Elementi di Statistica descrittiva Parte I

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Elementi di Statistica descrittiva Parte I"

Transcript

1 Elementi di Statistica descrittiva Parte I

2 Che cos è la statistica Metodo di studio di caratteri variabili, rilevabili su collettività. La statistica si occupa di caratteri (ossia aspetti osservabili) variabili (possono assumere valori diversi). Essi devono poter essere rilevati su soggetti (unità statistiche). Scopi della statistica: Sintetizzare: predisporre i dati raccolti in una forma che consenta di comprendere meglio i fenomeni. (STATISTICA DESCRITTIVA) Generalizzare: estendere con metodi di induzione i risultati ottenuti da un gruppo limitato di unità statistiche (campione) all intera collettività (universo, popolazione). (STATISTICA INFERENZIALE) 2 I caratteri possono essere: Quantitativi, quando sono espressi da un numero (spesso una misura), esempio: l età di un individuo, il numero di componenti di una famiglia, l altezza di un albero; Qualitativi, quando sono espressi mediante un giudizio o una qualità, esempio: il colore degli occhi di un individuo, la serie in cui milita una squadra di calcio (A,B,C,..). La statistica inferenziale usa i metodi del calcolo delle probabilità, che qui non viene considerato. 2

3 Che cos è la statistica descrittiva Insieme di tecniche usate per sintetizzare una serie di dati. Raccolta dei dati: attraverso procedure di campionamento, oppure: registrando le risposte a date sollecitazioni in un ambiente sperimentale, oppure: osservando ripetutamente un processo nel tempo, (serie storiche). Tecniche di rappresentazione: Tabulari: Si usano tabelle per sintetizzare i dati; Grafiche: Si usano grafici per sintetizzare i dati; Numeriche: Si calcolano certi valori per sintetizzare i dati. 3 La statistica descrittiva ha per scopo la sintesi di dati raccolti secondo vari criteri e in vari contesti. Per campionamento si intende il rilevare caratteri da un campione, ossia un sottoinsieme della popolazione che ci interessa. I tre tipi di tecniche rappresentative elencati sono logicamente consecutivi (prima si genera una tabella, poi si ottiene un grafico, infine si determinano dei numeri significativi), in ogni caso verranno esposti in tale sequenza. 3

4 Variabili aleatorie, unità statistiche e campionamento L oggetto del nostro studio è una popolazione. Variabile aleatoria X: È una caratteristica della popolazione che a noi interessa; La popolazione è costituita da unità statistiche; Campione: un sottoinsieme della popolazione. Esempio : Popolazione: studenti universitari di Milano; Variabile X: numero di film visti in un certo periodo; Campione: 40 studenti. A un gruppo di 40 studenti universitari si chiede quante volte sono stati al cinema negli ultimi due mesi. 4 In statistica i termini "aleatorio", "casuale", "stocastico" sono sinonimi e sono aggettivi che si associano ai risultati di una prova. Quando il risultato di un esperimento:. Non è prevedibile con certezza (ossia è non deterministico); 2. È esprimibile tramite un numero (ossia ci troviamo in presenza di un carattere quantitativo), allora tale risultato costituisce una variabile casuale (o variabile aleatoria o variabile stocastica - random variable). Ad esempio, il risultato del lancio di un dado a sei facce è una variabile casuale avente come possibili valori gli interi da a 6. Un altro esempio di variabile casuale è il risultato dell operazione di scegliere a caso una persona e rilevare la sua altezza (o il peso, o l età). La terminologia variabile casuale è soggetta a critiche: una variabile casuale è da considerarsi piuttosto come una funzione che fa corrispondere a degli eventi dei numeri reali. I 40 studenti dell Esempio costituiscono un campione perché a noi interessa una caratteristica una popolazione (che è costituita da tutti gli studenti universitari di Milano e che è certamente molto più numerosa di 40) e da questa popolazione estraiamo un sottoinsieme su cui effettuiamo il rilevamento. I criteri secondo cui scegliere il campione in modo tale che i risultati ottenuti siano applicabili a tutta la popolazione fanno parte della statistica inferenziale. 4

5 Rilevazione di una variabile aleatoria Il campione è costituito da n unità: dimensione n; (nell esempio n = 40) u, u 2,..., u n : valori di X ottenuti dal campione; (nell esempio 40 risposte: u, u 2,..., u 40 ) Una stessa risposta può venir fornita da più di uno studente, si dice che tale risposta ha una maggiore di. Esempio: il rilevamento fornisce il risultato seguente: 5 Gli indici con cui distinguiamo le unità statistiche (nell esempio gli studenti intervistati) servono solo a distinguere un unità dall altra e non hanno in genere grande importanza: nel nostro esempio u sarà lo studente intervistato per primo, u 40 lo studente intervistato per ultimo. Tale informazione non ha interesse per noi. 5

6 Esempio dati grezzi rilevati u0 3 u02 u valori rilevati. Di essi solo 7 risultano distinti u0 3 u02 u03 5 u04 4 u05 2 u06 3 u07 4 u08 9 u09 3 u0 6 u 3 u2 2 u3 4 u4 4 u5 2 u6 4 u7 3 u8 6 u9 2 u20 3 u2 5 u22 5 u23 3 u24 4 u25 6 u26 6 u27 2 u28 2 u29 3 u30 5 u3 5 u32 3 u33 4 u34 4 u35 4 u36 4 u37 4 u38 3 u39 5 u40 4 In genere: su n valori solo k sono distinti. 6 Vicino a ogni unità statistica u i è riportato il corrispondente valore rilevato (ossia la risposta ottenuta). Notiamo che:. Le risposte sono comprese fra un minimo (=) e un massimo (=9), quindi possono assumere solo 9 valori distinti; 2. Di conseguenza alcune risposte saranno date da più di un intervistato (hanno >); 3. Di questi 9 valori due non figurano mai (hanno =0). In definitiva si sono rilevate solo 7 risposte distinte. 6

7 Valori distinti e loro I k valori distinti osservati vengono ordinati in senso crescente (, 2,..., k ) Invece di considerare gli n valori osservati (u, u 2,..., u n ) conviene considerare i k valori distinti osservati, a ognuno di essi si associa una campionaria; Frequenza (campionaria) n i : numero di unità statistiche del campione che hanno l i-esimo valore distinto. Risulta quindi: k n; < 2 <... < k n + n n k = n 7 N.B.: se il carattere rilevato è qualitativo (ossia non numerico) si hanno ancora k valori distinti, ognuno con la propria associata. Si possono avere due sottocasi:. Il carattere è ordinabile (ossia esiste un ordine secondo si possono disporre i valori distinti. Esempio: il giudizio ottenuto da uno studente in una prova scritta: insufficiente, sufficiente, buono, ottimo). In questo caso l ordine sarà quello (nell esempio = insufficiente, 4 = insufficiente); 2. Il carattere non è ordinabile (Esempio: bianco, rosso, verde, blu). In questo caso l ordine sarà arbitrario. La (campionaria) è anche il numero di volte che un dato valore è stato osservato. Il caso k=n corrisponde a frequenze tutte = (ognuno fornisce una risposta diversa da tutti gli altri). 7

8 Aggreghiamo i valori osservati in k classi di : Tabella delle frequenze Frequenza Assoluta Frequenza Relativa Frequenza Cumulativa p =n /n, p 2 =n 2 /n,..., p k =n k /n p +p 2 +p 3 + +p k = F =p, F 2 =F +p 2, F 3 =F 2 +p 3,, F k =F k- +p k = 8 Con la tabella delle frequenze si riduce la dimensione dell elenco (k righe invece di n) e si evidenziano i valori ottenuti in un ordine crescente. Informazione perduta: l ordine con cui si è ottenuto un certo valore (non importante, come già detto). k sono i valori distinti, ordinati. 8

9 Frequenze del valore i-esimoi Frequenza assoluta n i : numero di elementi della classe k i = n i = Frequenza relativa p i : rapporto fra la assoluta e n, numero totale dei dati osservati (dimensione del campione) Frequenza cumulativa F i : somma delle frequenze relative dei valori i n k ni pi = p i = n F i = p j i j = i = F = = p F k 9 Questa figura riassume, relativamente ai diversi tipi di, le definizioni e le proprietà viste prima, L indice i identifica la generica unità statistica u i. 9

10 Tabella delle frequenze dell Esempio valori rilevati min= ma= 9 classe assoluta relativa cumulativa 0,025 0, ,50 0, ,250 0, ,300 0, ,50 0, ,00 0, ,000 0, ,000 0, ,025,000 TOTALE 40 0 La colonna con intestazione classe riporta i valori distinti ordinati. Il motivo della dizione classe è dovuto a uniformità di terminologia con il caso di variabile continua, come risulta meglio più avanti. Dato che il tipo di carattere che stiamo considerando (ossia la variabile aleatoria numero di spettacoli visti in due mesi ) può assumere tutti i valori interi compresi fra il minimo rilevato (=) e il massimo rilevato (=9), nella colonna dei valori distinti si riportano tutti questi valori, compresi quindi il 7 e l 8 a cui corrisponde zero. In definitiva in questo caso abbiamo: k=9, =, 9 =9. Notiamo che queste scelte sono in parte arbitrarie e potrebbero non essere adeguate, ad esempio nel caso che si volesse ripetere il campionamento utilizzando un campione diverso che potrebbe fornire risposte diverse. Una prima modifica potrebbe consistere nel porre =0 (nel nostro campione la risposta non ho visto alcuno spettacolo nei due mesi non figura, ma è del tutto possibile), inoltre conviene prevedere valori massimi maggiori di 9 che a priori non possiamo escludere. In definitiva la tabella come organizzata in figura è adeguata solo per il campione utilizzato nell esempio. L ultima riga riporta i totali a scopo di controllo. La somma delle cumulative non ha senso. 0

11 Frequenze percentuali dell Esempio classe assoluta relativa percentuale cumulativa cumulativa percentuale 0,025 2,50 0,025 2, ,50 5,00 0,75 7, ,250 25,00 0,425 42, ,300 30,00 0,725 72, ,50 5,00 0,875 87, ,00 0,00 0,975 97, ,000 0,00 0,975 97, ,000 0,00 0,975 97,50 9 0,025 2,50,000 00,00 TOTALE Tabella delle frequenze della figura precedente, a cui sono state aggiunte le due colonne percentuale, cumulativa percentuale. La percentuale è la relativa moltiplicata per 00 e corrisponde alla assoluta di un ipotetico campione di dimensione 00. La somma delle frequenze percentuali è 00. La cumulativa percentuale è la cumulativa moltiplicata per 00. L ultima cumulativa percentuale (quella dell ultima classe) è 00.

12 Esempio - istogramma In un sistema cartesiano poniamo: in ascissa i valori che definiscono la classe in ordinata la Costruiamo un grafico formato da rettangoli la cui base è centrata in corrispondenza dei valori che definiscono la classe e la cui altezza rappresenta la : assoluta Frequentazione cinema No spettacoli visti La base di tutti i rettangoli è fissa. L area di un rettangolo è proporzionale alla 2 Oltre al tipo di istogramma illustrato esistono molte varianti, tutte basate sull idea di rappresentare il valore di una (assoluta o relativa) tramite la lunghezza di una barra. Per una visualizzazione delle opzioni più diffuse si può ad esempio ricorrere alla voce di menu [Inserisci]->[Grafico] di Ecel. 2

13 Variabili discrete e variabili continue La variabile X dell esempio precedente è numerica, discreta e finita, perché assume un numero finito di valori numerici interi. Una variabile continua può assumere valori reali, in genere limitati entro un intervallo finito. In questo caso i valori possibili sono infiniti. Di conseguenza ogni valore rilevato avrà in genere = e i dati distinti tendono a coincidere coi dati grezzi. Per rappresentare i dati essi vengono allora aggregati in classi di frequenze, come nell esempio che segue. 3 Stiamo considerando il caso di un carattere quantitativo il cui valore è un numero reale (ad esempio una misura fisica). In tal caso abbiamo una variabile che può assumere infiniti valori in un dato intervallo. La probabilità di estrarre in maniera casuale più di una volta lo stesso valore è trascurabile. 3

14 Esempio 2 dati grezzi Si sono misurate le lunghezze di un campione di 20 pezzi prodotti da una macchina: u0 7,2 u02 7,9 u03 8,0 u04 8,0 u05 8,2 u06 8,4 u07 8,5 u08 8,6 u09 8,6 u0 9,0 u 9, u2 9,2 u3 20,3 u4 20,4 u5 20,4 u6 20,4 u7 20,7 u8 20,8 u9 20,8 u20 2, La variabile è in questo caso numerica e continua perché assume valori numerici reali, di cui si riportano delle approssimazioni. 4 4

15 Esempio 2: tabella delle frequenze valori rilevati min= 7,2 ma= 2, I dati rilevati sono organizzati in classi di, ponendo in ciascuna classe le u i i=,,20 che assumono valori appartenenti a sottointervalli dell intervallo (7.0,2.5) di ampiezza δ=0.5 (δ può essere scelto arbitrariamente) classe No classe assoluta relativa cumulativa 7,5 0,050 0, ,0 3 0,50 0, ,5 3 0,50 0, ,0 3 0,50 0, ,5 2 0,00 0, ,0 0 0,000 0, ,5 4 0,200 0, ,0 3 0,50 0, ,5 0,050,000 TOTALE 20 5 Si considera per l intervallo chiuso [7.0,2.5] e lo si suddivide in sottointervalli ( classi ) di ampiezza costante. Tali sottointervalli sono chiusi a destra, quindi: classe = [7.0,7.5] classe 2 = (8.0,8.5] classe 3 = (8.5,9.0]... classe 9 = (2.0,2.5] Quindi ad esempio il valore 8.5 appartiene, in modo non ambiguo, alla classe 2 e non alla classe 3. Si noti che con questa suddivisione escludiamo a priori la possibilità ottenere valori minori di 7 o maggiori di 2.5, considerati valori anomali. Dato che conviene tener conto anche dei valori anomali (sempre possibili ad esempio in seguito a un errore di misura) la suddivisione precedente viene di solito modificata come segue: La classe viene ridefinita come (0,7.5] e comprenderà tutti i valori minori o uguali a 7.5. (Nel caso in esame è fisicamente impossibile ottenere valori negativi, se così non fosse si assumerebbe come classe l intervallo (-,7.5] ); Si aggiunge un ulteriore classe: classe 0 = (2.5, ) comprendente tutti i valori >2.5. 5

16 Esempio 2: istogramma In un sistema cartesiano, in cui poniamo in ascissa i valori che definiscono la classe e in ordinata fa o fr, si costruisce un grafico (istogramma) formato da rettangoli la cui base è l intervallo che definisce la classe e la cui altezza rappresenta la (fa o fr) classe tot fa Questo istogramma è del tutto simile a quello dell esempio, con la differenza che qui ogni classe corrisponde a un intervallo di valori possibili. 6

17 Esempio 2: torta La visualizzazione dei dati è molto varia. Ad esempio si possono utilizzare grafici a torta (pie-chart): classe fa fc 5 % 20 % 35 % 55 % % % % % % % 95 % % % % tot 20 L area dello spicchio è proporzionale alla 7 Esempio di grafico, di tipo diverso dal precedente, ma che riporta informazioni della stessa natura. Rispetto al precedente notiamo: Le frequenze sono relative e non assolute; Le nove classi sono state aggregate in 5 classi si ampiezza doppia, allo scopo di rendere più immediata la comprensibilità del grafico (perdendo ovviamente alcune informazioni). 7

18 Ogiva Si chiama ogiva la linea che rappresenta la cumulativa di una variabile numerica. Graficamente si presenta come una spezzata che unisce i punti che hanno per ascisse i valori osservati (caso discreto) o gli estremi degli intervalli (caso continuo) e per ordinate i valori della cumulativa. Per costruire l ogiva relativa all Esempio 2 si congiungono i punti: P (7.5,5), P 2 (8,20), P 3 (8.5,35), P 4 (9,55), P 5 (9.5,60), P 6 (20,60), P 7 (20.5,80), P 8 (2,95), P 9 (2.5,00). 8 Le frequenze cumulative percentuali dell Esempio 2 sono riportate sul diagramma cartesiano ( pallini ), i punti vengono poi collegati con segmenti di retta. Il tutto riporta il grafico approssimato della cumulativa percentuale in funzione della classe. Il punto iniziale ha sempre ordinata uguale alla della classe, il punto finale ha ordinata 00. 8

19 Si sono rilevate le cause del guasto di un automobile in un dato periodo Esempio 3 La tipologia di causa del guasto è stato attribuita ad una variabile, ottenendo: = A 2 = B 3 = A 4 = C 5 = B 6 = D X 7 = D 8 = E 9 = F 0 = A = D 2 = A 3 = A 4 = C 5 = D 6 = A A : motore B : cambio C : elettronic a D : sospension i E : benzina F : incidente La variabile è in questo caso qualitativa perché non assume valori numerici. 9 Il carattere che stiamo considerando è qualitativo e non ordinabile: la sequenza A, B, C, è arbitraria nel senso che si sarebbe potuto indicare con A qualunque dei sei tipi di guasto considerati. 9

20 Esempio 3: tabelle di I dati rilevati possono essere organizzati in classi di. Le classi sono determinate dalle tipologie assunte dalla variabile. Si costruisce una tabella in cui si affianca a ciascuna classe il numero di volte in cui, nel periodo osservato, si realizza la tipologia di causa: classe A B C D E F tot fa fr 6 / 6 = / 6 = / 6 = / 6 = / 6 = / 6 = tot fp 37. 5% 2. 5% 2. 5% % % 2. 5% tot 00 % fa: assoluta fr: relativa fp: percentuale Non ha senso la fc 20 20

21 Esempio 3: istogramma In un sistema cartesiano, in cui poniamo in ascissa le tipologie di classi e in ordinata fa o fr, si costruisce un grafico (istogramma) formato da rettangoli la cui base di misura costante rappresenta la classe ovvero la categoria di causa guasto e la cui altezza rappresenta il numero di volte di realizzazione di tale causa 2 2

Elementi di statistica descrittiva I 31 Marzo 2009

Elementi di statistica descrittiva I 31 Marzo 2009 Il Concetti generali di Statistica) Corso Esperto in Logistica e Trasporti Elementi di Statistica applicata Elementi di statistica descrittiva I Marzo 009 Concetti Generali di Statistica F. Caliò franca.calio@polimi.it

Dettagli

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ Prof. Francesco Tottoli Versione 3 del 20 febbraio 2012 DEFINIZIONE È una scienza giovane e rappresenta uno strumento essenziale per la scoperta di leggi e

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile

Dettagli

STATISTICA DESCRITTIVA UNIVARIATA

STATISTICA DESCRITTIVA UNIVARIATA Capitolo zero: STATISTICA DESCRITTIVA UNIVARIATA La STATISTICA è la scienza che si occupa di fenomeni collettivi che richiedono lo studio di un grande numero di dati. Il termine STATISTICA deriva dalla

Dettagli

STATISTICA E PROBABILITá

STATISTICA E PROBABILITá STATISTICA E PROBABILITá Statistica La statistica è una branca della matematica, che descrive un qualsiasi fenomeno basandosi sulla raccolta di informazioni, sottoforma di dati. Questi ultimi risultano

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione

Dettagli

Statistica descrittiva univariata

Statistica descrittiva univariata Statistica descrittiva univariata Elementi di statistica 2 1 Tavola di dati Una tavola (o tabella) di dati è l insieme dei caratteri osservati nel corso di un esperimento o di un rilievo. Solitamente si

Dettagli

Premesse alla statistica

Premesse alla statistica Premesse alla statistica Versione 22.10.08 Premesse alla statistica 1 Insiemi e successioni I dati di origine sperimentale si presentano spesso non come singoli valori, ma come insiemi di valori. Richiamiamo

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica e Biometria. Statistica descrittiva

Università del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica e Biometria. Statistica descrittiva Università del Piemonte Orientale Corsi di Laurea Triennale di Area Tecnica Corso di Statistica e Biometria Statistica descrittiva 1 Statistica Funzioni Descrittiva Induttiva (inferenziale) Statistica

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Un breve riepilogo: caratteri, unità statistiche e collettivo UNITA STATISTICA: oggetto dell osservazione

Dettagli

Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011

Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011 Università degli Studi di Padova Facoltà di Psicologia, L4, Psicometria, Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011 Statistica descrittiva e inferenziale

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -

Dettagli

Indice Statistiche Univariate Statistiche Bivariate

Indice Statistiche Univariate Statistiche Bivariate Indice 1 Statistiche Univariate 1 1.1 Importazione di un file.data.............................. 1 1.2 Medie e variabilità................................... 6 1.3 Distribuzioni di frequenze...............................

Dettagli

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe

Dettagli

Analisi di dati di frequenza

Analisi di dati di frequenza Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato

Dettagli

LABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE

LABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) LABORATORIO EXCEL

Dettagli

LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di

LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica

Dettagli

CLASSIFICAZIONE DEI CARATTERI

CLASSIFICAZIONE DEI CARATTERI CLASSIFICAZIONE DEI CARATTERI Come abbiamo visto, su ogni unità statistica si rilevano una o più informazioni di interesse (caratteri). Il modo in cui un carattere si manifesta in un unità statistica è

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

Statistica descrittiva

Statistica descrittiva Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento

Dettagli

Cosa dobbiamo già conoscere?

Cosa dobbiamo già conoscere? Cosa dobbiamo già conoscere? Insiemistica (operazioni, diagrammi...). Insiemi finiti/numerabili/non numerabili. Perché la probabilità? In molti esperimenti l esito non è noto a priori tuttavia si sa dire

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

Statistica descrittiva: prime informazioni dai dati sperimentali SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni

Dettagli

Grafici delle distribuzioni di frequenza

Grafici delle distribuzioni di frequenza Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma

Dettagli

Statistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.

Statistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi. Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:

Dettagli

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI IL CONCETTO DI VARIABILE CASUALE Associare una misura di probabilità al verificarsi di un certo evento (come esito di un esperimento) non sempre è sufficiente a risolvere gran parte dei problemi reali

Dettagli

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 1 RAPPRESENTARE I DATI: TABELLE E GRAFICI Un insieme di misure è detto serie statistica o serie dei dati 1) Una sua prima elementare elaborazione può

Dettagli

Funzioni in due variabili Raccolta di FAQ by Andrea Prevete

Funzioni in due variabili Raccolta di FAQ by Andrea Prevete Funzioni in due variabili Raccolta di FAQ by Andrea Prevete 1) Cosa intendiamo, esattamente, quando parliamo di funzione reale di due variabili reali? Quando esiste una relazione fra tre variabili reali

Dettagli

Statistica. L. Freddi. L. Freddi Statistica

Statistica. L. Freddi. L. Freddi Statistica Statistica L. Freddi Statistica La statistica è un insieme di metodi e tecniche per: raccogliere informazioni su un fenomeno sintetizzare l informazione (elaborare i dati) generalizzare i risultati ottenuti

Dettagli

Capitolo 2 Distribuzioni di frequenza

Capitolo 2 Distribuzioni di frequenza Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.

Dettagli

LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE

LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

Esempio di introduzione. della statistica a scuola

Esempio di introduzione. della statistica a scuola 1 Esempio di introduzione della statistica a scuola 2 3 4 5 RAPPRESENTAZIONE GRAFICA (EXCEL) IMPARARE A DEDURRE E IPOTIZZARE DAI VARI TIPI DI GRAFICI 6 La rappresentazione grafica: impariamo a rappresentare

Dettagli

RAPPRESENTAZIONE DEI DATI

RAPPRESENTAZIONE DEI DATI Rappresentazione dei Dati RAPPRESENTAZIONE DEI DATI Quando si dispone di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente Quandoil si loro dispone

Dettagli

2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale

2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk

Dettagli

Elementi di statistica. Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1

Elementi di statistica. Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1 Elementi di statistica Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 1 Statistica La statistica si può definire come: l insieme dei metodi

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL

RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono

Dettagli

RAPPRESENTAZIONI GRAFICHE

RAPPRESENTAZIONI GRAFICHE RAPPRESENTAZIONI GRAFICHE Prendiamo in considerazione altre rappresentazioni di dati che sono strumenti utili anche in altre discipline di studio o altri settori della vita quotidiana. Questi strumenti

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste perlopiù nella traduzione da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo come esempio il data set contenuto nel foglio excel esercizio2_dati.xls.

Dettagli

Lezione 1- Introduzione. Statistica medica e Biometria. Statistica medica-biostatistica. Prof. Enzo Ballone

Lezione 1- Introduzione. Statistica medica e Biometria. Statistica medica-biostatistica. Prof. Enzo Ballone Lezione 1- Introduzione Cattedra di Biostatistica Dipartimento di Scienze sperimentali e cliniche, Università degli Studi G. d Annunzio di Chieti Pescara Prof. Enzo Ballone Statistica medica e Biometria

Dettagli

Esercitazione di riepilogo 23 Aprile 2013

Esercitazione di riepilogo 23 Aprile 2013 Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA

ESERCIZI DI STATISTICA DESCRITTIVA ESERCIZI DI STATISTICA DESCRITTIVA ES1 Data la seguente serie di dati su Sesso e Altezza di 8 pazienti, riempire opportunamente due tabelle per rappresentare le distribuzioni di frequenze dei due caratteri,

Dettagli

1. L analisi statistica

1. L analisi statistica 1. L analisi statistica Di cosa parleremo La statistica è una scienza, strumentale ad altre, concernente la determinazione dei metodi scientifici da seguire per raccogliere, elaborare e valutare i dati

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Un po di statistica. Christian Ferrari. Laboratorio di Matematica Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di

Dettagli

Analisi dei Dati e Statistica a.a. 2011/2012. Prof. Giuseppe Espa. giuseppe.espa@economia.unitn.it 0461/282157. Statistica descrittiva (prima parte)

Analisi dei Dati e Statistica a.a. 2011/2012. Prof. Giuseppe Espa. giuseppe.espa@economia.unitn.it 0461/282157. Statistica descrittiva (prima parte) a.a. 2011/2012 giuseppe.espa@economia.unitn.it 0461/282157 Statistica descrittiva (prima parte) D.J. Sweeney, T.A. Williams, D.R. Anderson (2009) Fundamentals of Business Statistics (5th edition International

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

8 Elementi di Statistica

8 Elementi di Statistica 8 Elementi di Statistica La conoscenza di alcuni elementi di statistica e di analisi degli errori è importante quando si vogliano realizzare delle osservazioni sperimentali significative, ed anche per

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste perlopiù nella traduzione da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo come esempio il data set contenuto nel foglio excel esercizio1_dati.xls.

Dettagli

ESERCIZIO N 4. Fatturato Supermercati [0;500) 340 [500;1000) 368 [1000;5000) 480 [5000;10000) 37 [10000;20000) 15 taglia = 1240

ESERCIZIO N 4. Fatturato Supermercati [0;500) 340 [500;1000) 368 [1000;5000) 480 [5000;10000) 37 [10000;20000) 15 taglia = 1240 ESERCIZIO N 4 Fatturato Supermercati [0;500) 340 [500;1000) 368 [1000;5000) 480 [5000;10000) 37 [10000;20000) 15 taglia = 1240 PUNTO a CALCOLO MODA E QUARTILI La moda rappresenta quell'elemento del campione

Dettagli

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli

Capitolo 4 Probabilità

Capitolo 4 Probabilità Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.

Dettagli

Pivot è bello. Principali. misure di variabilità. Il contesto è di tipo matematico, in particolare riguarda l uso di dati numerici e delle loro

Pivot è bello. Principali. misure di variabilità. Il contesto è di tipo matematico, in particolare riguarda l uso di dati numerici e delle loro Pivot è bello Livello scolare: 1 biennio Abilità Conoscenze interessate Predisporre la struttura della Distribuzioni delle matrice dei dati grezzi con frequenze a seconda del riguardo a una rilevazione

Dettagli

OCCUPATI SETTORE DI ATTIVITA' ECONOMICA

OCCUPATI SETTORE DI ATTIVITA' ECONOMICA ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971

Dettagli

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010 LEZIONE 3 "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 uno

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 1 VARIABILI QUALITATIVE

STATISTICA DESCRITTIVA - SCHEDA N. 1 VARIABILI QUALITATIVE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) STATISTICA DESCRITTIVA

Dettagli

ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI

ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI (sintesi da Prof.ssa Di Nardo, Università della Basilicata, http://www.unibas.it/utenti/dinardo/home.html) ISTOGRAMMA/DIAGRAMMA

Dettagli

CAPITOLO III CONFRONTI TRA DISTRIBUZIONI

CAPITOLO III CONFRONTI TRA DISTRIBUZIONI CAPITOLO III CONFRONTI TRA DISTRIBUZIONI 3.1 CONFRONTI TRA DISTRIBUZIONI OSSERVATE E DISTRIBUZIONI TEORICHE OD ATTESE. Nella teoria statistica e nella pratica sperimentale, è frequente la necessità di

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Calcolo delle probabilità Il Sig. Rossi abita nella città X e lavora nella città Y, poco distante.

Dettagli

matematica probabilmente

matematica probabilmente IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e

Dettagli

Master della filiera cereagricola. Impresa e mercati. Facoltà di Agraria Università di Teramo. Giovanni Di Bartolomeo Stefano Papa

Master della filiera cereagricola. Impresa e mercati. Facoltà di Agraria Università di Teramo. Giovanni Di Bartolomeo Stefano Papa Master della filiera cereagricola Giovanni Di Bartolomeo Stefano Papa Facoltà di Agraria Università di Teramo Impresa e mercati Parte prima L impresa L impresa e il suo problema economico L economia studia

Dettagli

Lezione 1. Concetti Fondamentali

Lezione 1. Concetti Fondamentali Lezione 1 Concetti Fondamentali Sonetto di Trilussa Sai ched è la statistica? E na cosa che serve pe fa un conto in generale de la gente che nasce, che sta male, che more, che va in carcere e che sposa.

Dettagli

Modelli descrittivi, statistica e simulazione

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., giovedì 21 gennaio 2016 (9.00/13.00)

Dettagli

Test d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi

Test d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se

Dettagli

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 2 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazione dei dati Rappresentazione

Dettagli

Ai fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione:

Ai fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione: 1 Lastoriadiun impresa Il Signor Isacco, che ormai conosciamo per il suo consumo di caviale, decide di intraprendere l attività di produttore di caviale! (Vuole essere sicuro della qualità del caviale

Dettagli

Serie numeriche e serie di potenze

Serie numeriche e serie di potenze Serie numeriche e serie di potenze Sommare un numero finito di numeri reali è senza dubbio un operazione che non può riservare molte sorprese Cosa succede però se ne sommiamo un numero infinito? Prima

Dettagli

Come costruire una distribuzione di frequenze per caratteri quantitativi continui

Come costruire una distribuzione di frequenze per caratteri quantitativi continui Come costruire una distribuzione di frequenze per caratteri quantitativi continui Consideriamo i dati contenuti nel primo foglio di lavoro (quello denominato dati) del file esempio2.xls. I dati si riferiscono

Dettagli

Rette e curve, piani e superfici

Rette e curve, piani e superfici Rette e curve piani e superfici ) dicembre 2 Scopo di questo articolo è solo quello di proporre uno schema riepilogativo che metta in luce le caratteristiche essenziali delle equazioni di rette e curve

Dettagli

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

Perché il logaritmo è così importante?

Perché il logaritmo è così importante? Esempio 1. Perché il logaritmo è così importante? (concentrazione di ioni di idrogeno in una soluzione, il ph) Un sistema solido o liquido, costituito da due o più componenti, (sale disciolto nell'acqua),

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

Prova di autovalutazione Prof. Roberta Siciliano Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.

Dettagli

Libri di testo (suggeriti)

Libri di testo (suggeriti) AVVISO: dal prossimo mercoledì, faremo lezione 14:00 16:00 Fino ad avviso contrario, sempre nell aula P2 Sito del corso http://www.di.unisa.it/professori/zizza/lab_bio/inizio.htm Libri di testo (suggeriti)

Dettagli

2) Codici univocamente decifrabili e codici a prefisso.

2) Codici univocamente decifrabili e codici a prefisso. Argomenti della Lezione ) Codici di sorgente 2) Codici univocamente decifrabili e codici a prefisso. 3) Disuguaglianza di Kraft 4) Primo Teorema di Shannon 5) Codifica di Huffman Codifica di sorgente Il

Dettagli

Probabilità discreta

Probabilità discreta Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che

Dettagli

Concetti per il calcolo delle probabilità. Gli eventi: una classificazione

Concetti per il calcolo delle probabilità. Gli eventi: una classificazione Concetti per il calcolo delle probabilità "La prova genera l 'evento con una certa probabilità". Prova, evento, probabilità, sono concetti primitivi, nozioni intuitive. Comunque una loro qualificazione

Dettagli

Rappresentazione di informazioni con un alfabeto finito

Rappresentazione di informazioni con un alfabeto finito Rappresentazione di informazioni con un alfabeto finito Sia A = { a 1,, a k } un insieme (alfabeto) di k simboli, detti anche lettere. Quante sono le sequenze composte da n simboli (anche ripetuti) di

Dettagli

Brugnaro Luca Boscaro Gianni (2009) 1

Brugnaro Luca Boscaro Gianni (2009) 1 STATISTICA PER LE PROFESSIONI SANITARIE - LIVELLO BASE Brugnaro Luca Boscaro Gianni (2009) 1 Perché la statistica Prendere decisioni Bibliografia non soddisfacente Richieste nuove conoscenze Raccolta delle

Dettagli

LA FUNZIONE DI TRASFERIMENTO

LA FUNZIONE DI TRASFERIMENTO LA FUNZIONE DI TRASFERIMENTO Può essere espressa sia nel dominio della s che nel dominio della j Definizione nel dominio della s. è riferita ai soli sistemi con un ingresso ed un uscita 2. ha per oggetto

Dettagli

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo

Statistica 1. Esercitazioni. Dott. Luigi Augugliaro 1. Università di Palermo Statistica 1 Esercitazioni Dott. 1 1 Dipartimento di Scienze Statistiche e Matematiche S. Vianelli, Università di Palermo ricevimento: lunedì ore 15-17 mercoledì ore 15-17 e-mail: luigi.augugliaro@unipa.it

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Incompatibilità ed indipendenza stocastica. Probabilità condizionate, legge della probabilità totale, Teorema

Dettagli

Esercizi di Calcolo delle Probabilita (I)

Esercizi di Calcolo delle Probabilita (I) Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:

Dettagli

Laboratorio di ST1 Lezione 2

Laboratorio di ST1 Lezione 2 Laboratorio di ST1 Lezione 2 Claudia Abundo Dipartimento di Matematica Università degli Studi Roma Tre Frequenze in R ESEMPIO Fiori preferiti da n=6 ragazze In R: fiori=c("rosa", "orchidea", "violetta",

Dettagli

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione CAPITOLO 10 Controllo di qualità Strumenti per il controllo della qualità e la sua gestione STRUMENTI PER IL CONTROLLO E LA GESTIONE DELLA QUALITÀ - DIAGRAMMI CAUSA/EFFETTO - DIAGRAMMI A BARRE - ISTOGRAMMI

Dettagli

Modelli di Ottimizzazione

Modelli di Ottimizzazione Capitolo 2 Modelli di Ottimizzazione 2.1 Introduzione In questo capitolo ci occuperemo più nel dettaglio di quei particolari modelli matematici noti come Modelli di Ottimizzazione che rivestono un ruolo

Dettagli

Corso di Analisi Statistica per le Imprese (9 CFU) Prof. L. Neri a.a. 2011-2012

Corso di Analisi Statistica per le Imprese (9 CFU) Prof. L. Neri a.a. 2011-2012 Corso di Analisi Statistica per le Imprese (9 CFU) Prof. L. Neri a.a. 2011-2012 1 Riepilogo di alcuni concetti base Concetti di base: unità e collettivo statistico; popolazione e campione; caratteri e

Dettagli

Matematica Applicata. Probabilità e statistica

Matematica Applicata. Probabilità e statistica Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato

Dettagli

(concetto classico di probabilità)

(concetto classico di probabilità) Probabilità matematica (concetto classico di probabilità) Teoria ed esempi Introduzione Il calcolo delle probabilità è la parte della matematica che si occupa di prevedere, sulla base di regole e leggi

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

Lezione 1. Concetti Fondamentali

Lezione 1. Concetti Fondamentali Lezione 1 Concetti Fondamentali 1 Sonetto di Trilussa Sai ched è la statistica? E E na cosa che serve pe fa un conto in generale de la gente che nasce, che sta male, che more, che va in carcere e che sposa.

Dettagli

L analisi dei dati. Capitolo 4. 4.1 Il foglio elettronico

L analisi dei dati. Capitolo 4. 4.1 Il foglio elettronico Capitolo 4 4.1 Il foglio elettronico Le più importanti operazioni richieste dall analisi matematica dei dati sperimentali possono essere agevolmente portate a termine da un comune foglio elettronico. Prenderemo

Dettagli

LE ASSUNZIONI DELL'ANOVA

LE ASSUNZIONI DELL'ANOVA LE ASSUNZIONI DELL'ANOVA Sono le assunzioni del test t, ma estese a tutti i gruppi: o La variabile deve avere una distribuzione normale in tutte le popolazioni corrispondenti ai gruppi campionati o Le

Dettagli

A.A. 2015/2016. Statistica Medica. Corso di. CdL in Fisioterapia CdL in Podologia

A.A. 2015/2016. Statistica Medica. Corso di. CdL in Fisioterapia CdL in Podologia A.A. 2015/2016 Corso di Statistica Medica CdL in Fisioterapia CdL in Podologia La statistica è la scienza che ha come fine lo studio quantitativo e qualitativo di un "collettivo". Studia i modi in cui

Dettagli

Slide Cerbara parte1 5. Le distribuzioni teoriche

Slide Cerbara parte1 5. Le distribuzioni teoriche Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle

Dettagli

Prof. Ing. Michele Marra - Appunti delle Lezioni di Ricerca Operativa Sequenze CAPITOLO II

Prof. Ing. Michele Marra - Appunti delle Lezioni di Ricerca Operativa Sequenze CAPITOLO II CAPITOLO II 2. - PROBLEMI DI SEQUENZA I problemi di sequenza si presentano ogni qualvolta vi sono delle attività che richiedono delle risorse limitate ed indivisibili e bisogna definire l'ordine secondo

Dettagli

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability

Dettagli

Massimi e minimi vincolati di funzioni in due variabili

Massimi e minimi vincolati di funzioni in due variabili Massimi e minimi vincolati di funzioni in due variabili I risultati principali della teoria dell ottimizzazione, il Teorema di Fermat in due variabili e il Test dell hessiana, si applicano esclusivamente

Dettagli

PRIMA PARTE STATISTICA DESCRITTIVA

PRIMA PARTE STATISTICA DESCRITTIVA PRIMA PARTE STATISTICA DESCRITTIVA 1 PRIMA UNITA Primi concetti elementari 1. Che cos è la statistica La statistica si occupa della raccolta, presentazione ed elaborazione delle informazioni, in genere

Dettagli