aces-settembre2013-cartaceo-1 (1)
-
Upload
andrea-griffone -
Category
Documents
-
view
3 -
download
0
description
Transcript of aces-settembre2013-cartaceo-1 (1)
7/17/2019 aces-settembre2013-cartaceo-1 (1)
http://slidepdf.com/reader/full/aces-settembre2013-cartaceo-1-1 1/3
ACES - SETTEMBRE 2013 (cartaceo)
1. Dire quali delle seguenti funzioni e analitica su tutto C:
(a) *1* f (x + iy) = y
(b) *2* f (x + iy) = x2
−y2 + x + 1
−i(2xy + y)
(c) *3* f (x + iy) = x2 + y2
(d) *4* f (x + iy) = x2 − y2 − 2ixy
(e) *5* f (x + iy) = x2 − y2 + x + 1 + i(2xy + y)
2. Lo sviluppo di Taylor della funzione f (z) = ez + i
ez − i, centrato in z0 = 0, ha raggio di convergenza
(a) *1* log 2
(b) *2* π
2
(c) *3* 1
(d) *4* infinito
(e) *5* π
3. La funzione f (z) = e2z − 1
sin2 zha in z0 = 0
(a) *1* una singolarita essenziale
(b) *2* un polo doppio e Resf (0) = 2
(c) *3* un polo semplice e Resf (0) = 2
(d) *4* una singolarita apparente (o eliminabile)
(e) *5* un polo semplice e Resf (0) = 1
4. L’integrale
+∞0
1
x4 + 1 dx vale
(a) *1* π√
2
(b) *2* π
2√
2
(c) *3* √ 2π
(d) *4* π
(e) *5* nessuna delle altre risposte e corretta
5. Si consideri la successione di distribuzioni T n = −δ 0 + n(δ 1/n − δ 0), n ∈ N. Per n → +∞, T n
(a) *1* converge in D a −2δ 0
(b) *2* converge in D a 0
(c) *3* converge in D
a −
δ 0
(d) *4* converge in D a −δ 0 + δ 0
(e) *5* non ha limite in D
1
7/17/2019 aces-settembre2013-cartaceo-1 (1)
http://slidepdf.com/reader/full/aces-settembre2013-cartaceo-1-1 2/3
6. La trasformata di Laplace della distribuzione e2tδ 0 e
(a) *1* 2− s
(b) *2* (s− 2)es−2
(c) *3* s
(d) *4* s − 2
(e) *5* s + 2
7. Sia f (t) una funzione continua a tratti, nulla per t < 0 e soddisfacente |f (t)| ≤ e−2t per ogni t ∈ R.Allora la sua trasformata di Laplace
(a) *1* e analitica per Re s ≤ −2
(b) *2* e analitica per Re s ≥ −2
(c) *3* e analitica solo per Re s > 2
(d) *4* e analitica per Re s < −2
(e) *5* e analitica per Re s >−
2
8. Cosa fa il seguente comando R:> ppois(8.5,9)
(a) *1* Calcola P (X < 9) quando X e poissoniana di media 1/9
(b) *2* Calcola P (X < 8) quando X e poissoniana di media 9
(c) *3* Calcola P (X ≤ 9) quando X e poissoniana di media 1/9
(d) *4* Calcola P (X < 8.5) quando X e poissoniana di media 9
(e) *5* Calcola P (X ≥ 8.5) quando X e poissoniana di media 9
9. Supponiamo che un intervallo di confidenza di livello 90% per la proporzione di difettosi in unprocesso industriale sia (0.51,0.56). La migliore conclusione traibile e che noi stimiamo:
(a) *1* che la proporzione di difettosi del processo sia compresa tra 0.52 e 0.56
(b) *2* che la proporzione di difettosi del processo sia 0.54
(c) *3* che la proporzione di difettosi del processo sia minore di 0.51
(d) *4* che la proporzione di difettosi del processo sia maggiore di 0.56
(e) *5* che la proporzione di difettosi del processo sia minore o uguale a 1
10. La probabilita che Michele vada in montagna nel weekend e 0.3 e la probabilita che prenda ilraffreddore se va in montagna e 0.1. Se non va in montagna, Michele prende il raffreddore duranteil weekend con probabilita 0.08. Dopo il weekend osservo che Michele ha il raffreddore. Allora:
(a) *1* la probabilita che sia andato in montagna e circa il 30%
(b) *2* la probabilita che sia andato in montagna e circa il 50%
(c) *3* la probabilita che sia andato in montagna e circa il 35%
(d) *4* Michele e andato in montagna
(e) *5* Michele non e andato in montagna
2
7/17/2019 aces-settembre2013-cartaceo-1 (1)
http://slidepdf.com/reader/full/aces-settembre2013-cartaceo-1-1 3/3
11. Ad ogni appello, un esame viene superato in media dal 60% degli studenti che lo sostengono.Solo 2 studenti si presentano all’appello. Qual e la probabilita che nessuno di loro superi l’esame,assumendo l’indipendenza tra i due studenti?
(a) *1* pbinom(2,2,0.4) (nel linguaggio R)
(b) *2* 0.16
(c) *3* pbinom(2,2,0.6) (nel linguaggio R)
(d) *4* 0.36
(e) *5* 2× 0.60× 0.4
12. Consideriamo X gaussiana con µ = 1, σ = 0.3. Allora:
(a) *1* la probabilita che X sia minore di 0 e 0.
(b) *2* la probabilita che X sia minore di 0.3 e 1/2.
(c) *3* la probabilita che X sia uguale a 0 e 0.
(d) *4* la probabilita che X sia maggiore di 0 e 0.
(e) *5* la probabilita che X sia minore di 1 e 0.3.
13. Sia X una variabile con densita f (x) = 1/2e−x/2 quando x > 0. Allora
(a) *1* la probabilita che X sia minore di 2 e circa 63%
(b) *2* la probabilita che X sia compreso tra 1 e 2 e circa 40%
(c) *3* la probabilita che X sia maggiore di 2 e circa 1/2
(d) *4* la probabilita che X sia minore di 1 e circa 20%
(e) *5* la probabilita che X sia minore o uguale a 2 e circa 1/2
14. Un modello di regressione multipla viene stimato in R, con il seguente risultato. Selezionare l’unicaaffermazione corretta.
> summary (fit)
Call:
lm(formula = temperatura ~ pressione + altitudine)
Residuals:
Min 1Q Median 3Q Max
-1.6735 -0.6805 0.2203 0.5296 1.3976
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) 146.67290 0.77641 188.91 0.30pressione 0.25260 0.00380 59.14 <2e-16 ***
altitudine -3.54387 5.59487 0.14 0.87
Residual standard error: 0.806 on 29 degrees of freedom
Multiple R-squared: 0.9918, Adjusted R-squared: 0.9915
F-statistic: 3498 on 1 and 29 DF, p-value: < 2.2e-16
(a) *1* la pressione e un fattore probabilmente ininfluente sulla temperatura
(b) *2* l’altitudine e un fattore probabilmente ininfluente sulla temperatura
(c) *3* all’aumentare della pressione diminuisce, in media, la temperatura
(d) *4* all’aumentare dell’altitudine aumenta, in media, la temperatura
(e) *5* l’altitudine e un fattore probabilmente ininfluente sulla pressione
SOLUZIONI: 1e, 2b, 3c, 4b, 5a, 6d, 7e, 8d, 9a, 10c, 11b, 12c, 13a, 14b
3