Università degli Studi di Salerno Pietro Coretto. Corso di Statistica FORMULARIO
|
|
- Tiziano Piccolo
- 5 anni fa
- Visualizzazioni
Transcript
1 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 i classi si deota co c i = (x i 1 + x i )/2 il valore cetrale della classe ima. Media Serie dati: x = 1 x i Distribuzioi semplici: x = 1 x i i Distribuzioi i classi: x 1 c i i Mometo secodo Serie dati: m 2,X = 1 x2 i Distribuzioi semplici: m 2,X = 1 x2 i i Distribuzioi i classi: m 2,X 1 c2 i i Variaza Serie dati: s 2 = 1 1 (x i x) 2 Distribuzioi semplici: s 2 = 1 1 (x i x) 2 i Distribuzioi i classi: s (c i x) 2 i Mometo misto per serie di dati: m XY = 1 x iy i Deviaze e mometi (x i x) 2 = (m 2,X x 2 ) 1
2 (x i x)(y i y) = (m XY x y) Quatile α per serie di dati. Sia x (i) la ima osservazioe ella serie ordiata, sia m = α( + 1), t=(parte itera di m) e γ=(parte decimale di m) q X (α) = { x (m) x (t) + γ [x (t+1) x (t) ] se m è itero altrimeti Quatile α per dati raggruppati i classi. Sia (x i 1, x i ] la classe coteete q X (α), ovvero x i è il più piccolo estremo superiore di classe tale che F i α, allora Boxplot q X (α) = x i 1 + (x i x i 1 ) α F i 1 F i F i 1 Quartili e mediaa: Q 1 = q X (0.25), M = q X (0.5), e Q 3 = q X (0.75) Differeza iterquartile: IQR = Q 3 Q 1 Cardii del boxplot: h = Q IQR, e H = Q IQR Estremi del boxplot: a = max{x mi, h}, e b = mi{x max, H} Covariaza e correlazioe s XY = 1 1 (x i x)(y i ȳ) = r XY = s XY s X s Y Poolig di alcue statistiche (m 1 XY x y) s 2 p = ( X 1)s 2 X +( Y 1)s 2 Y X + Y 2 ˆp 0 = X ˆp X + Y ˆp Y X + Y Probabilità Pr{A B} = Pr{A} + Pr{B} Pr{A B} Pr{A B} = Pr{A B} Pr{B}, Pr{B} > 0 A e B soo eveti idipedeti se e solo se Pr{A B} = Pr{A} Pr{B} 2
3 (Teorema di Bayes) Sia E u eveto, A 1, A 2,..., A mutuamete esclusivi e ecessari Pr{A i E} = Pr{E A i } Pr{A i } Pr{E A 1 } Pr{A 1 } Pr{E A } Pr{A } Odds i favore di A: Pr{A} 1 Pr{A} Mometi di variabili casuali discrete. casuale discreta X. Sia p(x) la fuzioe di probabilità della variabile Mometo primo/media: E[X] = x i p(x i ) Mometo secodo: E[X 2 ] = x2 i p(x i ) Variaza: Var[X] = (x i E[X]) 2 p(x i ) = E[X 2 ] (E[X]) 2 Modelli per variabili casuali discrete X Beroulli(p), p(x) = p x (1 p) x, E[X] = p, Var[X] = p(1 p) X Biomiale(, p), p(x) =! x!( x)! px (1 p) x, E[X] = p, Var[X] = p(1 p) λ λx X Poisso(λ), p(x) = e E[X] = λ, Var[X] = λ x! Mometi di variabili casuali cotiue. Sia F (x) la fuzioe di ripartizioe, e f(x) la fuzioe di desità, della variabile casuale cotiua X. Mometo primo/media: E[X] = + x f(x)dx Mometo secodo: E[X 2 ] = + x2 f(x)dx Variaza: Var[X] = + (x E[X])2 f(x)dx = E[X 2 ] (E[X]) 2 Quatili e valori di coda per variabili casuali cotiue. Sia F (x) la fuzioe di ripartizioe della variabile casuale cotiua X. Si assume F (x) strettamete mootoa. Quatile al livello α: q X (α) è il valore tale che Pr{X q X (α)} = α, ovvero F (q X (α)) = α Coda al livello α: x α è il valore tale che Pr{X > x α } = α Quatili e code: x α = q X (1 α) Trasformazioi lieari. Siao X e Y variabili casuali (cotiue o discrete) co mometo secodo fiito. Siao a e b costati reali fissate, e sia Y = a + bx E[Y ] = a + b E[X] Var[X] = b 2 Var[X] 3
4 q Y (α) = a + b q X (α) y α = a + bx α Sia W = ax + by, allora E[W ] = a E[X] + b E[Y ] e Var[W ] = a 2 Var[X] + b 2 Var[Y ] + 2ab Cov[X, Y ] Modello Normale: Siao X Normale(µ, σ 2 ) e Z Mometi: E[X] = µ, Var[X] = σ 2 Liearità: X = µ + σz, da cui Pr{X x 0 } = Pr { } Z x 0 µ σ, qx (α) = µ + σ q Z (α), e quidi x α = µ + σ z α Simmetria: Pr{Z z 0 } = Pr{Z z 0 }, quidi z (1 α) = z α Mesocurtosi: E[Z 4 ] = 3, Pr{Z 4} = 0 e Pr{Z 4} = 1 Altri modelli per variabili casuali cotiue Studet-t: X t k,desità di probabilità simmetrica rispetto a 0. Mometi: E[X] = 0 se k > 1, Var[X] = se k > 2. k k 2 Chi-quadrato: X χ 2 k,, E[X] = k, Var[X] = 2k Campioameto casuale semplice, statistiche e stimatori Media campioaria X = 1 X i E[X] = µ, Var[ X] = σ2 ( Popolazioe ormale X Normale µ, σ2 Sotto le codizioi del teorema cetrale del limite: X µ σ Proporzioe campioaria ) ˆP = 1 X i E[ ˆP ] = p, Var[ ˆP ] = p(1 p) Per sufficietemete grade e p(1 p) > 9): ˆP p p(1 p) Variaza campioaria 4
5 S 2 = 1 1 (X i X) 2 E[S 2 ] = σ 2 Popolazioe ormale: ( 1)S2 σ 2 χ 2 1. Distorsioe ed efficieza. Sia ˆθ è uo stimatore di θ: Distorsioe: D[ˆθ] = E[ˆθ] θ Efficieza: MSE[ˆθ] = E[(ˆθ θ) 2 ] = Var[ˆθ] + [D(ˆθ)] 2 Itervalli di cofideza Si assume uo schema di campioameto casuale semplice, ed u livello di sigificatività (1 α). Media di ua popolazioe ormale co variaza ota: σ x ± z α 2 Media di ua popolazioe ormale co variaza o ota: s x ± t 1, α 2 Proporzioe di ua popolazioe beroulliaa (gradi campioi co p(1 p) > 9): ˆp(1 ˆp) ˆp ± z α 2 Variaza di ua popolazioe ormale: [ ( 1)s 2 χ 2, 1, α 2 ] ( 1)s 2 χ 2 1,1 α 2 Test delle ipotesi Di seguito si riportao le fuzioi test co relativa distribuzioe sotto l ipotesi ulla. I ogi caso si assume uo schema di campioameto casuale semplice. Popolazioe ormale co variaza ota. H 0 : µ = µ 0 Z = X µ 0 σ 5
6 Popolazioe ormale co variaza o ota. H 0 : µ = µ 0 T = X µ 0 S t 1 Popolazioe beroulliaa (gradi campioi co p(1 p) > 9). H 0 : p = p 0 Z = ˆP p 0 p 0 (1 p 0 ) Popolazioe ormale. H 0 : σ 2 = σ 2 0 χ = ( 1)S2 σ 2 0 χ 2 1 Popolazioi ormali, idipedeti ed omoschedastiche co variaza comue o ota. H 0 : µ X µ Y = d 0 T = ( X Ȳ ) d 0 dove S 2 p X + S2 p Y t ( X+ Y 2) S 2 p = ( X 1)S 2 X + ( Y 1)S 2 Y ( X + Y 2) Popolazioi ormali, campioi appaiati. H 0 : µ X µ Y = d 0 T = (X Y ) d 0 S d t 1 dove D i = X i Y i, D = 1 D i, S 2 D = 1 1 (D i D) 2 Proporzioi di popolazioi beroulliae (gradi campioi). H 0 : p X p Y = 0 Z = ˆP X ˆP Y ˆP0 (1 ˆP 0 ) X + ˆP 0 (1 ˆP 0 ) Y dove ˆP 0 = X ˆP X + Y ˆPY X + Y 6
7 Regressioe lieare Stime dei miimi quadrati ordiari b 1 = (x i x)(y i ȳ) (x i x) 2 = m XY x y m 2,X x 2 b 0 = ȳ b 1 x ŷ i = b 0 + b 1 x i e i = y i ŷ i s 2 e = 1 2 e 2 i = SSE 2 s 2 b 1 = s 2 e ( 1)s 2 X = s 2 e (m 2,X x 2 ) s 2 e s 2 b 0 = m 2X ( 1)s 2 X = m 2X s 2 e (m 2,X x 2 ) Decomposizioe della deviaza osservata e coefficiete di determiazioe SST = SSR = (y i ȳ) 2 = (m 2Y ȳ 2 ) (ŷ i ȳ) 2 = b 2 1(m 2X x 2 ) SSE = (y i ŷ i ) 2 = e 2 i R 2 = SSR SST = 1 SSE SST = r2 XY 7
8 Test delle ipotesi per i parametri della retta di regressioe Sotto H 0 : β 1 = 0 (e tutte le ecessarie ipotesi sottostati il modello di regressioe) T = b 1 S b1 t 2 Sotto H 0 : β 0 = 0 (e tutte le ecessarie ipotesi sottostati il modello di regressioe) T = b 0 S b0 t 2 Itervalli di cofideza al livello (1 α) Itervallo per β 1 : b 1 ± t 2, α 2 s b 1 Itervallo per β 0 : b 0 ± t 2, α 2 s b 0 8
Formulario (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...
DettagliProprietà asintotiche stimatori OLS e statistiche collegate
Proprietà asitotiche stimatori OLS e statistiche collegate Eduardo Rossi 2 2 Uiversità di Pavia (Italy) Maggio 2014 Rossi Proprietà asitotiche Ecoometria - 2014 1 / 30 Sommario Risultati prelimiari Distribuzioe
DettagliCampionamento e Statistiche Campionarie. Inferenza. Pietro Coretto Università degli Studi di Salerno
Campioameto e Statistiche Campioarie Pietro Coretto pcoretto@uisa.it Uiversità degli Studi di Salero Corso di Statistica (0212700010) CDL i Ecoomia e Maagemet Curriculum i Maagemet e Iformatica a.a. 2018/2019
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
DettagliFormulario di Statistica (Cucina-Lagona)
Formulario di Statistica (Cucia-Lagoa) Corso di Statistica - a.a. 018/19 (Cucia-Lagoa) May 9, 019 1 Statistica descrittiva Media per distribuzioi uitarie o serie dati: x = 1 x i per distribuzioi di frequeze
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
Dettagli1 Famiglia delle densità gamma
olitecico di Milao, Statistica INF, TEL [A-LZ], Epifai I., AA 7/8 Famiglia delle desità gamma Le espressioi delle desità espoeziale di parametro θ e χ date da (E(β)) (χ ) /θe x/β (, ) (x), β > (/) / x
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,
DettagliStatistica Inferenziale Soluzioni 1. Stima puntuale
ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Miozzo e Aamaria Guolo Laurea i Ecoomia del Commercio Iterazioale Laurea i Ecoomia e Ammiistrazioe delle Imprese Uiversità degli Studi di Veroa sede di Viceza
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
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)
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
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
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
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 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
DettagliStima della media di una variabile X definita su una popolazione finita
Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe
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
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.
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
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
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
DettagliSoluzione CPS 22/6/04. I parte. (1). Chiamiamo C l evento l individuo scelto ha il colesterolo alto, V, O e NL rispettivamente
Soluzioe CPS 22/6/04 I parte 1. Chiamiamo C l eveto l idividuo scelto ha il colesterolo alto, V, O e NL rispettivamete è vegetariao, è oivoro e o magia latticii. I dati soo: P C = 0.4, P O C = 0.75, P
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
DettagliEsercitazione di riepilogo II
Esercitazioe di riepilogo II I questa esercitazioe faremi u ripasso geerale: rappresetazioi grafiche, medie e variaze; la correlazioe; la regressioe. 1 Esercizio 1 Gli stipedi degli impiegati di u ufficio
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
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
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
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
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
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
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
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
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2005/06
PROVE SCRITTE DI MTEMTIC PPLICT, NNO 5/6 Esercizio 1 Prova scritta del 14/1/5 Sia X ua successioe I.I.D. di variabili aleatorie co distribuzioe uiforme cotiua, X U(, M), ove M = umero lettere del cogome.
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
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
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
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
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:
DettagliCALCOLO DELLE PROBABILITÀ PROVA SCRITTA DEL 1/2/2011
CALCOLO DELLE PROBABILITÀ PROVA SCRITTA DEL //0 PRIMA PARTE Esercizio U sitomo S è ricoducibile a tre malattie M, M e M 3 a due a due icompatibili. Sapedo che la probabilità che u idividuo abbia la patologia
DettagliProbabilità e Statistica Laurea Triennale in Matematica 17/06/2014 Soluzioni traccia B
Probabilità e Statistica Laurea Trieale i Matematica 7/06/204 Soluzioi traccia B Esercizio 2. (Appello completo) Cosideriamo due ure A e B. L ura A cotiee 4 biglie rosse e 2 ere, metre l ura B cotiee biglia
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,
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
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
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
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
DettagliStatistica. Statistica descrittiva univariata. Sia X la variabile statistica oggetto di studio. Denotiamo con. i dati statistici grezzi
Statistica Studia come si distribuisce ua popolazioe statistica i relazioe a uo (statistica uivariata o più (statistica multivariata caratteri oggetto d idagie. Ua popolazioe statistica è u isieme (fiito
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
DettagliMetodi statistici per lo studio dei fenomeni biologici
Metodi statistici per lo studio dei feomei biologici Alla fie di questa lezioe dovreste essere i grado di: spiegare i cocetti di stima putuale e stima itervallare iterpretare gli itervalli di cofideza
DettagliLA MISURA IN PSICOLOGIA
Prof. Giulio Vidotto (Uiversità di Padova) Lez. 3 - Distribuzioe ormale e stadardizzazioe delle misure Argometi della lezioe Stadardizzazioe Distribuzioe Normale Distribuzioe Normale Stadard Stadardizzazioe
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
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
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
DettagliSTATISTICA 1 ESERCITAZIONE 5
STATISTICA ESERCITAZIONE 5 Dott. Giuseppe Padolfo 28 Ottobre 203 VARIABILITA IN TERMINI DI DISPERSIONE DA UN CENTRO Cetro Me o μ La dispersioe viee misurata come sitesi delle distaze tra le uità statistiche
DettagliUNIVERSITÀ DEGLI STUDI DI LECCE APPUNTI PER IL SEMINARIO DI ELEMENTI DI TEORIA DELLA PROBABILITÀ A.A. 2007/2008
UNIVERSITÀ DEGLI STUDI DI LECCE APPUNTI PER IL SEMINARIO DI ELEMENTI DI TEORIA DELLA PROBABILITÀ A.A. 007/008 Questi apputi soo stati cocepiti come u aiuto didattico per gli studeti della Facoltá di Ecoomia.
DettagliSeconda Prova Intermedia 28 Maggio 2019 Elementi di Probabilità e Statistica, Laurea Triennale in Matematica, M. Romito, M.
Secoda rova Itermedia 8 Maggio 09 Elemeti di robabilità e Statistica, Laurea Trieale i Matematica, 08-9 M. omito, M. ossi roblema 0. Sia X, Y ) ua v.a. a valori i co desità dove N è u parametro fissato.
DettagliDISTRIBUZIONE NORMALE MULTIVARIATA
Distribuzioe ormale uivariata DISTRIBUZIONE NORMALE MULTIVARIATA ANALISI MULTIVARIATA A.A. 00/ CORSO DI LAUREA IN STATISTICA Carla Rampichii Desità Normale μ, σ Normale stadardizzata: μ=0, σ= Distribuzioe
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
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
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
DettagliLegge Gamma e Legge Chi quadro
Legge Gamma e Legge Chi quadro Sia G ua variabile aleatoria di legge Gamma di parametri a e λ reali positivi, G Γ(a, λ, la cui fuzioe di desità è: f G (x = λa Γ(a e λx x a per x 0 dove Γ( è la fuzioe Gamma
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
DettagliStimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao
Stimatori corretti stimatori efficaci e disuguagliaza di Cramer Rao Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche Defiizioe. Sia {X X 2... X } u
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
DettagliLezione 4 Corso di Statistica. Francesco Lagona
Lezioe 4 Corso di Statistica Fracesco Lagoa Uiversità Roma Tre F. Lagoa (fracesco.lagoa@uiroma3.it) 1 / 17 Outlie 1 Media aritmetica 2 variaza 3 il caso delle variabili dicotomiche 4 trasformazioi lieari
DettagliNella seguente tabella sono riportati i dati relativi ai profitti delle società italiane del settore industriale dal 1971 al 1980:
Simulazioe prova d esame Esercizio 1 Nella seguete tabella soo riportati i dati relativi ai profitti delle società italiae del settore idustriale dal 1971 al 190: 1971 197 1973 1974 1975 1976 1977 197
DettagliLezione 4 Corso di Statistica. Francesco Lagona
Lezioe 4 Corso di Statistica Fracesco Lagoa Uiversità Roma Tre F. Lagoa (fracesco.lagoa@uiroma3.it) 1 / 23 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare
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
DettagliEsperimentazioni di Fisica 1. Prova scritta del 1 febbraio 2016 SOLUZIONI
Esperimetazioi di Fisica 1 Prova scritta del 1 febbraio 2016 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 7 10/09/2015 1. (12 Puti) Quesito. La variabile casuale cotiua x ha ua distribuzioe
DettagliProgrammazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fodameti di Iformatica Ester Zumpao Programmazioe co Foglio di Calcolo Cei di Statistica Descrittiva Lezioe 3 Formule e Fuzioi Fuzioi Formule predefiite per il calcolo di espressioi matematiche complesse
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
DettagliEsercizi con R. Corso Statistica corso avanzato A. A. 2013/2014
Esercizi co R Corso Statistica corso avazato A. A. 203/204 Esercizio Due compagie di assicurazioe soo i cocorreza per stipulare polizze co = 000 clieti. Si suppoga che ogi cliete scelga tra le due società
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
DettagliAppunti per l Orale di Statistica
Apputi per l Orale di Statistica Matteo Giaello 6 ottobre 2011 1 Idice 1 Media e variaza campioaria 3 1.1 Media campioaria............................... 3 1.2 Variaza campioaria.............................
DettagliLezione 4 Corso di Statistica. Domenico Cucina
Lezioe 4 Corso di Statistica Domeico Cucia Uiversità Roma Tre D. Cucia (domeico.cucia@uiroma3.it) 1 / 22 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare
DettagliY = ln X è normalmente distribuita. (y) = dg(x) dx. f Y. (x) = dy dx f Y. f X. (g(x)) & exp$ dx x - $ % ( x) DISTRIBUZIONE LOG-NORMALE.
DISTRIBUZIONE LOG-NORMALE. La variabile si dice log-ormalmete distribuita se: l è ormalmete distribuita g( l g ( e 0 +. uzioe di desità di probabilità: f ( d d f ( dg( d f (g( dg( d f (. & ep$ - / $ %,
DettagliUniversità degli Studi di Roma - La Sapienza, Facoltà di Farmacia Formulario di Matematica - versione per esame
Uiversità degli Studi di Roma - La Sapieza, Facoltà di Farmacia Formulario di Matematica - versioe per esame L equazioe lieare ax + by + c 0 elle coordiate cartesiae x e y rappreseta ua retta el piao.
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
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
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
DettagliLezione 15. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 15. A. Iodice
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 () Statistica 2 / 29 itervallo margie di errore Per stimare u parametro della popolazioe,
DettagliLa correlazione e la regressione. Antonello Maruotti
La correlazioe e la regressioe Atoello Maruotti Outlie 1 Correlazioe 2 Associazioe tra caratteri quatitativi Date due distribuzioi uitarie secodo caratteri quatitativi X e Y x 1 x 2 x y 1 y 2 y associate
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
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
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
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
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;
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
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
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
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).
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di tatistica A-Di Prof. M. Romaazzi 27 Geaio 2015 ogome e Nome..................................... N. Matricola.......... Valutazioe l puteggio massimo teorico di questa prova
Dettagli6. Intervalli di confidenza
6. Itervalli di cofideza La media campioaria e la variaza campioaria ci offroo ua stima dei parametri media e variaza del campioe statistico i esame. Abbiamo però bisogo di sapere quato ci si possa fidare
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
DettagliProva d esame di Calcolo delle Probabilità 02/07/2011
Prova d esame di Calcolo delle Probabilità 0/07/0 N. MATRICOLA... COGNOME e NOME... Esercizio Cosideriamo due ure ed ua moeta truccata. La prima ura (ura A) cotiee pallie rosse e 4 biache, la secoda ura
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
DettagliEsercitazione ricapitolativa
Esercitazioe ricapitolativa. (a) Dobbiamo calcolare il valor atteso dei due stimatori T e T 2 per verificare la o distorsioe. Partiamo col calcolare il valor atteso per la variabile X. E(X) = 3 x 3 dx
Dettagli