Alcuni parametri statistici di base
|
|
- Fabrizio Innocenti
- 8 anni fa
- Visualizzazioni
Transcript
1 Alcui parametri statistici di base Misure di tedeza cetrale: media mediaa moda Misure di dispersioe: itervallo di variazioe scarto medio variaza deviazioe stadard coefficiete di variazioe
2 Popolazioe di Protopalla rotuda Tedeza cetrale - Media Popolazioe di Protopalla rotuda Campioi 2
3 Popolazioe di Protopalla rotuda µ = ΣX i N Campioi X = ΣX i X = ΣX i X = ΣX i X = ΣX i X = ΣX i 3
4 Se il campioameto è corretto X = ΣX i X = ΣX i X = ΣX i ogi stima approssima µ X = ΣX i X = ΣX i Tedeza cetrale - Mediaa Mediaa: valore itermedio [(-)/2 valori maggiori, (-)/2 valori iferiori] e.g. lughezze di ife di Efemerotteri o valore (itermedio su 9)
5 dispari mediaa pari mediaa Mediaa = Mediaa = + 2 Tedeza cetrale - Moda Moda: il valore più frequete Moda
6 Misure di dispersioe Perchè soo importati? Perchè o tutte le popolazioi hao le stesse caratteristiche Distribuzioi diverse, ma medie e mediae coicideti! Media e mediaa Misure di dispersioe - Itervallo di variazioe. Itervallo di variazioe: differeza fra mi e max It. var. = - 6
7 Itervallo di varizioe semplice, ma poco iformativo NB Tre campioi o icludoo u valore max E due o icludoo u valore mi Misure di dispersioe - Scarto medio Si prede la differeza fra ogi valore e la media: X i -X ΣX i -X = 0 La somma di questi scarti è ulla, e quidi o serve 7
8 Misure di dispersioe - Scarto medio (segue) Se però si prede i valore assoluto, allora è ua misura di dispersioe: e Σ X i -X Σ X i -X = scarto medio Misure di dispersioe - Variaza Per elimiare il sego dello scarto si prede il suo quadrato: (X i -X) 2 E, se si sommao le differeze quadratiche, si ha ua somma di quadrati : Σ(X i -X) 2 8
9 Misure di dispersioe - Variaza (segue) Ua somma di quadrati può essere cosiderata a livello di popolazioe o di campioe: Popolazioe SS = Σ(X i - µ) 2 Campioe ss = Σ(X i -X) 2 Misure di dispersioe - Variaza (segue) Se si divide per la dimesioe della popolazioe o i gradi di libertà del campioe, si ha lo scarto quadratico medio o variaza Popolazioe Campioe σ 2 = Σ(X s 2 = Σ(X i -X) 2 i - µ) 2 N - Variaza della popolazioe Variaza del campioe 9
10 Misure di dispersioe - Deviazioe stadard La radice quadrata della variaza Popolazioe σ = Σ(X i - µ) 2 N Campioe s = Σ(X i -X) 2 - La deviazioe stadard è ua misura molto utile: Es. la maggioraza dei dati i ua qualsiasi popolazioe ha u valore che o si discosta dalla media di più di ua deviazioe stadard 0
11 Misure di dispersioe - Coefficiete di variazioe Lughezza media: 2.4 m Variaza:.6 m Dev. Std.:. m Lughezza media: 2.4 cm Variaza:.6 cm Dev. Std.:. cm Le orecchie degli elefati soo 00 volte più variabili di quelle dei topi? N.B. Variaza e dev. Std. hao spesso ordii di gradezza dipedeti dalla scala dei dati Misure di dispersioe - Coefficiete di variazioe (segue) V = (s/x) * 00% Elefati:. m / 2.4 m *00% = 2.% Topi:. cm / 2.4 cm *00% = 2.%
12 Campioi, cofroti, ipotesi Due modi diversi di ragioare. Ifereza deduttiva campioe popolazioe 2. Ifereza iduttiva campioe sample popolazioe 2
13 Quati campioi soo possibili? Immagiiamo di essere torati u po idietro el tempo e di aver potuto studiare la popolazioe di Dodo prima della sua estizioe. Il ostro obiettivo era sapere quate uova depoeva i media ciascua femmia (e rimaevao solo 6!). Dodo Uova A 0 µ = 4 B 9 C 6 D 3 E σ 2 = 9.33 F σ = 3.06 Quati diversi campioi erao possibili per =3? 6! 3!*3! = 20 Medie stimate dai 20 campioi possibili Dodo # Dodo #2 3 3 Dodo # Media del campioe (m)
14 Distribuzioe delle medie media mediaa=4 media mediaa= > >6. umero di uova (media) umero di uova (media) La distribuzioe ormale 4
15 Per gradi umeri, altre distribuzioi tedoo a quella ormale (teorema del limite cetrale) Distribuzioe biomiale P x = e -µ µ x x! Distribuzioe di Poisso Ua variabile casuale ifluezata da umerosi fattori tede ad avere ua distribuzioe ormale Dati biometrici, tassi di vario tipo, misure fisiche i geerale, etc. Se i valori misurati soo ifluezati da u umero elevato di eveti casuali, allora la distribuzioe tederà ad essere ormale. età attività fisica pressioe arteriosa gei stress fumo dieta
16 Le curve ormali hao forme variabili Quidi, per comparare più distribuzioi ormali, dobbiamo stadardizzarle i qualche modo Stadardizzazioe: la variabile Z Z = valore osservato var. casuale media deviazioe stadard ovvero Z = x - µ σ 6
17 Esempio Il voto medio di Metodologie Ecologiche è., metre la deviazioe stadard è.6. Se hai avuto 24, qual è stato il valore della variabile Z el tuo caso? Z = x - µ σ -.62! Z = x. = I pratica, Z ci dice di quate deviazioi stadard u valore si scosta dalla media Ogi deviazioe stadard di scarto dalla media defiisce u area sotto la curva, che equivale a ua certa percetuale di casi 7
18 2 0 Distribuzioe delle medie Se ua popolazioe media mediaa=4 è molto più grade media mediaa=4 quella del Dodo, o 6 potrò calcolare tutte le medie possibili, 6 é cooscere la media vera. Se 4raccolgo i dati relativi a u campioe, 4 posso stimare l itervallo 3 etro cui si trova la media 3 vera co u certo livello di probabilità? Si, perché so che la distribuzioe delle medie di tutti i campioi che posso estrarre è ormale >6 umero di uova (media) >6. Quello che mi serve è l itervallo fiduciale della media. umero di uova (media) Itervallo fiduciale della media Calcolo la media Calcolo la deviazioe stadard Calcolo l errore stadard della media: s e La media µ della popolazioe sarà compresa ell itervallo fra la media campioaria m meo t (-,p) s e e la media campioaria m più t (-,p) s e dove t (-,p) èil valore del t di Studet co - gradi di libertà per il livello di probabilità p desiderato = σ 8
19 Itervallo fiduciale della media (i altre parole ) m-t (-,p) s e m m+t (-,p) s e µ (co ua probabilità p) Itervallo fiduciale della media (i altre parole ) Dodo Uova A 0 B 9 C 6 D 3 E F m=(9+3+)/3=4.333 x x-m (x-m) = s 2 =(x-m) 2 /(-) = s= (x-m) 2 /(-)
20 Itervallo fiduciale della media (i altre parole ) Dodo Uova A 0 B 9 C 6 D 3 E F m=4.333 s=4.63 s e =s/ =4.63 / 3=2.404 t (-,p) =t (3-,0.9) = Itervallo fiduciale della media (i altre parole ) Dodo Uova A 0 B 9 C 6 D 3 E F m=4.333 s=4.63 s e =s/ =4.63 / 3=2.404 t (-,p) =t (3-,0.9) = m-t (-,p) s e < µ < m+t (-,p) s e < µ < < µ < per p=0.9 (9%) 20
21 Test d ipotesi "There is oe great difficulty with a good hypothesis. Whe it is completed ad rouded, the corers smooth ad the cotet cohesive ad coheret, it is likely to become a thig i itself, a work of art... Oe hates to disturb it. Eve if subsequet iformatio should shoot a hole i it, oe hates to tear it dow because it oce was beautiful ad whole.... Joh Steibeck/Ed Ricketts, 94 Log from the Sea of Cortez Cofroti fra medie: il test t di Studet 2
22 Il test t di Studet X X 2 t = s e H : µ = µ 0 2 s = s e p s p = ( 2 ) s + ( 2 ) s gdl = Aalisi della variaza 22
23 Alimetazioe di pesci Pesi degli aimali al termie di ua prova Prova Formula Formula 2 Formula 3 Prova 2 Formula Formula 2 Formula Quale è la differeza di maggiore importaza ei dati? La differeza sta el modo i cui soo distribuiti (I umeri colorati rappresetao le diverse formulazioi dell alimeto) Prova Variabilità itra-gruppo piccola, iter-gruppo grade (si formao clusters) Prova Variabilità itra-gruppo grade, iter-gruppo piccola (o si ricooscoo clusters)
24 Per comparare le due prove (c è differeza fra di esse?), formuliamo due ipotesi: H 0 : µ = µ 2 = µ 3 H : µ µ 2 µ 3 No c è differeza fra le formulazioi C è differeza fra le formulazioi Piao sperimetale ed ANOVA Esperimeto completamete radomizzato: ) pesci 2) assegazioe casuale alla dieta Si usa u ANOVA a ua via (o ad u fattore) 24
25 Ipotesi: H 0 : µ = µ 2 = µ 3 H : µ µ 2 µ 3 Perchè o aalizzare ivece: H 0 : µ = µ 2 H : µ µ 2 H 0 : µ = µ 3 H : µ µ 3 H 0 : µ 2 = µ 3 H : µ 2 µ 3 Ma mao che si aumeta il umero di cofroti a coppie, aumeta la probailità di u errore di Tipo I (rigettare u ipotesi vera) Numero di cofroti a coppie 0 20 Probabilità Errore Tipo I
26 La sola formula ecessaria per u ANOVA a ua via: Variaza = Somma degli scarti quadratici dalla media Gradidilibertà = Σ(Xi - X) 2 - La variaza i u ANOVA si chiama spesso somma dei quadrati o SS Ci soo più sorgeti di variazioe (misurate dalla somma dei quadrati [SS]) ei dati. Lo scopo dell ANOVA è di misurare queste variazioi e decidere da cosa dipedoo. La prima sorgete di variazioe è la variabilità complessiva dei dati. Si misura co la Somma Totale dei Quadrati o SS T SS T = ΣX 2 - Σ(X)2 N
27 La variabilità complessiva dei dati può essere decomposta i due compoeti: Variabilità complessiva (SS T ) Variabilità fra trattameti Deriva da:. Differeze fra soggetti 2. Errore sperimetale 3. Effetto dei trattameti Variabilità ei trattameti Deriva da:. Differeze fra soggetti 2. Errore sperimetale Variabilità complessiva (SS T ) Variabilità fra trattameti Deriva da:. Differeze fra soggetti 2. Errore sperimetale 3. Effetto dei trattameti Variabilità ei trattameti Deriva da:. Differeze fra soggetti 2. Errore sperimetale Si comparao co ua statistica F F = Variabilità fra trattameti Variabilità ei trattameti = Effetto dei trattameti + differeze fra soggetti + errore sperimetale differeze fra soggetti + errore sperimetale 27
28 Cosiderado la prova Prova Formula Formula Formula Media geerale = 2 Come differiscoo le diete? Quale è la sorgete di variazioe fra di esse? Calcoli! ) Variabilià complessiva = Somma dei quadrati totale = SS T SS T = ΣX 2 - Σ(X)2 N = 93-40,62 = 38 Prova Formula Formula 2 Formula Media geerale = 2 Ma si può ache calcolare come: SS T = (X -X) 2 + (X 2 -X) 2 + (X 3 -X) 2 (X -X) 2 = (20-2) 2 + (22-2) 2 + (2-2) 2 + ( - 2) 2 = 38
29 Calcoli! 2) Variabilità itra-gruppo = ΣSS itra SS itra F = ΣX 2 - Σ(X) 2 N = = 4 Prova Formula Formula 2 Formula Media geerale = 2 SS itra F2 = = 2 ΣSS = SS itra F + SS itra F2 + SS itra F3 = = 8 SS itra F2 = = 2 Quidi SS itra = 8 Calcoli! Prova 3) Variabilità iter-gruppo, si calcola i due modi Formula Formula Formula SS iter = ΣX 2 - Σ(X) 2 N oppure Media geerale = 2 Si sottrae SS itra da SS T Poichè SS T = SS itra + SS iter SS iter = 30 Quidi SS itra = SS T Ss itra = 38-8 = 30 29
30 Calcoli! 4) Si calcola il Quadrato Medio Ricordare la formula della variaza (co ua piccola modifica) s 2 = SS/gdl Nell ANOVA si sostituisce s 2 col Quadrato Medio (MS): MS iter = SS iter gdl iter = 30/2 = 6 MS itra = SS itra gdl itra = 8/2 = 0.66 E quidi F (la statistica dell ANOVA) = MS iter = 6/.66 = 97.9 MS itra Per ua semplice ANOVA a ua via I gradi di libertà soo : Gdl itra = N - K Gdl iter = K - Gdl T = N - Dove N = umero dei dati totali ( pesci) K = umero dei trattameti (3 formulazioi) 30
31 I risultati dell ANOVA si presetao i ua tabella impostata come: Sorgete di SS gdl MS (SS/gdl) variazioe Iter-gruppo (trattameto) (K-) F = 97.9 Itra-gruppo (errore, residui) (N-K) Totale 38 4 (N-) Il passo fiale! Si cerca il valore critico per p =.0 e 2 e 2 gradi di livertà i ua tavola di F F(.0, 2, 2) =.0 Dato che il valore di F otteuto (97.9) è molto maggiore di.0: p <<<.0 Torado alle ipotesi di parteza: H 0 : µ = µ 2 = µ 3 No c è differeza fra le formulazioi H : µ µ 2 µ 3 C è differeza fra le formulazioi Si rigetta H 0 e quidi si accetta H, cioè che esiste ua differza fra formulazioi 3
32 Sommario dell ANOVA Variabilità totale Fra trattameti: SS T = ΣX 2 - Σ(X) 2 N. Differeze fra soggetti 2. Errore sperimetale 3. Effetto dei trattameti SS iter = ΣX 2 - Σ(X) 2 N Nei trattameti:. Differeze fra soggetti 2. Errore sperimetale SS itra = ΣSS INTRA Fx MS iter = SS iter gdl iter MS itra = SS itra gdl itra F = MS iter MS itra 32
Un problema! La letteratura riporta che i pazienti affetti da cancro. = mesi
CONFRONTO TRA DUE MEDIE U problema! La letteratura riporta che i pazieti affetti da cacro hao ua sopravviveza media di 38.3 mesi e deviazioe stadard di 43.3 mesi: µ 38.3mesi σ 43.3mesi (la distribuzioe
DettagliMetodi statistici per l analisi dei dati
Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo
DettagliMetodi statistici per l'analisi dei dati
Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio
DettagliLA VERIFICA DELLE IPOTESI SUI PARAMETRI
LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività
DettagliIl test parametrico si costruisce in tre passi:
R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica
DettagliCONCETTI BASE DI STATISTICA
CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto
DettagliESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1
ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO Agela Doatiello 1 Esercizio. E stato tabulato il peso di ua certa popolazioe
DettagliIl confronto tra DUE campioni indipendenti
Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo
DettagliStrumenti di indagine per la valutazione psicologica
Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe
DettagliDEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE
DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA
DettagliLA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT
LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT La gestioe, il cotrollo ed il migliorameto della qualità di u prodotto/servizio soo temi di grade iteresse per l azieda. Il problema della qualità
DettagliProva scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1
Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia
Dettagli1 Limiti di successioni
Esercitazioi di matematica Corso di Istituzioi di Matematica B Facoltà di Architettura Ao Accademico 005/006 Aa Scaramuzza 4 Novembre 005 Limiti di successioi Esercizio.. Servedosi della defiizioe di ite
DettagliTeorema 13. Se una sere converge assolutamente, allora converge:
Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 03: Riferimeti: R.Adams, Calcolo Differeziale.- Si cosiglia vivamete di fare gli esercizi del testo. Covergeza assoluta e
DettagliStatistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame
Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale
DettagliSerie numeriche: esercizi svolti
Serie umeriche: esercizi svolti Gli esercizi cotrassegati co il simbolo * presetao u grado di difficoltà maggiore. Esercizio. Dopo aver verificato la covergeza, calcolare la somma delle segueti serie:
DettagliAnalisi statistica dell Output
Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?
DettagliLe carte di controllo
Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità
DettagliCampionamento stratificato. Esempio
ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete
DettagliSTIME E LORO AFFIDABILITA
TIME E LORO AFFIDABILITA L idea chiave su cui si basa l aalisi statistica è che si ossoo eseguire osservaioi su u camioe di soggetti e che da questo si ossoo comiere iferee sulla oolaioe raresetata da
Dettagli8. Quale pesa di più?
8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora
DettagliLE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI
Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità
DettagliTecnica delle misurazioni applicate Esame del 4 dicembre 2007
Tecica delle misurazioi applicate Esame del 4 dicembre 7 Problema 1. Il propulsore Mod. WEC viee prodotto da ACME Ic. mediate u processo automatizzato: dati storici cofermao che la lavorazioe di ogi elemeto
DettagliESERCIZI SULLE SERIE
ESERCIZI SULLE SERIE Studiare la atura delle segueti serie. ) cos 4 + ; ) + si ; ) + ()! 4) ( ) 5) ( ) + + 6) ( ) + + + 7) ( log ) 8) ( ) + 9) log! 0)! Studiare al variare di x i R la atura delle segueti
DettagliElementi di matematica finanziaria
Elemeti di matematica fiaziaria 18.X.2005 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate
DettagliLe onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione
Le ode elettromagetiche Origie e atura, spettro delle ode e.m., la polarizzazioe Origie e atura delle ode elettromagetiche: Ua carica elettrica che oscilla geera u campo elettrico E che oscilla e a questo
DettagliTest non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche
est o parametrici Il test di Studet per uo o per due campioi, il test F di Fisher per l'aalisi della variaza, la correlazioe, la regressioe, isieme ad altri test di statistica multivariata soo parte dei
DettagliSuccessioni. Grafico di una successione
Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario
Dettagli52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%
RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base
DettagliSUCCESSIONI E SERIE NUMERICHE
SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative
DettagliIMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras
IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazioe di Gras Date due variabili biarie a e b, i quale misura posso assicurare che i ua popolazioe da ogi osservazioe di a segue ecessariamete quella di b? E
DettagliAnno 5 Successioni numeriche
Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di
DettagliSTATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al
DettagliSERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.
Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.
DettagliLa matematica finanziaria
La matematica fiaziaria La matematica fiaziaria forisce gli strumeti ecessari per cofrotare fatti fiaziari che avvegoo i mometi diversi Esempio: Come posso cofrotare i ricavi e i costi legati all acquisto
DettagliVariabilità o Dispersione Definizione Attitudine di un fenomeno ad assumere diverse modalità
Variabilità o Dispersioe Defiizioe Attitudie di u feomeo ad assumere diverse modalità Le medie o bastao Esempio: caratteri quatitativi Codomiio A u.s. Numero televisori u 8 u 8 u3 8 u4 8 u5 8 Me=M=8 Codomiio
DettagliUniversità degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2
Uiversità degli Studi di Bergamo - Corsi di laurea i Igegeria Edile e Tessile Idici di posizioe e variabilità Esercitazioe 2 1. Nella seguete tabella si riporta la distribuzioe di frequeza del cosumo i
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliRendita perpetua con rate crescenti in progressione aritmetica
edita perpetua co rate cresceti i progressioe aritmetica iprediamo l'esempio visto ella scorsa lezioe di redita perpetua co rate cresceti i progressioe arimetica: Questa redita può ache essere vista come
DettagliSTATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE
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
DettagliAppunti sulla MATEMATICA FINANZIARIA
INTRODUZIONE Apputi sulla ATEATIA FINANZIARIA La matematica fiaziaria si occupa delle operazioi fiaziarie. Per operazioe fiaziaria si itede quella operazioe ella quale avviee uo scambio di capitali, itesi
DettagliRandom walk classico. Simulazione di un random walk
Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S S0 X k, co X k k co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti e ideticamete
DettagliSoluzione La media aritmetica dei due numeri positivi a e b è data da M
Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è
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
DettagliEQUAZIONI ALLE RICORRENZE
Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo
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
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
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliDISTRIBUZIONI DOPPIE
DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad
DettagliV Tutorato 6 Novembre 2014
1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliSUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1
SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:
DettagliSistemi e Tecnologie della Comunicazione
Sistemi e ecologie della Comuicazioe Lezioe 4: strato fisico: caratterizzazioe del segale i frequeza Lo strato fisico Le pricipali fuzioi dello strato fisico soo defiizioe delle iterfacce meccaiche (specifiche
DettagliESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.
ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie
DettagliNumerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone
Numerazioe biaria Pagia di 9 easy matematica di Adolfo Scimoe SISTEMI DI NUMERAZIONE Sistemi di umerazioe a base fissa Facciamo ormalmete riferimeto a sistemi di umerazioe a base fissa, ad esempio el sistema
DettagliL OFFERTA DI LAVORO 1
L OFFERTA DI LAVORO 1 La famiglia come foritrice di risorse OFFERTA DI LAVORO Notazioe utile: T : dotazioe di tempo (ore totali) : ore dedicate al tempo libero l=t- : ore dedicate al lavoro : cosumo di
DettagliStatistica di base. Luca Mari, versione 31.12.13
Statistica di base Luca Mari, versioe 31.12.13 Coteuti Moda...1 Distribuzioi cumulate...2 Mediaa, quartili, percetili...3 Sigificatività empirica degli idici ordiali...3 Media...4 Acora sulla media...4
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
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
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
DettagliInteresse e formule relative.
Elisa Battistoi, Adrea Frozetti Collado Iteresse e formule relative Esercizio Determiare quale somma sarà dispoibile fra 7 ai ivestedo oggi 0000 ad u tasso auale semplice del 5% Soluzioe Il diagramma del
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
DettagliEsercizi riguardanti limiti di successioni
Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse
DettagliTerzo appello del. primo modulo. di ANALISI 18.07.2006
Terzo appello del primo modulo di ANALISI 18.7.26 1. Si voglioo ifilare su u filo delle perle distiguibili tra loro solo i base alla dimesioe: si hao a disposizioe perle gradi di diametro di 2 cetimetri
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
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
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
DettagliLA DERIVATA DI UNA FUNZIONE
LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:
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
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliLezione III: Variabilità. Misure di dispersione o di variabilità. Prof. Enzo Ballone. Lezione 3a- Misure di dispersione o di variabilità
Lezioe III: Variabilità Cattedra di Biostatistica Dipartimeto di Scieze Biomediche, Uiversità degli Studi G. d Auzio di Chieti Pescara Prof. Ezo Balloe Lezioe a- Misure di dispersioe o di variabilità Misure
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
DettagliCapitolo 6. Soluzione degli esercizi a cura di Rosa Falotico
Capitolo 6 Soluzione degli esercizi a cura di Rosa Falotico Esercizio 6.1 Dopo aver notato che quando le modalità si presentano con frequenze unitarie, la formula per il calcolo della media si semplifica,
DettagliCalcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale
Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la
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).
Dettagli19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5
Il 16 dicembre 015 ero a Napoli. Ad u agolo di Piazza Date mi soo imbattuto el "matematico di strada", come egli si defiisce, Giuseppe Poloe immerso el suo armametario di tabelle di umeri. Il geiale persoaggio
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliIntroduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche
Itroduzioe alla Statistica descrittiva Defiizioi prelimiari È la scieza che studia i feomei collettivi o di massa. U feomeo è detto collettivo o di massa quado è determiato solo attraverso ua molteplicità
DettagliCAPACITÀ DI PROCESSO (PROCESS CAPABILITY)
CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il
Dettagli5 ln n + ln. 4 ln n + ln. 6 ln n + ln
DOMINIO FUNZIONE Determiare il domiio della fuzioe f = l e e + e + e Deve essere e e + e + e >, posto e = t si ha t e + t + e = per t = e e per t = / Il campo di esisteza è:, l, + Determiare il domiio
DettagliCorso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale.
Corso di laurea i Matematica Corso di Aalisi Matematica -2 Dott.ssa Sadra Lucete Fuzioi poteza ed espoeziale. Teorema. Teorema di esisteza della radice -esima. Sia N. Per ogi a R + esiste uo ed u solo
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliRisposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere
Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati
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.
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
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
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
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
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
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliSelezione avversa e razionamento del credito
Selezioe avversa e razioameto del credito Massimo A. De Fracesco Dipartimeto di Ecoomia politica e statistica, Uiversità di Siea May 3, 013 1 Itroduzioe I questa lezioe presetiamo u semplice modello del
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliCorso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15
Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.
Dettagli