Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004



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

Esercitazione 5 Soluzioni

Esercizi di Probabilità e Statistica

Istituzioni di Statistica e Statistica Economica

Matematica II: Calcolo delle Probabilità e Statistica Matematica

DISTRIBUZIONI DI PROBABILITÀ

Esercizi riassuntivi di probabilità

VARIABILI ALEATORIE CONTINUE

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica

Tutorato di Probabilità e Statistica

TECNICHE DI SIMULAZIONE

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

E naturale chiedersi alcune cose sulla media campionaria x n

Facciamo qualche precisazione

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

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

Relazioni statistiche: regressione e correlazione

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

La variabile casuale Binomiale

Elementi di Psicometria con Laboratorio di SPSS 1

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

Esercitazioni di Statistica

LE FUNZIONI A DUE VARIABILI

La distribuzione Normale. La distribuzione Normale

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

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

Esercizi di Probabilità e Statistica

Esercizio 1. Svolgimento

La distribuzione Gaussiana

Sistemi di Servizio e Simulazione

1. Distribuzioni campionarie

ELEMENTI DI STATISTICA

Metodi e Modelli Matematici di Probabilità per la Gestione

Statistica inferenziale

1 Modelli di variabili aleatorie continue


Esercizi test ipotesi. Prof. Raffaella Folgieri aa 2009/2010

Metodi statistici per le ricerche di mercato

Nel seguito sono riportati due esercizi che si possono risolvere con la formula di Erlang e le relative risoluzioni.

Esercitazioni 2013/14

Corso di Automazione Industriale 1. Capitolo 4

Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno , Prof. Mortera

Teoria delle scorte. Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio

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

Politecnico di Milano - Scuola di Ingegneria Industriale. I Prova in Itinere di Statistica per Ingegneria Energetica 9 maggio 2013

Logaritmi ed esponenziali

VERIFICA DELLE IPOTESI

Elementi di Psicometria con Laboratorio di SPSS 1

Matematica generale CTF

EQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6

IL PROBLEMA DELLE SCORTE

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue

STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio Modelli continui di probabilità: la v.c. uniforme continua

1.5. ISTOGRAMMA 17. Figura 1.3: Istogramma ottenuto mediante campionamento da VA Gaussiana (η x =0, σ 2 X =1).

Funzioni. Funzioni /2

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

SPC e distribuzione normale con Access

MATEMATICA p = 4/6 = 2/3; q = 1-2/3 = 1/3. La risposta corretta è quindi la E).

1 Serie di Taylor di una funzione

Test statistici di verifica di ipotesi

Calcolo delle Probabilità

Probabilità e Statistica ESERCIZI. EsercizioA3 Data la variabile aleatoria normale standard Z, si calcoli la probabilità

LA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1

Regressione Logistica: un Modello per Variabili Risposta Categoriali

F (x) = f(x) per ogni x I. Per esempio:

Indice. 1 Introduzione alle Equazioni Differenziali Esempio introduttivo Nomenclatura e Teoremi di Esistenza ed Unicità...

Funzioni. Parte prima. Daniele Serra

Matematica finanziaria: svolgimento prova di esame del 21 giugno 2005 (con esercizio 1 corretto)

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da

La funzione è continua nel suo dominio perchè y = f(x) è composizione di funzioni continue. Il punto x = 0 è un punto isolato per D f.

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in

Corso di Analisi Matematica. Polinomi e serie di Taylor

Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).

Facoltà di Psicologia Università di Padova Anno Accademico

MINIMI QUADRATI. REGRESSIONE LINEARE

Prova di autovalutazione Prof. Roberta Siciliano

(concetto classico di probabilità)

Histogram of C1 Normal

CENNI DI METODI STATISTICI

ELEMENTI DI CALCOLO DELLE PROBABILITA

Statistical Process Control

COEFFICIENTI BINOMIALI

INTEGRALI: alcuni esercizi con svolgimento

2. Limite infinito di una funzione in un punto

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

Cosa dobbiamo già conoscere?

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

Matematica 1 - Corso di Laurea in Ingegneria Meccanica

EQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1.

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)

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica

RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007

Analisi di dati di frequenza

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

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).

STUDIO DI UNA FUNZIONE

Approssimazione polinomiale di funzioni e dati

Ulteriori problemi di fisica e matematica

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

Algoritmi e Strutture Dati II: Parte B Anno Accademico Lezione 11

Transcript:

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità 1/2, 1/3 e 1/ rispettivamente. 1. Calcolare la probabilità che tutte funzionino per tutto l anno. 2. Calcolare la probabilità che almeno una di esse si guasti durante l anno. 3. Calcolare la probabilità che almeno una di esse funzioni per tutto l anno. Soluzione. Sia, per ogni i = 1, 2, 3, A i = {l apparecchiatura M i si guasta in un anno}. 1. La probabilità cercata è P(A c 1 A c 2 A c 3) = (1 P(A 1 ))(1 P(A 2 ))(1 P(A 3 )) = 1/. 2. In questo caso si vuole calcolare P(A 1 A 2 A 3 ) che, utilizzando il punto precedente risulta P(A 1 A 2 A 3 ) = 1 P(A c 1 A c 2 A c 3) = 3/. 3. In questo caso dobbiamo calcolare P(A c 1 A c 2 A c 3) = 1 P(A 1 A 2 A 3 ) = 23/2 = 0.983. Esercizio 2 Un commerciante di fagioli secchi riempie le confezioni con una macchina che non funziona molto bene, e dichiara che ogni confezione contiene 200g di fagioli. In realtà, il peso dei fagioli è una v.a. normale con media 200g e deviazione standard 9g. Se una scatola contiene 6 confezioni di fagioli, determinare la probabilità che: 1. il peso medio delle confezioni di una scatola sia inferiore a 19g; 2. il peso di una scatola sia almeno 110 g; 3. su di una partita di 100 confezioni più di 60 siano sottopeso. Soluzione. Il peso di una singola confezione è X N (200, 9 2 ) = N (200, 81). 1

1. Il peso medio è X N (200, 81/6) = N (200, 13.). Quindi viene richiesto di calcolare: ( ) X 200 19 200 P (X 19) = P = P (Z 1.36) 13. 13. = 1 Φ(1.36) = 1 0.9131 = 0.0869. 2. Il peso di una scatola è S 6 = X 1 + + X 6 N (6 200, 6 81) = N (1200, 86). Dunque dobbiamo calcolare: ( ) S6 1200 110 1200 P (S 6 110) = P = P (Z 2.26) 86 86 = Φ(2.26) = 0.9881. 3. La probabilità che una confezione sia sottopeso è 1/2, per simmetria. Il numero di confezioni sottopeso su 100 è una variabile binomiale Y con parametri n = 100 e p = 1/2. Per il teorema limite centrale Y N (0, 2). Viene richiesto di calcolare: P (Y > 60). Applicando la correzione di continuità: ( ) Y 0 60. 0 P (Y > 60) = P (Y > 60.) = P > = P (Z > 2.1) = 1 Φ(2.1) = 1 0.9821 = 0.0179. Senza correzione di continuità: ( Y 0 P (Y > 60) = P > ) 60 0 = P (Z > 2) = 1 Φ(2) = 1 0.9772 = 0.0228. Esercizio 3 Sia X una variabile aleatoria con densità con c costante opportuna. 1. Determinare c. 2. Si calcoli P (X > 1/2) e E(X). f X (x) = c x 3 (1 x), x [0, 1], 2

3. Determinare la funzione di ripartizione (ovvero la cdf) di X. Soluzione. 1. Deve essere 1 = 1 0 cx3 (1 x)dx, da cui [ x 1 = c x e quindi c = 20. ] 1 0 = c 20 2. P (X > 1/2) = 1 1/2 20x3 (1 x)dx = 13/16 = 0.812. E(X) = 1 0 x f X(x) dx = 2/3. 3. F X (x) = x f X(t)dt. Quindi F X (x) = 0 x 0 ( ) x F X (x) = 0 20t3 x (1 t)dt = 20 x = x x 0 < x < 1 F X (x) = 1 x 1. Esercizio Un rilevatore è in grado di rilevare tutte le particelle γ che lo colpiscono ma si danneggia se viene colpito da (almeno) una particella α. Si sa che il numero di particelle γ rilevabili dall apparecchio in un secondo è una variabile aleatoria X 1 di Poisson di media, mentre il numero di particelle α che possono colpire l apparecchio in un secondo è descritto da una variabile Y 1, indipendente da X 1, anch essa di Poisson ma con media 3. 1. Se attiviamo contemporaneamente tre rilevatori indipendenti, qual è la probabilità che dopo 1 secondo esattamente due di essi siano stati danneggiati? 2. Determinare la legge del primo istante in cui l apparecchio viene colpito da una particella α. Qual è il suo valore medio? 3. Qual è la probabilità che in un intervallo di tempo [0, t] l apparecchio rilevi almeno una particella γ senza essere danneggiato dalle particelle α? Mostrare che il valore di t che massimizza tale probabilità è t = 1 log(7/3). 3

Soluzione. Chiamiamo X t e Y t il numero di arrivi di particelle γ e rispettivamente α nell intervallo di tempo [0, t]. Per ogni t, X t Poi(t) e Y t Poi(3t). 1. Scelto un apparecchio, la probabilità che questo venga danneggiato in 1 secondo è P(X 1 1) = 1 P(X 1 = 0) = 1 exp( 3) = 0.9. Il numero di rilevatori danneggiati su 3 è una binomiale W di parametri (3, 0.9). Quindi dobbiamo calcolare: ( ) 3 P (W = 2) = (0.9) 2 (0.0) = 0.13. 2 2. La legge dell istante T α dell arrivo della prima particella α è esponenziale con parametro 3; pertanto il suo valore medio è 1/3. 3. La probabilità cercata è, utilizzando l ipotesi di indipendenza, g(t) : = P(X t 1, Y t = 0) = P(X t 1)P(Y t = 0) = (1 exp( t)) exp( 3t) per ogni t > 0 (mentre è evidentemente nulla se t 0). La funzione g è differenziabile in t > 0 pertanto il punto di massimo t 0 dovrà soddisfarel equazione g (t 0 ) = 0 cioè 0 = g (t 0 ) = 3(1 exp( t 0 )) exp( 3t 0 ) + exp( t 0 ) exp( 3t 0 ) che ha soluzione t 0 = 1 ln 7 3 = 0.2118 che deve essere necessariamente un punto di massimo poiché g ha limite 0 ai bordi dell intervallo (0, ) ed è positiva all interno. Esercizio La durata di un certo tipo di lampadina è una v.a. esponenziale con media 100 ore. 1. Qual è la probabilità che una lampadina duri meno di 300 ore? Date n lampadine, qual è la probabilità che durino tutte meno di 300 ore? 2. Quante lampadine sono necessarie per essere sicuri al 9% di avere almeno 300 ore di luce se le lampadine vengono accese tutte contemporaneamente? (Suggerimento: passare al complementare e usare il punto 1)

3. Quante lampadine sono necessarie per essere sicuri al 9% di avere 3000 ore di luce se si usa una lampadina finché non si esaurisce, poi si sostituisce con un altra e così via? Soluzione. Durata di una lampadina = X Exp(1/100). 1. P (X 300) = 1 e 300/100 = 1 e 3 = 0.9. Per l indipendenza, la seconda probabilità richiesta è [P (X 300)] n = [1 e 3 ] n. 2. Supponendo di accendere contemporaneamente n lampadine, dobbiamo calcolare la probabilità dell evento A = {almeno una dura più di 300 ore}. L evento complementare A c è {nessuna lampadina dura più di 300 ore} = {tutte durano meno di 300 ore}. P (A c ) = [1 e 3 ] n è stato calcolato nel punto 2. Ne segue: P (A) = 1 [1 e 3 ] n. Vogliamo P (A) 9%, quindi 1 [1 e 3 ] n 0.9, [1 e 3 ] n 0.0, n ln(1 e 3 ) ln 0.0, n 8.66 ovvero n 9. 3. Sia n il numero di lampadine che vengono accese una dopo l altra e siano X 1,..., X n le rispettive durate, con somma S = X 1 + + X n. Per il Teorema Limite Centrale, S ha approssimativamente distribuzione N (n 100, n (100) 2 ). Vogliamo che la seguente probabilità ( S 3000n P (S 3000) = P 100 n ) ( 3000 100n 100 = P Z 30 n ) n n sia superiore a 0.9. Dalla tabella, vediamo che P (Z t) 0.9 è soddisfatto per t 1.6, quindi poniamo 30 n n 1.6 Questa disequazione è soddisfatta per n 0., cioè n 1.