Note del corso di Analisi II (parte di calcolo delle probabilita' e ...
Note del corso di Analisi II (parte di calcolo delle probabilita' e ...
Note del corso di Analisi II (parte di calcolo delle probabilita' e ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
(iii) Ad ogni pezzo possiamo cercare <strong>di</strong> compensare l’errore utilizzando l’informazione fornita da<br />
tutti i pezzi precedenti.<br />
δ n = δ n−1 + L ∗ − 1 n∑<br />
X k−1 ∀n ≥ 1. (10.11)<br />
n<br />
Questo fornisce<br />
k=1<br />
X n = L + δ n = L + δ n−1 + L ∗ − 1 n∑<br />
X k−1 + W n<br />
n<br />
k=1<br />
(10.1)<br />
= L ∗ − 1 n∑<br />
W k−1 + W n ∀n ≥ 0.<br />
n<br />
k=1<br />
Per il principio <strong>di</strong> compensazione e per la (10.1), Var ( 1 n<br />
∑ nk=1<br />
W k−1 ) = σ 2 /n; quin<strong>di</strong><br />
(10.12)<br />
E(X n ) = L ∗ , Var(X n ) = (1 + 1 n )σ2 ∀n ≥ 0. (10.13)<br />
Conclusioni.<br />
La procedura (i) è la meno onerosa, poiché richiede solo una misurazione ed una regolazione.<br />
La procedura (ii) è ben più onerosa, poiché richiede una misurazione ed una regolazione per ogni<br />
pezzo prodotto, ma non presenta vantaggi rispetto alla (i).<br />
La procedura (iii) è tanto onerosa quanto la (ii), ma al limite per n → ∞ riduce la varianza al<br />
minimo irriducibile σ 2 .<br />
La procedura (ii) è quin<strong>di</strong> svantaggiosa rispetto alle altre due; si <strong>di</strong>ce che presenta un eccesso <strong>di</strong><br />
controllo.<br />
11 Sintesi<br />
Principali Temi Trattati.<br />
Statistica descrittiva. Istogrammi. Me<strong>di</strong>ana, funzione <strong>di</strong> ripartizione e quantili, boxplots. Me<strong>di</strong>a,<br />
varianza, covarianza, momenti. Regressione lineare.<br />
Probabilità. Spazi <strong>di</strong> probabilità Ω e misura <strong>di</strong> probabilità P. Probabilità con<strong>di</strong>zionata. Formula<br />
<strong>del</strong>la probabilità totale (2.3). Formula <strong>di</strong> Bayes. In<strong>di</strong>pendenza <strong>di</strong> eventi.<br />
Calcolo combinatorio. Disposizioni, permutazioni, combinazioni e partizioni.<br />
Variabili aleatorie <strong>di</strong>screte. Variabili aleatorie X e loro leggi P X . Variabili aleatorie <strong>di</strong>screte e<br />
continue. Densità <strong>di</strong> probabilità <strong>di</strong>screta p X . Leggi <strong>di</strong> Bernoulli, binomiale, ipergeometrica, geometrica<br />
e <strong>di</strong> Poisson. Funzione <strong>di</strong> ripartizione per variabili aleatorie <strong>di</strong>screte. Variabili aleatorie congiunte,<br />
loro marginali e rispettive leggi. In<strong>di</strong>pendenza <strong>di</strong> variabili aleatorie <strong>di</strong>screte. Calcoli con densità.<br />
Speranza, varianza, covarianza <strong>di</strong> variabili aleatorie <strong>di</strong>screte. Teorema <strong>di</strong> Chebyshev e teorema dei<br />
gran<strong>di</strong> numeri.<br />
Variabili aleatorie continue. Funzione <strong>di</strong> ripartizione F X e densità f X = F X ′ <strong>di</strong> variabili aleatorie<br />
continue. Quantili. Legge uniforme e legge esponenziale. In<strong>di</strong>pendenza <strong>di</strong> variabili aleatorie continue.<br />
Legge normale. Speranza, varianza, covarianza <strong>di</strong> variabili aleatorie continue. Convergenza in legge e<br />
teorema limite centrale.<br />
Stima <strong>di</strong> parametri. Stimatori e stime puntuali. Stimatori <strong>di</strong> massima verosimiglianza. Stime<br />
intervallari. Confidenza.<br />
Test <strong>di</strong> ipotesi. Ipotesi nulla ed alternativa. Tipi <strong>di</strong> errore. Significatività. p-value.<br />
Principali Leggi Esaminate.<br />
Leggi <strong>di</strong>screte finite: legge uniforme, <strong>di</strong> Bernoulli, binomiale, ipergeometrica:<br />
Unif(n), Ber(p) (= Bin(1, p)), Bin(n, p), Iper(r, b, n).<br />
41