Metodi Statistici per il Marketing. #06 Elementi di statistica inferenziale e di teoria dei campioni
|
|
- Geraldina Carlini
- 4 anni fa
- Visualizzazioni
Transcript
1 Corso di Metodi Statistici per il Marketing LUISS A.A #06 Elementi di statistica inferenziale e di teoria dei campioni 22 Marzo 2018 Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 1 / 35
2 Determinare la numerosità campionaria Proporzione n = valore cautelativo ( zα/2 E ) 2 ps (1 p s ) n = ( zα/2 E ) lessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 2 / 35
3 Disegno campionario stratificato La stima di un parametro di interesse può essere sbagliata a causa del fatto che alcune fasce (strati) della popolazione non sono correttamente rappresentate rispetto al loro effettivo peso. Questo è particolarmente grave qualora ci sia una correlazione tra gli strati e la variabile oggetto di studio. Nel nostro esempio, supponiamo che l intenzione reale di acquisto sia molto più alta tra le persone nella fascia di età piuttosto che nelle altre. Se nel campione, per puro effetto del caso, c è una percentuale di persone con età compresa tra i 20 e i 40 anni maggiore di quella presentata nella popolazione, l intenzione può essere sovra-stimata. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 3 / 35
4 Disegno campionario stratificato Per ovviare a questo problema si può ricorrere al campionamento stratificato. Si ricorre a questo disegno campionario essenzialmente quanto: si pensa che la variabile oggetto di studio presenti valori molto differenti in diversi strati della popolazione (intenzione di acquisto differente a seconda della fascia di età). In altre parole, la variabile oggetto di studio è correlata con una o più variabili (intenzione di acquisto correlata con l età) sono disponibili informazioni affidabilit per l identificazione degli strati (è nota la distribuzione nella popolazione di interesse in base all età). Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 4 / 35
5 Disegno campionario stratificato Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 5 / 35
6 Disegno campionario stratificato Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 6 / 35
7 Disegno campionario stratificato Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 7 / 35
8 Popolazione suddivisa in strati Una popolazione U N può essere suddivisa in M strati (o sotto-popolazioni) distinti U 1 N 1, U 2 N 2,..., U g N g,..., U M N M, La numerosità dello strato g è N g, con M g=1 Ng = N. il peso dello strato g nella popolazione è w g = N g /N, con 0 w g 1 M w g = 1 g=1 Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 8 / 35
9 Parametri negli strati Sia y gi la modalità osservata per la variabile Y assunta dall unità i dello strato g La media dello strato g é La varianza dello strato g é µ yg = 1 N g N g i=1 y gi σyg 2 = 1 N g (y gi µ yg ) 2 N g i=1 Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 9 / 35
10 Parametri della popolazione suddivisa in strati La media della popolazione é la media ponderata delle medie negli strati, con pesi w g µ y = M w g µ yg g=1 La varianza della popolazione é uguale alla somma di due quantità M M σy 2 = w g σyg 2 + w g (µ yg µ y ) 2 g=1 } {{ } (a) g=1 } {{ } (b) (a) media ponderata delle varianze (varianza negli strati, o within) (b) varianza ponderata delle medie (varianza tra gli strati, o between) Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 10 / 35
11 Disegno campionario stratificato il disegno campionario stratificato consiste nel selezionare, in maniera indipendente da uno strato all altro: - un campione s.s.r. di numerosità n 1 dallo strato 1; - un campione s.s.r. di numerosità n 2 dallo strato 2; un campione s.s.r. di numerosità n M dallo strato M; Il campione totale è formato dagli M sotto-campioni relativi agli M strati: s = (s 1, s 2,..., s M ) di numerosità complessiva M g=1 n g = n. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 11 / 35
12 Stimatore della media dello strato g Dal momento che s g è un campione s.s.r., lo stimatore corretto della media µ yg dello strato g è la media delle osservazioni in s g (media campionaria dello strato g): ȳ g = 1 n g i s g y gi, dove y gi è la modalità dell unità i nello strato g. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 12 / 35
13 Stimatore della media della popolazione Lo stimatore della media dell intera popolazione è dato dalla media ponderata delle medie di strato ȳ g, con pesi dati dai pesi di strato w g : µ st = M w g ȳ g g=1 µ st è uno stimatore corretto della media di popolazione µ y. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 13 / 35
14 Allocazione delle osservazioni agli strati Data la numerosità campionaria totale n, il problema dell allocazione delle unità campionarie ai vari strati consiste nello scegliere n 1,..., n M in base a determinati criteri. Sia a g = n g /n la frazione di unità campionarie allocate allo strato g. Il problema è quello di assegnare dei valori a 1,..., a M tali che a g 0 e M g=1 a g = 1. I criteri più utilizzati sono: allocazione uniforme allocazione proporzionale allocazione ottima (o di Neyman) Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 14 / 35
15 Allocazione uniforme Con il campionamento stratificato uniforme le numerosità campionarie di strato sono uguali in tutti gli strati: n g = n M, g = 1,..., M Questa allocazione è utile per ottenere stime della media di strato più efficienti. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 15 / 35
16 Allocazione proporzionale Con il campionamento stratificato proporzionale le numerosità campionarie di strato sono proporzionali ai pesi degli strati nella popolazione: n g = w g n, g = 1,..., M il che equivale a porre a g = n g /n = w g Lo stimatore della media così ottenuto è più efficiente dello stimatore ottenuto con il disegno s.s.r.. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 16 / 35
17 Allocazione ottima Con l allocazione proporzionale i pesi degli strati nel campione sono uguali ai pesi nella popolazione. Se la popolazione è stratificata in base al genere, nel campione avremo la stessa proporzione di unità di sesso maschile e femminile di quelle osservate nella popolazione. In alternativa, possiamo determinare quei valori n g tali da rendere minima la varianza dello stimatore della media, ricorrendo al disegno stratificato ottimale. Intuitivamente, se la variabilità di uno strato è maggiore, occorrerà estrarre un maggior numero di unità da quello strato. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 17 / 35
18 Allocazione ottima (o di Neyman) L allocazione ottima è ottenuta ponendo: a g = w g σ yg M g=1 w g σ yg da cui si ottiene n g = n w g σ yg M g=1 w g σ yg dove σ yg è la deviazione standard della variabile oggetto di interesse dello strato g. Il campione ottenuto è detto campione di Neyman. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 18 / 35
19 Allocazione ottima (o di Neyman) In base all allocazione ottima, da ogni strato viene estratto un numero tanto più elevato di unità quanto più: è elevato w g, ossia il numero di unità dello strato (come nell allocazione proporzionale) è elevata la varianza dello strato Osservazione Se le varianze di strato sono tutte uguali il campione di Neyman coincide con quello proporzionale In tutti gli altri casi, lo stimatore della media campionaria ottenuto con l allocazione ottima è più efficiente di quello ottenuto con l allocazione proporzionale. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 19 / 35
20 Costo di campionamento Il costo complessivo del campionamento è composto da una parte fissa (c 0 ) e da costi variabili, legati al numero di untà da rilevare. Supponiamo che i costi di variabili siano diversi da strato a strato, ad esempio perchè in alcuni strati le unità sono più difficili da raggiungere. Indichiamo con c g il costo unitario di campionamento per una unità nello strato g. Il costo complessivo di campionamento è uguale a: M C = c 0 + n g c g g=1 Nel seguito, per semplicità supporremo che c 0 = 0, per cui C = M g=1 ng cg. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 20 / 35
21 Allocazione ottima per C fissato Invece di fissare la numerosità campionaria, supponiamo di avere a disposizione un budget pari a C. Il numero di unità per strato tale da minimizzare la varianza dello stimatore della media, dato il costo fissato, è: n g = C w g σ yg / c g M g=1 w g σ yg cg = C q g dove q g = wg σyg/ c g M g=1 wg σyg cg è la quota del costo totale da imputare allo strato g-mo. Se c 0 > 0, la formula diventa: n g = (C c 0 ) w g σ yg/ c g M g=1 wg σyg/ c g Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 21 / 35
22 Allocazione ottima per C fissato Avendo fissato il costo complessivo, da ogni strato viene estratto un numero tanto più elevato di unità quanto più: è elevato w g, ossia il numero di unità dello strato (come nell allocazione proporzionale) è elevata la varianza dello strato è basso il costo unitario di campionamento, dato tra la relazione inversa tra n g e c g Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 22 / 35
23 Esempio: Esposizione pubblicità Data una popolazione di 8000 utenti di un servizio di musica in streaming siamo interessati a stimare il tempo medio di esposizione ai messaggi pubblicitari. É intuitivo supporre che l esposizione alla pubblicità sia correlata al numero di ore di ascolto settimanale di musica. La popolazione viene quindi stratificata in base a quest ultima variabile. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 23 / 35
24 Disponiamo delle seguenti informazioni sugli strati: dimensione, deviazione standard del tempo di esposizione ai messaggi pubblicitari, costo unitario (in euro). ore N g σ yg c g Fissata la numerosità campionaria uguale a n = 120, vogliamo determinare la numerosità dei campioni negli strati, in base ai criteri illustrati. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 24 / 35
25 Allocazione uniforme n g = n M = = 30 ore N g σ yg c g n unif Totale Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 25 / 35
26 Allocazione proporzionale Le operazioni da svolgere per l allocazione proporzionale sono: w 1 = 500/8000 = n 1 = = 7.56 w 2 = 1500/8000 = n 2 = = w 3 = 3000/8000 = n 3 = = w 4 = 3000/8000 = n 4 = = ore N g w g n g n g Totale I valori n g = n w g vanno arrotondati, perchè non avrebbe senso allocare, ad esempio, un campione di 7.44 unità al primo stadio. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 26 / 35
27 Allocazione ottima Per l allocazione ottima è necessario tener conto anche della variabilità negli strati: ore N g σ yg w g w g σ g a g n g n g Totale Nel primo strato il numero di unità da estrarre (17) è maggiore di quello individuato con il criterio proporzionale (7), a causa dell elevata variabilità nel primo strato. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 27 / 35
28 Allocazione ottima per C fissato Con il creiterio dell allocazione ottima, il costo complessivo di campionamento sarebbe di 1986 euro. Supponiamo che il budget sia solo di 1000 euro. ore Ng σyg cg wg σg cg wg σg / cg wg σg cg qg ng Totale Il costo complessivo del campione è 996 euro, quindi rispetta il vincolo di costo. Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 28 / 35
29 Per approfondire Conti P. & Marella D., Campionamento da popolazioni finite, Springer (2013). Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 29 / 35
30 Esercizio 1 Si ha un campione di 350 utenti di un gestore di telefonia mobile, 98 utenti hanno affermato di essere soddisfatti del servizio: (a) Calcolare l intervallo di confindenza per la percentuale di utenti soddisfatti, ad un livello 1 α = (b) Supponendo di volere dimezzare il margine di errore, quale dovrebbe essere la dimensione del campione? (c) Calcolare la dimensione cautelativa del campione. Soluzione (a) [0.233, 0.327]; (b) 1345; (c) Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 30 / 35
31 Esercizio 2 Siamo interessati a stimare la spesa media familiare per alimenti e riteniamo che tale variabile sia correlata al numero di figli. Data una popolazione di N = 9300 famiglie stratificate in base al numero di figli (da 0 a 3 o più), vogliamo estrarre un campione di n = 190 famiglie. figli N g σ yg c g Totale 9300 (a) Calcolare la numerosità campionaria degli strati, con il criterio dall allocazione proporzinale. (b) Calcolare il costo complessivo di campionamento. Soluzione (a) n g = (51,47,61,31); (b) C=3122; Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 31 / 35
32 Esercizio 3 Con gli stessi dati dell esercizio precedente: (a) Calcolare la numerosità campionaria degli strati, tenuto conto che il budget per il campionamento è pari a C=1600 euro. (b) Calcolare la dimensione complessiva del campione così ottenuto. Soluzione (a) n g = (21,11,30,35); (b) n=97; Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 32 / 35
33 Esercizio 4 Dato un campione di 3000 intervistati, estratti dalle liste elettorali di un comune, il 45% di essi ha espresso una preferenza per il partito A al prossimo ballottaggio: (a) Dato un livello di confidenza del 99% calcolare l intervallo di confidenza per l intenzione di voto per il partito A. (b) Supponendo di volere un margine di errore dell 1%, quale dovrebbe essere la dimensione del campione. (c) Calcolare anche la dimensione cautelativa. Soluzione (a) [0.427, 0.473]; (b) 16457; (c) Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 33 / 35
34 Esercizio 5 Dovendo stimare il fatturato medio dei punti vendita per la telefonia mobile, riteniamo che il fatturato sia legato all area geografica in cui si trova il punto vendita. Da una popolazione di N=14800 punti vendita stratificati in base all area geografica (Nord Ovest, Nord Est, Centro, Sud, Isole), vogliamo estrarre un campione di n=250 negozi. area N g σ yg c g NO NE C S I Totale (a) Calcolare la numerosità campionaria degli strati, con il criterio dall allocazione ottimale. (b) Calcolare il costo complessivo di campionamento. Soluzione (a) n g = (74,102,30,19,25); (b) C=3882; Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 34 / 35
35 Esercizio 6 Con gli stessi dati dell esercizio precedente: (a) Calcolare la numerosità campionaria degli strati, tenuto conto che il budget per il campionamento deve essere 1/3 di quello calcolato con il criterio ottimale. (b) Calcolare la dimensione complessiva del campione così ottenuto. Soluzione (a) n g = (26,43,9,5,6); (b) n=89; Alessio Guandalini (Docente: P. D Urso) #06 Elementi di statistica inferenziale e di teoria dei campioni 35 / 35
Esercizi di preparazione per il primo esonero
Esercizi di preparazione per il primo esonero Metodi Statistici per il Marketing a.a. 2017/2018 Esercizio Cluster Su un campione di 5 clienti di una libreria sono stati rilevati gli acquisti per alcune
DettagliMetodi Statistici per il Marketing. #05 Elementi di statistica inferenziale e di teoria dei campioni
Corso di Metodi Statistici per il Marketing LUISS A.A. 2017-2018 #05 Elementi di statistica inferenziale e di teoria dei campioni 15 Marzo 2018 Alessio Guandalini (Docente: P. D Urso) #05 Elementi di statistica
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliCampionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 7 1. Utilizzando le tavole della distribuzione
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Ines Campa Probabilità e Statistica - Esercitazioni
DettagliArgomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell '
Lezione 2 Argomenti della lezione: La statistica inferenziale: concetti di base Campionamento Stima Distribuzione campionaria Popolazione (o universo) Insieme di tutti gli elementi cui si rivolge il ricercatore
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2017/2018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Marco Pietro Longhi Probabilità e Statistica
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliAndrea Manganaro. Tecniche di campionamento a confronto per i sistemi di audit regionali
Andrea Manganaro Tecniche di campionamento a confronto per i sistemi di audit regionali Definizione del problema Le regioni finanziano ogni anno diverse attività tramite due fondi europei: il Fondo Europeo
DettagliESAME. 9 Gennaio 2017 COMPITO A
ESAME 9 Gennaio 2017 COMPITO A Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 018-019 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per la
DettagliMetodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione
Metodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliEsercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)
STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliProbabilità e Statistica
Probabilità e Statistica Intervalli di confidenza Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob. e Stat. 1
DettagliContenuto del capitolo
Capitolo 8 Stima 1 Contenuto del capitolo Proprietà degli stimatori Correttezza: E(Stimatore) = parametro da stimare Efficienza Consistenza Intervalli di confidenza Per la media - per una proporzione Come
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
DettagliCONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI
CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliDISTRIBUZIONI DI CAMPIONAMENTO
DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,
DettagliStatistica 1- parte II
Statistica 1- parte II Esercitazione 2 Dott.ssa Antonella Costanzo 18/02/2016 Esercizio 1. IC media incognita, varianza nota Una fabbrica A produce matite colorate. Una prova su 100 matite scelte a caso
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it STIMA PUNTUALE (p. 55) Il parametro è stimato con un unico valore Esempio: stima della share di un programma TV = % di spettatori
DettagliPROVA SCRITTA DI STATISTICA (COD COD ) 7 luglio 2005 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A
PROVA SCRITTA DI STATISTICA (COD. 047 - COD. 403-37-377) 7 luglio 200 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A Esercizio (9 punti) Supponiamo di aver osservato la seguente
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliStatistica inferenziale
Statistica inferenziale Problema Nello studio delle distribuzioni teoriche di probabilità si suppone di conoscere i principali parametri della popolazione che esaminiamo (ad esempio la media, varianza).
Dettaglib) E necessario formulare delle ipotesi per calcolare l intervallo di confidenza ottenuto al punto a? (motivare brevemente la risposta):
ESERCIZIO 1 Una grande banca vuole stimare l ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto. Si seleziona un campione di 100 clienti su cui si osserva
DettagliStima diretta della domanda di trasporto
Corso di PIANIFICAZIONE DEI TRASPORTI Prof. Ing. Agostino Nuzzolo Aprile 005 Stima diretta della domanda di trasporto Stima della domanda di trasporto STIMA DELLA DOMANDA ATTUALE STIMA DELLA DOMANDA ATTUALE
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliCampionamento La statistica media campionaria e la sua distribuzione
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliCAMPIONAMENTO - ALCUNI TERMINI CHIAVE
CAMPIONAMENTO - ALCUNI TERMINI CHIAVE POPOLAZIONE = qualsiasi insieme di oggetti (unità di analisi) di ricerca N = ampiezza della popolazione PARAMETRI = caratteristiche della popolazione [media, proporzione
DettagliStatistica (parte II) Esercitazione 4
Statistica (parte II) Esercitazione 4 Davide Passaretti 03/03/016 Test sulla differenza tra medie (varianze note) Un negozio di scarpe è interessato a capire se le misure delle scarpe acquistate da adulti
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliBREVE RICERCA SULLA METODOLOGIA UTILIZZATA DAGLI ISTITUTI DI RICERCA "IARD" E "TONIOLO" PER LO STUDIO DELLA CONDIZIONE GIOVANILE IN ITALIA
BREVE RICERCA SULLA METODOLOGIA UTILIZZATA DAGLI ISTITUTI DI RICERCA "IARD" E "TONIOLO" PER LO STUDIO DELLA CONDIZIONE GIOVANILE IN ITALIA Prof. Giuliano Vettorato Stud. Ilaria Torri Aspetti statistici
DettagliSTATISTICA /2005
STATISTICA 1 2004/2005 Stimatori e Intervalli di Confidenza Esercizio 1 Riportiamo qui sotto venti campioni di taglia 5 estratti da una distribuzione normale standard N(0,1). -1,23 0,60 0,03 1,45 0,89-1,59-0,62
DettagliCorso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte IV: statistica inferenziale a cura di: S.Poffe
DettagliECONOMETRIA: Laboratorio I
ECONOMETRIA: Laboratorio I Luca De Angelis CLASS - Università di Bologna Programma Laboratorio I Valori attesi e varianze Test di ipotesi Stima di un modello lineare attraverso OLS Valore atteso Data una
DettagliGli errori nella verifica delle ipotesi
Gli errori nella verifica delle ipotesi Nella statistica inferenziale si cerca di dire qualcosa di valido in generale, per la popolazione o le popolazioni, attraverso l analisi di uno o più campioni E
DettagliUlteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento
DettagliParametri e statistiche. Parametri e statistiche. Distribuzioni campionarie. Popolazione Parametri Valori fissi, Statistiche o Stimatori.
Parametri e statistiche Popolazione Parametri Valori fissi, spesso non noti Campione Statistiche o Stimatori Variabili casuali, le cui determinazioni dipendono dalle particolari osservazioni scelte Parametri
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 5 Abbiamo visto: Modelli probabilistici nel continuo Distribuzione uniforme continua Distribuzione
DettagliMatematica con elementi di Informatica
Statistica descrittiva ed inferenziale Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche
DettagliAPPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO
APPUNTI DI STATISTICA INFERENZIALE Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO PREREQUISITI VARIABILE ALEATORIA (QUANTITATIVA): è una funzione che associa un numero reale ad ogni
DettagliDato che i risultati ottenuti tramite campioni casuali ed esperimenti comparativi sono legati al caso, non possiamo essere certi che le nostre
Campione Dato che i risultati ottenuti tramite campioni casuali ed esperimenti comparativi sono legati al caso, non possiamo essere certi che le nostre conclusioni siano corrette. Quello che possiamo fare
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliEsercizi di statistica inferenziale
Dipartimento di Fisica SMID a.a. 004/005 Esercizi di statistica inferenziale Prof. Maria Antonietta Penco tel. 0103536404 penco@fisica.unige.it 6/1/005 Esercizio1 E noto che un grande numero di pazienti
DettagliProva Pratica di Statistica I+II - Prof. M. Romanazzi
1 Università di Venezia - Corso di Statistica I + II (Cb-Ga) Prova Pratica di Statistica I+II - Prof. M. Romanazzi 3 Giugno 2008 Cognome e Nome............................................ N. Matricola............
DettagliParametri statistici
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Parametri statistici 24/1/2005 Deviazione standard della media La variabilità di una distribuzione può quindi essere espressa da un indice
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliScritto del
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 2017-18, I semestre 26 Giugno 2018 Scritto del 26-6 -18 Cognome Nome Matricola Esercizio 1. Un urna contiene
DettagliTest per l omogeneità delle varianze
Test per l omogeneità delle varianze Le carte di controllo hanno lo scopo di verificare se i campioni estratti provengono da un processo produttivo caratterizzato da un unico valore dello s.q.m. σ. Una
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 28-Intervalli di confidenza vers. 1.1 (21 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliESERCIZIO 1. Soluzione. X =numero di passeggeri giornaliero
ESERCIZIO 1 La somma dei numeri di passeggeri di un autoservizio suburbano rilevati in 7 giorni scelti a caso è pari a 385. Si assuma un modello gaussiano per descrivere il numero giornaliero di passeggeri.
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra, A. Di Ciaccio - McGraw Hill Es.. Soluzione degli esercizi del capitolo 4 4. Il sistema d ipotesi è: μ 7, H : μ 7, Essendo 0 : t,
DettagliUniversità di Pavia Econometria. Richiami di Statistica. Eduardo Rossi
Università di Pavia Econometria Richiami di Statistica Eduardo Rossi Università di Pavia Campione casuale Siano (Y 1, Y 2,..., Y N ) variabili casuali tali che le y i siano realizzazioni mutuamente indipendenti
DettagliSchema lezione 5 Intervalli di confidenza
Schema lezione 5 Intervalli di confidenza Non centrerò quella barca, ne sono convinto al 95% COMPRENDERE: Significato di intervallo di confidenza Uso degli stimatori come quantità di pivot per stime intervallari
DettagliLa statistica è la scienza che permette di conoscere il mondo intorno a noi attraverso i dati.
RICHIAMI DI STATISTICA La statistica è la scienza che permette di conoscere il mondo intorno a noi attraverso i dati. Quale è la media della distribuzione del reddito dei neolaureati? Per rispondere dovremmo
DettagliC.I. di Metodologia clinica
C.I. di Metodologia clinica Modulo 5. I metodi per la sintesi e la comunicazione delle informazioni sulla salute Quali errori influenzano le stime? L errore casuale I metodi per la produzione delle informazioni
Dettagli1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti?
Esercizio 1 Consideriamo una popolazione X, dove X = {3,5,7}. 1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti? 2. Quali sono i possibili campioni di numerosità
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliLaboratorio di Probabilità e Statistica
Laboratorio di Probabilità e Statistica lezione 5 Massimo Guerriero Ettore Benedetti Indice Lezione Prerequisiti dalla lezione scorsa Media e varianza campionaria Legge dei grandi numeri Teorema del limite
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Approssimazione normale della Poisson (TLC) In un determinato tratto di strada il numero di incidenti
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliCampione: Esercitazioni di Statistica Corsi di Laurea Infermiesristica Pediatrica e Ostetricia - I anno 1
Campione: - raccolta finita di elementi estratti da una popolazione - scopo dell estrazione è quello di ottenere informazioni sulla popolazione - il campione deve essere rappresentativo della popolazione
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2015-2016 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliEsercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 23/5/2017
Esercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 3/5/017 Contents 1 Intervalli di confidenza 1 Intervalli su un campione 1.1 Intervallo di confidenza per la media................................
DettagliEsercitazione 4 del corso di Statistica (parte 2)
Esercitazione 4 del corso di Statistica (parte ) Dott.ssa Paola Costantini Febbraio Esercizio n. Il tempo di percorrenza del treno che collega la stazione di Roma Termini con l aeroporto di Fiumicino è
DettagliBrevi cenni all intervallo di confidenza
Brevi cenni all intervallo di confidenza INFERENZA STATISTICA L INFERENZA STATISTICA è un insieme di metodi con cui si cerca di «raggiungere una conclusione» sulla popolazione, sulla base delle informazioni
DettagliSTATISTICA SOCIALE Corso di laurea in Scienze Turistiche - A.A. 2007/2008 Esercizi 30 novembre 2007
STATISTICA SOCIALE Corso di laurea in Scienze Turistiche - A.A. 2007/2008 Esercizi 30 novembre 2007 Esercizio 1 La seguente Tabella 1 riporta la distribuzione degli alberghi di una certa area per categoria
DettagliDipartimento di Fisica a.a. 2004/2005 Fisica Medica 2 Campionamento 29/4/2005
Dipartimento di Fisica a.a. 2004/2005 Fisica Medica 2 Campionamento 29/4/2005 Importanza del campionamento Trarre conclusioni o fare previsioni limitando l'osservazione solo a un gruppo dei soggetti che
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliConcetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2017/2018. Giovanni Lafratta
Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2017/2018 Giovanni Lafratta ii Indice 1 Spazi, Disegni e Strategie Campionarie 1 2 Campionamento casuale
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2018-2019 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliStatistica. Matematica con Elementi di Statistica a.a. 2017/18
Statistica La statistica è la scienza che organizza e analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva: dalla mole di dati
DettagliTutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliUniversità degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1 Lezione 1 - Mercoledì 27 Settembre 2017 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliProva d'esame di Statistica I - Corso Prof.ssa S. Terzi
Prova d'esame di Statistica I - Corso Prof.ssa S. Terzi Esercizio 1 Data la variabile casuale X con funzione di densità f(x) = 2x, per 0 x 1; f(x) = 0 per x [0, 1], determinare: a) P( - 0,5 < X< 0,7) b)
Dettagli