RAPPRESENTAZIONE DEI DATI
|
|
- Angelina Parisi
- 8 anni fa
- Visualizzazioni
Transcript
1 Rappresentazione dei Dati RAPPRESENTAZIONE DEI DATI Quando si dispone di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente Quandoil si loro dispone significato. di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente il loro significato. Strumenti Strumenti di uso frequente sono: tabelle, diagrammi a barre, istogrammi. di uso frequente sono: tabelle, diagrammi a barre, istogrammi. Consideriamo, ad ad esempio, due due sperimentatori, A e AB, eche B, abbiano effettuato che abbiano ciascuno effettuato 10 misurazioni ciascuno 10 di tempo misurazioni con strumenti di a sensibilità tempo con diversa. strumenti I dati asono sensibilità registrati diversa. nella tabella: I dati sono registrati nella tabella: tempo (in secondi) A B
2 Rappresentazione dei Dati RAPPRESENTAZIONE DEI DATI Quando si dispone di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente Quandoil si loro dispone significato. di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente il loro significato. Strumenti Strumenti di uso frequente sono: tabelle, diagrammi a barre, istogrammi. di uso frequente sono: tabelle, diagrammi a barre, istogrammi. Consideriamo, ad ad esempio, due due sperimentatori, A e AB, eche B, abbiano effettuato che abbiano ciascuno effettuato 10 misurazioni ciascuno 10 di tempo misurazioni con strumenti di a sensibilità tempo con diversa. strumenti I dati asono sensibilità registrati diversa. nella tabella: I dati sono registrati nella tabella: tempo (in secondi) A B
3 UENZE Frequenze FREQUENZE TA: n i numero di volte che si (dato). M j=1 n j = N FREQUENZA ASSOLUTA: ni numero di volte che si verifica un certo evento (dato). FREQUENZA FREQUENZA ASSOLUTA: ASSOLUTA: n i numero di volte che si verifica un certo evento (dato). n i numero di volte che si M verifica un certo evento (dato). j=1 n j = MN j=1 M rappresenta il nu- n j = N M rappresenta il numero di gruppi in cui insi cui sono si suddivise le Misure A Freq. ass. Misure B Freq. ass. M rappresenta il numero di gruppi in cui si Freq. ass. Misure A Freq. ass. Misure B Freq. ass. gruppi mero1.50 di gruppi 3 in cui si sono suddivise le misure (M N). M = N misure (M sono suddivise le misure 3 (M sono N). suddivise M =N le mis- solo in caso di misure N). 1 M = 2Nsolo in caso di (M misure senza N). M ripetizioni. = N senza ripetizioni. solo in caso di misure solo 2 in caso 1.53 di misure 1 1 senza ripetizioni. FREQUENZA RELATIVA: RELATIVA: rapportotrafrequenza senza ripetizioni. rapporto tra assoluta e il numero totale di prove (misure). assoluta FREQUENZA e il numerorelativa: totale di prove rapporto (misure). trafrequenza A: rapportotrafrequenza ale di prove (misure). n j f i = n i N M j=1 FREQUENZE assoluta e il numero totale di prove (misure). N =1 Misure Af Freq. rel. Misure B Freq. rel. i = n i N M n j j=1 N = M rappresenta il numero di Misure A Freq. rel. Misure B Freq. rel. 1.4 Misure 0.3A Freq rel. Misure 0.3 B Freq. rel p.32/ p.32/49
4 Diagrammi In ascissa a Barre i valori delle misure; in ordinata le freq. assolute o relative. In ascissa i valori delle misure; in ordinata le freq. assolute o relative. Si utilizzano Si utilizzano quando le grandezze quando le assumono grandezze valori che discreti. possono assumere solo valori discreti. Indicazione Indicazione lampante: I lampante: dati di B sono IdatidiB molto raggruppati sono molto intorno raggruppati ad un valore prossimo intorno ada 1.5 unmentre valorei prossimo dati di A sono a 1.5 mentre molto più dati dispersi. A sono Qual è molto la serie piùdi dispersi. misure più Qualèlaseriedi precisa? misure più precisa?
5 DIAGRAMMI A BARRE Diagramma a Barre Sperimentatore A: seconda serie di 100 misure. Sperimentatore A: secondaseriedi100 misure. diagramma in frequenze assolute diagramma in frequenze relative Idiagrammiinfreq.realtivesidicononormalizzati. I diagrammi in freq. realtive si dicono normalizzati. Sono utili per il confronto di campioni Sonodi utili grandezza per il confronto diversa di dati diversi. All aumentare del numero delle misure il diagramma All aumentare tende adel diventare numero delle molto misure più regolare. il diagramma tende a diventare più regolare Precisione di un esperimento larghezza della distribuzione di frequenza. Precisione di un esperimento larghezza della distribuzione di frequenza.
6 Istogrammi Rappresentazione utile quando + La grandezza misurata si presenta con valori discreti + Il numero dei dati è grande Si raggruppano i dati in intervalli successivi di valori. Nel caso di misure, a causa della loro precisione finita (numero finito di cifre significative), conviene raggrupparle in M intervalli successivi di valori, la cui ampiezza non potrà mai essere inferiore alla sensibilità dello strumento. In altre parole, la più piccola ampiezza degli intervalli corrisponde alla cifra significativa più piccola apprezzabile.
7 Istogramma L asse delle ascisse suddiviso in K intervalli, detti classi di frequenza. Queste possono essere uguali o diverse. Frequenza: numero ni o frazione ni/n di dati compresi nell intervallo i-esimo. Se le classi sono di ampiezza diversa, le frequenze non sono direttamente confrontabili Densità di frequenza: rapporto tra la frequenza e l ampiezza di una classe di = ni/ xi o di = fi/ xi Ad ogni classe è associato un rettangolo: la base è pari all ampiezza della classe xi (ascissa); l altezza è pari alla densità di frequenza di(ordinata); l area è per costruzione la frequenza (assoluta o relativa) associata alla classe.
8 ME COSTRUIRE GLI ISTOGRAMMI Come costruire gli Istogrammi Definire il numero K delle classi e le loro ampiezze x i,i=1,k Definire il numero K delle classi e le loro ampiezze xi, i = 1, K In un piano catesiano porre in In un piano catesiano porre in: ascissa la variabile x evidenziando le suddivisioni delle classi; ordinata ordinata la densità la densità di di frequenza. ascissa la variabile x evidenziando le suddivisioni delle classi;
9 Istogrammi in Frequenze Assolute Ad ogni singola misura è associato un rettangolo di area unitaria. Area del rettangolo relativo all intervallo i-esimo pari alla frequenza assoluta ni (xi xi 1) hi = x hi =ni Area totale dell istogramma x1 h1 + x2 h2 + xk hk =n1+n2+ +nk =N
10 Istogrammi in frequenze relative Ad ogni singola misura associato un rettangolo di area pari a 1/N Area del rettangolo relativo all intervallo i-esimo pari alla frequenza realtiva ni/n (xi xi 1) hi = x hi = ni/n Area totale dell istogramma è unitaria L istogramma si dice normalizzato. x1 h1+ x2 h2+ xk hk=n1/n+n2/n+ nk/n =1 OSS: Se le classi di frequenza sono uguali hi frequenza Se le classi di frequenza sono diverse hi densità di frequenza
11 p.40/4 Un errore frequente Nel caso le classi di frequenza siano diverse occorre prestare attenzione a come si costruisce l istogramma. Nel caso le classi di frequenza siano diverse occorre prestare attenzione a come Le si costruisce altezzel istogramma. dei rettangoli non scalano come le Le altezze frequenze, dei rettangoli ma non come scalano lecome densità le frequenze, di frequenza. ma come le densità di frequenza. Consideriamo Consideriamo i dati ISTAT i2001 datisull ISTAT età della 2001 popolazione sull etàitaliana. della popolazione italiana.
12 Un errore frequente... corretto Un errore frequente... corretto Calcoliamo Calcoliamo l ampiezza l ampiezza delle classi dellee classi densità eladi densità frequenza. di frequenza. p.41/49
13 ISTOGRAMMI: il caso Old Faithful ISTOGRAMMI: il caso Old Faithful La significatività di un istogramma dipende dalla scelta dell ampiezza La significatività di un istogramma dipende dalla scelta delle classi di frequenza. dell ampiezza delle classi di frequenza. Consideriamo, come esempio, la variabile durata temporale delle eruzioni Consideriamo, del geyser Old come Faithful, esempio, presso lalo variabile Yellowstone durata National Park. temporale delle eruzioni del geyser Old Faithful, presso lo Yellowstone National Park.
14 ISTOGRAMMI: il caso Old Faithful Le eruzioni seguono un andamento quasi regolare, quindi per motivi turistici c è interesse a studiare e prevedere quando esse si manifesteranno e quanto dureranno. Lo studio statistico ha dimostrato che esistono 2 gruppi di eruzioni: eruzioni brevi ( 3 min) ed eruzioni lunghe (> 3 min). Costruiamo l istogramma Ampiezze troppo piccole producono fluttuazioni troppo forti non significative. Ampiezze troppo grandi nascondono la natura bimodale dei dati
15 Dipendenza dalla base dell istogramma Dipendenza dalla base dell istogramma 100 misure 100 misure del periodo del periodo di un pendolo di un pendolo con cronometro con cronometro digitale S=1 s 1, ripetute in identiche condizioni. digitale S=1 s 1,ripetuteinidentichecondizioni. p.44/49
16 Dipendenza dalla base dell istogramma Dipendenza dalla base dell istogramma 100 misure 100 misure del periodo del periodo di un pendolo di un pendolo con cronometro con cronometro digitale S=1 s 1, ripetute in identiche condizioni. digitale S=1 s 1,ripetuteinidentichecondizioni. p.44/49
17 Dipendenza dalla base dell istogramma Dipendenza dalla base dell istogramma 100 misure 100 misure del periodo del periodo di un pendolo di un pendolo con cronometro con cronometro digitale S=1 s 1, ripetute in identiche condizioni. digitale S=1 s 1,ripetuteinidentichecondizioni. p.44/49
18 Dipendenza dalla base dell istogramma Dipendenza dalla base dell istogramma 100 misure 100 misure del periodo del periodo di un pendolo di un pendolo con cronometro con cronometro digitale S=1/100 s 1, ripetute in identiche condizioni. digitale S=1 s 1,ripetuteinidentichecondizioni. p.44/49
19 Come suddividere i dati in classi? La morfologia di un istogramma dipende dalla scelta delle classi. Non esiste una legge rigorosa. Se le classi sono troppo ampie caratteristiche importanti possono essere omesse. Se le classi sono troppo strette l informazione può risultare poco significativa, poiché essendo poco popolate, le classi sono soggette a fluttuazioni statistiche. È sempre meglio effettuare dei test, variando l ampiezza delle classi per verificare la sensibilità dei dati. Generalmente il numero di classi varia tra 5 20, ma dipende dal caso specifico. Il numero degli intervalli K viene fissato, solitamente, dell ordine di N (scarto quadratico medio della statistica di Poisson...vedremo piu avanti).
20 FREQUENZA CUMULATIVA Frequenza Cumulativa Frequenza cumulativa F (x) (assoluta o relativa), per Frequenza ogni valore cumulativa di x, èilnumero(ass.orel.)divoltepercui F (x) (assoluta o relativa), ogni valore Frequenza cumulativa F (x) (assoluta relativa), per di ilx, risultato è il numero (ass. o rel.) di volte per cui il risultato della ognidella valoremisura di x, èilnumero(ass.orel.)divoltepercui è stato minore o uguale a x. misura è il stato risultato minore dellao misura uguale èa stato x. F (x) = n i (frequenza cumulativa minore ass.) oouguale a x. x i x F (x) = x i x n i (frequenza cumulativa ass.) o F (x) = x i x f i (frequenza cumulativa rel.) F (x) = x i x f i (frequenza cumulativa rel.) funzione funzione monotona monotona non non decrescente decrescente con uno con scalino uno pari scalino rispettivamente ad 1 o a 1/N in corrispondenza di ognuno degli pari rispettivamente ad 1 o a 1/N in corrispondenza di N valori osservati. ognuno degli N valori osservati. funzione monotona non decrescente con uno scalino pari rispettivamente ad 1 o a 1/N in corrispondenza di ognuno degli N valori osservati. (ass.) 0 = F ( ) F (x) F (+ ) = N (ass.) 1 (rel.) 0 = F ( ) F (x) F (+ ) = 1 (rel.) p.46/49
21 REQUENZA CUMULATIVA: un esempio FREQUENZA CUMULATIVA: un esempio Consideriamo N = 100 studenti maschi dei quali si voglia studiare la distribuzione del peso Consideriamo N = 100 studenti maschi dei quali si voglia studiare la distribuzione dei pesi. Massa in kg numero di studenti Le classi scelte siano M =5 Totale 100 Le classi (59.5 scelte siano 62.5; M 62.5 = 5 ( ; 62.5; ; 65.5; ; 68.5; ) 71.5; ) frequenza assoluta (in ordine di classe): numero studenti per ogni frequenza assoluta (in ordine di classe): numero studenti per ogni classe di pesi ni = {5, 18, 42, classe di pesi n 27, 8} i = {5, 18, 42, 27, 8} frequenza relativa: frequenzaassolutadivisaperilnumerodidati frequenza f i relativa: = n i /N frequenza = {5/100, assoluta 18/100, divisa 42/100, per il 27/100, numero di 8/100} dati fi = ni/n = {5/100, 18/100, 42/100, 27/100, 8/100} frequenza cumulativa relativa: sommadellefrequenzeassolutedelle frequenza varie cumulativa classi divisa relativa: per somma il numero delle frequenze di dati) assolute delle varie classi divisa per il numero F di (x) dati) ={5/100, F (x) = {5/100, (5 + 18)/100, (5 + 18)/100, (23 ( )/100, + 42)/100, ecc.} ecc.} p.47/49
22 FREQUENZA CUMULATIVA: un esempio p.48/49
23 Istogramma Cumulativo È utile per determinare quanti o quale percentuale dei dati (campione) sono al di sotto (o uguali) ad un certo valore. Vantaggi dell istogramma cumulativo 1. Le fluttuazioni risultano ridotte rispetto all istogramma: scostamenti di segno opposto si annullano sommando; 2. Non dipende dalla suddivisione in classi mentre l istogramma dipende dalla suddivisione scelta dello sperimentatore Svantaggi dell istogramma cumulativo La forma di questa funzione non è utile per suggerirci ipotesi sulla distribuzione della variabile
Il 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
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliGrafici delle distribuzioni di frequenza
Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma
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
DettagliStatistica descrittiva univariata
Statistica descrittiva univariata Elementi di statistica 2 1 Tavola di dati Una tavola (o tabella) di dati è l insieme dei caratteri osservati nel corso di un esperimento o di un rilievo. Solitamente si
DettagliVARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011
VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 1 RAPPRESENTARE I DATI: TABELLE E GRAFICI Un insieme di misure è detto serie statistica o serie dei dati 1) Una sua prima elementare elaborazione può
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliElementi di Statistica descrittiva Parte I
Elementi di Statistica descrittiva Parte I Che cos è la statistica Metodo di studio di caratteri variabili, rilevabili su collettività. La statistica si occupa di caratteri (ossia aspetti osservabili)
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
DettagliEsempio di introduzione. della statistica a scuola
1 Esempio di introduzione della statistica a scuola 2 3 4 5 RAPPRESENTAZIONE GRAFICA (EXCEL) IMPARARE A DEDURRE E IPOTIZZARE DAI VARI TIPI DI GRAFICI 6 La rappresentazione grafica: impariamo a rappresentare
DettagliStatistica descrittiva
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Un breve riepilogo: caratteri, unità statistiche e collettivo UNITA STATISTICA: oggetto dell osservazione
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
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
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V
Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.
DettagliStatistica descrittiva: prime informazioni dai dati sperimentali
SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni
DettagliStatistica. Le rappresentazioni grafiche
Statistica Le rappresentazioni grafiche Introduzione Le rappresentazioni grafiche costituiscono uno dei mezzi più efficaci, sia per descrivere in forma visiva i risultati di numerose osservazioni riguardanti
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:
DettagliOCCUPATI SETTORE DI ATTIVITA' ECONOMICA
ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliElementi di statistica descrittiva I 31 Marzo 2009
Il Concetti generali di Statistica) Corso Esperto in Logistica e Trasporti Elementi di Statistica applicata Elementi di statistica descrittiva I Marzo 009 Concetti Generali di Statistica F. Caliò franca.calio@polimi.it
DettagliIL NONIO. Nelle misure di lunghezza non è possibile aumentare a piacere la sensibilità di un regolo, dato che una scala
Nelle misure di lunghezza non è possibile aumentare a piacere la sensibilità di un regolo, dato che una scala graduata troppo fitta non sarebbe leggibile. p. 2/4 IL NONIO Nelle misure di lunghezza non
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliDr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011
Università degli Studi di Padova Facoltà di Psicologia, L4, Psicometria, Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011 Statistica descrittiva e inferenziale
DettagliINDICI DI TENDENZA CENTRALE
INDICI DI TENDENZA CENTRALE NA Al fine di semplificare la lettura e l interpretazione di un fenomeno oggetto di un indagine statistica, i dati possono essere: organizzati in una insieme di dati statistici
DettagliESERCIZI DI STATISTICA DESCRITTIVA
ESERCIZI DI STATISTICA DESCRITTIVA ES1 Data la seguente serie di dati su Sesso e Altezza di 8 pazienti, riempire opportunamente due tabelle per rappresentare le distribuzioni di frequenze dei due caratteri,
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva
Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica e Biometria. Statistica descrittiva
Università del Piemonte Orientale Corsi di Laurea Triennale di Area Tecnica Corso di Statistica e Biometria Statistica descrittiva 1 Statistica Funzioni Descrittiva Induttiva (inferenziale) Statistica
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliSTATISTICA DESCRITTIVA UNIVARIATA
Capitolo zero: STATISTICA DESCRITTIVA UNIVARIATA La STATISTICA è la scienza che si occupa di fenomeni collettivi che richiedono lo studio di un grande numero di dati. Il termine STATISTICA deriva dalla
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004
ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica descrittiva Cernusco S.N., giovedì 21 gennaio 2016 (9.00/13.00)
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliLABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE
LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile
DettagliANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI
ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI (sintesi da Prof.ssa Di Nardo, Università della Basilicata, http://www.unibas.it/utenti/dinardo/home.html) ISTOGRAMMA/DIAGRAMMA
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
Dettaglip. 3/4 COM È FATTO Sono presenti 2 scale: una scala principale incisa su un asta fissa e una scala secondaria, incisa su un corsoio mobile.
p. 1/4 INFORMAZIONI Prossime lezioni Giorno Ora Dove 28/01 14:30 Laboratorio (via Loredan) 02/02 14:30 P50 08/02 14:30 P50? 09/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 18/02 14:30 Aula informatica
DettagliLA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di
STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica
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
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
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,
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
DettagliIndici (Statistiche) che esprimono le caratteristiche di simmetria e
Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica
DettagliINTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.
INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
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
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliEsercitazione di riepilogo 23 Aprile 2013
Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
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
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliCome descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca
Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche
DettagliCAPITOLO III CONFRONTI TRA DISTRIBUZIONI
CAPITOLO III CONFRONTI TRA DISTRIBUZIONI 3.1 CONFRONTI TRA DISTRIBUZIONI OSSERVATE E DISTRIBUZIONI TEORICHE OD ATTESE. Nella teoria statistica e nella pratica sperimentale, è frequente la necessità di
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:
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi risolti
CONTINUITÀ E DERIVABILITÀ Esercizi risolti. Determinare kπ/ [cos] al variare di k in Z. Ove tale ite non esista, discutere l esistenza dei iti laterali. Identificare i punti di discontinuità della funzione
DettagliProf.ssa Paola Vicard
Questa nota consiste perlopiù nella traduzione da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo come esempio il data set contenuto nel foglio excel esercizio2_dati.xls.
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliIntroduzione alle relazioni multivariate. Introduzione alle relazioni multivariate
Introduzione alle relazioni multivariate Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili
DettagliCENNI DI METODI STATISTICI
Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento
DettagliCapitolo 2 Distribuzioni di frequenza
Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.
DettagliDISTRIBUZIONI DI VARIABILI CASUALI DISCRETE
DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliEsercitazione I. Serena Arima serena.arima@uniroma1.it. Distribuzioni di frequenza: frequenza assoluta, relativa, percentuale;
Esercitazione I Serena Arima serena.arima@uniroma1.it In questa esercitazione: Popolazione, campione e variabili; Distribuzioni di frequenza: frequenza assoluta, relativa, percentuale; Rappresentazioni
DettagliGRANDEZZE ALTERNATE SINUSOIDALI
GRANDEZZE ALTERNATE SINUSOIDALI 1 Nel campo elettrotecnico-elettronico, per indicare una qualsiasi grandezza elettrica si usa molto spesso il termine di segnale. L insieme dei valori istantanei assunti
DettagliIntroduzione all economia
Introduzione all economia 4.X.2005 Macro e microeconomia La teoria economica è divisa in due sezioni principali: la microeconomia e la macroeconomia La microeconomia studia il comportamento dei singoli
DettagliMisure della dispersione o della variabilità
QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.
DettagliDott.ssa Caterina Gurrieri
Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliStatistica. Esercitazione 3 5 maggio 2010 Serie storiche. Connessione e indipendenza statistica
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2008/2009 Statistica Esercitazione 3 5 maggio 2010 Serie storiche. Connessione e indipendenza
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
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliCodifiche a lunghezza variabile
Sistemi Multimediali Codifiche a lunghezza variabile Marco Gribaudo marcog@di.unito.it, gribaudo@elet.polimi.it Assegnazione del codice Come visto in precedenza, per poter memorizzare o trasmettere un
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliLezione 1. Concetti Fondamentali
Lezione 1 Concetti Fondamentali 1 Sonetto di Trilussa Sai ched è la statistica? E E na cosa che serve pe fa un conto in generale de la gente che nasce, che sta male, che more, che va in carcere e che sposa.
DettagliPROBABILITA MISURARE L INCERTEZZA Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere?
Lanciamo due dadi, facciamo la somma dei punteggi ottenuti. Su quale numero mi conviene scommettere? Abbiamo visto nella lezione precedente che lo spazio degli eventi più idoneo a rappresentare l esperimento
DettagliPremesse alla statistica
Premesse alla statistica Versione 22.10.08 Premesse alla statistica 1 Insiemi e successioni I dati di origine sperimentale si presentano spesso non come singoli valori, ma come insiemi di valori. Richiamiamo
DettagliIndice Statistiche Univariate Statistiche Bivariate
Indice 1 Statistiche Univariate 1 1.1 Importazione di un file.data.............................. 1 1.2 Medie e variabilità................................... 6 1.3 Distribuzioni di frequenze...............................
Dettagli2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale
BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk
Dettagli1. L analisi statistica
1. L analisi statistica Di cosa parleremo La statistica è una scienza, strumentale ad altre, concernente la determinazione dei metodi scientifici da seguire per raccogliere, elaborare e valutare i dati
DettagliIntroduzione all analisi dei segnali digitali.
Introduzione all analisi dei segnali digitali. Lezioni per il corso di Laboratorio di Fisica IV Isidoro Ferrante A.A. 2001/2002 1 Segnali analogici Si dice segnale la variazione di una qualsiasi grandezza
DettagliLezioni di Matematica 1 - I modulo
Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può
DettagliInformatica. Rappresentazione binaria Per esempio +101010000 diventa +0.10101 10 18/10/2007. Introduzione ai sistemi informatici 1
Informatica Pietro Storniolo storniolo@csai.unipa.it http://www.pa.icar.cnr.it/storniolo/info200708 Numeri razionali Cifre più significative: : sono le cifre associate ai pesi maggiori per i numeri maggiori
DettagliSISTEMI DI NUMERAZIONE E CODICI
SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema
DettagliEsercizio 1. Nella Tabella A sono riportati i tempi di percorrenza, in minuti, di un tratto autostradale da parte di 40 autoveicoli.
Esercizio 1 Nella Tabella A sono riportati i tempi di percorrenza, in minuti, di un tratto autostradale da parte di 40 autoveicoli. Tabella A 138 150 144 149 164 132 125 157 161 135 150 145 145 142 156
DettagliUsando il pendolo reversibile di Kater
Usando il pendolo reversibile di Kater Scopo dell esperienza è la misurazione dell accelerazione di gravità g attraverso il periodo di oscillazione di un pendolo reversibile L accelerazione di gravità
Dettagli8 Elementi di Statistica
8 Elementi di Statistica La conoscenza di alcuni elementi di statistica e di analisi degli errori è importante quando si vogliano realizzare delle osservazioni sperimentali significative, ed anche per
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
DettagliLibrerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video
Video Librerie digitali Gestione di video Ogni filmato è composto da più parti Video Audio Gestito come visto in precedenza Trascrizione del testo, identificazione di informazioni di interesse Testo Utile
Dettagli2 FUNZIONI REALI DI VARIABILE REALE
2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento
DettagliIntroduzione alla Teoria degli Errori
Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non
DettagliLOGISTICA APPUNTI DI STATISTICA
Cos'é la Statistica LOGISTICA APPUNTI DI STATISTICA La statistica è la disciplina che applica metodi scientifici alla raccolta di dati e informazioni per una loro classificazione, elaborazione e rappresentazione
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
Dettagli