Vantaggi della stratificazione

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Vantaggi della stratificazione"

Transcript

1 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb Vata della stratfcaze I prcpal vata del campamet stratfcat s: mlramet ell effceza del stmatre del ttale e della meda; pssbltà d stmare parametr d sttpplaz (dm d stud); mlramet dell razzaze del lavr sul camp. Per verfcare l uada effceza dvut alla stratfcaze, s csder ce stt certe cdz Var ( ˆ) µ Var( ˆ µ ) ( µ µ ), L st W dve µˆ è l stmatre fdametale el cas del campamet casuale semplce (seza stratfcaze). La dffereza è sempre mare d 0 e qud la stratfcaze può sempre mlrare l effceza dell stmatre. Iltre, a partà d altre cdz, l uada effceza è tat mare quat mr s le varaze,, L ( σ K σ ), cè quat pù s meee le utà, etr strat. el cas lmte cu le utà strat s tutte uual tra lr, cè L, K,, L, s a σ 0 per strat e qud la varaza dell stmatre è ulla. Per cstrure strat pù mee c s può basare sulla varable d teresse, l cu valre per utà s csce, ma su ua varable auslara frtemete leata c questa. Per l esemp sulla prpese al csum, la stratfcaze è effcace se tale prpese dpede frtemete dal sess.

2 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb Allcaze delle utà tra l strat Ua queste fdametale ruarda l allcaze delle utà campare tra l strat, cè cme la dmese campara cmplessva vee suddvsa tra,, K L. Le rele d allcaze pù utlzzate s: ufrme: tutt sttcamp rfert a dvers strat a la stessa dmese,, K,, L H prprzale: è l allcaze pù utlzzata cu sttcampe a dmese prprzale a quella dell strat a cu s rfersce, W quest cas l stmatr del ttale e della meda ccd c quell usual L ˆµ st e ˆ τ st L d eyma: mmzza la varaza dell stmatre estraed pù utà dal strat cu la varaza è mare (mre meetà), ma,, L rcede la csceza d σ K σ : σ H σ

3 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb Esemp ell ambt d u dae sulla spesa destata all acqust d u cert prdtt vee presa csderaze ua pplaze d csumatr suddvsa L 3 strat secd l ttl d stud. Gl strat a dmese: (lceza meda), (dplma), (laurea). Supped ce la varaza cmplessva è σ 4.765,40, metre le 3 varaze del strat s σ 40,0, σ 3.496,68, σ 0.640,7, e ce la dmese cmplessva del campe è 500, s a: allcaze ufrme: 67, 67, 3 66 allcaze prprzale: 0, 384, 3 96 allcaze d eyma: 4, 389, 3 70 S a le seuet varaze dell stmatre della meda: allcaze ufrme: Var ( ˆ µ ) 8, 53 allcaze prprzale: Var ( ˆ µ ) 6, 6 allcaze d eyma: Var ( ˆ µ ) 5,595 st st st La mlre allcaze è quella d eyma; cas la varaza dell stmatre preseza d stratfcaze è ferre d quella del campamet casuale semplce par a Var ( ˆ) µ 9,

4 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb S suppa d aver adttat u allcaze prprzale e ce le stme delle mede de sttcamp crrspdet a 3 strat s: e le varaze campare s ˆ µ 5,56, ˆ µ 75, 65, µ 58,6 ˆ 3 S 746,65, S 4.89,04, S 4.48,96. La stma della meda della varable d teresse è ˆ µ st 5, , ,6 84, La stma della varaza dell stmatre è var( ˆ µ st ) , ,04 0, + 0, ,96 + 0,6 8, L tervall d cfdeza al 95% per la meda a estrem 84,,96 8,388 78,43, 84, +,96 8,388 89, 785 4

5 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb Campamet a rappl el cas cu le utà della pplaze sa leate da vcl d ctutà vcaza può essere cveete, term d cst e d temp, utlzzare u campamet a rappl. S suddvde la pplaze u cert umer d rappl secd l vcl esstete tra le utà. P s estrae casualmete u cert umer d rappl e el campe ve cluse tutte le utà apparteet a rappl estratt. I vata d quest campamet s sprattutt d rde razzatv metre c pss essere svata term d effceza quat le utà estratte ted ad assmlars e qud l campe può essere rappresetatv della pplaze. Esemp ell ambt d u dae sulla prpese al csum s ptrebber estrarre, azcé sl dvdu, delle famle e cludere el campe tutte l dvdu apparteet alle famle estratte. Ovvamete cmprtamet de membr della stessa famla pss essere sml. ell ambt d u dae sulle cdz d lavr s ptrebbe pesare d estrarre delle mprese e cludere el campe tutt dpedet d mpresa estratta. Tuttava c ptrebbe essere ua frte smlaza tra le cdz d lavr de dpedet della stessa mpresa. 5

6 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb Defz prelmar Il umer d rappl vee dcat c. Per l rappl, K,,, dcam c la dmese e c valre della varable d teresse per l utà,. strat è qud par a l K,,. Il ttale dell Per la pplaze cmplessva dcam c la dmese e s a parametr: ttale: meda: τ µ. rmalmete ve estratt md casuale semplce rappl e tutte le utà rappl ve cluse el campe ( ). 6

7 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb 7 Stma della meda e del ttale L stmatre fdametale della meda s ttee cme ˆ µ e può essere vst cme la meda campara de ttal d rappl mltplcata per l fattre crrettv /. L stmatre fdametale del ttale s ttee dal precedete cme: ˆ ˆ µ τ La varaza dell stmatre µˆ della meda è par a ~ ) ˆ Var( σ µ dve ~ σ è la varaza ella pplaze tra ttal de rappl. La varaza dell stmatre τˆ del ttale è par a ~ ) ˆ Var( ) Var( ˆ σ µ τ.

8 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb La varaza d µˆ può essere stmata md dstrt cme ~ S var( ˆ µ ), dve ~ S è la varaza campara tra ttal de rappl estratt. Aalamete la varaza d τˆ st può essere stmata cme ~ S var( ˆ τ ). Pss essere qud cstrut l tervall d cfdeza per l ttale e la meda; per la meda, ad esemp, l tervall d cfdeza a estrem: ˆ µ α z / var( ˆ µ ), ˆ µ + z α / var( ˆ µ ). La tecca del campamet a rappl può essere mdfcata md da estrarre sl alcue utà rappl. Il campamet rsultate è dett a due stad e s svle due fas: s estrae casualmete u cert umer d rappl (utà prmare); etr rappl estratt s estrae casualmete u cert umer d utà elemetar (utà secdare). 8

9 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb Esemp ell ambt d u dae sulla prpese all acqust d u cert prdtt da parte de clet abtual d u cetr cmmercale vee estratt u campe d 0 famle. Per famla s rprta l umer d membr ( ) e la smma ce ess dcara d vler spedere ttale ell acqust del prdtt ( ): Famla ( ) umer membr ( ) Imprt spedble ( ) Saped ce la pplaze è frmata da 350 famle e da. 000 utà s a le seuet stme della meda e del ttale: ˆ µ (0 + L+ 30) 56,5 9,775 ˆ τ.000 ˆ µ.977, Le crrspdet stme delle varaze s: 350 var( ˆ µ ).000 µ [(0 56,5) + L + (30 56,6) var( ˆ τ ).000 var( ˆ ) ] 0,558 9

10 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb Campamet sstematc S tratta d u pa d campamet cu per estrarre u campe d dmese : s determa l pass d campamet par a / (per semplctà s suppe ce sa multpl d ); s estrae l put d parteza r, cè u umer casuale ter cmpres tra e ; l campe sstematc è frmat dalle utà ce ella lsta della pplaze a etcette: r, r +, r +, K, r + ( ) Se, ad esemp, 48 e 8, s a ce 6; se p r 3, l campe è tteut estraed le utà c etcetta: c (3,9,5,,7,33,9,45). I camp ce s pss estrarre frma ua partze della pplaze. D cseueza s a le seuet prbabltà d cluse: π, π / se e s ell stess campe sstematc 0 altrmet Gl stmatr del ttale e della meda s: ˆµ s, ˆs τ. 0

11 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb Quest stmatr s dstrt e a varaza: Var ( µ ˆ µ s) ( ), ( ˆ ) Var τ ( µ ), s dve è la meda dell -esm campe sstematc. esst del stmatr dstrt delle varaze d µˆ s e τˆ s. Sltamete s utlzza l stess stmatr del campamet casuale semplce: S var( ˆ µ s), S var( ˆ τ s). Per quat ruarda l effceza del campamet sstematc: per pplaz cu utà vce ella lsta s sml (stratfcaze mplcta) s a mare effceza rspett al casuale semplce; per pplaz cu utà s rdate rspett alla lsta (pplaze casuale) s a all crca la stessa effceza; per pplaz cu le utà vce ella lsta s mlt dverse tra lr (pplaz perdce) s a mre effceza. Il pa d campamet sstematc a l vata d essere utlzzable ace se s csce la lsta la dmese della pplaze cme quad, ad esemp, s tervsta u clete 0 clet ce etra u cetr cmmercale.

12 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb Esemp S csder la seuete pplaze (c tred) cmpsta 6 utà ce a meda µ 58, 5 e varaza σ, utà S a 4 camp sstematc Campe Osservaz campare da cu E ( ˆ µ ) 58, 5, Var ( ˆ µ ), 5. La varaza del campamet s s casuale semplce è mlt superre, Var ( ˆ) µ 4, 5, c ua dffereza ella varaza: Var ( ˆ) µ Var( ˆ µ ) 3. s

13 Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb Per la seuete pplaze (apprssmatvamete casuale) c la stessa meda e varaza Y s a Var ( ˆ µ ) 5, 06 e qud, s a crca la stessa effceza del s campamet casuale semplce dat ce Var ( ˆ) µ 4, 5. Per la seuete pplaze (perdca) c la stessa meda e varaza Y s a Var ( ˆ µ ) 0 da cu: s Var ( ˆ) µ Var( ˆ µ ) 5,75 Qud quest cas l campamet sstematc è mlt me effcete d quell casuale semplce. s utà 3

L OCCHIO. L OCCHIO: Proprietà Ottiche

L OCCHIO. L OCCHIO: Proprietà Ottiche L OCCHIO La truttura dell cch può esser trvata svarat test, put fdametal per quat rguarda l str teresse: studad l spettr Elettr-Magetc s s trvat due ftrecettr c (per l rss, l blu ed l verde) bastcell (vse

Dettagli

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

Dettagli

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE Corso d Ifereza Statstca Eserctazo A.A. 009/0 ESERCIZI SU DISTRIBUZIONI CAMPIONARIE Eserczo I cosumator d marmellata ua data popolazoe soo l 40%. Determare la probabltà che, per u campoe beroullao d =

Dettagli

Design of experiments (DOE) e Analisi statistica

Design of experiments (DOE) e Analisi statistica Desg of epermets (DOE) e Aals statstca L utlzzo fodametale della metodologa Desg of Epermets è approfodre la coosceza del sstema esame Determare le varabl pù sgfcatve; Determare l campo d varazoe delle

Dettagli

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100) ESERCIZIO Il Moblty Maager d u azeda ha rlevato l umero d chlometr percors settmaalmete da 60 mpegat. I dat soo rportat ello schema successvo. 67 4 93 58 66 87 5 53 86 8 7 47 56 70 54 86 48 43 60 58 5

Dettagli

Distribuzioni doppie. Esempi. Reddito annuo (x ) tramite una tabella a doppia entrata in cui per ogni coppia di

Distribuzioni doppie. Esempi. Reddito annuo (x ) tramite una tabella a doppia entrata in cui per ogni coppia di Dstrbuz dppe Quad veg sderate gutamete due le d ua matre d dat s ha ua dstrbuze dppa dsaggregata ( utara. S tratta dell eleaze delle mdaltà d due aratter (X e Y sservate per g utà statsta del llettv sderat:

Dettagli

Sommario. Facoltà di Economia. 1 k. 1 1 ε. francesco mola. Lezione n 16. Diseguaglianza di Cebicev. Diseguaglianza di Cebicev

Sommario. Facoltà di Economia. 1 k. 1 1 ε. francesco mola. Lezione n 16. Diseguaglianza di Cebicev. Diseguaglianza di Cebicev Crs d tatstca Facltà d Ecma a.a. 00-00 fracesc mla mmar La dseguaglaza d Cebcev Cvergeza e rcpal Terem Cvergeza prbabltà Cvergeza dstrbuze Terema d Berull Legge de Grad Numer (deble e frte) Terema d De

Dettagli

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1 SIMULAZIONE DI ESAME ESERCIZI Cattedra d Statstca MedcaUverstà degl Stud d BarProf.ssa G. Sero ESERCIZIO. Alcu autor hao studato se la depressoe possa essere assocata a dc serologc d process autommutar

Dettagli

Analisi di dati vettoriali. Direzioni e orientazioni

Analisi di dati vettoriali. Direzioni e orientazioni Aals d dat vettoral Drezo e oretazo I tal caso, dat soo msurat term d agol e spesso soo rfert al ord geografco (statstca crcolare) Soo rappresetat su ua crcofereza Dat d drezoe: flusso ua specfca drezoe,

Dettagli

DI IDROLOGIA TECNICA PARTE II

DI IDROLOGIA TECNICA PARTE II FACOLTA DI INGEGNERIA Laurea Specalstca Igegera Cvle NO Guseppe T Aroca CORSO DI IDROLOGIA TECNICA PARTE II Aals e prevsoe statstca delle varabl drologche Lezoe X: Scelta d u modello probablstco Aals e

Dettagli

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti Gorgo Lambert Pag. Dmostrazoe della Formula per la determazoe del umero d dvsor-test d prmaltà, d Gorgo Lambert Eugeo Amtrao aveva proposto l'dea d ua formula per calcolare l umero d dvsor d u umero, da

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA COSIDERAZIOI PRELIMIARI SULLA STATISTICA La Statstca trae suo rsultat dall osservazoe de feome che c crcodao. Gl stess feome per essere oggetto d statstca devoo essere adeguatamete umeros modo tale che

Dettagli

frazione 1 n dell ammontare complessivo del carattere A x

frazione 1 n dell ammontare complessivo del carattere A x La Cocetrazoe Il cocetto d cocetrazoe rguarda l modo cu l ammotare totale d u carattere quattatvo trasferble s rpartsce tra utà statstche. Tato pù tale ammotare è addesato u sottoseme d utà, tato pù s

Dettagli

MEDIA DI Y (ALTEZZA):

MEDIA DI Y (ALTEZZA): Uverstà d Casso Eserctazo d Statstca del 4 Marzo 0 Dott. Mrko Bevlacqua ESERCIZIO Su u collettvo d dvdu soo stat rlevat caratter X Peso( kg) e Altezza ( cm) otteamo la seguete dstrbuzoe d frequeza coguta:

Dettagli

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

ALCUNI ELEMENTI DI TEORIA DELLA STIMA ALCUNI ELEMENTI DI TEORIA DELLA STIMA Quado s vuole valutare u parametro θ ad esempo: meda, varaza, proporzoe, oeffete d regressoe leare, oeffete d orrelazoe leare, e) d ua popolazoe medate u ampoe asuale,

Dettagli

Modello dinamico nello spazio dei giunti: relazione tra le coppie di attuazione ai giunti ed il moto della struttura

Modello dinamico nello spazio dei giunti: relazione tra le coppie di attuazione ai giunti ed il moto della struttura Damca Modello damco ello spazo de gut: relazoe tra le coppe d attuazoe a gut ed l moto della struttura smulazoe del moto aals e progettazoe delle traettore progettazoe del sstema d cotrollo progetto de

Dettagli

Variabilità = Informazione

Variabilità = Informazione Varabltà e formazoe Lo studo d u feomeo ha seso solo se esso s preseta co modaltà/testà varabl da u soggetto all altro. Ad esempo, se dobbamo studare l reddto ua certa regoe è ecessaro osservare utà statstche

Dettagli

Esercitazione 4 del corso di Statistica (parte 1)

Esercitazione 4 del corso di Statistica (parte 1) Eserctazoe 4 del corso d Statstca (parte ) Dott.ssa Paola Costat Febbrao 0 Eserczo Data la dstrbuzoe del carattere Reddto d cu all eserczo precedete se e msur l grado d cocetrazoe. La cocetrazoe d u carattere

Dettagli

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno Idc d Poszoe Gl dc s poszoe soo msure stetche ( valor caratterstc ) che descrvoo la tedeza cetrale d u feomeo La tedeza cetrale è, prma approssmazoe, la modaltà della varable verso la quale cas tedoo a

Dettagli

UNI CEI ENV 13005 (GUIDA ALL ESPRESSIONE DELL INCERTEZZA DI MISURA)

UNI CEI ENV 13005 (GUIDA ALL ESPRESSIONE DELL INCERTEZZA DI MISURA) UI CEI EV 3005 (GUIDA ALL ESPRESSIOE DELL ICERTEZZA DI MISURA Uverstà degl Stud d Bresca Corso d Fodamet della Msurazoe A.A. 00-03 Apput a cura d Gorgo Cor 3835 UI CEI EV 3005 0. ITRODUZIOE 0. COCETTO

Dettagli

I percentili e i quartili

I percentili e i quartili I percetl e quartl I percetl soo quelle modaltà che dvdoo la dstrbuzoe ceto part d uguale umerostà. I quartl soo quelle modaltà che dvdoo la dstrbuzoe quattro part d uguale umerostà. Il prmo quartle Q

Dettagli

Incertezza di misura

Incertezza di misura Icertezza d msura Itroduzoe e rcham Come gà detto rsultat umerc ottebl dalle msurazo soo trsecamete caratterzzat da aleatoretà è duque sempre ecessaro stmare ua fasca d valor attrbubl come msura al msurado;

Dettagli

Esercitazione 5 del corso di Statistica (parte 1)

Esercitazione 5 del corso di Statistica (parte 1) Eserctazoe 5 del corso d Statstca (parte 1) Dott.ssa Paola Costat 8 Novembre 011 I alcue crcostaze s poe u maggor teresse sullo studo della varabltà tra le sgole utà statstche, puttosto che lo studo della

Dettagli

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione? Prma dstrb. Secoda dstrb. Totale Meda 0 5 8 35 85 63 63/5 =3,6 5 5 38 40 45 63 63/5 =3,6 Due dstrbuzo, stessa meda ma quale delle due la meda rappreseta, stetzza meglo la stuazoe? Le mede stetzzao la dstrbuzoe,

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 26 Febbrao 200 Dott. Mrko Bevlacqua ESERCIZIO Cosderado le class d altezza 60 6; 6 70; 70 78; 78 86 per u collettvo d 20 persoe, s può affermare che l ALTEZZA dpede

Dettagli

Esercitazione 6 del corso di Statistica (parte 1)

Esercitazione 6 del corso di Statistica (parte 1) Eserctazoe del corso d Statstca parte Dott.ssa aola Costat 8 Marzo 0 Eserczo S ha motvo d rteere che u uovo farmaco A abba la propretà d abbassare l lvello d glcema el sague. I cascuo de pazet dabetc osservat,

Dettagli

Analisi dei Dati. La statistica è facile!!! Correlazione

Analisi dei Dati. La statistica è facile!!! Correlazione Aals de Dat La statstca è facle!!! Correlazoe A che serve la correlazoe? Mettere evdeza la relazoe esstete tra due varabl stablre l tpo d relazoe stablre l grado d tale relazoe stablre la drezoe d tale

Dettagli

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo COMPLEMENTI DI STATISTICA L. Greco, S. Naddeo INDICE. GENERALITA SULLA VERIFICA DI IPOTESI. Itroduzoe 4. I test d sgfcatvtà 5.3 Gl tervall d cofdeza 7.4 Le potes alteratve.5 La poteza del test 5.6 Il test

Dettagli

Lezione 4. La Variabilità. Lezione 4 1

Lezione 4. La Variabilità. Lezione 4 1 Lezoe 4 La Varabltà Lezoe 4 1 Defzoe U valore medo, comuque calcolato, o è suffcete a rappresetare l seme delle osservazo effettuate (o l seme de valor assut dalla varable statstca); è ecessaro qud affacare

Dettagli

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto CORO DI LAUREA IN ECONOMIA AZIENDALE Metod tatstc per le decso d mpresa (Note ddattche) Bruo Chadotto 7. Teora del test delle potes I questo captolo s affrota l problema della verfca d potes statstche

Dettagli

Il disegno campionario per l indagine sul turismo delle isole Eolie. O. Giambalvo A.M. Milito

Il disegno campionario per l indagine sul turismo delle isole Eolie. O. Giambalvo A.M. Milito Il dsego campoaro per l dage sul tursmo delle sole Eole O. Gambalvo A.M. Mlto Struttura della presetazoe Obettv L dage campoara Le potes d lavoro L dage plota Il dsego campoaro Stratega campoara Alcu Rsultat

Dettagli

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza Uverstà egl Stud d Bergamo Corso d laurea Igegera dle STATISTICA Stma d massma verosmglaza Sao,, varabl aleatore d Posso dpedet, cascua co valore atteso λ S determ lo stmatore d massma verosmglaza d λ

Dettagli

Correlazione. Obiettivo: studiare la dipendenza fra due fenomeni quantitativi

Correlazione. Obiettivo: studiare la dipendenza fra due fenomeni quantitativi Correlazoe Obettvo: studare la dpedeza fra due feome quattatv Tasso d cambo dell euro rspetto al dollaro e allo e Redmeto d due ttol Idc de prezz all grosso e al dettaglo Etc. La popolazoe è descrtta da

Dettagli

Matematica elementare art.1 di Raimondo Valeri

Matematica elementare art.1 di Raimondo Valeri Matematca elemetare art. d Ramodo Valer I questo artcolo voglamo provare che esste ua formula per calcolare l umero de dvsor d u dato umero aturale seza cooscere la scomposzoe fattor prm del umero stesso.

Dettagli

Apparecchi di sollavamento. Classificazione apparecchi di sollevamento a

Apparecchi di sollavamento. Classificazione apparecchi di sollevamento a Appareh d sollavameto A moto otuo: Nastr trasportator Sollevator a tazze Forze d erza lmtate; trastor d avvameto e arresto poo rlevat A moto dsotuo: Gru a torre Forze d erza rlevat Classfazoe appareh d

Dettagli

Modelli di Flusso e Applicazioni: Andrea Scozzari. a.a. 2013-2014

Modelli di Flusso e Applicazioni: Andrea Scozzari. a.a. 2013-2014 Modell d Flusso e Applcazo: Adrea Scozzar a.a. 203-204 2 Il modello d Flusso d Costo Mmo: Problem d Flusso A u l V b c P S A ), ( m ) ( ) ( ), ( Problem rcoducbl a problem d Flusso Il problema del trasporto

Dettagli

y = α + βx + ε Qui ci soffermeremo su un unica classe di modelli, detti modelli statistici lineari. Si veda la seguente figura:

y = α + βx + ε Qui ci soffermeremo su un unica classe di modelli, detti modelli statistici lineari. Si veda la seguente figura: Il problema della regressoe s poe quado l valore d ua varable aleatora y, chamata varable dpedete, è fuzoe d ua varable o aleatora x, chamata varable dpedete Qu c soffermeremo su u uca classe d modell,

Dettagli

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti e l fereza Popolazoe Campoe Da dat osservat medate scelta campoara s guge ad affermazo che rguardao la popolazoe da cu ess soo stat prescelt e l fereza S defsce campoameto u procedmeto attraverso l quale

Dettagli

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d;

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d; ESERCIZIO 5. Sa (X, X,, X ) u campoe casuale geerato da ua v.c. X f(x; θ) per la quale è oto che E(X) θ e Var(X). S cosdero 3 stmator d θ: X ; X ; ( ) X 3 a) s determ se soo corrett; b) per quell o corrett,

Dettagli

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione? Prma dstrb. Secoda dstrb. Totale Meda 0 5 8 35 85 63 63/5 3,6 5 5 38 40 45 63 63/5 3,6 Due dstrbuzo, stessa meda ma quale delle due la meda rappreseta, stetzza meglo la stuazoe? Le mede stetzzao la dstrbuzoe,

Dettagli

LA FUNZIONE DI VEROSIMIGLIANZA

LA FUNZIONE DI VEROSIMIGLIANZA A FUNZIONE DI VEROSIMIGIANZA HA UN RUOO IMPORTANTE NEA PROCEDURE DI INFERENZA STATISTICA COME: ) METODO DI COSTRUZIONE DI STIMATORI (IN SITUAZIONI COMPESSE) ) METODO DI INDIVIDUAZIONE DI TEST UNIFORMEMENTE

Dettagli

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza Soluzoe degl esercz sulla statstca descrttva e gl tervall d cofdeza. Il campoe casuale d tagla 35 ha meda 0.866 e medaa 0.6490. Il coeffcete d asmmetra rsulta essere.57, pertato samo preseza d ua asmmetra

Dettagli

DATA MINING PER IL MARKETING (63 ore)

DATA MINING PER IL MARKETING (63 ore) DATA MINING PER IL MARKETING (63 ore) Marco Ra mra@upr.t Sto web del corso http://www.ra.t/dmm REGRESSIONE INFERENZIALE 1 Itroduzoe agl elemet aleator N. dpedet (X) Vedte mlo d (Y) A 10 1,9 B 18 3,1 C

Dettagli

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1 Facoltà d Ecooma - STATISTICA - Corso d Recupero a.a. 2012-13 Prof.ssa G. Balsamo CONCETTI d BASE Carattere X [o A ] caratterstca quattatva [o qualtatva] rappresetatva d u feomeo sottoposto ad dage Popolazoe

Dettagli

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso La varabltà L utlzzo d ua meda permette d stetzzare effcacemete l formazoe coteuta ua dstrbuzoe statstca dal puto d vsta dell testà del carattere. Tuttava la stes può essere eccessva, el seso s possoo

Dettagli

Elementi di Matematica Finanziaria. Rendite e ammortamenti. Università Parthenope 1

Elementi di Matematica Finanziaria. Rendite e ammortamenti. Università Parthenope 1 Elemet d Matematca Fazara Redte e ammortamet Uverstà Partheope 1 S chama redta ua successoe d captal da rscuotere (o da pagare) a scadeze determate S chamao rate della redta sgol captal da rscuotere (o

Dettagli

ERRATA CORRIGE. L intero contenuto del paragrafo 9.2.3 a pagina 47-48 del Capitolato tecnico Determinazione del Canone è sostituito come segue:

ERRATA CORRIGE. L intero contenuto del paragrafo 9.2.3 a pagina 47-48 del Capitolato tecnico Determinazione del Canone è sostituito come segue: Procedura aperta per l affdameto de servz tegrat, gestoal, operatv e d mautezoe multservzo tecologco da esegurs presso gl mmobl d propretà o uso alle Asl ed alle azede ospedalere della regoe Campaa ERRATA

Dettagli

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Uverstà d Macerata Facoltà d Sceze Poltche - Ao accademco 01-013013 Gl dc d varabltà Crsta Davo Gl dc stetc Qualche cosderazoe Tedeza cetrale Varabltà La scelta dell dce d tedeza cetrale/poszoe dpede dal

Dettagli

INDICI DI VARIABILITA

INDICI DI VARIABILITA INDICI DI VARIABILITA Defzoe d VARIABILITA': la varabltà s può defre come l'atttude d u carattere ad assumere dverse modaltà quattatve. La varabltà è la quattà d dspersoe presete e dat. Idc d varabltà

Dettagli

Il campionamento e l inferenza

Il campionamento e l inferenza e l fereza Popolazoe Campoe Da dat osservat medate scelta campoara s guge ad affermazo che rguardao la popolazoe da cu ess soo stat prescelt Uverstà d Macerata Facoltà d Sceze Poltche - Ao accademco Ao

Dettagli

Caso studio 10. Dipendenza in media. Esempio

Caso studio 10. Dipendenza in media. Esempio 09/03/06 Caso studo 0 S cosder la seguete dstrbuzoe degl occupat Itala secodo l umero d ore settmaal effettvamete lavorate e l settore d attvtà (cfr. Itala cfre, Ao 008, pag. 7 ): Ore lavorate Settore

Dettagli

PROVE PER LA CERTIFICAZIONE DELLE COMPETENZE DI GEOGRAFIA IN USCITA DALLA SCUOLA PRIMARIA

PROVE PER LA CERTIFICAZIONE DELLE COMPETENZE DI GEOGRAFIA IN USCITA DALLA SCUOLA PRIMARIA Isttut Cmpresv Cmpet Rme Fusr V De Gsper, 30-26823 CASTIGLIONE D ADDA (LO) te. 0377/900482 fx 0377/901508 sttutfusr@ber.t PROVE PER LA CERTIFICAZIONE DELLE COMPETENZE DI GEOGRAFIA IN USCITA DALLA SCUOLA

Dettagli

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO.

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO. elazoe d laboratoro d Fsca corso M-Z Laboratoro d Fsca del Dpartmeto d Fsca e Astrooma dell Uverstà degl Stud d Cataa. Scala Stefaa. AGOMENTO: MSUA DELLA ESSTENZA ELETTCA CON L METODO OLT-AMPEOMETCO. NTODUZONE:

Dettagli

Marco Riani - Analisi delle statistiche di vendita 1

Marco Riani - Analisi delle statistiche di vendita 1 ORARIO LEZIONI ANALISI DELLE STATISTICHE DI VENDITA Marco Ra mra@upr.t http://www.ra.t Mercoledì 3 aula Lauree Mercoledì 4 6 aula Lauree Govedì 3 Eserctazoe Semar? LIBRI DI TESTO Teora Ra M., Laur F. 8,

Dettagli

Regressione e Correlazione

Regressione e Correlazione Regressoe e Correlazoe Probabltà e Statstca - Aals della Regressoe - a.a. 4/5 L aals della regressoe è ua tecca statstca per modellare e vestgare le relazo tra due (o pù) varabl. Nella tavola è rportata

Dettagli

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE PROVA SCRITTA DI STATISTICA (COD 08-07-7-77) Febbrao 00 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE ESERCIZIO (6 put) Da ua classfca del sto teret IBS rsulta che 0 flm pù vedut vdeocassetta

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

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso ESERCIZIO Co rfermeto a dvers modell d auto del medesmo segmeto d mercato e cldrata s soo rlevat dat sul prezzo d lsto mglaa d euro (X), la veloctà massma dcharata km/h (Y) ed l peso kg (Z). I dat soo

Dettagli

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 5 Febbrao 00. Dott. Mrko Bevlacqua ESERCIZIO N A partre dalla dstrbuzoe semplce del carattere peso rlevata su 0 studet del corso d Mcroecooma peso: { 4, 59, 65,

Dettagli

Seconda Prova Parziale di STATISTICA Modalità A

Seconda Prova Parziale di STATISTICA Modalità A Secoda Prova Parzale d STATISTICA 0..07 Modaltà A (A) a f della valutazoe verrao cosderate solo le rsposte rportate dallo studete egl appost rquadr bach. (B) ello svolgmeto del compto s utlzzo almeo quattro

Dettagli

Campionamento stratificato. Esempio

Campionamento stratificato. Esempio ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete

Dettagli

POLITECNICO DI TORINO

POLITECNICO DI TORINO POLITECNICO DI TORINO EERCITAZIONI DI LOGITICA Laurea Igegera Lgstca e della Prduze Crs d Lgstca e d Dstrbuze 1 Dcete: Prf. Ig. Gul Ztter Tutre: Ig. Gula capacc A.A. 007/008 VERIONE 3 METODI EPLANATORY

Dettagli

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Qualche cosderazoe Tedeza cetrale La scelta dell dce d tedeza cetrale/poszoe dpede dal tpo e dalle caratterstche della dstrbuzoe; Pù che dvduare l dce mglore assoluto (che o esste), è mportate ache valutare

Dettagli

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che:

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che: Eserctazoe VI: Il teorema d Chebyshev Eserczo La statura meda d u gruppo d dvdu è par a 73,78cm e la devazoe stadard a 3,6. Qual è la frequeza relatva delle persoe che hao ua statura superore o ferore

Dettagli

Esercitazione 3 del corso di Statistica (parte 1)

Esercitazione 3 del corso di Statistica (parte 1) Eserctazoe 3 del corso d Statstca parte ) Dott.ssa Paola Costat 7 Febbrao 0 Eserczo. A partre dalla dstrbuzoe class della varable Altezza rpartta 3 class equfrequet, calcolare medaa, prmo e terzo quartle.

Dettagli

del corso di Elaborazione Numerica dei Segnali

del corso di Elaborazione Numerica dei Segnali G. Guta: corso d Elaborazoe Numerca de Segal (laurea specalstca) - lucdo. Corso d laurea Corso d laurea del corso d Elaborazoe Numerca de Segal (laurea specalstca) (docete: Prof. G. Guta) x() x () e x

Dettagli

12/11/2015 STATISTICA 1. Esercitazione 4. Dott.ssa Vera Gurtovaya

12/11/2015 STATISTICA 1. Esercitazione 4. Dott.ssa Vera Gurtovaya STATISTICA Eserctazoe 4 Dott.ssa Vera Gurtovaa //5 Eserczo. La seguete tabella a doppa etrata rporta dat relatv al umero d SMS vat u mese e all'età de mttet. S calcolo covaraza e correlazoe della varable

Dettagli

Caso studio 12. Regressione. Esempio

Caso studio 12. Regressione. Esempio 6/4/7 Caso studo Per studare la curva d domada d u bee che sta per essere trodotto sul mercato, s rlevao dat rguardat l prezzo mposto e l umero d pezz vedut 7 put vedta plota, ell arco d ua settmaa. I

Dettagli

Leasing: aspetti finanziari e valutazione dei costi

Leasing: aspetti finanziari e valutazione dei costi Leasg: aspett fazar e valutazoe de cost Descrzoe Il leasg è u cotratto medate l quale ua parte (locatore), cede ad u altro soggetto (locataro), per u perodo d tempo prefssato, uo o pù be, sao ess mobl

Dettagli

Statistica biennio Schede di lavoro LA STATISTICA

Statistica biennio Schede di lavoro LA STATISTICA LA STATISTICA Sai ched è la statistica? E a csa che serve pe fa u ct i geerale de la gete che asce, che sta male, che mre, che va i carcere e che spsa. Ma pe me la statistica curisa è dve c etra la percetuale,

Dettagli

Attualizzazione. Attualizzazione

Attualizzazione. Attualizzazione Attualzzazoe Il problema erso alla captalzzazoe prede l ome d attualzzazoe Abbamo ua operazoe fazara elemetare e dato l motate M dobbamo determare l corrspodete captale zale C L'attualzzazoe è la operazoe

Dettagli

4 CAMPIONE DI n UNITA STATISTICHE (lettere latine)

4 CAMPIONE DI n UNITA STATISTICHE (lettere latine) 4 CAMPIONE DI UNITA TATITICHE (lettere late) Meda campoara x meda solo per dat quattatv m 1 x = modaltà assuta dall -esma utà statstca Devaza campoara solo per dat quattatv 1 ( x m) 1 x 1 x dev.q Varaza

Dettagli

Lezione 1. I numeri complessi

Lezione 1. I numeri complessi Lezoe Prerequst: Numer real: assom ed operazo. Pao cartesao. Fuzo trgoometrche. I umer compless Nell'attuale teora de umer compless cofluscoo due fodametal dee, ua artmetca, l'altra geometrca. La prma,

Dettagli

Variabili casuali doppie

Variabili casuali doppie Varabl casual doppe Ua varable casuale doppa (,) è ua fuzoe defta sullo spazo campoaro che assoca ad og possble rsultato dell espermeto ua coppa d umer real (x,y) S y ω ω 3 ω y y 3 (x, y ) (x, y ) (x 3,

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

Statistica degli estremi

Statistica degli estremi Statstca degl estrem Rcham d probabltà e statstca Il calcolo della probabltà d u eveto è drettamete coesso co: - la COOSCEZA ICOMPLETA dell eveto stesso; - l assuzoe d u RISCHIO, calcolato come la probabltà

Dettagli

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI Uverstà degl Stud d Mlao Bcocca CdS ECOAMM Corso d Metod Statstc per l Ammstrazoe delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI 1. Carta d cotrollo per frazoe d o coform (carta U resposable d produzoe,

Dettagli

n Il passaggio dall ambiente client/server a quello cloud sta determinando un cambiamento epocale nel mondo dell informatica, simile per importanza e

n Il passaggio dall ambiente client/server a quello cloud sta determinando un cambiamento epocale nel mondo dell informatica, simile per importanza e Clud Cmputig Il passaggi dall ambiete cliet/server a quell clud sta determiad u cambiamet epcale el md dell ifrmatica, simile per imprtaza e impatt alla trasizie dal maiframe all ambiete cliet/server.

Dettagli

Il test parametrico si costruisce in tre passi:

Il test parametrico si costruisce in tre passi: R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica

Dettagli

Sistemi ottici - Lenti sottili. Lente semplice: materiale trasparente delimitato da due superfici sferiche

Sistemi ottici - Lenti sottili. Lente semplice: materiale trasparente delimitato da due superfici sferiche Sstem ttc - Let sttl Immage d u ggett putfrme data da u sstema stgmatc: putfrme reale vrtuale Lete semplce: materale trasparete delmtat da due superfc sferche Se, dstaza tra vertc delle due superfc, è

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

Istogrammi e confronto con la distribuzione normale

Istogrammi e confronto con la distribuzione normale Istogramm e cofroto co la dstrbuzoe ormale Suppoamo d effettuare per volte la msurazoe della stessa gradezza elle stesse codzo (es. la massa d u oggetto, la tesoe d ua pla, la lughezza d u oggetto, ecc.):

Dettagli

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2 Cogome Numero d matrcola SECONDA PROVA INERMEDIA DI SAISICA CLEA 07 7-77-08 geao 00 Nome COMPIO C A f della valutazoe s terrà coto solo ed esclusvamete d quato rportato egl appost spaz. Al terme della

Dettagli

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione STIMA PARAMTRICA TST DLL IPOTSI L fereza Statstca rguarda affermazo crca I parametr d ua popolazoe sulla base della metodologa statstca e del calcolo delle probabltà Stma putuale Quado u parametro della

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 La Legge de Grad Numer Cosderata ua sere d prove rpetute co p par alla probabltà d successo ua sgola prova, l rapporto tra l umero d success K ed l umero d prove tede a p quado tede ad fto: K P p per co

Dettagli

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio Radicali Per itrodurre il cocetto di radicali che già avete icotrato alle medie quado avete imparato a calcolare la radice quadrata e cubica dei umeri iteri, abbiamo bisogo di rivedere il cocetto di uzioe

Dettagli

Esercizi su Rappresentazioni di Dati e Statistica

Esercizi su Rappresentazioni di Dati e Statistica Esercz su Rappresetazo d Dat e Statstca Eserczo Esprmete forma percetuale e traducete u aerogramma dat della seguete tabella: Nord Cetro Sud Isole Totale 5 58 866 0 95 36 4 35 30 6 79 56 57 399 08 Soluzoe

Dettagli

Classi di reddito % famiglie Fino a 15 5.3 15-25 16.2 25-35 21.1 35-45 18.6 45-55 13.6 Oltre 55 25.2 Totale 100

Classi di reddito % famiglie Fino a 15 5.3 15-25 16.2 25-35 21.1 35-45 18.6 45-55 13.6 Oltre 55 25.2 Totale 100 ESERCIZIO Data la seguete dstrbuzoe percetuale delle famgle talae per class d reddto, espresso mlo d lre, (ao 995, fote Istat): Class d reddto % famgle Fo a 5 5.3 5-5 6. 5-35. 35-45 8.6 45-55 3.6 Oltre

Dettagli

Esercitazioni di Calcolo delle Probabilità (16/12/2011) Soluzioni

Esercitazioni di Calcolo delle Probabilità (16/12/2011) Soluzioni Eserctazo d Calcolo delle Probabltà (16/1/011) Soluzo Eserczo 1 1. S trov l valore del parametro θ per cu la tabella seguete defsce la fuzoe d probabltà d ua v.c. udmesoale X e la s rappreset grafcamete.

Dettagli

Organizzazione del corso. Elementi di Informatica. Orario lezioni ed esami. Crediti. Dispense e lucidi. Ricevimento studenti

Organizzazione del corso. Elementi di Informatica. Orario lezioni ed esami. Crediti. Dispense e lucidi. Ricevimento studenti Orgazzazoe del corso Elemet d Iformatca Prof. Alberto Brogg Dp. d Igegera dell Iformazoe Uverstà d Parma Teora: archtettura del calcolatore, elemet d formatca, algortm, lguagg, sstem operatv Laboratoro:

Dettagli

Unità Didattica N 24. Operazioni sui limiti

Unità Didattica N 24. Operazioni sui limiti Uità Didattica N : Operazii sui limiti Uità Didattica N Operazii sui limiti ) ite del valre asslut di ua fuzie ) Terema dell'uicità del limite 3) Terema della permaeza del seg ) Terema del cfrt fra limiti

Dettagli

Il modello di regressione lineare semplice (1) Studio della dipendenza riepilogo

Il modello di regressione lineare semplice (1) Studio della dipendenza riepilogo Studo della dpedeza replogo Abbamo vsto due msure d assocazoe tra caratter: ) msure d assocazoe basate sull dpedeza dstrbuzoe ( χ, V d Cramer) possoo essere applcate a coppe d caratter qualuque (ache etrambe

Dettagli

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02% RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base

Dettagli

Soluzione degli esercizi del capitolo 11

Soluzione degli esercizi del capitolo 11 Statstca - metodooge per e sceze ecoomche e soca /e S Borra, A D Cacco - McGraw H s Souzoe deg esercz de captoo a rsposta esatta è a c, fatt daa s ha: da cu rcavamo a corretto Ifatt,,,,,,,,,,,,,,, b Sì,

Dettagli

Obiettivi. Statistica. Variabili casuali. Spazio di probabilità. Introduzione

Obiettivi. Statistica. Variabili casuali. Spazio di probabilità. Introduzione Obettv Statstca Itroduzoe Scopo d quest lucd è d forre cocett base d statstca utl azeda per: la raccolta de dat, la progettazoe degl espermet, l terpretazoe de rsultat. Spazo d probabltà Spazo d probabltà:

Dettagli

Soluzione del compito di Fisica 2. 3 febbraio 2012 (Pordenone)

Soluzione del compito di Fisica 2. 3 febbraio 2012 (Pordenone) Sluze del cmpt d Fca 3 febbra (rdee) Elettrtatca U cdeatre cldrc d ragg ter a, ragg eter b e lughezza L (mlt maggre d b, d md che gl effett d brd a tracurabl), e` rempt d u l late d ctate delettrca relatva

Dettagli

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi Le mede Italo Nofro LE MEDIE Statstca medca Le mede (o valor med) soo dc d tedeza cetrale e costtuscoo u modo semplce ed mmedato per stetzzare u solo valore dat eterogee raccolt el collettvo oggetto d

Dettagli

Calcolo delle Probabilità: esercitazione 4

Calcolo delle Probabilità: esercitazione 4 Argometo: Probabltà classca Lbro d testo pag. 1-7 e 7-77 e varable casuale uforme dscreta NB: asscurars d cooscere le defzo, le propretà rchamate e le relatve dmostrazo quado ecessaro Eserczo 1 S cosder

Dettagli

Lezione 4. Metodi statistici per il miglioramento della Qualità

Lezione 4. Metodi statistici per il miglioramento della Qualità Tecologe Iormatche per la Qualtà Lezoe 4 Metod statstc per l mglorameto della Qualtà Msure d Tedeza Cetrale Ultmo aggorameto: 30 Settembre 2003 Il materale ddattco potrebbe coteere error: la segalazoe

Dettagli