Richiami di statistica 222
|
|
- Amedeo Valle
- 5 anni fa
- Visualizzazioni
Transcript
1 Programmazioe e Cotrollo della Produzioe La statistica modera può essere distita i tre parti: La statistica descrittiva spiega come i dati raccolti devoo essere riportati i tabella, rappresetati i grafici e sitetizzati i idici matematici, allo scopo di idividuare le caratteristiche fodametali del campioe. La statistica ifereziale permette di trarre coclusioi su tutti i dati di ua popolazioe, quado se e cooscoo solamete pochi, raggruppati i uo o più campioi. La statistica matematica preseta le distribuzioi teoriche sia per misure discrete sia per misure cotiue, allo scopo di illustrare le caratteristiche fodametali, le relazioi che esistoo tra esse, gli usi possibili. Richiami di statistica
2 tatistica descrittiva Programmazioe e Cotrollo della Produzioe La statistica descrittiva si occupa della raccolta, classificazioe, aalisi dei dati che esprimoo aspetti di feomei collettivi scelti come oggetto di studio e che si maifestao egli elemeti di u determiato isieme. copo della statistica descrittiva è quello di descrivere questi feomei o di idividuare regolarità di comportameto i essi. Idagie statistica Raccolta dati poglio dei dati Elaborazioe dei dati Natura dei dati: qualitativa, quatitativa Metodo di raccolta: cesimeto, campioameto Tecica di raccolta: itervista, compilazioe di questioario, ecc. Eumerazioe dei dati Classificazioe i gruppi Trascrizioe i tabelle Rappresetazioe dei dati mediate grafici per iformazioi facilmete, rapidamete compresibili. Quali grafici? Istogrammi, diagrammi a torta, grafici cartesiai, box plot, cartogrammi, ecc. Richiami di statistica 3
3 Programmazioe e Cotrollo della Produzioe Tipi di variabili Esempi Dicotomiche 0 / Qualitative categoriche alfaumeriche Nomiali Politomiche Colore dei capelli Variabili Ordiali Giudizio persoale Quatitative umeriche Discrete Numero di difetti Cotiue Misura di pressioe Temperatura, forza Richiami di statistica 4
4 Programmazioe e Cotrollo della Produzioe 0,4 0, 0,0 0,08 0,06 0,04 0,0 0,08 0,07 0,06 0,05 0,04 0,03 0,0 0,0 Richiami di statistica 5
5 Media e Variaza Campioaria Programmazioe e Cotrollo della Produzioe Per ua sitesi umerica dei dati, è utile disporre ache di idicatori umerici della tedeza cetrale e della dispersioe. Per u campioe x,,x quatitativo: x i x i, ( x i x) i e suddividiamo il campioe elle modalità m,,m K risulta: x K k p k m k, K k p k ( m k x) carto quadratico o deviazioe stadard campioaria: ( x i x) i si esprime ella stessa uità di misura dei dati osservati Richiami di statistica 6
6 Programmazioe e Cotrollo della Produzioe Altri tipi di medie Media geometrica Media armoica Media quadratica Caso geerale Risulta: x A x G x x Q Richiami di statistica 7
7 Mediaa, quatili e quartili È detto mediaa il valore cetrale delle osservazioi: Programmazioe e Cotrollo della Produzioe È detto rage l itervallo: Dato (0,), si dice quatile (o percetile) di ordie α: Box plot: Richiami di statistica 8
8 tatistica matematica Leggi di distribuzioe Programmazioe e Cotrollo della Produzioe Ua distribuzioe di probabilità è u modello matematico che collega il valore di ua variabile casuale alla probabilità che tale valore si trovi all itero della popolazioe (di umerosità N). Variabile discreta Variabile cotiua Media e variaza di ua distribuzioe di probabilità: N x i N i N ( N i x i ) Variabile casuale discreta: Variabile casuale cotiua: Coefficiete di variazioe: i x p( ) ( x ) p( x ) CV i x i xf ( x) dx i i ( x ) f ( x) dx Proprietà di ivariaza: i Richiami di statistica 9
9 tatistica matematica Programmazioe e Cotrollo della Produzioe Richiami di statistica 30
10 Programmazioe e Cotrollo della Produzioe Richiami di statistica 3
11 Programmazioe e Cotrollo della Produzioe i dice che è distribuita come ua chi quadrato se ha la seguete fuzioe di desità: Proprietà Richiami di statistica 3
12 Programmazioe e Cotrollo della Produzioe i dice che è distribuita come ua T di tudet a m gradi di libertà se ha la seguete fuzioe di desità: i dice che è distribuita come ua F di Fisher a m e ad gradi di libertà se ha la seguete fuzioe di desità: Richiami di statistica 33
13 Variabili aleatorie cotiue Programmazioe e Cotrollo della Produzioe ia B = {x є : x x x }, se f(x) fuzioe o egativa x B, itegrabile i B tale che: x x F(x) = F(x ) + f(x)dx; x: x x x. La fuzioe di ripartizioe, detta ache fuzioe di distribuzioe cumulata, F(x) è assolutamete cotiua ell itervallo B = {x: x x x }. f(x) è la fuz. di desità di probabilità della variabile aleatoria ell itervallo B = {x: x x x }. La variabile aleatoria, i questo caso, viee detta cotiua ell itervallo B = {x: x x x }. () F(x) = f(x)dx ; x ; () P{(x x ]} = F(x ) - F(x ) = f(x)dx ; x x ; x (3) f(x)dx =. x x Richiami di statistica 34
14 Programmazioe e Cotrollo della Produzioe Normale stadard Trasformazioe: Tale distribuzioe riveste particolare importaza perché i valori della Φ soo tabulati per z > 0. Quelli per z < 0 si ottegoo per simmetria: Mediate la stadardizzazioe è quidi possibile calcolare approssimativamete la probabilità di u certo eveto casuale: E quidi i defiitiva: Richiami di statistica 35
15 Programmazioe e Cotrollo della Produzioe Esempio: ia: Calcolare: Dalla tabella si ha che Richiami di statistica 36
16 Il Teorema del Limite Cetrale Programmazioe e Cotrollo della Produzioe ia ua successioe di variabili aleatorie idipedeti e ideticamete distribuite, proveiete da ua popolazioe dotata di media e di variaza: E[] = µ Var [] = σ Qualsiasi sia la distribuzioe della, si ha che per la distribuzioe della media campioaria coverge ad ua distribuzioe gaussiaa, avete per media e per variaza proprio la media e la variaza della media campioaria:... N(, ) N(0,) Richiami di statistica 37
17 Programmazioe e Cotrollo della Produzioe Approssimazioi cosegueti al Teorema del Limite Cetrale Queste approssimazioi o provegoo dal teorema Richiami di statistica 38
18 Programmazioe e Cotrollo della Produzioe Per u campioe casuale costituito da i idipedeti e ideticamete distribuiti si ha: Media Campioaria Variaza Campioaria i i i ( i, ) = umerosità del campioe Richiami di statistica 39
19 Itervalli di cofideza Programmazioe e Cotrollo della Produzioe i defiisce u itervallo di fiducia per il parametro θ u itervallo etro il quale il parametro assume valori co ua prefissata probabilità chiamata livello di fiducia. i associa u certo grado di probabilità all eveto che il valore stimato si discosti dal valore vero di ua certa quatità I α. P L i L s Limite iferiore di fiducia: Limite superiore di fiducia: L i = θ -I α L s = θ + I α L itervallo di cofideza può essere uilaterale, bilaterale simmetrico o asimmetrico. Richiami di statistica 40
20 Programmazioe e Cotrollo della Produzioe tima per itervalli della media di ua popolazioe, co variaza ota ia ua variabile casuale distribuita secodo ua legge ormale N(μ,σ ) dove il valore μ è icogito, e {,,, } u campioe di umerosità estratto da tale variabile. Lo stimatore più efficiete per la media è: i è visto che: E var Ioltre: N, / ˆ / i i -α / Allora: Z N0, Pertato: P z Z z α/ α/ z z Richiami di statistica 4
21 Programmazioe e Cotrollo della Produzioe Richiami di statistica 4 ostituedo Z: / z z P Poiché il problema è quello di stimare la media μ co u livello di fiducia α co brevi passaggi si ottiee: z z P Quidi l itervallo di fiducia è: z z L L s i, ), ( Tale itervallo tra le due statistiche iclude il valore vero del parametro µ co u livello di probabilità pari ad -α.
22 Programmazioe e Cotrollo della Produzioe tima per itervalli della media di ua popolazioe, co variaza o ota ia ua variabile casuale distribuita secodo ua legge ormale N(μ,σ ) co media μ e variaza σ icogite, e {,,, } u campioe di umerosità estratto da tale variabile. Lo stimatore più efficiete per la variaza è: ˆ i i i può operare come fatto i precedeza a patto di sostituire la variabile casuale Z co la variabile T di tudet: T / Nel caso di popolazioe di dimesioe N: T N N Richiami di statistica 43
23 Programmazioe e Cotrollo della Produzioe Richiami di statistica 44 -α α/ α/ La probabilità che cerchiamo vale:, t T P O i modo equivalete:,, t T t P, t, t,, N N t N N t P imilmete a prima:,, t t P s i t t L L,,, ), ( L itervallo di fiducia risulta:
24 Programmazioe e Cotrollo della Produzioe Richiami di statistica 45 Determiazioe della umerosità campioaria i suppoga di avere il problema: quati campioi devo estrarre affiché si possa affermare u determiato itervallo di fiducia sulla media co ua cofideza prestabilita? Dalle equazioi relative all ampiezza degli itervalli di fiducia: Esplicitado la : z z L L s i, ), ( s i t t L L,,, ), ( * I z, * I t
25 Programmazioe e Cotrollo della Produzioe ATTENZIONE: i gradi di libertà della T di tudet soo quelli co cui è stata calcolata la stima di σ. Esempio: Idustria coserviera co cotrolli sui pesi: quale umerosità del campioe da prelevare per affermare co ua cofideza del 99% che il peso medio è compreso ell itervallo 995±5g? Caso : σ ota pari a 7.5g * =.9 ovvero Caso : σ icogita timo lo scarto tipo co 8 scatole: gdl=7 * = 66.4 ovvero 67 Caso : σ icogita timo lo scarto tipo co 8 scatole: gdl=7 * = 3. ovvero 4 Richiami di statistica 46
26 Programmazioe e Cotrollo della Produzioe tima per itervalli della differeza tra due medie i suppoga di avere il problema di dover cofrotare le medie di due popolazioi facedo delle affermazioi co u certo grado di fiducia sulla loro differeza. È sovete procedere alla modifica di u processo e voler valutare l effetto. Per la media il miglior stimatore è: i i i i i) σ e σ ote Per la variaza bisoga aalizzare tre casi: ii) σ e σ o ote ma uguali iii) σ e σ o ote e o uguali Richiami di statistica 47
27 Programmazioe e Cotrollo della Produzioe Richiami di statistica 48 i) σ e σ ote Z ia: Poedo: E sviluppado come fatto i precedeza:, ), ( z z L L s i ii) σ e σ o ote ma uguali p T ia: Poedo: E sviluppado come fatto i precedeza:,,, ), ( s i t t L L p
28 Programmazioe e Cotrollo della Produzioe Richiami di statistica 49 iii) σ e σ o ote e o uguali T Poiché o possoo essere assuti uguali gli scarti tipo si può approssimativamete usare la T di tudet: Gli u gradi di libertà si trovao mediate la: u
29 tima per itervalli di ua variaza Programmazioe e Cotrollo della Produzioe i è visto prima come el caso di variaza icogita si sia sostituita a quest ultima ua stima. Ma quato è ragioevole fare questa sostituzioe? ia ua variabile casuale distribuita ormalmete co media μ e variaza σ icogite, e{,,, } u campioe di umerosità estratto da tale variabile. i i La variabile casuale: V α/, -α, α/ P,, ( Li, Ls),,, Richiami di statistica 50
30 Programmazioe e Cotrollo della Produzioe Richiami di statistica 5 tima per itervalli del rapporto di due variaze,,,, F F F P iao e due variabili casuali distribuite ormalmete, ~ N(μ,σ ) e ~ N(μ,σ ), di cui i parametri o soo oti; siao le due distribuzioi campioate co dei campioi casuali costituiti rispettivamete da e osservazioi. Per cofrotare le due variaze si utilizza la F di Fisher: -α α/ α/,,,,, ), ( s i F F L L,, F,, F, i i i i i i i i F F
31 Programmazioe e Cotrollo della Produzioe Test di ipotesi L ifereza sulla popolazioe mediate campioe implica il test delle ipotesi statistiche, vale a dire u cofroto tra la misura di u parametro co u valore prefissato per dedurre se la discrepaza possa cosiderarsi accidetale o debba essere riteuta sistematica. otto il piao logico si tratta di formulare u alterativa tra due proposizioi: ad esempio per verificare la somigliaza di due popolazioi si formula l ipotesi o ci soo sigificative differeze e quidi si effettua u test avedo prefissato ua soglia corrispodete ad u certo livello di cofideza. Esempio I ua ditta produttrice di astri, dei tecici hao messo apputo u uovo trattameto per aumetare la resisteza a trazioe del prodotto da 78.5N a 80N. Per valutare questa affermazioe bisogerebbe provare l itera produzioe. Il guaio è che il cotrollo è distruttivo. Richiami di statistica 5
32 Programmazioe e Cotrollo della Produzioe i può allora estrarre solo u campioe di elemeti ed effettuare la prova su di essi. I etrambi i casi estremi i cui tutti o essuo degli elemeti del campioe passi il test può sussistere il dubbio che il resto della popolazioe si comporti i modo cotrastate co il campioe. I geerale si possoo verificare quattro casi: Prove su u campioe di 49 astri: media del carico μ μ > 78.5N μ > 78.5N μ < 78.5N μ < 78.5N Il trattameto è realmete efficace Il trattameto o è realmete efficace Il trattameto è realmete efficace Il trattameto o è realmete efficace i accetta il cambiameto i accetta il cambiameto No si accetta il cambiameto No si accetta il cambiameto CORRETTO NON CORRETTO NON CORRETTO CORRETTO Richiami di statistica 53
33 Probabilità degli errori di I e II specie Programmazioe e Cotrollo della Produzioe uppoiamo che la distribuzioe dei carichi di rottura dei astri sia di tipo ormale e che il uovo trattameto o modifichi la variaza pari a.4n. e l affermazioe dei tecici corrispode a verità la popolazioe ha ua media pari a 80N. Il rischio di errore di I specie è rappresetato dall area sottesa dalla curva ormale a siistra del valore 78.5N. P PZ PZ Richiami di statistica 54
34 Programmazioe e Cotrollo della Produzioe e l affermazioe dei tecici corrispode al falso perché per esempio la popolazioe ha ua media pari a 79.5 (<80N), il rischio di errore di II specie è rappresetato dall area sottesa dalla curva ormale a destra del valore 78.5N. P PZ PZ Nella pratica si preferisce fissare il rischio di I specie ed i base a questo stabilire il valore limite di accettazioe per le medie campioarie. Richiami di statistica 55
35 Programmazioe e Cotrollo della Produzioe ituazioe vera (icogita) ACCETTARE H 0 REPINGERE H 0 H 0 è vera H 0 è falsa H A è vera Decisioe corretta Probabilità -α Rischio di II specie Probabilità β Rischio di I specie Probabilità α Decisioe corretta Probabilità -β Limite di accettazioe e H 0 è falsa α β e H 0 è vera Rifiuto Rifiuto H 0 - Accetto H A Accettazioe Accetto H 0 - Rifiuto H A Richiami di statistica 56
36 Programmazioe e Cotrollo della Produzioe Test riguardati la media co variaza della popolazioe ota ia ua variabile casuale distribuita secodo ua legge ormale N(μ,σ ) co σ ota, e {,,, } u campioe di umerosità estratto da tale variabile. Per testare l ipotesi di proveieza da ua popolazioe co media μ = μ 0 si usa la statistica test: Z 0 / 0 0 Il problema è quello di testare l ipotesi ulla H 0 : μ = μ 0 cotro l ipotesi alterativa H A : μ μ 0 test bilaterale. Il rischio di errore di I specie è: P 0 0 z z Pertato la regioe di rifiuto del test bilaterale è data da tutti gli tali che: 0 0 z z Richiami di statistica 57
37 Programmazioe e Cotrollo della Produzioe Quato detto è equivalete ad affermare che l ipotesi H 0 : μ = μ 0 o è da rifiutare se la media del campioe è coteuta ell itervallo di fiducia per la media al livello di fiducia ( α) cetrato sul valore μ 0 e di semi-ampiezza: z RIFIUTO RIFIUTO α/ α/ ACCETTAZIONE z z Oltre al test bilaterale è possibile eseguire ache test uilaterali (superiore o iferiore). Richiami di statistica 58
38 Programmazioe e Cotrollo della Produzioe tatistica Test: Z 0 0 Ipotesi ulla Ipotesi alterativa Regioe di rifiuto di H 0 chema grafico H 0 : μ = μ 0 H A : μ μ 0 Oppure Z 0 > z -α/ Z 0 < -z -α/ RIFIUTO RIFIUTO α/ ACCETTO α/ z z H 0 : μ = μ 0 H A : μ > μ 0 Z 0 > z -α ACCETTO RIFIUTO α z H 0 : μ = μ 0 H A : μ < μ 0 Z 0 < -z -α RIFIUTO α ACCETTO z Richiami di statistica 59
39 Programmazioe e Cotrollo della Produzioe Test riguardati la media co variaza della popolazioe igota ia ua variabile casuale distribuita secodo ua legge ormale N(μ,σ ) co σ o ota, e{,,, } u campioe di umerosità estratto da tale variabile. Per testare l ipotesi di proveieza da ua popolazioe co media μ = μ 0 si usa la statistica test: 0 0 T0 / La T segue ua distribuzioe T di tudet co - gradi di libertà. Effettuiamo u test bilatero co ipotesi ulla H 0 : μ = μ 0 e ipotesi alterativa H A : μ μ 0. Il rischio di errore di I specie è: P Pertato la regioe di rifiuto del test bilaterale è data da tutti gli tali che: 0 t, 0 0 t 0 t,, t, Richiami di statistica 60
40 Ipotesi ulla Programmazioe e Cotrollo della Produzioe 0 tatistica Test: T0 co - gradi di libertà Ipotesi alterativa Regioe di rifiuto di H 0 chema grafico H 0 : μ = μ 0 H A : μ μ 0 Oppure T 0 > t -,-α/ T 0 < -t -,-α/ RIFIUTO α/ α/ ACCETTO t, t, RIFIUTO H 0 : μ = μ 0 H A : μ > μ 0 T 0 > t -,-α ACCETTO RIFIUTO α t, H 0 : μ = μ 0 H A : μ < μ 0 T 0 < -t -,-α RIFIUTO α ACCETTO t, Richiami di statistica 6
41 Curva operativa caratteristica Esempio Programmazioe e Cotrollo della Produzioe i suppoga di avere u campioe di 00 cambi per autovetture proveieti da ua distribuzioe ~ N(μ,σ) co σ = 350 km di durata. Possiamo assumere co u rischio di prima specie pari al 5% che la durata media della popolazioe sia km se la durata media del campioe è stata aalizzata essere pari a km? km 00 L ipotesi ulla H 0 : μ = km e ipotesi alterativa H A : μ km. La statistica da testare è: Z / 00 La regioe di rifiuto per α=5% è: Z z Il valore della statistica da testare è:. 305 Z calc Richiami di statistica 6
42 Programmazioe e Cotrollo della Produzioe Dal mometo che Z calc = =.305 <.96 allora o si può rifiutare l ipotesi ulla H 0 : μ = km o i modo equivalete che la media del campioe di 00 cambi (44500 km) cade ell itervallo di fiducia: z 0 x x mi max 44350km 4550km Tali valori soo i limiti al di là dei quali l ipotesi và rifiutata. Il rischio di secoda specie β è quidi dato dalla probabilità di osservare, per i campioi di dimesioe = 00, medie che siao comprese tra x mi e x max quado sia vera l ipotesi alterativa H A : μ = km. P x mi x max tadardizzado i valori di x mi e x max si ottiee: H A zmi.39 zmax P z Z z P.39 Z mi max Richiami di statistica 63
43 Ipotizziamo ora che sia vera u altra ipotesi alterativa H A : μ = km. P P x mi x max H A Programmazioe e Cotrollo della Produzioe zmi.89 zmax z Z z P.89 Z mi max Ripetedo la procedura vista per diversi valori dell ipotesi alterativa per α=5% si ottiee: μ A z mi z max β -β = - α 0.05 = α Richiami di statistica 64
44 Programmazioe e Cotrollo della Produzioe β O.C. per test bilaterale O.C. per test uilaterale La poteza di u test bilaterale, a parità di umerosità campioaria e di livello di fiducia, è miore rispetto a quella del corrispodete test uilaterale. La scelta i alterativa tra u test bilaterale e uo uilaterale dipede dal quesito specifico posto e dalle caratteristiche del problema esamiato. Per i pricipali test statistici esistoo delle curve operative caratteristiche tabulate i fuzioe della differeza stadardizzata tra il valore dell ipotesi ulla e quello dell ipotesi alterativa. Richiami di statistica 65
45 Programmazioe e Cotrollo della Produzioe Curve operative caratteristiche per test bilaterali per la media della popolazioe co variaza ota per campioi di diversa dimesioe β 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0, 0, 0 α = ,5,5 d = μ 0 -μ A /σ = = 3 = 4 = 5 = 6 = 7 = 8 = 9 = 0 = 5 = 0 = 30 = 40 = 50 = 75 = 00 Richiami di statistica 66
46 Programmazioe e Cotrollo della Produzioe Curve operative caratteristiche per test bilaterali per la media della popolazioe co variaza ota per campioi di diversa dimesioe β 0,9 0,8 0,7 0,6 0,5 0,4 0,3 0, 0, 0 α = ,5,5 d = μ 0 -μ A /σ = = 3 = 4 = 5 = 6 = 7 = 8 = 9 = 0 = 5 = 0 = 30 = 40 = 50 = 75 = 00 Richiami di statistica 67
47 Test riguardati la differeza di due medie Programmazioe e Cotrollo della Produzioe iao e due variabili casuali distribuite ormalmete, ~ N(μ,σ ) e ~ N(μ,σ ), co medie igote, da cui si ottegoo i campioi di umerosità e. Ci propoiamo di testare l ipotesi ulla H 0 : μ μ = d cotro l ipotesi alterativa H A : μ μ d el caso di test bilaterale, o delle ipotesi alterative H A : μ μ > d e H A : μ μ < d el caso di test uilaterale rispettivamete superiore e iferiore. i procede similmete a quato visto per gli itervalli di cofideza. I casi soo due: i) σ e σ ote i poe: La statistica test da usare è: Zoa di rifiuto dell ipotesi ulla a favore dell ipotesi alterativa H A : μ μ d Zoa di rifiuto dell ipotesi ulla a favore dell ipotesi alterativa H A : μ μ > d Zoa di rifiuto dell ipotesi ulla a favore dell ipotesi alterativa H A : μ μ < d Z 0 d Z z Z z 0 0 Z 0 z Z 0 z Richiami di statistica 68
48 Programmazioe e Cotrollo della Produzioe Richiami di statistica 69 ii) σ e σ o ote ma uguali Zoa di rifiuto dell ipotesi ulla a favore dell ipotesi alterativa H A : μ μ d Zoa di rifiuto dell ipotesi ulla a favore dell ipotesi alterativa H A : μ μ > d Zoa di rifiuto dell ipotesi ulla a favore dell ipotesi alterativa H A : μ μ < d, 0, 0 t T t T, 0 t T, 0 t T p d T 0 La statistica test da esamiare è: p
49 Programmazioe e Cotrollo della Produzioe Test riguardati la variaza di distribuzioi ormali ia ua variabile casuale distribuita ormalmete co media μ e variaza σ icogite, e {,,, } u campioe di umerosità estratto da tale variabile. Ci propoiamo di testare l ipotesi ulla H 0 : σ = σ 0 cotro l ipotesi alterativa H A : σ σ 0 el caso di test bilaterale o delle ipotesi alterative H A : σ > σ 0 e H A : σ < σ 0 el caso di test uilaterale rispettivamete superiore e iferiore. i i V La statistica test è: 0 0 Zoa di rifiuto dell ipotesi ulla a favore dell ipotesi alterativa H A : σ σ 0 Zoa di rifiuto dell ipotesi ulla a favore dell ipotesi alterativa H A : σ > σ 0 Zoa di rifiuto dell ipotesi ulla a favore dell ipotesi alterativa H A : σ < σ 0 0 0,, 0, 0, Richiami di statistica 70
50 Programmazioe e Cotrollo della Produzioe Test riguardati l uguagliaza tra due variaze iao e due variabili casuali distribuite ormalmete, ~ N(μ,σ ) e ~ N(μ,σ ), di cui i parametri o soo oti; dalle popolazioi e soo otteuti i campioi di umerosità e. Per cofrotare le due variaze si utilizza la F di Fisher: F i i i i otto l ipotesi ulla H 0 : σ = σ la statistica test diveta: F 0 Zoa di rifiuto dell ipotesi ulla a favore dell ipotesi alterativa H A : σ σ Zoa di rifiuto dell ipotesi ulla a favore dell ipotesi alterativa H A : σ > σ F 0 F, F, F F,, 0 0 F,, Zoa di rifiuto dell ipotesi ulla a favore dell ipotesi alterativa H A : σ < σ F 0 F,, Richiami di statistica 7
ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1
ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE ESERCIZIO. Si vuole verificare l ipotesi, a livello di sigificatività α, che la media μ di ua variabile aleatoria X abbia u valore fissato μ. Si effettuao
DettagliAppunti di STATISTICA
Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile
DettagliStatistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice
Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5
DettagliCorso di Statistica Canale E Bini, Cutillo A.A. 2017/2018. Esercitazione di riepilogo n.8 Test di ipotesi Soluzioni
Corso di Statistica Caale E Bii, Cutillo A.A. 17/18 Esercitazioe di riepilogo.8 Test di ipotesi Soluzioi Esercizio 1 A seguito della sostituzioe di u macchiario per il cofezioameto di caffè, il resposabile
DettagliMatematica con elementi di Informatica
La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità D
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità D Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1
DettagliStatistica. Lezione 5
Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzione
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzioe Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioni
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioi Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità C
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità C Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore Marco Riai mriai@uipr.it http://www.riai.it STIMA PUNTUALE (p. 55 Il parametro è stimato co u uico valore Esempio: stima della share di u programma TV % di spettatori el campioe
DettagliEsercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli
Esercitazioi del Corso di Probabilitá e Statistica Lezioe 6: Stime di parametri putuali e per itervalli Stefao Patti 1 19 geaio 005 Defiizioe 1 Ua famiglia di desitá f(, θ) ad u parametro (uidimesioale)
DettagliSTATISTICA INFERENZIALE
STATISTICA INFERENZIALE 6 INFERENZA STATISTICA Isieme di metodi che cercao di raggiugere coclusioi sulla popolazioe, sulla base delle iformazioi coteute i u campioe estratto da quella popolazioe. INFERENZA
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliDistribuzione normale o gaussiana
Distribuzioe ormale o gaussiaa Ua variabile radom si dice distribuita ormalmete (o secodo ua curva gaussiaa) se la sua fuzioe di desità di probabilità è del tipo: f () ( ) ep co - rappreseta il valore
DettagliInferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni.
Ifereza Statistica L ifereza statistica cerca di risalire al modello del feomeo sulla base delle osservazioi No coosciamo il modello del feomeo cioè la vc X A volte la coosceza può essere parziale (coosciamo
DettagliUniversità degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno
Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto
Dettagli7. Test d ipotesi. 2. L ipotesi è vera ma in base ai dati la rifiuto in questo caso si dice che si commette errore di prima specie
7. Test d ipotesi U tipico problema che ci si può trovare ad affrotare è il seguete: Faccio ua certa ipotesi che idico co H 0 e che chiamo ipotesi ulla. I base ai dati che ho a disposizioe devo decidere
DettagliAnemia. Anemia - percentuali
1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14
DettagliFormulario (versione del 3/10/2015)
Uiversità degli Studi della Basilicata C.d.L. Ecoomia Aziedale Statistica a.a. 04/05 Docete: E. Di Nardo Frequeze Formulario versioe del 3/0/05 taglia campioe casuale x,..., x campioe casuale ordiato x...
DettagliLe principali procedure inferenziali: nozioni, schemi di procedimento ed esempi di applicazione
Complemeti per il corso di Statistica Medica Le pricipali procedure ifereziali: ozioi, schemi di procedimeto ed esempi di applicazioe IC al livello (-α) % per la media µ Ipotesi: ella popolazioe il feomeo
DettagliCorso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a
Corso di Statistica Test per differeza tra medie e proporzioi Prof.ssa T. Laureti a.a. -3 Corso di Statistica a.a. -3 DEIM, Uiv.TUSCIA - Prof.ssa Laureti Test basati su campioi idipedeti proveieti da due
DettagliMetodi di valutazione delle prestazioni di rete
Metodi di valutazioe delle prestazioi di rete Prof. Ig. Carla Raffaelli Cofroto di diversi approcci Parametri di cofroto: precisioe requisiti di poteza di calcolo requisiti di memoria facilita' di approccio
DettagliParametri e statistiche. Parametri e statistiche. Distribuzioni campionarie. Popolazione Parametri Valori fissi, Statistiche o Stimatori.
Parametri e statistiche Popolazioe Parametri Valori fissi, spesso o oti Campioe Statistiche o Stimatori Variabili casuali, le cui determiazioi dipedoo dalle particolari osservazioi scelte Parametri e statistiche
DettagliCOME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)
COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x
DettagliGli Indici di VARIABILITA
Elemeti di Statistica descrittiva Gli Idici di VARIABILITA - Campo di variazioe - Scarto dalla media - Variaza - Scarto quadratico medio - Coefficiete di variazioe Idici di Variabilità I valori medi soo
DettagliArgomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica
Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Stima Cicchitelli cap. 6 Argometi Defiizioe di stimatore Proprietà degli stimatori (campioi fiiti): No distorsioe Efficieza relativa
Dettaglin=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza
DettagliUna funzione delle osservazioni campionarie è una statistica che, nel contesto della stima di un parametro, viene definita stimatore.
Stimatori e stime Teoria della stima Supporremo che sulla popolazioe sia defiita ua variabile X la cui distribuzioe, seppure icogita, è completamete caratterizzata da u parametro q o da u isieme di parametri
DettagliUniversità degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A
Uiversità degli Studi di Padova Corso di Laurea i Medicia e Chirurgia - A.A. 015-16 Corso Itegrato: Statistica e Metodologia Epidemiologica Disciplia: Statistica e Metodologia Epidemiologica Doceti: prof.ssa
DettagliEsercitazione 6 del corso di Statistica 2
Esercitazioe 6 del corso di Statistica Dott.ssa Paola Costatii 7 marzo Decisioe vera falsa è respita Errore di I tipo Decisioe corretta o è respita Probabilità = Decisioe corretta Probabilità = - Probabilità
DettagliSenza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it Ifereza statistica Dal campioe alla popolazioe Co quale precisioe si possoo descrivere le caratteristiche di ua popolazioe sulla base
DettagliDistribuzione normale
Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).
DettagliLezione 14. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 14. A. Iodice. disuguaglianza di Markov
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 5 6 () Statistica 2 / 29 Importati disuguagliaze Variabili casuali co distribuzioi o
Dettagli4. L ipotesi è falsa e la rifiuto bene. H 0 ) p = 0.5. Facciamo dunque n lanci. Otteniamo k teste ed n k croci:
7 Test d ipotesi U tipico problema che ci si può trovare ad affrotare è il seguete: Faccio ua certa ipotesi che idico co H 0 e che chiamo ipotesi ulla I base ai dati che ho a disposizioe devo decidere
DettagliINFERENZA o STATISTICA INFERENTE
INFERENZA o STATISTICA INFERENTE Le iformazioi sui parametri della popolazioe si possoo otteere sia mediate ua rilevazioe totale (o rilevazioe cesuaria) sia mediate ua rilevazioe parziale (o rilevazioe
Dettagli4. Proprietà degli stimatori
Uiversità degli Studi di Basilicata Facoltà di Ecoomia Corso di Laurea i Ecoomia Aziedale - a.a. 0/03 lezioi di statistica del 0, e 3 giugo 03 - di Massimo Cristallo - 4. Proprietà degli stimatori Si è
DettagliL INTERVALLO DI CONFIDENZA
L INTERVALLO DI CONFIDENZA http://www.biostatistica.uich.itit POPOLAZIONE POPOLAZIONE CAMPIONAMENTO CAMPIONE PARAMETRO INFERENZA CAMPIONAMENTO? STIMA CAMPIONE Stimare i Parametri della Popolazioe Itervallo
DettagliPolitecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo
Politecico di Milao - Ao Accademico 010-011 Statistica 086449 Docete: Alessadra Guglielmi Esercitatore: Stefao Baraldo Esercitazioe 8 14 Giugo 011 Esercizio 1. Sia X ua popolazioe distribuita secodo ua
DettagliLezione 4 Corso di Statistica. Francesco Lagona
Lezioe 4 Corso di Statistica Fracesco Lagoa Uiversità Roma Tre F. Lagoa (fracesco.lagoa@uiroma3.it) 1 / 23 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare
DettagliTecnica delle misurazioni applicate LM - Esame del 26 febbraio 2013
Tecica delle misurazioi applicate LM - Esame del 6 febbraio 013 Problema 1. La FisioDorica SpA è u impresa che produce prodotti farmaceutici. L Avv. Tizio, AD della società, sta valutado la opportuità
DettagliPROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD e 4038) 15 gennaio 2003
PROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD. 5047 e 408) 5 geaio 00 SOLUZIONI Il uovo direttore di ua Baca di Credito Cooperativo si trova ad affrotare ua verteza di tipo sidacale che riguarda la
DettagliStimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini
Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica
DettagliCorso di Statistica Facoltà di Economia
Corso di Statistica Facoltà di Ecoomia Lezioe a.a. 000-00 00 Fracesco Mola Ifereza statistica Logica iduttiva Dal particolare al geerale Popolazioe [ v. c. ] f Ω x,, Se si coosce F si può fare ifereza
DettagliFonti e strumenti statistici per la comunicazione
Foti e strumeti statistici per la comuicazioe Prof.ssa Isabella Migo A.A. 018-019 Idici Medi Esercizio:calcolo media soluzioe Numeri addetti xi i xi * i 10 18 180 1 15 180 14 5 350 16 10 160 18 9 5 0 18
DettagliAppunti di Probabilità e Statistica. a.a. 2014/2015 C.d.L. Informatica Bioinformatica I. Oliva. 1 Statistica Inferenziale.
Apputi di Probabilità e Statistica a.a. 014/015 C.d.L. Iformatica Bioiformatica I. Oliva Lezioe 7 1 Statistica Ifereziale 1.1 Test di ipotesi Ipotesi statistica: assuto relativo ad uo o più parametri (igoti)
DettagliTECNICA DELLE MISURAZIONI APPLICATE 17 OTTOBRE 2012
TENIA DELLE MIURAZIONI APPLIATE 17 OTTOBRE 01 Il motore MOTO1 viee prodotto da MotoriMarii pa. che suggerisce agli acquireti di usare come lubrificate u celebre olio sitetico. I dati storici cofermao che
DettagliStatistica Inferenziale Soluzioni 1. Stima puntuale
ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Miozzo e Aamaria Guolo Laurea i Ecoomia del Commercio Iterazioale Laurea i Ecoomia e Ammiistrazioe delle Imprese Uiversità degli Studi di Veroa sede di Viceza
DettagliL INTERVALLO DI CONFIDENZA
L INTERVALLO DI CONFIDENZA http://www.biostatistica.uich.itit POPOLAZIONE POPOLAZIONE CAMPIONAMENTO CAMPIONE PARAMETRO INFERENZA CAMPIONAMENTO? STIMA CAMPIONE 1 Stimare i Parametri della Popolazioe Itervallo
DettagliTest Statistici. In termini statistici, agli eventi appena indicati viene attribuita una probabilità ed una specifica definizione:
Test Statistici U test statistico è ua regola che permette di stabilire se u ipotesi (H " ) può essere accettata (o rifiutata) o meo (rifiutata). I particolare, H " può essere vera o falsa e la sua accettazioe/rifiuto
DettagliQuesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:
Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,
DettagliMetodi statistici per lo studio dei fenomeni biologici
Metodi statistici per lo studio dei feomei biologici Alla fie di questa lezioe dovreste essere i grado di: spiegare i cocetti di stima putuale e stima itervallare iterpretare gli itervalli di cofideza
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 6
X c () 0 0 0 0 t dx e x t altrove x e x x f x t x X = =4 =8 E[X] = Var[X] = Teorema Z, Z,, Z N(0 ; ) e idipedeti X= Z + Z + +Z c () Nota Esistoo tavole dei puti percetuali delle distribuzioi chi-quadro
DettagliLezioni del Corso di Fondamenti di Metrologia Meccanica
Facoltà di Igegeria Lezioi del Corso di Fodameti di Metrologia Meccaica A.A. 005-006 Prof. Paolo Vigo Idice. Frequeza e Probabilità. 3. Curva di Gauss 4. Altre Distribuzioi Frequeza e Probabilità Me spiego:
DettagliLezione 15. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 15. A. Iodice
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 () Statistica 2 / 29 itervallo margie di errore Per stimare u parametro della popolazioe,
DettagliSommario. Facoltà di Economia. Campionamento e inferenza statistica
Corso di tatistica Facoltà di Ecoomia a.a. 00-00 fracesco mola ommario Campioameto e ifereza statistica timatori e stime Proprietà degli stimatori ufficieza, Correttezza, Efficiezaassoluta e relativa,
DettagliCosto manutenzione (euro)
Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più
DettagliAPPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.
AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
DettagliInferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica
6/0/0 Corso di Statistica per l impresa Prof. A. D Agostio Ifereza statistica Per fare ifereza statistica si utilizzao le iformazioi raccolte su u campioe per cooscere parametri icogiti della popolazioe
DettagliUNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:
UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Doatella Siepi doatella.siepi@uipg.it tel: 075 5853525 05 dicembre 2014 6 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazioe dei
DettagliTitolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli
Titolo della lezioe Dal campioe alla popolazioe: stima putuale e per itervalli Itroduzioe Itrodurre il cocetto di itervallo di cofideza Stima di parametri per piccoli e gradi campioi Stimare la proporzioe
DettagliLegge Gamma e Legge Chi quadro
Legge Gamma e Legge Chi quadro Sia G ua variabile aleatoria di legge Gamma di parametri a e λ reali positivi, G Γ(a, λ, la cui fuzioe di desità è: f G (x = λa Γ(a e λx x a per x 0 dove Γ( è la fuzioe Gamma
DettagliStime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo
Abbiamo visto che, data ua v.a. X di cui o si cooscao valore atteso e variaza, tali umeri si possoo stimare putualmete el seguete modo: si prede u casuale X 1,...,X di v.a. aveti la stessa legge di X;
DettagliUniversità degli Studi di Salerno Pietro Coretto. Corso di Statistica FORMULARIO
Versioe: 16 ottobre 2017 (h17:25) Uiversità degli Studi di Salero Pietro Coretto Corso di Statistica FORMULARIO Valori osservati per statistiche di posizioe, variabilità e correlazioe Nota: per ua distribuzioe
DettagliLezione 4 Corso di Statistica. Domenico Cucina
Lezioe 4 Corso di Statistica Domeico Cucia Uiversità Roma Tre D. Cucia (domeico.cucia@uiroma3.it) 1 / 22 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare
DettagliStatistica I - A.A
Statistica I - A.A. 206-207 Prova scritta - 9 aprile 207 Problema. (pt. 20 U azieda che produce ricambi per stampati esamia la durata di u certo modello di cartuccia d ichiostro, misurata i umero di copie
DettagliLA MISURA IN PSICOLOGIA
Prof. Giulio Vidotto (Uiversità di Padova) Lez. 3 - Distribuzioe ormale e stadardizzazioe delle misure Argometi della lezioe Stadardizzazioe Distribuzioe Normale Distribuzioe Normale Stadard Stadardizzazioe
DettagliPoiché n<30 e la deviazione standard non era nota a priori ma è stata stimata (s=14.4), la statistica test da utilizzare è t:
Esercizio 1 H 0 : µ µ 0 100 H 1 : µ µ 0 oiché
DettagliESERCITAZIONE N. 6 corso di statistica
ESERCITAZIONE N. 6corso di statistica p. 1/18 ESERCITAZIONE N. 6 corso di statistica Marco Picoe Uiversità Roma Tre ESERCITAZIONE N. 6corso di statistica p. 2/18 Itroduzioe Variabili aleatorie cotiue Itervalli
DettagliANalysis. Analisi della Varianza - ANOVA. Aprile, Aprile, Nel linguaggio delle variabili le operazioni fondamentali sono tre
ANalsis Of VAriace Nel liguaggio delle variabili le operazioi fodametali soo tre Descrizioe Spiegazioe Iterpretazioe Descrizioe La relazioe tra variabili viee sitetizzata per meglio cogliere gli aspetti
DettagliProbabilità e Statistica (cenni)
robabilità e Statistica (cei) remettiamo la distizioe tra i due cocetti: Defiizioe: dato il verificarsi di u eveto si defiisce la probabilità per l eveto cosiderato il rapporto tra il umero dei casi favorevoli
DettagliDaniela Tondini
Daiela Todii dtodii@uite.it Facoltà di Bioscieze e Tecologie agro-alimetari e ambietali e Facoltà di Medicia Veteriaria C.L. i Biotecologie Uiversità degli Studi di Teramo 1 La mediaa o valore mediao M
DettagliPROBLEMI DI INFERENZA SU MEDIE
PROBLEMI DI INFERENZA SU MEDIE STIMA PUNTUALE Il problema della stima di ua media si poe allorchè si vuole cooscere, sulla base di osservazioi campioarie, il valore medio μ che u dato carattere preseta
DettagliQuartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa
DettagliUniversità degli Studi di Napoli Parthenope. STATISTICA per il Turismo
Uiversità degli Studi di Napoli Partheope Corso di Laurea i Maagemet per le Imprese Turistiche STATISTICA per il Turismo Docete: Sergio Logobardi sergio.logobardi@uipartheope.it Stima itervallare Stima
DettagliEsempio: distribuzione di frequenze. =, Pagina 90. Esempio: distribuzione di frequenze
Esempio: distribuzioe di frequeze Distribuzioe degli studeti di SDC frequetati la facoltà ell a.a. 001/00 per Num. Corsi Frequetati 83 K 7 = + + + + + + = = Num. Corsi Freq. i 1 15 43 3 103 4 80 5 3 6
DettagliProbabilità e Statistica
Probabilità e Statistica I statistica la parola popolazioe idica l isieme di tutte le possibili osservazioi relative ad u feomeo. Popolazioe é, ad esempio, l isieme di tutti gli abitati di ua cittá, di
DettagliCAPITOLO 2 Semplici esperimenti comparativi
Douglas C. Motgomer Progettazioe e aalisi degli esperimeti 006 McGraw-Hill CAPITOLO emplici esperimeti comparativi Metodi statistici e probabilistici per l igegeria Corso di Laurea i Igegeria Civile A.A.
DettagliEsercitazioni di Statistica
Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso
DettagliQuartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA
UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti
DettagliArgomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della
1 La stima putuale Argometi trattati: Stima putuale e stimatore Proprietà degli stimatori Stima putuale della media della popolazioe e sua distribuzioe Stima putuale di ua proporzioe e sua distribuzioe
DettagliTest di Ipotesi. La distribuzione gaussiana delle medie consente anche di sottoporre ad esame critico ipotesi effettuate su una popolazione.
La distribuzioe gaussiaa delle medie cosete ache di sottoporre ad esame critico ipotesi effettuate su ua popolazioe. Si suppoe che vega fatta ua affermazioe che localizzi la media µ della popolazioe (ipotesi
DettagliStima della media di una variabile X definita su una popolazione finita
Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
DettagliLE MISURE DI SINTESI (misure di tendenza centrale)
STATISTICA DESCRITTIVA LE MISURE DI SINTESI (misure di tedeza cetrale) http://www.biostatistica.uich.itit OBIETTIVO Altezza degli studeti 004-05 (cm) Tabella dei dati Idividuare u idice che rappreseti
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzioe dei segueti esercizi, si fa riferimeto alle Tabelle riportate alla fie del documeto. Esercizio 1 I u villaggio turistico gli aimatori orgaizzao ua sfida. Vice u prazo i u ristorate
DettagliTEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0
TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a Esame del STATISTICA
FACOLTÀ DI SOCIOLOGIA a. a. 011 01 Esame del 11-01-01 STATISTICA ESERCIZIO 1 U idagie sulle abitudii alimetari dei requetatori di u cetro itess ha moitorato il umero di caè cosumati i u gioro ormale e
DettagliII Esonero - Testo A
Dip. di Igegeria, Uiv. Roma Tre Prof. E. Scoppola, Dott.M. Quattropai Probabilità e Statistica, 2017-18, I semestre 29 Geaio 2018 II Esoero - Testo A Cogome Nome Matricola Esercizio 1. (20%) Si cosideri
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2009/10
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 9/1 Prova scritta del 13/1/1 Esercizio 1 Ua Ditta commerciale guadaga ogi ao ua somma X, ove si puo assumere che X N(µ, σ ). Ogi ao la Ditta paga ua tassa fissa
DettagliConfronto di due misure Campioni indipendenti
Statistica7 /11/015 Cofroto di due misure Campioi idipedeti o meglio.. rispodere al quesito Due serie di misure soo state estratte dalla stessa popolazioe (popolazioe comue o idetica) o soo state estratte
DettagliPRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 21 ottobre 2015 COMPITO B
FIRMA DELLO STUDENTE Cogome PRIMA PROVA INTERMEDIA DI STATISTICA (COD. 30001/6045/5047/4038/371/377) 21 ottobre 2015 Nome Numero di matricola Corso di Laurea Cod. corso COMPITO B Ai fii della valutazioe
DettagliIL CAMPIONAMENTO. POPOLAZIONE un insieme finito o infinito di unità statistiche
IL CAMPIONAMENTO Defiizioi POPOLAZIONE u isieme fiito o ifiito di uità statistiche CAMPIONE piccola frazioe di ua popolazioe le cui caratteristiche si approssimao a quelle della popolazioe. Il campioe
Dettagli