STATISTICA DESCRITTIVA

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "STATISTICA DESCRITTIVA"

Transcript

1 STATISTICA DESCRITTIVA La statistica è sorta i tempi atichissimi co i cesimeti: storico quello di Augusto che, secodo la tradizioe cristiaa coivolse Maria e Giuseppe, giusto alla ascita di Gesù. Solo el secolo XVII, i seguito alle gradi scoperte matematiche, acque la statistica come disciplia a sé state il cui campo di applicazioe si è ampliato trovado applicazioe oltre che i demografia, i moltissime disciplie: ecoomia, sociologia, fisica, biologia, geetica, psicologia ecc. E cosuetudie suddividere la statistica i: Statistica descrittiva, che ha lo scopo di raccogliere ed elaborare i dati per descrivere feomei collettivi o di massa Statistica iduttiva (o ifereza statistica), che si occupa dei metodi che permettoo di stimare le caratteristiche di u feomeo collettivo partedo dall aalisi delle caratteristiche di u campioe. Geeralità a) Feomei tipici, atipici e collettivi Per feomeo si itede tutto ciò che capita itoro a oi o che oi stessi provochiamo. Tutti i feomei che si presetao costatemete co le stesse caratteristiche soo chiamati feomei tipici. Ad esempio u corpo abbadoato a ua certa altezza, cade verticalmete verso il basso a causa della forza di gravità terrestre. Esistoo feomei che si maifestao ogi volta co caratteristiche diverse e per le quali è difficile fare delle previsioi sul loro comportameto e che per questo soo defiiti feomei atipici. Pesiamo, ad esempio, ai feomei meteorologici. Se cosideriamo, ivece, feomei sociali quali ad esempio le ascite, i matrimoi, le migrazioi, o è possibile stabilire delle leggi geerali come avviee ivece per i feomei tipici. Possiamo però affermare che se si effettuao delle osservazioi molto umerose su tali feomei, essi rivelao ua tipicità di comportameto che ci permette di studiare le leggi che li goverao. Questo tipo di feomei vegoo chiamati feomei collettivi. La statistica aalizza, i termii quatitativi, i feomei collettivi. b) Natura del metodo statistico La ricerca scietifica usa essezialmete due metodi: il metodo deduttivo e il metodo iduttivo. Si adopera il metodo deduttivo se si stabiliscoo a priori assiomi geerali, che si pogoo come premesse al processo logico, e i seguito, attraverso il ragioameto, se e ricavao le possibili cosegueze. Si procede dal geerale al particolare. Se, ivece, si parte dall osservazioe di fatti sigoli e, successivamete, geeralizzado, si risale ai pricipi e alle leggi di carattere geerale relativi ai fatti studiati, si adopera il metodo iduttivo, si procede cioè dal particolare al geerale. Il metodo statistico è il metodo iduttivo per eccelleza perché cerca di ricavare, pur ella varietà delle sigole maifestazioi, le leggi soggiaceti ai feomei stessi, o almeo di evideziare evetuali regolarità, i modo da trarre previsioi relative al comportameto futuro

2 c) Dati statistici Si defiisce uità statistica o idividuo il più piccolo elemeto sul quale si effettua u osservazioe. Esempi di uità statistiche: Studete Famiglia Aziede Scuole Uiversità L uità statistica può essere: Semplice, se corrispode ad ua sigola persoa o a u oggetto (ad esempio età di ua persoa, cilidrata di u automobile); Composta, se è composta da u isieme di elemeti (ad esempio, uclei familiari) Si defiisce dato statistico il risultato di u operazioe compiuta sulle uità statistiche (ad esempio il prezzo medio di u certo bee) Per popolazioe statistica si itede l isieme degli elemeti che soo oggetto di studio cioè le uità statistiche. d) Frequeza e itesità Se i dati statistici esprimoo il umero di volte i cui u dato feomeo si è verificato assumoo la atura di frequeza (ad esempio il umero dei promossi a giugo di ua certa scuola) Se rappresetao ivece ua media, ua somma allora esprimoo ua itesità (ad esempio la statura media di u gruppo di giovai della stessa età). e) Carattere, modalità quatitative e qualitative Le uità statistiche vegoo studiate secodo uo o più caratteri comui e successivamete vegoo divisi rispetto alle varie modalità attraverso cui il carattere si maifesta. Il carattere è rappresetato, ad esempio, dal tipo di scuola, metre le modalità soo rappresetate da: scuole matere, scuole elemetari, scuole superiori. I questo caso le modalità soo qualitative i quato soo espresse da espressioi verbali. U carattere qualitativo è detto mutabile statistica. Se prediamo i esame il carattere altezza, le varie modalità soo rappresetate dalle misure delle diverse altezze divise per scaglioi (da 150 cm a 155 cm, da 155 cm a 160 cm). I questo caso le modalità soo quatitative essedo espresse da umeri. U carattere quatitativo è detto variabile statistica. Le modalità quatitative possoo essere: Cotiue, se soo espresse da umeri reali (ad esempio altezze e pesi). Tutte le osservazioi di u feomeo collettivo che soo oggetto di u processo di misurazioe origiao dati quatitativi di tipo cotiuo. Discrete quado tutte le osservazioi soo oggetto di u processo di coteggio o eumerazioe. Ad esempio il umero di vai di ua abitazioe, il umero di compoeti i ua famiglia, umero libri di ua biblioteca

3 Osservazioe U carattere determia ua partizioe della popolazioe statistica poiché suddivide tale popolazioe i u certo umero di sottoisiemi, ciascuo costituito dalle uità statistiche aveti la stessa modalità, e quidi soo sottoisiemi o vuoti, a due a due disgiuti e la loro uioe è l isieme uiverso. a) Tabelle a semplice etrata Ua tabella a semplice etrata è costituita da due coloe, la prima riporta le varie modalità del carattere qualitativo, o le varie itesità del carattere quatitativo, la secoda riporta le frequeze rilevate. Se il carattere è qualitativo la successioe dei dati è detta serie statistica Esempio di serie statistica rispetto ad u carattere qualitativo Specie di scuole N. alui iscritti Scuole matere Scuole elemetari Scuole medie Scuole secodarie superiori Totale Se ivece il carattere è quatitativo la successioe dei dati è detta seriazioe statistica. Esempio di seriazioe statistica rispetto ad u carattere quatitativo discreto N. staze N. abitazioi e più b) Tabelle a doppia etrata Se si eseguoo rilevazioi su due o più caratteri cotemporaeamete come, ad esempio, altezza e peso dei militari di leva oppure spese per bei alimetari e spese voluttuarie, i dati rilevati si rappresetao co tabelle a doppia etrata che possoo essere: Di cotigeza, se i due caratteri soo etrambi qualitativi (si parla di mutabile statistica doppia); Di correlazioe, se i due caratteri soo etrambi quatitativi (si parla di variabile statistica doppia); Miste, se uo dei due caratteri è qualitativo e l altro è quatitativo.

4 Esempio di tabella di cotigeza (tabella di distribuzioe di ua mutabile statistica doppia) Provice Sesso Femmie Maschi Totali Torio Vercelli Novara Cueo Asti Alessadria Totali Esempio di tabella di correlazioe (tabella di distribuzioe di ua variabile statistica doppia) N. vai Compoeti famiglia Totali Totali Esempio di tabella mista Età Sesso Femmie Maschi Totali Fio a 13 ai Oltre 65 ai Totali

5 c) Tabelle composte Soo tabelle formate da più coloe che si riferiscoo a varie caratteristiche ache seza legame fra esse. Reddito Spesa Percetuale Ai cosumo su Familiare Pro capite Familiare Pro capite reddito , , , , ,3 Variabili e mutabili statistiche Ua variabile statistica è defiita dall isieme dei valori osservati di u carattere quatitativo e dalle frequeze a essi associate; Ua mutabile statistica è defiita dall isieme delle modalità osservate di u carattere qualitativo e dalle frequeze ad esse associate. Frequeze statistiche Si defiisce frequeza assoluta di u valore di u carattere il umero di uità che possiedoo quel valore. Si defiisce frequeza relativa di u valore di u carattere il quoziete tra la frequeza assoluta e il umero di uità della popolazioe. Le frequeze relative soo sempre umeri compresi tra 0 e 1 e la loro somma è uguale a 1. Si defiisce frequeza percetuale la frequeza relativa moltiplicata per 100. Si defiisce frequeza cumulata assoluta di u valore la somma delle frequeze assolute dello stesso carattere relative a tutti i valori, miori o uguali al valore cosiderato. Si defiisce frequeza cumulata relativa di u valore la somma delle frequeze relative dello stesso carattere relative a tutti i valori, miori o uguali al valore cosiderato. Si defiisce frequeza cumulata percetuale di u valore la somma delle frequeze percetuali dello stesso carattere relative a tutti i valori, miori o uguali al valore cosiderato.

6 Esempio Tabella degli italiai resideti all estero al 31 dicembre 2007 Ripartizioi estero Europa America merid. America settetr. e cetrale Africa, Asia, Oceaia, Atartide Totale Frequeza assoluta Frequeza relativa Frequeza percetuale Frequeza Cumulata assoluta Frequeza cumulata relativa Frequeza cumulata percetuale ,57 57% ,57 57% ,28 28% ,85 85% ,10 10% ,95 95% ,05 5% % % Rappresetazioi grafiche I dati raccolti i tabelle si possoo rappresetare graficamete utilizzado diversi tipi di rappresetazioi grafiche le quali soo molto più espressive di ua tabella i quato permettoo di capire l adameto del feomeo e di essere utilizzate ache per ricercare il modello matematico del feomeo (ossia ua fuzioe che esprima l adameto del feomeo). Esempi di rappresetazioe grafica Istogrammi Italiai resideti all'estero al 31 dicembre Europa America meridioale America settetrioale e cetrale Africa, Asia, Oceaia, Atartide Frequeze assolute

7 N. abitazioi Diagramma cartesiao Abitazioi i Italia secodo il umero di staze N. vai Grafico a Torta Vedite 10% 9% 23% 58% 1 trim. 2 trim. 3 trim. 4 trim.

8 I valori medi I valori medi cosetoo di sitetizzare le distribuzioi statistiche o di cofrotarle co altre distribuzioi omogeee: per esempio si potrebbero cofrotare i voti coseguiti agli esami di maturità dagli alui di due licei. I statistica si distiguoo due tipi di medie: Medie di calcolo (o ferme); soo quelle che si calcolao teedo coto di tutti i valori della distribuzioe. Fao parte di queste medie: la media aritmetica, la media geometrica, la media quadratica e la media armoica Medie di posizioe (o lasche); soo quelle che si calcolao teedo coto solo di alcui valori. Fao parte di queste medie: la mediaa e la moda o valore ormale Media aritmetica La media aritmetica è il valore che più comuemete viee associato a ua serie di dati quatitativi tato che quado si parla geericamete di media si fa riferimeto alla media aritmetica. Si defiisce media aritmetica semplice di più umeri quel valore M (idicato ache co x ) che, sostituito ai dati, lascia ivariata la loro somma: x 1 + x x = M + M + + M = M M = x = x 1 + x x Se i valori x 1 + x x compaioo co frequeze rispettivamete f 1 + f f (dette ache pesi) tali che f 1 + f f = allora: M = x = x 1 f 1 + x 2 f x f f 1 + f 2 + f Che prede il ome di media aritmetica poderata. Se i dati soo distribuiti i classi di uguale ampiezza ci si ricoduce al caso discreto sostituedo alla classe il suo valore cetrale, otteuto come media aritmetica degli estremi. Esempio Numero dipedeti Frequeza Puto cetrale della classe , ,5 La media dei dipedeti è: M = , ,5 150 = 11,96 Osservazioe La media ha sigificato se i valori soo diffusi i modo bilaciato. No è u buo idice se ei dati soo preseti valori estremi aormali. Se ella serie di dati compaioo valori estremi molto distati dagli altri si usao come medie la mediaa o la moda.

9 Proprietà fodametali della media aritmetica 1. La somma degli scarti è ulla, itededo per scarti la differeza tra i sigoli valori e la media (x 1 M) + (x 2 M) + + (x M) = 0 2. La media è il valore che rede miima la somma dei quadrati degli scarti cioè qualuque sia il umero c si ha: (x 1 M) 2 + (x 2 M) (x M) 2 (x 1 c) 2 + (x 2 c) (x c) 2 3. La media aritmetica M è sempre u umero compreso tra il miimo e il massimo degli valori mi+mi+ +mi x 1 + x x Max+Max+ +Max mi x 1 + x x Max Dividedo per si ottiee: mi M Max 4. Se tutti i termii di ua serie subiscoo u icremeto (o decremeto) uguale a b ache la media aritmetica subisce lo stesso icremeto (o decremeto) b. Se tutti i termii della serie vegoo moltiplicati (o divisi) per lo stesso umero a ache la loro media aritmetica risulta moltiplicata (o divisa) per a. Pertato se M è la media degli valori x 1 + x x la media dei valori (ax 1 + b) + (ax 2 + b) + + (ax + b) ha media am+b. Media geometrica Se i valori soo tutti positivi o ulli si può calcolare la media geometrica che viee utilizzata tutte le volte che deve rimaere ivariato il prodotto dei valori. Si defiisce media geometrica semplice dei umeri positivi x 1, x 2,, x Il umero positivo G che sostituito ai valori xi lascia ivariato il loro prodotto: x 1 x 2 x = G G. G = G Da cui si ricava: G = x 1 x 2 x Nel caso i cui i valori xi hao frequeze fi si parla media geometrica poderata e si ha: G = (x 1 ) f 1 (x2 ) f 2 (x ) f co = f 1 + f f

10 Proprietà della media geometrica 1. Il logaritmo della media geometrica di umeri positivi x1, x2,, x coicide co la media aritmetica degli logaritmi logx1, logx2,, logx : logg = log(x 1 x 2 x ) 1 = logx 1 + logx logx 2. Moltiplicado (o dividedo) tutti i valori xi per ua stessa quatità k>0 la media geometrica risulta moltiplicata (o divisa) per tale quatità: kx 1 kx 2 kx = k x 1 x 2 x = k x 1 x 2 x = kg 3. Il reciproco della media geometrica è uguale alla media geometrica del reciproco dei valori xi: G = x 1 x 2 x = 1 x 1 x 2 x Si utilizza la media geometrica quado ha seso moltiplicare fra loro i dati statistici. Si calcola la media geometrica per determiare, ad esempio, il tasso di icremeto medio (o di decremeto) dei prezzi o il tasso di accrescimeto di ua popolazioe. Esempio U capitale C0 ivestito i borsa, il primo ao aumeta del 25% metre il secodo ao dimiuisce del 10%. Qual è il motate alla fie dei due ai? Qual è il fattore di capitalizzazioe medio? Alla fie del primo ao il capitale risulta uguale a: C 1 = C 0 (1 + 0,25) co fattore di capitalizzazioe x1 = 1,25. Alla fie del secodo ao il capitale risulta uguale a: C 2 = C 0 (1 + 0,25)(1 0,10) co fattore di capitalizzazioe x2 = 0,90. Il fattore di capitalizzazioe medio xg è la media geometrica dei due fattori di capitalizzazioe auali: x G = x 1 x 2 = 1,25 0,90 = 1,06 Media quadratica Si defiisce media quadratica semplice degli umeri positivi x1, x2,, x il umero positivo Q: = 1 G Q = x x x 2 Nel caso i cui i valori xi hao frequeze fi si parla media quadratica poderata e si ha: Q = f 1 x f 2 x f x 2 f 1 + f f La media quadratica viee utilizzata tutte le volte che deve rimaere ivariata la somma dei quadrati dei valori.

11 Esempio U proprietario terriero vede 3 terrei quadrati di lati rispettivamete uguali a l1=240 m, l2=340 m, e l3=460 m e vuole comperare 3 terrei quadrati uguali co la stessa superficie totale. Quato deve misurare il lato l dei 3 terrei da comprare? Deve risultare: 3l 2 = l l l 3 2 ; l = l l l = = 358,14 m Media armoica Si defiisce media armoica semplice degli umeri positivi x1, x2,, x il umero positivo A: A = 1 x x x La media armoica è quel valore che sostituito ai dati rede ivariata la somma dei reciproci. Ifatti: 1 x x x = 1 A + 1 A A = 1 A da cui si ricava la formula della media armoica. Nel caso i cui i valori xi hao frequeze fi si parla media armoica poderata e si ha: A = f 1 + f f f 1 x + f 2 1 x + + f 2 x La media armoica si applica tutte le volte che ha seso calcolare il reciproco dei dati; ad esempio per determiare il potere d acquisto medio di ua moeta o per cooscere la velocità media. Esempio Ua merce è stata veduta el corso di 5 periodi successivi ai segueti prezzi (i euro): Calcolare il potere di acquisto medio (riferito ad u importo di 1000 ). (Ricordiamo che si defiisce potere d acquisto la quatità di merce che si può acquistare co ua data uità di moeta) I poteri d acquisto risultao: ,571; = 3,125; = 2,857; = 2,778; = 2,5 Ed esprimoo quate uità, o frazioi di uità, di quella merce si sarebbero potute acquistare co Il valore medio di uità, o frazioi di uità, che si sarebbero potute acquistare co 1000 è dato dalla loro media aritmetica:

12 M = = 2,966 5 Lo stesso valore si sarebbe otteuto calcolado prima la media armoica dei prezzi: 5 A = = 337, che rappreseta il prezzo medio di acquisto. Dividedo 1000 per 337,139 si ottiee 2,966. Esempio U puto materiale si muove su ua retta percorredo il primo metro a velocità v1, e u secodo metro alla velocità v2. Calcolare la velocità media. La velocità media è la media armoica delle due velocità: Osservazioe v m = 2 2 = t 1 + t 2 1 v v 2 Fra le medie di calcolo esamiate sussiste la seguete relazioe che tralasciamo di dimostrare: A G M Q Il sego di uguale vale el caso i cui tutti i valori siao uguali tra loro. Moda Si chiama moda degli elemeti x1, x2,, x l elemeto (o gli elemeti) che ha la frequeza più alta. Se i dati soo raggruppati i classi e l ampiezza della classe è costate, la classe modale è quella a cui corrispode la frequeza maggiore. Se le classi hao ampiezza diversa, si divide ogi frequeza per l ampiezza della rispettiva classe e la classe modale è quella alla quale corrispode il rapporto maggiore. Il valore modale è, fra tutti i valoro medi, il più sigificativo i quato è u dato che esprime il valore di ua cocreta osservazioe sul feomeo, metre le medie di calcolo possoo o meo coicidere co u valore della distribuzioe. Cosiderado, ad esempio, le retribuzioi di u isieme di lavoratori, il valore modale è sez altro il più sigificativo, i quato corrispode alla retribuzioe più frequete e o è ifluezato dalle retribuzioi o molto basse o molto alte.

13 Esempio Rilevazioe delle abitazioi occupate i Italia secodo il umero di staze el 1981 N. staze N. abitazioi e più Il valore modale della distribuzioe è 4 staze perché a questo corrispode la massima frequeza. Esempio Ripartizioe delle autovetture prodotte i Italia ell ao 1981 secodo la cilidrata Cilidrate (i cm 3 ) N. autovetture Oltre Totale Poiché le classi hao uguale ampiezza la classe è la classe modale. Esempio Distribuzioe dei Comui dell Italia per classi di superficie al Classi di superficie (i migliaia di ha) N. Comui Fio a Oltre Totale Poiché le classi hao ampiezza diversa, per determiare il valore modale della distribuzioe bisoga dividere le frequeze per l ampiezza della classe relativa. La classe modale è la classe perché ad essa corrispode il massimo valore dei rapporti.

14 Mediaa Si chiama mediaa degli elemeti x1, x2,, x ordiati i seso o decrescete il valore Me che bipartisce la successioe, ossia il valore o iferiore alla metà dei valori e o superiore all altra metà Ua volta ordiati i valori, se il umero dei termii è dispari, la mediaa è il valore cetrale; se è pari, si assume come mediaa la semisomma dei due valori cetrali. Il procedimeto precedete si applica alle serie. Esempio Nelle ove prove di Italiao uo studete ha otteuto i segueti risultati: 3, 4,4,4,5,6,6,7,10 Moda: 4; Mediaa: 5 Per le distribuzioi di frequeza co valori discreti, occorre, per prima, calcolare le frequeze assolute cumulate. Il valore della mediaa sarà pari alla metà della somma delle frequeze se questa è pari e alla metà della somma della frequeze più uo se questa è dispari. Esempio N. staze N. abitazioi Frequeze assolute cumulate e più Per determiare il temie cetrale dividiamo per 2 il umero totale delle abitazioe: : 2 = La mediaa è il valore del umero di staze che corrispode al umero Tale termie si trova ella riga corrispodete a 4. Il umero mediao di staze delle abitazioi italiae è perciò 4. La variabilità della statistica: gli idici di dispersioe Nello studio dei dati statistici o è sufficiete determiare il valore medio ma è ecessario determiare ache altri idici i grado di forire iformazioi sulla variabilità dei dati, detta ache dispersioe cioè sulla distaza delle varie osservazioi dal valore medio che rappreseta il cetro della distribuzioe. Valore medio X1 X2 X3 Xi X-1 X Tato miore è la distaza (o dispersioe) delle osservazioi dal cetro tato maggiore sarà la rappresetatività e l affidabilità.

15 Gli idici di variabilità hao due proprietà fodametali: 1. Valgoo zero se i dati statistici soo tutti uguali 2. Soo positivi se i dati statistici soo diversi e soo tato più gradi quato più gli elemeti soo dispersi Vi soo quattro modi per descrivere la variabilità di ua serie di dati statistici: Il campo di variazioe Lo scarto semplice medio Lo scarto quadratico medio Lo scarto iterquartile Campo di variazioe Si defiisce campo di variazioe di elemeti x1, x2,, x la differeza tra il massimo e il miimo dei valori rilevati. Il campo di variazioe è u idice molto semplice da calcolare ma di scarsa utilità perché tiee coto solo dei valori estremi e o degli altri. Esempio {35,11,35,37,34,34,36} mi = 11; Max = 37; campo di variazioe d = 37-11=26 Scarto semplice medio Si defiisce scarto semplice medio di elemeti x1, x2,, x la media aritmetica dei valori assoluti degli scarti dei valori dalla media aritmetica: Scarto quadratico medio S = x 1 M + x 2 M + + x M Si defiisce scarto quadratico medio o deviazioe stadard di elemeti x1, x2,, x la media quadratica, semplice o poderata, degli scarti dei valori dalla media aritmetica: σ = (x 1 M) 2 + (x 2 M) (x M) 2 Lo scarto quadratico medio è tato più piccolo quato più i dati soo vicii al valore medio ed è uguale a zero se e solo se i dati soo tutti uguali.

16 Il quadrato dello scarto quadratico medio è detto variaza ed è idicato co σ 2 : σ 2 = (x 1 M) 2 + (x 2 M) (x M) 2 La variaza è uguale alla differeza dei fra la media degli xi 2 e il quadrati della media degli xi : Esempio σ 2 = i= i=1 (x i M) 2 = i= i=1 (x i 2 2Mx i + M 2 ) = i= i=1 x i 2 = i= i=1 x i 2 2M 2 + M 2 = M x 2 M 2 2M i= i=1 x i + M 2 Cosideriamo la seguete tabella corrispodete a 75 laci di ua coppia di dadi e alla somma dei valori otteuti da 2 a 12 co le relative frequeze: Somme xi Frequeze fi Determiiamo la media, la variaza e lo scarto quadratico medio. xi fi (xi) 2 xifi (xi) 2 fi xi-m (xi-m) 2 xi- M fi (xi-m) 2 fi , , ,96 64, , , ,27 66, ,6533 7, ,23 56, ,6533 2, ,53 27, ,6533 0,4268 7,19 4, ,3467 0,1202 3,81 1, ,3467 1, ,12 16, ,3467 5, ,08 33, , , ,43 78, , , ,04 56, , , ,69 57, , , ,35 462,99 M = 6,6533 M 2 = 44,26684 Mx 2 = 50,44 σ 2 = 50,44-44,26 = 6,17 σ=2,48

17 Idici di dispersioe relativi Ua differeza di 20 mila euro el reddito auo è cosistete se stiamo cofrotado il reddito di 40 mila euro e l altro co u reddito di 60 mila euro. La stessa differeza è trascurabile se stiao cofrotado due redditi milioari, ad esempio di euro co euro. Si itroducoo, per questo motivo, idici di dispersioe relativi che hao la caratteristica di essere dei umeri puri, idipedeti perciò dall uità di misura prescelta, e cosetoo di cofrotare più distribuzioi che siao espresse co uità di misura diverse. Tali idici si calcolao facedo il rapporto tra gli idici di variabilità e la media del feomeo. Il più usato è il coefficiete di variazioe: C v = σ M Esempio I ua scuola è stata codotta u ichiesta sulle altezze degli studeti all iizio del primo ao e soo stati messi a cofroto i dati raccolti egli ai 1990 e 2010, calcolado la media aritmetica e lo scarto quadratico medio. Ao M (i cm) σ (i cm) , ,01 Il coefficiete di variazioe è: Per il 1990 C v = 6,14 0,038 = 3,8% 161 Per il 2010 C v = 7,01 0,043 = 4,3% 163 Si coclude che le altezze registrate, rispetto alla media dell ao, avevao el 1990 ua variabilità del 3,8% miore di quelle registrate el 2010 pari a 4,3%. Numeri idici Cosideriamo, per esempio, la seguete tabella che rappreseta l ammotare della popolazioe residete i Italia a partire dal 1901 al Ao Resideti (i migliaia Vogliamo cofrotare le variazioi della popolazioe rispetto ad u ao particolare detto ao base, per esempio il Per fare questo si costruisce la tabella dei rapporti otteuti tra il dato relativo all ao e il dato relativo all ao base. Tale valore moltiplicado per 100, è detto umero idice semplice.

18 Ad esempio il umero idice: Relativo all ao 1901 è: = 89 Relativo all ao è: = Proseguedo co tutti gli altri valori si ottiee la seguete tabella dei umeri idici Ao Resideti (i migliaia Dalla tabella si desume che el 1981 la popolazioe è aumetata del 49% rispetto al 1921, metre el 1901 era iferiore dell 11%. I umeri idici fissi possoo essere a base fissa, cioè se i rapporti vegoo tutti calcolati rispetto ad uo stesso dato (ell esempio precedete la base fissa è l ao 1921) o a base variabile el caso i cui le variazioi si studio rispetto alla situazioe immediatamete precedete o successiva. Nell esempio precedete la popolazioe del 1911 si poteva rapportare a quella del 1901, quella del 1921 a quella del 1911, quella del 1931 a quella del 1921 e così via. Relazioi statistiche. Regressioe e correlazioe Lo studio della ricerca di relazioi tra variabili e mutabili statistiche è di otevole iteresse perché permette di idividuare legami tra feomei diversi. Tale studio è detto studio della coessioe. I metodi per ricercare la coessioe tra due variabili statistiche, oppure tra ua variabile e ua mutabile, oppure fra due mutabili soo diversi. I statistica è più importate lo studio della coessioe tra due variabili che si può effettuare o ricercado se ua variabile è dipedete da u altra (ad esempio l allugameto di ua barra i fuzioe della temperatura dove X rappreseta la temperatura e Y la lughezza della barra), oppure se due variabili si ifluezao reciprocamete come, ad esempio l altezza e il peso. La fuzioe che esprime il legame di dipedeza di ua variabile dall altra è detta fuzioe di regressioe, molto utile per valutare, ei limiti dell itervallo dei dati rilevati, il valore della variabile dipedete al variare della variabile idipedete. Ad esempio, se di u bee, o di prima ecessità, si rilevao le quatità domadate al variare del prezzo, è possibile determiare, mediate il metodo dei miimi quadrati, la fuzioe che esprime il legame tra il prezzo e la quatità domadata dai cosumatori, cosetedo al produttore di sapere per u determiato prezzo la quatità domadata. La fuzioe più utilizzata è la fuzioe lieare. Si parla, i questo caso di regressioe lieare.

19 Se fra due variabili o esiste u legame di dipedeza, esse si potrebbero ifluezare reciprocamete, o essere idipedeti, o essere etrambe dipedeti da ua terza gradezza. Si esamia allora la correlazioe tra le due variabili, che esprime l itesità del loro legame. La correlazioe si misura mediate idici il più importate dei quali è il coefficiete di correlazioe lieare. Regressioe lieare Date due variabili statistiche X e Y e i relativi valori associati (xi,yi) lo studio della regressioe cosiste ella determiazioe di ua fuzioe matematica che esprima la relazioe fra le variabili aalizzado, dapprima, il diagramma a dispersioe rappresetate le coppie di valori rilevati. La relazioe tra le due variabili statistiche, se esiste, può essere lieare (i puti si distribuiscoo lugo ua retta come ella prima figura); o lieare (secoda figura) o può o esistere alcua relazioe se i puti soo molto dispersi. Y Y Y X X X Nel caso i cui la relazioe tra le due variabili statistiche X e Y è di tipo lieare bisoga determiare la retta y = mx + q, detta retta di regressioe, che meglio approssima la uvola di puti. La determiazioe di questa retta può essere ua scelta ituitiva, fatta a colpo d occhio oppure ua scelta aalitica che cosiste el determiare l equazioe della retta i modo che i puti (xi,yi) distio il meo possibile.

20 Assegati gli puti (x1, y1), (x2, y2). (x, y) sia G(Mx ;My) il loro baricetro co M x = x i M y = y i Le rette per G hao equazioe: y = M y + m(x M x ) La retta di regressioe relativa ai puti (x1, y1), (x2, y2). (x, y) è quella che rede miima la somma delle differeze tra i valori teorici e quelli rilevati: i= i= S(m) = (y i M y m(x i M x )) 2 i=1 i= S(m) = (y i M y ) 2 2m (y i M y )(x i M x ) + m 2 (x i M x ) 2 i=1 i=1 i= i=1 Posto: i= a = (x i M x ) 2 i=1 i= b = 2 (x i M x )(y i M y ) i=1 Otteiamo: i= c = (y i M y ) 2 i=1 S(m) = am 2 + bm + c La rappresetazioe grafica è quella di ua parabola co la cocavità rivolta verso l alto, i quato a>0, che assume miimo el vertice: i= i=1 m = b 2a = (x i M x )(y i M y ) i= (x i M x ) 2 Se dividiamo umeratore e deomiatore per si ottiee al umeratore la media del prodotto degli scarti detta covariaza, idicata co cov(x;y) e al deomiatore la variaza σ 2 x della variabile x. Per cui cov(x; Y) m = σ2 x La retta di regressioe lieare passate per il baricetro e che rede miima la somma dei quadrati degli scarti ha equazioe: cov(x; Y) y = M y + (x M σ2 x ) x i=1

21 Esempio La seguete tabella riporta le misure di ua lastra metallica a sei temperature diverse; Determiare la legge di dilatazioe termica. X = Gradi C Y = Cetimetri , , , , i Xi Yi Xi-Mx Yi-My (Xi-Mx)(Yi- My) (Xi-Mx) ,4 20, , ,3 9, , ,1 1, ,4 10 0,0-0, ,7 30 0,3 8, ,6 29, ,5 69, Mx 50 My 30,4 m 0,00986 La retta cercata ha equazioe: y = 30,4 + 0,0098(x -50) Il valore 0,0098 è detto coefficiete di dilatazioe lieare Nel caso i cui la variabile statistica X dipede dalla variabile statistica Y la retta di regressioe ha equazioe: cov(x; Y) x = M x + (y M σ2 y ) y

22 Riprededo l esercizio precedete i Xi Yi Xi-Mx Yi-My (Xi-Mx)(Yi-My) (Yi-My) ,4 20,833 0, , ,3 9,5 0, , ,1 1,1667 0, ,4 10 0,0-0,1667 0, ,7 30 0,3 8,5 0, ,6 29,167 0, ,5 69,000 0, Mx 50 My 30,4 m 97,4 Si ottiee la retta: x = , 4(y 30, 4) Osservazioe Nel caso i cui tutti i puti fossero perfettamete allieati le due rette coiciderebbero passado esattamete per gli puti. Idicado co mx e my i rispettivi coefficieti agolari si ha: mx = 1 my ; mx my = 1; cov(x; Y) σ x 2 cov(x; Y) σ y 2 = [cov(x; Y)]2 σ x 2 σ y 2 = r 2 = 1 I geerale i puti o soo allieati e il valore ρ 2 è diverso da uo. Più tale valore si avvicia a 1 tato più i puti soo allieati, metre più è prossimo allo zero tato meo soo allieati Il valore: r = cov(x; Y) σ x σ y È detto coefficiete di correlazioe lieare ed esprime co u umero come le due variabili variao cogiutamete. Se r>0, la correlazioe è diretta, o positiva Se r<0, la correlazioe è iversa, o egativa Se r=1, la correlazioe è perfetta diretta Se r=-1, la correlazioe è perfetta iversa Se r=0, o esiste correlazioe lieare (potrebbe, però esistere ua correlazioe curviliea)

23 Relazioi tra le compoeti di ua variabile statistica doppia Passiamo ora a cosiderare il caso i cui i dati rilevati delle due variabili X e Y soo espressi mediate ua tabella a doppia etrata. Per esempio, il voto i storia e matematica, riportato ello scrutiio fiale, da 20 studeti si rappreseta co la seguete tabella a doppia etrata: Voto i Storia Voto i Matematica Totale Totale I totali per riga rappresetao le frequeze margiali dei voti di Storia, metre quelli per coloa rappresetao le frequeze margiali dei voti di Matematica Prededo, dalla precedete tabella, la prima e l ultima coloa, si ottiee la distribuzioe margiale secodo i voti i Storia della distribuzioe doppia:

24 Voto i Storia Totale 20 Prededo, dalla precedete tabella, la prima e l ultima riga, si ottiee la distribuzioe margiale secodo i voti i Matematica della distribuzioe doppia: Voto i Matematica Totale 20 Come per le tabelle a semplice etrata lo studio della regressioe e della correlazioe si può estedere alle tabelle a doppia etrata. Si sceglie come variabile idipedete quella che si pesa sia atecedete all altra. Nel caso i cui sia ua che l altra variabile può essere scelta come atecedete si possoo studiao tutti e due i casi. Idipedeza statistica Itroduciamo il cocetto di idipedeza di ua variabile da u altra. Diremo che: La variabile statistica X è idipedete dalla variabile statistica Y, se, per ogi valore xi le frequeze relative ik (k=1 s) o dipedoo dai valori y1, ys, ma soo tutte uguali tra loro ed uguali ed C k uguali alla frequeza relativa co la quale la xi si preseta ell uiverso delle N uità. I formule: ik C k = R i N ik = R i C k N

25 Aalogamete si trova la stessa codizioe per esprimere l idipedeza della variabile statistica Y dalla variabile statistica X. Variabile X Variabile Y y1 y2 ys Totali x s R1 x s R2 xr r1 r2 rs Rr Totali C1 C2 Cs N Esempio Assegate le segueti tabelle stabilire se le variabili statistiche X e Y soo o meo idipedeti. Tabella A Variabile X Variabile Y Tabella B Variabile X Variabile Y Dalla tabella A si deduce che le due variabili soo idipedeti fra loro; ifatti, fissato x=1 soo uguali tutti i rapporti tra i valori della prima riga e i corrispodeti dell ultima: 2 8 = 6 24 = 4 16 = = Si può verificare che ache i rapporti relativi agli altri due valori di x soo costati. Lo stesso avviee se si fissa u valore di y. Ad esempio fissato y = 4, si ricavao i rapporti: = 5 11 = = 40 8 Aalogamete per gli altri valori di y. Ivece dei rapporti avremmo potuto verificare l idipedeza applicado la formula: ik = R i C k N I dati della tabella B idicao che le variabili soo dipedeti poiché i rapporti, sia sulle righe che sulle coloe, soo diversi. Se c è idipedeza o occorre ulteriore studio altrimeti si procede co lo studio della dipedeza o lo studio della iterdipedeza.

26 Dipedeza i media Nello studio della dipedeza ha otevole importaza lo studio della dipedeza i media di ua variabile dall altra. Suppoiamo di avere due variabili statistiche X (variabile idipedete) e Y (variabile dipedete) date mediate ua tabella a doppia etrata. Facciamo corrispodere ad ogi valore xi di X il valore y i che è la media poderata dei valori della Y quado come pesi si predao i valori ik della riga i-esima, cioè: = k=s k=1 y k ik y i Nel caso i cui scegliamo Y come variabile idipedete e X come dipedete assoceremo ad ogi yk il valore medio poderato x k : x k R i = i=r i=1 x i ik Partedo dalla tabella a doppia etrata costruiamo due tabelle a semplice etrata elle quali compare ache la frequeza: C k xi y i Frequeza x1 y 1 R1 x2 y 2 R xr y r Rr x k x 1 y1 C1 x 2 y2 C2 yk Frequeza x s ys Cs Possiamo ora calcolare la retta di regressioe della Y rispetto alla X: y y = m 1 (x x ) dove m1 è il coefficiete di regressioe di Y su X ed è dato dalla seguete formula: i=r k=s m 1 = i=1 k=1 (x i x )(y k y ) ik i=r(x i x ) 2 R i Aalogamete si calcola la retta di regressioe della X rispetto alla Y: x x = m 2 (y y ) dove m2 è il coefficiete di regressioe di Y su X ed è dato dalla seguete formula: i=r k=s i=1 m 2 = i=1 k=1 (x i x )(y k y ) ik k=s(y k y ) 2 C k k=1

27 Esempio Determiare le rette di regressioe e il coefficiete di correlazioe lieare della distribuzioe dei voti di italiao e di matematica riportati ella tabella seguete: X=voto di italiao Y=voto di matematica Variabile Y Totale Totale Variabile X Calcoliamo i valori medi x e y delle due variabili X e Y prededo come pesi i valori delle frequeze totali: x = y = = 6, = 6 Determiiamo per ogi valore xi il valore medio poderato y i : y 1 = = 4,67 6 y 2 = = 5,31 16 Determiiamo per ogi yk il valore medio poderato x k : x 1 = = 5 3 x 2 = = 5,13 8

28 Possiamo costruire le tabelle: x i y i 4 4,67 5 5,31 6 5,81 7 6,85 8 7,1 x k y i 5 3 5,13 4 5,69 5 5,98 6 6,72 7 7,25 8 Riportado su u sistema di assi cartesiai le coppie di valori e cogiugedo i puti successivi si tracciao le due liee di regressioe. Per calcolare i coefficieti di regressioe e di correlazioe, riscriviamo la tabella iiziale scrivedo al posto di x e di y gli scarti dal valore medio, cioè: x = x i x ; y = y k y Variabile Y Totale , , , , , Totale Variabile X Calcoliamo, ora, m1 e m2 applicado le formule precedeti: m 1 = ( 2.12) ( 3) 1 + ( 2,12) ( 2) , ( 2,12) ( 1,12) ( 0,12) , , m 2 = m 1 = 66 98,56 = 3 4,48 = ( 3) ( 2) ( 1) = = 1 2 Le rette di regressioe hao, quidi equazioi: y 6 = 75 (x 6,12) 112 x 6,12 = 1 (y 6) 2

29 Il coefficiete di correlazioe lieare è dato dalla media geometrica di m1 em2: r = m 1 m 2 = = 0,5786 Si deduce che c è ua modesta correlazioe tra il voto di italiao ed il voto di matematica. Relazioi tra due mutabili Per lo studio della coessioe tra due mutabili cosideriamo le due tabelle: la tabella delle frequeze effettive: Mutabile X Mutabile Y y1 y2 ys Totali x s R1 x s R2 xr r1 r2 rs Rr Totali C1 C2 Cs N E la tabella delle frequeze teoriche, ossia delle frequeze che si dovrebbero avere se i due caratteri fossero idipedeti, espresse dalla relazioe: ik = R i C k N Nella costruzioe di tale tabella occorre arrotodare all uità i valori, i modo che rimagao costati i totali parziali delle righe e delle coloe. Per valutare la coessioe tra due mutabili si soo costruiti diversi idici. Noi cosidereremo solo l idice quadratico medio di cotigeza: dove: χ2 I c = χ 2 + N k=s i=r χ 2 = ( ik ik ) 2 ik k=1 i=1 Tale idice sarà: Compreso tra zero e uo Uguale a zero se o c è coessioe; i tale caso le mutabili soo idipedeti Tedoo a uo, i caso di perfetta dipedeza

30 Gli idici foriscoo idicazioi di massima e soo meo sigificativi e precisi del coefficiete di correlazioe lieare. Esempio Da u idagie statistica svolta su 200 lavoratrici di u idustria per cooscere le prefereze riguardo all orario di lavoro i relazioe allo stato civile si soo avuti i segueti risultati, dove X = tipo di orario Y = stato civile: Y Totali Nubili Coiugate Vedove Diviso Cotiuato co iterruzioe Cotiuato seza iterruzioe Totali X Calcoliamo la tabella delle frequeze teoriche: Y Totali Nubili Coiugate Vedove Diviso Cotiuato co iterruzioe Cotiuato seza iterruzioe Totali X Calcoliamo il valore di χ 2 : χ 2 = = 10,0342 L idice quadratico medio di cotigeza risulta: I c = 10, , = 0,218 Dall idice si può dedurre che la scelta del tipo di orario dipede poco dallo stato civile delle lavoratrici

31 Relazioi tra ua mutabile e ua variabile Cosideriamo la tabella delle frequeze ricavata da ua rilevazioe statistica tra u carattere qualitativo e uo quatitativo. Mutabile X Variabile Y y1 y2 ys Totali x s R1 x s R2 xr r1 r2 rs Rr Totali C1 C2 Cs N Ua misura della coessioe tra ua mutabile e ua variabile è data dall idice di coessioe η di Pearso. Per determiarlo per ogi modalità della mutabile X si calcolao: le medie poderate della variabile Y, dette ache medie di sottogruppo: e la media geerale: y i = y = k=s k=1 R i k=s k=1 y k ik y kc k N Se o esiste relazioe fra i due caratteri, le medie di sottogruppo sarebbero tutte uguali alla media geerale. Tato più le medie di sottogruppo differiscoo dalla media geerale, tato maggiore è la coessioe tra la mutabile e la variabile. Si defiisce idice di coessioe η di Pearso il rapporto tra lo scarto quadratico medio delle medie di sottogruppo e lo scarto quadratico medio della variabile Y: η = i=r i=1 k=s k=1 L idice: Varia tra 0 e 1 Vale zero quado o esiste coessioe Vale 1 i caso di massima coessioe (y i y ) 2 R i (y k y ) 2 C k Esempio Calcoliamo l idice di coessioe tra il titolo di studio e il reddito su ua rilevazioe codotta su 1000 persoe dove: X = titolo di studio Y = reddito (i migliaia)

32 Y Totali Aalfabeti Liceza elemetare X Liceza media Diploma media superiore Laurea Totali Riscriviamo la tabella precedete associado ad ogi itervallo relativo alla variabile Y il valore medio calcolato sugli estremi dell itervallo: Y ,5 17,5 Totali Aalfabeti Liceza elemetare X Liceza media Diploma media superiore Laurea Totali Calcoliamo le medie di sottogruppo: y 2 = y 1 = = 5, , Cotiuado ello stesso modo si ottegoo le altre medie: La media geerale vale: y = y 3 = 8,318; y 4 = 9,9; y 5 = 14,708 = 7, , , = 9,144

33 Calcoliamo l idice: η = (5,9 9,144) (7,7 9,144) (14,708 9,144) (4 9,144) (7 9,144) (17,5 9,144) 2 90 η = 5.051, ,264 = 0,69728 Esiste ua buoa coessioe tra titolo di studio e reddito.

34 DISTRIBUZIONE NORMALE o DISTRIBUZIONE DI GAUSS E la più importate distribuzioe cotiua ed è detta ormale perché trova umerose applicazioi ello studio dei feomei fisici, biologici, ecoomici ecc. Ha la seguete espressioe aalitica: f(x) = 1 σ 2π e 1 2 (X μ σ )2 Fu proposta da Gauss (1809) ell'ambito della teoria degli errori, ed è detta ache curva degli errori accidetali i quato, soprattutto elle disciplie fisiche, la distribuzioe degli errori commessi el misurare ripetutamete la stessa gradezza, è molto bee approssimata da questa curva. CARATTERISTICHE DELLA DISTRIBUZIONE NORMALE 1. E simmetrica rispetto al valore medio 2. La media aritmetica μ coicide ache co la moda e la mediaa 3. è asitotica all'asse delle X da etrambi i lati 4. è crescete per X<μ e decrescete per X>μ 5. possiede due puti di flesso per X = μ±σ 6. l area sotto la curva è uguale a 1 (essedo la probabilità che si verifichi u qualsiasi valore di X)

35 La fuzioe dipede dai parametri μ e σ 2, al variare dei quali la curva cambia forma e posizioe e precisamete: Per uo stesso σ, al variare di μ, si ottegoo curve di uguale forma traslate lugo l asse delle X Per uo stesso valore medio μ, al variare di σ, la curva può risultare più o meo appiattita o allugata

36 DISTRIBUZIONE NORMALE STANDARDIZZATA Ua distribuzioe Normale che ha media 1 e deviazioe stadard 0 è chiamata distribuzioe ormale stadardizzata. La sua espressioe aalitica è: f(x) = 1 σ 2π e avedo idicato co Z la variabile ormale stadardizzata. 1 2 Z2 La fuzioe ormale stadardizzata ha tutte le caratteristiche della ormale i più è pari [f(z)=f(-z)] perché il grafico è simmetrico rispetto all asse delle y. La probabilità che la variabile ormale X assuma valore compreso fra due ascisse è data dall area sottesa Essedo la curva simmetrica rispetto all asse Y si ha: P( a < Z < 0) = P(0 < Z < a) Ioltre essedo P( < Z < + ) = 1 si ricava che: P( < Z a) = P(a Z < + ) = 1 P(0 < Z < a) 2

37 INTERVALLI NOTI DI PROBABILITÀ Vediamo ora il calcolo di alcue aree di probabilità usate frequetemete Per la distribuzioe ormale stadardizzata (μ=0, σ=1) gli itervalli soo: (-1 ; 1), (-2 ; 2), (-3 ; 3) P( 1 < Z < 1) = 0,6826 P( 2 < Z < 2) = 0,9544 P( 3 < Z < 3) = 0,9973 Questo vuol dire che: il 68,27% dei valori della distribuzioe è compreso tra -1 e 1; il 95,45% tra -2 e 2 e il 99,73% tra -3 e 3.

38 Per la distribuzioe ormale stadardizzata i valori delle aree di probabilità soo stati riportati i ua tabella: Per calcolare le aree di probabilità di ua fuzioe ormale geerale N (μ,σ 2 ), si trasforma la variabile ormale i variabile ormale stadardizzata mediate la trasformazioe: X μ σ Si calcolao i valori z1 z2 degli estremi dell itervallo e si ha: e co le tavole si ottiee la probabilità richiesta. P(x 1 < X < x 2 ) = P(z 1 < Z < z 2 )

39 Esempio 1 Data la variabile ormale N (50, 8 2 ), qual è la probabilità che la variabile sia compresa tra 30 e 60? Trasformiamo i variabile stadardizzata: X 50 8 x 1 = 30; z 1 = 2,5 Per cui: x 2 = 60; z 2 = 1,25 Esempio 2 P(30 < X < 60) = P( 2,5 < Z < 1,25) = P( 2,5 < Z < 0) + P(0 < Z < 1,25) = = P(0 < Z < 2,5) + P(0 < Z < 1,25 =)0, ,3944 = 0,8882 L altezza media di u gruppo di persoe, co distribuzioe ormale, è di 170 cm co variaza Calcolare: a) La probabilità che l altezza sia compresa tra 155 cm e 180 cm; b) Quate persoe soo alte almeo 200 cm; c) Quate persoe soo alte o più di 160 cm. Trasformiamo i variabile stadardizzata: a) X x 1 = 155; z 1 = 1,5 x 2 = 180; z 2 = 1 P(155 < X < 180) = P( 1,5 < Z < 1) = 0,7745 b) x 3 = 200; z 3 = 3 P(X 200) = P(Z 3) = 0,5 0,4987 = 0,0013 Perciò ,0013=26 persoe alte almeo 200 cm.

40 c) x 4 = 160; z 4 = 1 P(X 160) = P(Z 1) = 0,5 P( 1 < Z < 0) = 0,1587 Perciò: ,1587=3174 persoe alte o più i 160 cm.

41 Quadro riassutivo delle medie Media aritmetica M = x = x 1 + x x Media aritmetica poderata M = x = x 1 f 1 + x 2 f x f f 1 + f 2 + f Media geometrica G = x 1 + x x Media geometrica poderata G = (x 1 ) f 1 (x2 ) f 2 (x ) f co = f 1 + f f Media quadratica Q = x x x 2 Media quadratica poderata Q = f 1 x f 2 x f x 2 f 1 + f f Media armoica A = 1 x x x Media armoica poderata A = f 1 + f f f 1 x + f 2 1 x + + f 2 x Moda L elemeto che ha la frequeza più alta Mediaa Il valore Me che bipartisce la successioe

42 Quadro riassutivo degli idici di dispersioe Campo di variazioe Differeza tra il massimo e il miimo dei valori rilevati. Scarto semplice medio S = x 1 M + x 2 M + + x M σ Scarto quadratico medio Variaza = (x 1 M) 2 + (x 2 M) (x M) 2 σ 2 = (x 1 M) 2 + (x 2 M) (x M) 2 Coefficiete di variazioe C v = σ M

43 Quadro riassutivo delle relazioi tra variabili e mutabili statistiche Relazioi fra due variabili Prima retta di regressioe: y = M y + m 1 (x M x ) Regressioe Secoda retta di regressioe: m 1 = i= i=1 (x i M x )(y i M y ) i= (x i M x ) 2 i=1 x = M x + m 2 (y M y ) m 2 = i= i=1 (x i M x )(y i M y ) i= (y i M y ) 2 i=1 Correlazioe Coefficiete di correlazioe lieare Coefficiete di correlazioe lieare: r = i= i=1(x i M x )(y i M y ) i= i=1(x i M x ) 2 i= i=1(y i M y ) 2 ; oppure r = ± m 1 m 2 Frequeza teorica: Relazioi tra due mutabili ik = R i C k N Idice quadratico di cotigeza Dove χ2 I c = χ 2 + N k=s i=r χ 2 = ( ik ik ) 2 ik k=1 i=1 Relazioi tra mutabile e variabile Idice di Pearso η = i=1 (y i y ) 2 R i k=s(y k y ) 2 C k i=r k=1

44 Bibliografia: Gambotto Mazoe: Matematica per ragioieri programmatori vol 3 Tramotaa Lamberti Mereu Nai: Lezioi di Matematica Vol. C

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al

Dettagli

Capitolo uno STATISTICA DESCRITTIVA BIVARIATA

Capitolo uno STATISTICA DESCRITTIVA BIVARIATA Capitolo uo STATISTICA DESCRITTIVA BIVARIATA La statistica bidimesioale o bivariata si occupa dello studio del grado di dipedeza di due caratteri distiti della stessa uità statistica. E possibile, ad esempio,

Dettagli

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative

Dettagli

DISTRIBUZIONI DOPPIE

DISTRIBUZIONI DOPPIE DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1 ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO Agela Doatiello 1 Esercizio. E stato tabulato il peso di ua certa popolazioe

Dettagli

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

LA VERIFICA DELLE IPOTESI SUI PARAMETRI LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe

Dettagli

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

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

Dettagli

INTRODUZIONE ALLA STATISTICA

INTRODUZIONE ALLA STATISTICA Liceo Scietifico -Idirizzo giuridico ecoomico aziedale -Idirizzo operatore turistico Via Rossi/Casacampora, 3-80056 Ercolao (Na) Tel. (+39)08 7396340 (+39)08 7774666 - Fax (+39) 08739669 Cod. Mecc NAISO00G

Dettagli

SUCCESSIONI E SERIE NUMERICHE

SUCCESSIONI E SERIE NUMERICHE SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

CAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE

CAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE CAPITOLO SETTIMO GLI INDICI DI FORMA SOMMARIO: 1. Itroduzioe. - 2. Asimmetria. - 3. Grafico a scatola (box plot). - 4. Curtosi. - Questioario. 1. INTRODUZIONE Dopo aver aalizzato gli idici di posizioe

Dettagli

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2 Uiversità degli Studi di Bergamo - Corsi di laurea i Igegeria Edile e Tessile Idici di posizioe e variabilità Esercitazioe 2 1. Nella seguete tabella si riporta la distribuzioe di frequeza del cosumo i

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Il modello di Regressioe Prof. Livia De Giovai statistica@dis.uiroma.it Esercizio Solitamete è accertato che aumetado il umero di uità prodotte, u idustria possa ridurre i costi

Dettagli

V Tutorato 6 Novembre 2014

V Tutorato 6 Novembre 2014 1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagia Giovaa Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secodaria di secodo grado UNITÀ CAMPIONE Edizioi del Quadrifoglio à t i U 2 Radicali I questa Uità affrotiamo

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

LA DERIVATA DI UNA FUNZIONE

LA DERIVATA DI UNA FUNZIONE LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:

Dettagli

Successioni ricorsive di numeri

Successioni ricorsive di numeri Successioi ricorsive di umeri Getile Alessadro Laboratorio di matematica discreta A.A. 6/7 I queste pagie si voglioo predere i esame alcue tra le più famose successioi ricorsive, presetadoe alcue caratteristiche..

Dettagli

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1)

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) I umeri aturali hao u ordie; ogi umero aturale ha u successivo (otteuto aggiugedo 1), e ogi umero aturale diverso da zero ha u precedete (otteuto sottraedo 1).

Dettagli

Anno 5 Successioni numeriche

Anno 5 Successioni numeriche Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai

Dettagli

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone Numerazioe biaria Pagia di 9 easy matematica di Adolfo Scimoe SISTEMI DI NUMERAZIONE Sistemi di umerazioe a base fissa Facciamo ormalmete riferimeto a sistemi di umerazioe a base fissa, ad esempio el sistema

Dettagli

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15 Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.

Dettagli

Introduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche

Introduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche Itroduzioe alla Statistica descrittiva Defiizioi prelimiari È la scieza che studia i feomei collettivi o di massa. U feomeo è detto collettivo o di massa quado è determiato solo attraverso ua molteplicità

Dettagli

STATISTICA ECONOMICA STATISTICA PER L ECONOMIA

STATISTICA ECONOMICA STATISTICA PER L ECONOMIA STATISTICA ECONOMICA STATISTICA PER L ECONOMIA aa 2009-2010 Operazioi statistiche elemetari Spesso ci si preseta il problema del cofroto tra dati Ad esempio, possiamo voler cofrotare feomei [ecoomici]

Dettagli

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1 Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia

Dettagli

Selezione avversa e razionamento del credito

Selezione avversa e razionamento del credito Selezioe avversa e razioameto del credito Massimo A. De Fracesco Dipartimeto di Ecoomia politica e statistica, Uiversità di Siea May 3, 013 1 Itroduzioe I questa lezioe presetiamo u semplice modello del

Dettagli

Le carte di controllo

Le carte di controllo Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità

Dettagli

Statistica di base. Luca Mari, versione 31.12.13

Statistica di base. Luca Mari, versione 31.12.13 Statistica di base Luca Mari, versioe 31.12.13 Coteuti Moda...1 Distribuzioi cumulate...2 Mediaa, quartili, percetili...3 Sigificatività empirica degli idici ordiali...3 Media...4 Acora sulla media...4

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di

Dettagli

Distribuzione di un carattere

Distribuzione di un carattere Distribuzioe di u carattere Dopo le fasi di acquisizioe e di registrazioe dei dati, si passa al loro cotrollo e quidi alle loro elaborazioe. Si defiisce distribuzioe uitaria semplice di u carattere l elecazioe

Dettagli

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE

Dettagli

Capitolo 27. Elementi di calcolo finanziario EEE 2015-2016

Capitolo 27. Elementi di calcolo finanziario EEE 2015-2016 Capitolo 27 Elemeti di calcolo fiaziario EEE 205-206 27. Le diverse forme dell iteresse Si defiisce capitale (C) uo stock di moeta dispoibile i u determiato mometo. Si defiisce iteresse (I) il prezzo d

Dettagli

Successioni. Grafico di una successione

Successioni. Grafico di una successione Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario

Dettagli

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale

Dettagli

STATISTICA 1 parte 2/2 STATISTICA INFERENZIALE

STATISTICA 1 parte 2/2 STATISTICA INFERENZIALE STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI

Dettagli

Appunti sulla MATEMATICA FINANZIARIA

Appunti sulla MATEMATICA FINANZIARIA INTRODUZIONE Apputi sulla ATEATIA FINANZIARIA La matematica fiaziaria si occupa delle operazioi fiaziarie. Per operazioe fiaziaria si itede quella operazioe ella quale avviee uo scambio di capitali, itesi

Dettagli

Esercizi riguardanti limiti di successioni

Esercizi riguardanti limiti di successioni Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse

Dettagli

Approfondimenti di statistica e geostatistica

Approfondimenti di statistica e geostatistica Approfodimeti di statistica e geostatistica APAT Agezia per la Protezioe dell Ambiete e per i Servizi Tecici Cos è la geostatistica? Applicazioe dell aalisi di Rischio ai siti Cotamiati Geostatistica La

Dettagli

Analisi statistica dell Output

Analisi statistica dell Output Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?

Dettagli

8. Quale pesa di più?

8. Quale pesa di più? 8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora

Dettagli

Campi vettoriali conservativi e solenoidali

Campi vettoriali conservativi e solenoidali Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile

Dettagli

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati

Dettagli

5. Le serie numeriche

5. Le serie numeriche 5. Le serie umeriche Ricordiamo che ua successioe reale è ua fuzioe defiita da N, evetualmete privato di u umero fiito di elemeti, a R. Solitamete si idica ua successioe co la lista dei suoi valori: (a

Dettagli

Elementi di matematica finanziaria

Elementi di matematica finanziaria Elemeti di matematica fiaziaria 18.X.2005 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate

Dettagli

Il test parametrico si costruisce in tre passi:

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

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

La stima per capitalizzazione dei redditi

La stima per capitalizzazione dei redditi La stima per capitalizzazioe dei redditi 24.X.2005 La stima per capitalizzazioe La capitalizzazioe dei redditi è l operazioe matematico-fiaziaria che determia l ammotare del capitale - il valore di mercato

Dettagli

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la

Dettagli

Interesse e formule relative.

Interesse e formule relative. Elisa Battistoi, Adrea Frozetti Collado Iteresse e formule relative Esercizio Determiare quale somma sarà dispoibile fra 7 ai ivestedo oggi 0000 ad u tasso auale semplice del 5% Soluzioe Il diagramma del

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE LORENZO BRASCO. Teoremi di Cesaro Teorema di Stolz-Cesaro. Siao {a } N e {b } N due successioi umeriche, co {b } N strettamete positiva, strettamete crescete e ilitata. Se esiste

Dettagli

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte. ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie

Dettagli

Foglio di esercizi N. 1 - Soluzioni

Foglio di esercizi N. 1 - Soluzioni Foglio di esercizi N. - Soluzioi. Determiare il domiio della fuzioe f) = log 3 + log 3 3)). Deve essere + log 3 3) > 0, ovvero log 3 3) >, ovvero prededo l espoeziale i base 3 di etrambi i membri) 3 >

Dettagli

Corso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015

Corso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015 Corso di Elemeti di Impiati e mahie elettriche Ao Aademico 014-015 Esercizio.1 U trasformatore moofase ha i segueti dati di targa: Poteza omiale A =10 kva Tesioe omiale V 1 :V =480:10 V Frequeza omiale

Dettagli

Successioni. Capitolo 2. 2.1 Definizione

Successioni. Capitolo 2. 2.1 Definizione Capitolo 2 Successioi 2.1 Defiizioe Ua prima descrizioe, più ituitiva che rigorosa, di quel che itediamo per successioe cosiste i: Ua successioe è ua lista ordiata di oggetti, avete u primo ma o u ultimo

Dettagli

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6 SUCCESSIONI Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La serie

Dettagli

Alcuni parametri statistici di base

Alcuni parametri statistici di base Alcui parametri statistici di base Misure di tedeza cetrale: media mediaa moda Misure di dispersioe: itervallo di variazioe scarto medio variaza deviazioe stadard coefficiete di variazioe Popolazioe di

Dettagli

I appello - 29 Giugno 2007

I appello - 29 Giugno 2007 Facoltà di Igegeria - Corso di Laurea i Ig. Iformatica e delle Telecom. A.A.6/7 I appello - 9 Giugo 7 ) Studiare la covergeza putuale e uiforme della seguete successioe di fuzioi: [ ( )] f (x) = cos (

Dettagli

Appunti su rendite e ammortamenti

Appunti su rendite e ammortamenti Corso di Matematica I Facoltà di Ecoomia Dipartimeto di Matematica Applicata Uiversità Ca Foscari di Veezia Fuari Stefaia, fuari@uive.it Apputi su redite e ammortameti 1. Redite Per redita si itede u isieme

Dettagli

Capitolo Terzo. rappresenta la rata di ammortamento del debito di un capitale unitario. Si tratta di risolvere un equazione lineare nell incognita R.

Capitolo Terzo. rappresenta la rata di ammortamento del debito di un capitale unitario. Si tratta di risolvere un equazione lineare nell incognita R. 70 Capitolo Terzo i cui α i rappreseta la rata di ammortameto del debito di u capitale uitario. Si tratta di risolvere u equazioe lieare ell icogita R. SIANO NOTI IL MONTANTE IL TASSO E IL NUMERO DELLE

Dettagli

Il confronto tra DUE campioni indipendenti

Il confronto tra DUE campioni indipendenti Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo

Dettagli

II-9 Successioni e serie

II-9 Successioni e serie SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La

Dettagli

CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli:

CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli: PROPOSTA DI UN PROTOCOLLO DI PROVE PER IL CONTROLLO DELLE CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE FINALITÀ Nel campo edile l utilizzo di rivestimeti esteri da riportare sulle

Dettagli

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni Statistica I, Laurea trieale i Ig. Gestioale, a.a. 2011/12 Registro delle lezioi Lezioe 1 (28/9, ore 11:30). Vedere la registrazioe di Barsati, dispoibile alla pagia http://users.dma.uipi.it/barsati/statistica_2011/idex.html.

Dettagli

CAPITOLO ZERO ELEMENTI DI STATISTICA DESCRITTIVA 1 Introduzione Il termine statistica venne introdotto nel diciassettesimo secolo col significato di

CAPITOLO ZERO ELEMENTI DI STATISTICA DESCRITTIVA 1 Introduzione Il termine statistica venne introdotto nel diciassettesimo secolo col significato di CAPITOLO ZERO ELEMENTI DI STATISTICA DESCRITTIVA Itroduzioe Il termie statistica vee itrodotto el diciassettesimo secolo col sigificato di scieza dello stato, volta a raccogliere e ordiare iformazioi utili

Dettagli

Random walk classico. Simulazione di un random walk

Random walk classico. Simulazione di un random walk Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S = S0 X k, co X k = k= co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti

Dettagli

Soluzioni esercizi Capitolo 7

Soluzioni esercizi Capitolo 7 Soluzioi esercizi Capitolo 7 Quado si valuta la relazioe fra due variabili, occorre prestare particolare attezioe al fatto che i modelli statistici specifici per ogi scala di misura siao applicabili: i

Dettagli

Campionamento stratificato. Esempio

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

Dettagli

Progressioni aritmetiche

Progressioni aritmetiche Progressioi aritmetiche Comiciamo co due esempi: Esempio Cosideriamo la successioe di umeri:, 7,, 5, 9, +4 +4 +4 +4 +4 La successioe è tale che si passa da u termie al successivo aggiugedo sempre +4. Si

Dettagli

PARTE QUARTA Teoria algebrica dei numeri

PARTE QUARTA Teoria algebrica dei numeri Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)

Dettagli

Analisi Fattoriale Discriminante

Analisi Fattoriale Discriminante Aalisi Fattoriale Discrimiate Bibliografia Lucidi (materiale reperibile via Iteret) Lauro C.N. Uiversità di Napoli Gherghi M. Uiversità di Napoli D Ambra L. Uiversità di Napoli Keeth M. Portier Uiversity

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si

Dettagli

Serie numeriche e serie di potenze

Serie numeriche e serie di potenze Serie umeriche e serie di poteze Sommare u umero fiito di umeri reali è seza dubbio u operazioe che o può riservare molte sorprese Cosa succede però se e sommiamo u umero ifiito? Prima di dare delle defiizioi

Dettagli

Capitolo 8 Le funzioni e le successioni

Capitolo 8 Le funzioni e le successioni Capitolo 8 Le fuzioi e le successioi Prof. A. Fasao Fuzioe, domiio e codomiio Defiizioe Si chiama fuzioe o applicazioe dall isieme A all isieme B ua relazioe che fa corrispodere ad ogi elemeto di A u solo

Dettagli

EQUAZIONI ALLE RICORRENZE

EQUAZIONI ALLE RICORRENZE Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

Capitolo Decimo SERIE DI FUNZIONI

Capitolo Decimo SERIE DI FUNZIONI Capitolo Decimo SERIE DI FUNZIONI SUCCESSIONI DI FUNZIONI I cocetti di successioe e di serie possoo essere estesi i modo molto aturale al caso delle fuzioi DEFINIZIONE Sia E u sottoisieme di  e, per ogi

Dettagli

Formula per la determinazione della Successione generalizzata di Fibonacci.

Formula per la determinazione della Successione generalizzata di Fibonacci. Formula per la determiazioe della uccessioe geeralizzata di Fiboacci. A cura di Eugeio Amitrao Coteuto dell articolo:. Itroduzioe......... uccessioe di Fiboacci....... 3. Formula di Biet per la successioe

Dettagli

La matematica finanziaria

La matematica finanziaria La matematica fiaziaria La matematica fiaziaria forisce gli strumeti ecessari per cofrotare fatti fiaziari che avvegoo i mometi diversi Esempio: Come posso cofrotare i ricavi e i costi legati all acquisto

Dettagli

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia)

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia) Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia) Massimo A. De Fracesco Uiversità di Siea December 18, 2013 1 ichiami su utilità attesa e avversioe al rischio Prima di cosiderare il

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2006

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2006 ESAME DI STAT DI LICE SCIENTIFIC CRS DI RDINAMENT 006 Il cadidato risolva uo dei due problemi e 5 dei 0 quesiti i cui si articola il questioario. PRBLEMA U filo metallico di lughezza l viee utilizzato

Dettagli

, l'insieme dei numeri interi relativi: 0, 1, 1, 2, 2, infinito. m dove m e n sono elementi di. Le frazioni hanno tre

, l'insieme dei numeri interi relativi: 0, 1, 1, 2, 2, infinito. m dove m e n sono elementi di. Le frazioni hanno tre Uiversità Boccoi. Ao accademico 00 00 Corso di Matematica Geerale Prof. Fabrizio Iozzi email: fabrizio.iozzi@ui-boccoi.it Lezioi / Gli isiemi umerici Gli isiemi umerici co i quali lavoreremo soo:, l'isieme

Dettagli

Modelli multiperiodali discreti. Strategie di investimento

Modelli multiperiodali discreti. Strategie di investimento Modelli multiperiodali discreti Cosideriamo ora modelli discreti cioè co u umero fiito di stati del modo multiperiodali, cioè apputo co più periodi. Il prototipo di questa classe di modelli è il modello

Dettagli

3.1 Il principio di inclusione-esclusione

3.1 Il principio di inclusione-esclusione Capitolo 3 Calcolo combiatorio 3.1 Il pricipio di iclusioe-esclusioe Il calcolo combiatorio prede i cosiderazioe degli isiemi fiiti particolari e e cota il umero di elemeti. Questo può dar luogo ad iteressati

Dettagli

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1 SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:

Dettagli

Metodi statistici per l analisi dei dati

Metodi statistici per l analisi dei dati Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo

Dettagli

STIME E LORO AFFIDABILITA

STIME E LORO AFFIDABILITA TIME E LORO AFFIDABILITA L idea chiave su cui si basa l aalisi statistica è che si ossoo eseguire osservaioi su u camioe di soggetti e che da questo si ossoo comiere iferee sulla oolaioe raresetata da

Dettagli

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi. Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.

Dettagli

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche est o parametrici Il test di Studet per uo o per due campioi, il test F di Fisher per l'aalisi della variaza, la correlazioe, la regressioe, isieme ad altri test di statistica multivariata soo parte dei

Dettagli

Limiti di successioni

Limiti di successioni Argometo 3s Limiti di successioi Ua successioe {a : N} è ua fuzioe defiita sull isieme N deiumeriaturaliavalori reali: essa verrà el seguito idicata più brevemeteco{a } a èdettotermie geerale della successioe

Dettagli

APPUNTI DI ECONOMIA ELEMENTARE. (tratti da A. MONTE Elementi di Impianti Industriali Cortina)

APPUNTI DI ECONOMIA ELEMENTARE. (tratti da A. MONTE Elementi di Impianti Industriali Cortina) ITIS OMAR Dipartimeto di Meccaica APPUNTI DI ECONOMIA ELEMENTARE (tratti da A. MONTE Elemeti di Impiati Idustriali Cortia) Si defiisce iteresse il dearo pagato per l'uso di u capitale otteuto i prestito

Dettagli

ESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO

ESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO ESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO ARGOMENTI TRATTATI: VARIABILI CASUALI DISCRETE VARIABILI CASUALI CONTINUE DISEGUAGLIANZA DI TCHEBYCHEFF TEOREMA DEL LIMITE CENTRALE

Dettagli

Appunti di matematica Percorso

Appunti di matematica Percorso Biaca Arrigoi Apputi di matematica Percorso Statistica e probabilità EDIZIONE RIFORMA Biaca Arrigoi Apputi di matematica Percorso Statistica e probabilità EDIZIONE RIFORMA iteret: www.cedamscuola.it e-mail:

Dettagli

Terzo appello del. primo modulo. di ANALISI 18.07.2006

Terzo appello del. primo modulo. di ANALISI 18.07.2006 Terzo appello del primo modulo di ANALISI 18.7.26 1. Si voglioo ifilare su u filo delle perle distiguibili tra loro solo i base alla dimesioe: si hao a disposizioe perle gradi di diametro di 2 cetimetri

Dettagli

DIPENDENZA O CONNESSIONE. Ovvero quando la conoscenza della modalità di X presente su un unità è informativa della presenza della modalità di Y.

DIPENDENZA O CONNESSIONE. Ovvero quando la conoscenza della modalità di X presente su un unità è informativa della presenza della modalità di Y. DIPENDENZA O CONNESSIONE Due caratteri X e Y cogiutamete cosiderati si dicoo tra loro coessi quado le modalità di u carattere ifluezao il maifestarsi delle modalità dell altro. Ovvero quado la coosceza

Dettagli

CAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE

CAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE CAPITOLO UNDICESIMO VARIABILI CASUALI SOMMARIO:. Itroduzioe. -. Variabili casuali discrete. - 3. La variabile casuale di Beroulli. - 4. La variabile casuale biomiale. -. La variabile casuale di Poisso.

Dettagli

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014)

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014) Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia per maager. Prima versioe, marzo 2013; versioe aggiorata, marzo 2014) Massimo A. De Fracesco Uiversità di Siea March 14, 2014 1 Prezzo

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 21 Misura della dipedeza di u carattere

Dettagli