Sommario. Facoltà di Economia E E2 E 5 E 4. S x1. Le Variabili Casuali o Variabili Aleatorie. francesco mola. Lezione n 13.

Documenti analoghi
Sommario. Corso di Statistica Facoltà di Economia. Le Variabili Casuali o Variabili Aleatorie. Lezione n 16. Francesco Mola. Variabili Casuali (cont

ESPERIMENTO CASUALE. P(X) è la funzione di probabilità secondo la quale ad ogni numero reale di X si assegna una misura di probabilità.

Sessione live #1 Settimana #2 dal 10 al 16 marzo. Statistica descrittiva: Indici di posizione, dispersione e forma Istogramma frequenze, box plot

ESPERIMENTO CASUALE. S Spazio campionario : è l insieme di eventi necessari e incompatibili che si presentano come risultati dell ESPERIMENTO CASUALE.

I vettori. A cura di dott. Francesca Fattori Speranza dott. Francesca Paolucci

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

Corso di IDROLOGIA. Estratto dalle dispense di STATISTICA APPLICATA ALL IDROLOGIA

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale

Condizioni di equilibrio TD nelle reazioni chimiche

PROPRIETÀ DEL CAMPO ELETTROSTATICO (PARTE 2) G. Pugliese 1

Variabili casuali doppie

Ottimizzazione Combinatoria

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

IL Potenziale elettrostatico

Analisi Matematica Lezione 16 3 novembre 2014 Limiti di funzioni

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

Analisi Matenatica Lezione 5 1 ottobre 2013

Economia del turismo

Elementi di Calcolo delle Probabilità

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

ESERCIZI SULLE VARIABILI CASUALI DISCRETE

Sviluppo dell algoritmo per l allineamento dello spettrometro magnetico di PAMELA

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013

Approfondimento Altri tipi di test di significatività del coefficiente di correlazione di Pearson

Teoria dei processi casuali a tempo continuo. Seconda lezione: Medie statistiche

Esercitazione 8 del corso di Statistica (parte 1)

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

Analisi Matematica Lezione novembre 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 18 febbraio 2014

Elementi di Calcolo delle Probabilità

Esercizi di Probabilità e Statistica

Elementi di Calcolo delle Probabilità

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

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Modelli 1 lezione novembre 2011 Media e varianza

Leggi di Biot-Savart e di Ampère. Fisica II - CdL Chimica

Analisi Class info sul corso Lezione 1 22 settembre 2014

Analisi Matenatica Lezione 1 23 settembre 2013

MACCHINA ELEMENTARE CON UN SOLO AVVOLGIMENTO

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

INDICE. Scaricabile su: Derivate TEORIA. Derivata in un punto. Significato geometrico della derivata

Laboratorio: Metodi quantitativi per il calcolo del VaR. Aldo Nassigh Financial Risk Management A.A. 2011/12 Lezione 4

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi.

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

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

r v i i P = m i i dt (M r cm ) = Mv r r i = d avendo definito il concetto di centro di massa (CM) del sistema ( M = m i r r r cm

Media aritmetica (ponderata)

CONDUZIONE NON STAZIONARIA

posizione, velocità, quantità di moto, energia cinetica, momento angolare, ecc.

Variabili casuali. Variabili casuali

ESERCITAZIONE 8. Esercitazioni del corso FONDAMENTI DI PROCESSI CHIMICI Prof. Gianpiero Groppi

MODELLI DI UTILITÀ ALEATORIA

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

Il campo B è uscente. Fisica Generale per Architettura - G. Cantatore 1

Leggi di Biot-Savart e di Ampère. Fisica II - CdL Chimica

Intorduzione alla teoria delle Catene di Markov

ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI

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

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione 18

Risultati esame scritto Fisica 2-29/09/2014 orali: alle ore presso aula O

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

Analisi Class Successioni Lezione 6 2 ottobre 2014

6. Catene di Markov a tempo continuo (CMTC)

Corso di. Dott.ssa Donatella Cocca

y. E' semplicemente la media calcolata mettendo

= 4. L unita di misura della carica elettrica nel S.I. è il coulomb (C).

Sistemi Intelligenti Stimatori e sistemi lineari - III

Università di Napoli Parthenope Facoltà di Ingegneria

Corrente elettrica. Conduttore in equilibrio. Condutture in cui è mantenuta una differenza di potenziale (ddp) E=0 V=cost

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

Algoritmo di Carlier- Pinson per problemi di Job Shop Scheduling: un esempio

6. Catene di Markov a tempo continuo (CMTC)

Corso di Fondamenti di Telecomunicazioni

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

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z)

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

3 Partizioni dell unità 6

Economia del turismo


Sistemi Intelligenti Reinforcement Learning: Evaluative Feedback

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

Lezione 20 Maggio 29

26/08/2010. segnali deterministici. segnali casuali o random. stazionario. periodico. Non stazionario. transitorio

Principio di massima verosimiglianza

Principio di massima verosimiglianza

CARATTERISTICHE DEI SEGNALI RANDOM

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Il campo elettrico è conservativo. L A1B = F i l r

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 5: 24 febbraio 2014

Lezione 9. N-poli. N-poli passivi. Pilotato in tensione

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

Fisica 1 Elettrostatica. Preliminari matematici

Magnetostatica e magnetoquasistatica nel vuoto

Esercitazione 1 del corso di Statistica 2

Sommario. Statistica. Distribuzioni (cont.) Distribuzioni di frequenza. Distribuzioni Distribuzioni di quantità. Distribuzioni di frequenza

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

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

Transcript:

Coso d Statstca Facoltà d conoma a.a. - fancesco mola Sommao Le Vaabl Casual o Vaabl Aleatoe Lezone n Lez._a.a. 9- statstca-fancesco mola Vaabl Casual Vaabl Casual (cont. Una Vaable Casuale è una egola (funzone eale che assoca ad (evento elementae d S uno ed un solo numeo eale S 6 la v.c. X assume l valoe eale 5 S Lez._a.a. 9- statstca-fancesco mola R Attenzone: la cosondenza ecedente è UNIVOCA e NON BIUNIVOCA! La ova ha dato quel atcolae sultato La v.c. X ha geneato quel atcolae valoe Saà ossble assocae una msua d obabltà allo sazo numeco della v.c. utlzzando la msua d obabltà defnta su sottonsem dello sazo camonao S. "S vefca l'evento con obabltà P(" "La v.c. X assume l valoe con obabltà P(" Lez._a.a. 9- statstca-fancesco mola

Vaabl Casual (cont. Una v.c. X è una vaable che assume valo nello sazo Vaabl Casual de nume eal secondo una funzone d obabltà P(X. 6 5 S R Lez._a.a. 9- statstca-fancesco mola 5 Lez._a.a. 9- statstca-fancesco mola 6 semo:consdeamo una famgla con fgl 5 6 7 8 S{MMM,MMF,MFM,FMM,MFF,FMF,FFM,FFF} /8 /8 /8 /8 /8 /8 /8 /8 Defnamo la vaable casuale X numeo de fgl masch { 8} { 5 6 7 } { } { } X /8 /8 /8 Lez._a.a. 9- statstca-fancesco mola 7 /8 X P.5.75.75.5.5 5 6 7 8 Lez._a.a. 9- statstca-fancesco mola 8.75

Consdeamo come esemo due vaabl: Ttolo d studo e condzone occuazonale A ttolo d studo Bcondzone occuazonale elementae O occuato M meda D noccuato S sueoe Possamo defne seguent ossbl event elementa. S A*B {O, D, MO, MD, SO, SD} /6 /6 /6 /6 /6 /6 Dato l nseme S è ossble da cu devae dvese vaabl casual Consdeamo la vaable casuale X condzone occuazonale X o occuato { noccuato X P.5.5 Lez._a.a. 9- statstca-fancesco mola 9 X P.5.5 O MO SO D MD SD Lez._a.a. 9- statstca-fancesco mola.5 Seme atendo da S consdeamo la vaable casuale Y stud sueo S Y O D MO MD SO SD Y Py.667..66. Schematcamente semo: lanco d un dado, d una moneta, estazone d un numeo al lotto (a k event sono assocat k valo della V.C. vent k ( k V.c.X k k Lez._a.a. 9- statstca-fancesco mola Lez._a.a. 9- statstca-fancesco mola

Schematcamente semo: #fgl, condzone occuazonale. cc. (a k event sono assocat h<k valo della V.C. T d vaabl casual V.C. vent k ( V.c.X h k h con h k (S,A, sazo d obabltà e A è l nseme d tutt gl event geneabl da S con l unone e la negazone In natua Dscete dscetzzate Contnue Lez._a.a. 9- statstca-fancesco mola Lez._a.a. 9- statstca-fancesco mola vaabl casual dscete Una Vaable Casuale è nota se conoscamo la sua dstbuzone d obabltà Una vaable casuale dsceta uò essee aesentata gafcamente Le ossono essee abtae, mente le obabltà non ossono essee abtae eché:,, k Lez._a.a. 9- statstca-fancesco mola 5 Lez._a.a. 9- statstca-fancesco mola 6

Vaabl Casual contnue Ammette nfnt valo, qund non è ossble attbue le sngole obabltà ad ogn. f( Attenzone, f( non è la obabltà!!!!!! S assoca ad ogn ntevallo una funzone f( detta funzone d denstà. Lez._a.a. 9- statstca-fancesco mola 7 _ f( è oozonale (a meno d un nfntesmo alla obabltà d un ntevallo suffcentemente ccolo Lez._a.a. 9- statstca-fancesco mola 8 X Se X è una vaable casuale che assume valo n [a,b], essa è defnta se: semo: f ( : ( a, b P( X + d f ( d o le vaabl casual contnue sono defnte n (, + con la conseguenza che la funzone d denstà è nulla e que valo comes n ntevall esten al camo d defnzone! Lez._a.a. 9- statstca-fancesco mola 9 Condzone necessaa affnché una funzone d denstà f( ndvdu una v.c. X contnua è : ( f : < X < + + f ( d Nota bene: P ( X f ( d Lez._a.a. 9- statstca-fancesco mola

Funzone d atzone Funzone d atzone (oetà F La funzone d atzone fonsce la obabltà d un qualsas evento ( P( X ( ω dω Vaabl Casual Dscete Lez._a.a. 9- statstca-fancesco mola f Vaabl Casual Contnue ( +, è non decescente < F( F ( è seme comesa ta ed F( s ha che: ( lm F F( è contnua da desta Lez._a.a. 9- statstca-fancesco mola j ( lm F + j Gafco della funzone F ( X caso X dsceta semo: lanco d un dado X 5 6 P( /6 /6 /6 /6 /6 /6 /6 5 6 Lez._a.a. 9- statstca-fancesco mola Lez._a.a. 9- statstca-fancesco mola

< / 6 < / 6 < / 6 < / 6 < 5 5 / 6 5 < 6 6 < Analzzamo la F(X F( 5/6 /6 /6 /6 /6 Funzone a gadn o ste functon 5 6 Lez._a.a. 9- statstca-fancesco mola 5 caso X contnua P X P X P( X ( F F( ( ( f ( d Lez._a.a. 9- statstca-fancesco mola 6 f ( gafcamente F ( F ( F ( gafcamente Lez._a.a. 9- statstca-fancesco mola 7 Lez._a.a. 9- statstca-fancesco mola 8

una elazone motante F( f ( ω dω d F ( f ( d Lez._a.a. 9- statstca-fancesco mola 9 Moment cental Valoe medo; valoe atteso; ectaton ( X V.c. dscete + ( X f ( d ( X V.c contnue V.c contnue In geneale abbamo: V.c. dscete ( X f ( d Lez._a.a. 9- statstca-fancesco mola + Moment cental: cas atcola ( X ( X Lez._a.a. 9- statstca-fancesco mola Moment scato dalla meda ( ( X ( + V.c. dscete V.c contnue Lez._a.a. 9- statstca-fancesco mola ( f ( d

Moment scato dalla meda: cas atcola ( X ( Moment scato dalla meda: cas atcola ( X ( ( + + + Lez._a.a. 9- statstca-fancesco mola VAR ( X VARIANZA Lez._a.a. 9- statstca-fancesco mola Moment standadzzat X + V.c. dscete V.c contnue Lez._a.a. 9- statstca-fancesco mola 5 f ( d Moment standadzzat: cas atcola X ( X ( Lez._a.a. 9- statstca-fancesco mola 6

Moment standadzzat: cas atcola X ( γ coeffcente d asmmeta X ( γ Coeffcente d Cutos Lez._a.a. 9- statstca-fancesco mola 7