Funzioni di densità (o di probabilità) congiunte.

Slides:



Advertisements
Presentazioni simili
Elementi di calcolo delle probabilità
Advertisements

Le distribuzioni di probabilità continue
2. Introduzione alla probabilità
Definizione di probabilità, calcolo combinatorio,
Variabili aleatorie discrete e continue
La probabilità.
Capitolo 8 Sistemi lineari.
Autovalori e autovettori
Corsi Abilitanti Speciali Classe 59A III semestre - 3
DISEQUAZIONI Si dice disequazione una disuguaglianza tra due funzioni eventualmente verificata per particolari valori attribuiti alla variabile che vi.
COORDINATE POLARI Sia P ha coordinate cartesiane
1 2. Introduzione alla probabilità Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari : è linsieme.
5) IL CAMPIONE CASUALE SEMPLICE CON RIPETIZIONE
2.VARIABILI CONTINUE A. Federico ENEA; Fondazione Ugo Bordoni Scuola estiva di fonetica forense Soriano al Cimino 17 – 21 settembre 2007.
Variabili casuali a più dimensioni
Fondamenti della Misurazione
Introduzione alle curve ellittiche
Inferenza Statistica Le componenti teoriche dell’Inferenza Statistica sono: la teoria dei campioni la teoria della probabilità la teoria della stima dei.
Definizioni di probabilità
Chiara Mocenni - Sistemi di Supporto alle Decisioni I – aa Sistemi di Supporto alle Decisioni I Lezione 7 Chiara Mocenni Corso di laurea L1.
Funzione di distribuzione (detta anche cumulativa o di ripartizione)
1 Istruzioni, algoritmi, linguaggi. 2 Algoritmo per il calcolo delle radici reali di unequazione di 2 o grado Data lequazione ax 2 +bx+c=0, quali sono.
3. Processi Stocastici Un processo stocastico è una funzione del tempo i cui valori x(t) ad ogni istante di tempo t sono v.a. Notazione: X : insieme di.
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 11.
STATISTICA A – K (60 ore) Marco Riani
VARIABILI DOPPIE: UN ESEMPIO
VARIABILI ALEATORIE Sono presentate di seguito le nozioni di:
Inferenza statistica per un singolo campione
Le Variabili Casuali Corso di Teoria dell’Inferenza Statistica 1
Apprendimento Automatico: Apprendimento Probabilistico Roberto Navigli 1 Apprendimento Automatico: Apprendimento Bayesiano.
Valutazione delle ipotesi
DISTIBUZIONE BINOMIALE
Processi Aleatori : Introduzione – Parte I
Corso di biomatematica Lezione 2: Probabilità e distribuzioni di probabilità Davide Grandi.
Corso di biomatematica Lezione 3: Distribuzioni di probabilità continue Davide Grandi.
Impostazione Assiomatica del Calcolo della Probabilità
Lezione 8 Numerosità del campione
Num / 36 Lezione 9 Numerosità del campione.
Lezione 4 Probabilità.
Teoria degli errori.
Corso di biomatematica lezione 8: Massima verosimiglianza Davide Grandi.
REGOLE DEL CALCOLO DELLE PROBABILITA’
QUALCHE LUCIDO DI RIPASSO… 1. Esperimento casuale ( e. aleatorio) risultato Esperimento condotto sotto leffetto del caso: non è possibile prevederne il.
1.PROBABILITÀ A. Federico ENEA; Fondazione Ugo Bordoni Scuola estiva di fonetica forense Soriano al Cimino 17 – 21 settembre 2007.
Unità 2 Distribuzioni di probabilità Misure di localizzazione Misure di variabilità Asimmetria e curtosi.
Errori casuali Si dicono casuali tutti quegli errori che possono avvenire, con la stessa probabilità, sia in difetto che in eccesso. Data questa caratteristica,
Lancio dadi Analisi probabilità esito somme varie.
Le variabili casuali e la loro distribuzione di probabilità Generalmente, lanciando un dado, si considera il valore numerico della faccia uscita.
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
Impostazione Assiomatica del Calcolo della Probabilità
Cap. 15 Caso, probabilità e variabili casuali Cioè gli ingredienti matematici per fare buona inferenza statistica.
è … lo studio delle caratteristiche di regolarità dei fenomeni casuali
Introduzione al metodo Monte Carlo
Insiemi numerici e funzioni
Martina Serafini Martina Prandi
redditività var. continua classi di redditività ( < 0 ; >= 0)
Calcolo delle probabilità a cura di Maurizio Brizzi
Def : uno stimatore è una statistica T n le cui determinazioni servono a fornire delle stime del parametro ignoto  della v.c. X in cui sono state effettuate.
Master in Neuropsicologia ClinicaElementi di Statistica I 17 maggio / 23 Analisi bivariata Per ogni unità statistica si considerano congiuntamente.
2) PROBABILITA’ La quantificazione della ‘possibilità’ del verificarsi di un evento casuale E è detta probabilità P(E) Definizione classica: P(E) è il.
La variabile casuale (v.c.) è un modello matematico in grado di interpretare gli esperimenti casuali. Infatti gli eventi elementari  che compongono lo.
PROBABILITÀ Corsi Abilitanti Speciali Classe 59A III semestre - 2.
Eventi aleatori Un evento è aleatorio (casuale) quando non si può prevedere con certezza se avverrà o meno I fenomeni (eventi) aleatori sono studiati.
Definizione Si dice che la variabile z è una funzione reale di due variabili x e y, nell’insieme piano D, quando esiste una legge di natura qualsiasi che.
Elementi di teoria delle probabilità
In alcuni casi gli esiti di un esperimento possono essere considerati numeri naturali in modo naturale. Esempio: lancio di un dado In atri casi si definisce.
1 DISTRIBUZIONI DI PROBABILITÁ. 2 distribu- zione che permette di calcolare le probabilità degli eventi possibili A tutte le variabili casuali, discrete.
1 VARIABILI CASUALI. 2 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l’esito.
1 TEORIA DELLA PROBABILITÁ. 2 Cenni storici i primi approcci alla teoria della probabilità sono della metà del XVII secolo (Pascal, Fermat, Bernoulli)
Teoria dei Sistemi di Trasporto Tematica 4: Elementi minimi di teoria della probabilità.
Transcript della presentazione:

Funzioni di densità (o di probabilità) congiunte. Nel caso in cui su uno stesso spazio campionario W si definiscono più funzioni allora si è in presenza di v.c. multiple. Dato uno spazio campionario W, riferito ad un dato esperimento, supponiamo di costruire: - una prima regola, X, che associa ad ogni elemento di W un numero reale, x; - una seconda regola, Y, che associa ad ogni evento di W un numero reale, y; successivamente, calcoliamo le probabilità del contemporaneo verificarsi delle coppie (x,y).

dove È la probabilità del contemporaneo verificarsi della coppia di modalità (xi,yj). Inoltre, Sono le probabilità marginali, rispettivamente, di X e di Y.

Def. Si chiama funzione di probabilità congiunta delle v. c Def. Si chiama funzione di probabilità congiunta delle v.c. discrete X ed Y la funzione Che soddisfa le seguenti proprietà

Da p(x,y) è possibile determinare le f. di p Da p(x,y) è possibile determinare le f. di p. marginali di X e di Y, cioè E quelle condizionate

Si chiama funzione di densità congiunta delle v.c. continue X e Y avente le seguenti proprietà

Condizione di indipendenza Def. 24. Due v.c. X ed Y sono indipendenti se e solo se una delle seguenti condizioni è soddisfatta

Momenti misti di ordine k+m Def. 25. Siano X ed Y due v.c. con fd ( o fp) congiunta f(x,y), è chiamato momento misto di ordine k+m la quantità: nel caso continuo. nel caso discreto.

Analogamente, i momenti misti della v.c. scarto sono nel caso continuo. nel caso discreto.