Inferenza II. Inferenza: tipologie di approcci. Test di ipotesi: ipotesi alternativa. Test di ipotesi: ipotesi nulla.
|
|
- Biaggio Greco
- 5 anni fa
- Visualizzazioni
Transcript
1 Ifereza: tipologie di approcci Defiizioi Costruzioe di u test Test sul valore atteso Ifereza II Test di ipotesi Test di adereza alla distribuzioe Test di idipedeza Teoria della stima: Cerco di otteere ua stima umerica di ua caratteristica (spesso u idice) della popolazioe dai dati Test di ipotesi: Faccio u ipotesi su di ua proprietà (parametro, distribuzioe, idipedeza) della distribuzioe teorica della popolazioe P e verifico se le osservazioi cosetoo di accettarla Possibili domade da test: E[P] è maggiore di 15? La variabile P è distribuita come ua Bi(; 05)? (se P è multi-variata) P 1 e P soo idipedeti? Osservazioe: la stima trae u parametro dai dati, il test fa u ipotesi sul parametro e usa i dati per cofermare l'ipotesi Test di ipotesi: ipotesi ulla Osservazioe: U test di ipotesi cerca di verificare se ua asserzioe è vera o falsa L'asserzioe i esame: Esempi Viee chiamata ipotesi ulla Di orma è ua ipotesi di uguagliaza Si idica co la otazioe Si esprime i liguaggio aturale o i simboli : il valore atteso della popolazioe è :E[P]= : la popolazioe è distribuita come ua biomiale avete p =0 e =3 : P ~ Bi(3; 0) Test di ipotesi: ipotesi alterativa Se il test da esito egativo si usa dire che l'ipotesi ulla viee rifiutata e si accetta l'ipotesi alterativa Ipotesi alterativa: Esempi Descrive l'eveto che si pesa sia plausibile Si idica co la otazioe H 1 Si esprime i liguaggio aturale o i simboli : E[P] = H 1 : E[P] : Var[P] = 1 H 1 : Var[P] 1 Osservazioe: ad ua ipotesi ulla posso corrispodere diverse ipotesi alterative
2 Test di ipotesi: esempio I Ua ditta che produce sferette di acciaio garatisce che la sua produzioe ha valore atteso 8 mm e scarto quadratico medio di 0 mm Per verificare la botà della produzioe si estrae u campioe di 60 sfere (otteedo x = 81 mm) e si vuole osservare se la produzioe rispetta i caoi : E[P] = 8 mm H 1 : E[P] 8 mm Test di ipotesi: esempio II U'azieda farmaceutica sostiee che il suo farmaco cura ua particolare patologia el 95 % dei casi U ricercatore ospedaliero sostiee che questa iformazioe o sia più attedibile e che il farmaco sia peggiorato Pertato, coduce ua idagie su 10 pazieti è trova che solo 108 so guariti (il 90 %) P ~ Ber(p) : p =E[P] = 095 H 1 : p < 095 Osservazioe: el caso si ritega vera vuol dire che la differeza fra la media campioaria ed il valore atteso è dovuta al particolare realizzazioe di P e o da u mutameto della ddp di P Osservazioe: el caso i esame dal testo si evice u modello per la vc usata per descrivere la popolazioe Test di ipotesi: idea Come verificare se u'ipotesi è vera aalizzado i dati di u campioe C di dimesioe? Osservazioe: l'ipotesi ulla si rifiuta se la differeza fra il valore stimato e quello teorico è sigificativa Idea: Suppogo vera e calcolo u itervallo di valori probabili per lo stimatore A Se la stima otteuta dal campioe ricade i A, accetto l'ipotesi ulla Osservazioe: A può essere calcolato basadosi sulle cosiderazioi viste ella stima per itervallo ad u livello di cofideza 1 - α Nel test di ipotesi α prede il ome di livello di sigificatività Test di ipotesi: strategia Come verificare se u'ipotesi è vera da u campioe C? Possibile strategia: Si suppoe vera Si calcola la distribuzioe di uo stimatore corretto per il parametro θ descritto i calcolato da u campioe a dimesioe N Si fissa u livello di sigificatività α Si trova ua regioe di accettazioe (A) Si stima putualmete il parametro θ dal campioe C Se il valore è itero ad A accetto l'ipotesi Se il valore è estero ad A rifiuto l'ipotesi Osservazioe: i dati si usao solo ell'ultimo passo
3 Test sul valore atteso - I Applico la strategia: Si suppoe vera Suppogo E[P]=µ 0 Si calcola la distribuzioe di uo stimatore corretto per il parametro θ descritto i calcolato da u campioe a dimesioe Lo stimatore corretto è la media campioaria x Si sa che per grade si ha che ~N E[P]; Var[P] stadardizzado x Se Var[P] è ota 0 ~Z Var[ P] altrimeti =N 0 ; Var[P] x 0 ~Z s Test sul valore atteso - II Si fissa u livello di sigificatività α Valori tipici soo α = 005 ; α = 00 ; α = 001 Si trova ua regioe di accettazioe (A) tre possibili sceari Test bilaterale (a code) Test uilaterale (a 1 coda) H 1 : E[P] µ H : E[P] > µ H : E[P] 0 < µ Osservazioe: è H 1 a determiare la regioe di accettazioe Test sul valore atteso - III Si stima putualmete il parametro θ dal campioe C Se il valore è itero ad A accetto l'ipotesi Se il valore è estero ad A rifiuto l'ipotesi Si procede al semplice calcolo della media campioaria E si applica il criterio Osservazioe: ache se o esplicitate si soo sottitese due ipotesi: Campioameto beroulliao Distribuzioe limite (>30) Test di ipotesi:esempio I -svolgimeto Ua ditta che produce sferette di acciaio garatisce che la produzioe ha valore atteso 8 mm e variaza 004 mm Campioe di = 60 sfere otteedo x = 81 mm Svolgimeto: : E[P] = 8 mm H 1 : E[P] 8 mm + testo E[P] = 8 ; Var[P] = 004 = 60 ~N E[P]; Var[P] =N 8 ; test a due code α = 005 Valori Critici -1,96; 196 A=[-1,96; 196] x 8 Stadardizzo x z x = Rifiuto 000 =3873 z x A 3
4 Test sul valore atteso Popolazioe P cotiua o discreta Test per verificare se E[ P]= osservazioi iid da cui ricavo la media campioaria x Svolgimeto H 1 : E[P] H : E[P] : E[ P]= x= H 3 : E[P] Verificare la covergeza i legge dello stimatore Var[ P] se 30 x~n ; altrimeti aumetare Si fissa α trovo regioe di accettazioe Stadardizzo x z x = x Var[ P] se z accetto H altrimeti rifiuto x A 0 H 1 : A= [ z ; z 1 ] H : A=[ z ; [ H 3 : A=[ ; z 1 [ Test di ipotesi:esempio II-svolgimeto U farmaco cura ua particolare patologia el 95 % dei casi Campioe di = 10 pazieti co x = 90 % di guarigioi Svolgimeto: : E[P] = 095 H 1 : E[P] < testo P~Ber(p) E[P] =p=095;var[p]=p(1-p)=00475 = 10 ~N E[P]; Var[P] =N 095 ; test a ua coda, uilaterale siistro α = 001 Valore Critico -z 001 = -33 A=[-33; + [ Stadardizzo x z x = x 095 Rifiuto = 513 z x A 10 Test sulla distribuzioe Osservazioe: spesso sarebbe utile poter fare ipotesi sulla distribuzioe di frequeza di ua vc Esempio III: Si ha il dubbio che u dado sia truccato Laciado il dado = 150 volte si soo otteuti gli esiti a lato Come verificare l'asserzioe? Per applicare la tecica vista debbo Defiire u ipotesi Scegliere uo stimatore Calcolare la ddp di riferimeto dello stimatore i i Test sulla distribuzioe: ipotesi I L'esperimeto può essere descritto mediate realizzazioi iid di ua vc discreta D la cui ddp viee descritta da: 6 modalità {1,, 3, 4, 5, 6} 6 parametri: P D=1 = p 1 P D= = p P D=6 = p 6 L'ipotesi ulla pertato è che la ddp sia costate ovvero : p i = 1 i=1,,,6 6 L'ipotesi alterativa è quella data dall'eveto complemetare H 1 : i: p i 1 6 Osservazioe: i ua vc discreta ad M valori, la somma delle probabilità deve essere uitaria Pertato è possibile fissare i modo arbitrario soo M-1 valori
5 Test sulla distribuzioe: stimatore Osservazioe: l'ipotesi ulla coivolge più parametri Vorrei otteere u solo valore per avere ua vc moo-variata Frequeze teoriche: frequeza attesa se è vera: i = p i Cotigeza: scarto fra frequeza rilevata e teorica: c i = i i Osservazioe: se è vera è verosimile che tutte le cotigeze (i valore assoluto) siao piccole Osservazioe: se H 1 è vera è verosimile che almeo ua cotigeza (i valore assoluto) sia elevata Stimatore di Pizzetti-Pearso La cotigeza è la base di uo stimatore per quatificare l'adereza di ua distribuzioe teorica ad ua reale ( ) Stimatore di Pizzetti-Pearso: M c M i = i i i=1 i i=1 i Il quadrato evita il sego e pesa molto i valori alti Il rapporto serve per scalare correttamete i cotributi Calcolo i tabella Esempio III 6 i i =5,8 i=1 i i i i i i i i i i / i , , , ,8 Stimatore di Pizzetti-Pearso : ddp La strategia di test richiede la ddp dello stimatore Teorema: si dimostra che, al crescere della dimesioe del campioe () allora si ha che M i i ~ i=1 i dove ν soo i parametri liberi della ddp di P (M-1) Nota: il risultato si foda sul limite cetrale Molti autori ritegoo che si abbia ua buoa covergeza i legge quado tutte le frequeze teoriche so maggiori di 5 Osservazioe: l'ipotesi ( i 5 i ), ota la ddp ( p i ) può sempre veir rispettata aumetado la dimesioe del campioe i = p i Test sulla distribuzioe: ipotesi II Osservazioe: l'ipotesi alterativa si basa sulla frequeza teorica H 1 : i: p i 1 6 Osservazioe: lo stimatore si basa sulla cotigeza c i = i i = i p i Come fissare la regioe di accettazioe per lo stimatore di Pizzetti-Pearso? Osservazioe: se l'ipotesi ulla sulle frequeze teoriche è rispettata, la cotigeza è bassa il valore =0 deve essere icluso ell'itervallo di accettazioe Coclusioe: Il test richiesto deve essere uilaterale destro
6 Esempio III: svolgimeto Si vuole vedere se u dado è truccato Si so effettuati =150 laci rilevado 6 frequeze 1,,, 6 Svolgimeto : p i = 1 6 i=5 H 1 : i: p i 1 6 Verificare la covergeza i legge 6 i =5 5 i i ~ 5 i=1 i test a ua coda, uilaterale dx α=001 Valore Critico 5 =151 A=[0 ; 151] Calcolo lo stimatore = A Accetto (il dado è oesto ad u livello del 1%) Osservazioe:il procedimeto può essere geeralizzato Test per la distribuzioe empirica Popolazioe P co M modalità Test per verificare se P P=i = p i realizzazioi iid co 1,,, M osservazioi Svolgimeto : P P=i = p i i = p i H 1 : i: P P=i p i Verificare la covergeza i legge dello stimatore M se i 5 i i ~ M 1 altrimeti aumetare i=1 i test a ua coda, uilaterale dx Si fissa α Calcolo lo stimatore A=[0 ; 1 M 1 ] se lo stimatore è itero ad A accetto se lo stimatore è estero ad A rifiuto Test di idipedeza: Esempio IV Osservazioe: I ua bi-variata (x i,y i ) il test di idipedeza mira a stabilire se i caratteri ed so idipedeti Esempio IV: (tratto da descrittiva III) Caratteri: : trattameto atibiotico : stato dell'ifezioe M x = {Si; No} =3 {Espasa, Stabile, Ridotta} = 100 rilevazioi Tratta meto Ifezioe Espasa Stabile Ridotta Totali Si No Totali Test di idipedeza: idea - I Supposizioe: i caratteri ed soo idipedeti Cosegueza: le probabilità degli eveti della bivariata so dati dal prodotto degli eveti delle due moovariate P(=Si = Espasa) = P(=Si) P( = Espasa) P(=x i = y j ) = P(=x i ) P(= y j ) Osservazioe: P(=x i ) e P(=y i ) possoo essere stimate dalle frequeze relative margiali (defiizioe classica) Cosegueza: el caso di idipedeza è possibile ricavare ua distribuzioe teorica valida per la bivariata Osservazioe: Tabella ricavata dalle SOLE margiali Espasa Stabile Ridotta Totali Si 0/100 1/100 18/100 50/100 No 0/100 1/100 18/100 50/100 Totali 40/100 4/100 36/100 1
7 Test di idipedeza: idea - II Date le osservazioi di ua bi-variata, la vc P avete: M = M x modalità (idicate da m i,j ), j ddp p i, j = i, i=1,, M x, j=1,, descrive la bi-variata se e solo se vi è idipedeza Idea: L'idipedeza viee testata co u test di adereza alla distribuzioe teorica Per poter applicare l'idea debbo: Calcolare le frequeze teoriche i, j = p i, j i, j Verificare la covergeza i legge dello stimatore di Pizzetti Pearso ( i, j 5 i, j ) Calcolare i parametri liberi di P Test di idipedeza: parametri liberi La ddp di P possiede M = M x modalità Vi soo dei vicoli dati dalle margiali M x vicoli vicoli 1 vicolo doppio Verde: libero Rosso: vicolato I parametri liberi risultao essere (M x -1)( -1) se i, j 5 i, j si ha che: i j=1, j = i, i=1,, M x M x i i=1, j =, j j=1,, M x i=1 a b c d 1 1,+ /,+ / 3 3,+ / +,1 / +, / +,3 / +,4 / 1 i, j i, j ~ M j=1 x 1 1 i, j Test di idipedeza (di Pearso) Popolazioe bi-variata (x i,y i ) dove ed so idipedeti prove iid co i,j osservazioi delle M = M x modalità Svolgimeto : ed idipedeti H 1 : ed dipedeti Calcolo le frequeze teoriche i, j = p i, j = i,, j i, j Verificare la covergeza i legge dello stimatore i, j 5 i, j Si fissa α A=[0 ; 1 M x 1 1 ] Calcolo lo stimatore di Pizzetti-Pearso se lo stimatore è itero ad A accetto i, j Osservazioe: si calcola dalle osservazioi Cosegueza: se la covergeza o è verificata o è detto che lo sia aumetado! Esempio IV svolgimeto I : trattameto atibiotico : stato dell'ifezioe M x = =3 = 100 Calcolo frequeze teoriche Covergeza verificata α=001 A=[0; 91] Espasa Stabile Ridotta Tratta meto Totali Si 0/100 1/100 18/100 50/100 No 0/100 1/100 18/100 50/100 Totali 40/100 4/100 36/100 1 Ifezioe Espasa Stabile Ridotta Totali Si No Totali ( i, j i, j ) χ () i=1 j=1 i, j Espasa Stabile Ridotta Si No
8 Esempio IV svolgimeto II Calcolo cotigeza e stimatore di Pizzetti - Pearso Tratta meto Ifezioe Espasa Stabile Ridotta Totali Si No Totali i, j i, j i=1 j=1 i, j =0,71 Lo stimatore è estero ad A rifiuto le variabili soo dipedeti Osservazioe: il test asserisce che la coosceza di u carattere (es ha fatto il trattameto) modifica la proprietà dell'altra (es lo stato dell'ifezioe) Osservazioe: il trattameto è però pessimo Si è provato che esso aumeta la probabilità espadere l'ifezioe m 1,1 >m,1 Espasa Stabile Ridotta Si No Livello di sigificatività: cosiderazioi Osservazioe: α corrispode ad ua probabilità, quale? Probabilità corrispodete alla regioe di rifiuto ella distribuzioe di riferimeto Pertato: Distribuzioe di riferimeto vera Regioe di rifiuto rifiuto l'ipotesi Coclusioe: Il livello di sigificatività descrive la probabilità di rifiutare l'ipotesi ulla quado questa è vera P rifiutare vera = Test di ipotesi: tipo di errori I quati modi posso sbagliare a forire u risultato? Risultato test Realtà Vera Falsa Accettare OK Errore Rifiutare Errore OK Errore di I tipo: rifiutare u'ipotesi valida (fal so positivo) Errore di II tipo: accettare u'ipotesi falsa (fal so egativo) Osservazioe: le probabilità dei due errori so dipedeti Osservazioe: la probabilità di u falso positivo dipede dal livello di sigificatività Osservazioe: la probabilità di u falso egativo difficilmete è calcolabile P-value: problematiche & defiizioe Osservazioe: il risultato di u test è l'accettazioe di ua delle ipotesi iiziali ( o H 1 ) legato al valore del livello di sigificatività α Osservazioe: la stima θ può essere più o meo vicia ai valori critici che delimitao la regioe di accettazioe A A=[- ; ] θ = 1 oppure θ = 19 Si usa pertato affiacare alla stima il p-value ovvero: il valore del livello di sigificatività tale per cui uo dei il valori critici coicida co la stima i esame
9 Esempio I -calcolo p-value Campioe di = 60 sfere co x = 81 mm Svolgimeto: : E[P] = 8 mm H 1 : E[P] 8 mm Ipotesi Var[P] =000 Stimatore: media N ( E[P]; Var[P] )=N (8; ) test a due code α = 005 Valori Critici -1,96; 196 A=[-1,96; 196] Stadardizzo x z x = x = Il p-value è la probabilità elle code di Z dalla tabella ricavo p=*( ) = 0000 Ricapitolado - I Ipotesi: ulla ( ) e alterativa (H 1 ) : stato ormale Sempre ipotesi di uguagliaza : descrive il motivo per cui faccio il test Strategia di progetto del test Suppogo valida l'ipotesi ulla Noto stimatore T che cofermi e e trovo la ddp Fisso u livello di sigificatività α Fisso la regioe di accettazioe A tale P(T ϵ A)= 1- α H 1 :bilaterale H 1 :uilaterale dx H 1 : uilaterale sx Se lo stimatore calcolato el campioe è i A accetto Ricapitolado - II : E[P]= Stimatore media stadardizzata z x = x Var[ P] Covergeza 30 z x ~Z H 1 : E[ P] A= [ z ; z 1 ] H : E[ P] A=[ z ; [ H 3 : E[ P] A=[ ; z 1 [ Se Var[P] igota si stima co la variaza campioaria s Test sul valore atteso Test di adereza : P P=i = p i i = p i H 1 : i : P P=i p i Stimatore di Pizzetti-Pearso M Codizioe di covergeza i 5 i i ~ M 1 i=1 i A=[0 ; 1 M 1 ] Ricapitolado - III Test di idipedeza : ed idipedeti H 1 : ed dipedeti Stimatore di Pizzetti-Pearso Codizioe di covergeza M i, j 5 i, j i, j ~ M i=1 x 1 1 i, j A=[0 ; 1 M x 1 1 ]
Inferenza II. Inferenza: tipologie di approcci. Test di ipotesi: ipotesi alternativa. Test di ipotesi: ipotesi nulla.
Defiizioi Costruzioe di u test Test sul valore atteso Ifereza II Test di ipotesi Test di adereza alla distribuzioe Test di idipedeza 1 Ifereza: tipologie di approcci Teoria della stima: Cerco di otteere
DettagliALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1
ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE ESERCIZIO. Si vuole verificare l ipotesi, a livello di sigificatività α, che la media μ di ua variabile aleatoria X abbia u valore fissato μ. Si effettuao
DettagliInferenza statistica. Come descrivo una generica popolazione? Che tipo di di informazioni posso ottenere?
Iereza I Fodameti della teoria della stima Campioameto beroulliao ed i blocco Problema della stima: stima e stimatore Proprietà di uo stimatore Stima putuale e per itervallo: valore atteso e variaza Iereza
DettagliStatistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice
Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5
DettagliCorso di Statistica Canale E Bini, Cutillo A.A. 2017/2018. Esercitazione di riepilogo n.8 Test di ipotesi Soluzioni
Corso di Statistica Caale E Bii, Cutillo A.A. 17/18 Esercitazioe di riepilogo.8 Test di ipotesi Soluzioi Esercizio 1 A seguito della sostituzioe di u macchiario per il cofezioameto di caffè, il resposabile
DettagliCorso di Statistica Facoltà di Economia
Corso di Statistica Facoltà di Ecoomia Lezioe a.a. 000-00 00 Fracesco Mola Ifereza statistica Logica iduttiva Dal particolare al geerale Popolazioe [ v. c. ] f Ω x,, Se si coosce F si può fare ifereza
DettagliTEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0
TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si
DettagliAnemia. Anemia - percentuali
1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14
DettagliCorso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a
Corso di Statistica Test per differeza tra medie e proporzioi Prof.ssa T. Laureti a.a. -3 Corso di Statistica a.a. -3 DEIM, Uiv.TUSCIA - Prof.ssa Laureti Test basati su campioi idipedeti proveieti da due
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzione
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzioe Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità D
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità D Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1
DettagliCosto manutenzione (euro)
Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più
DettagliAppunti di Probabilità e Statistica. a.a. 2014/2015 C.d.L. Informatica Bioinformatica I. Oliva. 1 Statistica Inferenziale.
Apputi di Probabilità e Statistica a.a. 014/015 C.d.L. Iformatica Bioiformatica I. Oliva Lezioe 7 1 Statistica Ifereziale 1.1 Test di ipotesi Ipotesi statistica: assuto relativo ad uo o più parametri (igoti)
DettagliProbabilità II. Concetto di variabile casuale. Variabile casuale: definizione. Concetto di variabile casuale. Cos'è una variabile casuale?
Cocetto di variabile casuale Defiizioi pricipali. Valore atteso e Variaza. Probabilità II Variabili casuali discrete Teorema di Bieaymé - Čebičev. V.C. Notevoli: Beroulli e Biomiale. Cos'è ua variabile
DettagliCampionamento e distribuzioni campionarie
Campioameto e distribuzioi campioarie Approccio idu8vo Ruolo dell ifereza sta>s>ca Procedure ifereziali di uso comue (itervalli di cofideza e test delle ipotesi) Risulta> e decisioi che dipedoo dalla limitatezza
DettagliESERCITAZIONE N. 6 corso di statistica
ESERCITAZIONE N. 6corso di statistica p. 1/18 ESERCITAZIONE N. 6 corso di statistica Marco Picoe Uiversità Roma Tre ESERCITAZIONE N. 6corso di statistica p. 2/18 Itroduzioe Variabili aleatorie cotiue Itervalli
DettagliINFERENZA o STATISTICA INFERENTE
INFERENZA o STATISTICA INFERENTE Le iformazioi sui parametri della popolazioe si possoo otteere sia mediate ua rilevazioe totale (o rilevazioe cesuaria) sia mediate ua rilevazioe parziale (o rilevazioe
DettagliMatematica e Statistica: Modulo di Statistica - Prof. Federico Di Palma - Appello del 26 Febbraio
Matematica e Statistica: Modulo di Statistica - Prof. Federico Di Palma - Appello del 6 Febbraio 014 - Esercizio 1) I ua ricerca si è iteressati a verificare il tempo di icubazioe (tempo che itercorre
DettagliTest Statistici. In termini statistici, agli eventi appena indicati viene attribuita una probabilità ed una specifica definizione:
Test Statistici U test statistico è ua regola che permette di stabilire se u ipotesi (H " ) può essere accettata (o rifiutata) o meo (rifiutata). I particolare, H " può essere vera o falsa e la sua accettazioe/rifiuto
DettagliEsercitazioni del corso: ANALISI MULTIVARIATA
A. A. 9 1 Esercitazioi del corso: ANALISI MULTIVARIATA Isabella Romeo: i.romeo@campus.uimib.it Sommario Esercitazioe 4: Verifica d Ipotesi Test Z e test T Test d Idipedeza Aalisi Multivariata a. a. 9-1
DettagliEsercitazione 6 del corso di Statistica 2
Esercitazioe 6 del corso di Statistica Dott.ssa Paola Costatii 7 marzo Decisioe vera falsa è respita Errore di I tipo Decisioe corretta o è respita Probabilità = Decisioe corretta Probabilità = - Probabilità
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità C
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità C Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a Esame del STATISTICA
FACOLTÀ DI SOCIOLOGIA a. a. 011 01 Esame del 11-01-01 STATISTICA ESERCIZIO 1 U idagie sulle abitudii alimetari dei requetatori di u cetro itess ha moitorato il umero di caè cosumati i u gioro ormale e
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA
UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioni
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioi Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliSDE Marco Riani
SDE 018 Marco Riai mriai@uipr.it http://www.riai.it Tabella di cotigeza r c gradi di libertà: (r-1) (c-1) X y y 1... y c Tot Variabili idipedeti se: 1 i ic = =... = =... = =. j. c i i..1. x 1 11 1c 1....
DettagliEsercitazioni di Statistica
Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso
DettagliCOME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)
COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliStatistica. Lezione 5
Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it
DettagliLezione 14. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 14. A. Iodice. disuguaglianza di Markov
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 5 6 () Statistica 2 / 29 Importati disuguagliaze Variabili casuali co distribuzioi o
DettagliQuesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:
Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,
Dettagli14. TEORIA DEI TEST STATISTICI
4. TEORIA DEI TEST STATISTICI 4. Geeralità sui test di sigificatività I dati campioari possoo essere utilizzati, oltre che per costruire l itervallo di cofideza di u parametro igoto, ache per verificare
DettagliSTATISTICA INFERENZIALE
STATISTICA INFERENZIALE 6 INFERENZA STATISTICA Isieme di metodi che cercao di raggiugere coclusioi sulla popolazioe, sulla base delle iformazioi coteute i u campioe estratto da quella popolazioe. INFERENZA
DettagliSenza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it Ifereza statistica Dal campioe alla popolazioe Co quale precisioe si possoo descrivere le caratteristiche di ua popolazioe sulla base
DettagliArgomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della
1 La stima putuale Argometi trattati: Stima putuale e stimatore Proprietà degli stimatori Stima putuale della media della popolazioe e sua distribuzioe Stima putuale di ua proporzioe e sua distribuzioe
DettagliProbabilità II. Concetto di variabile casuale. Variabile casuale: definizione. Concetto di variabile casuale. Cos'è una variabile casuale?
Cocetto di variabile casuale Defiizioi pricipali. Valore atteso e Variaza. Probabilità II Variabili casuali discrete Teorema di Bieaymé - Čebičev. V.C. Notevoli: Beroulli e Biomiale. Cos'è ua variabile
DettagliPROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD e 4038) 15 gennaio 2003
PROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD. 5047 e 408) 5 geaio 00 SOLUZIONI Il uovo direttore di ua Baca di Credito Cooperativo si trova ad affrotare ua verteza di tipo sidacale che riguarda la
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore Marco Riai mriai@uipr.it http://www.riai.it STIMA PUNTUALE (p. 55 Il parametro è stimato co u uico valore Esempio: stima della share di u programma TV % di spettatori el campioe
DettagliUniversità degli Studi di Salerno Pietro Coretto. Corso di Statistica FORMULARIO
Versioe: 16 ottobre 2017 (h17:25) Uiversità degli Studi di Salero Pietro Coretto Corso di Statistica FORMULARIO Valori osservati per statistiche di posizioe, variabilità e correlazioe Nota: per ua distribuzioe
DettagliStime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo
Abbiamo visto che, data ua v.a. X di cui o si cooscao valore atteso e variaza, tali umeri si possoo stimare putualmete el seguete modo: si prede u casuale X 1,...,X di v.a. aveti la stessa legge di X;
DettagliEsercitazione sette: soluzioni. H 1 : θ > 0.48 ( =
Esercitazioe sette: soluzioi. { H0 : θ 0.48 H : θ > 0.48 a) La variabile Y ha ua distribuzioe beroulliaa di parametro θ. La desità appartiee alla famiglia espoeziale e possiamo vedere se è a rapporto di
DettagliIL CAMPIONAMENTO. POPOLAZIONE un insieme finito o infinito di unità statistiche
IL CAMPIONAMENTO Defiizioi POPOLAZIONE u isieme fiito o ifiito di uità statistiche CAMPIONE piccola frazioe di ua popolazioe le cui caratteristiche si approssimao a quelle della popolazioe. Il campioe
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 21 Misura della dipedeza di u carattere
DettagliL INTERVALLO DI CONFIDENZA
L INTERVALLO DI CONFIDENZA http://www.biostatistica.uich.itit POPOLAZIONE POPOLAZIONE CAMPIONAMENTO CAMPIONE PARAMETRO INFERENZA CAMPIONAMENTO? STIMA CAMPIONE Stimare i Parametri della Popolazioe Itervallo
DettagliTitolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli
Titolo della lezioe Dal campioe alla popolazioe: stima putuale e per itervalli Itroduzioe Itrodurre il cocetto di itervallo di cofideza Stima di parametri per piccoli e gradi campioi Stimare la proporzioe
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliEsercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli
Esercitazioi del Corso di Probabilitá e Statistica Lezioe 6: Stime di parametri putuali e per itervalli Stefao Patti 1 19 geaio 005 Defiizioe 1 Ua famiglia di desitá f(, θ) ad u parametro (uidimesioale)
DettagliLe principali procedure inferenziali: nozioni, schemi di procedimento ed esempi di applicazione
Complemeti per il corso di Statistica Medica Le pricipali procedure ifereziali: ozioi, schemi di procedimeto ed esempi di applicazioe IC al livello (-α) % per la media µ Ipotesi: ella popolazioe il feomeo
DettagliMetodi di valutazione delle prestazioni di rete
Metodi di valutazioe delle prestazioi di rete Prof. Ig. Carla Raffaelli Cofroto di diversi approcci Parametri di cofroto: precisioe requisiti di poteza di calcolo requisiti di memoria facilita' di approccio
DettagliDistribuzione normale
Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
DettagliSommario. Facoltà di Economia. Campionamento e inferenza statistica
Corso di tatistica Facoltà di Ecoomia a.a. 00-00 fracesco mola ommario Campioameto e ifereza statistica timatori e stime Proprietà degli stimatori ufficieza, Correttezza, Efficiezaassoluta e relativa,
DettagliParametri e statistiche. Parametri e statistiche. Distribuzioni campionarie. Popolazione Parametri Valori fissi, Statistiche o Stimatori.
Parametri e statistiche Popolazioe Parametri Valori fissi, spesso o oti Campioe Statistiche o Stimatori Variabili casuali, le cui determiazioi dipedoo dalle particolari osservazioi scelte Parametri e statistiche
DettagliInferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni.
Ifereza Statistica L ifereza statistica cerca di risalire al modello del feomeo sulla base delle osservazioi No coosciamo il modello del feomeo cioè la vc X A volte la coosceza può essere parziale (coosciamo
DettagliUniversità degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno
Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto
DettagliII Esonero - Testo A
Dip. di Igegeria, Uiv. Roma Tre Prof. E. Scoppola, Dott.M. Quattropai Probabilità e Statistica, 2017-18, I semestre 29 Geaio 2018 II Esoero - Testo A Cogome Nome Matricola Esercizio 1. (20%) Si cosideri
DettagliFormulario (versione del 3/10/2015)
Uiversità degli Studi della Basilicata C.d.L. Ecoomia Aziedale Statistica a.a. 04/05 Docete: E. Di Nardo Frequeze Formulario versioe del 3/0/05 taglia campioe casuale x,..., x campioe casuale ordiato x...
DettagliMatematica con elementi di Informatica
La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche
DettagliStatistica inferenziale, Varese, 25 novembre 2008 Prima parte - Modalità B - soluzione
Statistica ifereziale, Varese, 25 ovembre 2008 Prima parte - Modalità B - soluzioe Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Migo A.A. Facoltà di Scieze Politiche, Sociologia, Comuicazioe Corso di laurea Magistrale i «Orgaizzazioe e marketig per la comuicazioe d'impresa»
DettagliMatematica e Statistica: Modulo di Statistica - Prof. Federico Di Palma - Appello del 12 Febbraio
Matematica e Statistica: Modulo di Statistica - Prof. Federico Di Palma - Appello del 1 Febbraio 014 - Esercizio 1) I ua ricerca si è iteressati a verificare le dimesioi i micrometri di u graulocita eutrofilo.
DettagliDispense Inferenza PRELIMINARY DRAFT
Dispese Ifereza PRELIMINARY DRAFT Cristia Mollica & Ja Marti Rossi 1 Esercizio 3 - Prova scritta del 1-0-018 Esercizio 3. Ua baca vuole stimare la proporzioe π di persoe che accetterebbe di sottoscrivere
DettagliUna funzione delle osservazioni campionarie è una statistica che, nel contesto della stima di un parametro, viene definita stimatore.
Stimatori e stime Teoria della stima Supporremo che sulla popolazioe sia defiita ua variabile X la cui distribuzioe, seppure icogita, è completamete caratterizzata da u parametro q o da u isieme di parametri
DettagliArgomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica
Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Stima Cicchitelli cap. 6 Argometi Defiizioe di stimatore Proprietà degli stimatori (campioi fiiti): No distorsioe Efficieza relativa
DettagliStatistica inferenziale, Varese, 25 novembre 2008 Prima parte - Modalità A - soluzione
Statistica ifereziale, Varese, 25 ovembre 2008 Prima parte - Modalità A - soluzioe Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliDistribuzione normale o gaussiana
Distribuzioe ormale o gaussiaa Ua variabile radom si dice distribuita ormalmete (o secodo ua curva gaussiaa) se la sua fuzioe di desità di probabilità è del tipo: f () ( ) ep co - rappreseta il valore
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile
DettagliUniversità degli Studi di Napoli Parthenope. STATISTICA per il Turismo
Uiversità degli Studi di Napoli Partheope Corso di Laurea i Maagemet per le Imprese Turistiche STATISTICA per il Turismo Docete: Sergio Logobardi sergio.logobardi@uipartheope.it Stima itervallare Stima
DettagliQualunque processo che generi risultati eventi che non sono generalizzabili con certezza
CAMPIONAMENTO Esperimeto experimetal desig Qualuque processo che geeri risultati eveti che o soo geeralizzabili co certezza Popolazioe o è fiita Feomeo è sotto cotrollo: stimolo - risposta (pe sperimetazioe
DettagliUniversità di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z)
Uiversità di Napoli Federico II, DISES, A.a. 215-16, CLEC, Corso di Statistica (L-Z) Corso di laurea i Ecoomia e Commercio (CLEC) Ao accademico 215-16 Corso di Statistica (L-Z) Maria Mario Lezioe: 22 Argometo:
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI TATITICA MEDICA ED EERCIZI I METODI PER IL CONFRONTO DI MEDIE (Campioi idipedeti) IL PROBLEMA oo stati rilevati i dati relativi alla frequeza cardiaca (misurata i battiti al miuto)
DettagliInferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica
6/0/0 Corso di Statistica per l impresa Prof. A. D Agostio Ifereza statistica Per fare ifereza statistica si utilizzao le iformazioi raccolte su u campioe per cooscere parametri icogiti della popolazioe
DettagliStimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini
Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica
DettagliAPPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.
AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
DettagliSTUDIO DEL LANCIO DI 3 DADI
Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio
DettagliAppunti di STATISTICA
Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2009/10
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 9/1 Prova scritta del 13/1/1 Esercizio 1 Ua Ditta commerciale guadaga ogi ao ua somma X, ove si puo assumere che X N(µ, σ ). Ogi ao la Ditta paga ua tassa fissa
DettagliModelli di probabilità
Modelli di probabilità Corso di STATISTICA Siciliao Ordiario di Statistica, iversità di Napoli Federico II Professore supplete, iversità della Basilicata a.a. / Siciliao Statistica Obiettivo dell uità
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 6
X c () 0 0 0 0 t dx e x t altrove x e x x f x t x X = =4 =8 E[X] = Var[X] = Teorema Z, Z,, Z N(0 ; ) e idipedeti X= Z + Z + +Z c () Nota Esistoo tavole dei puti percetuali delle distribuzioi chi-quadro
DettagliVERIFICA DI IPOTESI STATISTICHE
VERIFICA DI IPOTESI STATISTICHE La proedura della VERIFICA DI IPOTESI STATISTICHE, o proedura dei test statistii, riguarda il problema di voler avere maggiori iformazioi sul valore di u erto parametro
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2016/2017 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea i Igegeria Iformatica Ao Accademico 26/27 Calcolo delle Probabilità e Statistica Matematica Nome... N. Matricola... Acoa, geaio 27. (8 puti) Si vuole stimare il parametro p di ua legge
DettagliLa stima per intervalli
La stima per itervalli U itervallo di cofideza per u parametro è u itervallo di estremi [t - ; t + ] defiito itoro alla stima t di ed i cui è tale che: P t t È cioè l itervallo, cetrato su t, che co u
Dettagli4. Proprietà degli stimatori
Uiversità degli Studi di Basilicata Facoltà di Ecoomia Corso di Laurea i Ecoomia Aziedale - a.a. 0/03 lezioi di statistica del 0, e 3 giugo 03 - di Massimo Cristallo - 4. Proprietà degli stimatori Si è
Dettaglin=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza
Dettagli7. Test d ipotesi. 2. L ipotesi è vera ma in base ai dati la rifiuto in questo caso si dice che si commette errore di prima specie
7. Test d ipotesi U tipico problema che ci si può trovare ad affrotare è il seguete: Faccio ua certa ipotesi che idico co H 0 e che chiamo ipotesi ulla. I base ai dati che ho a disposizioe devo decidere
Dettagli6 Stima di media e varianza, e intervalli di confidenza
Si può mostrare che, per ogi fissato α, t,α z α, e t,α z α per + I pratica t,α e z α soo idistiguibili per 200. 6 Stima di media e variaza, e itervalli di cofideza Lo scopo esseziale della Statistica ifereziale
DettagliL INTERVALLO DI CONFIDENZA
L INTERVALLO DI CONFIDENZA http://www.biostatistica.uich.itit POPOLAZIONE POPOLAZIONE CAMPIONAMENTO CAMPIONE PARAMETRO INFERENZA CAMPIONAMENTO? STIMA CAMPIONE 1 Stimare i Parametri della Popolazioe Itervallo
DettagliMetodi quantitativi per l analisi dello sviluppo
Metodi quatitativi per l aalisi dello sviluppo Esercizio Si è rilevato il umero di ospedali (X) e la spesa saitaria i milioi di euro (Y), per 7 regioi, otteedo i segueti risultati: Ospedali (X) 5 7 4 6
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa
DettagliVERIFICA DI IPOTESI STATISTICHE
VERIFICA DI IPOTESI STATISTICHE La proedura della VERIFICA DI IPOTESI STATISTICHE, o proedura dei test statistii, riguarda il problema di voler avere maggiori iformazioi sul valore di u erto parametro
DettagliESERCITAZIONE VII. H 0 : μ = 500. H 1 : μ > /3.16 = = 3.403
ESERCITAZIONE VII ESERCIZIO I Test sulla media: H 0 : μ 500 H : μ > 500 μ 570; 0; σ 430 α 0.05; z 0.05.645 Z 570 500 65.04/3.6 70 0.57 3.403 Dato che 3.403>.645 rifiutiamo H 0 e possiamo cocludere che
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzioe dei segueti esercizi, si fa riferimeto alle Tabelle riportate alla fie del documeto. Esercizio 1 I u villaggio turistico gli aimatori orgaizzao ua sfida. Vice u prazo i u ristorate
DettagliIntervalli di Fiducia
di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica
DettagliStatistica I - A.A
Statistica I - A.A. 206-207 Prova scritta - 9 aprile 207 Problema. (pt. 20 U azieda che produce ricambi per stampati esamia la durata di u certo modello di cartuccia d ichiostro, misurata i umero di copie
DettagliLezioni del Corso di Fondamenti di Metrologia Meccanica
Facoltà di Igegeria Lezioi del Corso di Fodameti di Metrologia Meccaica A.A. 005-006 Prof. Paolo Vigo Idice. Frequeza e Probabilità. 3. Curva di Gauss 4. Altre Distribuzioi Frequeza e Probabilità Me spiego:
Dettagli