Copyright Michele Tartara
|
|
- Marcello Ferrari
- 5 anni fa
- Visualizzazioni
Transcript
1 File distribuito co liceza Creative Commos BY-NC-SA.5 IT Copyright Michele Tartara Parte 1. Ifereza parametrica Alcue formule e proprietà utili: Fuzioe di ripartizioe: F X = P X x Desità: f X x = F X = P X = x x R P X > x = 1 P X x P x < X y = P X y P X x 1. Probabilità 1.1. Proprietà del valore atteso. 1 Se P X = c = 1 allora EX = c EaX = aex 3 EX + a = EX + a 4 EgX + hx = EgX + EhX se h e g soo fuzioi tali che EgX e EhX esistoo 5 EXY = EXEY se X e Y soo idipedeti. 1.. Proprietà della variaza. 1 V arax = a V arx V arx + β = V arx co β R 3 V arv = EV E V = E[V µ ] co µ := EV 4 V arx + Y = V arx + V ary + CovX, Y co CovX, Y = E[X EXY EY ]. Nel caso di variabili X e Y idipedeti, si riduce a V arx + Y = V arx + V ary. 5 Se X = cost allora V arx = Proprietà della ormale. 1 Se X Nµ X, σ X e Y Nµ Y, σ Y e X Y allora ax + by Naµ X + bµ Y, a σ X + b σ Y Se X Nµ, σ allora ax + b Naµ + b, a σ 1.4. Proprietà della ormale stadard N0, 1. φ : R [0, 1] è la fuzioe di ripartizioe della ormale stadard z : [0, 1] R è il quatile della ormale stadard, cioè la fuzioe opposta di φ. 1 φ x = 1 φx. Mometi Deitio.1. Data ua variabile aleatoria X, il mometo -esimo di X è il umero reale µ := EX Remark. Il mometo primo equivale al valor medio di X: µ 1 = EX. Il mometo secodo e il mometo primo assieme deiscoo la variaza: VarX = µ µ 1 = EX EX Ua distribuzioe di probabilità è completamete determiata dai suoi mometi Deitio.. Sia X ua variabile aleatoria. La fuzioe geeratrice dei mometi M X di X è deita come M X t := Ee tx = e tx dp X x per tutti i valori di t per cui l'espressioe ha seso. dp X x è la desità di probabilità di X. Propositio.3. La fuzioe geeratrice dei mometi prede questo ome perchè a partire da essa è possibile otteere per diereziazioe el puto t = 0 tutti i mometi di X secodo la formula [ d µ = EX = M X t] dt sotto la codizioe che Ee ε X esista per qualche ε > 0 se questa codizioe vale, esistoo tutti i mometi di X. Deitio.4. Se X e Y soo variabili aleatorie idipedeti e S = X + Y allora M S t = M X tm Y t per ogi t per cui il membro a destra ha seso. 1 t=0
2 File distribuito co liceza Creative Commos BY-NC-SA.5 IT Copyright Michele Tartara 3. Famiglia delle desità gamma Deitio 3.1. Si dice che ua variabile aleatoria X ha desità gamma di parametri a, β etrambi > 0 e si scrive X Γa, β se la fuzioe di ripartizioe della variabile è fx, a, β = 1/βa Γa e x/β x a 1 1 0, x I particolare, Γa assume la forma data dalla deizioe seguete. Deitio 3.. L'itegrale gamma Γa è Γa = 0 e x x a 1 dx, a > 0 Note. La otazioe Γa si riferisce all'itegrale gamma, metre Γa, β alla desità gamma. Proprietà di Γa: 1 Valori particolari: Γ1 = 1 e Γ1/ = π Derivado per parti Γa + 1, si ottiee:γa + 1 = aγa 3 Se a è u umero aturale 1, allora Γ + 1 =! N Propositio 3.3. X Γa, β ha fuzioe geeratrice dei mometi Mt = E e tx = Si ha ioltre EX = aβ, EX = aa + 1β e VarX = aβ 3.1. Proprietà di Γa, β. Sia X Γa, β. 1 1 βt a 1 Se c > 0 e Y = cx allora Y Γa, cβ Se X e Y soo v.a. idipedeti e Y Γc, β allora X + Y Γa + c, β 3 Se c > 0 vale ache l'iverso della precedete, cioè da Y Γc, β e X +Y Γa+c, β si può ricavare X Γa, β. 3.. La distribuzioe espoeziale. La desità espoeziale Expβ = Γ1, β è u caso particolare della desità gamma. Assume la seguete forma: Expβ = 1 { β exp x } I 0,+ x β e la sua FDR è dove β è il parametro che caratterizza l'espoeziale. F X x = P X x = 1 e y β 3.3. Distribuzioe chi quadro. La desità chi quadro a gradi di libertà è u sottocaso della distribuzioe gamma: χ = Γ,. Già sappiamo che se X N0, 1 allora X χ 1. Si dimostra ioltre che, i tal caso, i=1 X i χ 3.4. Distribuzioe F di Fisher. Si suppoga di avere U e V variabili aleatorie co distribuzioe χ co rispettivamete m e gradi di libertà. Se U e V soo statisticamete idipedeti, la statistica U/m V/ ha distribuzioe F co m gradi al umeratore e gradi al deomiatore, la cui desità è f F x = Γ m+ m m/ Γ m m Γ x m m+ x Il suo graco assomiglia a quello di ua χ ma co picco più alto e più schiacciato lugo l'asse x. Se X 1,..., X m Nµ X, σ X e Y 1,..., Y Nµ X, σ X soo idipedeti e S è lo stimatore della variaza, allora S X /σ X S Y /σ Y ha distribuzioe F co m 1 gradi di libertà al umeratore e 1 al deomiatore Proprietà. V F m, 1 V F,m
3 File distribuito co liceza Creative Commos BY-NC-SA.5 IT Copyright Michele Tartara 3 4. Fuzioe di verosimigliaza Deitio 4.1. La fuzioe di verosimigliaza Likelihood fuctio di variabili aleatorie X 1,..., X è data dalla fuzioe di desità cogiuta di X 1,..., X cosiderata come fuzioe di θ. Se X 1,..., X è u campioe casuale estratto dalla desità fx, θ, θ Θ, la fuzioe di verosimigliaza è θ L θ x 1,..., x = fx j, θ 5. Stimatori Deitio 5.1. Siao X 1,..., X i.i.d. fx, θ, θ Θ, e κθ ua caratteristica della popolazioe. Uo stimatore di κθ, basato sul campioe X 1,..., X è ua statistica T = gx 1,..., X usata per stimare κθ. Il valore assuto da uo stimatore T di κθ è detto stima di κθ. Uo stimatore, quidi, è ua statistica che permette di stimare ua quatità a partire dalla sola coosceza dei campioi. Deitio 5.. Si dice distorsioe bias di uo stimatore il valore atteso dell'errore commesso ella stima j=1 biast = ET θ = ET θ Perciò uo stimatore co bias pari a zero si dice o distorto: Deitio 5.3. Ua statistica T che ammette media per ogi θ i Θ è detta stimatore o distorto o corretto ubiased della caratteristica κθ se E θ T = κθ θ Θ La media campioaria è stimatore o distorto della media teorica. La variaza campioaria è stimatore o distorto della variaza teorica. Note 5.4. Combiazioi lieari di stimatori o distorti dao origie a stimatori o distorti. La qualità di uo stimatore è misurata tramite il suo errore quadratico medio: Deitio 5.5. Si deisce errore quadratico medio Mea Square Error il valore MSE := E [ T θ ] che, tramite le proprietà del valore atteso e della variaza 1, si dimostra essere I particolare, se T è uo stimatore o distorto, si ha MSE = V art + bias T MSET = V art Deitio 5.6. Si dice cosistete i media quadratica uo stimatore T di κθ il cui MSE tede a 0 al crescere del umero di campioi, cioè tale che dove è il umero di campioi. lim E[T κθ ] = 0 θ Θ Dal puto di vista pratico, per vericare la cosisteza i media quadratica è coveiete vericare le due segueti codizioi: lim E θt = κθ lim V ar θt = 0 Deitio 5.7. Sia X 1,..., X ua successioe di variabili aleatorie i.i.d. co comue desità fx, θ co θ Θ e sia T ua statistica fuzioe solo delle osservazioi. La successioe {T } è asitoticamete gaussiaa co media asitotica µ θ e variaza asitotica σθ se lim P T µ θ z = φz z R σ Questa proprietà è utile el caso di gradi campioi, per poter approssimare lo stimatore T co ua gaussiaa. 1 E[T θ ] = E[T + θ T θ] = E[T ] + θ θe[t ] + E [T ] E [T ] = E[T ] E [T ] + E [T ] + θ θe[t ] = V art bias T {z } {z } V art E[T ] θ =bias T
4 File distribuito co liceza Creative Commos BY-NC-SA.5 IT Copyright Michele Tartara Stimatori a massima verosimigliaza. Deitio 5.8. Siao X 1,..., X u campioe casuale co fuzioe di verosimigliaza L θ, θ Θ, x 1,..., x ua realizzazioe campioaria e gx 1,..., x u valore i Θ tale che L gx1,...,x x 1,..., x = max θ Θ L θx 1,..., x La statistica ˆθ = gx 1,..., X è detta stimatore di massima verosimigliaza di θ. Per idicare ˆθ useremo l'acroimo ML Maximum Likelihood o MLE Maximum Likelihood Estimator. Geeralmete, per semplicare alcui coti, quado si calcola uo stimatore a massima verosimigliaza si preferisce itrodurre il logaritmo di L. Lo stimatore risulta quidi essere ˆθ : log L θ = 0 Lo stimatore di ua caratteristica κθ dipedete dalla quatità θ stimata da ˆθ è dato da κˆθ. Lo stimatore di massima verosimigliaza di ua distribuzioe espoeziale è la media campioaria: ˆθX1,..., X = X. Lo stimatore di massima verosimigliaza di ua distribuzioe di Poisso è la media campioaria. 5.. Stimatori UMVUE. Deitio 5.9. Uo stimatore T che gode delle proprietà 1 T è o distorto per κθ V ar θ T V ar θ T per ogi θ e per ogi stimatore T o distorto e a variaza ita è detto stimatore o distorto a variaza uiformemete miima Uiform Mimium Variace Ubiased Estimator, o stimatore UMVUE. Remark Proprietà degli stimatori UMVUE Uicità: se lo stimatore UMVUE esiste, è uico. Simmetria: Sia T = gx 1,..., X UMVUE, allora P θ gx1,..., X = gx π1,..., X π = 1 per ogi permutazioe π di {1,..., }. Nosese: Lo stimatore UMVUE potrebbe esistere ma essere isesato. θ Θ Disuguagliaza di Fréchet-Cramer-Rao. È possibile trovare u coe iferiore lower boud della variaza ella classe di tutti gli stimatori o distorti che sia fuzioe solo della caratteristica da stimare κθ e del modello statistico mediate la verosimigliaza L θ. È ache possibile costruire uo stimatore che abbia variaza coicidete co esso. Tale stimatore sarà lo stimatore UMVUE. Il lower boud e lo stimatore possoo essere trovati tramite la disuguagliaza di Fréchet-Cramer-Rao, V ar θ T κ θ θ Θ Iθ deita dall'omoimo teorema: Theorem Sia X 1,..., X u campioe aleatorio dalla famiglia di desità fx, θ a parametro reale θ Θ R perchè dovremo derivarlo. Sia κθ la caratteristica da stimare e T = gx 1,..., X lo stimatore o distorto per κθ a variaza ita. Suppoiamo che valgao le segueti ipotesi dette di regolarità: 1 Θ itervallo aperto di R S = {x : fx, θ > 0} o dipede da θ NB: S è il supporto 3 θ fx, θ è diereziabile i Θ, x 4 E θ [ θ log fx 1, θ ] = 0, θ 5 Deve essere: 0 < Iθ < +, θ, co Iθ = E θ [ θ log fx 1, θ ] che è detta iformazioe di sher Note 5.1. Se la 4 è vericata, allora Iθ = V ar [ θ log fx 1, θ ], perché V ar[x] = E[X ] E[X], ma per la 4 E[X] = 0. 6 κ è diereziabile i Θ e κ θ = E [ T θ log Lθ; X 1,..., X ] θ Θ, dove L è la fuzioe di verosimigliaza. Allora: V art κ θ Iθ, θ Θ Note I modelli Espoeziale, Gaussiao e di Poisso soddisfao le ipotesi di Fréchet-Cramer-Rao. Deitio Uo stimatore T di κθ o distorto la cui variaza raggiuge il coe iferiore di Fréchet- Cramer-Rao è detto eciete e V art = κ θ Iθ.
5 File distribuito co liceza Creative Commos BY-NC-SA.5 IT Copyright Michele Tartara 5 Nel caso i cui κθ = θ, allora V art = 1 Iθ. Uo stimatore eciete è ache UMVUE. Codizioe ecessaria e suciete perchè uo stimatore sia eciete è che θ log Lθ, X 1,..., X = a, θt κθ cioè che la derivata i θ del logaritmo della fuzioe di verosimigliaza sia ua fuzioe lieare di T κθ, co κθ quatità da stimare e T stima di κθ. 6. Media e variaza campioarie Deitio 6.1. Data ua serie di variabili aleatorie X 1,..., X la media campioaria è deita come X = X è uo stimatore putuale o distorto del valore atteso µ, i quato EX = µ Deitio 6.. La variaza campioaria è deita come S := 1 1 j=1 X j X = P j=1 X j X 1. P i=1 Xi. S è uo stimatore putuale della variaza σ. ES = σ perchè E j=1 X j X = 1σ quidi, poichè i media assume il valore corretto, viee deito stimatore o distorto della variaza Distribuzioi di media e variaza campioarie di popolazioe gaussiaa. Propositio 6.3. Sia X 1,..., X u campioe casuale gaussiao dalla f.d.r. Nµ, σ. Per ogi µ R e per ogi σ > 0 1 X Nµ, σ le statistiche S e X soo idipedeti. 3 1S /σ χ 1 Questo sarà utile come statistica test per calcolare gli itervalli di codeza per la variaza. 4 La statistica X µ S/ dove S = S ha desità t di studet co 1 gradi di libertà. Questo è utile i quato X µ S/ è la media campioaria ormalizzata da usare come statistica test per la media quado la variaza è icogita, e quidi stimata da S. Cooscedoe la distribuzioe, possiamo sfruttare le tavole per lavorare co questa statistica. 6.. t di Studet. Deitio 6.4. Siao Z e Y due v.a. idipedeti. Sia Z N 0, 1 e Y χ k. Z Si dice che è distribuita secodo ua t di Studet co k gradi di libertà, cioè t k. Tale distribuzioe ha desità: Y k f k t = Γ k+1 1 kπγ k 1 + t k k+1 che è simile ad ua gaussiaa, ma co code più alte. Quado k +, la distribuzioe t si avvicia sempre più ad ua ormale. t R 7. Itervalli di cofideza Gli stimatori putuali o soo particolarmete iteressati i quato è ulla la probabilità che assumao il vero valore icogito della variabile da stimare. Ad esempio, el caso della media campioaria stimatore della media P µ,σ X = c = 0, c R, µ R, σ > 0 Possiamo tuttavia calcolare, a priori e idipedetemete dalla realizzazioe campioaria, co u certo grado di ducia u itervallo all'itero del quale adrà co buoa approssimazioe a cadere il valore cercato. Per trovare itervalli di codeza bilateri di livello γ100% si usa la seguete formula: Pa < T < b = γ dove T è la statistica test opportua e a e b soo quatili di tale statistica test. Tale formula dovrà essere risolta i fuzioe della quatità per la quale si cerca l'itervallo Per la media. Per la media si usa come statistica test x µ0 σ/ N 0, 1 se la variaza σ è ota, oppure x µ0 s/ t 1, co s variaza campioaria, se la variaza è icogita.
6 File distribuito co liceza Creative Commos BY-NC-SA.5 IT Copyright Michele Tartara Per la variaza. µ icogita Per trovare u itervallo di codeza si parte dalla quatità aleatoria determiare soo a e b tali che P µ,σ a < S 1 σ < b = γ. a e b soo quatili di ua f.d.r. χ 1. Si presetao diversi casi: 1 [a = 0] b = χ 1γ S 1 σ χ 1. Ciò che si vuole Deitio 7.1. Sia γ 0, 1 e sia s il valore assuto da S i corrispodeza della realizzazioe campioaria x 1,..., x di u campioe casuale estratto da ua popolazioe Nµ, σ. Allora s 1 χ, + 1 γ dove χ 1γ è il quatile di ordie γ della f.d.r χ 1 è u itervallo di codeza a ua coda superiore di livello γ100% per la variaza σ, quado µ è icogita. Ioltre, la statistica S 1 è detta limite iferiore di χ 1 γ codeza per la variaza. [b = + ] a = χ 11 γ Deitio 7.. Sia γ 0, 1 e sia s il valore assuto da S i corrispodeza della realizzazioe campioaria x 1,..., x di u campioe casuale estratto da ua popolazioe Nµ, σ. Allora s 1 0, 1 γ χ 1 è u itervallo di codeza a ua coda iferiore di livello γ100% per la variaza σ quado µ è icogita. Ioltre, la statistica S 1 χ 1 1 γ è detta limite superiore di codeza per la variaza. 3 [0 < a < b < + ] La massa rimaete deve essere distribuita uiformemete a destra e a siistra dell'itervallo, quidi: a = χ 1 1 γ e b = χ 1 1 γ + γ = χ 1 1+γ Deitio 7.3. Sia γ 0, 1 e sia s il valore assuto da S i corrispodeza della realizzazioe campioaria x 1,..., x di u campioe casuale estratto dalla f.d.r. Nµ, σ. Allora µ ota s 1, χ 1 1+γ s 1 χ 1 1 γ è u itervallo di codeza bilatero per σ di livello γ100%, quado µ è icogita. Essedo µ ota, possiamo stimare σ co la statistica S0 := verosimigliaza di µ. S 0 σ P j=1 xj µ P j=1 Xj µ che è lo stimatore di massima ha desità χ, quidi si ottiegoo i segueti itervalli di codeza per σ di livello γ100% quado µ è ota: χ γ, + itervallo di codeza a ua coda superiore P j=1 0, xj µ χ 1 γ itervallo di codeza a ua coda iferiore P P j=1 xj µ j=1, xj µ itervallo di codeza bilatero χ 1+γ χ 1 γ 8. Itervalli di cofideza per gradi campioi 8.1. Per la media µ. Sia X 1,..., X u campioe co grade da ua popolazioe co media µ e variaza σ. Essedo grade, il campioe può essere trattato come ua ormale Nµ, σ. La statistica X µ σ/, dove X è la media campioaria, è distribuita come ua ormale stadard N0, 1. È quidi possibile deire u itervallo di codeza per la media µ di dimesioe γ calcolado σ P z 1+γ < X µ σ/ < z 1+γ γ L'itervallo di codeza è quidi IC = X z 1+γ σ, X + z 1+γ σ
7 File distribuito co liceza Creative Commos BY-NC-SA.5 IT Copyright Michele Tartara 7 Iθ 8.. Per ua geerica caratteristica κθ. Suppoiamo di dover stimare ua caratteristica κθ di cui abbiamo lo stimatore di massima verosimigliaza ˆκ N κθ, κ θ, co media pari alla caratteristica da stimare e variaza calcolabile come V arˆκ che raggiuge il limite iferiore di Fréchet-Cramer-Rao. Iθ = E [ θ log fx 1, θ ] è l'iformazioe di Fisher. U itervallo di codeza di ampiezza γ si deisce quidi a partire da ˆκ κθ P θ z 1+γ < < z κ θ 1+γ = γ ed è ˆκ z 1+γ κ ˆθ Iˆθ Iθ, ˆκ + z 1+γ κ ˆθ Iˆθ Per grade, ˆκ κθ r κ θ Iθ N0, 1, dove dove tutti i θ preseti al deomiatore del pivot della equazioe precedete possoo essere approssimati co l'mle ˆθ perché è dimostrabile che questa sostituzioe matiee l'asitoticità a N 0, Test di ipotesi Deitio 9.1. Ua ipotesi H è ua aermazioe sulla distribuzioe F della popolazioe. U'ipotesi si deisce semplice: se l'ipotesi specica completamete determia u'uica distribuzioe composta: altrimeti Ciò che ci iteressa è ua procedura statistica test che stabilisca se i dati campioari soo compatibili co l'ipotesi H. I tal caso si dice che accetto H. Se i dati o soo compatibili co H, allora riuto H. Deitio 9.. Ua verica di ipotesi è ua tera ordiata co G R. Se x 1,..., x G riuto l'ipotesi H 0 e accetto H 1 Se x 1,..., x G c o riuto H 0 e riuto H 1. VERO H 0 H 1 ACCETTO H 0 OK Errore di II specie H 1 Errore di I specie OK X 1,..., X }{{ ; H } 0, H 1 ; }{{}}{{} G campioe ipotesi regioe critica Deitio 9.3. Taglia del test α := sup P θ x G co θ Θ 0 α è ache detto livello di sigicatività del test ed è la probabilità di commettere u errore di I specie, cioè α = P H0 Accetto H 1 = P H0 Riuto H 0. Deitio 9.4. Il più piccolo valore di α per cui, i preseza di x, riuto H 0 è detto p-value. Per calcolare il p-value, si calcola la probabilità P H0 Riuto H 0 sotto l'ipotesi che la regioe di riuto comici el puto idicato dall'attuale realizzazioe campioaria della statistica test. Quidi: Se p-value α riuto H 0 di livello di sigicatività α. Se p-value α o riuto H 0 di livello di sigicatività α. Aalogamete ad α, è possibile deire ua fuzioe β che rappreseta la probabilità di commettere u errore di II specie: Deitio 9.5. Sia β := sup P θ x G c co θ Θ 1. Cioè, β = P H1 Riuto H 1 Allora π = 1 βθ co θ Θ 1 è la fuzioe di poteza del test. Calcolare la poteza di u test sotto l'ipotesi H 1, equivale a calcolare la probabilità dell'apparteeza di T alla regioe critica, co θ determiato dall'ipotesi scelta, ricoducedo la scrittura della regioe critica a quella di ua distribuzioe ota, se ciò è ecessario per il calcolo di P: πθ Θ H1 = 1 βθ = 1 P H1 Riuto H 1 = 1 P H1 Accetto H 0 = P H1 Riuto H 0. Data ua dimesioe pressata di α, è possibile costruire ua regioe critica tale da massimizzare la poteza del test. Ciò può essere fatto tramite il Lemma di Neyma-Pearso.
8 File distribuito co liceza Creative Commos BY-NC-SA.5 IT Copyright Michele Tartara 8 Deitio 9.6. Lemma di Neyma-Pearso Dato u campioe X 1,..., X da fx, θ co θ Θ = {θ 0, θ 1 }, H 0 : θ = θ 0, H 1 : θ = { θ 1 ; L 0 x = Lθ 0 ; x 1,..., x, } L 1 x = Lθ 1 ; x 1,..., x. Sia G = Gδ = x 1,..., x R L : 0x L δ 1x la regioe critica e sia α la sua taglia. Allora, tra tutte le regioi critiche per vericare H 0 cotro H 1 di taglia α, H è quella co poteza massima. Ua volta impostata la regioe critica, per deirla completamete bisoga calcolare δ i modo tale che eettivamete P H0 L0x L 1x δ = α. NB: el fare ciò, tutto ciò che è costate può essere icorporato direttamete detro a δ, rededo così più semplice la deizioe della regioe critica. Remark 9.7. È importate scegliere correttamete cosa va i H 0 e cosa i H 1. I H 0 : ciò che ci viee chiesto di vericare. Vericare l'ipotesi che... I H 1 : ciò che vogliamo dimostrare. C'è evideza sperimetale che...?, Possiamo cocludere che...?. 10. Test per campioi gaussiai accoppiati idipedeti Siao X 1,..., X m i.i.d. Nµ X, σ X e Y 1,..., Y i.i.d. Nµ X, σ X Test F. Applicabile quado σx, σ Y soo icogite e m, soo gradi. Mira a vericare l'ipotesi H 0 : σx = σ Y cotro l'ipotesi H 1 : σx σ Y. Le variaze, i quato icogite, devoo essere approssimate a partire dai campioi el seguete modo: m SX j=1 = x j m x m 1 SY j=1 = y j ȳ 1 dove x, ȳ soo le medie dei due campioi. L'ipotesi H 0 è riutata quado T = S X S F m 1, 1 cade ella regioe di riuto: Y { α G = T F m 1, 1 oppure T F m 1, 1 1 α } cioè ell'itervallo di codeza di ampiezza α: α F m 1, 1, F m 1, 1 1 α dove F m, è la fuzioe F di Fisher come presete elle tabelle attezioe all'ordie dei pedici, alcue tabelle li riportao al cotrario. Parte. Ifereza o parametrica Deitio La fuzioe di ripartizioe empirica associata al campioe ˆF è ua fuzioe su R a valori i [0, 1] deita da ˆF x = #{j : X j x} x R 11. Media e variaza campioarie Deitio Il mometo r-esimo campioario di ˆF è M r = 1 j=1 Xr j La media di ˆF è uguale alla media campioaria, e, come el caso parametrico, si ha: Deitio 11.. E[ ˆF ] = M 1 = 1 j=1 X j Quidi X = M 1. Nel caso si abbia la distribuzioe campioaria è comodo calcolare la media come media pesata: E[ ˆF ] = x j d j dove x j è il valore del campioe e d j la sua desità, evetualmete ricavabile dalla fuzioe di ripartizioe empirica ˆF come d j = F x j F x j 1. Al cotrario della media, la variaza di ˆF è diversa dalla variaza campioaria, ifatti si ha: Deitio Variaza V ar[ ˆF ] = 1 j=1 X j X e Deitio Variaza campioaria S = 1 1 j=1 j=1 X j X = V ar[ ˆF ] 1
9 File distribuito co liceza Creative Commos BY-NC-SA.5 IT Copyright Michele Tartara 9 La variaza è calcolabile ache tramite le ormali proprietà di media e variaza, quidi V ar ˆF = E[ ˆF ] E [ ˆF ]. I tal caso, si può calcolare E[ ˆF ] come il mometo secodo, cioè E[ ˆF ] = j=1 x d j, co d j deito come sopra. 1. Test di Kolmogorof-Smirov Serve a vericare se ua fuzioe F è distribuita secodo ua determiata fuzioe F 0 completamete specicata cioè co tutti i parametri ssati: ad esempio N 0, 1, Exp5, ecc e cotiua. Vale per u umero qualsiasi di campioi. I particolare si cotrolla l'ipotesi ulla H 0 : F = F 0 cotro H 1 : F F 0 Statistica test: D := sup x { campioi} ˆF x F 0 x Riuto H 0 se D > q D 1 α dove α è il livello di sigicatività e q D è il quatile della statistica test di Kolmogorof- Smirov, cioè riuto se la fuzioe di ripartizioe empirica si discosta più di u massimo sopportabile dalla FDR teorica F 0 per quato osservabile co i campioi a ostra disposizioe. NB: essedo ˆF x discotiua, la diereza da F 0 x va calcolata sia ell'itoro siistro, sia ell'itoro destro di ogi campioe, dove essa assumerà valori diversi. Bisogerà quidi calcolare sia ˆF x i F 0 x i sia ˆF x i 1 F 0 x i. 13. Test χ di adattameto Serve a vericare se ua serie di dati si adatta ad u determiato modello teorico. Può essere usato solo per campioi di dimesioe grade, perchè è u test asitotico. Bisoga ifatti vericare le segueti regole empiriche di applicabilità: 50 e p 0i > 5, i 1,..., k Fuzioa su dati discreti, oppure su dati cotiui purchè essi vegao discretizzati tramite suddivisioe i classi il test o distigue come la massa si distribuisce all'itero delle classi, ma solo tra le diverse classi. Si imposta sulle segueti ipotesi: H 0 : F = F 0 cotro H 1 : F F 0 che possoo essere riscritte come: H 0 : p i = p 0i i = 1,..., k cotro H 1 : p i p 0i per qualche i. dove p i = P F X i = a i e p 0i = P F0 X i = a i, a i soo le diverse classi, cioè p i è la desità osservata i corrispodeza di ua certa classe, e p 0i è la desità teorica che tale classe dovrebbe avere. Per eseguire il test, bisoga calcolare la frequeza assoluta campioaria di ogi a i, cioè il umero di osservazioi del campioe che assumoo valore a i : N i = # {j : X j = a i } i = 1,..., k e misurare lo scostameto fra tali osservazioi e i valori teorici che esse dovrebbero avere p 0i. Tale misura viee eettuata mediate la statistica di Pearso: Q := k i=1 N i p 0i p 0i = k i=1 N i p 0i Riutiamo H 0 a livello α sse Q > χ k 1 1 α, cioè se lo scostameto è troppo grade. Il p-value di questo test è calcolabile come: p = 1 F χ k 1 q dove q è la realizzazioe di Q. NB: el caso la distribuzioe teorica o sia completamete specicata e che si debbao stimare a partire dal campioe m parametri, la regioe di riuto sarà: Q > χ k m 1 1 α. Aalogamete, varierà il p-value. Remark Se bisoga decidere il umero di classi i cui suddividere R per l'uso co questo test, il valore ideale è k = /5. Si sceglierao poi gli estremi di tali classi i modo che ogua di esse sia equiprobabile sotto F 0 : P X i A i = 1 k i 14. Test di idipedeza Test χ di idipedeza. Serve a vericare se due serie di campioi X e Y soo tra loro idipedeti. Il test χ di idipedeza può essere impostato a partire dalle segueti ipotesi: H 0 : Hx, y = F x Gy x R y R cioè X e Y soo idipedeti. H 1 : Hx, y F x Gy per almeo u x, y R. Il test lavora discretizzado F i r classi e G i c classi, e cotado il umero di coppie tali che il primo elemeto è ella classe A i e il secodo i B j, ossia N ij = #X k, Y k A i B j, cioè le desità cogiute. Si calcola poi la probabilità teorica che ua coppia ha di apparteere a ogi classe: p i,j = P H X 1 A i, Y 1 B j, i = 1,..., r j = 1,..., c Possiamo ache calcolare, al suo posto, direttamete il umero teorico di elemeti di ogi classe, pari a E i,j = f X x f Y y, dove f x e f Y soo le distribuzioi margiali.
10 File distribuito co liceza Creative Commos BY-NC-SA.5 IT Copyright Michele Tartara 10 Il test è asitotico ed è applicabile solo se valgoo le segueti regole empiriche: 50, r > 5, c > 5. Usiamo come statistica test: U := r c N ij E ij i=1 j=1 E ij = i dai valori teorici. Riuto H 0 a livello α se U è grade, cioè se U χ r 1c 11 α. N ij j E ij cioè lo scostameto dei valori registrati 14.. Test di idipedeza per dati gaussiai. Se X, Y è cogiutamete gaussiaa, X,Y soo idipedeti se e solo se il coeciete di correlazioe lieare ρ è ullo. ρ = CovX, Y V arx V ary U valore positivo di ρ idica cocordaza di tipo lieare tra i due campioi, metre u valore egativo idica discordaza quado u campioe cresce, l'altro tede a dimiuire. H 0 :ρ = 0 idipedeza cotro H 1 :ρ 0. Nel caso di campioe accoppiato gaussiao co parametri tutti icogiti, uo stimatore di ρ è il coeciete di correlazioe campioario o empirico j=1 R = X j XY j Ȳ j=1 X j X j=1 Y j Ȳ per la quale vale sempre 1 R 1 e il seguete Theorem Sia X 1, Y 1,..., X, Y i.i.d. N e ρ = 0. Allora R T := t 3 1 R Tale gradezza è la statistica test che utilizziamo per vericare l'idipedeza dei campioi. Quidi: si riuta H 0 el caso i cui T t 1 α. Per gradi, t è approssimabile da ua gaussiaa stadard. È ache possibile impostare i segueti test, co le relative regioi di riuto: H 0 : ρ 0 cotro H 1 : ρ > 0 co G = {campioi : T t 1 a} e H 0 : ρ 0 cotro H 1 : ρ < 0 co G = {campioi : T t 1 a} 15. Test di omogeeità di Wilcoxo-Ma-Whitey U test di omogeeità serve a vericare se due campioi aleatori soo regolati dallo stesso modello, cioè se hao la stessa fuzioe di ripartizioe. Tramite u'opportua ipotesi alterativa H 1, può essere utilizzato ache per determiare se ua variabile domia stocasticamete l'altra cioè se è più grade. Siao X e Y le due variabili aleatorie dei cui campioi si vuole vericare l'omogeeità e F e G le loro fuzioi di ripartizioe e X 1,..., X m i.i.d. F e Y 1,..., Y i.i.d. G i due campioi di dati raccolti. L'ipotesi ulla idica omogeeità ed è: H 0 : F x = Gx x R L'alterativa può idicare o omogeeità: H 1 : F x Gx oppure può idicare che X domia stocasticamete Y : oppure può idicare che Y domia stocasticamete X: per qualche x R H 1 : F x Gx x R e F x < Gx per qualche x H 1 : F x Gx x R e F x > Gx per qualche x Per eseguire il test si riuiscoo tutte le osservazioi di X e Y i u uico campioe di lughezza m +, le si dispogoo i ordie crescete e si assega loro u rago r crescete dalla miore r = 1 alla maggiore r = m +. Si assume per semplicità che o ci siao ripetizioi el campioe. Chiamiamo T X la somma dei raghi delle osservazioi preseti da X: T X = m i=1 R i co R i = ragox i Chiamiamo w a il quatile della f.d.r. di T X tabulato per m, 0. Se X st Y mi aspetto che tate x i siao più piccole delle y j, quidi T X assumerà valori piccoli. Se X st Y mi aspetto che tate x i siao più gradi delle y j, quidi T X assumerà valori gradi. Valgoo le segueti regole di sigicatività per α: Riuto H 0 : F x = Gx x e accetto H 1 : F x Gx x e F x > Gx per qualche x ossia X st Y se T x < w α. Riuto H 0 : F x = Gx x e accetto H 1 : F x Gx x e F x < Gx per qualche x ossia X st Y se T x > w 1 α.
11 File distribuito co liceza Creative Commos BY-NC-SA.5 IT Copyright Michele Tartara 11 Riuto H 0 : F x = Gx x e accetto H 1 : F x Gx se T x < w α/ oppure T X > w 1 α/. NB: la statistica T X è distribuita più o meo come ua gaussiaa attoro alla propria media c. Quidi w m, 1 α = c + c w m, α = c w m, α = mm w m, α
Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15
Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it
Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:
Dettagli3.4 Tecniche per valutare uno stimatore
3.4 Teciche per valutare uo stimatore 3.4. Il liguaggio delle decisioi statistiche, stimatori corretti e stimatori cosisteti La teoria delle decisioi forisce u liguaggio appropriato per discutere sulla
DettagliCONCETTI BASE DI STATISTICA
CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto
DettagliSTATISTICA 1 parte 2/2 STATISTICA INFERENZIALE
STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI
DettagliSTATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE
DettagliDEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE
DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA
Dettagli1 Metodo della massima verosimiglianza
Metodo della massima verosimigliaza Estraedo u campioe costituito da variabili casuali X i i.i.d. da ua popolazioe X co fuzioe di probabilità/desità f(x, θ), si costruisce la fuzioe di verosimigliaza che
DettagliLA VERIFICA DELLE IPOTESI SUI PARAMETRI
LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività
DettagliStatistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni
Statistica I, Laurea trieale i Ig. Gestioale, a.a. 2011/12 Registro delle lezioi Lezioe 1 (28/9, ore 11:30). Vedere la registrazioe di Barsati, dispoibile alla pagia http://users.dma.uipi.it/barsati/statistica_2011/idex.html.
DettagliStatistica descrittiva
Statistica descrittiva idici idici (o misure) di posizioe media campioaria di osservazioi x, x,..., x x i x= per campioi x ì ripetuti ciascuo co frequeza f i x= x i f i Posto y i =a x i b : y=a x mediaa
DettagliMetodi statistici per l analisi dei dati
Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo
DettagliIl test parametrico si costruisce in tre passi:
R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative
DettagliTest non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche
est o parametrici Il test di Studet per uo o per due campioi, il test F di Fisher per l'aalisi della variaza, la correlazioe, la regressioe, isieme ad altri test di statistica multivariata soo parte dei
DettagliAnalisi statistica dell Output
Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?
DettagliMetodi statistici per l'analisi dei dati
Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio
DettagliSUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1
SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di
DettagliTerzo appello del. primo modulo. di ANALISI 18.07.2006
Terzo appello del primo modulo di ANALISI 18.7.26 1. Si voglioo ifilare su u filo delle perle distiguibili tra loro solo i base alla dimesioe: si hao a disposizioe perle gradi di diametro di 2 cetimetri
DettagliProva scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1
Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia
DettagliAppunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15
Apputi di Statistica Matematica Ifereza Statistica Multivariata Ao Accademico 014/15 November 19, 014 1 Campioi e modelli statistici Siao Ω, A, P uo spazio di probabilità e X = X 1,..., X u vettore aleatorio
DettagliESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.
ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie
DettagliQual è il numero delle bandiere tricolori a righe verticali che si possono formare con i 7 colori dell iride?
Calcolo combiatorio sempi Qual è il umero delle badiere tricolori a righe verticali che si possoo formare co i 7 colori dell iride? Dobbiamo calcolare il umero delle disposizioi semplici di 7 oggetti di
DettagliCalcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale
Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la
Dettagli1. LEGGE DI SNELL. β<α FIBRE OTTICHE. se n 2 >n 1. sin. quindi 1 se n 1 >n 2 β>α. Pag. - 1 -
ISTITUTO TECNICO INDUSTRIALE STATALE G. Marcoi PONTEDERA Prof. Pierluigi D Amico - Apputi su FIBRE OTTICHE - Classi QUARTE LICEO TECNICO A.S. 005/006 - Pagia. 1 di 5 1. LEGGE DI SNELL FIBRE OTTICHE si
DettagliANALISI STATISTICA DEI DATI
AALISI STATISTICA DEI DATI STATISTICA E PROBABILITA' Misura di ua gradezza fisica Errori dovuti a: Strumeti di misura Parametri o cotrollabili da sperimetatore da valore vero gradezza varia da misura a
DettagliI appello - 29 Giugno 2007
Facoltà di Igegeria - Corso di Laurea i Ig. Iformatica e delle Telecom. A.A.6/7 I appello - 9 Giugo 7 ) Studiare la covergeza putuale e uiforme della seguete successioe di fuzioi: [ ( )] f (x) = cos (
Dettagli1. Distribuzioni campionarie legate alla distribuzione normale. 3. Intervallo bilatero di confidenza bilatero per la frazione p di una popolazione
Questi esempi vi potrao essere utili come riferimeto ella ricerca di itervalli di cofideza e test di ipotesi statistiche. Per gli aggiorameti potete visitare i siti www.boch.et o www.feaor.com. Per dubbi
DettagliESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1
ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO Agela Doatiello 1 Esercizio. E stato tabulato il peso di ua certa popolazioe
DettagliLe carte di controllo
Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità
DettagliTecnica delle misurazioni applicate Esame del 4 dicembre 2007
Tecica delle misurazioi applicate Esame del 4 dicembre 7 Problema 1. Il propulsore Mod. WEC viee prodotto da ACME Ic. mediate u processo automatizzato: dati storici cofermao che la lavorazioe di ogi elemeto
DettagliApprofondimenti di statistica e geostatistica
Approfodimeti di statistica e geostatistica APAT Agezia per la Protezioe dell Ambiete e per i Servizi Tecici Cos è la geostatistica? Applicazioe dell aalisi di Rischio ai siti Cotamiati Geostatistica La
DettagliEsercitazioni di Statistica
Esercitazioi di Statistica Il modello di Regressioe Prof. Livia De Giovai statistica@dis.uiroma.it Esercizio Solitamete è accertato che aumetado il umero di uità prodotte, u idustria possa ridurre i costi
DettagliStatistica di base. Luca Mari, versione 31.12.13
Statistica di base Luca Mari, versioe 31.12.13 Coteuti Moda...1 Distribuzioi cumulate...2 Mediaa, quartili, percetili...3 Sigificatività empirica degli idici ordiali...3 Media...4 Acora sulla media...4
DettagliStatistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame
Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale
DettagliANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.
ANALISI MATEMATICA Area dell Igegeria dell Iformazioe Appello del 5.0.0 TEMA Esercizio Si cosideri la fuzioe f(x = arcsi log x. Determiare il domiio di f e discutere il sego. Discutere brevemete la cotiuità
DettagliCapitolo 6 Teoremi limite classici
Capitolo 6 Teoremi limite classici Abstract I Teoremi limite classici, la legge dei gradi umeri e il teorema limite cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia
DettagliESERCIZI DI INFERENZA STATISTICA E STUDIO DELLE ASSOCIAZIONI
ESERCIZI DI INFERENZA STATISTICA E STUDIO DELLE ASSOCIAZIONI ES 1 I u collettivo di 40 pazieti osservati, la media dei globuli biachi era pari a.9 ( 1000/ml 3 ) e la variaza era pari a 0.336. Forire ua
DettagliUn problema! La letteratura riporta che i pazienti affetti da cancro. = mesi
CONFRONTO TRA DUE MEDIE U problema! La letteratura riporta che i pazieti affetti da cacro hao ua sopravviveza media di 38.3 mesi e deviazioe stadard di 43.3 mesi: µ 38.3mesi σ 43.3mesi (la distribuzioe
DettagliScelte finanziarie SCELTE FINANZIARIE
Scelte fiaziarie SCELE FINANZIARIE Spesso ella pratica si icotrao problemi decisioali i ambito fiaziario, per esempio come scegliere la più coveiete tra varie possibilità di ivestimeto, la meo oerosa tra
DettagliEsercitazione 5 del corso di Statistica (parte 2)
Eercitazioe 5 del coro di Statitica (parte ) Dott.a Paola Cotatii 5 Maggio Eercizio Per verificare l efficacia di u coro di tatitica vegoo cofrotati i redimeti medi di due campioi di tudeti di ampiezza
DettagliSTATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al
Dettagli5 ln n + ln. 4 ln n + ln. 6 ln n + ln
DOMINIO FUNZIONE Determiare il domiio della fuzioe f = l e e + e + e Deve essere e e + e + e >, posto e = t si ha t e + t + e = per t = e e per t = / Il campo di esisteza è:, l, + Determiare il domiio
DettagliLE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI
Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità
DettagliDISTRIBUZIONI DOPPIE
DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad
DettagliCARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli:
PROPOSTA DI UN PROTOCOLLO DI PROVE PER IL CONTROLLO DELLE CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE FINALITÀ Nel campo edile l utilizzo di rivestimeti esteri da riportare sulle
DettagliRicerca del saggio di capitalizzazione nel mercato immobiliare
AESTIMUM 59, Dicembre 2011: 171-180 Marco Simootti Dipartimeto di Igegeria civile, ambietale e aerospaziale Uiversità degli Studi di Palermo e-mail: m.simootti@ti.it Parole chiave: procedimeto di capitalizzazioe,
DettagliAlcuni parametri statistici di base
Alcui parametri statistici di base Misure di tedeza cetrale: media mediaa moda Misure di dispersioe: itervallo di variazioe scarto medio variaza deviazioe stadard coefficiete di variazioe Popolazioe di
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE LORENZO BRASCO. Teoremi di Cesaro Teorema di Stolz-Cesaro. Siao {a } N e {b } N due successioi umeriche, co {b } N strettamete positiva, strettamete crescete e ilitata. Se esiste
DettagliV Tutorato 6 Novembre 2014
1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe
Dettagli5. Le serie numeriche
5. Le serie umeriche Ricordiamo che ua successioe reale è ua fuzioe defiita da N, evetualmete privato di u umero fiito di elemeti, a R. Solitamete si idica ua successioe co la lista dei suoi valori: (a
DettagliCapitolo uno STATISTICA DESCRITTIVA BIVARIATA
Capitolo uo STATISTICA DESCRITTIVA BIVARIATA La statistica bidimesioale o bivariata si occupa dello studio del grado di dipedeza di due caratteri distiti della stessa uità statistica. E possibile, ad esempio,
DettagliSommario lezioni di Probabilità versione abbreviata
Sommario lezioi di Probabilità versioe abbreviata C. Frachetti April 28, 2006 1 Lo spazio di probabilità. 1.1 Prime defiizioi I possibili risultati di u esperimeto costituiscoo lo spazio dei campioi o
DettagliUNIVERSITÀ POLITECNICA DELLE MARCHE Dipartimento di Economia. Variabili Casuali. Giulio Palomba
UNIVERSITÀ POLITECNICA DELLE MARCHE Dipartimeto di Ecoomia Variabili Casuali Giulio Palomba Variabili casuali Idice Itroduzioe 5 Variabili casuali discrete 7. Variabile casuale degeere....................
DettagliCampi vettoriali conservativi e solenoidali
Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile
DettagliStrumenti di indagine per la valutazione psicologica
Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe
DettagliSUCCESSIONI E SERIE NUMERICHE
SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua
DettagliSERIE NUMERICHE Esercizi risolti. 2 b) n=1. n n 2 +n
SERIE NUMERICHE Esercizi risolti. Applicado la defiizioe di covergeza di ua serie stabilire il carattere delle segueti serie, e, i caso di covergeza, trovare la somma: = + b) = + +. Verificare utilizzado
DettagliESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2006
ESAME DI STAT DI LICE SCIENTIFIC CRS DI RDINAMENT 006 Il cadidato risolva uo dei due problemi e 5 dei 0 quesiti i cui si articola il questioario. PRBLEMA U filo metallico di lughezza l viee utilizzato
DettagliIL CALCOLO COMBINATORIO
IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito
Dettagli1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6
SUCCESSIONI Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La serie
DettagliSerie numeriche: esercizi svolti
Serie umeriche: esercizi svolti Gli esercizi cotrassegati co il simbolo * presetao u grado di difficoltà maggiore. Esercizio. Dopo aver verificato la covergeza, calcolare la somma delle segueti serie:
DettagliFoglio di esercizi N. 1 - Soluzioni
Foglio di esercizi N. - Soluzioi. Determiare il domiio della fuzioe f) = log 3 + log 3 3)). Deve essere + log 3 3) > 0, ovvero log 3 3) >, ovvero prededo l espoeziale i base 3 di etrambi i membri) 3 >
DettagliII-9 Successioni e serie
SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La
Dettagli(DA COMPLETARE!!) Esercizi per il corso di Calcolo delle Probabilità e Statistica Matematica per Scienze dell Informazione
(DA COMPLETARE!!) Esercizi per il corso di Calcolo delle Probabilità e Statistica Matematica per Scieze dell Iformazioe NOTA Quado i problemi soo formulati el liguaggio ordiario, teere presete che la soluzioe
DettagliCAPITOLO 5 TEORIA DELLA SIMILITUDINE
CAPITOLO 5 TEORIA DELLA SIMILITUDINE 5.. Itroduzioe La Teoria della Similitudie ha pricipalmete due utilizzi: Estedere i risultati otteuti testado ua sigola macchia ad altre codizioi operative o a ua famiglia
DettagliSintassi dello studio di funzione
Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:
DettagliSuccessioni. Grafico di una successione
Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario
DettagliUNIVERSITA DEGLI STUDI DI PADOVA
UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA SPECIALIASTICA IN SCIENZE STATISTICHE, ECONOMICHE, FINANZIARIE E AZIENDALI TESI DI LAUREA IL METODO DELLE COPULE: ifereza,
DettagliUniversità degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2
Uiversità degli Studi di Bergamo - Corsi di laurea i Igegeria Edile e Tessile Idici di posizioe e variabilità Esercitazioe 2 1. Nella seguete tabella si riporta la distribuzioe di frequeza del cosumo i
DettagliSoluzione La media aritmetica dei due numeri positivi a e b è data da M
Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è
DettagliIl confronto tra DUE campioni indipendenti
Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo
DettagliCapitolo 2 Analisi delle Componenti Indipendenti
Cap. - Aalisi delle compoeti idipedeti. Itroduzioe Capitolo Aalisi delle Compoeti Idipedeti I questo capitolo viee formulato il problema della separazioe di sorgeti ei termii di Aalisi delle Compoeti Idipedeti
DettagliESERCIZI SULLE SERIE NUMERICHE
ESERCIZI SULLE SERIE NUMERICHE a cura di Michele Scaglia RICHIAMI TEORICI Richiamiamo brevemete i pricipali risultati riguardati le serie umeriche. Teorema (Codizioe Necessaria per la Covergeza) Sia a
DettagliAnno 5 Successioni numeriche
Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai
DettagliTutti i diritti di sfruttamento economico dell opera appartengono alla Esselibri S.p.A. (art. 64, D.Lgs. 10-2-2005, n. 30)
Copyright 2005 Esselibri S.p.A. Via F. Russo, 33/D 8023 Napoli Azieda co sistema qualità certificato ISO 400: 2003 Tutti i diritti riservati. È vietata la riproduzioe ache parziale e co qualsiasi mezzo
DettagliPARTE QUARTA Teoria algebrica dei numeri
Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)
DettagliSERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.
Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.
DettagliEsercizi riguardanti limiti di successioni
Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse
DettagliCAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE
CAPITOLO SETTIMO GLI INDICI DI FORMA SOMMARIO: 1. Itroduzioe. - 2. Asimmetria. - 3. Grafico a scatola (box plot). - 4. Curtosi. - Questioario. 1. INTRODUZIONE Dopo aver aalizzato gli idici di posizioe
DettagliEsempio. Le variabili casuali/3. X = x i è un evento. Si supponga che che le seguenti coppie di lettere siano equiprobabili
E u prodotto dell esperimeto Le variabili casuali/3 La variabile casuale è ua fuzioe che associa ad ogi eveto dell'uiverso degli eveti uo ed u solo umero reale. Esempio Si suppoga che che le segueti coppie
DettagliCORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto
CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioi d impresa (Note didattiche) Bruo Chiadotto CALCOLO DELLE PROBABILITA Il calcolo delle probabilità, ato el cotesto dei giochi d azzardo
DettagliLA DERIVATA DI UNA FUNZIONE
LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:
DettagliINVENTORY CONTROL. Ing. Lorenzo Tiacci
INVENTORY CONTRO Ig. orezo Tiacci Testo di riferimeto: Ivetory Maagemet ad Productio Plaig ad Cotrol - Third Ed. E.A. Silver, D.F. Pyke, R. Peterso Wiley, 998 Idice. POITICA (s, ) (order poit, order quatity)
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si
DettagliIMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras
IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazioe di Gras Date due variabili biarie a e b, i quale misura posso assicurare che i ua popolazioe da ogi osservazioe di a segue ecessariamete quella di b? E
DettagliESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO
ESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO ARGOMENTI TRATTATI: VARIABILI CASUALI DISCRETE VARIABILI CASUALI CONTINUE DISEGUAGLIANZA DI TCHEBYCHEFF TEOREMA DEL LIMITE CENTRALE
Dettagli1. Considerazioni generali
. osiderazioi geerali Il processaeto di ob su acchie parallele è iportate sia dal puto di vista teorico che pratico. Dal puto di vista teorico questo caso è ua geeralizzazioe dello schedulig su acchia
DettagliUniversità di Milano Bicocca Esercitazione 4 di Matematica per la Finanza 24 Aprile 2015
Uiversità di Milao Bicocca Esercitazioe 4 di Matematica per la Fiaza 24 Aprile 205 Esercizio Completare il seguete piao di ammortameto: 000 2 3 234 3 6 369 Osserviamo iazitutto che, per il vicolo di chiusura
DettagliLimiti di successioni
Argometo 3s Limiti di successioi Ua successioe {a : N} è ua fuzioe defiita sull isieme N deiumeriaturaliavalori reali: essa verrà el seguito idicata più brevemeteco{a } a èdettotermie geerale della successioe
DettagliPrincipi base di Ingegneria della Sicurezza
Pricipi base di Igegeria della Sicurezza L aalisi delle codizioi di Affidabilità del sistema si articola i: (i) idetificazioe degli sceari icidetali di riferimeto (Eveti critici Iiziatori - EI) per il
DettagliEQUAZIONI ALLE RICORRENZE
Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo
Dettagli8) Sia Dato un mazzo di 40 carte. Supponiamo che esso sia mescolato in modo
ESERCIZI DI CALCOLO DELLE PROBABILITÁ ) Qual e la probabilita che laciado dadi a facce o esca essu? Studiare il comportameto asitotico di tale probabilita per grade. ) I u sacchetto vi soo 0 pallie biache;
DettagliCAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE
CAPITOLO UNDICESIMO VARIABILI CASUALI SOMMARIO:. Itroduzioe. -. Variabili casuali discrete. - 3. La variabile casuale di Beroulli. - 4. La variabile casuale biomiale. -. La variabile casuale di Poisso.
DettagliESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2006
ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 006 Il cadidato risolva uo dei due problemi e 5 dei 0 quesiti i cui si articola il questioario. PRBLEMA U filo metallico di lughezza l viee utilizzato
DettagliDispense di Analisi Matematica II
Dispese di Aalisi Matematica II Domeico Cadeloro (Prima Parte) Itroduzioe Queste dispese trattao la prima parte del corso di Aalisi Matematica II. Nel primo capitolo si discutoo gli itegrali geeralizzati
Dettagli8. Quale pesa di più?
8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora
DettagliModelli multiperiodali discreti. Strategie di investimento
Modelli multiperiodali discreti Cosideriamo ora modelli discreti cioè co u umero fiito di stati del modo multiperiodali, cioè apputo co più periodi. Il prototipo di questa classe di modelli è il modello
DettagliCorso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale.
Corso di laurea i Matematica Corso di Aalisi Matematica -2 Dott.ssa Sadra Lucete Fuzioi poteza ed espoeziale. Teorema. Teorema di esisteza della radice -esima. Sia N. Per ogi a R + esiste uo ed u solo
Dettagli