Z non occore calcolare la loro distribuzione ma, come per X, possiamo usare la loro definizione P(Y ) = P(E A ) + P(E B ) + P(E C ) = 7 5, P(Z) = P(E B) + P(E C ) = Mettendo insieme i risultati infine si ottiene cov(y, Z) = P(Y Z) P(Y )P(Z) = , da cui si deduce che le variabili Y e Z sono correlate, e quindi non stocasticamente indipendenti. Es. 16: Siano dati gli eventi E k = {la k-esima pallina estratta è pari}, con k = 1,..., 0. Trattandosi di estrazioni senza reimmissione, gli eventi non sono stocasticamente indipendenti ma hanno tutti probabilità P(E k ) = 10 0 = 1. a) L evento F = {l urna A contiene tutte palline pari} corrisponde, nella notazione sopra, all evento E 1 E la cui probabilità si calcola come segue P(E 1 E ) = P(E E 1 )P(E 1 ) = P(E )P(E 1 ) = =

19 dove si è indicato con E l evento che la seconda estratta da un urna con 9 palline pari e 10 dispari sia una pallina pari, avente quindi probabilità b)l evento H = {entrambe le urne contengono palline pari} corrisponde, nella notazione sopra, all evento E 1 E E E 4, la cui probabilità si calcola come P(E 1 E E E 4 ) = P(E 4 E 1 E E )P(E E 1 E )P(E E 1 )P(E 1 ) = = 14. c) Si considerino gli eventi K A = {l urna A contiene tutte palline dispari} K B = {l urna A contiene tutte palline dispari}. La probabilità richiesta è quindi P(K A K B ) = P(K A )+P(K B ) P(K A K B ). Per calcolarla, osserviamo che K A = Ẽ1Ẽ, K B = ẼẼ4 e K A K B = Ẽ1ẼẼẼ4. Procedendo come ai punti b) e c), è facile verificare che P(K A ) = P(K B ) = 9 8, P(K AK B ) = 14 = P(K A K B ) = d) L evento G = {l urna B contiene tutte palline pari} corrisponde, nella notazione sopra, all evento E E 4 la cui probabilità, calcolata come sopra, e pari a P(E E 4 ) = 9 8. La probabilità richiesta è invece la probabilità condizionata P(F G) che si ricava, usando la formula delle probabilità composte, come P(F G) = P(F G) P(G) = P(E 1E E E 4 ) = 8 P(G) 15. e) Poichè P(F G) = 8 15 P(F ) = 9 8, gli eventi F e G non sono stocasticamente indipendenti. Es. 17: a) Consideriamo gli eventi F = {Il dado estratto è truccato}, con probabilità P(F ) = 1 10, G = {si estrae due volte 1 ed una volta 6} di cui si desidera calcolare la probabilità. Usando la formula delle probabilità totali e i dati del problema, si ha ( ) P(G) = P(G F )P(F ) + P(G F )P( F 1 1 ) = 10 1 ( ) = b) Consideriamo anche gli eventi E k = {la k-esimo numero uscito è 1}, con k = 1,,. 19

20 Calcoliamo per prima cosa la probabilità di tali eventi, nota solo in seguito ad aver condizionato sulla scelta del dado, ovvero P(E k ) = P(E k F )P(F ) + P(E k F )P( F ) = 1 5. (Si verifichi che tali eventi non sono stocasticamente indipendenti.) Osserviamo ora che la variabile X può essere scritta come X = E 1 + E + E, da cui segue che I(X) = {0, 1,, }, e P(X) = P(E 1 ) + P (E ) + P(E ) = 5. Per calcolare la varianza di X usiamo la formula σ (X) = σ (E k ) + cov(e 1, E ) + cov(e, E ) + cov(e 1, E ), k=1 dove σ (E k ) = P(E k )P(Ẽk) = 4 5. Per calcolare le covarianze, osserviamo prima che, per ogni j k = 1,,. P(E j E k ) = P(E j E k F )P(F )+P(E j E k F )P( F ) = ( ) ( 1 6 ) 9 10 = 1 0 da cui segue che cov(e j, E k ) = P(E j E k ) P(E j )P(E k ) = Mettendo tutto insieme, si ottiene σ (X) = c) Nella notazione sopra la probabilità richiesta è P(F G), che per la formula di Bayes ed i risultati precedenti è data da P(F G) = P(G F )P(F ) P(G) = ( ) = 8. 0

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability

Dettagli

Esercizi di Calcolo delle Probabilita (I)

Esercizi di Calcolo delle Probabilita (I) Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:

Dettagli

Esercizi. Rappresentando le estrazioni con un grafo ad albero, calcolare la probabilità che:

Esercizi. Rappresentando le estrazioni con un grafo ad albero, calcolare la probabilità che: Esercizi Esercizio 4. Un urna contiene inizialmente 2 palline bianche e 4 palline rosse. Si effettuano due estrazioni con la seguente modalità: se alla prima estrazione esce una pallina bianca, la si rimette

Dettagli

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 19 marzo 2007 Spazi di probabilità finiti e uniformi Esercizio 1 Un urna contiene due palle nere e una rossa. Una seconda urna ne contiene una bianca

Dettagli

Tutorato di Probabilità e Statistica

Tutorato di Probabilità e Statistica Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità

Dettagli

Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita

Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita NOTA 1 Gli esercizi sono presi da compiti degli scorsi appelli, oppure da testi o dispense di colleghi. A questi ultimi

Dettagli

A = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }.

A = { escono 2 teste e due croci (indipendentemente dall ordine) } B = { al primo tiro esce testa }. ESERCIZI ELEMENTARI DI CALCOLO DELLE PROBABILITÀ Teorema della somma 1) Giocando alla roulette, calcolare la probabilità che su una estrazione esca: a) Un numero compreso tra 6 e 12 (compresi) oppure maggiore

Dettagli

Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.

Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel

Dettagli

Probabilità discreta

Probabilità discreta Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che

Dettagli

Analisi dei Dati 12/13 Esercizi proposti 3 soluzioni

Analisi dei Dati 12/13 Esercizi proposti 3 soluzioni Analisi dei Dati 1/13 Esercizi proposti 3 soluzioni 0.1 Un urna contiene 6 palline rosse e 8 palline nere. Si estraggono simultaneamente due palline. Qual è la probabilità di estrarle entrambe rosse? (6

Dettagli

Statistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.

Statistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi. Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:

Dettagli

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)

Dettagli

Esercizi sul calcolo delle probabilità

Esercizi sul calcolo delle probabilità Esercizi sul calcolo delle probabilità Svolti e da svolgere (per MAR 13 marzo) Dati due eventi A e B dello spazio campionario Ω. Si sappia che P(A c )=0,3 P(B)=0,4 e P(A B c )=0,5 si determinino le probabilità

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

Test sul calcolo della probabilità

Test sul calcolo della probabilità Test sul calcolo della probabilità 2 Test sul calcolo della probabilità Test sul calcolo della probabilità. La probabilità p di un evento E, quando si indica con E il suo complementare, è : a) 0 se E è

Dettagli

Per poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete.

Per poter affrontare il problema abbiamo bisogno di parlare di probabilità (almeno in maniera intuitiva). Analizziamo alcune situazioni concrete. Parliamo di probabilità. Supponiamo di avere un sacchetto con dentro una pallina rossa; posso aggiungere tante palline bianche quante voglio, per ogni pallina bianca che aggiungo devo pagare però un prezzo

Dettagli

PROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti.

PROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti. PROVE D'ESAME DI CPS A.A. 009/00 0/06/00 () (4pt) Olimpiadi, nale dei 00m maschili, 8 nalisti. Si sa che i 4 atleti nelle corsie centrali hanno probabilità di correre in meno di 0 secondi. I 4 atleti delle

Dettagli

CP110 Probabilità: Esame del 3 giugno 2010. Testo e soluzione

CP110 Probabilità: Esame del 3 giugno 2010. Testo e soluzione Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 8 luglio, 2010 CP110 Probabilità: Esame del 3 giugno 2010 Testo e soluzione 1. (6 pts 12 monete da 1 euro vengono distribuite tra

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello

Dettagli

Somma logica di eventi

Somma logica di eventi Somma logica di eventi Da un urna contenente 24 palline numerate si estrae una pallina. Calcolare la probabilità dei seguenti eventi: a) esce un numero divisibile per 5 o superiore a 20, b) esce un numero

Dettagli

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Incompatibilità ed indipendenza stocastica. Probabilità condizionate, legge della probabilità totale, Teorema

Dettagli

Corso di Matematica. Corso di Laurea in Farmacia, Facoltà di Farmacia. Università degli Studi di Pisa. Maria Luisa Chiofalo.

Corso di Matematica. Corso di Laurea in Farmacia, Facoltà di Farmacia. Università degli Studi di Pisa. Maria Luisa Chiofalo. Corso di Matematica Corso di Laurea in Farmacia, Facoltà di Farmacia Università degli Studi di Pisa Maria Luisa Chiofalo Scheda 18 Esercizi svolti sul calcolo delle probabilità I testi degli esercizi sono

Dettagli

PROBABILITA' E VARIABILI CASUALI

PROBABILITA' E VARIABILI CASUALI PROBABILITA' E VARIABILI CASUALI ESERCIZIO 1 Due giocatori estraggono due carte a caso da un mazzo di carte napoletane. Calcolare: 1) la probabilità che la prima carta sia una figura oppure una carta di

Dettagli

ESERCIZI DI RIEPILOGO 2. 7 jj(addi

ESERCIZI DI RIEPILOGO 2. 7 jj(addi ESERCIZI DI RIEPILOGO 2 ESERCIZIO 1 Da un comune mazzo di 52 carte francesi (13 carte per ognuno dei quattro semi: picche, cuori, fiori e quadri) viene estratta casualmente una carta. Definiti gli eventi:

Dettagli

TEOREMI SULLA PROBABILITÀ

TEOREMI SULLA PROBABILITÀ TEOREMI SULLA PROBABILITÀ o Probabilità totale oprobabilità contraria oprobabilità condizionata odipendenza stocastica oprobabilità composta oformula di Bayes oproblemi di riepilogo Probabilità di eventi

Dettagli

CALCOLO COMBINATORIO

CALCOLO COMBINATORIO CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,

Dettagli

1 Probabilità condizionata

1 Probabilità condizionata 1 Probabilità condizionata Accade spesso di voler calcolare delle probabilità quando si è in possesso di informazioni parziali sull esito di un esperimento, o di voler calcolare la probabilità di un evento

Dettagli

Esercizi di calcolo combinatorio

Esercizi di calcolo combinatorio CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi di calcolo combinatorio Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability di Sheldon Ross, quinta

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -

Dettagli

Probabilità e statistica

Probabilità e statistica Indice generale.probabilità ed eventi aleatori....come si può definire una probabilità....eventi equiprobabili....eventi indipendenti, eventi dipendenti....eventi incompatibili....eventi compatibili....probabilità

Dettagli

1. la probabilità che siano tutte state uccise con pistole; 2. la probabilità che nessuna sia stata uccisa con pistole;

1. la probabilità che siano tutte state uccise con pistole; 2. la probabilità che nessuna sia stata uccisa con pistole; Esercizi di Statistica della 5 a settimana (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Esercizio 1. L FBI ha dichiarato in un rapporto che il 44% delle vittime di un omicidio

Dettagli

COEFFICIENTI BINOMIALI

COEFFICIENTI BINOMIALI COEFFICIENTI BINOMIALI Michele Impedovo micheleimpedovo@uni-bocconiit Una definizione insiemistica Se n è un numero naturale e è un numero naturale compreso tra e n, si indica con il simbolo il coefficiente

Dettagli

Si considerino gli eventi A = nessuno studente ha superato l esame e B = nessuno studente maschio ha superato l esame. Allora A c B è uguale a:

Si considerino gli eventi A = nessuno studente ha superato l esame e B = nessuno studente maschio ha superato l esame. Allora A c B è uguale a: TEST DI AUTOVALUTAZIONE - SETTIMANA 2 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Si considerino gli

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2006/2007

Probabilità e Statistica Esercitazioni. a.a. 2006/2007 Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 9 giugno 006 Spazi di probabilità finiti e uniformi Esercizio Un urna contiene 6 palline rosse, 4 nere, 8 bianche. Si estrae una pallina; calcolare

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Distribuzione di probabilità, funzione di ripartizione di una v.c. discreta Il tasso di cambio

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

(concetto classico di probabilità)

(concetto classico di probabilità) Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 16 luglio 2006 V.a. discrete e distribuzioni discrete Esercizio 1 Dimostrare la proprietà della mancanza di memoria della legge geometrica, ovvero

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

Teoria della probabilità Assiomi e teoremi

Teoria della probabilità Assiomi e teoremi Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Assiomi e teoremi A.A. 2008-09 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento

Dettagli

( x) ( x) 0. Equazioni irrazionali

( x) ( x) 0. Equazioni irrazionali Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza

Dettagli

PROBABILITA CONDIZIONALE

PROBABILITA CONDIZIONALE Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,

Dettagli

Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni

Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni Corso di ELEMENTI DI STATISTICA Alcuni problemi di probabilità, con soluzioni Si tratta di problemi elementari, formulati nel linguaggio ordinario Quindi, per ogni problema la suluzione proposta è sempre

Dettagli

Esercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che:

Esercizio 1 Dato il gioco ({1, 2, 3}, v) con v funzione caratteristica tale che: Teoria dei Giochi, Trento, 2004/05 c Fioravante Patrone 1 Teoria dei Giochi Corso di laurea specialistica: Decisioni economiche, impresa e responsabilità sociale, A.A. 2004/05 Soluzioni degli esercizi

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

Complemento al corso di Fondamenti di Informatica I corsi di laurea in ingegneria, settore dell informazione Università la Sapienza Consorzio Nettuno

Complemento al corso di Fondamenti di Informatica I corsi di laurea in ingegneria, settore dell informazione Università la Sapienza Consorzio Nettuno Rappresentazione di numeri Complemento al corso di Fondamenti di Informatica I corsi di laurea in ingegneria, settore dell informazione Università la Sapienza Consorzio Nettuno Un numero e un entità teorica,

Dettagli

matematica probabilmente

matematica probabilmente IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e

Dettagli

Cosa dobbiamo già conoscere?

Cosa dobbiamo già conoscere? Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire

Dettagli

metodi matematici per l ingegneria prove scritte d esame 1 Indice

metodi matematici per l ingegneria prove scritte d esame 1 Indice metodi matematici per l ingegneria prove scritte d esame Indice. Novembre 4 - Prova in itinere. Luglio 5.. Febbraio 6 4 4. Giugno 6. 5 5. Luglio 6 6 . Novembre 4 - Prova in itinere Esercizio. Una scatola

Dettagli

1. PRIME PROPRIETÀ 2

1. PRIME PROPRIETÀ 2 RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,

Dettagli

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Lucio Demeio Dipartimento di Scienze Matematiche Università Politecnica delle Marche 1. Esercizio. Siano X ed Y due variabili

Dettagli

= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:

= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520: Fig. 10.bis.1 Variazioni percentuali Variazione percentuale di x dalla data zero alla data uno: x1 x 0 %x = 100% x 0 = variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del

Dettagli

Esercizi riassuntivi di probabilità

Esercizi riassuntivi di probabilità Esercizi riassuntivi di probabilità Esercizio 1 Una ditta produttrice di fotocopiatrici sa che la durata di una macchina (in migliaia di copie) si distribuisce come una normale con µ = 1600 e 2 = 3600.

Dettagli

COMPITO DI SCIENZE NATURALI 23 gennaio 2012. Modulo di probabilità e statistica

COMPITO DI SCIENZE NATURALI 23 gennaio 2012. Modulo di probabilità e statistica COMPITO DI SCIENZE NATURALI 23 gennaio 2012 Modulo di probabilità e statistica 1. In Svizzera, al primo gennaio di ogni anno, tutti i cittadini vengono sottoposti a vaccinazione contro l influenza annuale.

Dettagli

Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco

Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo

Dettagli

PROBABILITA CONDIZIONALE

PROBABILITA CONDIZIONALE Riferendoci al lancio di un dado, indichiamo con A l evento esce un punteggio inferiore a 4 A ={1, 2, 3} B l evento esce un punteggio dispari B = {1, 3, 5} Non avendo motivo per ritenere il dado truccato,

Dettagli

LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di

LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda

Dettagli

LE FUNZIONI A DUE VARIABILI

LE FUNZIONI A DUE VARIABILI Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre

Dettagli

Consideriamo due polinomi

Consideriamo due polinomi Capitolo 3 Il luogo delle radici Consideriamo due polinomi N(z) = (z z 1 )(z z 2 )... (z z m ) D(z) = (z p 1 )(z p 2 )... (z p n ) della variabile complessa z con m < n. Nelle problematiche connesse al

Dettagli

LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0

LEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0 LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi

Dettagli

Probabilità II Variabili casuali discrete

Probabilità II Variabili casuali discrete Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una

Dettagli

Elementi di calcolo delle probabilità

Elementi di calcolo delle probabilità Elementi di calcolo delle probabilità Definizione di probabilità A) Qui davanti a me ho un urna contenente 2 palline bianche e 998 nere. Mi metto una benda sugli occhi, scuoto ripetutamente l urna ed estraggo

Dettagli

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo Statistica 1 Esercitazioni Dott. 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

Probabilità Calcolo combinatorio, probabilità elementare, probabilità condizionata, indipendenza, th delle probabilità totali, legge di Bayes

Probabilità Calcolo combinatorio, probabilità elementare, probabilità condizionata, indipendenza, th delle probabilità totali, legge di Bayes Sessione Live #3 Settimana dal 7 all 11 marzo 2003 Probabilità Calcolo combinatorio, probabilità elementare, probabilità condizionata, indipendenza, th delle probabilità totali, legge di Bayes Lezioni

Dettagli

Tabella 7. Dado truccato

Tabella 7. Dado truccato 0 ALBERTO SARACCO 4. Compiti a casa 7novembre 200 4.. Ordini di grandezza e calcolo approssimato. Esercizio 4.. Una valigia misura 5cm di larghezza, 70cm di lunghezza e 45cm di altezza. Quante palline

Dettagli

COMPITO n. 1. 3. Siano X, Y due variabili aleatorie tali che il vettore (X, Y ) sia distribuito uniformemente

COMPITO n. 1. 3. Siano X, Y due variabili aleatorie tali che il vettore (X, Y ) sia distribuito uniformemente COMPITO n. 1 a) Nel gioco del poker ad ogni giocatore vengono distribuite cinque carte da un normale mazzo di 52. Quant è la probabilità che un giocatore riceva una scala di re (ovvero 9, 10, J, Q, K anche

Dettagli

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

STATISTICA E PROBABILITá

STATISTICA E PROBABILITá STATISTICA E PROBABILITá Statistica La statistica è una branca della matematica, che descrive un qualsiasi fenomeno basandosi sulla raccolta di informazioni, sottoforma di dati. Questi ultimi risultano

Dettagli

ESERCIZI EVENTI E VARIABILI ALEATORIE

ESERCIZI EVENTI E VARIABILI ALEATORIE ESERCIZI EVENTI E VARIABILI ALEATORIE 1) Considera la tabella seguente, che descrive la situazione occupazionale di 63 persone in relazione al titolo di studio. Occupazione SI NO Titolo Licenza media 5%

Dettagli

Esercitazioni 2013/14

Esercitazioni 2013/14 Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta

Dettagli

2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011

2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011 2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011 1) Non sfogliare questo fascicolo finché l insegnante non ti dice di farlo. 2) E ammesso l utilizzo di calcolatrici

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico.

Probabilità e Statistica Esercitazioni. a.a. 2009/2010. C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico. Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.S.: Ingegneria Civile-Architettonico, Ingegneria Civile-Strutturistico Probabilità Ines Campa e Marco Longhi Probabilità e Statistica - Esercitazioni

Dettagli

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0 Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice

Dettagli

Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio

Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio Calcolo delle probabilitá: esercizi svolti fino all 8 febbraio Alessandro Sicco sicco@dm.unito.it Lezione 1. Calcolo combinatorio, formula delle probabilitá totali, formula di Bayes Esercizio 1.1. 7 bambini

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai

Dettagli

SPECTER OPS. L'obiettivo del giocatore agente è quello che il suo agente completi 3 su 4 missioni obiettivo qualsiasi

SPECTER OPS. L'obiettivo del giocatore agente è quello che il suo agente completi 3 su 4 missioni obiettivo qualsiasi SPECTER OPS REGOLE 2-3 giocatori: 1 agente e 2 cacciatori - Le 4 missioni obiettivo sono conosciute dai giocatori: si lancia il dado e si segnano col relativo gettone sul lato verde sulla plancia e sul

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2006/2007

Probabilità e Statistica Esercitazioni. a.a. 2006/2007 Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile

Dettagli

LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ

LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ In questa Appendice mostreremo come trovare la tariffa in due parti che massimizza i profitti di Clearvoice,

Dettagli

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del

Dettagli

1. Calcolare la probabilità che estratte a caso ed assieme tre carte da un mazzo di 40, fra di esse vi sia un solo asso, di qualunque seme.

1. Calcolare la probabilità che estratte a caso ed assieme tre carte da un mazzo di 40, fra di esse vi sia un solo asso, di qualunque seme. Esercizi difficili sul calcolo delle probabilità. Calcolare la probabilità che estratte a caso ed assieme tre carte da un mazzo di, fra di esse vi sia un solo asso, di qualunque seme. Le parole a caso

Dettagli

13. Campi vettoriali

13. Campi vettoriali 13. Campi vettoriali 1 Il campo di velocità di un fluido Il concetto di campo in fisica non è limitato ai fenomeni elettrici. In generale il valore di una grandezza fisica assegnato per ogni punto dello

Dettagli

IGiochidiArchimede-SoluzioniBiennio 22 novembre 2006

IGiochidiArchimede-SoluzioniBiennio 22 novembre 2006 PROGETTO OLIMPII I MTEMTI U.M.I. UNIONE MTEMTI ITLIN SUOL NORMLE SUPERIORE IGiochidirchimede-Soluzioniiennio novembre 006 Griglia delle risposte corrette Problema Risposta corretta E 4 5 6 7 8 9 E 0 Problema

Dettagli

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a) Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:

Dettagli

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme

Proof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero

Dettagli

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale)

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale) Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione

Dettagli

Note su quicksort per ASD 2010-11 (DRAFT)

Note su quicksort per ASD 2010-11 (DRAFT) Note su quicksort per ASD 010-11 (DRAFT) Nicola Rebagliati 7 dicembre 010 1 Quicksort L algoritmo di quicksort è uno degli algoritmi più veloci in pratica per il riordinamento basato su confronti. L idea

Dettagli

Esempio II.1.2. Esempio II.1.3. Esercizi

Esempio II.1.2. Esempio II.1.3. Esercizi Calcolo combinatorio Il calcolo combinatorio consiste nello sviluppo di nozioni e tecniche per contare i possibili ordinamenti di un insieme e le possibili scelte di sottoinsiemi di un insieme Ha numerosi

Dettagli

PROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado)

PROBABILITA. Sono esempi di fenomeni la cui realizzazione non è certa a priori e vengono per questo detti eventi aleatori (dal latino alea, dado) L esito della prossima estrazione del lotto L esito del lancio di una moneta o di un dado Il sesso di un nascituro, così come il suo peso alla nascita o la sua altezza.. Il tempo di attesa ad uno sportello

Dettagli

1 Applicazioni Lineari tra Spazi Vettoriali

1 Applicazioni Lineari tra Spazi Vettoriali 1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Percorsi, strategie e geometrie in gioco Complementi e spunti di lavoro Primaria e Secondaria Inferiore

Percorsi, strategie e geometrie in gioco Complementi e spunti di lavoro Primaria e Secondaria Inferiore Percorsi, strategie e geometrie in gioco Complementi e spunti di lavoro Primaria e Secondaria Inferiore In queste note troverete suggerimenti e osservazioni per attività che traggono spunto dal problema

Dettagli

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli