Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 2

Documenti analoghi
Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno

Esercitazione 1 del corso di Statistica 2

Esercitazione 8 del corso di Statistica (parte 1)

Variabili casuali. Variabili casuali

Calcolo delle Probabilità

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

RISOLUZIONE ESERCIZI SULLA PROBABILITA. E, pertanto

Calcolo delle Probabilità

Esercizi di Probabilità e Statistica

Esercizi di econometria: serie 1

FRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali.

Modelli di variabili casuali

Calcolo delle Probabilità

STATISTICA 1 ESERCITAZIONE 8

Esercitazioni di Statistica Dott.ssa Cristina Mollica niroma1.it. Probabilità

Sia f la frequenza di un evento A e n sia la dimensione del campione. La probabilità dell'evento A è

ESERCIZI SULLE VARIABILI CASUALI DISCRETE

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1

Intorduzione alla teoria delle Catene di Markov

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2:

Soluzione esercizi (quarta settimana)

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008

Ragionamento probabilistico: rappresentazione

Esercitazione 1 del corso di Statistica (parte 2)

Risultati X P(X) TTT 0 1/8 TTC 1 1/8 TCT 1 1/8 CTT 1 1/8 TCC 2 1/8 CTC 2 1/8 CCT 2 1/8 CCC 3 1/8 X P(X) F(X) 0 1/8 1/8 1 3/8 4/8 2 3/8 7/8 3 1/8 1

Analisi dei Dati e Statistica a.a. 2011/2012. Prof. Giuseppe Espa. 0461/ Probabilità (prima parte) Perchè la

P(E i. Il postulato empirico del caso. = I, incompatibili a due a due. . E k

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017

Probabilità. Introduzione. Esperimento casuale (o aleatorio): Può venir riproposto infinite volte.

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

{, A, A, Ω } Ae n SPAZI PROBABILIZZATI PRO. 0. Algebre d'insiemi. Assegnato un universo finito Ω, sia (Ω) l'insieme delle parti di Ω.

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

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

CALCOLO DELLE PROBABILITA'

Prova intercorso di laboratorio di Fisica I AA Matricole Pari 07-apr-16. Esercizi preparatori tipici

Lezione 3 Calcolo delle probabilità

COMPITO n. 1. a) Determinare la distribuzione del numero X di palline nere presenti nell urna.

Esercizi di Probabilità e Statistica

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC)

Fondamenti di Statistica. Prof. V. Simoncini. Orario di Lezione: Mar Gio

Probabilità delle cause:

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna

IL CALCOLO DELLE PROBABILITA

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009

Statistica per le ricerche di mercato

6 Prodotti scalari e prodotti Hermitiani

Università di Napoli Parthenope Facoltà di Ingegneria

Esercizi di Probabilità

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.

Probabilità Condizionale - 1

Teoremi dei circuiti

Carla Seatzu, 18 Marzo 2008

Esercizi di Probabilità

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna

STATISTICA A K (63 ore)

Statistica Descrittiva

MODELLI PER GESTIONE E LA RICERCA DELL'INFORMAZIONE

Analisi Matenatica Lezione 1 23 settembre 2013

Matematica e Statistica per Scienze Ambientali

È l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo.

Apprendimento Bayesiano. Metodi di apprendimento di concetti basati sul calcolo delle probabilità

Analisi Class info sul corso Lezione 1 22 settembre 2014

La probabilità. Calcolo combinatorio ed elementi di probabilità

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA

10. VARIABILI CASUALI MULTIPLE

Definizione di campione

1.2 Calcolo combinatorio Principi basilari Disposizioni con ripetizione

Lo spazio degli eventi del lancio di un dado regolare a sei facce è l insieme U U

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Teoremi dei circuiti

Calcolo delle Probabilità

Il campionamento casuale semplice

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Esercizi. Volume 2. Capitolo 1, p. 1 Capitolo 2, p. 5 Capitolo 12, p. 6

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 17: 16 maggio 2013

Corso di Fondamenti di Telecomunicazioni

Esercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità

Prima prova parziale

Misure dirette utilizzate per il calcolo della misura indiretta X:

Insegnare la probabilità

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 20: 16 maggio 2012

Analisi Class Successioni Lezione 6 2 ottobre 2014

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1

Propagazione degli errori

3) Entropie condizionate, entropie congiunte ed informazione mutua

Sorgenti Numeriche - Soluzioni

Dipendenza ed indipendenza

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012

MODELLI MULTISTATO. Introduzione ai modelli multistato. Esempio di modello multistato per descrivere la progressione di una malattia

INDAGINE ESAUSTIVA O CAMPIONARIA?

Transcript:

Espermento aleatoro : espermento l cu esto, non noto a pror, appartene ad un determnato nseme d est plausbl. Spazo degl est W : nseme d tutt possbl est d un espermento aleatoro. Spazo degl event : ogn sottonseme F d (W) che soddsf le seguent condzon: ) W w F ) WF ) E F E F v) E,E, F E F

Evento elementare : ogn elemento d W Evento : ogn elemento d F Evento certo : W Evento mpossble : ø Event ncompatbl : E E ø W E E Evento elementare

Esemp Espermento: durata (n ore) d una lampadna W=R + F= (W) E ={00} evento elementare E = [0 ; 500] evento Espermento: 3 lanc d una moneta W={CCC, CCT, CTC, TCC, CTT, TCT, TTC, TTT} F= (W) E ={ottenere tre croc} ={CCC} evento elementare E = {ottenere almeno due croc}={cct, CTC, TCC, CCC} evento

W spazo degl est F spazo degl event : F 0 ; è una funzone d probabltà se: ) [W]= ) E, E, successone d event ncompatbl E E (W, F, [.]) spazo d probabltà

ropretà d [.] ) E E ) ø 0 ) E E E E E E W E E

Esempo Espermento : estrazone d una pallna da un urna contenente due pallne rosse, una verde e una blu. W F= (W) [ { } ] = / [ { } ] = /4 [ { } ] = /4 [ {, } ]=3/4 [ {, } ]=3/4 [ {, } ]=/ [W]= [ ]=0 (W, F, [.]) spazo d probabltà

Esempo Espermento : lanco d un dado. W={,, 3, 4, 5, 6} F= (W) A={ottenere un numero >4} B= {ottenere un numero par} [ A] = [ {5,6} ] = /3 [ A ] = [ {,,3,4} ] = /3 [A B] = [A]+[B]-[A B] = [ {5,6} ] + [ {, 4, 6} ] - [ {6} ] = /3+/ -/6=/3

(W, F, [.]) spazo d probabltà A, B F [B]>0 [ A B ] = probabltà d A a condzone d B A B B [A] = 4/ [A B] = /5

La funzone [. B] è una funzone d probabltà, n quanto soddsfa gl assom rchest: W B B ) W B B B ) E, E, successone d event ncompatbl : E E B B B E B B E B B E B B E B Qund (W, F, [. B]) è uno spazo d probabltà.

Esempo Espermento : 3 lanc d una moneta. A = {almeno una T} B = {meno d due T} A T T T T C T T T C C T T C T C T C C C C T C C C W B 7 8 A A B 3 4 AB 3 / 8 B /

Teorema delle probabltà total Sano: (W, F, [.]) spazo d probabltà B, B,, B n F tal che [B ]>0, j B B j =, W n B A F Allora: n A A B B B A B 3 Dmostrazone B B 4 n A n A B A A B A B A B B n n

Esempo Espermento : due estrazon successve senza remmssone d pallne da un urna contenente due pallne rosse, una verde e una blu. A={ la seconda pallna estratta è rossa} R={la prma pallna estratta è rossa} V={la prma pallna estratta è verde} B={la prma pallna estratta è blu} Event ncompatbl e tal che W = R B V [A] = [A R] [R]+ [A V] [V]+ [A B] [B]= 3 3 4 3 4

a estrazone a estrazone

Teorema d Bayes Sano: (W, F, [.]) spazo d probabltà B, B,, B n F tal che [B ]>0, j B B j =, W n B A F Allora: B A k A Bk Bk A n A B B k A B B k

Esempo Espermento : due estrazon successve senza remmssone d pallne da un urna contenente due pallne rosse, una verde e una blu. A={ la seconda pallna estratta è rossa} R={la prma pallna estratta è rossa} V={la prma pallna estratta è verde} B={la prma pallna estratta è blu} V A 3 4 A V V A 3

a estrazone a estrazone

(W, F, [.]) spazo d probabltà A, B F [A], [B]>0 A e B stocastcamente ndpendent A B A B Equvalentemente: A e B stocastcamente ndpendent [A B]=[A] o [B A]=[B] Nota A e B ndpendent A e B ndpenden t A e B ndpenden t A e B ndpenden t

Esempo Espermento : 3 lanc d una moneta truccata, con [T] = 0.5 [C] = 0.75 A = {esce sempre lo stesso rsultato} = {T T T, C C C} B = {esce al pù una T} = {T C C, C T C, C C T, C C C} A B={C C C} [A] = 0.5 3 +0.75 3 = 0,4 [B]=3(0.5)(0.75) +0.75 3 = 0,659 [A B]= 0,0565 (0,4) (0,659) qund A e B sono dpendent Se la moneta fosse equlbrata: [A] = 0.5 [B] = 0.5 [A B]= 0.5 = (0.5) (0.5) qund A e B ndpendent.