Correlazione, Regressione, Test non parametrici

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Correlazione, Regressione, Test non parametrici"

Transcript

1 Correlazone, Regressone, Test non parametrc Correlazone 1

2 Anals della Correlazone L anals della Correlazone è usata per msurare la forza dell assocazone (relazone lneare) tra due varabl Correlazone rguarda solo la forza della relazone Correlazone non mplca un effeeo casuale Anals della Correlazone Il coeffcente d correlazone della popolazone è ndcato con ρ Il coeffcente d correlazone camponaro è dove s xy r = s s x xy s y (x x)(y = n 1 y)

3 Verfca d Ipotes sulla Correlazone Per verfcare l potes nulla d assenza d assocazone lneare, H 0 :ρ = la stamsmca test ha una dstrbuzone t d Student con (n ) grad d lbertà: 0 T = r (n ) ( 1 r ) Regole d Decsone Verfca d Ipotes sulla Correlazone Test Coda Snstra: H 0 : ρ 0 H 1 : ρ < 0 Test Coda Destra: H 0 : ρ 0 H 1 : ρ > 0 Test Blaterale: H 0 : ρ = 0 H 1 : ρ 0 α α α/ α/ - t α t α - t α/ t α/ Rfutare H 0 se t < - t n-, α Rfutare H 0 se t > t n-, α Rfutare H 0 se t < - t n-, α/ o t > t n-, α/ Dove r (n ) T = ha n - gdl ( 1 r ) 3

4 Regressone Introduzone all anals d regressone Anals d Regressone usata per: Prevedere l valore d una varable dpendente sulla base del valore d almeno una varable ndpendente Spegare l mpaeo d cambamenm nella varable ndpendente sulla varable dpendente Varable Dpendente: la varable che desderamo spegare (anche chamata varable endogena) Varable Indpendente: la varable usata per spegare la varable dpendente (anche chamata varable esogena) 4

5 Modello d Regressone Lneare La relazone tra X e Y è descrea da una funzone lneare S assume che cambamenm n Y sano causam da cambamenm n X Equazone del modello d regressone lneare per la popolazone y = β + β x + ε 0 1 β 0 e β 1 sono coeffcenm del modello ed ε è la vc errore Modello d Regressone Lneare Semplce Il modello d regressone lneare semplce: Varable Dpendente InterceEa y = β + β x + Coeffcente angolare 0 1 Varable Indpendente ε Errore Aleatoro Componente Lneare Componente dell errore aleatoro 5

6 Modello d Regressone Lneare Semplce Y Valore Osservato d Y n corrspondenza d x y = β + β x + ε 0 1 Valore Prevsto d Y n corrspondenza d x ε Errore Aleatoro per l valore x Pendenza = β 1 InterceEa = β 0 X X Modello d Regressone Lneare Semplce Il modello d regressone lneare semplce può essere smmato della reea d regressone dervata da dam del campone Valore smmato (o prevsto) d y n corrspondenza della - ma osservazone SMma dell nterceea y * = β 0 * +β 1 * x L errore aleatoro ndvduale e ha meda zero e = ( y -y * ) = y -(β 0 * +β 1 * x ) SMma del coeffcente angolare Valore d x n corrspondenza della - ma osservazone 6

7 SMmator de Mnm QuadraM β 0 * e β 1 * sono oeenum trovando valor β 0 e β 1 che mnmzzano la somma de quadram delle dfferenze tra y e y * : mn SSE = mn e = mn (y y * ) = mn [y (β * 0 +β * 1 x )] S fa uso del calcolo dfferenzale per oeenere gl smmator de coeffcenm β 0 e β 1 che mnmzzano SSE SMmator de Mnm QuadraM Lo smmatore del coeffcente angolare è β 1 * = 1 n 1 n =1 1 n 1 (x x)(y y) n =1 (x x) = Cov(XY) Var(X) La smma della costante o nterceea è β 0 * = y β 1 * x La reea d regressone passa sempre per l punto d coordnate (x, y) 7

8 Modello d Regressone Lneare Ipotes 1 La forma della vera relazone per la popolazone è lneare (Y è una funzone lneare d X, pù un errore aleatoro) I termn d errore, ε sono ndpendenm da valor d X 3 I termn d errore sono varabl aleatore con meda 0 e varanza costante, σ (la propretà d varanza costante è chamata omoschedasmctà) E[ε ] = 0 e E[ε ] = σ = 1,,n 4 I termn aleator d errore, ε, non sono correlam fra loro, qund E[ε ε ] = 0 j per ogn j Interpretazone del Coeffcente Angolare e dell InterceEa β 0 * è l valore medo smmato d Y quando l valore d X è zero (se X = 0 è nell ntervallo d valor osservam per X) β 1 * è la smma della varazone d Y relamva a una varazone untara d X 8

9 Regressone Lneare Semplce Esempo Un vendtore d auto usate vuole studare la relazone tra Km effeeuam e l prezzo dell auto usata E stato selezonato un campone casuale d 100 auto S voglono smmare parametr della reea d regressone Auto Km Prezzo Varable ndpendente X Varable dpendente Y Dagramma d dspersone 6000 Prezzo Km 9

10 Regressone Lneare Semplce Esempo Per determnare β 0 * e β 1 * bsogna calcolare: x = 36009,45; y = 5411,41; (x s x = x) = 4358,688 Cov(X,Y ) = n 1 dove n = 100 β 1 * = Cov(X,Y ) s x = 1356, ,688 = 0,031 ( ) x y x y n 1 β 0 * = y β 1 * x = 5411,41 ( 0,031)(36009,45) = 6533 = 1356,56 L equazone del modello smmato è: y * = β 0 * + β 1 * x = ,031x Interpretazone de rsultam della smma de parametr 6533 Prezzo 0 No dat Km y * = ,031x L ntercetta è 6533 L ntercetta può essere nterpretata come: Il prezzo delle auto quando km percors sono par a zero (auto nuove o a Km zero) Tale prezzo dpende, qund, da tutte le altre varabl non ncluse nel modello d regressone che possono nfluenzare l prezzo delle auto (marca, modello, ecc) Il coeffcente d regressone può essere nterpretato come: per ogn chlometro addzonale, l prezzo decresce n meda d 0,031 10

11 Msure d Varazone La varazone totale (somma de quadram degl scarm d Y) è composta da due parm: SST = SSR + SSE Somma de QuadraM Totale Somma de QuadraM della Regressone Somma de QuadraM degl Error SST = (y y SSR = (yˆ y SSE = (y yˆ dove: y ) ) = Valore medo della varable dpendente ) y = Valor osservam per la varable dpendente ŷ (equvalente d y* ) = Valore prevsto per Y n corrspondenza d un dato valore d x Msure d Varazone SST = somma de quadram degl scarm tra y e l suo valore medo Msura la varazone de valor y rspeeo alla loro meda, y SSR = somma de quadram della regressone Msura quanta parte della varabltà d SST può essere aerbuta alla relazone lneare tra X e Y SSE = somma de quadram degl error Msura quanta parte della varabltà d SST è aerbuta a faeor dvers da SSR 11

12 y Y y _ y _ SST = (y - y) Msure d Varazone SSE = (y - y ) _ SSR = (y - y) y _ y x X Coeffcente d determnazone lneare, R Il coeffcente d determnamone lneare è la porzone della varazone totale della varable dpendente (SST) che è spegata dalla varazone della varable ndpendente (SSR) Il coeffcente d determnazone è anche chamato R- quadrato ed è ndcato con R R = SSR SST = somma de quadrat della regressone somma de quadrat totale = 1 SSE SST 0 R 1 1

13 Esemp d Valor ApprossmaM d R Y R = 1 Y R = 1 X Relazone lneare perfe;a tra X e Y: 100% della varazone d Y è spegata dalla varazone d X R = 1 X Esemp d Valor ApprossmaM d R Y 0 < R < 1 Relazon lnear debol tra X e Y: X Parte ma non tu;a la varazone d Y è spegata dalla varazone d X Y X 13

14 Esemp d Valor ApprossmaM d R Y R = 0 R = 0 X Nessuna relazone lneare tra X e Y: Il valore d Y non dpende da X (La varazone d Y non è spegata per nente dalla varazone d X) Calcolo d R Indce d determnazone lneare per l modello d regressone che msura la dpendenza del prezzo delle auto da Km precors SSR = β 1 * ( ) n (x x) = β 1 * =1 ( ) (n 1)s x SSR = ( 0,031) ,688 = 4194,884 R = SSR SST = 4194,884 = 0,6518 0, ,999 Il 65% della varabltà del prezzo delle auto è spegata (dpende) dalla varabltà de Km percors Il restante 35% della varabltà d Y non vene spegato dal modello smmato 14

15 SMma della Varanza dell Errore del Modello Lo smmatore per la varanza dell errore del modello per la popolazone è n e σ ε * = s =1 e = n = SSE ( n 1)s Cov( X,Y ) y n = s x n La dvsone per n nvece d n 1 derva dal faeo che l modello d regressone lneare semplce usa due smme per parametr, β 0 e β 1, nvece d una s e = s e è chamato errore standard delle smme Confronto fra Error Standard s e è una msura della varazone del valore osservato d Y usando la reea d regressone Y Y s e pccolo X s e grande X La varabltà d s e dovrebbe essere sempre gudcata n relazone alla varabltà de valor camponar d Y 15

16 Relazone tra prezzo delle auto e Km percors: smma d σ e * Calcolamo l errore standard delle spme per la relazone tra Km effe;uap e l prezzo d un auto usata SSE = SST SSR SSE = ( n 1)s Y SSR = 99 64, ,88 = 40,0 Dunque, s e = SSE n 40,0 98 = 4,78 Il modello approssma bene dat, soprattutto se confrontamo s ε con la meda camponara d Y s ε = 4,78; y = 5411,4 Inferenza sul Modello d Regressone La varanza del coeffcente angolare della reea d regressone (β 1 ) è smmato da s = β 1 s e (x x) s e = (n 1)s x s e dove: s β1 = SMma dell errore standard del coeffcente angolare β 1 SSE = = Errore Standard della smma n 16

17 Confronto fra Error Standard del Coeffcente Angolare S β1 è una msura della varazone del coeffcente angolare della reea d regressone per dvers possbl campon Y Y X S β1 pccolo S β1 grande X Inferenza sul Coeffcente Angolare: Test T e ntervallo d confdenza Test T sul coeffcente angolare della popolazone C è una relazone lneare tra X e Y? Ipotes nulla e alternamva H 0 : β 1 = 0 (nessuna relazone lneare) H 1 : β 1 0 (esste una relazone lneare) StaMsMca test T = β * β 1 1 ~ t S ( n ) β1 β 1 * = coeffcente angolare smmato β 1 = pendenza pomzzata s β1 = errore standard d β 1 Intervallo d confdenza per β 1 β 1 * t n,α / s β1 < β 1 < β 1 * + t n,α / s β1 17

18 Relazone tra prezzo delle auto e Km percors: nferenza su β 1 Test d potes su β 1 α=005; α/=005; n- =98 Valore crpco: t ( α,n ) = t ( 005,98) z ( 0,975) =1,96 H 0 : β 1 = 0; H 1 : β 1 0 Regola d decsone < T < +196 s acce;a H 0 T oppure T +196 s rfuta H 0 s β1 = s e (n 1)s x = 4,78 ( ) = 0,011 T = ,688 β * 1 β 1 = 0,031 0 =,84 s β1 0,011 S rfuta H 0 Intervallo d confdenza per l coeffcente d regressone β 1 α=0,05; α/=0,05; n- =98 s * β1 ) # &, ), + β * 1 ± t ( α,n ) % s s * = ε ( + % β 1 $ (n 1)!s ( + 0,031 ±1,96 4,78 + * x '- * + 99 ( 4358,688) ) * 0,0357; -0,067, - - Prevsone Il modello d regressone lneasre può essere usato per prevedere un valore d Y, n corrspondenza d un parmcolare valore d X Per uno specfco valore, x n+1, l valore prevsto è y* n+1 = β 0 * +β 1 * x n+1 Prevsone del prezzo d vendta d un auto che ha percorso Km ( y * X = 40000) = ,031X = ,031(40000) =

19 Test non parametrc Tabelle d ConMngenza Usate per classfcare le osservazon camponare secondo due caraeersmche Anche chamate tabelle cross- classfcamon or cross- tabulamon Assumamo c sano r categore per la caraeersmca A e c categore per la caraeersmca B Allora c sono (r x c) possbl cross- classfcazon 19

20 Tabella d ConMngenza r x c Caratterstca B Caratterstca A 1 C Total 1 r Total O 11 O 1 O r1 C 1 O 1 O O r C O 1c O c O rc C c R 1 R R r n Test d Assocazone Consdera n osservazon tabulate n una tabella d conmngenza r x c DenoMamo con O j l numero d osservazon nella cella che corrsponde alla ma rga e j ma colonna L potes nulla è H 0 : Assenza d assocazone fra ledue caratterstchenella popolazone L approprato test è un test ch- quadrato con (r- 1)(c- 1) grad d lbertà 0

21 Test d Assocazone Sano R e C j total per rga e per colonna Il numero aeeso d osservazon nella cella che corrsponde alla rga e alla colonna j, dato che H 0 è vera, è E j = R C Un test d assocazone al lvello d sgnfcamvtà α è basato sulla dstrbuzone ch- quadrato e la seguente regola d decsone n j Rfutare H 0 se χ r c = = 1 j= 1 (O j E E j j ) > χ (r 1)c 1), α Esempo Tabella d ConMngenza Essere mancn vs Genere Mano Domnante : Snstra vs Destra Genere: Mascho vs Femmna H 0 : Assenza d assocazone tra mano domnante e sesso H 1 : Mano domnante non è ndependente dal sesso 1

22 Esempo Tabella d ConMngenza RsultaM camponar organzzam n una tabella d conmngenza: Dmensone campone = n = 300: 10 Femmne, d cu 1 mancne 180 Masch, d cu 4 mancn Mano domnante Genere Snstra Destra Femmna Mascho Logca del Test H 0 : Assenza d assocazone tra mano domnante e genere H 1 : mano domnante non è ndependente dal sesso Se H 0 è vera, allora la proporzone d donne mancne dovrebbe concdere con la proporzone d uomn mancn Le due proporzon precedenm dovrebbero concdere con la proporzone generale d persone mancne

23 Frequenze AEese 10 Femmne, d cu 1 mancne 180 Masch, d cu 4 mancn Se non c è assocazone, allora In generale: P(mancno) = 36/300 = 0,1 P(Mancno Femmna) = P(Mancno Mascho) = 0,1 Qund c aspeeeremmo che l 1% delle 10 femmne e l 1% de 180 masch sano mancn e, c aspe;eremmo (10)(1) = 144 femmne mancne (180)(1) = 16 masch mancn E Frequenze AEese Frequenza aeesa delle celle: R C j j = = n Esempo: ma ma (totale Rga )(totale j Colonna) Dmensone Totale del campone (10)(36) E 11 = =

24 Frequenze Osservate vs AEese Frequenze osservate vs frequenze aeese: Genere Femmna Mascho Snstra Osservate = 1 Attese = 144 Osservate = 4 Attese = 16 Mano domnante Destra Osservate = 108 Attese = 1056 Osservate = 156 Attese = La StaMsMca Test Ch- Quadrato La stamsmca test ch- quadrato è: χ = r c = 1 j= 1 (O E ) j E j j con g d l = ( r 1)( c 1) dove: O j = frequenza osservate nella cella (, j) E j = frequenza aeesa nella cella (, j) r = numero d rghe c = numero d colonne 4

25 Sesso Femmna Mascho Frequenze Osservate vs AEese Snstra Osservate = 1 Attese = 144 Osservate = 4 Attese = 16 Mano domnante Destra Osservate = 108 Attese = 1056 Osservate = 156 Attese = χ (1 144) = 144 ( ) (4 16) + 16 ( ) = Anals d ConMngenza χ = con gdl = ( r -1)( c -1) = (1)(1) = 1 Regola d Decsone: Se χ > 3841, rfutare H 0, altrmenm, non rfutare H 0 α = 005 χ 05 = 3841 Non rfutare H 0 Rfutare H 0 χ Qu, χ = < 3841, qund non rfumamo H 0 e concludamo che genere e mano domnante non sono assocate 5

26 Test sulla Bontà d AdaEamento I dam camponar conformano con una dstrbuzone pomzzata? Esemp: I rsultam camponar conformano con specfcate probabltà aeese? Il numero d chamate d supporto tecnco è lo stesso per tu{ gorn della se{mana? (e, le chamate hanno una dstrbuzone unforme?) Le msurazon relamve ad un processo d produzone seguono una dstrbuzone normale? Test sulla Bontà d AdaEamento Il numero d chamate d supporto tecnco è lo stesso per tu{ gorn della se{mana? (e, le chamate hanno una dstrbuzone unforme?) Per cascun gorno della se{mana, raccoglamo dam camponar relamv a 10 gorn: Somma delle chamate per quesp gorn: Luned 90 Marted 50 Mercoled 38 Goved 57 Venerd 65 Sabato 30 Domenca 19 Σ = 17 6

27 Logca del Test sulla Bontà d AdaEamento Se le chamate sono dstrbute unformemente, le 17 chamate dovrebbero essere equamente dvse fra 7 gorn: 17 = 7 46 chamate attese per gorno se unforme Test ch- quadrato sulla bontà d adaeamento: test per vedere se rsultam camponar sono consstenm con rsultam aees Luned Marted Mercoled Goved Venerd Sabato Domenca Frequenze Osservate vs AEese Osservate O Attese E TOTALE

28 StaMsMca Test Ch- Quadrato H 0 : La dstrbuzone delle chamate è unforme rspeeo a gorn della se{mana H 1 : La dstrbuzone delle chamate non è unforme La stamsmca test è K (O E) χ = E = 1 dove: K = numero d categore O = frequenza osservata per categora E = frequenza aeesa per categora (dove gdl = K 1) Rfutare H 0 se La Regone d Rfuto H 0 : La dstrbuzone delle chamate è unforme rspeeo a gorn della se{mana H 1 : La dstrbuzone delle chamate non è unforme χ = χ K = 1 (O E ) E > χ α α (con k 1 grad d lbertà) χ 0 Non rfutare H 0 χ α Rfutare H 0 8

29 StaMsMca Test Ch- Quadrato H 0 : La dstrbuzone delle chamate è unforme rspeeo a gorn della se{mana H 1 : La dstrbuzone delle chamate non è unforme χ (90 46) = 46 (50 46) + 46 (19 46) = 305 k 1 = 6 (7 gorn della se{mana) qund usamo 6 grad d lbertà: χ 05 = Conclusone: χ = 305 > χ α = qund rfupamo H 0 e concludamo che la dstrbuzone non è unforme 0 Non rfutare H 0 α = 05 Rfutare H 0 χ χ 05 = Test sulla Bontà d AdaEamento, Parametr della Popolazone non NoM Idea: Verfcare se dam hanno una specfca dstrbuzone (per esempo bnomale, Posson, o normale) senza assumere che parametr della popolazone sano nom Usamo dam camponar per smmare parametr della popolazone che non sono nom 9

30 Test sulla Bontà d AdaEamento, Parametr della Popolazone non NoM Supponamo che l potes nulla specfch probabltà per le categore che dpendono dalla smma (da dam) d m parametr non nom della popolazone L approprato test sulla bontà d adaeamento è uguale a quello fornto precendentemente χ = = 1 (O E ) E tranne che l numero d grad d lbertà per la varable ch- quadrato è Grad d Dove K è l numero d categore K Lbertà = (K m 1) 30

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat

Dettagli

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2 Corso d STATISTICA Prof. Roberta Sclano Ordnaro d Statstca, Unverstà d Napol Federco II Professore supplente, Unverstà della Baslcata a.a. 0/0 Contenut: o Specfcazone del modello o Ipotes del modello classco

Dettagli

a) Individuare l intervallo di confidenza al 90% per la media di popolazione;

a) Individuare l intervallo di confidenza al 90% per la media di popolazione; Eserczo Il responsable marketng d una catena d negoz vuole analzzare l volume delle vendte mensl d un determnato bene d largo consumo. Una socetà che conduce rcerche d mercato è ncarcata d effettuare un

Dettagli

IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE

IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE CORRELAZIONE Legame - Assocazone - Accordo Relazone tra varabl valutare l grado d recproca nfluenza tra due varabl; valutare l grado d assocazone

Dettagli

Capitolo 3. Cap. 3-1

Capitolo 3. Cap. 3-1 Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare

Dettagli

STATISTICA A K (63 ore) Marco Riani

STATISTICA A K (63 ore) Marco Riani STATISTICA A K (63 ore) Marco Ran mran@unpr.t http://www.ran.t Rcham sulla regressone MODELLO DI REGRESSIONE y a + b + e dove: 1,, n a + b rappresenta una retta: a ordnata all orgne ntercetta b coeff.

Dettagli

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente Unverstà d Macerata Dpartmento d Scenze Poltche, della Comuncazone e delle Relaz. Internazonal La Regressone Varable ndpendente o esplcatva Prezzo n () () 1 1 Varable dpendente 15 1 1 1 5 5 6 6 61 6 1

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra

Dettagli

Campo di applicazione

Campo di applicazione Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo

Dettagli

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI TECNICHE DI ANALISI DEI DATI AA 017/018 PROF. V.P. SENESE Quest materal sono dsponbl per tutt gl student al seguente ndrzzo: https://goo.gl/hxl9zg Unverstà della Campana Lug Vanvtell Dpartmento d Pscologa

Dettagli

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI TECNICHE DI ANALISI DEI DATI AA 16/17 PROF. V.P. SENESE Quest materal sono dsponbl per tutt gl student al seguente ndrzzo: https://goo.gl/rwabbd Seconda Unverstà d Napol (SUN) Dpartmento d Pscologa TECNICHE

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012 CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso

Dettagli

materiale didattico I incontro

materiale didattico I incontro Pano Nazonale Lauree Scentfche (PLS 2016-2017) Statstca Laboratoro d Statstca Le relazon tra varabl prof.ssa Angela Mara D'Uggento angelamara.duggento@unba.t materale ddattco I ncontro Dall anals statstca

Dettagli

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl Le Inferenze sul modello d regressone PREVEDONO: Assunzone d normaltà degl error e nferenza su parametr Anals della Varanza Inferenza per la rsposta meda e la prevsone Anals de resdu Valor anomal Captolo

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Regressione lineare con un singolo regressore

Regressione lineare con un singolo regressore Regressone lneare con un sngolo regressore Eduardo Ross 2 2 Unverstà d Pava (Italy) Marzo 2013 Ross Regressone lneare semplce Econometra - 2013 1 / 45 Outlne 1 Introduzone 2 Lo stmatore OLS 3 Esempo 4

Dettagli

Correlazione lineare

Correlazione lineare Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra d Statstca Medca, Unverstà d Bar 1/19 IL PROBLEMA

Dettagli

Oltre la regressione lineare

Oltre la regressione lineare Oltre la regressone lneare Modello d regressone lneare (semplce o multpla: - varabl esplcatve X quanttatve e qualtatve (nserte tramte uso d varabl dummy - varable dpendente Y è quanttatva Y = b + b X +

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

Regressione e correlazione

Regressione e correlazione Regressone e correlazone Corso d statstca socale prof. Natale Carra - Unverstà degl Stud d Bergamo a.a. 005-06 Regressone Questo modello d anals bvarata esamna le relazon fra coppe d varabl contnue. Un

Dettagli

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1

Dettagli

03/03/2012. Campus di Arcavacata Università della Calabria

03/03/2012. Campus di Arcavacata Università della Calabria Campus d Arcavacata Unverstà della Calabra Corso d statstca RENDE a.a 0-00 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 Concentrazone Un altro aspetto d un nseme d dat che s aggunge alla meda e alla varabltà è costtuto

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

Test delle Ipotesi e Analisi della Varianza (ANalysis Of VAriance: ANOVA)

Test delle Ipotesi e Analisi della Varianza (ANalysis Of VAriance: ANOVA) delle Ipotes e Anals della Varanza (ANalyss Of VArance: ANOVA) delle Ipotes sulla meda Introduzone Defnzon baslar Teora per l caso d varanza nota Rsch nel test delle potes Teora per l caso d varanza non

Dettagli

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student. Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana

Dettagli

Regressioni con variabili strumentali

Regressioni con variabili strumentali Regresson con varabl strumental 3 mportant mnacce alla valdtà nterna del modello: Bas dovuta alle varabl omesse, varabl correlate con X ma non osservate e che per questo non possono essere ncluse nella

Dettagli

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017 Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può

Dettagli

Modelli con varabili binarie (o qualitative)

Modelli con varabili binarie (o qualitative) Modell con varabl bnare (o qualtatve E( Y X α + βx + ε quando Y è una varable benoullana Y 1 0 s ha l modello lneare d probabltà Pr( Y 1 X α + βx + ε dove valor stmat della Y assumono l sgnfcato d probabltà.

Dettagli

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D FIRMA DELLO STUDENTE Cognome PRIMA PROVA INTERMEDIA DI STATISTICA (COD. 3000/6045/5047/4038/37/377) 26 ottobre 20 Nome Numero d matrcola Corso d Laurea Cod. corso COMPITO D A fn della valutazone s terrà

Dettagli

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30 1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza

Dettagli

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest

Dettagli

PIANIFICAZIONE DEI TRASPORTI

PIANIFICAZIONE DEI TRASPORTI Unverstà d Caglar DICAAR Dpartmento d Ingegnera Cvle, Ambentale e archtettura Sezone Trasport PIANIFICAZIONE DEI TRASPORTI Eserctazone su modell d generazone A.A. 2016-2017 Ing. Francesco Pras Ing. Govann

Dettagli

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ANALISI STATISTICA DELLE INCERTEZZE CASUALI AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

Dettagli

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill Statstca - metodologe per le scenze economche e socal /e S Borra, A D Cacco - McGraw Hll Es Soluzone degl esercz del captolo 7 In base agl arrotondament effettuat ne calcol, s possono rscontrare pccole

Dettagli

Esercitazione 1 del corso di Statistica 2

Esercitazione 1 del corso di Statistica 2 Eserctazone del corso d Statstca rof. Domenco Vstocco Dott.ssa aola Costantn 8 Aprle 008 Eserczo n. S consder un campone d 00 student d cu s conoscono le seguent probabltà dstnt secondo l sesso (Mmascho,

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre

Dettagli

MODELLI DI UTILITÀ ALEATORIA

MODELLI DI UTILITÀ ALEATORIA corso d Teora e Tecnca della Crcolazone + Trasport e Terrtoro a.a. 2012-2013 MODELLI DI UTILITÀ ALEATORIA PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma2.t Modell d utltà

Dettagli

ANALISI DI TABELLE DI CONTINGENZA

ANALISI DI TABELLE DI CONTINGENZA ANALISI DI TABELLE DI CONTINGENZA 91 TABELLE DI CONTINGENZA Una tabella d contngenza è una tabella d frequenza a doppa entrata n cu vengono ncrocate due varabl qualtatve. Esempo SESSO INTERESSE PER STATISTICA

Dettagli

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

Statistica. Capitolo 13. Test sulla Bontà di Adattamento e Tabelle di Contingenza. Cap. 16-1

Statistica. Capitolo 13. Test sulla Bontà di Adattamento e Tabelle di Contingenza. Cap. 16-1 Statistica Capitolo 13 Test sulla Bontà di Adattamento e Tabelle di Contingenza Cap. 16-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Usare il test sulla bontà di adattamento

Dettagli

Indici di variabilità

Indici di variabilità Indc d varabltà Gl ndc d varabltà msurano ) la dspersone (rspetto alla poszone) ) la varabltà = 0 = 0 Gl ndc d poszone sono tanto pù rappresentatv quanto mnore è la dspersone de dat ntorno ad ess. La varabltà

Dettagli

Metodologie informatiche per la chimica

Metodologie informatiche per la chimica Metodologe nforatche per la chca Dr. Sergo Brutt Anals de dat 6 Y Rcaptolo generale Dato un nsee d sure sperental d una varable dpendente al varare d una varable ndpendente è possble edante l crtero de

Dettagli

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri Fsca Generale I Msure d grandezze fsche e ncertezze d msura Lezone 3 Facoltà d Ingegnera Lvo Lancer Indce Abbamo mparato: Orgne e classfcazone delle ncertezze (error) d msura Rappresentazone delle ncertezze

Dettagli

Lezione 4. Politica Economica Avanzata

Lezione 4. Politica Economica Avanzata Lezone 4 Poltca Economca Avanzata Come msuramo la rendta d Conoscamo la def. Teorca. un mpresa? Dvdamo n base al valore medano tra mprese a bassa ed alta rendta. Che legame con la crescta della produttvtà

Dettagli

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

Dettagli

Soluzione esercizi seconda settimana

Soluzione esercizi seconda settimana Soluzone esercz seconda settmana Es. 7 famgle Spesa per manfestazo n cultural (Z) A 00,9 B 40 4,0 C 50,5 D 70,6 E 80, F 300,8 G 00,5 Reddto mensle del capofamgla (x 000 Euro) (Y) Costrure l dagramma d

Dettagli

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati. Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes

Dettagli

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri Fsca Generale I Msure d grandezze fsche e ncertezze d msura Lezone 3 Facoltà d Ingegnera Lvo Lancer Indce Abbamo mparato: Orgne e classfcazone delle ncertezze (error) d msura Rappresentazone delle ncertezze

Dettagli

si utilizzano per confrontare le distribuzioni

si utilizzano per confrontare le distribuzioni Dspersone o Varabltà Defnzone: Le Msure d Dspersone: sono par a zero n caso d dspersone nulla s utlzzano per confrontare le dstrbuzon permettono d valutare la rappresentatvtà delle msure d centraltà. 89

Dettagli

Probabilità cumulata empirica

Probabilità cumulata empirica Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI

ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI Rappresentazone tabellare della sere storca Sequenza cronologca Sequenza ordnata Osservazon d massmo annuo d pogga n un gorno 2 Rappresentazone grafca della

Dettagli

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca

Dettagli

y. E' semplicemente la media calcolata mettendo

y. E' semplicemente la media calcolata mettendo COME FUNZIONA L'ANOVA A UN FATTORE: SI CONFRONTANO TANTE MEDIE SCOMPONENDO LA VARIABILITA' TOTALE Per testare l'potes nulla che la meda d una varable n k popolazon sa la stessa, s suddvde la varabltà totale

Dettagli

TIPI DI ANALISI DEI DATI ORGANIZZATI IN MATRICI CASI X VARIABILI

TIPI DI ANALISI DEI DATI ORGANIZZATI IN MATRICI CASI X VARIABILI TIPI DI AALISI DEI DATI ORGAIZZATI I MATRICI CASI X VARIABILI A) AALISI MOOVARIATA: prende n esame una sola varable per volta (sngol vettor d colonna della matrce) B) AALISI BIVARIATA: prende n esame l

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti: S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva

Dettagli

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON 3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.

Dettagli

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione. Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.

Dettagli

Propagazione delle incertezze

Propagazione delle incertezze Propagazone delle ncertezze In questa Sezone vene trattato l problema della propagazone delle ncertezze quando s msurano pù grandezze dfferent,,,z soggette a error d tpo casuale e po s utlzzano tal grandezze

Dettagli

Richiami di modelli di utilità aleatoria

Richiami di modelli di utilità aleatoria Corso d LOGISTICA TERRITORIALE www.unroma.t/ddattca/lt DOCENTE prof. ng. Agostno Nuzzolo Rcham d modell d utltà aleatora prof. ng. Agostno Nuzzolo - Corso d Logstca Terrtorale Modell d domanda e utltà

Dettagli

Analisi della Varianza

Analisi della Varianza Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella

Dettagli

C.I. di Metodologia clinica

C.I. di Metodologia clinica C.I. d Metodologa clnca I metod per la sntes e la comuncazone delle nformazon sulla salute Come possamo trarre concluson attendbl su parametr a partre dalle stme camponare? I metod per la produzone delle

Dettagli

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1 Unverstà d Cassno Corso d Statstca Eserctazone del 7/0/006 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 0 soggett. Soggetto Sesso Età Reddto

Dettagli

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

VERIFICA IN ITINERE 9 GENNAIO 2019 CLMA

VERIFICA IN ITINERE 9 GENNAIO 2019 CLMA VERIFICA IN ITINERE 9 GENNAIO 2019 CLMA 1 Varabl Qualtattve: Sesso, Lvello d struzone Varabl Quanttatve: Età, Altezza, Peso 2 Età: Meda=74.1 ; Medana=73 ; Std=6.2 ; Q1=68 ; Q3=80 Altezza: Meda=172.5 ;

Dettagli

PRIMA PROVA INTERMEDIA DI STATISTICA CLEA (COD. 5047/4038/371/377) 3 Novembre 2004 COMPITO A1

PRIMA PROVA INTERMEDIA DI STATISTICA CLEA (COD. 5047/4038/371/377) 3 Novembre 2004 COMPITO A1 PRIMA PROVA INTERMEDIA DI STATISTICA CLEA (COD. 5047/4038/37/377) 3 Novembre 004 Cognome Numero d matrcola Nome COMPITO A A fn della valutazone s terrà conto solo ed esclusvamente d quanto rportato negl

Dettagli

Test delle ipotesi Parte 2

Test delle ipotesi Parte 2 Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2:

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2: Costruzone d macchne Modulo d: Progettazone probablstca e affdabltà Marco Beghn Lezone : Probabltà condzonata e varabl casual Probabltà condzonata: La probabltà d un evento A (r)valutata quando è noto

Dettagli

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla

Dettagli

Modelli di utilità aleatoria

Modelli di utilità aleatoria corso d Teora de Sstem d Trasporto Modell d utltà aleatora PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma.t Iscrzone al corso Modell d offerta ü Da effettuars anche on

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

Esame di Statistica Corso di Laurea in Economia Prof.ssa Giordano 14 Settembre 2012

Esame di Statistica Corso di Laurea in Economia Prof.ssa Giordano 14 Settembre 2012 Esame d Statstca Corso d Laurea n Economa Prof.ssa Gordano 4 Settembre 0 Cognome Nome atr. Eserczo Ad alcun acqurent d smart TV è stata chesta la frequenza con cu s collegano ad nternet con l TV (servzo

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)

Dettagli

Metodologie informatiche per la chimica

Metodologie informatiche per la chimica Metodologe nforatche per la chca Dr. Sergo Brutt Test d potes e soothng Rsultat dell eserctazone Legenda: A = copto eccellente; B = copto buono; C = copto suffcente; D = copto scarso; E = copto nsuffcente.

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto

Dettagli

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le

Dettagli

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone

Dettagli

Statistica Descrittiva

Statistica Descrittiva Statstca Descrttva Corso d Davd Vettur Dat osservat Sano note le seguent msure dello spessore d una lastra d materale polmerco espresse n mllmetr 3.71 3.83 3.85 3.96 3.84 3.8 3.94 3.55 3.76 3.63 3.88 3.86

Dettagli

L analisi della correlazione lineare

L analisi della correlazione lineare L anals della correlazone lneare Corso d STATISTICA Prof. Roberta Sclano Ordnaro d Statstca, Unverstà d apol Federco II Professore supplente, Unverstà della Baslcata a.a. 20/202 Prof. Roberta Sclano Statstca

Dettagli

LA VARIABILITA. IV lezione di Statistica Medica

LA VARIABILITA. IV lezione di Statistica Medica LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce

Dettagli

Il campionamento casuale semplice

Il campionamento casuale semplice Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V

Dettagli

Esame di Statistica TEMA B Corso di Laurea in Economia Prof.ssa S. Giordano 15 Febbraio 2013

Esame di Statistica TEMA B Corso di Laurea in Economia Prof.ssa S. Giordano 15 Febbraio 2013 Esame d Statstca TEMA B Corso d Laurea n Economa Prof.ssa S. Gordano Febbrao 03 Cognome Nome Matr. (n stampatello) Eserczo Nella tabella seguente sono rporta dat rguardant la produzone lorda d energa elettrca

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli

Sistemi Intelligenti Stimatori e sistemi lineari - III

Sistemi Intelligenti Stimatori e sistemi lineari - III Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\

Dettagli

Metodi Quantitativi per Economia, Finanza e Management

Metodi Quantitativi per Economia, Finanza e Management Metod Quanttatv per Economa, Fnanza e Management Lezone n 10 Regressone Logstca: Le potes del modello, la stma del modello, l nterpretazone del del modello L mpostazone del problema Reddtvtà = rcav - cost

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA - - ELEMENTI DI STATISTICA 7 x = x = 8.7 6 6 6 = = 6 Γ( XY, ) xy xy 6 = y = y = ( ) = 6 σ Y y y 6 6 = 6 = = Γ( XY ρ( XY, ), ) σ X σ Y ( ) ( ) s ( m) = m f m 5 5 k = - - Element d statstca descrttva I dat

Dettagli

,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100

,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100 Dstrbuzon d frequenza Varable x Frequenze Frequenze Frequenze Frequenze % cumulate relatve x 1 n 1 n 1 n 1 / n 1 /*100 x n n 1 +n n / n /*100 x k n k n 1 +.+n k = n k / n k /*100 totale 1 100 Indc sntetc

Dettagli