Statistica. Antonio Azzollini
|
|
|
- Rachele Ceccarelli
- 4 anni fa
- Visualizzazioni
Transcript
1 Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica Antonio Azzollini Anno accademico 2018/2019
2 Quartili e distribuzioni di frequenze Stanze Appartamenti Frequenze cumulate Per calcolare : A. Rango: B. Pertanto si colloca fra x ( 1587) e x ( 1588) C. Q1 Q1 ( ) 0,25 = 1587,75 x ( 1587) = x ( 1588) = 3 = Q Stanze Per calcolare : A. Rango: B. Pertanto si colloca fra x ( 4763) e x ( 4764) C. Q3 ( ) 0,75 = 4763,25 Q3 x ( 4763) = x ( 4764) = 4 = Q3
3 Quartili e distribuzioni di frequenze Per calcolare : A. Rango: Q1 ( 28 +1) 0,25 = 7,25 Modalità Frequenza Frequenza cumulata M = 5 B. Pertanto si colloca fra x ( 7) e x ( 8) C. Q1 x ( 7) = x ( 8) = 4 = Q1 Per calcolare : A. Rango: B. Pertanto si colloca fra e C. x 21 Q3 Q3 ( ) x ( 22) ( 28 +1) 0,75 = 21,75 x ( 21) = 6, x ( 22) = 7 Q3 = 6 + ( 7 6) 0, = 6,575
4 Quartili e distribuzioni di frequenze Q1 Per calcolare : Modalità Frequenza Frequenza cumulata M = 3 A. Rango: B. Pertanto si colloca fra e C. x 7 ( 28 +1) 0,25 = 7,25 Q1 ( ) = 1 x ( 8) = 2 Per calcolare : A. Rango: B. Pertanto si colloca fra x ( 21) e x ( 22) C. ( ) Q1 = Q3 ( 28 +1) 0,75 = 21,75 Q3 x ( 21) = x ( 22) = 4 = Q3 0,25 =1,25
5 Box-plot & simmetria Asimmetria: A = ( max M ) ( M min) 7 Per il box-plot rosso A = ( 7 5) 5 1 asimmetria negativa ( ) = Per il box-plot blu A = ( 7 3) 3 1 asimmetria positiva ( ) = Da 1 a 7 Da 7 a 1
6 Percentili Dopo una visita di controllo ad un bambino, il medico farà uso di un grafico come questo: Quindi,dopo aver constatato che il soggetto in questione è al 95-esimo percentile, si preoccuperà un po. Cosa significa percentile? Il percentile x è quel valore (non necessariamente appartenente al campione) che lascia a sinistra l x% dei dati. E allora dire che un bambino ha un peso al 95-esimo percentile vuol dire che il 95% della popolazione maschile di quell età ha un peso inferiore.
7 Percentili Riprendiamo l esempio della scuola 10,3; 12,9; 12,9; 13,5; 13,7; 14,0; 14,2; 15,0; 15,4; 15,7; 16,6; 17,1; 17,4; 17,8; 18,3; 18,3; 18,6; 18,9; 19,7; 20,3; 20,7; 20,8; 21,4; 23,0; 23,2; 23,7; 26,1; 27,1; 29,8; 33,8. p = 90 : ( 30 +1) 0,90 = 27,9 Il 90-esimo percentile si colloca fra gli elementi di posizione 27 & 28, ossia fra 26,1 & 27,1: 26,1+ ( 27,1 26,1) 0,9 = 27 Conclusione: il 90% degli intervistati dedica allo studio non più di 27 ore. E se volessimo l informazione inversa
8 Percentili 1 0,9 0,75 0,5 0, Qual è la percentuale di studenti che non studia più di 27 ore? Numero studenti che studiano non più di 27 ore = 27. Taglia = 30 Calcolo la percentuale: p = = 0,90
9 Percentili In sintesi: 27 è il 90 percentile del campione casuale perchè la percentuale di studenti del campione che studia 27 ore o meno è il 90%.
10 Mediana per classi di modalità Se non si conoscono i valori del campione ma solamente un riassunto in forma tabellare delle classi di frequenza... [10;14) [14;18) [18;22) [22;26) [26;30) [30;34] Estremi classi Frequenze cumulate = = } In 18 la frequenza cumulata è 14 < 30 2 = 15, mentre in 22 la frequenza cumulata è 23 > 30 2 = , 0 Pertanto la classe [18;22) contiene la mediana ? 22
11 Mediana per classi di modalità Se non si conoscono i valori del campione ma solamente un riassunto in forma tabellare delle classi di frequenza... Estremi classi Frequenze relative cumulate , , , , ,97 [10;14) [14;18) [18;22) [22;26) [26;30) [30;34] } Fra gli estremi 18 e 22 si passa da un valore inferiore a 0,50 ad uno superiore a 0,50. Risolvere: 34 1 Siccome non so come aumenta la frequenza all'interno della classe [18,22), assumo che l'incremento sia lineare (cioè quello della retta congiungente i punti P e Q) 1,0 0,8 0,7 0,5 0,4 0,2 0,1 P Q Mediana y = 0,50
12 Mediana per classi di modalità Se non si conoscono i valori del campione ma solamente un riassunto in forma tabellare delle classi di frequenza... Estremi classi Frequenze relative cumulate , , , , , x = 18 + } 0,50 0,47 0,77 0,47 La mediana varrà x [10;14) [14;18) [18;22) [22;26) [26;30) [30;34] Traccio una linea orizzontale in corrispondenza della frequenza 0,50 ed individuo l'intersezione. Risolviamo: y 0,47 0,77 0,47 = x y = 0,50 ( 22 18) = 18,4 1,0 0,8 0,7 0,5 0,4 0,2 0,1-0,1 P Q Mediana y = 0,
13 Quartili per classi di modalità Per calcolare i quartili Q1 e Q3 è possibile considerare di nuovo la tabella delle frequenze cumulate relative. Estremi classi Frequenze relative cumulate , ,47 } Per Q1: la frequenza cumulata relativa passa da un valore inferiore a 0,25 (ossia 0,17 in 14) ad un valore superiore a 0,25 (ossia 0,47 in 18). A. la classe di riferimento per B. Q1 = ,25 0,17 0,47 0,17 Q1 è [14;18) ( 18 14) = 15,08.
14 Quartili per classi di modalità Per calcolare i quartili Q1 e Q3 è possibile considerare di nuovo la tabella delle frequenze cumulate relative. Estremi classi Frequenze relative cumulate 18 0, , , , } PerQ3: la frequenza cumulata relativa passa da un valore inferiore a 0,87 (ossia 0,47 in 18) ad un valore superiore a 0,75 (ossia 0,77 in 22). A. la classe di riferimento per B. Q3 = ,75 0,47 0,77 0,47 Q3 è [18;22) ( 22 18) = 21,72.
15 Box-plot di distribuzioni in classi Per costruire il box-plot della distribuzione in classi riportiamo come al solito i quartili per costruire la scatola ed all'interno disegnamo la linea della mediana. I baffi li disegniamo in relazione al minimo della prima classe ed al massimo dell'ultima classe. Box-plot dataset esatto Box-plot dataset per classi di modalità
16 Indici di dispersione Si dicono indici di dispersione (o indici di variabilità) quei parametri che misurano la variabilità del campione casuale. Fra di essi riconosciamo: 1. Campo di variazione: 2. Intervallo interquartile: CVar = max min IQR = Q3 Q1
17 Indici di dispersione Si dicono indici di dispersione (o indici di variabilità) quei parametri che misurano la variabilità del campione casuale. Fra di essi riconosciamo: 1. Campo di variazione: 2. Intervallo interquartile: CVar = max min IQR = Q3 Q1 Chiamiamo varianza (campionaria) il valore s 2 calcolato attraverso la formula s 2 = 1 n 1 ( x 1 X ( m) 2 +!+ ( x n ) 2 = 1 X X (x i ) X 2 ) 2 + x 2 n 1 n i=1 dove X è la media aritmetica del campione casuale. Un ulteriore indice di dispersione che introduciamo è
18 Indici di dispersione Si dicono indici di dispersione (o indici di variabilità) quei parametri che misurano la variabilità del campione casuale. Fra di essi riconosciamo: 1. Campo di variazione: 2. Intervallo interquartile: CVar = max min IQR = Q3 Q1 Chiamiamo varianza (campionaria) il valore s 2 calcolato attraverso la formula s 2 = 1 n 1 ( x 1 X ( m) 2 +!+ ( x n ) 2 = 1 X X (x i ) X 2 ) 2 + x 2 n 1 n i=1 dove X è la media aritmetica del campione casuale. Un ulteriore indice di dispersione che introduciamo è 3. Deviazione standard (campionaria): s = s 2 va s
19 Indici di dispersione Esempio 10,3; 12,9; 12,9; 13,5; 13,7; 14,0; 14,2; 15,0; 15,4; 15,7; 16,6; 17,1; 17,4; 17,8; 18,3; 18,3; 18,6; 18,9; 19,7; 20,3; 20,7; 20,8; 21,4; 23,0; 23,2; 23,7; 26,1; 27,1; 29,8; 33,8. La media campionaria è X =19,01 10,3 12,9 13,5 13,7 19,01 19,7 20,3 20,7 20,8 21,4 La varianza vale s 2 = ,3 19,01 ( ) 2 + 2( 12,9 19,01) 2 + ( 13,5 19,01) 2 +!+ ( 33,8 19,01) 2 = 28,7
20 Indici di dispersione Esempio 10,3; 12,9; 12,9; 13,5; 13,7; 14,0; 14,2; 15,0; 15,4; 15,7; 16,6; 17,1; 17,4; 17,8; 18,3; 18,3; 18,6; 18,9; 19,7; 20,3; 20,7; 20,8; 21,4; 23,0; 23,2; 23,7; 26,1; 27,1; 29,8; 33,8. La media campionaria è X =19,01 10,3 12,9 13,5 13,7 19,01 19,7 20,3 20,7 20,8 21,4 La varianza vale s 2 = ,3 19,01 ( ) 2 + 2( 12,9 19,01) 2 + ( 13,5 19,01) 2 +!+ ( 33,8 19,01) 2 = 28,7 La deviazione standard è la radice quadrata della varianza s = 28,7 = 5,36.
21 Indici di dispersione Esempio 10,3; 12,9; 12,9; 13,5; 13,7; 14,0; 14,2; 15,0; 15,4; 15,7; 16,6; 17,1; 17,4; 17,8; 18,3; 18,3; 18,6; 18,9; 19,7; 20,3; 20,7; 20,8; 21,4; 23,0; 23,2; 23,7; 26,1; 27,1; 29,8; 33,8. La media campionaria è X =19,01 10,3 12,9 13,5 13,7 19,01 19,7 20,3 20,7 20,8 21,4 La varianza vale s 2 = ,3 19,01 ( ) 2 + 2( 12,9 19,01) 2 + ( 13,5 19,01) 2 +!+ ( 33,8 19,01) 2 = 28,7 La deviazione standard è la radice quadrata della varianza s = 28,7 = 5,36 La deviazione standard fornisce una misura della concentrazione dei dati intorno alla media..
22 Indici di dispersione La deviazione standard non è una statistica robusta { 1,2,3,4,5 } { 1,2, 3, 4,15} { 1,2, 3, 4,100} CVar = 4 IQR = 43,. 2 IQR = 82. IQR = 5,0,5 2. s = 1,58 CVar = 14 s = 5,07 CVar = 99. s = 43,62
23 Indici di dispersione La deviazione standard non è una statistica robusta { 1,2,3,4,5 } { 1,2, 3, 4,15} { 1,2, 3, 4,100} CVar = 4 IQR = 43,. 2 IQR = 82. IQR = 5,0,5 2. s = 1,58 CVar = 14 s = 5,07 CVar = 99 s = 43,62 Per variabili quantitative: ordinate in scale sia intervallari che proporzionali. Per il suo calcolo vengono utilizzati tutti i dati. Un insieme di dati ha una sola deviazione standard. Vale zero quando tutti i dati assumono lo stasso valore (variabile statistica degenere). [Esempio: È invariante per traslazione. Ossia, se ad ogni dato viene aggiunta una quantità costante allora la deviazione standard non cambia..
24 Indici di dispersione La deviazione standard non è una statistica robusta { 1,2,3,4,5 } { 1,2, 3, 4,15} { 1,2, 3, 4,100} CVar = 4 IQR = 43,. 2 IQR = 82. IQR = 5,0,5 2. s = 1,58 Per variabili quantitative: ordinate in scale sia intervallari che proporzionali. Per il suo calcolo vengono utilizzati tutti i dati. Un insieme di dati ha una sola deviazione standard. Vale zero quando tutti i dati assumono lo stasso valore (variabile statistica degenere). [Esempio: CVar = 14 s = 5,07 CVar = 99 s = 43,62 È invariante per traslazione. Ossia, se ad ogni dato viene aggiunta una quantità costante allora la deviazione standard non cambia..
25 Indici di dispersione La deviazione standard non è una statistica robusta { 1,2,3,4,5 } { 1,2, 3, 4,15} { 1,2, 3, 4,100} CVar = 4 IQR = 43,. 2 IQR = 82. IQR = 5,0,5 2. s = 1,58 Per variabili quantitative: ordinate in scale sia intervallari che proporzionali. Per il suo calcolo vengono utilizzati tutti i dati. Un insieme di dati ha una sola deviazione standard. Vale zero quando tutti i dati assumono lo stasso valore (variabile statistica degenere). [Esempio: CVar = 14 s = 5,07 CVar = 99 s = 43,62 È invariante per traslazione. Ossia, se ad ogni dato viene aggiunta una quantità costante allora la deviazione standard non cambia..
26 Indici di dispersione La deviazione standard non è una statistica robusta { 1,2,3,4,5 } { 1,2, 3, 4,15} { 1,2, 3, 4,100} CVar = 4 IQR = 43,. 2 IQR = 82. IQR = 5,0,5 2. s = 1,58 CVar = 14 s = 5,07 Per variabili quantitative: ordinate in scale sia intervallari che proporzionali. Per il suo calcolo vengono utilizzati tutti i dati. CVar = 99 s = 43,62 Un insieme di dati ha una sola deviazione standard. Vale zero quando tutti i dati assumono lo stasso valore (variabile statistica degenere). [Esempio: { 2,2,2},.X µ = 2, s = 0]. È invariante per traslazione. Ossia, se ad ogni dato viene aggiunta una quantità costante allora la deviazione standard non cambia..
27 Indici di dispersione La deviazione standard non è una statistica robusta { 1,2,3,4,5 } { 1,2, 3, 4,15} { 1,2, 3, 4,100} CVar = 4 IQR = 43,. 2 IQR = 82. IQR = 5,0,5 2. s = 1,58 CVar = 14 s = 5,07 CVar = 99. s = 43,62 { 2, 3, 4,5,101} CVar = 99 IQR = 5,0,5 2.. s = 43,62 Per variabili quantitative: ordinate in scale sia intervallari che proporzionali. Per il suo calcolo vengono utilizzati tutti i dati. Un insieme di dati ha una sola deviazione standard. Vale zero quando tutti i dati assumono lo stasso valore (variabile statistica degenere). [Esempio: { 2,2,2},.X µ = 2, s = 0]. È invariante per traslazione. Ossia, se ad ogni dato viene aggiunta una quantità costante allora la deviazione standard non cambia.
28 Concentrazione dei valori Assumendo in un campione casuale di taglia n la media aritmetica X come indice centrale, considerando la deviazione standard come indice di dispersione dei dati, ci si pone la questione di stabilire a priori una stima della percentuale di dati che si "concentrano" in prossimità di X.
29 Concentrazione dei valori Assumendo in un campione casuale di taglia n la media aritmetica X come indice centrale, considerando la deviazione standard come indice di dispersione dei dati, ci si pone la questione di stabilire a priori una stima della percentuale di dati che si "concentrano" in prossimità di X. Più precisamente: che percentuale di dati si trova nell'intervallo [ X - s, X+ s]? Che percentuale nell'intervallo [ X - 2s, X + 2s]? E nell'intervallo? [ X - 3s, X + 3s]
30 La regola empirica vs la regola di Čebyšëv Quando la distribuzione dei dati non è caratterizzata da una forte asimmetria e le osservazioni sono concentrate in prossimità di media e mediana, vale la seguente regola empirica:
31 La regola empirica vs la regola di Čebyšëv Quando la distribuzione dei dati non è caratterizzata da una forte asimmetria e le osservazioni sono concentrate in prossimità di media e mediana, vale la seguente regola empirica: approssimativamente il 68% dei valori presenta uno scostamento dalla media pari ad 1 volta la deviazione standard; Approssimativamente il 95% dei valori presenta uno scostamento dalla media pari a 2 volte la deviazione standard. Approssimativamente il 99,7% dei valori presenta uno scostamento dalla media pari a 3 volte la deviazione standard.
32 La regola empirica vs la regola di Čebyšëv Quando la distribuzione dei dati non è caratterizzata da una forte asimmetria e le osservazioni sono concentrate in prossimità di media e mediana, vale la seguente regola empirica: approssimativamente il 68% dei valori presenta uno scostamento dalla media pari ad 1 volta la deviazione standard; approssimativamente il 95% dei valori presenta uno scostamento dalla media pari a 2 volte la deviazione standard; Approssimativamente il 99,7% dei valori presenta uno scostamento dalla media pari a 3 volte la deviazione standard.
33 La regola empirica vs la regola di Čebyšëv Quando la distribuzione dei dati non è caratterizzata da una forte asimmetria e le osservazioni sono concentrate in prossimità di media e mediana, vale la seguente regola empirica: approssimativamente il 68% dei valori presenta uno scostamento dalla media pari ad 1 volta la deviazione standard; approssimativamente il 95% dei valori presenta uno scostamento dalla media pari a 2 volte la deviazione standard; approssimativamente il 99,7% dei valori presenta uno scostamento dalla media pari a 3 volte la deviazione standard.
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica. Antonio Azzollini
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica Antonio Azzollini antonio.azzollini@unibas.it Anno accademico 2017/2018 Quartili e distribuzioni di frequenze Stanze Appartamenti
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica. Antonio Azzollini
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica Antonio Azzollini antonio.azzollini@unibas.it Anno accademico 2016/2017 Quartili e distribuzioni di frequenze Stanze Appartamenti
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica. Antonio Azzollini
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica Antonio Azzollini antonio.azzollini@unibas.it Anno accademico 2017/2018 Le medie La mediana La mediana M di un insieme di dati (ordinato)
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica. Antonio Azzollini
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica Antonio Azzollini antonio.azzollini@unibas.it Anno accademico 2016/2017 Le medie Le medie si applicano ai caratteri quantitativi,
Rappresentazione dei dati
Rappresentazione dei dati Riprendiamo il data set Ore: > setwd(..) > ore
Le misure numeriche. La media aritmetica
Le misure numeriche La media aritmetica Indice centrale dei dati: somma dei valori numerici presi in considerazione diviso la numerosità. Per variabili quantitative: scala intervallare o rapporto. Per
La variabilità. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione [1/2] Gli indici di variabilità consentono di riassumere le principali caratteristiche di una distribuzione (assieme alle medie) Le
Scale di Misurazione Lezione 2
Last updated April 26, 2016 Scale di Misurazione Lezione 2 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura II anno, II semestre Tipi di Variabili 1 Scale di Misurazione 1. Variabile
Modelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica descrittiva Cernusco S.N., martedì 28 febbraio 2017 1 / 1 Indici
La variabilità. Monia Ranalli. Ranalli M. Variabilità Settimana # 2 1 / 14
La variabilità Monia Ranalli Ranalli M. Variabilità Settimana # 2 1 / 14 Sommario Variabilità Definizione Misure di Variabilità Per tutti i caratteri: Entropia Per i carattere quantitativi: Varianza, Scostamento
Teoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
Indice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
Corso di Laurea in Economia Aziendale. Docente: Marta Nai Ruscone. Statistica. a.a. 2015/2016
Corso di Laurea in Economia Aziendale Docente: Marta Nai Ruscone Statistica a.a. 2015/2016 1 Indici di posizione GLI INDICI DI POSIZIONE sono indici sintetici che evidenziano le caratteristiche essenziali
Indici di variabilità
Indici di variabilità 1. Prendendo in considerazione il numero di addetti per classi e le aziende: Addetti Aziende 0-5 195 5-10 225 10-25 360 25-40 180 40-100 40 - determinare la varianza e lo scarto quadratico
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica. Antonio Azzollini
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica Antonio Azzollini antonio.azzollini@unibas.it Anno accademico 2018/2019 Diagramma delle frequenze relative Si chiama diagramma delle
Misure di dispersione (o di variabilità)
08/04/014 Misure di dispersione (o di variabilità) Range Distanza interquartile Deviazione standard Coefficiente di variazione Misure di dispersione 7 8 9 30 31 9 18 3 45 50 x 9 range31-74 x 9 range50-941
tabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
Nozioni di statistica
Nozioni di statistica Distribuzione di Frequenza Una distribuzione di frequenza è un insieme di dati raccolti in un campione (Es. occorrenze di errori in seconda elementare). Una distribuzione può essere
Statistica Sociale - modulo A
Statistica Sociale - modulo A e-mail: stella.iezzi@uniroma2.it i quartili IL TERZO QUARTILE per un carattere diviso in classi ESEMPIO: il boxplot I QUARTILI I quartili sono tre indici che dividono la distribuzione
STATISTICA DESCRITTIVA (variabili quantitative)
STATISTICA DESCRITTIVA (variabili quantitative) PRIMO ESEMPIO: Concentrazione di un elemento chimico in una roccia. File di lavoro di STATVIEW Cliccando sul tasto del pane control si ottiene il cosiddetto
Media: è la più comune misura di tendenza centrale. Può essere calcolata per variabili numeriche.
Misure di tendenza centrale e di variabilità: Media: è la più comune misura di tendenza centrale. Può essere calcolata per variabili numeriche. Il valore medio di una variabile in un gruppo di osservazioni
Capitolo 3 Sintesi e descrizione dei dati quantitativi
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 3 Sintesi e descrizione dei dati quantitativi Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e tecnologie Alimentari" Unità
Statistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
Statistica descrittiva
Statistica descrittiva Caso di 1 variabile: i dati si presentano in una tabella: Nome soggetto Alabama Dato 11.6.. Per riassumere i dati si costruisce una distribuzione delle frequenze. 1 Si determina
Statistica Compito A
Statistica Compito A Prova scritta del 3 Luglio 2015 1. Il seguente campione casuale si riferisce al numero di difetti riscontrati su 1 metro-quadrato di stoffa: 0 7 1 5 2 6 3 4 4 3 5 2 6 1 7 2 (a) Cosa
Andrea Bonanomi Università Cattolica del Sacro Cuore. Principi di Statistica Descrittiva. Milano, 9 gennaio 2015 Camera di Commercio
Andrea Bonanomi Università Cattolica del Sacro Cuore Principi di Milano, 9 gennaio 2015 Camera di Commercio RIPETIBILITA ATTUALE RILEVAZIONE TOTALE RIPETIBILITA VIRTUALE RILEVAZIONE PARZIALE UNIVERSO CAMPIONE
TRACCIA DI STUDIO. Indici di dispersione assoluta per misure quantitative
TRACCIA DI STUDIO Un indice di tendenza centrale non è sufficiente a descrivere completamente un fenomeno. Gli indici di dispersione assolvono il compito di rappresentare la capacità di un fenomeno a manifestarsi
Matematica 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,
LA RAPPRESENTAZIONE E LA SINTESI DEI DATI
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LA RAPPRESENTAZIONE E LA SINTESI
Prova scritta di Statistica
Prova scritta di Statistica 5 Febbraio 2016 1. Da un indagine riguardante l utilizzo del telefono cellulare si sono ottenuti i seguenti risultati: Età No.telefonini Chiamate Spesa sett. Bluetooth 20 2
Statistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
STIME STATISTICHE. Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 2/2
p. 1/1 INFORMAZIONI Prossime lezioni Giorno Ora Dove 10/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 17/02 14:30 P50 23/02 14:30 P50 25/02 14:30 Aula informatica (6-7 gruppi) 02/03 14:30 P50 04/03
La Variabilità statistica
La Variabilità statistica Una peculiarità dei caratteri rilevati nelle unità statistiche di un collettivo, è quella di presentare valori o attributi in tutto o in parte diversi. Si chiama variabilità (nel
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
Esercitazioni di statistica
Esercitazioni di statistica Gli indici statistici di sintesi: Gli indici di centralità Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 7 Ottobre 2014 Stefania Spina Esercitazioni
Statistica Descrittiva Soluzioni 6. Indici di variabilità, asimmetria e curtosi
ISTITUZIONI DI STATISTICA A A 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
MISURE DI SINTESI 54
MISURE DI SINTESI 54 MISURE DESCRITTIVE DI SINTESI 1. MISURE DI TENDENZA CENTRALE 2. MISURE DI VARIABILITÀ 30 0 µ Le due distribuzioni hanno uguale tendenza centrale, ma diversa variabilità. 30 0 Le due
Statistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici)
Statistica La statistica può essere vista come la scienza che organizza ed analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva:
Statistica. 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
Statistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici)
Statistica La statistica può essere vista come la scienza che organizza ed analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva:
Seconda Lezione. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010 DISTRIBUZIONE DI FREQUENZA
Seconda Lezione "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando
Indici di. tendenza centrale: posizione: variabilità e dispersione: -quantili -decili -percentili. -Media -Moda -Mediana
Indici di posizione: -quantili -decili -percentili tendenza centrale: -Media -Moda -Mediana variabilità e dispersione: -Devianza - Varianza -Deviazione standard Indici di tendenza centrale Indici di tendenza
Studio di osservazione, perché non viene imposto nessun trattamento alle unità campionarie
ALCUNI ESERCIZI ASSEGNATI (3 e 6 crediti) NELLA SESSIONE DI LUGLIO CON RELATIVE SOLUZIONI ATTENZIONE I VALORI OTTENUTI NEI CALCOLI (OTTENUTI CON UN SOFTWARE STATISTICO) POSSONO DIFFERIRE DI POCO DA QUELLI
Variabilità e Concentrazione Esercitazione n 02
Variabilità e Concentrazione Esercitazione n 02 ESERCIZIO 1 Nella tabella di seguito sono riportati i dati relativi al tempo necessario a 8 studenti per svolgere un test di valutazione (in ore): Tempo
Statistica. Matematica con Elementi di Statistica a.a. 2015/16
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
Metodi Matematici e Informatici per la biologia. Esercizi
Metodi Matematici e Informatici per la biologia Esercizi Esercizio 1 Il modo migliore per isolare gli effetti delle variabili nascoste sulla variabile di risposta è di effettuare uno studio di osservazione
Distribuzione di Frequenza: Esempio
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
Statistica Un Esempio
Statistica Un Esempio Un indagine sul peso, su un campione di n = 100 studenti, ha prodotto il seguente risultato. I pesi p sono espressi in Kg e sono stati raggruppati in cinque classi di peso. classe
1/4 Capitolo 4 Statistica - Metodologie per le scienze economiche e sociali 2/ed Copyright 2008 The McGraw-Hill Companies srl
1/4 Capitolo 4 La variabilità di una distribuzione Intervalli di variabilità Box-plot Indici basati sullo scostamento dalla media Confronti di variabilità Standardizzazione Statistica - Metodologie per
ELEMENTI DI STATISTICA DESCRITTIVA
Dipartimento di Matematica U. Dini, Università di Firenze Viale Morgagni 67/A, 50134 - Firenze, Italy, vlacci@math.unifi.it November 15, 2015 Terminologia In un esperimento ogni risultato delle caratteristiche
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Indici di posizione per caratteri quantitativi discreti e continui Il seguente data set riporta la rilevazione
Dispersione. si cercano indici di dispersione che:
Dispersione si cercano indici di dispersione che: utilizzino tutti i dati { x 1, x 2... x n } siano basati sulla nozione di scarto (distanza) dei dati rispetto ad un centro d i = x i C ad es. rispetto
Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di
STATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
Esercizi. Esercizio 1. Date le funzioni f(x) = x 2 3x + 2 e g(x) = 2x 1,
Esercizi Esercizio 1. Date le funzioni f(x) = x 2 3x + 2 e g(x) = 2x 1, (a) dire quanto vale f g e qual è il suo insieme di definizione; (b) dire quanto vale g f e qual è il suo insieme di definizione;
7. STATISTICA DESCRITTIVA
7. STATISTICA DESCRITTIVA Quando si effettua un indagine statistica si ha a che fare con un numeroso insieme di oggetti, detto popolazione del quale si intende esaminare una o più caratteristiche (matricole
Indici di Dispersione
Indici di Dispersione Si cercano indici di dispersione che: utilizzino tutti i dati {x 1, x 2,..., x n } siano basati sulla nozione di scarto (distanza) dei dati rispetto a un centro d i = x i C ad esempio,
Elementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
Indice. Prefazione. 4 Sintesi della distribuzione di un carattere La variabilità Introduzione La variabilità di una distribuzione 75
00PrPag:I-XIV_prefazione_IAS 8-05-2008 17:56 Pagina V Prefazione XI 1 La rilevazione dei fenomeni statistici 1 1.1 Introduzione 1 1.2 Caratteri, unità statistiche e collettivo 1 1.3 Classificazione dei
STATISTICA 1 ESERCITAZIONE 6
STATISTICA 1 ESERCITAZIONE 6 Dott. Giuseppe Pandolfo 5 Novembre 013 CONCENTRAZIONE Osservando l ammontare di un carattere quantitativo trasferibile su un collettivo statistico può essere interessante sapere
Le medie. Antonello Maruotti
Le medie Antonello Maruotti Outline 1 Medie di posizione 2 Definizione Moda La moda di un collettivo, distributio secondo un carattere qualsiasi, è la modalità prevalente del carattere ossia quella a cui
Elementi di Economia e Statistica prof.ssa Valentina Raimondi. dott. Federico Andreis (Statistica)
Elementi di Economia e Statistica prof.ssa Valentina Raimondi dott. Federico Andreis (Statistica) federico.andreis@unimi.it ricevimento studenti su appuntamento presso la Facoltà di Scienze Politiche dell
1/55. Statistica descrittiva
1/55 Statistica descrittiva Organizzare e rappresentare i dati I dati vanno raccolti, analizzati ed elaborati con le tecniche appropriate (organizzazione dei dati). I dati vanno poi interpretati e valutati
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Sintesi a cinque e misure di variabilità rispetto ad un centro Una catena di fast-food ha selezionato
Metodi Matematici ed Informatici per la Biologia Esame Finale, II appello 2 Luglio Matricola: Codice
Metodi Matematici ed Informatici per la Biologia Esame Finale, II appello 2 Luglio 2007 Nome: Cognome: Matricola: Codice 9784507821 Esercizio Risposta Voto 1 a b c d 2 a b c d e 3 4 5 a b c d 6 a b c d
Esercitazioni di statistica
Esercitazioni di statistica Boxplot e numeri indici Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 14 Ottobre 014 Stefania Spina Esercitazioni di statistica 1/37 Definizioni La
ESERCIZI DI RIEPILOGO 1
ESERCIZI DI RIEPILOGO 1 ESERCIZIO 1 La tabella seguente contiene la distribuzione di frequenza della variabile X = età (misurata in anni) per un campione casuale di bambini: x i 4.6 8 3.2 3 5.4 6 2.6 2
Variabilità. ..senza variabilità non ci sarebbe la statistica
Variabilità..senza variabilità non ci sarebbe la statistica Se tutti votassimo lo stesso partito alle elezioni (=moda), non ci sarebbero i sondaggi, nè le previsioni elettorali il voto politico sarebbe
3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura
INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI
Esame di Statistica A-Di Prof. M. Romanazzi
1 Università di Venezia Esame di Statistica A-Di Prof. M. Romanazzi 12 Giugno 2015 Cognome e Nome..................................... N. Matricola.......... Valutazione Il punteggio massimo teorico di
Medie. Monia Ranalli. Ranalli M. Medie Settimana # 2 1 / 22
Medie Monia Ranalli Ranalli M. Medie Settimana # 2 1 / 22 Sommario Medie analitiche Media aritmetica Definizione Proprietà Medie di posizione Moda Definizione Proprietà Mediana Definizione Proprietà Calcolo
VOTI ESERCIZIO 1. In Tabella 1 è mostrato l insieme dei 31 voti del primo appello dell esame scritto di cinese.
VOTI ESERCIZIO 1 In Tabella 1 è mostrato l insieme dei 31 del primo appello dell esame scritto di cinese. 20, 26, 25, 26, 28, 24, 30, 27, 25, 23, 28, 22, 20, 25, 25, 21, 22, 24, 22, 29, 29, 23, 27, 25,
ESERCIZI DI STATISTICA SOCIALE
ESERCIZI DI STATISTICA SOCIALE FREQUENZA ASSOLUTA Data una distribuzione semplice di dati, ovvero una serie di microdati, si chiama frequenza assoluta di ogni modalità del carattere studiato il numero
Esercitazioni di Statistica
Esercitazioni di Statistica (SSD SECS-S/01) corso di Laurea in Economia Aziendale A.A. 2014/2015 Dott. Massimiliano Gallo massimiliano.gallo@unibas.it variabile quantitativa con determinazioni,,,,, Media
Settimana 2. G. M. Marchetti. 4 Marzo 2017
Settimana 2 G. M. Marchetti 4 Marzo 2017 1 / 54 Mediana Un indice di posizione alternativo alla media e molto usato è la mediana È basato sull ordinamento dei dati La mediana è il valore Me tale che la
p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali.
p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica
Sintesi dei dati in una tabella. Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6)
Sintesi dei dati in una tabella Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6) Sintesi dei dati Spesso si vuole effettuare una sintesi dei dati per ottenere indici
2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
ESERCIZI DI RIEPILOGO 1
ESERCIZI DI RIEPILOGO 1 ESERCIZIO 1 La tabella seguente contiene la distribuzione di frequenza della variabile X = età (misurata in anni) per un campione casuale di bambini: x i 4.6 8 3.2 3 5.4 6 2.6 2
Metodologie statistiche per l analisi del rischio ELEMENTI DI STATISTICA DESCRITTIVA PER L ANALISI DEL RISCHIO
Corso di Laurea in Sicurezza igienico-sanitaria degli alimenti Metodologie statistiche per l analisi del rischio ELEMENTI DI STATISTICA DESCRITTIVA PER L ANALISI DEL RISCHIO Facoltà di Medicina Veterinaria,
Università di Cassino Corso di Laurea in Scienze Motorie Biostatistica Anno accademico 2011/2012
Università di Cassino Corso di Laurea in Scienze Motorie Biostatistica Anno accademico 2011/2012 Bruno Federico b.federico@unicas.it Cattedra di Igiene - Università degli Studi di Cassino Indici di sintesi
Statistica 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
Daniela Tondini
Daniela Tondini dtondini@unite.it Facoltà di Medicina veterinaria CdS in Tutela e benessere animale Università degli Studi di Teramo 1 INDICI STATISTICI La moda M O di una distribuzione di frequenza X,
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica. Antonio Azzollini Anno accademico 2016/2017
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica Antonio Azzollini antonio.azzollini@unibas.it Anno accademico 2016/2017 Rappresentazione dei dati I dati raccolti in tabelle possono
Esercitazione 1.3. Indici di variabilità ed eterogeneità. Prof.ssa T. Laureti a.a
Corso di Statistica Esercitazione.3 Indici di variabilità ed eterogeneità Concentrazione Asimmetria Prof.ssa T. Laureti a.a. 202-203 Esercizio Si considerino i seguenti dati relativi al numero di addetti
Corso di Laurea triennale Tecniche della Prevenzione PERCORSO STRAORDINARIO 2007/08. Insegnamento di STATISTICA MEDICA. Modulo II
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea triennale Tecniche della Prevenzione PERCORSO STRAORDINARIO 2007/08 Insegnamento di STATISTICA MEDICA Docente:Dott.ssa Egle
Metodologie statistiche per l analisi del rischio ELEMENTI DI STATISTICA DESCRITTIVA PER L ANALISI DEL RISCHIO
Corso di Laurea in Sicurezza igienico-sanitaria degli alimenti Metodologie statistiche per l analisi del rischio ELEMENTI DI STATISTICA DESCRITTIVA PER L ANALISI DEL RISCHIO Facoltà di Medicina Veterinaria,
Statistica Esercitazione. alessandro polli facoltà di scienze politiche, sociologia, comunicazione
Statistica Esercitazione alessandro polli facoltà di scienze politiche, sociologia, comunicazione Obiettivo Esercizio 1. Analizzeremo la distribuzione delle famiglie italiane, classificate per numero di
II ESERCITAZIONE ESERCIZIO
II ESERCITAZIONE ESERCIZIO 1 Quale percentuale di osservazioni sotto la curva normale standardizzata cade nell'intervallo compreso tra i valori z=-1 e z=+1? a) 66% circa b) 70,2% circa c) 68,2% circa d)
Laboratorio di Statistica 1 con R Esercizi per la Relazione. I testi e/o i dati degli esercizi contassegnati da sono tratti dai libri consigliati
Laboratorio di Statistica 1 con R Esercizi per la Relazione I testi e/o i dati degli esercizi contassegnati da sono tratti dai libri consigliati nel corso. Esercizio 1. 1. Facendo uso dei comandi
BLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
STATISTICHE DESCRITTIVE
STATISTICHE DESCRITTIVE ARGOMENTI DELLA LEZIONE concetti introduttivi indici di tendenza centrale indici di dispersione indici di posizione 2 concetti introduttivi Unità statistiche elementi che costituiscono
Statistica Elementare
Statistica Elementare 1. Frequenza assoluta Per popolazione si intende l insieme degli elementi che sono oggetto di una indagine statistica, ovvero l insieme delle unità, dette unità statistiche o individui
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a Statistica. Statistica Descrittiva 3. Esercizi: 5, 6. Docente: Alessandra Durio
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a. 2016-17 Statistica Statistica Descrittiva 3 Esercizi: 5, 6 Docente: Alessandra Durio 1 Contenuti I quantili nel caso dei dati raccolti in classi