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

Documenti analoghi
ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

Esercitazione 8 del corso di Statistica (parte 1)

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

6. Catene di Markov a tempo continuo (CMTC)

LE FREQUENZE CUMULATE

LA COMPATIBILITA tra due misure:

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

Corso di. Dott.ssa Donatella Cocca

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE

STATISTICA DESCRITTIVA CON EXCEL

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Probabilità cumulata empirica

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

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

Variabili statistiche - Sommario

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

ESERCIZI SULLE VARIABILI CASUALI DISCRETE

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

CARATTERISTICHE DEI SEGNALI RANDOM

Campo di applicazione

Teorema di Thévenin-Norton

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO 3 Incertezza di misura Pagina 26

Analisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza

Trasformatore monofase. Le norme definiscono il rendimento convenzionale di un trasformatore come: = + Perdite

Esercitazioni del corso: STATISTICA

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

Intorduzione alla teoria delle Catene di Markov

Introduzione al Machine Learning

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

Correlazione lineare

Statistica descrittiva

Università degli Studi di Urbino Facoltà di Economia

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

Esercizi sulle reti elettriche in corrente continua (parte 2)

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

REALTÀ E MODELLI SCHEDA DI LAVORO

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Corso di Automazione Industriale 1. Capitolo 7

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.

Statistica e calcolo delle Probabilità. Allievi INF

UNIVERSITÀ di ROMA TOR VERGATA

B - ESERCIZI: IP e TCP:

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Valutazione dei Benefici interni

Trigger di Schmitt. e +V t

Università di Napoli Parthenope Facoltà di Ingegneria

STATISTICA: esercizi svolti sulle VARIABILI CASUALI

Dai circuiti ai grafi

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano

Calcolo della caduta di tensione con il metodo vettoriale

UNIVERSITÀ di ROMA TOR VERGATA

Modelli descrittivi, statistica e simulazione

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

La verifica delle ipotesi

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

STATISTICA ESERCITAZIONE 9

Programmazione e Controllo della Produzione. Analisi dei flussi

(B1) IL RUOLO DELL ANALISI STATISTICA DEI DATI NELLA GESTIONE AZIENDALE DATI GREZZI E INFORMAZIONI INDICI STATISTICI, TABELLE E GRAFICI

Esercizio 1. Costruire un esempio di variabili casuali X ed Y tali che Cov(x,y) = 0, ma X ed Y siano dipendenti.

Tutti gli strumenti vanno tarati

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:

Calcolo delle Probabilità

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio Ing. Gianluca Chiappini

UNIVERSITA DEGLI STUDI DI CATANIA. Dipartimento di Scienze MM FF NN. Corso di Laurea di primo livello in Fisica QUINCONCE DI GALTON

Analisi dei flussi 182

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1;

Studente estratto Esami sostenuti voto Frequenza Pos.ne lavor.va sesso rendimento si No M B si No M O no No F S

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

MODELLISTICA DI SISTEMI DINAMICI

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

4.6 Dualità in Programmazione Lineare

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Calcolo delle Probabilità

Sommario. 1. Scopo dell esperienza Presupposti teorici Descrizione dell apparato sperimentale Descrizione dell esperimento 7

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Relazioni tra variabili: Correlazione e regressione lineare

LE CARTE DI CONTROLLO

Grafico di una serie di dati sperimentali in EXCEL

Esercizi di Calcolo delle Probabilità

TEORIA DELLA STIMA E DELLA DESCISIONE STATISTICA

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements

Misure di dispersione. Introduzione. Statistica descrittiva. Distribuzioni di probabilità e funzioni di ripartizione. Indici di posizione

Apprendimento Automatico e IR: introduzione al Machine Learning

3. Esercitazioni di Teoria delle code

Transcript:

ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente ) Calcolarne valore atteso, varanza e asmmetra SVOLGIMENTO 1) Il lanco d tre monete può dare rsultat dfferent ndcat nella seguente tabella, dove T rappresenta l evento s è presentato Testa e C rappresenta l evento s è presentato Croce: Moneta 1 Moneta Moneta Numero d Testa C C C T C C 1 C T C 1 C C T 1 T T C T C T C T T T T T Per calcolare le probabltà d Testa e Croce è possble rsolvere l seguente sstema d due equazon n due ncognte: P( C) = P( T) P( C) = P( T) P( C) = 1 P( C) P C PC + PT = 1 P( T) = 1 P( C) PT = 1 PC PC = 4 PC = PC = 4 4 1 PT = 1 PC PT 1 PC = 4 [ ] Il calcolo delle probabltà assocate agl event sfrutta l ndpendenza delle tre sottoprove component la prova d nteresse. P( C1 C C) = P( C1) P( C) P( C) = =.4 4 1 PT ( 1 C C) = PT ( 1) PC PC = = 41 4 4 P( C1 T C) = P( C1 C T) = P( T1 C C) = 41 1 PT ( 1 T C) = PT ( 1) PT PC = =.47 4 4 PT C T = PC T T = PT T C = 1 1 1.47 1

1 PT ( 1 T T) = PT ( 1) PT PT = =.16 4 Tenendo conto che la probabltà d ottenere 1, e teste è par all unone delle probabltà d tre event elementar che danno vta a rspettv event compost s ha: X (Numero d Testa) P(X).4 1.4 (41 x ) 4 (.47 x ). ) P(X).5.4... 1 ) E X = x p( x ) =.4 + 1.4 + 4 +. =.76 σ µ ( x µ ) p( x ) = E X =.76.4 + 1.76.4 +.76 4 +.76. =.58 µ X µ = E σ = = ( x µ ) p( x ).76.4 + 1.76.4 +.76 4 +.76. = =.7.44 σ.76

ESERCIZIO. S consder l espermento lanco d un dado non truccato. Sa X la varable casuale che assume valore par alla facca uscta; Y la varable casuale che assume valore par al doppo della facca uscta e Z la varable casuale volte la facca uscta meno tre untà. 1) Specfcare le dstrbuzon d probabltà delle tre varabl e rappresentarle grafcamente ) Calcolare valore atteso e varanza usando le defnzon general ) Calcolare valore atteso e varanza usando quanto noto sulla dstrbuzone unforme dscreta SVOLGIMENTO 1) La varable casuale X segue una dstrbuzone unforme. La r rappresentate d seguto n forma tabellare e n forma grafca: X P(X) 1 1/6 1/6 1/6 4 1/6 5 1/6 6 1/6. 5 P(X) 1 4 5 6 La dstrbuzone d probabltà della varable Y=X è: Y P(Y) 1/6 4 1/6 6 1/6 8 1/6 1 1/6 1 1/6. 5 P(Y) 4 6 8 1 1 La dstrbuzone d probabltà della varable Z=X- è:

Z P(Z) 1/6 1/6 6 1/6 9 1/6 1 1/6 15 1/6. 5 P(Z) 6 9 1 15 ) Calcolo del valore atteso per le tre varabl applcando la defnzone: E( X) = xp( x) = 1 + +... + 5 + 6 =.5 6 6 6 6 E( Y) = yp( y) = + 4 +... + 1 + 1 = 7 6 6 6 6 E( Z) = zp( z) = + +... + 1 + 15 = 7.5 6 6 6 6 Calcolo della varanza per le tre varabl applcando la defnzone: σ = E X µ X ( x µ ) p( x ) 1 1 = ( 1.5 ) +... + ( 6.5) 6 6 =.91667 σ = E Y µ Y ( y µ ) p( y ) 1 1 = ( 7 ) +... + ( 1 7) 6 6 = 11.667 ( z µ ) p( z ) Z = E Z σ µ 1 1 = ( 7.5 ) +... + ( 15 7.5) 6 6 = 6.5 ) La varable casuale X è una varable casuale unforme. E possble calcolarne l valore atteso come d seguto ndcato: 4

n + 1 6+ 1 E( X) = = =.5 Sfruttando la lneartà dell operatore valore atteso è facle rcavare d conseguenza l valore atteso delle altre due varabl: E Y = E X = E X =.5= 7 E Z = E X = E X =.5 = 7.5 Sfruttando quanto noto sulla varanza d una varable casuale unforme dscreta s ha: n 1 6 1 σ X = E( X µ ) = = =.91667 1 1 Tenendo noltre conto che se la varable casuale W=aX+b è una combnazone lneare della varable casuale X, s ha: σ = σ = a σ w ax+ b x è possble calcolare la varanza per le altre due varabl casual come segue: σ = σ = σ = 4.91667 = 11.6667 Y x x σ = σ = σ = 9 91667 = 6.5 Z x x 5

ESERCIZIO. S consder l espermento lanco d due dad. Sa X1=X la varable casuale rsultato ottenuto rspettvamente sul prmo e sul secondo lanco, Y la varable casuale somma de puntegg ottenut Y=X 1 +X e Z= X 1 -X la varable casuale dfferenza de puntegg ottenut. 1) Specfcare le dstrbuzon d probabltà e rappresentarle grafcamente ) Calcolare l valore atteso delle quattro varabl ) Calcolare la varanze delle quattro varabl SVOLGIMENTO 1) Le varabl X1 e X seguono una dstrbuzone unforme. Sono rappresentate d seguto n forma tabellare e n forma grafca: X1=X P(X1)=P(X) 1 1/6 1/6 1/6 4 1/6 5 1/6 6 1/6. 5 P(X1)=P(X) 1 4 5 6 Per specfcare la dstrbuzone d probabltà della varable Y (somma de puntegg ottenut su due dad) è possble consderare 6 possbl rsultat (ottenut dal prodotto cartesano de rsultat d ogn sottoprova, vale a dre del lanco d cascun dado). La tabella seguente rappresenta rsultat possbl per l lanco del dado 1 sulle rghe e quell per l dado sulle colonne, l corpo della tabella è ottenuto sommando rspettv rsultat d rga e colonna: Dado 1 Dado 1 4 5 6 1 4 5 6 7 4 5 6 7 8 4 5 6 7 8 9 4 5 6 7 8 9 1 5 6 7 8 9 1 11 6 7 8 9 1 11 1 Dalla tabella precedente s possono calcolare le frequenze de valor che la varable Y può assumere (da a 1) e calcolarne le probabltà. La rappresentazone grafca della dstrbuzone d probabltà è ottenble usando l dagramma ad aste. 6

Y FREQ(Y) P(Y) 1 1/6 1/18 4 1/1 5 4 1/9 6 5 5/6 7 6 1/6 8 5 5/6 9 4 1/9 1 1/1 11 1/18 1 1 1/6. 5 P(Y) 4 5 6 7 8 9 1 11 1 Un analoga tabella può essere costruta per la varable Z (dfferenza de puntegg), calcolando le vare celle della stessa come dfferenza tra rsultat d rga e rsultat d colonna: Dado 1 Dado 1 4 5 6 1-1 - - -4-5 1-1 - - -4 1-1 - - 4 1-1 - 5 4 1-1 6 5 4 1 Da questa s possono calcolare le frequenze de valor che la varable può assumere (che vanno da 5 a + 5), le probabltà assocate a cascuno d tal valor e l dagramma ad aste per la rappresentazone grafca della dstrbuzone d probabltà. Z FREQ(Z) P(Z) -5 1 1/6-4 1/18-1/1-4 1/9-1 5 5/6 6 1/6 1 5 5/6 4 1/9 1/1 4 1/18 5 1 1/6. 5 P(Z) -5-4 - - -1 1 4 5 ) Usando la defnzone d valore atteso s ha: E( X1) = E( X) = xp( x) = 1 + +... + 5 + 6 =.5 6 6 6 6 E possbl sfruttare quanto noto sulla dstrbuzone unforme per ottenere lo stesso rsultato: 7

n + 1 6+ 1 = = = =.5 E( X ) E X 1 Analogamente, per la varable Y, sfruttando la defnzone d valore atteso s ha: E( Y) = yp( y) = + +... + 11 + 1 = 7 6 18 18 6 Sfruttando la lneartà dell operatore meda s poteva ottenere tale rsultato pù velocemente: E Y = E( X + X ) = 7 1 La defnzone d valore atteso per la varable casuale Z da l seguente rsultato: E( Z) = zp( z) = 5 + 4 +... + 4 + 5 = 6 18 18 6 Anche n questo caso la lneartà dell operatore permette d ottenere lo stesso rsultato n manera pù veloce: E Z = E( X X ) = 1 ) Calcolo della varanza per la varable casuale X1 (e X) sfruttando la defnzone d varanza: σ = σ = E X µ X1 X ( 1 ) ( x µ ) p( x ) 1 1 = ( 1.5 ) +... + ( 6.5) 6 6 =.91667 In manera pù veloce è possble calcolare la varanza d X1 e X usando quanto noto sulla dstrbuzone unforme: n 1 σ X = σ 1 X = =.91667 1 Calcolo della varanza per la varable casuale Y=X1+X σ = E Y µ Y ( y µ ) p( y ) 1 1 1 1 = ( 7) + ( 7 ) +... + ( 11 7) + ( 1 7) 6 18 18 6 = 5.8 Essendo le due varabl casual ndpendent la varanza della varable casuale somma delle due varabl può essere calcolata come somma delle varanze: σ = E Y µ = σ + σ = 5.8 Y X1 X 8

Calcolo della varanza per la varable casuale Z=X1-X σ = E Z µ z ( z µ ) p( z ) 1 1 1 1 = ( 5 ) + ( 4 ) +... + ( 4 ) + ( 5 ) 6 18 18 6 = 5.8 Essendo le due varabl casual ndpendent la varanza della varable casuale dfferenza delle due varabl può essere calcolata anche n questo caso come somma delle varanze: σ = E Z µ = σ + σ = 5.8 Z X1 X 9

ESERCIZIO.4 Una compagna asscuratva ha presentato una nuova polzza asscuratva per la copertura d rscho d ncdent sul lavoro per la categora d opera metalmeccanc. La polzza ha le seguent caratterstche: premo annuo da corrspondere 9 e rsarcmento n caso d ncdente par a 1'. L anals de dat storc mostra che la probabltà d ncdent sul lavoro per tale categora d lavorator è par a.. Qual è l guadagno atteso n termn monetar che la compagna asscuratva s attende da un tale tpo d polzza? SVOLGIMENTO La dstrbuzone d probabltà può essere specfcato come d seguto: X P(X) 9.98-971. L asscurazone rceve nfatt un premo par a 9 e paga un premo par a 1 (da cu s deve detrarre l premo pagato). Il guadagno atteso relatvo alla polzza corrsponde al valore atteso della varable casuale sopra rportato ed è par a: E X = x p x = = 9.98 971. 9 1