Statistica Sociale e Criminale (12 CFU) A.A. 2015/2016
|
|
- Giorgina Leo
- 5 anni fa
- Visualizzazioni
Transcript
1 Statistica Sociale e Criminale (12 CFU) A.A. 2015/2016 CdL Sociologia e Criminologia Simone Di Zio
2 Dove siamo MODULO 2. La Statistica descrittiva 2.1 La rilevazione del dato statistico 2.2 La rappresentazione dei dati statistici 2.3 Le misure di tendenza centrale 2.4 Le misure di variabilità 2.5 Le Misure delle relazioni tra variabili
3 Le misure di variabilità Il concetto di variabilità di una distribuzione Le misure di tendenza centrale riassumono la distribuzione con un valore, ma non forniscono nessuna informazione di come le altre modalità si dispongono attorno a tale valore. A tal fine serve il concetto di variabilità. In un collettivo, più le unità statistiche sono distanti fra loro e maggiore è la variabilità. La variabilità è definita come l attitudine di una variabile ad assumere modalità diverse.
4 Esempio Si hanno due distribuzioni unitarie riguardanti lo stesso gruppo di 10 studenti Id. Alunni Voto in Economia Id. Alunni Voto in Statistica 1 Alessandro Alessandro Dario Dario Fulvio Fulvio Giuseppe Giuseppe Marilena Marilena Noemi Noemi Osvaldo Osvaldo Paride Paride Valentina Valentina Valerio Valerio 7.0 Sappiamo calcolare la media aritmetica. Media voti in Economia = 7.0 Media voti in Statistica = 7.0. In termini di media, le due distribuzioni sono IDENTICHE
5 Le due distribuzioni sono uguali in media ma sono completamente diverse per quanto riguarda la variabilità. Id. Alunni Voto in Economia Id. Alunni Voto in Statistica 1 Alessandro Alessandro Dario Dario Fulvio Fulvio Giuseppe Giuseppe Marilena Marilena Noemi Noemi Osvaldo Osvaldo Paride Paride Valentina Valentina Valerio Valerio 7.0 Variabilità 0 Variabilità > 0 Economia: i valori sono addensati sulla media; Statistica: i voti variano attorno alla media.
6 Rappresentazione grafica 9 8 Variabilità >0 linea con continue variazioni Variabilità 0: linea costante Economia Statistica Dobbiamo quantificare, cioè misurare, con opportuni indici la variabilità.
7 CONDIZIONI Qualunque indice di variabilità deve soddisfare almeno due condizioni: Deve assumere valore minimo se e solo se tutte le unità della distribuzione assumono la stessa modalità della variabile (come nell esempio dei voti in Economia); Deve aumentare all aumentare della diversità fra le modalità della distribuzione. Ancora una volta dobbiamo distinguere le scale: Scale nominali Scale ordinali Scale a intervalli indici di omogeneità ed eterogeneità indici di dispersione indici di variabilità in senso stretto
8 Misure di variabilità per variabili nominali Si ricorre ai concetti di eterogeneità e omogeneità di una distribuzione. Massima omogeneità: quando tutte le unità statistiche presentano la stessa modalità. Minima omogeneità: quando le unità sono equidistribuite fra le modalità della variabile (si parla anche di massima eterogeneità). Religione Frequenze assolute Religione Frequenze assolute Anglicana 0 Anglicana 20 Buddista 100 Buddista 20 Cattolica 0 Cattolica 20 Ortodossa 0 Ortodossa 20 Taoista 0 Taoista 20 Totale 100 Totale 100 Massima OMOGENEITA Minima OMOGENEITA
9 Questi sono due casi teorici limite, mentre in situazioni reali ci sarà sempre una condizione intermedia, più o meno vicina ai due estremi. O 1 L indice di omogeneità più semplice è dato dalla somma dei quadrati delle frequenze relative: O 1 = f f f k 2 = f i 2 Frequenze Frequenze Frequenze Frequenze Religione assolute Relative Religione assolute Relative n i f i n i f i Anglicana 0 0 Anglicana Buddista Buddista Cattolica 0 0 Cattolica Ortodossa 0 0 Ortodossa Taoista 0 0 Taoista Totale Totale O 1 = = 1 O 1 = = = 0. 2 k i=1
10 Valore massimo e minimo dell indice O 1 L indice O 1 ha massimo sempre pari a 1 L indice O 1 ha minimo che dipende dal numero delle modalità: 1 k, (dove come di consueto k indica il numero delle modalità). O 2 Sfrutta il logaritmo delle frequenze relative: k O 2 = f i log(f i ) i=1 Valore massimo e minimo dell indice O 2 L indice O 2 ha massimo sempre pari a 0 L indice O 2 ha minimo che dipende dal numero delle modalità: log(k), (dove come di consueto k indica il numero delle modalità).
11 Calcolo di O 2 per le due distribuzioni precedenti (Per poter effettuare i calcoli dobbiamo assumere che log(0) = 0). k O 2 = f i log(f i ) i=1 Religione n i f i log(f i ) f i log(f i ) Religione n i f i log(f i ) f i log(f i ) Anglicana Anglicana Buddista Buddista Cattolica Cattolica Ortodossa Ortodossa Taoista Taoista Totale Totale Massima OMOGENEITA Minima OMOGENEITA O 2 = 0 O 2 = log(k)
12 INDICI DI ETEROGENEITÀ Sottraendo da 1 il primo indice di omogeneità, si ottiene l indice di eterogeneità di Gini (dal nome del suo ideatore): Che ha minimo pari a 0 e massimo pari a 1 1 k. E 1 = 1 O 1 = 1 f i 2 k i=1 Dal secondo indice di omogeneità, semplicemente cambiando il suo segno, si ottiene invece l indice di Entropia: Che ha valore minimo pari a 0 e massimo pari a log(k). E 2 = O 2 = f i log(f i ) k i=1
13 INDICI RELATIVI In statistica è spesso utile ottenere degli indici che varino fra 0 e 1 perché sono più facili da interpretare perché si possono fare i confronti fra indici diversi. Quando un indice viene trasformato in modo da avere minimo 0 e massimo 1 si dice che si ha un indice relativo ,33 0,8
14 Indici di eterogeneità relativi Gli indici di eterogeneità relativi che derivano da E 1 e E 2 sono i seguenti (che indichiamo con la e minuscola): e 1 = k k 1 E 1 e 2 = E 2 log(k) Come più volte detto in precedenza, essendo questi indici calcolabili per variabili nominali, si possono ovviamente calcolare per qualunque tipo di variabile. Per il calcolo di questi indici si utilizzano solo ed esclusivamente le informazioni contenute nelle frequenze.
15 I valori estremi di un indice E sempre molto importante, quando si calcola un indice, sapere qual è il valore massimo e minimo che può assumere. Nella vita quotidiana, senza che ce ne rendiamo conto, quando valutiamo una misura facciamo sempre un confronto automatico con dei valori di riferimento. Quando abbiamo a che fare con gli indici statistici è lo stesso. Se ad esempio abbiamo un indice di variabilità pari a 11 cosa possiamo dire su di esso? E alto o basso? Se minimo = 0 e massimo = 12 allora possiamo affermare che 12 è molto alto. Se minimo = 0 e massimo = 3000 allora lo stesso numero 11 è bassa variabilità. Quindi, non bisogna mai cercare di interpretare un indice senza conoscerne i valori minimo e massimo (campo di variazione).
16 Esempio di calcolo e interpretazione Calcoliamo gli indici di omogeneità O 1 e O 2 sulla seguente distribuzione e interpretiamo i risultati. Frequenze Frequenze Condizione lavorativa Assolute Relative calcolo calcolo calcolo x i n i f i 2 f i log(f i ) f i log(f i ) Operaio = Impiegato = Dirigente = Libero Professionista = Disoccupato = Altro = TOTALE O 1 = k 2 i=1 f i = min = 1 6 = max = 1 omogeneità BASSA O 2 = k i=1 f i log(f i ) = min = log(6) = max = 0 omogeneità BASSA (ovviamente non possiamo avere due risultati contrastanti).
17 Indici di eterogeneità Indice di Gini: E 1 = 1 O 1 = = Eterogeneità ALTA Indice di entropia: E 2 = O 2 = Eterogeneità ALTA Indici di eterogeneità relativi e 1 = k E k 1 1 = = Eterogeneità ALTA e 2 = E 2 = log(k) = Eterogeneità ALTA Sapendo che il massimo e il minimo di tali indici sono sempre zero e uno, l interpretazione è immediata.
18 Misure di variabilità per variabili ordinali Bisogna sfruttare l informazione che deriva dall ordinamento delle modalità. Abbiamo gli indici di dispersione. Per una variabile almeno ordinale si possono individuare le modalità estreme, cioè la prima e l ultima. Una distribuzione ha dispersione minima quando tutte le unità presentano la stessa modalità della variabile. Una distribuzione ha dispersione massima quando metà delle unità presentano la modalità più bassa e metà presentano la modalità più alta.
19 Esempio dei due casi estremi Titolo di studio Frequenze assolute Titolo di studio Frequenze assolute Licenza elementare 0 Licenza elementare 20 Licenza media 40 Licenza media 0 Diploma 0 Diploma 0 Laurea 0 Laurea 20 Totale 40 Totale 40 Minima DISPERSIONE Massima DISPERSIONE L indice di dispersione D sfrutta le frequenze relative cumulate (indicate con F i ) k 1 D = 2 F i (1 F i ) i=1
20 Esempio di calcolo: CASO 1: MINIMA DISPERSIONE k 1 D = 2 F i (1 F i ) i=1 Frequenze Frequenze Freq. Rel. Titolo di studio assolute Relative Cumulate calcolo calcolo n i f i F i 1 F i F i (1 F i ) Licenza elementare Licenza media Diploma Laurea Totale Per calcolare D basta fare la somma dei valori ottenuti e moltiplicare per 2. D = 2 0 = 0
21 Esempio di calcolo: CASO 2: MASSIMA DISPERSIONE k 1 D = 2 F i (1 F i ) i=1 Frequenze Frequenze Freq. Rel. Titolo di studio assolute Relative Cumulate calcolo calcolo n i f i F i 1 F i F i (1 F i ) Licenza elementare Licenza media Diploma Laurea Totale D = = 1. 50
22 Esempio di calcolo: CASO 3: DISPERSIONE INTERMEDIA k 1 D = 2 F i (1 F i ) i=1 Frequenze Frequenze Freq. Rel. Titolo di studio assolute Relative Cumulate calcolo calcolo n i f i F i 1 F i F i (1 F i ) Licenza elementare Licenza media Diploma Laurea Totale D = = Come ci aspettavamo è un valore intermedio fra il minimo (0) e il massimo (1.5). Interpretazione: è molto vicino al massimo, per cui si tratta di una distribuzione con dispersione molto alta.
23 Misure di variabilità per variabili a intervalli Ricordiamo che possiamo calcolare la media aritmetica. Possiamo quindi fare operazioni algebriche sulle modalità della variabile.
24 Campo di Variazione Un indice di variabilità molto semplice da calcolare è dato dalla differenza fra la modalità più grande e quella più piccola: si chiama campo di variazione. Id. Alunni Voto in Economia Id. Alunni Voto in Statistica 1 Alessandro Alessandro Dario Dario Fulvio Fulvio Giuseppe Giuseppe Marilena Marilena Noemi Noemi Osvaldo Osvaldo Paride Paride Valentina Valentina Valerio Valerio 7.0 Variabile voto Economia: 7 7 = 0 Variabile voto Statistica: = 4.5 La seconda distribuzione ha un campo di variazione maggiore.
25 Possibile commento I voti in Economia e Statistica di questo gruppo di studenti sono mediamente uguali e pari a 7, ma mentre in Economia non c è variabilità fra gli alunni, nel caso di Statistica i voti sono più variabili, con un campo di variazione pari a 4.5 voti. Tali indici sembrano mostrare una preparazione mediamente buona per entrambe le materie ma in Economia appare esserci maggiore equilibrio nella preparazione degli studenti. Il campo di variazione ha il privilegio della semplicità di calcolo ma, per contro, risulta troppo grezzo, perché tiene conto solo dei valori estremi. Pertanto viene usato solo come prima approssimazione della variabilità Varianza e scarto quadratico medio Questi indici si basano sulla diversità fra le modalità assunte da ogni unità statistica e la media aritmetica.
26 Scarti dalla media aritmetica In simboli queste differenze si indicano con x i x dove, al solito, x i sono le modalità della variabile. Id. Alunni Voto in Statistica Scarti dalla media aritmetica 1 Alessandro = Dario = Fulvio = Giuseppe = Marilena = Noemi = Osvaldo = Paride = Valentina = Valerio = +0.0 Totale 0.0 Gli scarti indicano in che modo le modalità si disperdono attorno alla media aritmetica, quindi rappresentano, in prima approssimazione, la variabilità di questa distribuzione.
27 Per ottenere un unico numero, la cosa più semplice sarebbe fare la somma. Ma la somma vale sempre 0 (proprietà della media aritmetica) Dobbiamo fare in modo di eliminare i segni delle differenze. Ad esempio possiamo elevare al quadrato ogni differenza Voto in Scarti dalla Quadrati Id. Alunni Statistica media aritmetica degli Scarti i x i x i x (x i x ) 2 1 Alessandro (-2.5) 2 = Dario (+1.0) 2 = Fulvio (0.0) 2 = Giuseppe (-2.5) 2 = Marilena (+1.0) 2 = Noemi (+2.0) 2 = Osvaldo (+1.0) 2 = Paride (-0.5) 2 = Valentina (+0.5) 2 = Valerio (0.0) 2 = 0.00 Totale
28 Somma degli scarti al quadrato N i=1 (x i x ) 2, otteniamo un unico valore e abbaino risolto anche il problema dei segni (nell esempio questa somma è 20.00). Ma non siamo ancora arrivati a un indice di variabilità, perché il risultato dipende dalla numerosità del collettivo. Un indice di variabilità deve invece misurare la dispersione indipendentemente dalla numerosità del collettivo. Soluzione: dividere la somma così ottenuta per la numerosità del collettivo N = = 2 Questo indice è noto come varianza 2 Varianza σ 2 = (x i x ) 2 N i=1 N
29 Interpretazione Ma come interpretiamo il valore 2? Si tratta di due voti? La risposta è no, perché essendo il risultato di una somma di quadrati, la varianza è espressa nel quadrato dell unità di misura della variabile. Per questa ragione si usa fare la radice quadrata della varianza σ 2 Si ottiene un indice di variabilità con la stessa unità di misura della variabile. Scarto quadratico medio Questo indice prende il nome di scarto quadratico medio (noto anche come deviazione standard o scostamento quadratico medio) e si indica con la lettera greca sigma minuscola:. σ = N i=1 (x i x ) 2 N e 2 valgono 0 in assenza di variabilità e cresce all aumentare della variabilità.
30 Nel nostro esempio abbiamo: σ = 2 = 1.41 Possiamo ora affermare che nella distribuzione dei voti in Statistica si ha uno scarto quadratico medio di 1.41 voti. Devianza Corrisponde al numeratore della varianza. Quindi la formula della devianza è: N Dev = (x i x ) 2 i=1 Formule per le distribuzioni di frequenze k Devianza Dev = (x i x ) 2 i=1 n i Varianza σ 2 = k i=1 ( x i x ) 2 n i N Scarto quadratico medio σ = k i=1 ( x i x ) 2 n i N = Dev N = σ 2
31 Esempio di calcolo Utilizzando la tecnica delle colonne affiancate calcoliamo ora questi indici di variabilità per la distribuzione delle ore di studio (Tabella MV13), la cui media ricordiamo è x = Ore di studio Frequenze Assolute Scarti dalla media Quadrati degli scarti Prodotto per le frequenze x i n i x i x (x i x ) 2 (x i x ) 2 n i = = = = = = = = = = = = = = = Totale Devianza Dev = Varianza σ 2 = Dev = = N 13 Scarto quadratico medio σ = σ 2 = = 3.67
32 Caso particolare: modalità suddivise in classi Anche in questo caso si usa il valore centrale della classe c i come modalità. Prospetto riassuntivo sulle misure di variabilità TIPO DI VARIABILE Operazioni consentite Misure di variabilità calcolabili Variabili su scala nominale = Omogeneità O 1, O 2 Variabili su scala ordinale = > < Omogeneità e Dispersione D Variabili su scala a intervalli = > < + - Omogeneità, Dispersione, Campo di variazione, Scarto Quadratico Medio, Varianza, Differenze medie Indici di variabilità suggeriti Scarto Quadratico Medio: σ Varianza: σ 2 Devianza: Dev Diff. medie: Δ, Δ 2, Δ 2, Δ R 2
33 Variabilità relativa alla media e al massimo Problema: confronto della variabilità di due diverse distribuzioni. Vi sono situazioni in cui gli indici di variabilità precedentemente visti non sono adatti al confronto della variabilità di due o più distribuzioni: 1 2 Fenomeni che sono misurati in unità di misura diverse Fenomeni che pur avendo la stessa unità di misura hanno valori medi molto diversi Indici percentuali di variabilità Indici relativi di variabilità In entrambi i casi si ottengono dei numeri puri, cioè indipendenti dall unità di misura della variabile, consentendo pertanto i confronti.
34 Esempio 1: unità di misura diverse Giorno Modello A (Litri) Modello B (Galloni) Lunedì Martedì Mercoledì Giovedì Venerdì Sabato Domenica Totale Le medie aritmetiche sono x A = e x B = La varianza e la deviazione standard sono: Modello A: σ 2 A = σ A = Modello B: σ 2 B = σ B = C è maggiore variabilità di consumo nel modello A? Non possiamo dirlo ancora! Si tratta infatti di un fenomeno in due diverse unità di misura
35 Coefficiente di variazione Il più noto indice percentuale di variabilità. E dato dal rapporto fra deviazione standard e media aritmetica: CV = σ x Come gli indici di variabilità assoluta anche il CV ha sempre minimo pari a zero e massimo non definito. Nel nostro esempio: CV A = σ A x A CV B = σ B x B = = = = Le due misure di variabilità sono identiche.
36 Esempio 2: valori medi molto diversi Animale Peso Cavalli Peso Cani Animale kg kg Unità Unità Unità Unità Unità Unità Unità Unità Unità Unità Unità Unità Unità Unità Unità Unità Unità Unità Unità Unità Totale Le medie delle due distribuzioni sono kg e 2.73kg La varianza e la deviazione standard sono: Cavalli: σ 2 = σ = Cani: σ 2 = σ = C è maggiore variabilità di peso fra i cavalli? Non possiamo dirlo ancora! Si tratta infatti di un fenomeno con intensità media troppo diverse.
37 Deviazione standard kg. Va confrontata con un peso medio di kg Una variabilità di circa 30 chilogrammi su un animali di circa mezza tonnellata. Deviazione standard 283g. Va confrontata con un peso medio di 2.5kg Qualunque distribuzione dei pesi dei cavalli è sempre più variabile del peso dei cani, semplicemente perché questi ultimi sono più piccoli. Dobbiamo allora calcolare i coefficienti di variazione. CV Cavalli = = CV Cani = = Nella distribuzione del peso dei cani la variabilità è quasi il doppio di quella della distribuzione dei cavalli, ribaltando completamente le iniziali conclusioni.
38 La Concentrazione: concetto e misure Variabile quantitativa trasferibile. Si tratta di variabili per le quali ha senso pensare che una parte o tutto l ammontare della variabile possa essere ceduto da una unità statistica ad un altra. Variabili quantitative trasferibili Reddito Dipendenti di un impresa N automobili di una famiglia Variabili quantitative non trasferibili Titolo di studio Età Genere La concentrazione è un concetto statistico che misura come una variabile quantitativa trasferibile è ripartita fra le unità statistiche di un collettivo. L esempio classico è la misura della concentrazione del reddito.
39 Massima CONCENTRAZIONE Se la maggior parte del reddito è posseduto da poche famiglie ricche, si dice che il reddito è concentrato. Esempio: reddito delle famiglie italiane Situazioni intermedie Ci sono infinite situazioni intermedie che si possono misurare con opportuni indici. EQUIDISTRIBUZIONE Se l ammontare complessivo del reddito è posseduto in parti uguali da tutte le famiglie, si dice che c è equidistribuzione. Collettivo di N unità statistiche ordinate secondo la variabile x Indichiamo l ammontare complessivo della variabile x con la lettera A: N A = x i i=1 Si ha equidistribuzione quando ogni unità statistica ha la stessa quantità della variabile: Ogni famiglia possiede la stessa frazione di reddito totale disponibile Es. tutto il reddito posseduto dalle famiglie italiane x i = A N per i = 1,2,, N
40 Situazione opposta, cioè la massima concentrazione, si ha quando una sola unità (l ultima, cioè la N-esima) possiede tutto l ammontare della variabile (A): x 1 = 0 x 2 = 0 x n = A Quindi le possibili situazioni sono: Massima CONCENTRAZIONE x 1 = 0 x 2 = 0 x N = A Situazioni intermedie? EQUIDISTRIBUZIONE x 1 = A N x 2 = A N x N = A N
41 Situazioni intermedie Si ordinano le unità statistiche in modo non decrescente: Si definiscono le seguenti grandezze: x 1 x 2 x N A i = x 1 + x x i ammontare della variabile posseduto dalle prime i unità più povere (cioè posseggono meno). Q i = A i A F i = i N frazione di questo ammontare sul tutto. Quanta parte della variabile, rispetto al totale disponibile, è posseduto dalle prime i unità; frazione di unità fino alla i-esima rispetto alla numerosità del collettivo. Si tratta di una frequenza relativa cumulata.
42 Massima CONCENTRAZIONE x N = A Quindi Q 1 = A 1 A = 0 Q 2 = A 2 A = 0 Q N 1 = A N 1 A = 0 Situazioni intermedie F i Q i EQUIDISTRIBUZIONE F i = Q i 10% delle famiglie possiede il 10% del reddito totale 20% delle famiglie possiede il 20% del reddito totale 30% delle famiglie possiede il 30% del reddito totale Q N = A N A = 1 La concentrazione si può misurare proprio partendo dal confronto fra le Q i e le F i (F 1 Q 1 ) = F 1 (F 1 Q 1 ) = 0 (F 2 Q 2 ) = F 1 (F i Q i ) 0 (F 2 Q 2 ) = 0 sono sempre valori (F N Q N ) = 0 non negativi. (F N Q N ) = 0
43 Pertanto, si fa la somma di queste differenze N 1 C = (F i Q i ) i=1 Si noti che la somma va da i fino a N 1 proprio perché è sempre (F N Q N ) = 0. Massima CONCENTRAZIONE C assume valore Massimo N 1 C max = F i i=1 Situazioni intermedie 0 C C max EQUIDISTRIBUZIONE C assume valore minimo C min = 0 La grandezza C risulta pertanto essere un indice di concentrazione.
44 Indice relativo Come al solito però è più utile lavorare con un indice di concentrazione relativo, cioè una grandezza che varia da 0 (minima concentrazione) a 1 (massima concentrazione). Se il minimo di un indice è 0, un indice relativo si ottiene dividendo l indice stesso per il suo massimo. Rapporto di concentrazione di Gini R = N 1 C = i=1 (F i Q i ) C max N 1 i=1 F i Massima CONCENTRAZIONE Situazioni intermedie EQUIDISTRIBUZIONE R = 1 0 R 1 R = 0
45 Esempio per il calcolo di R Siano dati i redditi annui (in migliaia di euro) percepiti da un campione di 10 famiglie: i x i famiglie reddito A i F i Q i (F i Q i ) Totale A = 419 C = A i = x 1 + x x i ammontare della variabile posseduto dalle prime i unità. F i = i N frazione di unità fino alla i-esima rispetto alla numerosità del collettivo. Q i = A i A frazione dell ammontare sul tutto. N 1 C = (F i Q i ) i=1
46 i x i famiglie reddito A i F i Q i (F i Q i ) Totale Il 40% delle famiglie (F 4 ) possiede il 13.4% del totale della ricchezza (Q 4 ) oppure Il 70% delle famiglie (F 7 ) possiede il 32% della ricchezza (Q 7 ) Già da queste semplici osservazioni si capisce come non c è assolutamente equidistribuzione, anzi il reddito sembra essere concentrato nelle mani delle famiglie più ricche.
47 Calcolo di R Per calcolare il rapporto di concentrazione del Gini manca solo il valore di C max N 1 C max = F i i=1 = 4.5 Pertanto risulta: R = C = C max 4.5 = Si tratta di un rapporto di concentrazione apprezzabile, come ci aspettavamo.
48 Qi Curva di Lorenz Utilizzando i valori F i e Q i è possibile disegnare un grafico chiamato spezzata di concentrazione o curva di Lorenz Si fa un piano cartesiano: ascisse, valori delle F i ordinate, valori di Q i Per ogni coppia di valori (F i, Q i ) si rappresenta un punto. Tutti i punti vengono collegati con segmenti di retta a formare una linea spezzata Area di concentrazione Fi Curva di Lorenz Si rappresenta un segmento di retta che passa per l origine e per il punto di coordinate (1,1). Ogni punto di questa linea ha la peculiarità di avere F i = Q i, quindi è una linea che rappresenta la situazione di equidistribuzione.
49 Qi Area di concentrazione Fi Curva di Lorenz Siccome vale la disuguaglianza F i Q i, i punti della curva di Lorenz giacciono tutti al di sotto della linea di equidistribuzione. Più la curva di Lorenz si allontana dalla linea di equidistribuzione, maggiore è la concentrazione. L area che si forma tra la linea di equidistribuzione e la spezzata di concentrazione si chiama area di concentrazione, e fornisce una misura geometrica della concentrazione. Più grande è l area e maggiore è la concentrazione.
50 Il Box plot Il box plot (o grafico a scatola) è una particolare rappresentazione grafica basata su misure di tendenza centrale e variabilità. Su un diagramma sono visualizzati: il campo di variazione alcuni percentili o quartili la mediana. Si costruisce un rettangolo, con base qualunque e altezza pari all intervallo interquartile (differenza fra il terzo e primo quartile) W = Q 3 Q 1.
51 Massimo Q 3 Mediana Minimo Q 1 Il lato inferiore del rettangolo parte dal primo quartile (Q 1 ) Il lato superiore si arriva al terzo quartile (Q 3 ). Una linea orizzontale ad un livello pari alla mediana (ovvero Q 2 ). Le linee verticali che escono fuori dal rettangolo rappresentano l estensione della distribuzione al di fuori dell intervallo interquartile, quindi sono delimitate dal minimo e massimo valore della distribuzione.
52 Dentro la scatola sono rappresentati il 50% dei valori della distribuzione. Ogni baffo rappresenta il 25% dei valori più bassi e più alti. Esempio: Distr. A Distr. B Minimo 0 5 Q Mediana Q Massimo A B Il box plot è utile per rappresentare una distribuzione in modo sintetico.
2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
DettagliStatistica (Prof. Capitanio) Slide n. 1. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Statistica (Prof. Capitanio) Slide n. 1 Materiale di supporto per le lezioni. Non sostituisce il libro di testo MEDIA GEOMETRICA M g = x g = n n x i i=1 1 PROPRIETA 1) Identità di prodotto ( ) n n M =
DettagliITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio
ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO
Dettagli7. Si confronti la variabilità del carattere età nel gruppo dei maschi ed in quello delle femmine.
Esercizio n. 1 Da un collettivo di 20 individui si è rilevata la seguente distribuzione univariata multipla relativa ai caratteri età, sesso, numero di automobili possedute: unità età sesso n.auto 1 35
DettagliL indagine statistica
1 L indagine statistica DEFINIZIONE. La statistica è quella disciplina che si occupa della raccolta di dati quantitativi relativi a diversi fenomeni, della loro elaborazione e del loro utilizzo a fini
DettagliI laureati scuole di provenienza, durata degli studi, votazioni ed età
I laureati scuole di provenienza, durata degli studi, votazioni ed età Il campione in esame comprende gli 11450 laureati presso l Università di Lecce nel periodo maggio 1997 aprile 2004, corrispondente
DettagliStatistica. Esercitazione 16. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 16 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 24 Studio della relazione tra due variabili Commonly Asked Questions Qual è la relazione tra la spesa
DettagliUNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA
UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA CORSO DI COSTRUZIONI IDRAULICHE A.A. 00-0 PROF. LUIGI DA DEPPO ING. NADIA URSINO ESERCITAZIONE N : Progetto
DettagliMISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE
MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE La distanza focale f di una lente convergente sottile è data dalla formula: da cui 1 f = 1 p + 1 q f = pq p + q dove p e q sono, rispettivamente, le
DettagliStatistica. Alfonso Iodice D Enza iodicede@unina.it
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16 Outline 1 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16
DettagliOFFERTA DI LAVORO. p * C = M + w * L
1 OFFERTA DI LAVORO Supponiamo che il consumatore abbia inizialmente un reddito monetario M, sia che lavori o no: potrebbe trattarsi di un reddito da investimenti, di donazioni familiari, o altro. Definiamo
DettagliEsercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa.
Statistica Matematica A Esercitazione # 6 DUE MEDIE CON VARIANZE NOTE: Esercizio # Le ditte A e B producono sfere luminose. Una volta attivata la reazione chimica che rende luminosa una di queste sfere,
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliANALISI MULTIVARIATA
ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la
DettagliSESSIONE ORDINARIA 2007 CORSO DI ORDINAMENTO SCUOLE ITALIANE ALL ESTERO - AMERICHE
SESSIONE ORDINARIA 007 CORSO DI ORDINAMENTO SCUOLE ITALIANE ALL ESTERO - AMERICHE PROBLEMA Si consideri la funzione f definita da f ( x) x, il cui grafico è la parabola.. Si trovi il luogo geometrico dei
DettagliEsercizi sulla conversione tra unità di misura
Esercizi sulla conversione tra unità di misura Autore: Enrico Campanelli Prima stesura: Settembre 2013 Ultima revisione: Settembre 2013 Per segnalare errori o per osservazioni e suggerimenti di qualsiasi
DettagliAnalisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA
Analisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA 1 Distribuzione di frequenza Punto vendita e numero di addetti PUNTO VENDITA 1 2 3
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
DettagliLezione 12 Argomenti
Lezione 12 Argomenti Costi di produzione: differenza tra costo economico e costo contabile I costi nel breve periodo Relazione di breve periodo tra funzione di produzione, produttività del lavoro e costi
DettagliISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI
ISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI ISTITUTO PROFESSIONALE DI ENOGASTRONOMIA E OSPITALITA ALBERGHIERA CON I PERCORSI: ACCOGLIENZA TURISTICA, CUCINA, SALA-BAR ISTITUTO TECNICO PER IL TURISMO Sede Amministrativa:
DettagliIndici (Statistiche) che esprimono le caratteristiche di simmetria e
Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica
DettagliSTATISTICA DESCRITTIVA UNIVARIATA
Capitolo zero: STATISTICA DESCRITTIVA UNIVARIATA La STATISTICA è la scienza che si occupa di fenomeni collettivi che richiedono lo studio di un grande numero di dati. Il termine STATISTICA deriva dalla
DettagliRIDUZIONE DELLE DISTANZE
RIDUZIONE DELLE DISTANZE Il problema della riduzione delle distanze ad una determinata superficie di riferimento va analizzato nei suoi diversi aspetti in quanto, in relazione allo scopo della misura,
DettagliMINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ, DELLA RICERCA SCUOLE ITALIANE ALL ESTERO
Sessione Ordinaria in America 4 MINISTERO DELL'ISTRUZIONE, DELL'UNIVERSITÀ, DELLA RICERCA SCUOLE ITALIANE ALL ESTERO (Americhe) ESAMI DI STATO DI LICEO SCIENTIFICO Sessione Ordinaria 4 SECONDA PROVA SCRITTA
DettagliL equilibrio dei gas. Lo stato di equilibrio di una data massa di gas è caratterizzato da un volume, una pressione e una temperatura
Termodinamica 1. L equilibrio dei gas 2. L effetto della temperatura sui gas 3. La teoria cinetica dei gas 4. Lavoro e calore 5. Il rendimento delle macchine termiche 6. Il secondo principio della termodinamica
Dettaglix log(x) + 3. f(x) =
Università di Bari, Corso di Laurea in Economia e Commercio Esame di Matematica per l Economia L/Z Dr. G. Taglialatela 03 giugno 05 Traccia dispari Esercizio. Calcolare Esercizio. Calcolare e cos log d
DettagliLezione 3: Il problema del consumatore: Il
Corso di Economica Politica prof. Stefano Papa Lezione 3: Il problema del consumatore: Il vincolo di bilancio Facoltà di Economia Università di Roma La Sapienza Il problema del consumatore 2 Applichiamo
DettagliIllustrazione 1: Telaio. Piantanida Simone 1 G Scopo dell'esperienza: Misura di grandezze vettoriali
Piantanida Simone 1 G Scopo dell'esperienza: Misura di grandezze vettoriali Materiale utilizzato: Telaio (carrucole,supporto,filo), pesi, goniometro o foglio con goniometro stampato, righello Premessa
DettagliVARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.
VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della
DettagliDefinizione Dati due insiemi A e B, contenuti nel campo reale R, si definisce funzione reale di variabile reale una legge f : A
Scopo centrale, sia della teoria statistica che della economica, è proprio quello di esprimere ed analizzare le relazioni, esistenti tra le variabili statistiche ed economiche, che, in linguaggio matematico,
DettagliCapitolo 3. Errori di misura. 3.1 L'incertezza nella misura
Interventi didattici integrativi Appunti di Fisica III 1 Capitolo 3 Errori di misura 3.1 L'incertezza nella misura 3.2 Le misure dirette 3.3 Serie di misure dirette 3.4 Le misure indirette 3.5 Procedimento
DettagliMisura e Valutazione del A. Rischio
- 7 Teoria della Finanza Aziendale Prof. Arturo Capasso A.A. 007-008 Misura e Valutazione del A. Rischio - Argomenti Il rischio Il rischio negli investimenti finanziari La misurazione del rischio Varianza
DettagliProtocollo dei saperi imprescindibili Ordine di scuola: professionale
Protocollo dei saperi imprescindibili Ordine di scuola: professionale DISCIPLINA: MATEMATICA RESPONSABILE: CAGNESCHI F. IMPERATORE D. CLASSE: prima servizi commerciali Utilizzare le tecniche e le procedure
DettagliStatistica descrittiva
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento
DettagliLe forze. Cos è una forza? in quiete. in moto
Le forze Ricorda che quando parli di: - corpo: ti stai riferendo all oggetto che stai studiando; - deformazione. significa che il corpo che stai studiando cambia forma (come quando pesti una scatola di
DettagliGli asintoti di una funzione sono rette, quindi possono essere: rette verticali o rette orizzontali o rette oblique.
Asintoti Gli asintoti di una funzione sono rette, quindi possono essere: rette verticali o rette orizzontali o rette oblique. Asintoti verticali Sia 0 punto di accumulazione per dom(f). La retta = 0 è
DettagliIl Metodo Scientifico
Unita Naturali Il Metodo Scientifico La Fisica si occupa di descrivere ed interpretare i fenomeni naturali usando il metodo scientifico. Passi del metodo scientifico: Schematizzazione: modello semplificato
DettagliOfferta in concorrenza perfetta: Cap.6
Offerta in concorrenza perfetta: il lato dei costi Cap.6 Curva di offerta Per capire meglio le origini della curva di offerta consideriamo ora una impresa che debba decidere quale livello di produzione
DettagliLUNEDI ORA I A II A III A I B II B III B I C I D LETTERE APPROF.TO RELIGIONE ARTE E IMMAGINE MATEMATICA MATEMATICA E SCIENZE MATEMATICA E SCIENZE
LUNEDI 08,00-09,00 09,00-10,00 RELIGIONE 10,00-11,00 13,00 14,00 APPROF.TO RELIGIONE APPROF.TO RELIGIONE RELIGION APPROF.TO 14,00 14,30 RICREAZIONE RICREAZIONE RICREAZIONE RICREAZIONE 14,30-15,30 15,30-16,30
DettagliGrafici delle distribuzioni di frequenza
Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma
DettagliANALISI DEI DATI PER IL MARKETING 2014
ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it MISURE DI DISTANZA E SIMILARITA 1 SCOPI DEL CALCOLO Problema: misurare la diversità (ovvero la rassomiglianza) tra
Dettagliˆp(1 ˆp) n 1 +n 2 totale di successi considerando i due gruppi come fossero uno solo e si costruisce z come segue ˆp 1 ˆp 2. n 1
. Verifica di ipotesi: parte seconda.. Verifica di ipotesi per due campioni. Quando abbiamo due insiemi di dati possiamo chiederci, a seconda della loro natura, se i campioni sono simili oppure no. Ci
DettagliI costi d impresa (R. Frank, Capitolo 10)
I costi d impresa (R. Frank, Capitolo 10) COSTI Per poter realizzare la produzione l impresa sostiene dei costi Si tratta di scegliere la combinazione ottimale dei fattori produttivi per l impresa È bene
DettagliUNIVERSITA' CATTOLICA DEL SACRO CUORE. Valutazione della soddisfazione degli studenti a.a. 2011-2012. Riepilogo delle valutazioni fornite
Pagina 1 di UNIVERSITA' CATTOLICA DEL SACRO CUORE Valutazione della soddisfazione degli studenti a.a. 011-01 (Legge 0/1) Riepilogo delle valutazioni fornite Rapporto statistico relativo al corso di laurea
DettagliStudio di funzione. Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2
Studio di funzione Copyright c 2009 Pasquale Terrecuso Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2 Studio di funzione
DettagliMATEMATICA GENERALE Prova d esame del 4 giugno 2013 - FILA A
MATEMATICA GENERALE Prova d esame del 4 giugno 2013 - FILA A Nome e cognome Matricola I Parte OBBLIGATORIA (quesiti preliminari: 1 punto ciascuno). Riportare le soluzioni su questo foglio, mostrando i
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva
Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione
DettagliStatistica. L. Freddi. L. Freddi Statistica
Statistica L. Freddi Statistica La statistica è un insieme di metodi e tecniche per: raccogliere informazioni su un fenomeno sintetizzare l informazione (elaborare i dati) generalizzare i risultati ottenuti
DettagliSTATISTICA DESCRITTIVA. Le misure di tendenza centrale
STATISTICA DESCRITTIVA Le misure di tendenza centrale 1 OBIETTIVO Individuare un indice che rappresenti significativamente un insieme di dati statistici. 2 Esempio Nella tabella seguente sono riportati
DettagliSOLUZIONE ESERCIZIO 1.1
SOLUZIONE ESERCIZIO 1.1 La temperatura di fusione ed il coefficiente di espansione termica di alcuni metalli sono riportati nella tabella e nel diagramma sottostante: Metallo Temperatura di fusione [ C]
DettagliSyllabus: argomenti di Matematica delle prove di valutazione
Syllabus: argomenti di Matematica delle prove di valutazione abcdef... ABC (senza calcolatrici, senza palmari, senza telefonini... ) Gli Argomenti A. Numeri frazioni e numeri decimali massimo comun divisore,
DettagliEsercitazione di riepilogo 23 Aprile 2013
Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)
DettagliINDICAZIONI PER LA RICERCA DEGLI ASINTOTI VERTICALI
2.13 ASINTOTI 44 Un "asintoto", per una funzione y = f( ), è una retta alla quale il grafico della funzione "si avvicina indefinitamente", "si avvicina di tanto quanto noi vogliamo", nel senso precisato
DettagliLA STATISTICA NEI TEST INVALSI
LA STATISTICA NEI TEST INVALSI 1 Prova Nazionale 2011 Osserva il grafico seguente che rappresenta la distribuzione percentuale di famiglie per numero di componenti, in base al censimento 2001. Qual è la
DettagliIl comportamento del consumatore
Il comportamento del consumatore Le preferenze del consumatore I vincoli di bilancio La scelta del consumatore Utilità marginale e scelta del consumatore 1 L obiettivo è quello di descrivere come i consumatori
DettagliUnità di misura di lunghezza usate in astronomia
Unità di misura di lunghezza usate in astronomia In astronomia si usano unità di lunghezza un po diverse da quelle che abbiamo finora utilizzato; ciò è dovuto alle enormi distanze che separano gli oggetti
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4. Esercizi di Inferenza Statistica Gianmarco Altoè Dipartimento di Psicologia Università di Cagliari, Anno Accademico 2011-2012 Esercizio 4.1 - I due esami Nella seguente
DettagliSTATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007
A STATISTICA (A-K) a.a. 007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 007 STESS N.O. RD 00 GORU N.O. RD 006 ) La distribuzione del numero degli occupati (valori x 000) in una provincia
DettagliTEMPI D'ATTESA 2014. posti annuali 2014 in classe di priorità "U", "B", "D" utilizzati dai medici
TEMPI D'ATTESA 2014 Prestazione interna mediana tempi d'attesa in regime ordinario/program mata* numero pazienti in attesa per prestazione** posti annuali 2014 in classe di priorità "U", "B", "D" utilizzati
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliCome descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca
Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche
DettagliCAPITOLO II. Il Vantaggio Assoluto
CAPITOLO II Il Vantaggio Assoluto Ragionare di commercio internazionale facendo uso del modello Domanda-Offerta: le esportazioni (importazioni) corrispondono ad un eccesso di offerta (domanda), ai prezzi
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliElementi di matematica finanziaria
Elementi di matematica finanziaria 1. Percentuale Si dice percentuale di una somma di denaro o di un altra grandezza, una parte di questa, calcolata in base ad un tanto per cento, che si chiama tasso percentuale.
DettagliRAPPRESENTAZIONE DEI DATI
Rappresentazione dei Dati RAPPRESENTAZIONE DEI DATI Quando si dispone di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente Quandoil si loro dispone
DettagliDott.ssa Caterina Gurrieri
Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo
DettagliELEMENTI DI ANALISI SPETTRALE 1 I DUE DOMINI
Lezioni di Fisica della Terra Solida, Università di Chieti, a.a. 999/. Docente A. De Santis ELEMENTI DI ANALISI SPETTRALE I DUE DOMINI È spesso utile pensare alle unzioni ed alle loro trasormate di Fourier
DettagliEsercitazioni di Reti Logiche. Lezione 1 Rappresentazione dell'informazione. Zeynep KIZILTAN zkiziltan@deis.unibo.it
Esercitazioni di Reti Logiche Lezione 1 Rappresentazione dell'informazione Zeynep KIZILTAN zkiziltan@deis.unibo.it Introduzione Zeynep KIZILTAN Si pronuncia Z come la S di Rose altrimenti, si legge come
Dettagli1) A partire dalla seguente tabella a doppia entrata per le variabili QUALIFICA FUNZIONALE e STIPENDIO PERCEPITO (3 classi): STIPENDIO PERCEPITO
ESERCIZIO La tabella littlecompany,disponibile sul sito (in formato pdf e xls) riporta i dati relativi a 40 dipendenti dell'azienda Little Company S.r.l. su cui sono state rilevate le seguenti variabili:
DettagliStatistica Applicata all edilizia Lezione 3: i numeri indice
Lezione 3: i numeri indice E-mail: orietta.nicolis@unibg.it 24 marzo 2009 Programma Programma Operazioni statistiche elementari Vengono utilizzate per confrontare fenomeni nel tempo (nello stesso luogo
DettagliDefinizione unitaria delle coniche
Autore/i: M.Maddalena Bovetti docente di matematica della Scuola Media Superione Titolo: Definizione unitaria delle coniche Collocazione: Difficoltà: Livello di scolarità: Periodo scolastico: Abstract:
DettagliFisica con gli smartphone. Lezioni d'autore di Claudio Cigognetti
Fisica con gli smartphone Lezioni d'autore di Claudio Cigognetti VIDEO I SENSORI IN UNO SMARTPHONE Oggi la miniaturizzazione dei sensori indicati con l acronimo inglese MEMS (sistemi microelettronici e
DettagliESERCITAZIONE 5 SOLUZIONE:
ESERCITAZIONE 5 1. Supponiamo che le imposte sul lavoro diminuiscano e, di conseguenza, aumenti il salario orario percepito dai lavoratori da w1 a w2. L'aumento del salario fa aumentare il costoopportunità
DettagliRAPIDE. La povertà viene calcolata sulla base. Nel 2002 la spesa media mensile. La povertà in Italia nel 2002 POVERTÀ NEL TEMPO E SUL TERRITORIO
SOTTO LA SOGLIA DI POVERTÀ L 11% DELLE FAMIGLIE La povertà in Italia nel La povertà viene calcolata sulla base di due distinte soglie convenzionali: una soglia relativa, determinata annualmente rispetto
DettagliNon lasciamoci ingannare..
Non lasciamoci ingannare.. CHI LO DICE? I dati possono anche provenire da una fonte autorevole, ma la conclusione Come è stata posta la domanda? Come è stato selezionato il campione? COME SONO STATI OTTENUTI
DettagliScala di percezione del mercato del lavoro F. Avallone, A. Grimaldi, S. Pepe
In collaborazione con la Facoltà di Psicologia 2 Università degli Studi di Roma Sapienza F. Avallone, A. Grimaldi, S. Pepe FOTOCOPIABILE Istruzioni Di seguito troverà elencata una serie di aggettivi di
Dettagli2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale
BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk
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:
DettagliElementi di Statistica
Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle
DettagliElementi di Psicometria
Elementi di Psicometria E2-Riepilogo finale vers. 1.2 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia) ElemPsico 2010-2011
DettagliElenco dettagliato degli argomenti da preparare per l esame
Università dell Insubria Facoltà di Giurisprudenza A.A. 007-08 Corso di Economia politica Prof. E. Bellino PROGRAMMA DEL CORSO SVOLTO NELL A.A. 007-08 Libro di testo adottato: Terenzio Cozzi Stefano Zamagni,
DettagliPROBLEMI DI SCELTA dipendenti da due variabili d azione
prof. Guida PROBLEMI DI SCELTA dipendenti da due variabili d azione in un problema di programmazione lineare, si ricorda che la funzione obiettivo z=f(x,y)=ax+by+c assume il suo valore massimo (o minimo)
DettagliCAPITOLO V. DATABASE: Il modello relazionale
CAPITOLO V DATABASE: Il modello relazionale Il modello relazionale offre una rappresentazione matematica dei dati basata sul concetto di relazione normalizzata. I principi del modello relazionale furono
DettagliGrafici. Lezione 4. Fondamenti di Informatica 2 Giuseppe Manco Ester Zumpano
Fondamenti di Informatica 2 Giuseppe Manco Ester Zumpano Grafici Lezione 4 Grafici e cartine Grafici [1/13 1/13] Rappresentare graficamente le informazioni per renderle interessanti e facilmente comprensibili.
DettagliPer forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media.
FORMA DI UNA DISTRIBUZIONE Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. Le prime informazioni sulla forma di
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliPSICOMETRIA. Esercitazione n.1. C.d.L. Comunicazione e Psicologia a.a. 2012/13
PSICOMETRIA Esercitazione n.1 C.d.L. Comunicazione e Psicologia a.a. 2012/13 ESERCITAZIONE 1: INDICE 1. Informazioni di carattere generale sulle esercitazioni 2. Il foglio di calcolo (Excel) 3. Avviare
DettagliEQUAZIONI CON VALORE ASSOLUTO DISEQUAZIONI CON VALORE ASSOLUTO
EQUAZIONI CON VALORE AOLUTO DIEQUAZIONI CON VALORE AOLUTO Prima di tutto: che cosa è il valore assoluto di un numero? Il valore assoluto è quella legge che ad un numero (positivo o negativo) associa sempre
DettagliTEST DI AUTOVALUTAZIONE TEST SU DUE CAMPIONI
TEST DI AUTOVALUTAZIONE TEST SU DUE CAMPIONI I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Statistica Parte A. Per verificare l efficacia di un farmaco
DettagliElementi di statistica
Elementi di statistica 1 Generalità Le prime statistiche erano una specie di contabilità della popolazione umana e dei dati economici: numero delle nascite e delle morti per anno, percentuale di maschi
DettagliLA MOLE LA MOLE 2.A PRE-REQUISITI 2.3 FORMULE E COMPOSIZIONE 2.B PRE-TEST
LA MOLE 2.A PRE-REQUISITI 2.B PRE-TEST 2.C OBIETTIVI 2.1 QUANTO PESA UN ATOMO? 2.1.1 L IDEA DI MASSA RELATIVA 2.1.2 MASSA ATOMICA RELATIVA 2.2.4 ESERCIZI SVOLTI 2.3 FORMULE E COMPOSIZIONE 2.4 DETERMINAZIONE
DettagliMATEMATICA e COMPLEMENTI di MATEMATICA
ALLEGATO N.8_b MATEMATICA e COMPLEMENTI di MATEMATICA DESTINATARI gli studenti delle classi: terze e quarte nuovo ordinamento RISULTATI DI APPRENDIMENTO DELL OBBLIGO D ISTRUZIONE, CHIAVE EUROPEA Padroneggiare
DettagliCALENDARIO CORSI: Giugno 2015
CALENDARIO CORSI: Giugno 2015 Mercoledì 3 Giovedì 4 Venerdì 5 Martedì 9 Mercoledì 10 Giovedì 11 Venerdì 12 Martedì 16 Mercoledì 17 Giovedì 18 Venerdì 19 Martedì 23 Mercoledì 24 Giovedì 25 Venerdì 26 Martedì
DettagliI.P.S.S. Severini a.s. 2015-16 Curriculum Verticale MATEMATICA
Curriculum Verticale MATEMATICA I Docenti di Matematica dell IPSS concordano, per l a.s. 2015/16, i seguenti punti: numero minimo di verifiche annue (riferite ad una frequenza regolare): 6, di varia tipologia
DettagliStatistica Applicata all edilizia Lezione 2: Analisi descrittiva dei dati
Lezione 2: Analisi descrittiva dei dati E-mail: orietta.nicolis@unibg.it 1 marzo 2011 Prograa 1 Analisi grafica dei dati 2 Indici di posizione Indici di dispersione Il boxplot 3 4 Prograa Analisi grafica
Dettagli