AA Prof. V. Palladino. Undicesima lezione, seconda del secondo modulo
|
|
- Demetrio Grassi
- 5 anni fa
- Visualizzazioni
Transcript
1 AA Prof. V. Palladino Undicesima lezione, seconda del secondo modulo
2 Possiamo predire le distribuzioni di probabilita' delle grandezze che misuriamo di un conteggio k P(k) binomiale e il suo limite gaussiano e poissoniano della frequenza di conteggio F=k/n P(F) del risultato x di una misura g(x) gaussiana approx della media aritmetica xbar di n misure gaussiana g(xbar) approx della stima S della devsta di n misure
3 Comiciamo ad applicare alle misure La piu semplice misura il conteggio n-k x x x x x x x x del numero k di successi su n prove - k x x x x x x + Possiamo predire (Laplace) la distribuzione di k! E la distribuzione binomiale e, quindi, quella di F=k/n (Venn) la frequenza in particolare per n
4 Sia data una distribuzione di probabilita qualunque p 1 p j-1 p j - p j+1. p h Supponiamo che ci stia a cuore solo il j-simo di h esiti p q q = Σ p = p j i j p i insuccesso successo Supponiamo di fare una serie di n prove per tentare una stima di p + due esiti : testa e croce insuccesso, successo p e q qualunque (p+q=1) possiamo predire le probabilita (la distribuzione delle probabilita ) di avere k successi (e quindi n-k insuccessi) su n prove per ogni valore della variabile casuale k k=0,1,2,.k-1, k, k+1,. n P n (k) La distribuzione binomiale di Bernoulli
5
6
7
8
9
10 E sparito n 2!
11 Conclusioni <k>=m= np σ(k)= <(k-m) 2 >= npq di grande portata soprattutto per F =k/n Le distribuzioni di probabilita di F non hanno forma compatta semplice come per k Ma, quel che conta e che <F>=<k>/n= p! fluttuano proprio intorno a p σ (F)= <(F-p) 2 >= <(k/n- p) 2 >= <(k-np) 2 > /n= σ(k)/n= pq/n anzi, si stringono, per n!!!!! intorno a p
12 si sposta piu di quanto si allarghi!!!!!!!! il centro della distribuzione <k>=m= np ogni nuova prova aggiunge 1 addendo p la larghezza della distribuzione σ(k)= <(k-m) 2 >= npq ogni nuova prova aggiunge 1 sotto radice CIASCUN CONTEGGIO AGGIUNGE un contributo pq = σ 0 2 ALLA VARIANZA AL QUADRATO DELLA DEVIAZIONE Standard La somma e dei quadrati. e una somma in quadratura
13 lancio di N monete p=q=1/2 2 monete P j 1/2 1/4 1/4 2 testa 0 croce -2 1 testa 1 croce 0 0 testa 2 croce +2 3 monete P j 3/8 3/8 1/8 1/8 3 testa 0 croce -3 2 testa 1 croce -1 1 testa 2 croce +1 0 testa 3 croce +3 NB primi esempi di distribuzioni binomiali La distribuzione accenna gia ad una campana si allarga e si abbassa (Kolmogorov) intorno al centro (N/2) che si sposta si sposta piu di quanto si allarghi!!!!!!!! <k>=m= np σ(k)= <(k-m) 2 >= npq
14 lancio di N monete p=q=1/2 2 monete P j 1/2 1/4 1/4 scarto k-(n-k)=2k-n 3 monete P j 2 testa 0 croce /8 1 testa 1 croce 0 0 3/8 0 testa 2 croce /8 1/8 N-k k (k-n/2) 2 (k-n/2) 3 testa 0 croce -1,5-3 2 testa 1 croce -0,5-1 1 testa 2 croce +0, testa 3 croce +1,5 +3 N-k k (k-n/2) 2 (k-n/2) N/2 N/2 k 0 0 N-k (k-n/2) 2 (k-n/2) La variabile scarto k-n/2 ci sara presto naturale N successi -N insuccessi, suo doppio, utile un po piu avanti
15 Vediamo meglio : testa o croce p=q= ½ dopo 2 monete, 3 monete 20 monete Lanciando 20 monete le probabilita di avere k teste sono
16
17 E se n diventa davvero grande Vedremo che m k =n/2 σ k = n/2 σ k /m k =1/ n σ F = σ k /n = p σ k /m k = 1/(2 n)
18 la legge degli scarti x= = k - n/2 della binomiale di p=1/2, per n molto grande e' la distribuzione gaussiana P Gauss ( ) = π σ e -1/2( /σ) 2 con σ = n / 2 = npq... inevitabilmente NB... degli scarti ridotti /σ... a dire il vero!
19 P(0)=1/ 2πσ = 2/πΝ si abbassa solo come 1/ N N=n 9% 8% 7% 6% P (k -N /2 ) 5% 4% 3% σ= N/2 si allarga solo come N N=1000 N=100 2% 1% 0% scarto k-n/2
20 vedi box 1 N molto grande 2x/n piccolo vedi box 2
21 box 1 vedi box 3 box 2 vedi box4
22 box 3
23 box 4
24 Cambiamo ora, come anticipavamo, la variabile casuale da da k a k/n= F non facile algebricamente, P (F) = P(nF) = ( n Fn) pfn q n-fn = ma facile con un computer anche con n grande P(k) CONCLUDEREMO CHE P(F) npq pq/n k F 0 np n 0 p 1 Per n che cresce la larghezza npq della distribuzione dei k cresce meno del suo valore medio np si traduce in la larghezza pq/n della distribuzione delle F decresce!! si addensa!!!!!!!! intorno al valore medio p, costante
25 P(F) al crescere di n, per p = 1/2 P F La distribuzione di F si abbassa anch essa ma non si allarga, si stringe! addensandosi sempre piu sugli esiti (n+1 in totale) raccolti intorno a p σ(f)= pq/n = 1/ 4n
26 Analiticamente, dal fatto che concludiamo che, giacche F-p = k/n-1/2 = x / N lo scarto F-p da P (F) df = P(x) dx discende che P (F) = P(x) dx/df = N P(x) 1 P Gauss (F) = 2π /( 4N) e -(F-p) 2 /2/( 4N) 2 con σ F = 1 / ( 4N)
27 Ancora piu espressivo, su scala logaritmica F P NB non e dovuto alla scelta particolare p=1/2
28 Che succede per p=1/3, ad esempio
29 E per p=1/3 e n? P F Si stringe intorno ad F= 1/3 = p e somiglia ad una campana! benche non sia piu davvero simmetrica come rivela la scala logaritmica P F
30 Conclusione La distribuzione di probabilita della frequenza F = k/n (Venn) di successi in un conteggio e centrata intorno alla probabilita p di successo (Laplace) sempre piu strettamente σ(f)= pq/n 1/ n Gli approcci di Venn e Laplace possono essere coerenti
31
32
33
34 σ 2 Poisson = m σ Poisson = m regola d oro dei conteggi Poissoniani m± m spesso in pratica k± k σ Binomiale = mq < σ Poisson = m nondimeno m utile limite superiore anche per conteggi Binomiali
35
36
37
38
39
40
41 =
42
43 In una citta ci sono in media 5 nascite al giorno La probabilita che ce siano k in un giorno e P 5 (k) = 5 k e -5 /k! Esempio di probabilita poissoniana E certo un evento raro Se ci sono ad es. 50mila famiglie, la probabilita =10-4 sara 5/50mila NB resta solo 5 = 50000* e 10-4 scompaiono
44 Esempio di probabilita poissoniana Se da un campione di radio ci sono in media 1 disintegrazione al minuto (di 100K nuclei, ad es, p=10-5 ) la probabilita che ce siano k al minuto e P 1 (k) = 1 k e -1 /k! e -1 = 0,37 = 0,37/5! = 0,015 =0,3% = 0,37 = 0,37 = 0,37/2=0,18 = 0,37/3! = 0,06 = 0,37/4! = 0,015 =1,5%
45
46
47
48 Ritorniamo a lim F p
49 NB freccette!!
50
51 formula usate nella stima di chiquadro
52 La formulazione finale viene dalla diseguaglianza di Bienayme-Cebicev ~1/n la probabilita che F differisca da p piu di ε si annulla per n
53 Missione compiuta
AA Decima lezione, seconda del secondo modulo
AA 2010-11 http://people.na.infn.it/palladin/lezioni2010-11/100314lezione10.pdf Decima lezione, seconda del secondo modulo Comiciamo ad applicare alle misure La piu semplice misura il conteggio n-k x x
DettagliLa legge di Gauss degli errori come limite di una binomiale
Esiste una dimostrazione rigorosa dovuta a Laplace che la distribuzione degli scarti delle misure affette da errori casuali e indipendenti è la funzione normale di Gauss La legge di Gauss degli errori
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Si sono diverse distribuzioni di probabilità: quelle di cui parleremo sono la distribuzione binomiale, quella di Poisson, quella uniforme, quella normale, quella del χ² e la
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliVedi: Probabilità e cenni di statistica
Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità
DettagliPROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE. 1. La variabile aleatoria di Bernoulli e la variabile aleatoria binomiale
PROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE In questa scheda vedremo due famiglie di variabili aleatorie (una discreta e una continua), che ci serviranno per descrivere uno dei risultati
DettagliTeorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
Dettaglip(x) = 1/ per x [ /2, + /2] p(x) = 0
p(x) = 1/ per x [ /2, + /2] p(x) = 0 altrove 10-01 Distribuzione continua uniforme ( rettangolare ) p(x) p(x) = 1/ per x [ /2, + /2] p(x) = 0 altrove 1/ - /2 0 + /2 m = E[x] = /2 + /2 x p(x)dx = = /2 +
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
Dettagliseminario divulgativo Dott. De Laurentis La scoperta delle onde gravitazionali
valutazione della didattica da parte degli studenti mediante la piattaforma on-line ESOL esol.unina.it sessione Morisi giovedi 7 dicembre dalle ore 14:00 sessione Iorio da fissare (dopo il 15 dicembre)
DettagliDistribuzione Binomiale
Statistica e analisi dei dati Data: 2 Maggio 2016 Distribuzione Binomiale Docente: Prof. Giuseppe Boccignone Scriba: Nicoló Pisaroni 1 Conteggi e tempi di attesa Consideriamo il seguente schema, facendo
DettagliProbabilità mediante l'analisi combinatoria D n,k = Disposizioni di n oggetti a k a k (o di classe k)
Probabilità mediante l'analisi combinatoria D n,k = Disposizioni di n oggetti a k a k (o di classe k) Nel calcolo del numero di modalità con cui si presenta un evento e' utile talvolta utilizzare le definizioni
Dettagli7 - Distribuzione Poissoniana
7 - Distribuzione Poissoniana Probabilita' (poissoniana) o densita' di probabilita' (gaussiana) 0.7 Poisson, λ=0.5 Gaussiana, µ=λ=0.5, σ= 0.6 0.5 0.4 0.3 0.2 0.1 0 0.5 0 0.5 1 1.5 2 2.5 3 3.5 4 n = numero
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliIntroduzione al modello Uniforme
Teoria dei Fenomeni Aleatori 1 AA 01/13 Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x t x q t Tempo Discreto Continuo 0
DettagliStatistica. Lezione 4
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela
DettagliProva intercorso di laboratorio di Fisica I AA Matricole Pari 07-apr-16. Esercizi preparatori tipici
Prova intercorso di laboratorio di Fisica I AA 2015-2016 Matricole Pari 07-apr-16 Esercizi preparatori tipici 1. Quale e' la probabilita' di avere almeno una testa, lanciando 3 monete? Risposta: P= 7/8
Dettaglivalutazione della didattica da parte degli studenti mediante la piattaforma on-line ESOL esol.unina.it
valutazione della didattica da parte degli studenti mediante la piattaforma on-line ESOL esol.unina.it = x j e x sono variabili correlate AA 016-17 Prof. V. Palladino http://people.na.infn.it/palladin/lezioni016-17/16114lezione10.pdf
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliProva intercorso di laboratorio di Fisica I AA Matricole Pari 29 mar 17
Prova intercorso di laboratorio di Fisica I AA 2016 2017 Matricole Pari 29 mar 17 1. Quale e' la probabilita' di estrarre o un asso o una carta di denari, da un mazzo di 40 carte? Risposta: P= P(asso)+P(denari)
DettagliPropagazione delle varianze, conosciuta come propagazione degli errori.
Propagazione delle varianze, conosciuta come propagazione degli errori. Siano x 1, x 2, x n n variabili casuali e poniamo,, ) = y ( ) Supponiamo inoltre nota la matrice delle covarianze delle x e vogliamo
DettagliModelli di probabilità
Modelli di probabilità Corso di STATISTICA Ordinario di, Università di Napoli Federico II Professore supplente, Università della Basilicata a.a. 0/0 Obiettivo dell unità didattica Definire i concetti di
DettagliProbabilità: teoremi e distribuzioni
Probabilità: teoremi e distribuzioni OBIETTIVO DIDATTICO DELLA LEZIONE Illustrare le più importanti distribuzioni di probabilità che vengono utilizzate in statistica Distribuzioni di probabilità 1. La
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliLA DISTRIBUZIONE NORMALE. La distribuzione Gaussiana. Dott.ssa Marta Di Nicola
LA DISTRIBUZIONE NORMALE http://www.biostatistica.unich.itit «È lo stesso delle cose molto piccole e molto grandi. Credi forse che sia tanto facile trovare un uomo o un cane o un altro essere qualunque
DettagliIndirizzo Giuridico Economico Aziendale
LE VARIABILI CASUALI In molti fenomeni aleatori il risultato di un esperimento è una grandezza che assume valori in modo casuale. Pensa ad esempio al numero di auto che si presentano ad un casello autostradale
DettagliLaboratorio di Calcolo Paola Gallo
Studio di una funzione Dopo aver calcolato limiti, massimi, minimi e flessi siamo in grado di stabilire noi quali estremi di variabilità e che passo dare alle mie x per poter visualizzare bene nel grafico
DettagliPROBABILITA E STATISTICA Docente: Bruno Gobbi
UNIVERSITA DEGLI STUDI DI VERONA PROBABILITA E STATISTICA Docente: Bruno Gobbi LE VARIABILI CASUALI DISCRETE VARIABILE CASUALE - DEFINIZIONE Si definisce Variabile Casuale una grandezza che, associata
DettagliVariabili aleatorie. Variabili aleatorie
Variabili aleatorie Distribuzione binomiale Si supponga che uno studente affronti un esame composto da domande chiuse. Una sola delle 5 alternative di risposta proposta per ciascuna domanda è vera Supponiamo
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliMetodi di Monte Carlo: un'applicazione
Metodi di Monte Carlo: un'applicazione Metodi di Monte Carlo: definizione Brevi richiami sui concetti base utilizzati Variabile casuale Valore di aspettazione Varianza Densità di probabilità Funzione cumulativa
Dettaglif (a)δa = C e (a a*)2 h 2 Δa
Distribuzione di Gauss Se la variabile non e` discreta ma puo` variare in modo continuo in un certo intervallo e ad ogni suo valore resta assegnata una probabilita` di verificarsi, dalla distribuzione
DettagliESEMPIO: DISTRIBUZIONE UNIFORME CONTINUA fra a e b: si utilizza nei casi in cui nessun valore all'interno di un intervallo è preferito:
ESEMPIO: DISTRIBUZIONE UNIFORME CONTINUA fra a e b: si utilizza nei casi in cui nessun valore all'interno di un intervallo è preferito: f(x) = K () dalla proprietà di chiusura: f x dx = 1 *) segue f(x)
DettagliLaboratorio di Probabilità e Statistica
Laboratorio di Probabilità e Statistica lezione 4 Massimo Guerriero Ettore Benedetti Indice Lezione Prerequisiti dalla lezione scorsa Permutazioni e coefficiente binomiale Variabili casuali discrete Esperimento
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliEsercitazione del 04/06/2015 Probabilità e Statistica Foglio 14
Esercitazione del 0/06/05 Probabilità e Statistica Foglio David Barbato Esercizio. Ci sono 0 monetine di cui 5 con due teste, con due croci e regolari una moneta regolare ha una faccia testa e una faccia
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Tipologia di v.a. v.a. discreta numero finito di valori (infinità numerabile) x 1 x 2,, x k con probabilità p 1 p 2, p k Esempio:
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
DettagliV.C. UNIFORME. 1 n. con funzione di probabilità associata: MODA(X): la distribuzione Uniforme è zeromodale.
V.C. UNIFORME La v.c. discreta UNIFORME descrive il modello probabilistico dell equiprobabilità. I valori della v.c.u. sono dati dai primi n numeri naturali: x = 1, 2,, (n-1), n con funzione di probabilità
DettagliLaboratorio di Chimica Fisica. Analisi Statistica
Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica
DettagliElementi. Statistica. Masterclass - Frascati 27/2/2013 Elementi di statistica Marco Dreucci
Elementi di Statistica 1 Fisica Alte Energie : di cosa si occupa? 2 Variabili aleatorie e distribuzioni 3 Fit ai dati sperimentali 4 Tre esempi completi 1 Fisica Alte Energie Di cosa si occupa? Spiega
DettagliM 3 = ..p x.q n x. σ 3 = npq q p. npq npq = q p. npq.
Distribuzioni teoriche A. DISTRIBUZIONI DISCRETE - Distribuzione binomiale - Distribuzione multinomiale - Distribuzione di Poisson - Distribuzione ipergeometrica - Distribuzione uniforme B. DISTRIBUZIONI
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
DettagliErrori sistematici e casuali
Errori sistematici e casuali Errori Casuali Tempo di reazione nel far partire o fermare l orologio: Può essere sia in eccesso che in difetto (ad esempio partenza e arrivo), quindi l errore può avere segno
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliLA DISTRIBUZIONE DEGLI ERRORI DI MISURA. La distribuzione normale. Dott.ssa Marta Di Nicola
LA DISTRIBUZIONE DEGLI ERRORI DI MISURA La distribuzione normale http://www.biostatistica.unich.itit «È lo stesso delle cose molto piccole e molto grandi. Credi forse che sia tanto facile trovare un uomo
DettagliES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi
ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari
Dettagli! X (92) X n. P ( X n X ) =0 (94)
Convergenza in robabilità Definizione 2 Data una successione X 1,X 2,...,X n,... di numeri aleatori e un numero aleatorio X diremo che X n tende in probabilità a X escriveremo X n! X (92) se fissati comunque
DettagliLimiti della Distribuzione Binomiale
Limiti della Distribuzione Binomiale Giuseppe Sanfilippo 11 maggio 2012 1 Teorema di Bernoulli Sia X 1, X 2,..., X n... una successione di variabili aleatorie bernoulliane stocasticamente indipendenti
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 3: Variabili aleatorie discrete notevoli
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 3: Variabili aleatorie discrete notevoli Esperimenti binari ripetuti o esperimenti bernoulliani (Bernoulli
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliDISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici
DettagliVariabile casuale E 6 E 5 E 4. R S x1 E 2
Variabile casuale Una Variabile Casuale X è una regola (funzione reale) che associa ad E (evento elementare di S) uno ed un solo numero reale. Notazione: X: variabile casuale : realizzazione di una variabile
Dettagli2. Introduzione alla probabilità
. Introduzione alla probabilità Carla Seatzu, 8 Marzo 008 Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari: è l insieme Ω di tutti i possibili esiti
DettagliUniversità del Piemonte Orientale Corsi di Laurea triennale di area tecnica. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità
Università del Piemonte Orientale Corsi di Laurea triennale di area tecnica Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione binomiale La distribuzione Normale (o di
DettagliPAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore
PAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore medio, Errore quadratico medio (eqm), Deviazione standard,
DettagliSecoli di probabilità. Marta Lucchini, IIS Bertrand Russell, Milano
Secoli di probabilità Marta Lucchini, IIS Bertrand Russell, Milano Venezia, 15 Aprile 2018 Il 1600, Pascal e gli altri Cardano, Liber de ludo aleae (1663, postumo) Galilei, Sopra le scoperte dei dadi (1630)
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliSignificato probabilistico di σ: su 100 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo
Significato probabilistico di σ: su 1 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo x σ, x + σ e 99.7 nell intervallo x 3 σ, x + 3 Se si considerano campioni
DettagliModulo di Statistica e Tecnologia (Dott. Giorgio Poletti
Laurea in Scienze dell Educazione Insegnamento di Pedagogia Sperimentale (Prof. Paolo Frignani) Modulo di Statistica e Tecnologia (Dott. Giorgio Poletti giorgio.poletti@unife.it) (discrete) variabile casuale
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliTeoremi limite. Enrico Ferrero. 27 febbraio 2007
Teoremi limite Enrico Ferrero 27 febbraio 2007 LA DISEGUAGLIANZA DI CHEBYCHEV Sia X una variabile aleatoria avente valore medio µ e varianza σ 2. Sia poi K un arbitrario numero positivo. È possibile dimostrare
DettagliDISTRIBUZIONI DI PROBABILITA
PSICOMETRIA Corso di laurea triennale (classe 34) DISTRIBUZIONI DI PROBABILITA DISTRIBUZIONE DI PROBABILITA I possibili risultati di un esperimento costituiscono uno spazio campionario di n eventi A ciascun
DettagliCorso di Statistica. Distribuzioni di probabilità per variabili casuali discrete. Prof.ssa T. Laureti a.a
Corso di Statistica Distribuzioni di probabilità per variabili casuali discrete Prof.ssa T. Laureti a.a. 2013-2014 1 Variabili casuale di Bernoulli La v.c. di Bernoulli trae origine da una prova nella
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 205- P.Baldi Lista di esercizi 5, 8 febbraio 20. Esercizio Si fanno 25 estrazioni
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali LABORATORIO R - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2014 Argomenti La distribuzione normale e applicazioni La distribuzione binomiale
DettagliAnalisi statistica degli errori
Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale
DettagliApprofondimento 3.3. Approssimazione della distribuzione binomiale alla normale
Approfondimento 3.3 Approssimazione della distribuzione binomiale alla normale Come aveva notato de Moivre, se il numero di prove è sufficientemente ampio e la probabilità del successo π sufficientemente
Dettagli1! 4! = 5. Quindi la probabilità di ottenere 1 successo su 5 lanci sarà 5 2 = 5! 2! 3! = 10
Note sulla Distribuzione Binomiale La distribuzione binomiale è relativa ad una variabile aleatoria discreta, che descrive i possibili risultati di un esperimento composto da n prove. In particolare, definisce
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
Dettaglidistribuzione normale
distribuzione normale Si tratta della più importante distribuzione di variabili continue, in quanto: 1. si può assumere come comportamento di molti fenomeni casuali, tra cui gli errori accidentali; 2.
DettagliAnalisi dati. Metodi di analisi statistica dei dati di esperimenti di fisica delle particelle
Analisi dati Metodi di analisi statistica dei dati di esperimenti di fisica delle particelle 2 Argomenti Introduzione Dalle misure sperimentali ai risultati finali Variabili aleatorie e distribuzioni statistiche
DettagliDistribuzioni teoriche di probabilità: distribuzione binomiale e distribuzione normale
Distribuzioni teoriche di probabilità: distribuzione binomiale e distribuzione normale Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona media e varianza campione
DettagliMatematica Applicata L-A Definizioni e teoremi
Definizioni e teoremi Settembre - Dicembre 2008 Definizioni e teoremi di statistica tratte dalle lezioni del corso di Matematica Applicata L- A alla facoltà di Ingegneria Elettronica e delle Telecomunicazioni
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
DettagliCORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità Lezioni di Statistica VARIABILITA Si definisce variabilità la proprietà di alcuni fenomeni di assumere
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
DettagliMEDIA aritmetica semplice (Gli indicatori di posizione)
STATISTICA E RICERCA DIDATTICA Note di statistica e metodi di ricerca Il 94.5 % delle statistiche e' sbagliato. Woody Allen Non esistono i dati, solo interpretazioni! Friedrich Nietzsche Laurea in Scienze
DettagliLa distribuzione di Poisson
La distribuzione di Poisson La distribuzione di Poisson (poissoniana) descrive fenomeni fisici per i quali nello schema successo-insuccesso ci si trovi nelle seguenh situazioni: - Il numero di evenh possibili,
DettagliStatistica. Lezione : 18, 19. Variabili casuali
Corsi di Laurea: a.a. 2017-18 Diritto per le Imprese e le istituzioni Scienze dell Amministrazione e Consulenza del Lavoro sienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili
DettagliDistribuzioni teoriche di probabilità: distribuzione binomiale e distribuzione normale
Distribuzioni teoriche di probabilità: distribuzione binomiale e distribuzione normale Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona media e varianza campione
Dettagli