Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛
|
|
- Taddeo Ranieri
- 8 anni fa
- Visualizzazioni
Transcript
1 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata una regola che assegna a ciascun valore che la variabile può assumere la corrispondente probabilità pobab Esempio: lancio di 3 monete; v.c.= numero di teste uscite P() P() TTT 3 ⅛ 0 ⅛ TTC ⅛ ⅜ TCT ⅛ ⅜ CTT ⅛ 3 ⅛ TCC ⅛ CTC ⅛ CCT ⅛ CCC 0 ⅛ P() 0 3 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Variabile statistica e variabile casuale Variabile statistica: deriva dalla classificazione di dati rilevati, cioè viene definita empiricamente una volta conosciuti i dati ed averli classificati. Variabile casuale (): assume valori nello spazio dei numeri reali secondo una funzione di probabilità P() Il concetto di variabile casuale è strettamente legato a quello di esperimento, a quello, cioè, di una prova il cui risultato è incerto. E diverso, dunque, dal concetto di variabile definita su una popolazione, di cui io posso conoscere o meno il valore che questa assume sulle singole unità, ma rispetto alla quale non c è nulla di incerto. Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Distribuzione di probabilità della v.c : ad ogni possibile valore della v.c si associa una probabilità v.c. discreta P() 0 ⅛ ⅜ ⅜ 3 ⅛ P f P Assumono un numero finito di valori,,, n, con probabilità p p p con probabilità p, p,, p n
2 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Distribuzione di probabilità della v.c : ad ogni possibile valore della v.c si associa una probabilità v.c. discreta P() 0 ⅛ ⅜ ⅜ 3 ⅛ P f P P() TTT 50? TTC 49? TCT..? CTT..? TCC..? CTC..? CCT? CCC 0? Esistono delle formule algebriche che consentono di calcolare, per ciascun valore di una variabile casuale, la probabilità che esso si verifichi Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- discrete Assumono un numero finito it di valori,,, n, con probabilità p, p,, p n Nel caso discreto, la funzione definisce la funzione di probabilità della v.c.. La funzione di probabilità di tipo discreto soddisfa le condizioni: f f 0 i.. i In molti casi, può essere necessario trovare la probabilità che la v.c. assuma un valore inferiore o uguale ad un dato valore k. Tale probabilità viene definita probabilità cumulata ed è descritta dalla funzione di ripartizione, che viene indicata con F( k). Quindi, se,,, n sono i valori possibili di ordinati in senso crescente, la probabilità cumulata sarà: F f f f k i k Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- discrete Esempio: Lancio di tre monete v.c. Numero di teste uscite f 0 P 0 PC C C f 3 P P T C C C T C C C T f P P T T C T C T C T T 3 f 3 P 3 PT T T F 0 3 F 3 3 F 3 3 F 3 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- discrete Esempio: Lancio di tre monete v.c. Numero di teste uscite f 0 P 0 f 3 P f P 3 f 3 P 3 F() 0 3 (numero F 0 di teste) 3 F 3 3 F 3 3 F (numero di teste)
3 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- continue Una variabile casuale continua è una v.c. che può assumere un numero infinito di valori compresi in un intervallo di ampiezza finita o infinita. A differenza di quanto accade nel caso discreto, non è possibile ottenere la probabilità che la variabile assuma un qualsiasi valore interno all intervallo sommando le probabilità dei singoli punti che lo compongono, in quanto i punti sono infiniti e una somma infinita di valori finiti non può dare l unità unità. Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- continue Una variabile casuale è, allora, continua se esiste una funzione tale che: b P a b f d a dove a e b sono numeri reali qualsiasi, con a<b. Funzione di densità di probabilità: la funzione matematica per cui l area sottesa alla funzione, corrispondente ad un certo intervallo, è uguale alla probabilità che assuma un valore in quell intervallo Il c.d. paradosso della continuità viene risolto ricorrendo al concetto di area, assegnando probabilità a singoli intervalli piuttosto che a singoli punti e rappresentando le probabilità come delle aree su degli intervalli. Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- continue La funzione f( ) viene definita funzione di densità di probabilità (f.d.p.) o densità di probabilità di. In questo caso, tuttavia, la funzione non può essere interpretata come la P(=), in quanto tale probabilità sarà sempre nulla, per v.c. di tipo continuo. Quindi, la probabilità di ottenere esattamente il risultato è generalmente nulla anche se l evento levento non è strettamente impossibile. continue Funzioni di densità e corrispondenti funzioni di ripartizione: E invece possibile definire la funzione di ripartizione: F P f d che conserva il suo significato.
4 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- n Valore atteso di una v.c discreta: E i P i Varianza di una v.c discreta: n i i P i Valore atteso di una v.c continua: i E f d Varianza di una v.c continua: f d Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Esempio Un amico ci propone un gioco i cui risultati ti possono essere A, B o C con probabilità bilità di realizzarsi pari, rispettivamente, a 0,, 0, e 0,7. Se esce A, sivincono0euro, se esce B se ne vincono 0 mentre se esce C se ne perdono 0. Ci si chiede quale sarà il guadagno, o la perdita, che ci si deve attendere per un numero elevato di giocate. E chiaro che il risultato del gioco sarà dato dall ammontare che si vince quando si presenta A o B, ognuno moltiplicato per le rispettive probabilità, sommato all ammontare che si perde quando si presenta C, ponderato con la rispettiva probabilità. Avremo dunque: 0 0, 0 0, 0 0,7 3 Il gioco ha, cioè, un valore negativo, e più precisamente una perdita di 3 a partita. I 3 euro non rappresentano l ammontare lammontareche si perde in una singola giocata ma ciò che si perderebbe in media, per partita, se si giocasse un numero elevato di volte (infatti, nella singola giocata o si vincono 0 o 0 euro o se ne perdono 0, ma non se ne potranno mai perdere 3). Questa somma, tuttavia, rappresenta una sintesi dei diversi risultati del gioco, i quali portano a perdere, in media, 3 euro ogni giocata, e quindi non si avrà interesse a giocare perché il gioco non è equo. Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La variabile casuale di Bernoulli ~ Ber(p) La variabile casuale di Bernoulli ~ Ber(p) E una v.c. che trae origine i da una prova nella quale interessa verificare se l evento E si è verificato o meno. E legata a prove di tipo dicotomico (o dicotomizzabili) i cui due possibili risultati vengono indicati con i termini successo () e insucesso (0), (senza per questo intendere che l evento successo sia necessariamente un evento piacevole! ) Formalmente, una v.c. discreta si definisce v.c. di Bernoulli se assume il valore con probabilità p e il valore 0 con probabilità -p. La sua distribuzione di probabilità è: P p p I suoi momenti caratteristici risultano essere: E p ; Var p p ; N.B. La varianza della v.c. di Bernoulli assume valore ao massimo (/4) quando è p=/. E questo, infatti, il caso di massima incertezza, in cui risulta più difficile prevedere il risultato.
5 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. binomiale i Esperimento binomiale: n prove bernoulliane (ogni prova può avere solo due possibili risultati) indipendenti, ognuna delle quali ha la stessa probabilità di successo successo o insuccesso; probabilità costante in tutte le prove estrazioni indipendenti (estrazioni con ripetizione). V.C. Binomiale : numero di successi in n prove p: probabilità di successo in una prova -p: probabilità di insuccesso in una prova Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Un esempio Un sistema informativo aziendale deve raccogliere, processare, immagazzinare e distribuire informazione al fine di facilitare i processi di pianificazione, decisione e controllo. Uno dei compiti del sistema informativo consiste in una revisione degli ordini di vendita della società per individuare eventuali errori nella forma o nell informazione contenuta. Presso una casa farmaceutica la probabilità che un ordine venga giudicato insoddisfacente dal sistema informativo è stimata pari a 0,. Sulla base di questa informazione, la società vuole calcolare la probabilità che si abbia un certo numero di segnalazioni in un dato campione di ordini di vendita. Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Un esempio Per esempio se in un giorno vengono realizzati quattro ordini di vendita, -qual è la probabilità che si abbiano 0 ordini scorretti? -qual è la probabilità che si abbia ordine scorretto? -qual è la probabilità che si abbiano ordini scorretti? -qual è la probabilità che si abbiano 3 ordini scorretti? -qual è la probabilità che si abbiano 4 ordini scorretti? Sequenza Primo ordine Secondo ordine Terzo ordine Quarto ordine Segnalato Segnalato Non segnalato Segnalato p=0, p=0, -p=0,9 p=0, P(3 ordini segnalati nella sequenza precedente)= p p (-p) p = p 3 ( - p) = 0,009 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Un esempio Sequenza : q segnalato, segnalato, non segnalato, segnalato p p (-p) p=p 3 ( - p) = 0,009 Sequenza : segnalato, segnalato, segnalato, non segnalato p p p (-p) = p 3 ( - p) = p p p (-p) = p 3 ( - p) = 0,009 Sequenza 3: segnalato, non segnalato, segnalato, segnalato g, g, g, g p (-p) p p=p 3 ( - p) = 0,009 Sequenza 4: non segnalato, segnalato, segnalato, segnalato (-p) p p p=p 3 ( - p) = 0,009
6 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Un esempio La v.c. binomiale i Distribuzione di probabilità di : numero di combinazioni in cui possono presentarsi successi in n prove. Numero di possibili sequenze: 4 P(3 ordini scorretti) = 4 0,0009 = 0,0036 n n n! P p p p p! n-! n numero di prove effettuate proporzione di casi che realizzano un successo nella popolazione p (0<p<) E np Var np p ~ Bin(n,p) Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. binomiale i relativa n proporzione di successi in n prove p p E n p Var n n Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. binomiale: i un esempio Esperimento: 50 lanci di una moneta v.c : numero di teste uscite in 50 lanci numero di prove effettuate: 50 (n) probabilità di successo in un lancio: / 50 50! P ! 50-36! n n! P p p p p! n-! n n
7 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. binomiale: i un esempio Dall'inventario di 4 automobili spedite ad un gruppo di rivenditori, risulta che automobili avevano difetti nell'installazione della radio. Qual è la probabilità che un particolare rivenditore che abbia ricevuto automobili: a) Lericeva tuttett conradio difettose? b) Non ne riceva nessuna con radio difettosa? c) Ne riceva almeno una con radio difettosa? automobili estratte a caso dalla produzione esperimento binomialei probabilità di successo (la radio è difettosa) p=/4 v.c : numero di radio difettose in auto estratte a caso dalla produzione Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- a) Qual è la probabilità che un particolare rivenditore che abbia ricevuto automobili le riceva tutte con radio difettose? P(=)? n= p=/4=0,5 -p= 075 0,75 n n! P p p p p! n-!! n n 0,5 0,75 0,5 0,75! -! P Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- b) Qual è la probabilità che un particolare rivenditore che abbia ricevuto automobili non ne riceva nessuna con radio difettosa? P(=0)? n= p=/4=0,5 -p= 0,75 n n! P p p p p! n-! n n c) Qual è la probabilità che un particolare rivenditore che abbia ricevuto automobili ne riceva almeno una con radio difettosa? n= p=/4=0,5 -p= 0,75 P(>=) =P(=)+P(=)+ P(=)=-P(=0)! P ,5 05 0, ,5 05 0, ! -0! 0 0
8 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La variabile casuale di Poisson ~ Po() La v.c. di Poisson misura la probabilità bilità di ottenere successi riferendosi però non più a n prove bernoulliane ma ad un ambito circoscritto, temporale o spaziale. Es.: Clienti ad uno sportello bancario in un giorno Tlf Telefonate al centralino VV.FF. in un ora Auto al casello autostradale ogni ora ma anche n di globuli rossi per mm 3 di sangue n di errori tipografici per pagina stampata t. La probabilità del manifestarsi dell evento è costante su tutta la durata dell osservazione.. L intervallo può essere suddiviso in sottointervalli sui quali la probabilità del verificarsi di un evento è piccola e la probabilità del manifestarsi di due eventi è pressocché nulla. La variabile casuale di Poisson ~ Po() Se si osserva un processo di Poisson, il numero di eventi che si manifestano in ogni intervallo è una v.c. di Poisson. Se tali eventi si manifestano al tasso costante, il valore di indicherà il numero di eventi che, in media, si manifesterà per ogni sottointervallo. In una v.c. di Poisson gli eventi si manifestano al tasso costante. Definizione: Una v.c., discreta, segue una distribuzioneib i di Poisson con parametro se assume i valori 0,,, con probabilità definite dalla funzione: P e! ; Var E 3. Il manifestarsi di un evento in un sottointervallo non influenza la probabilità del manifestarsi di un evento in un altro sottointervallo. Gli eventi sono, cioè, indipendenti. Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La variabile casuale di Poisson ~ Po() Approssimazione della distribuzione di Poisson alla Binomiale Quando n la distribuzione di Poisson con parametro =np può servire come approssimazione i alla legge binomiale i di parametri n e p La variabile casuale di Poisson P e! ~ Po() Esercizio: In un centro commerciale, tra le e le 0 arrivano, in media, 7 clienti al minuto. Supponendo che il numero di clienti si distribuisca secondo una legge di Poisson, si calcoli: la probabilità che in un minuto arrivino 3 clienti la probabilità che in un minuto arrivino meno di clienti la probabilità che in tre minuti arrivino 0 clienti
9 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. normale Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. normale Spessore di 0000 rondelle di ottone prodotte da un azienda Spessori Frequenze (in cm) relative < Da 0.00 a Da 0.0 a Da 0.04 a Da 0.06 a Da00a a Da a Da 0.09 a Da a Da a Da 0.09 a Da a > Totale 0000 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti 3. Punto di flesso a distanza dalla media Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e 6% Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti 3. Punto di flesso a distanza dalla media 4. Circa il 6% dei casi è compreso nell intervallo ±
10 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e 95% Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti 3. Punto di flesso a distanza dalla media 4. Circa il 6% dei casi è compreso nell intervallo ± 5. Circa il 95% dei casi è compreso nell intervallo ± Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e 99% Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti 3. Punto di flesso a distanza dalla media 4. Circa il 6% dei casi è compreso nell intervallo ± 5. Circa il 95% dei casi è compreso nell intervallo ± 6. Circa il 99% dei casi è compreso nell intervallo ±3 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e Una variabile casuale segue una distribuzione Normale, con media evarianza, se la sua funzione di densità di probabilità è data da: f e Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti. Media, mediana e moda coincidenti 3. Punto di flesso a distanza dalla media 3. Punto di flesso a distanza dalla media 4. Circa il 6% dei casi è compreso nell intervallo ± 4. Circa il 6% dei casi è compreso nell intervallo ± 5. Circa il 95% dei casi è compreso nell intervallo ± 5. Circa il 95% dei casi è compreso nell intervallo ± 6. Circa il 99% dei casi è compreso nell intervallo ±3 6. Circa il 99% dei casi è compreso nell intervallo ±3 7. Un aumento o una diminuzione della media determina uno slittamento, a parità di forma, della curva sull asse delle. 7. Un aumento o una diminuzione della media determina uno slittamento della curva, a parità di forma, sull asse delle.. Un aumento o una diminuzione della varianza determina, rispettivamente, una minore o una maggiore concentrazione di valori attorno al valore medio.
11 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. normale ~ N, f Proprietà: e =media; =sqm è simmetrica intorno a il massimo di (moda) si ha in corrispondenza di = punti di flesso: = Mo = Me i valori della curva normale dipendono da e Una macchina produce biscotti il cui peso si distribuisce come una Normale, con media pari a 5 grammi e scarto quadratico medio pari a 0, grammi. Scegliendo a caso un biscotto, qual è la probabilità che abbia un peso è compreso tra 5, grammi e 5,30 grammi? y e 5 5, 5,30 P 5 5, 5, ,30 5, ~ N(5;0,04) = 5 = 0, e Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- standardizzata Una macchina produce biscotti il cui peso si distribuisce come una Normale, con media pari a 5 grammi e scarto quadratico medio pari a 0, grammi. Scegliendo a caso un biscotto, qual è la probabilità che abbia un peso è compreso tra 5, grammi e 5,30 grammi? Qualsiasi distribuzione Normale può essere ricondotta ad una distribuzione con media nulla e varianza unitaria mediante la trasformazione: Z La tavola della distribuzione normale standardizzata E Z E 0 0 Var Z Z ~ N = 0 = Var Le aree sotto la curva Normale standardizzata possono essere calcolate e tabulate una volta per tutte!
12 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. normale Z f Proprietà: = 0 = Z e il massimo di si iha per =0 punti di flesso: = ~ N 0, i valori della curva normale standardizzata sono tabulati standardizzata 5 5, 5,30 ~ N = 5 = 0, Qual è la probabilità che il biscotto pesi tra 5, e 5,30 grammi? Fr 5, 5, 30 Z ~ N = 0 = Quali sono i valori standardizzati di =5, e =5,30? 5, 5 Z 0, 6 0, 5,30 5 Z, 5 0, 0,6,5 0 Z Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- standardizzata 5 5, 5,30 ~ N = 5 = 0, Qual è la probabilità che il biscotto pesi tra 5, e 5,30 grammi? Z 0 0,6,5 Z Fr 5, 5, 30 0,075 ~ N = 0 = Quali sono i valori standardizzati di =5, e =5,30? Qual è la probabilità compresa tra Z =0,6 e Z =,5? Fr 06 0,6 Z,5 5 0, 433 0,57 0,075 standardizzata Un impresa produce pomodori ed il processo di inscatolamento è stato regolato in modo tale che in ogni barattolo venga introdotta, in media, una quantità di pomodori pari a 3 etti. Lo s.q.m. del peso netto effettivo è 0, etti e si suppone che i pesi siano distribuiti normalmente. Si determini i la probabilità bilità che un barattolo preso a caso contenga una quantità di pomodori compresa tra 3 e 3, etti. : peso inscatolato ~ N(3; 0,) 3 Z ~ N(0,) 0, P(3<<3,)??
13 P Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- standardizzata 33 0, 3, 3 0, 3 3, P Z P 0 Z Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- I parametri e sono noti, si vuole conoscere la probabilità che la v.c. assuma valori compresi all interno dell intervallo a, b (a<b). a b Pa b P Pza Z z b Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Approssimazione della distribuzione binomiale Approssimazione della distribuzione binomiale Se n è grande Z Z np ~ Z 0, npq p n ~ Z 0 0, pq n Esempio: determinare la probabilità che, lanciando 400 volte un dado, la faccia 5 compaia almeno 60 volte Lancio di un dado esperimento binomiale probabilità di successo (la faccia uscita è il 5) p=/6=0,7 v.c : numero di uscite della faccia 5 in 400 lanci P ,7 60 P Z, ,7 0,3 P Z
14 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Dove e come studiare S. Borra, A. Di Ciaccio i (00) Statistica ti ti Metodologie per le scienze economiche e sociali McGraw-Hill. Cap. 9 (escluso paragrafi 9.6, 9..3, 9..4, 9..5, 9.). D. Piccolo (004) Statistica per le decisioni Il Mulino. Cap. 9 (escluso paragrafi 9.7, 9., 9.9), Cap. 0. File esercizi variabili casuali e distribuzioni campionarie.pdf Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Riepilogo Variabili casuali discrete Funzione di probabilità Funzione di ripartizione Valore atteso Varianza Variabili casuali continue Funzione di densità di probabilità Funzione di ripartizione Valore atteso Varianza Distribuzione ib i di Bernoulli, binomiale, i binomiale i relativa Distribuzione di Poisson Approssimazione della distribuzione di Poisson alla Binomiale Distribuzione Normale Distribuzione Normale standardizzata
E NECESSARIO RICORRERE ALLE VARIABILI CASUALI
IL CONCETTO DI VARIABILE CASUALE Associare una misura di probabilità al verificarsi di un certo evento (come esito di un esperimento) non sempre è sufficiente a risolvere gran parte dei problemi reali
Dettagli1) 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
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliLa 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
DettagliViene 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
DettagliProbabilità 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:
DettagliProbabilità 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
DettagliELEMENTI DI STATISTICA
Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico
DettagliLe variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛
Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata una regola che assegna a ciascun valore che la variabile può assumere
DettagliLe variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛
Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata una regola che assegna a ciascun valore che la variabile può assumere
DettagliLA 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
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliEsercitazione 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
DettagliEsercitazione #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
DettagliTemi di Esame a.a. 2012-2013. Statistica - CLEF
Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
Dettagli2 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
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliCalcolo 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
DettagliESAME DI STATISTICA Nome: Cognome: Matricola:
ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli
DettagliEsercizio 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
DettagliCORSO 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
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliDistribuzioni discrete
Distribuzioni discrete Esercitazione 4 novembre 003 Distribuzione binomiale Si fa un esperimento (o prova): può manifestarsi un certo evento A con probabilità p oppure no (con probabilità q = p). La distribuzione
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte
DettagliPrimi 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
DettagliSTATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio 2015. Modelli continui di probabilità: la v.c. uniforme continua
STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo febbraio 2015 Modelli continui di probabilità: la v.c. uniforme continua Esercizio 1 Anna ha una gift card da 50 euro. Non si sa se sia mai stata utilizzata
DettagliEsercitazione n.2 Inferenza su medie
Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliOCCUPATI SETTORE DI ATTIVITA' ECONOMICA
ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971
DettagliUniversità di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008
Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliGli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità
Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)
DettagliCalcolo 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
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Calcolo delle probabilità Il Sig. Rossi abita nella città X e lavora nella città Y, poco distante.
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliAnalisi statistica degli errori
Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale
DettagliVARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che
VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliPROBABILITÀ - 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 -
DettagliINDICE PREFAZIONE VII
INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione
DettagliEsercizi 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.
DettagliINDICI DI TENDENZA CENTRALE
INDICI DI TENDENZA CENTRALE NA Al fine di semplificare la lettura e l interpretazione di un fenomeno oggetto di un indagine statistica, i dati possono essere: organizzati in una insieme di dati statistici
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
DettagliTeoria 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
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliEsercitazione 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
Dettagli1. 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
DettagliESERCIZI 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:
DettagliTasso di interesse e capitalizzazione
Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo
DettagliCapitolo 4 Probabilità
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Riepilogo: Postulati del calcolo della probabilità (Kolmogorov): Dato un evento A Ω, dove è lo spazio degli
DettagliEsercizi 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
DettagliLezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria
Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Standardizzazione di una variabile Standardizzare una variabile statistica
DettagliAnalisi 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
DettagliEconomia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1
Economia Applicata ai sistemi produttivi 06.05.05 Lezione II Maria Luisa Venuta 1 Schema della lezione di oggi Argomento della lezione: il comportamento del consumatore. Gli economisti assumono che il
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliProbabilità 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
DettagliSistemi di Servizio e Simulazione
Sistemi di Servizio e Simulazione Soluzioni degli esercizi di esame proposti negli appelli dell a.a.2004-05 Sono stati distribuiti sul sito web i testi di tre appelli di esame dell anno accademico 2004-05:
Dettagli= 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
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V
Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.
DettagliPROVE 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
DettagliEsercizi. 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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180
DettagliEsercizi 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
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE AREA TECNICO ASSISTENZIALI
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo
DettagliInferenza Statistica a.a. 2010/2011. Docente Dott.a Daniela Nappo daniela.nappo@unina.it
Inferenza Statistica a.a. 2010/2011 Docente Dott.a Daniela Nappo daniela.nappo@unina.it Programma del corso Richiami delle variabili casuali Richiami di inferenza (stima e stimatore, stima puntuale ed
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
Dettaglimatematica 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
DettagliDISTRIBUZIONI 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.,
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliCorso di Statistica. Corso di Laurea in Ingegneria Edile. Ingegneria Tessile. Docente: Orietta Nicolis
Corso di Statistica Corso di Laurea in Ingegneria Edile ed Ingegneria Tessile Docente: Orietta Nicolis Orario del corso: Martedì: dalle 16.00 alle 18.00 Giovedì: dalle 9.30 alle 11.30 Ricevimento: Mercoledì:
DettagliEsercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera
Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera 1. Avete risparmiato 10 dollari che volete investire per un anno in azioni e/o buoni del tesoro
DettagliTabella 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
DettagliAlgoritmi (9 CFU) (A.A. 2009-10)
Algoritmi (9 CFU) (A.A. 2009-10) Probabilità e Algoritmi randomizzati Prof. V. Cutello Algoritmi 1 Overview Definiamo concetti di base di probabilità Variabili casuali e valore medio Algoritmi randomizzati
DettagliSOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale
SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale ESERCIZIO nr. 1 I Presidi delle scuole medie superiori di una certa cittá italiana hanno indetto tra gli studenti dell ultimo anno una
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliStatistica. Alfonso Iodice D Enza iodicede@unina.it
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16 Outline 1 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16
DettagliELEMENTI DI CALCOLO DELLE PROBABILITA
Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica
DettagliDipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014
Dipartimento di Economia Aziendale e Studi Giusprivatistici Università degli Studi di Bari Aldo Moro Corso di Macroeconomia 2014 1. Assumete che = 10% e = 1. Usando la definizione di inflazione attesa
Dettagli1 di 6. Usando un modello di probabilità
Corso di Statistica, II parte ESERCIZIO 1 Gastone in occasione di una festa a PAPEROPOLI compra 3 biglietti per partecipare all'estrazione a sorte di 3 premi. Sapendo che sono stati venduti 30 biglietti
DettagliCosa 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
DettagliMATEMATICA 5 PERIODI
BAC EUROPEO 2008 MATEMATICA 5 PERIODI DATA 5 giugno 2008 DURATA DELL ESAME : 4 ore (240 minuti) MATERIALE AUTORIZZATO Formulario delle scuole europee Calcolatrice non grafica e non programmabile AVVERTENZE
DettagliSoluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)
Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città
DettagliProbabilità 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
Dettagli2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale
BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliCP110 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
DettagliEsercizi 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:
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # Esercizi Statistica Descrittiva Esercizio I gruppi sanguigni di persone sono B, B, AB, O,
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
Dettagli