Soluzioni Esercizi elementari

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Soluzioni Esercizi elementari"

Transcript

1 Soluzioni sercizi elementari Capitolo. carattere: itolo di Studio, carattere qualitativo ordinato modalità: Diploma, Licenza media, Laurea, Licenza elementare unità statistiche: Individui. carattere: Fatturato, carattere quantitativo continuo suddiviso in classi modalità: unità statistiche: Aziende. carattere: Addetti, carattere quantitativo discreto suddiviso in classi modalità: unità statistiche: Aziende. carattere: Numero cellulari, carattere quantitativo discreto modalità:,, unità statistiche: Famiglie Capitolo. Reddito n j Amp. classe densità - 6 6/6, - / - 6 / 6 - / Copyright McGraw-Hill ducation (Italy) S.r.l.

2 . Num. addetti n j Amp. classe densità - / - / - 6 /6 - /. densità Addetti. Dato che si tratta di una coppia di caratteri quantitativi osservati sulle stesse unità statistiche, il grafico più opportuno è quello di dispersione. oto statistica Ore di studio Copyright McGraw-Hill ducation (Italy) S.r.l.

3 . Azienda Quota gradi elecom (/)*69 Wind (/)*67 odafone (/)*6 Altri (/)*6 Capitolo. Reddito n j N j F j , La classe dove cade il secondo decile è la - poiché la frequenza relativa cumulata supera. Utilizzando la formula.7. si può approssimare il secondo decile: Secondo decile, Copyright McGraw-Hill ducation (Italy) S.r.l.

4 . Reddito n j N j F j Amp. classe densità /6, - 69 / / 6-6, / La classe modale corrisponde alla classe con più elevata densità, dunque alla classe - La classe mediana corrisponde alla classe -. Applicando la formula.. possiamo trovare la seguente approssimazione della mediana: M e 7, Numero dipendenti n j N j F j x j n j , otale 7 7 La media è data da x a, 9 La moda è Moda La mediana è M e. Reddito n j N j F j Amp. classe , Copyright McGraw-Hill ducation (Italy) S.r.l.

5 Q, 6 Q, 7 7 Q, 7. La media è data da x a 6, La moda è Moda Ci sono due valori mediani, il 6 e il 7 che possiamo riassumere in un unico valore M e 6,.6 Classi di Fatturato Aziende N j F j c j c j n j , 7 7 otale Un approssimazione della media è data da x a Il primo quartile è all interno della classe -. Un approssimazione del primo quartile è data da Q 6,.7 Numero di Aziende addetti N j F j c j c j n j , otale Una approssimazione della media è data da x a La classe mediana corrisponde alla classe -. Applicando la formula.. possiamo trovare la seguente approssimazione della mediana: M e 6 Copyright McGraw-Hill ducation (Italy) S.r.l.

6 Capitolo. Si ordinano le aziende in ordine crescente rispetto al fatturato: Azienda Fatturato F i A i Q i F i - Q i 9 7 D 7 C B A, 7, otale,, Il rapporto di concentrazione è R, Dato che l indice R varia tra e, possiamo concludere che il fatturato è moderatamente concentrato. Qi Fi. quidistr. Max Conc. Famiglia Num. Cel. Num. Cel. A B C D otale Nel caso di massima concentrazione l indice R vale, mentre nel caso di equidistribuzione vale. Copyright McGraw-Hill ducation (Italy) S.r.l.

7 . n i n i n i Y n i Y n i Y n i 6 6 otale 97 7 Si ottengono i seguenti valori: 7 x a, y a 97 ( ), 67 Y ( ) 7 Y 7 C 9,, 7 C Y 67, Dai valori espressi dai coefficienti di variazione si deduce che nel collettivo preso in esame il carattere Y è più variabile del caratteri. Numero di addetti Aziende c i c i n i (c i -media) n i otale 6 Utilizzando la tabella si ottengono i seguenti valori: 6 x a 6 C. Si ordinano le provincie in ordine crescente rispetto al numero di abitanti: Provincia Abitanti F i A i Q i F i -Q i Rieti iterbo... Frosinone Latina..7. Roma 9 7.., Il rapporto di concentrazione è R 7e quindi possiamo concludere che nel collettivo, considerato gli abitanti sono molto concentrati in particolare a Roma.Il grafico della curva di concentrazione è il seguente: Copyright McGraw-Hill ducation (Italy) S.r.l.

8 Qi Fi.6 Si ordinano le aziende in ordine crescente rispetto alle quote di mercato: Azienda Quota F i A i Q i F i -Q i Altri... Wind... elecom odafone.. Il rapporto di concentrazione è R 7 e quindi possiamo concludere che nel collettivo, considerato vi è un basso livello di concentrazione. Il grafico della curva di concentrazione è il seguente: Copyright McGraw-Hill ducation (Italy) S.r.l.

9 Ore di studio () oto statistica (Y) Y Max 6 7 Johnny 9 Luisa Stefania 9 Roberto 6 otale 7 99 Si ottiene: 7 x a, y a, ( ), 6, 99 Y, 7,6 Y, 7, 6 C,, C Y, Le ore di studio sono più variabili del voto. ( ) Capitolo 6 6. Nel caso di indipendenza sia i profili riga sia i profili colonna sono uguali fra loro. Pertanto sia le righe, sia le colonne della tabella devono essere proporzionale fra loro. Ad esempio, se è un quarto di anche? deve essere un quarto di, ossia. Copyright McGraw-Hill ducation (Italy) S.r.l.

10 Y M F A 6 B C 6 7 Si può osservare che, data l indipendenza tra i due caratteri, ogni frequenza interna alla tabella e ni. n. j ottenibile come nij n. 6. Considerando la seguente tabella otteniamo Y Y Y x a, 6 y a, 6 ( 6),, 6 Y (, 6),, Y, Y (, 6),, ρ Y 7,, Si ottiene un valore del coefficiente di correlazione lineare pari a 7, quindi i due caratteri sono fortemente correlati positivamente. 6. Considerando la seguente tabella otteniamo Y x a y a n i xi y jnij, 7 j Y, 7 7 La covarianza è positiva e quindi prevale tra i due caratteri la concordanza. Copyright McGraw-Hill ducation (Italy) S.r.l.

11 6. Considerando la formula 6.. si ottiene: Y M F totale basso medio alto 6 totale Poiché uno dei due caratteri sconnesso, si può utilizzare l indice Chi-quadrato o il di Cramer che nel caso di indipendenza valgono entrambi. 6. Y 6, Dalla tabella si può notare ogni frequenza relativa congiunta è ottenibile come prodotto tra le corrispondenti frequenze relative rispettivamente di e di Y (ad esempio, 6*). Se ne deduce che tra i due caratteri sussiste indipendenza e quindi la covarianza è nulla. olendo calcolare il valore della covarianza si ha: x a 6 6 y a xi y j fij i j Y, Filiale Addetti () Fatturato (Y) Y Y A B 6 6 C D 9 7 otale 9 x a 6 9 a Y, Y 7, 7 ( 6) Y 6 6 ρ Y, 7, 7 siste una forte correlazione positiva tra il fatturato medio e il numero di addetti. y ( ) 667, 6 ( 6) Copyright McGraw-Hill ducation (Italy) S.r.l.

12 Fatturato Superf. () (Y) Y Y x a y a, 6 9 Y,9 Y, Y (, 6),, ρ Y 9 9,, ( ), 6 (, 6), 6 Il valore dell indice di correlazione è positivo e molto vicino a, pertanto il valore 9 indica una situazione di dipendenza lineare quasi perfetta tra i due caratteri. 6. La tabella doppia è quadrata (stesso numero di righe e colonne) e si può osservare che per ogni riga e colonna vi è una sola frequenza diversa da zero. È la situazione di perfetta interdipendenza tra i due caratteri. In questo caso l indice di Cramer assume il suo valore massimo pari a. 6.9 La tabella è rettangolare con un numero di righe maggiore del numero di colonne e quindi è il carattere Sesso che può dipendere perfettamente dal carattere Grado di soddisfazione ma non il contrario. Ciò si verifica se per ogni riga si ha una sola frequenza diversa da zero. enendo conto dei vincoli dati dalle distribuzioni marginali, si ottiene la seguente tabella. /Y M F basso medio alto totale 6 6. Considerando la seguente tabella: Copyright McGraw-Hill ducation (Italy) S.r.l.

13 Ore di studio oto statistica () (Y) Y Y Max Johnny 6 9 Luisa Stefania 9 Roberto 7 6 otale x a, y a 6 ( ), 6, Y ( ), 7,6 Y, 99 Y (, ), ρ Y 7, 6, Il voto di statistica è moderatamente correlato positivamente ma con il numero di ore di studio. Capitolo. Il problema fornisce i seguenti dati: Pr(Occupato Laureato)9 Pr(Occupato Non Laureato)7 Pr(Laureato) e quindi Pr(Non Laureato)- Pr(Laureato) Applicando il teorema di Bayes si ottiene: Pr Laureato Occupato ( ) Pr( Occupato Laureato) Pr( Laureato) Pr( Occupato Laureato) Pr( Laureato) Pr( Occupato Non Laureato) Pr( Non Laureato) Indicando con D e D i risultati dei due dadi, si vuole determinare la seguente probabilità: Pr(DDnum. pari) La somma dei due risultati viene pari se: (Dpari e Dpari) oppure se (Ddispari e Ddispari), dunque: Pr(DDnum. pari)pr(dpari Dpari)Pr(Ddispari Ddispari) poichè D e D sono indipendenti possiamo scrivere Pr(DDnum. pari) Pr(Dpari)Pr(Dpari)Pr(Ddispari)Pr(Ddispari) dunque: Pr ( D D num. pari) Un modo alternativo di risolvere l esercizio è quello di considerare la distribuzione di probabilità della v.c. DD e quindi calcolare: Pr(DDnum.pari) Pr(DD)Pr(DD)Pr(DD6)Pr(DD)Pr(DD)Pr(DD) Copyright McGraw-Hill ducation (Italy) S.r.l.

14 /6/6/6/6/6/6/6/.. Il problema fornisce i seguenti dati: Pr(ince) Pr(Pareggia) Pr(Perde) Pr(Bandiera ince) Pr(Bandiera Pareggia) Pr(Bandiera Perde) Si vogliono calcolare le seguenti probabilità: Pr(ince Bandiera) Pr(Pareggia Bandiera) Pr(Perde Bandiera) Per far ciò si applica il teorema di Bayes: Pr ( ince Bandiera) Pr( Bandieraince) Pr( ince) Pr( Bandieraince) Pr( ince) Pr( Bandiera Pareggia) Pr( Pareggia) Pr( Bandiera Perde) Pr( Perde) 6 in modo analogo si ottiene, Pr ( Pareggia Bandiera) 7 Pr ( Perde Bandiera),. Se indichiamo con successo l evento che il dado mostri la faccia con il numero 6, si vuole valutare la probabilità che in lanci si osservino 6 successi. La variabile considerata è una variabile casuale Binomiale con parametri: n e πpr(successo)pr(il dado mostra il numero 6)/6.! Pr ( ;n, π 7, ) ( 7, ) ( 7, ) ( 7, ) ( ) ( 7, ) ( ) 6!! La probabilità che in lanci il numero 6 esca volte è pari a 6.. Sappiamo che: Pr( A B) Pr( A) Pr( B) Pr( A B) riscrivere: Pr( A B) Pr( A) Pr( B) Pr( A) Pr( B) da cui ( B) ma poiché A e B sono indipendenti si può ( A B) Pr( A) Pr( A) Pr 6 Pr 7 7 Copyright McGraw-Hill ducation (Italy) S.r.l.

15 Capitolo 9 9. f(x) f(x) f(x) 9,6,,6 otale,,, ( ), ( ), ( ) 9. \Y - -, ( ) ( Y ) ( Y ) (( ) ( ) ( ) ) (, ) Cov 9. Pr µ 9. ( < ) Pr < Pr( Z < ) Φ( ) Φ( ) 977 ( Y ) \Y - -, ( Y ) ( ) (, ) ( ) Si lanciano volte due dadi, quindi il numero di prove è n. L evento successo è "la somma dei due dadi è ", mentre l evento insuccesso è " la somma dei due dadi è diversa da ". La probabilità dell evento successo è data dalla π Pr successo Pr primo dado 6 secondo dado 6 Pr ( ) (( ) ( )) ( primo dado 6) Pr( secondo dado 6) Copyright McGraw-Hill ducation (Italy) S.r.l

16 Dunque si tratta di una v.c. Binomiale con parametri n e π/ µ 6 Pr ( < 6 ) Pr < Pr( Z < ) Φ( ) 977 µ Pr < < Pr < < Pr < Z < Φ Φ Φ ( ) ( ) Φ( ) Φ( ) ( ) [ ( )] ( ) ( ) Si estraggono carte da un mazzo, quindi il numero di prove è n. L evento successo è "la carta estratta è di cuori", mentre l evento insuccesso è " la carta estratta non è di cuori". La probabilità dell evento successo è data dalla π Pr ( successo ) Pr( carta estratta è di cuori) Dunque si tratta di una v.c. Binomiale con parametri n e π/. 9. Pr µ 9 ( < ) Pr < Pr( Z < 9, ) Φ( 9, ) Φ( 9, ) 66 µ Pr ( < < ) Pr < < Pr( 9, < Z <, 7) Φ(, 7) Φ( 9, ) Capitolo. Indichiamo con,,..., gli incassi settimanali dei supermercati e indichiamo con L l incasso medio settimanale dei supermercati. L incasso medio ha come valore atteso ( ) e varianza ar ( ). Pr n µ ( > ) Pr > Pr( Z > ). indichiamo con,,..., 9 il peso dei 9 individui e con L 9 il peso medio. La media 9 campionaria ha valore atteso ( ) 69 e Dev. Stand ( ) Pr Φ ( 6 7) Pr µ < < < < Pr(, < Z <, ) 667 (, ) Φ(, ) Φ(, ) ( 96) n Copyright McGraw-Hill ducation (Italy) S.r.l.

17 Copyright McGraw-Hill ducation (Italy) S.r.l.. indichiamo con,,..., 6 il peso dei 6 pacchi di zucchero e con 6 6 L il peso medio del pacco di pasta nella scatola. La media campionaria ha valore atteso ( ) e ( ) 6 6 Stand Dev,. ( ) ( ) ( ) ,,,, Z Pr, n Pr Pr Φ > > µ >. Capitolo. Ricordiamo che ( ) ( ) [ ] µ µ e che le variabili e sono indipendenti e identicamente distribuite con media e varianza uguale a quella della popolazione. Allora, ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) µ µ µ µ µ µ ) ( Lo stimatore è uno stimatore corretto della varianza della popolazione: ( ).. ( ) ( ) ( ) ( ) µ µ µ µ quindi è uno stimatore corretto della media della popolazione e la sua distorsione B(). ( ) ( ) ( ) ( ) 9 9 L errore quadratico medio è ( ) ( ) ( ) ( ) ( ) µ B MS L errore quadratico medio dello stimatore media campionaria,, è: ( ) ( ) ( ) ( ) B MS poiché ( ) ( ) MS MS, la media campionaria è uno stimatore più efficiente di.. ( ) ( ) ( ) ( ) µ µ µ µ quindi è uno stimatore corretto della media della popolazione e B().

18 Copyright McGraw-Hill ducation (Italy) S.r.l. ( ) ( ) ( ) ( ) L errore quadratico medio è: ( ) ( ) ( ) ( ) ( ) 6 µ B MS. ( ) ( ) ( ) ( ) µ µ µ a a a ( ) µ se a.. ( ) ( ) ( ) ( ) µ µ µ µ Lo stimatore è corretto..6 ( ) ( ) ( ) ( ) ( ) µ Lo stimatore è corretto. La sua varianza è: ( ) ( ) ( ) ( ) ( ) L errore quadratico medio di è: ( ) ( ) ( ) ( ) ( ) 6 µ B MS.7 ( ) ( ) ( ) ( ) µ lo stimatore è corretto. ( ) ( ) ( ) ( ) quindi l errore quadratico medio è ( ) ( ) 6 6 MS Capitolo. Dal problema sappiamo che: n, 9, 6 S e 99, α. Sapendo che t per una t- Student con n gradi di libertà è 797, t, e applicando la formula.. si ha:

19 9, 797 ; 9, 797. [ 9, 76 ; 9, 76] [, 76 ; 9, 76] Dal problema sappiamo che: n, e α 9. Sapendo che z per una Normale standardizzata è z, 96 e applicando la formula.. si ha:, ( ),, 96 ;, 96. [ 6 ; 6] [ 976 ; 66] Dal problema sappiamo che: n, 6, e α 9. Sapendo che z Normale standardizzata è z, 96 e applicando la formula.. si ha:,, 7, 7 6, 96 ; 6, 96. [ 6, 7 ; 6, 7] [ 9, ; 6, 7] Dal problema sappiamo che: n,,, 9 e α 9. Sapendo che z Normale standardizzata è z, 96 e applicando la formula.. si ha:, 99 99, 96, ;,, 96 [, 6 ;, 6, ] [, ; 6, ] per una per una. Dal problema sappiamo che: n, e α 99. Sapendo che z per una Normale standardizzata è z,, 76 e applicando la formula.. si ha:, 76 [ ; 9].6 6 ;, 76 6 [ 9 ; 9] Dal problema sappiamo che: n 6, 7, e α 9. Sapendo che z Normale standardizzata è z, 96 e applicando la formula.. si ha:, 7 96, ; 7 96,,.7 [ 7, 9 ; 7, 9] [ ; 9] Dal problema sappiamo che: n 69, 9, e α 9. Sapendo che z Normale standardizzata è z, 6 e applicando la formula.. si ha:, 9, 6 ; 9, 6 [ 9 6 ; 9 6] [, 67 ; 9, 6] per una per una Copyright McGraw-Hill ducation (Italy) S.r.l.

20 Capitolo. Dal problema sappiamo che: n, 7,, S e α. Il sistema di ipotesi pone come ipotesi alternativa: µ > 6. Sapendo che t per una t di Student con n gradi di libertà è t,, 69 e applicando la formula.. si ha: 7, 6,, e poichè < t Accetto l' ipotesi nulla. Dal problema sappiamo che: n, 9, e α. Il sistema di ipotesi pone come ipotesi alternativa: µ <. Sapendo che z per una Normale standardizzata è z,, 96 e applicando la formula.. si ha: 9 Z, 7 e poichè Z < z, 77. Rifiuto l' ipotesi nulla Dal problema sappiamo che: n,, S e α. Il sistema di ipotesi pone come ipotesi alternativa: µ >. Sapendo che z per una Normale standardizzata è z, 96 e applicando la formula.. si ha:, Z, 7,, 7 e poichè Z > z Rifiuto l' ipotesi nulla. Dal problema sappiamo che: n,, S e α. Il sistema di ipotesi pone come ipotesi alternativa: µ. Sapendo che t per una t di Student con n 9 gradi di libertà è t, 7 e applicando la formula.. si ha:,, 6 6, e poichè > t Rifiuto l' ipotesi nulla Capitolo 6 6. (NB: i calcoli possono differire a seconda del tipo di arrotondamento) Si consideri la seguente tabella: Fatturato N. addetti Y Y Ŷ (Y - Y) 7 6 6,7,,7, 6 6,7,7 6,7, 6,7, Calcoliamo: Copyright McGraw-Hill ducation (Italy) S.r.l.

21 7 7 x y 7 ( ) Y 77 7, Y 9 7 ( ) Y ρ Y 6 7, 9 Le stime dei coefficienti di regressione sono date da: ˆ β Y e β ˆ y βˆ x 6, e quindi il modello stimato è: Ŷ βˆ βˆ 6, i i i utilizzando il modello stimato si possono ricavare i valori Ŷ i e calcolare: SQ ( yi ŷi ) 9 e SQ ( yi y) ny i i ottenendo il valore dell indice di determinazione: SQ 9 R Y 6 SQ Si noti che si poteva arrivare direttamente alla stima del coefficiente di regressione e dell indice di determinazione utilizzando il valore del coefficiente di correlazione. Infatti: ˆ Y ρ 6 β ρ Y Y e RY ( ρ Y ) 6 Y 77 Y Commento: Il modello stimato indica che a una variazione unitaria del numero di addetti, il valore atteso del fatturato aumenta di milioni di euro ( mila euro). Il valore dell indice di determinazione indica un moderato livello di adattamento del modello ai dati osservati, giacché solo il 6% della variabilità del fatturato (Y) è spiegata dal modello. Il seguente grafico riporta i valori osservati e la retta di regressione stimata. Fatturato Addetti 6. (i calcoli possono differire a seconda del tipo di arrotondamento): Si consideri la seguente tabella: fatturato Y N. addetti Y Y Copyright McGraw-Hill ducation (Italy) S.r.l.

22 Calcoliamo: x 6 6 y, ( 6) 9 Y (, 6), 6 97 Y ( 6, 6), Le stime dei coefficienti di regressione sono date da: ˆ, β Y e β ˆ y βˆ x, 6 6, 7 e quindi il modello stimato è: Ŷi βˆ ˆ β i, 7 i Pertanto ad un aumento unitario degli addetti corrisponde un aumento medio del fatturato di milioni. Possiamo stimare il fatturato medio per un azienda con 7 addetti nel seguente modo: Ŷ ˆ ˆ i β β 7, 7 7, ottenendo, milioni di euro. Qui di seguito è riportato il corrispondente grafico di dispersione e la retta di regressione stimata. Fatturato Addetti Copyright McGraw-Hill ducation (Italy) S.r.l.

23 Capitolo 7 7. Dato che il livello di confidenza è fissato a α 9, corrisponde un valore della t-student con n gradi di libertà pari a t α t,. Applicando la formula 7.. si ottiene: [ B tα s( B ) ; B tα s( B )] [ 6, ; 6, ] [ 6 7 ; 6 7] [ 6, ; 6, ] Copyright McGraw-Hill ducation (Italy) S.r.l.

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI 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

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) 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

Dettagli

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze

Dettagli

Dott.ssa Caterina Gurrieri

Dott.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

Dettagli

ESAME DI STATISTICA Nome: Cognome: Matricola:

ESAME DI STATISTICA Nome: Cognome: Matricola: ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli

Dettagli

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città

Dettagli

1. Richiami di Statistica. Stefano Di Colli

1. Richiami di Statistica. Stefano Di Colli 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

Prova 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.

Dettagli

La categoria «ES» presenta (di solito) gli stessi comandi

La categoria «ES» presenta (di solito) gli stessi comandi Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:

Dettagli

Statistica. Alfonso Iodice D Enza iodicede@unina.it

Statistica. Alfonso Iodice D Enza iodicede@unina.it Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16 Outline 1 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16

Dettagli

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE SIMULAZIONE della PROVA SCRITTA di STATISTICA 23/03/2011

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE SIMULAZIONE della PROVA SCRITTA di STATISTICA 23/03/2011 FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE SIMULAZIONE della PROVA SCRITTA di STATISTICA 23/3/2 ESERCIZIO (2+2+2+2) La seguente tabella riporta la distribuzione della variabile "Stato Civile"

Dettagli

Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia

Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 8 Marzo 007 Facoltà di Astronomia ESERCIZIO 1 La seguente tabella riporta la distribuzione congiunta della situazione lavorativa e dello

Dettagli

Statistica corso base Canale N Z prof. Francesco Maria Sanna. Prove scritte di esame a.a. 2012-13

Statistica corso base Canale N Z prof. Francesco Maria Sanna. Prove scritte di esame a.a. 2012-13 Statistica corso base Canale N Z prof. Francesco Maria Sanna Prova scritta del 8/1/2013 Prove scritte di esame a.a. 2012-13 Esercizio 1 (5 punti). Nella seguente tabella è riportata la distribuzione delle

Dettagli

STATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007

STATISTICA (A-K) a.a. 2007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 2007 A STATISTICA (A-K) a.a. 007-08 Prof.ssa Mary Fraire Test di STATISTICA DESCRITTIVA Esonero del 007 STESS N.O. RD 00 GORU N.O. RD 006 ) La distribuzione del numero degli occupati (valori x 000) in una provincia

Dettagli

Capitolo 11 Test chi-quadro

Capitolo 11 Test chi-quadro Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180

Dettagli

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008 Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it A.Studio dell interdipendenza tra variabili: riepilogo Concetto relativo allo studio delle relazioni tra

Dettagli

Stima 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

Dettagli

Metodi statistici per le ricerche di mercato

Metodi 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

Dettagli

UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA. Programma del modulo di STATISTICA I (6 crediti)

UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA. Programma del modulo di STATISTICA I (6 crediti) UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA Programma del modulo di STATISTICA I (6 crediti) ECOCOM (lettere A-Lh): ECOCOM (lettere Li-Z): ECOBAN: ECOAMM (Lettere A-Lh):

Dettagli

Esercitazioni del corso di Statistica - III canale Prof. Mortera e Vicard a.a. 2010/2011

Esercitazioni del corso di Statistica - III canale Prof. Mortera e Vicard a.a. 2010/2011 Esercitazioni del corso di Statistica - III canale Prof. Mortera e Vicard a.a. 2010/2011 Esercizi di statistica descrittiva 1. Secondo i dati ISTAT 1997 sull occupazione, la Lombardia e il Veneto presentano

Dettagli

Indice Prefazione xiii 1 Probabilità

Indice Prefazione xiii 1 Probabilità Prefazione xiii 1 Probabilità 1 1.1 Origini del Calcolo delle Probabilità e della Statistica 1 1.2 Eventi, stato di conoscenza, probabilità 4 1.3 Calcolo Combinatorio 11 1.3.1 Disposizioni di n elementi

Dettagli

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E 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

Dettagli

Lezione n. 2 (a cura di Chiara Rossi)

Lezione n. 2 (a cura di Chiara Rossi) Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Risolvi le seguenti equazioni e disequazioni fra [ 0 ; 2 π ]

Risolvi le seguenti equazioni e disequazioni fra [ 0 ; 2 π ] IV A GAT PRIMA VERIFICA DI MATEMATICA 3 ottobre 0 Risolvi le seguenti equazioni e disequazioni fra [ 0 ; π ].. 3... 6. 7. 8. Risultati:. = π/6 e = 7π/6. =π/ ; =π/6 ; =π/6 3. =π/3 ; =π/3. =π/3 ; =π/3. π/

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Analisi statistica degli errori

Analisi 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

Dettagli

Statistica Medica. Verranno presi in esame:

Statistica Medica. Verranno presi in esame: Statistica Medica Premessa: il seguente testo cerca di riassumere e rendere in forma comprensibile ai non esperti in matematica e statistica le nozioni e le procedure necessarie a svolgere gli esercizi

Dettagli

Analisi di dati di frequenza

Analisi 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

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

Lineamenti di econometria 2

Lineamenti di econometria 2 Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione

Dettagli

19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE

19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE 19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE Nell inferenza è spesso richiesto il calcolo di alcuni valori critici o di alcune probabilità per le variabili casuali che sono state introdotte

Dettagli

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza. VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della

Dettagli

STATISTICA DESCRITTIVA UNIVARIATA

STATISTICA 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

Dettagli

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del

Dettagli

INDICE PREFAZIONE VII

INDICE PREFAZIONE VII INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione

Dettagli

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza Titolo della lezione Analisi dell associazione tra due caratteri: indipendenza e dipendenza Introduzione Analisi univariata, bivariata, multivariata Analizzare le relazioni tra i caratteri, per cercare

Dettagli

Problema pratico: Test statistico = regola di decisione

Problema pratico: Test statistico = regola di decisione La verifica delle ipotesi statistiche Problema pratico: Quale, tra diverse situazioni possibili, riferite alla popolazione, è quella meglio sostenuta dalle evidenze empiriche? Coerenza del risultato campionario

Dettagli

Statistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice

Statistica. 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

Dettagli

Il coefficiente di correlazione di Spearman per ranghi

Il coefficiente di correlazione di Spearman per ranghi Il coefficiente di correlazione di Spearman per ranghi Questo indice di correlazione non parametrico viene indicato con r s o Spearman rho e permette di valutare la forza del rapporto tra due variabili

Dettagli

LEZIONE n. 5 (a cura di Antonio Di Marco)

LEZIONE n. 5 (a cura di Antonio Di Marco) LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,

Dettagli

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI DI STATISTICA PER IDROLOGIA Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono

Dettagli

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x

Dettagli

RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL

RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli

Facoltà di ECONOMIA Corso di Statistica a.a. 2005/2006 Esame del 27/09/2006 Statistica descrittiva

Facoltà di ECONOMIA Corso di Statistica a.a. 2005/2006 Esame del 27/09/2006 Statistica descrittiva Esame del 27/09/2006 Statistica descrittiva 1. Un grossista di apparecchiature informatiche ha rilevato l ammontare totale in migliaia di euro degli ordini effettuati nel 2005 dai suoi principali clienti

Dettagli

Metodi Matematici ed Informatici per la Biologia Esame Finale, I appello 1 Giugno 2007

Metodi Matematici ed Informatici per la Biologia Esame Finale, I appello 1 Giugno 2007 Metodi Matematici ed Informatici per la Biologia Esame Finale, I appello 1 Giugno 2007 Nome: Alberto Cognome: De Sole Matricola: 01234567890 Codice 9784507811 Esercizio Risposta Voto 1 a b c d e 1 2 V

Dettagli

Facciamo qualche precisazione

Facciamo 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

Dettagli

Esercizi di riepilogo Statistica III canale, anno 2008

Esercizi di riepilogo Statistica III canale, anno 2008 Esercizio 1 - Esercizio 5 esame 22 giugno 2004 Esercizi di riepilogo Statistica III canale, anno 2008 Data la seguente distribuzione di 100 dipendenti di un azienda in base al tempo impiegato (in minuti)

Dettagli

STATISTICA INFERENZIALE

STATISTICA INFERENZIALE STATISTICA INFERENZIALE Premessa importante: si ipotizza che il comportamento della popolazione rispetto ad una variabile casuale X viene descritto attraverso una funzione parametrica di probabilità p

Dettagli

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI 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.,

Dettagli

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007 Esercitazione I 7/4/007 In una scatola contenente 0 pezzi di un articolo elettronico risultano essere difettosi. Si estraggono a caso due pezzi, uno alla volta senza reimmissione. Quale è la probabilità

Dettagli

ESERCIZI DI RIEPILOGO 2. 7 jj(addi

ESERCIZI DI RIEPILOGO 2. 7 jj(addi ESERCIZI DI RIEPILOGO 2 ESERCIZIO 1 Da un comune mazzo di 52 carte francesi (13 carte per ognuno dei quattro semi: picche, cuori, fiori e quadri) viene estratta casualmente una carta. Definiti gli eventi:

Dettagli

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi

Dettagli

1. Distribuzioni campionarie

1. 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

Dettagli

Fonti e strumenti statistici per la comunicazione (prof.ssa I.Mingo) Esercizi (soluzioni e suggerimenti )

Fonti e strumenti statistici per la comunicazione (prof.ssa I.Mingo) Esercizi (soluzioni e suggerimenti ) Esercizio 1 Fonti e strumenti statistici per la comunicazione (prof.ssa I.Mingo) Esercizi (soluzioni e suggerimenti ) Qualitativo Sconnesso: Marca di Jeans preferita, Partito votato nelle ultime elezioni,

Dettagli

Esercitazione n.2 Inferenza su medie

Esercitazione n.2 Inferenza su medie Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione

Dettagli

Esame di Statistica TEMA B Corso di Laurea in Economia Prof.ssa S. Giordano 15 luglio 2015

Esame di Statistica TEMA B Corso di Laurea in Economia Prof.ssa S. Giordano 15 luglio 2015 Esame di Statistica TEMA B Corso di Laurea in Economia Prof.ssa S. Giordano 15 luglio 2015 Cognome Nome Matr. TEORIA: dimostrare la proprietà che la somma degli scarti al quadrato dalla media aritmetica

Dettagli

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che

Dettagli

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE 1 Associazione tra variabili quantitative ASSOCIAZIONE FRA CARATTERI QUANTITATIVI: COVARIANZA E CORRELAZIONE 2 Associazione tra variabili quantitative Un esempio Prezzo medio per Nr. Albergo cliente (Euro)

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato

Dettagli

Esercitazioni del corso di Statistica Prof. Mortera a.a. 2010/2011. Esercizi di stima puntuale, intervalli di confidenza e test T 2 = 1 2 X

Esercitazioni del corso di Statistica Prof. Mortera a.a. 2010/2011. Esercizi di stima puntuale, intervalli di confidenza e test T 2 = 1 2 X Esercitazioni del corso di Statistica Prof. Mortera a.a. 2010/2011 Esercizi di stima puntuale, intervalli di confidenza e test 1. Si consideri il campione (X 1, X 2, X 3, X 4 ) composto da variabili i.i.d.

Dettagli

Esame di Statistica Prof.ssa Paola Zuccolotto

Esame di Statistica Prof.ssa Paola Zuccolotto Esame di Statistica Prof.ssa Paola Zuccolotto Tema 1 indicare cognome, nome e numero di matricola su tutti i fogli; utilizzare i fogli protocollo per effettuare i calcoli, indicando tutti i passaggi necessari

Dettagli

6. Modelli statistici: analisi della regressione lineare

6. Modelli statistici: analisi della regressione lineare BIOSTATISTICA 6. Modelli statistici: analisi della regressione lineare Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Appunti di complementi di matematica

Appunti di complementi di matematica Appunti di complementi di matematica UITA STATISTICA: è l unità su cui si raccolgono le informazioni oggetto dell indagine e possono essere individui, famiglie, oggetti. UIVERSO STATISTICO O POLAZIOE STATISTICA

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI QUADRATI. REGRESSIONE LINEARE MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione

Dettagli

2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1

2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1 1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1

Dettagli

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI STATISTICA 1 ESERCITAZIONE 1 Dott. Giuseppe Pandolfo 30 Settembre 2013 Popolazione statistica: insieme degli elementi oggetto dell indagine statistica. Unità statistica: ogni elemento della popolazione

Dettagli

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ Prof. Francesco Tottoli Versione 3 del 20 febbraio 2012 DEFINIZIONE È una scienza giovane e rappresenta uno strumento essenziale per la scoperta di leggi e

Dettagli

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

è decidere sulla verità o falsità

è decidere sulla verità o falsità I test di ipotesi I test di ipotesi Il test delle ipotesi consente di verificare se, e in quale misura, una determinata ipotesi (di carattere sociale, biologico, medico, economico, ecc.) è supportata dall

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA 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

Dettagli

Statistica descrittiva

Statistica 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

Dettagli

Come 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 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

Dettagli

Università 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 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

Dettagli

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno.

Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno. Corso di Statistica Medica Il corso si colloca nell ambito del corso integrato di scienze quantitative, al primo anno. Sono previste 40 ore complessive, di cui almeno 16 di lezione frontale e le restanti

Dettagli

Esercitazione n.4 Inferenza su varianza

Esercitazione n.4 Inferenza su varianza Esercizio 1 Un industria che produce lamiere metalliche ha ricevuto un ordine di acquisto di un grosso quantitativo di lamiere di un dato spessore. Per assicurare la qualità della propria fornitura, l

Dettagli

Anno Accademico 2014-2015. Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA

Anno Accademico 2014-2015. Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA Statistica, CLEA p. 1/68 Anno Accademico 2014-2015 Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA Monia Lupparelli monia.lupparelli@unibo.it http://www2.stat.unibo.it/lupparelli

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor

Dettagli

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana

Dettagli

Metodi di previsione

Metodi di previsione Metodi di previsione Giovanni Righini Università degli Studi di Milano Corso di Logistica I metodi di previsione I metodi di previsione sono usati per ricavare informazioni a sostegno dei processi decisionali

Dettagli

Inferenza statistica. Statistica medica 1

Inferenza 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

Dettagli

VARIABILI ALEATORIE E VALORE ATTESO

VARIABILI ALEATORIE E VALORE ATTESO VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della

Dettagli

STATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia

STATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia STATISTICA GIUSEPPE DE NICOLAO Dipartimento di Informatica e Sistemistica Università di Pavia SOMMARIO V.C. vettoriali Media e varianza campionarie Proprietà degli stimatori Intervalli di confidenza Statistica

Dettagli

ELEMENTI DI CALCOLO DELLE PROBABILITA

ELEMENTI DI CALCOLO DELLE PROBABILITA Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Un 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

Dettagli

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE STATISTICA DESCRITTIVA SCHEDA N. : REGRESSIONE LINEARE Nella Scheda precedente abbiamo visto che il coefficiente di correlazione fra due variabili quantitative X e Y fornisce informazioni sull esistenza

Dettagli

CORSO DI STATISTICA N.O. - II CANALE Esercizi

CORSO DI STATISTICA N.O. - II CANALE Esercizi CORSO DI STATISTICA N.O. - II CANALE Esercizi Dott.ssa CATERINA CONIGLIANI Facoltà di Economia Università Roma Tre 1 Esercizi su sintesi di distribuzioni semplici Esercizio 1.1 Data la seguente distribuzione

Dettagli

La logica statistica della verifica (test) delle ipotesi

La logica statistica della verifica (test) delle ipotesi La logica statistica della verifica (test) delle ipotesi Come posso confrontare diverse ipotesi? Nella statistica inferenziale classica vengono sempre confrontate due ipotesi: l ipotesi nulla e l ipotesi

Dettagli

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

Dettagli

Metodi statistici per l economia (Prof. Capitanio) Slide n. 4. Materiale di supporto per le lezioni. Non sostituisce il libro di testo

Metodi statistici per l economia (Prof. Capitanio) Slide n. 4. Materiale di supporto per le lezioni. Non sostituisce il libro di testo Metodi statistici per l economia (Prof. Capitanio) Slide n. 4 Materiale di supporto per le lezioni. Non sostituisce il libro di testo Dipendenza di un carattere QUANTITATIVO da un carattere QUALITATIVO

Dettagli

Esame di Statistica TEMA A Corso di Laurea in Economia Prof.ssa S. Giordano 15 luglio 2015

Esame di Statistica TEMA A Corso di Laurea in Economia Prof.ssa S. Giordano 15 luglio 2015 Esame di Statistica TEMA A Corso di Laurea in Economia Prof.ssa S. Giordano 15 luglio 2015 Cognome Nome Matr. TEORIA: dimostrare la proprietà che la somma degli scarti al quadrato dalla media aritmetica

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli