Istituzioni di Statistica e Statistica Economica
|
|
- Aurelia Zanetti
- 8 anni fa
- Visualizzazioni
Transcript
1 Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 4 A. Si supponga che la durata in giorni delle lampadine prodotte da una certa fabbrica abbia distribuzione normale con media µ = 8 e varianza σ 2 = 3.9. Si immagini di estrarre campioni di n = 6 lampadine. 1. Si indichi la distribuzione della media campionaria e si calcolino il valore atteso e la varianza. 2. Si calcoli la probabilità che la media campionaria sia maggiore di 8.5 e minore di Si calcoli il valore atteso della varianza campionaria. 4. Si indichi la distribuzione della statistica T = µ S 2 /n e si calcoli il valore atteso. calcolino i percentili di T corrispondenti a γ = e γ = Inoltre, si B. Si considerino le seguenti caratteristiche osservate su un campione casuale di n = 8 turisti di una struttura albeghiera: Unità Numero di giorni di permanenza Sesso F F M F M F M F Cliente precedente NO SI NO NO SI NO SI NO Sulla base di tale campione: 1. si stimi il numero di giorni di permanenza media µ dei clienti dell albergo e si costruisca un intervallo di confidenza al 99% per la media sotto l ipotesi che il numero di giorni di permanenza abbia distribuzione normale con varianza σ 2 = 5; 2. si stimi la proporzione di turisti che sono stati già clienti della struttura alberghiera in passato (sugg: si utilizzi la variabile casuale che è pari a 1 nel caso di cliente precedente e 0 altrimenti, e si assuma che tale variabile ha nella popolazione distribuzione Bernoulliana, Bin(1, p), dove p è il parametro da stimare); 3. si stimi un intervallo di confidenza al 95% per la proporzione di donne tra i turisti della struttura alberghiera. C. Un indagine è stata condotta inerente il consumo televisivo in Italia da parte degli individui tra i 35 e i 50 anni. Nell ambito di tale indagine viene estratto casualmente un campione di 12 persone nella fascia di età in questione, alle quali viene chiesto il numero di ore di televisione ( ) seguite in media ogni giorno. Il numero di ore di consumo televisivo quotidiano dichiarato sono le seguenti: Ore Sotto l assunzione che abbia nella popolazione distribuzione normale N(µ, σ): 1. si calcolino le stime non distorte di µ e σ 2 ; 2. si costruisca un intervallo di confidenza al 95% per il numero medio di ore che quotidianamente il collettivo di riferimento guarda la televisione. D. Nell ambito di un indagine sui consumi delle famigli italiane è stato osservato un campione di n = 250 unità. È risultato che le famiglie intervistate spendono mediamente x = 62 euro al mese per l acquisto di carne, con una varianza campionaria pari a s 2 = 289, e che 41 di esse hanno almeno un componente della famiglia vegetariano. Sulla base di questi dati:
2 1. si costruisca un intervallo di confidenza al 90% per la spesa media di carne delle famiglie italiane (sugg. si usi la tecnica per grandi campioni); 2. si stimi la proporzione delle famiglie che hanno almeno un componente della famiglia vegetariano; 3. si costruisca un intervallo di confidenza al 95% per il parametro p di cui al punto precedente. E. Per un campione di n = 8 lampadine è stata rilevata la durata di funzionamento ( ) in ore: 248, 251, 254, 249, 256, 246, 252, 257. Assumendo che si distribuisca normalmente con media µ e varianza σ 2 incognite: 1. si verifichi l ipotesi H 0 : µ = 252 contro l alternativa H 1 : µ 252 al livello α = 0.10; 2. si verifichi l ipotesi H 0 : µ = 250 contro l alternativa H 1 : µ < 250 al livello α = F. L amministratore di un impresa commerciale con problemi di liquidità vuole analizzare l importo medio dei crediti concessi ai propri clienti. In base all esperienza stabilisce che crediti di importo troppo elevato rappresentano un pericolo per la stabilità finanziaria dell impresa. A tal fine osserva che l importo (in migliaia di ) dei crediti concessi nell arco di una settimana sono stati pari a: 12.7, 15.9, 15.2, 39, 2.8, 31, 19.1, 3.3, 12.1, 11.8, 4.5, 2.9, 17.8, 13.5, Indicando con la variabile casuale che descrive l importo del credito e assumendo che N(µ, σ 2 ), con σ = 10: 1. si verifichi l ipotesi H 0 : µ = 12 contro l alternativa H 1 : µ > 12 al livello α = 0.10; 2. si ripeta la verifica delle ipotesi di cui al punto precedente supponendo di non conoscere il valore vero di σ 2. G. Un azienda produttrice di bevande in lattina vuole verificare se un macchinario per il riempimento automatico delle lattine soddisfa gli standard produttivi. Secondo tali standard il contenuto effettivo (in centilitri) ha valore atteso µ = 33. Si osserva un campione di n = 150 lattine trovando un valore di x = 31.9 e s 2 = Si verifichi l ipotesi H 0 : µ = 33 contro l alternativa H 1 : µ < 33 al livello α = 0.05; 2. Si verifichi l ipotesi H 0 : µ = 33 contro l alternativa H 1 : µ 33 al livello α = H. L ufficio marketing di una grande azienda sostiene che il 21% delle famiglie acquista un determinato prodotto per la pulizia della casa. Si decide di effettuare un indagine campionaria su n = 240 famiglie da cui risulta che 63 famiglie acquistano quel prodotto. 1. Calcolare un intervallo di confidenza al 95% per la proporzione delle famiglie che intende acquistare il prodotto in esame. 2. Si verifichi l ipotesi H 0 : p = 0.21 contro l alternativa H 1 : p 0.21 al livello α = 0.01; 3. Si verifichi l ipotesi H 0 : p = 0.21 contro l alternativa H 1 : p > 0.21 al livello α = 0.1.
3 I. Si indichi se ognuna delle seguenti affermazioni è vera o falsa: N. Domanda V F 1 L inferenza statistica consiste nel trarre delle conclusioni su una popolazione sulla base di un indagine totale (censimento) 2 Se ha nella popolazione distribuzione Normale, anche la distribuzione della media campionaria ( ) è Normale 3 T è uno stimatore non distorto di θ se e solo se la sua distorsione è nulla 4 La varianza campionaria S 2 è uno stimatore consistente di σ 2 5 Una statistica campionaria è una variabile aleatoria 6 Il parametro è una variabile aleatoria 7 Se uno stimatore è non distorto, il suo errore quadratico medio coincide con la sua varianza 8 Nel caso di una popolazione Bernoullina, la distribuzione di tende a quella Normale al tendere della dimensione campionaria a infinito 9 Per ogni campione osservato, la media campionaria ( x) coincide con la media della popolazione (µ) 10 Se uno stimatore è consistente in media quadratica è anche asintoticamente non distorto 11 La media campionaria ( ) è un parametro 12 L errore quadratico medio di, come stimatore di µ, è σ 2 /n 13 Uno stimatore non distorto può essere meno efficiente di uno distorto 14 La distribuzione della media campionaria ( ) è sempre Normale, a prescindere dalla distribuzione della variabile di interesse ( ) nella popolazione 15 A parità di altre circostanze, l ampiezza dell intervallo di confidenza per la media è tanto minore quanto maggiore è il valore di α 16 Usualmente l ipotesi nulla e quella alternativa coincidono 17 La zona di accettazione e quella di rifiuto utilizzate per verificare una certa ipotesi hanno sempre almeno un elemento in comune 18 La probabilità dell errore di II tipo è definita come la probabilità che il campione cada nella zona di accettazione quando il valore vero del parametro soddisfa l ipotesi alternativa 19 Se N(µ, σ 2 ), con σ 2 non noto, si rifiuta H 0 : µ = µ 0 in favore di H 1 : µ > µ 0 ogni volta che x µ 0 20 Se si assume che Bin(1, p) e H 0 : p = p 0, la varianza di sotto l ipotesi nulla è p 0 (1 p 0 )/n 21 Se N(µ, σ 2 ) con σ 2 noto, il test per H 0 : µ = µ 0 contro H 1 : µ < µ 0 al livello α consiste nel rifiutare H 0 quando z z α 22 Con errore di I tipo si intende quello che consiste nell accettare l ipotesi nulla quando è falsa
4 Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Soluzione esercitazione n. 4 A. 1. La media campionaria ha distribuzione normale con media E( ) = µ = 8 e varianza Var( ) = σ 2 /n = 3.9/6 = P( > 8.5) = P Z > = P(Z > 0.62) = 1 Φ(0.62) = = P( < 7.8) = P Z < = P(Z < 0.25) = Φ( 0.25) = 1 Φ(0.25) = = Per la varianza campionaria si ha E(S 2 ) = σ 2 = La statistica T = µ si distribuisce come una t di Student con (n 1) gradi di libertà ed ha S 2 /n valore atteso nullo, cioè E(T) = 0. In questo caso i gradi di libertà sono 5 e, quindi, il percentile corrispondente a γ = è pari a 2.571, cioè P µ S 2 /n = mentre il percentile corrispondente a γ = è pari a 4.032, cioè P µ = S 2 /n B. 1. Stima del numero di giorni di permanenza media µ dei clienti dell albergo: x = 1 n x i = 1 ( ) = 53/8 = Estremi dell intervallo di confidenza al 99% per µ: ( x ± z α/2 σ 2 /n) = (6.625 ± /8) = (4.589, 8.662) dove z 0.01/2 = Indichiamo con i = 1 se il cliente i-esimo è già stato cliente dell albergo e con i = 0 altrimenti. Quindi, la stima della proporzione di turisti che sono stati già clienti della struttura alberghiera in passato è pari a: ˆp = 1 n x i = 1 ( ) = 3/8 = Stima dell intervallo di confidenza al 95% per la proporzione proporzione di donne tra i turisti dell albergo: (ˆp ± z α/2 ˆp(1 ˆp)/n) = (0.625 ± ( )/8) = (0.2895, ) dove z 0.05/2 = 1.96 e ˆp = 1 n x i = 1 ( ) = 5/8 =
5 C. 1. La stima non distorta del numero medio di ore di televisione viste è pari a: x = 1 n x i = 1 ( ) = 36/12 = 3 12 mentre la stima non distorta della varianza è pari a: s 2 = 1 n 1 (x i x) 2 = [(4 3)2 + (5 3) (3 3) 2 ] = 42/11 = L intervallo di confidenza al 95% per µ (con σ 2 incognito) è dato da Pertanto, gli estremi dell intervallo sono: dove t 0.05/2;11 = P( t α/2;n 1 S 2 /n µ + t α/2;n 1 S 2 /n) = 1 α (3 ± /12) = (1.758, 4.242) D. 1. L intervallo di confidenza al 90% per µ (con σ 2 incognito, caso dei grandi campioni) è dato da: Pertanto, gli estremi dell intervallo sono: dove z 0.1/2 = P( z α/2 S 2 /n µ + z α/2 S 2 /n) = 1 α (62 ± /250) = (60.231, ) 2. Stima della proporzione di famiglie che hanno almeno un componente della famiglia vegetariano: ˆp = = L intervallo di confidenza al 95% per p (caso dei grandi campioni) è dato da: P(ˆp z α/2 ˆp(1 ˆp)/n p ˆp + z α/2 ˆp(1 ˆp)/n) = 1 α Pertanto, gli estremi dell intervallo sono: dove z 0.05/2 = (0.164 ± ( )/250) = (0.1181, ) E. Stima della durata media di funzionamento delle lampadine: Stima della varianza σ 2 : s 2 = 1 n 1 x = 1 n x i = ( ) = = (x i x) 2 = [( )2 + ( ) ( ) 2 =
6 1. Per verificare l ipotesi H 0 : µ = 252 contro l alternativa H 1 : µ 252 al livello α = 0.10 calcoliamo t = x µ 0 = s 2 /n /8 = 0.27 e lo confrontiamo con il quantile t 0.1/2;7 = Essendo t < t 0.1/2;7 si accetta H 0 al livello α = Per verificare l ipotesi H 0 : µ = 250 contro l alternativa H 1 : µ < 250 al livello α = 0.05 calcoliamo t = x µ 0 = s 2 /n /8 = e lo confrontiamo con il quantile t 0.05;7 = Essendo t > t 0.05;7 si accetta H 0 al livello α = F. 1. Stima dell importo medio del credito: x = 1 n x i = ( ) = = Per verificare l ipotesi H 0 : µ = 12 contro l alternativa H 1 : µ > 12 al livello α = 0.10 calcoliamo z = x µ 0 = σ 2 /n /15 = e lo confrontiamo con il quantile z 0.1 = Essendo z < z 0.1 si accetta H 0 al livello α = Se il valore vero di σ 2 fosse incognito, per verificare l ipotesi di cui al punto precedente dovremmo innanzi tutto stimare σ 2 : s 2 = 1 (x i x) 2 = 1 n [( )2 +( ) ( ) 2 = Quindi, calcoliamo t = x µ = = s 2 /n /15 e lo confrontiamo con il quantile t 0.1;14 = Essendo t < t 0.1 si accetta H 0 al livello α = G. 1. Per verificare l ipotesi H 0 : µ = 33 contro l alternativa H 1 : µ < 33 al livello α = 0.05 calcoliamo z = x µ = = 3.39 s 2 /n 15.75/150 e lo confrontiamo con il quantile z 0.05 = Essendo z < z 0.05 si rifiuta H 0 al livello α = Per verificare l ipotesi H 0 : µ = 33 contro l alternativa H 1 : µ 33 al livello α = 0.01 confrontiamo il valore di z calcolato precedentemente con il quantile z 0.01/2 = Essendo z > z 0.01/2 si rifiuta H 0 al livello α = H. 1. La stima della proporzione di famiglie che intendono acquistare il prodotto è pari a: ˆp = = Gli estremi dell intervallo di confidenza al 95% per p (caso dei grandi campioni) sono dati da: ˆp ± z α/2 ˆp(1 ˆp)/n = ( ± ( )/240) = (0.2068, ) dove z 0.05/2 = 1.96.
7 2. Per verificare l ipotesi H 0 : p = 0.21 contro l alternativa H 1 : p 0.21 al livello α = 0.01 calcoliamo z = ˆp p 0 p0 (1 p 0 )/n = e lo confrontiamo con il quantile z 0.01/2 = α = (1 0.21)/240 = Essendo z < z 0.01/2 si accetta H 0 al livello 3. Per verificare l ipotesi H 0 : p = 0.21 contro l alternativa H 1 : p > 0.21 al livello α = 0.10 confrontiamo il valore di z calcolato precedentemente con il quantile z 0.10 = Essendo z > z 0.10 si rifiuta H 0 al livello α = 0.10.
8 I. N. Domanda V F 1 L inferenza statistica consiste nel trarre delle conclusioni su una popolazione sulla base di un indagine totale (censimento) 2 Se ha nella popolazione distribuzione Normale, anche la distribuzione della media campionaria ( ) è Normale 3 T è uno stimatore non distorto di θ se e solo se la sua distorsione è nulla 4 La varianza campionaria S 2 è uno stimatore consistente di σ 2 5 Una statistica campionaria è una variabile aleatoria 6 Il parametro è una variabile aleatoria 7 Se uno stimatore è non distorto, il suo errore quadratico medio coincide con la sua varianza 8 Nel caso di una popolazione Bernoullina, la distribuzione di tende a quella Normale al tendere della dimensione campionaria a infinito 9 Per ogni campione osservato, la media campionaria ( x) coincide con la media della popolazione (µ) 10 Se uno stimatore è consistente in media quadratica è anche asintoticamente non distorto 11 La media campionaria ( ) è un parametro 12 L errore quadratico medio di, come stimatore di µ, è σ 2 /n 13 Uno stimatore non distorto può essere meno efficiente di uno distorto 14 La distribuzione della media campionaria ( ) è sempre Normale, a prescindere dalla distribuzione della variabile di interesse ( ) nella popolazione 15 A parità di altre circostanze, l ampiezza dell intervallo di confidenza per la media è tanto minore quanto maggiore è il valore di α 16 Usualmente l ipotesi nulla e quella alternativa coincidono 17 La zona di accettazione e quella di rifiuto utilizzate per verificare una certa ipotesi hanno sempre almeno un elemento in comune 18 La probabilità dell errore di II tipo è definita come la probabilità che il campione cada nella zona di accettazione quando il valore vero del parametro soddisfa l ipotesi alternativa 19 Se N(µ, σ 2 ), con σ 2 non noto, si rifiuta H 0 : µ = µ 0 in favore di H 1 : µ > µ 0 ogni volta che x µ 0 20 Se si assume che Bin(1, p) e H 0 : p = p 0, la varianza di sotto l ipotesi nulla è p 0 (1 p 0 )/n 21 Se N(µ, σ 2 ) con σ 2 noto, il test per H 0 : µ = µ 0 contro H 1 : µ < µ 0 al livello α consiste nel rifiutare H 0 quando z z α 22 Con errore di I tipo si intende quello che consiste nell accettare l ipotesi nulla quando è falsa
1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
Dettagli1) 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
DettagliEsercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test
STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che
DettagliEsercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)
STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana
DettagliE 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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliSTATISTICA INFERENZIALE
STATISTICA INFERENZIALE Premessa importante: si ipotizza che il comportamento della popolazione rispetto ad una variabile casuale X viene descritto attraverso una funzione parametrica di probabilità p
DettagliUniversità di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008
Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi
DettagliEsercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010
Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe
DettagliESAME DI STATISTICA Nome: Cognome: Matricola:
ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli
DettagliInferenza statistica I Alcuni esercizi. Stefano Tonellato
Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico 2006-2007 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche,
DettagliTemi di Esame a.a. 2012-2013. Statistica - CLEF
Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliEsercitazione n.2 Inferenza su medie
Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliEsercitazione n.4 Inferenza su varianza
Esercizio 1 Un industria che produce lamiere metalliche ha ricevuto un ordine di acquisto di un grosso quantitativo di lamiere di un dato spessore. Per assicurare la qualità della propria fornitura, l
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliEsercitazioni del corso di Statistica Prof. Mortera a.a. 2010/2011. Esercizi di stima puntuale, intervalli di confidenza e test T 2 = 1 2 X
Esercitazioni del corso di Statistica Prof. Mortera a.a. 2010/2011 Esercizi di stima puntuale, intervalli di confidenza e test 1. Si consideri il campione (X 1, X 2, X 3, X 4 ) composto da variabili i.i.d.
DettagliTEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST
TEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Statistica 1 Parte A 1.1 La formula µ = x ± s n
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliSTATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio 2015. Modelli continui di probabilità: la v.c. uniforme continua
STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo febbraio 2015 Modelli continui di probabilità: la v.c. uniforme continua Esercizio 1 Anna ha una gift card da 50 euro. Non si sa se sia mai stata utilizzata
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180
DettagliTema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che
Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x
DettagliSTATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007
Esercitazione I 7/4/007 In una scatola contenente 0 pezzi di un articolo elettronico risultano essere difettosi. Si estraggono a caso due pezzi, uno alla volta senza reimmissione. Quale è la probabilità
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliTest 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
DettagliUniversità degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI
Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni
DettagliSoluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)
Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4.2 I principali test statistici per la verifica di ipotesi: Il test F Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliElementi di Psicometria
Elementi di Psicometria E2-Riepilogo finale vers. 1.2 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia) ElemPsico 2010-2011
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliPotenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1
Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo
DettagliEsame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano
DettagliAnalisi 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
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliCorso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.
Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame del 18/7/2013 NOME COGNOME N. Matr. Rispondere ai punti degli esercizi nel modo più completo possibile, cercando
DettagliELEMENTI DI STATISTICA
Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliUniversità di Siena. Corso di STATISTICA. Parte terza: Test di verifica delle ipotesi. Andrea Garulli, Antonello Giannitrapani, Simone Paoletti
Università di Siena Corso di STATISTICA Parte terza: Test di verifica delle ipotesi Andrea Garulli, Antonello Giannitrapani, Simone Paoletti Master E 2 C Centro per lo Studio dei Sistemi Complessi Università
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliCapitolo 11 Test chi-quadro
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova
DettagliEsercitazioni del corso di Statistica Prof. Mortera a.a. 2008/2009
Esercitazioni del corso di Statistica Prof. Mortera a.a. 2008/2009 Esercizi di statistica descrittiva 1. Secondo i dati ISTAT 1997 sull occupazione, la Lombardia e il Veneto presentano le seguenti distribuzione
DettagliRelazioni tra variabili
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea in Medicina e Chirurgia - A.A. 009-10 Scuole di specializzazione in: Medicina Legale, Medicina del Lavoro, Igiene e Medicina
DettagliEsercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera
Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera 1. Avete risparmiato 10 dollari che volete investire per un anno in azioni e/o buoni del tesoro
DettagliProbabilità e Statistica ESERCIZI. EsercizioA3 Data la variabile aleatoria normale standard Z, si calcoli la probabilità
Probabilità e Statistica ESERCIZI EsercizioA1 Data la variabile aleatoria normale standard Z, si calcoli la probabilità che Z sia minore o uguale di 1,2. Soluzione La probabilità che una variabile aleatoria
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V
Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.
DettagliTecniche di analisi multivariata
Tecniche di analisi multivariata Metodi che fanno riferimento ad un modello distributivo assunto per le osservazioni e alla base degli sviluppi inferenziali - tecniche collegate allo studio della dipendenza
DettagliUn 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
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliEsercizi riassuntivi di probabilità
Esercizi riassuntivi di probabilità Esercizio 1 Una ditta produttrice di fotocopiatrici sa che la durata di una macchina (in migliaia di copie) si distribuisce come una normale con µ = 1600 e 2 = 3600.
Dettagli2. 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
DettagliProva 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.
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliFONDAMENTI DI PSICOMETRIA - 8 CFU
Ψ FONDAMENTI DI PSICOMETRIA - 8 CFU STIMA DELL ATTENDIBILITA STIMA DELL ATTENDIBILITA DEFINIZIONE DI ATTENDIBILITA (affidabilità, fedeltà) Grado di accordo tra diversi tentativi di misurare uno stesso
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del
DettagliEsercitazioni del corso di Statistica Proff. Mortera/Vicard a.a. 2011/2012
Esercitazioni del corso di Statistica Proff. Mortera/Vicard a.a. 2011/2012 Esercizi di calcolo delle probabilità 1. Nel 1980 la popolazione USA era così composta: 10% della California, 6% di origine ispanica,
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliAppunti: Teoria Dei Test
Appunti: Teoria Dei Test Fulvio De Santis, Luca Tardella e Isabella Verdinelli Corsi di Laurea A + E + D + G + R 1. Introduzione. Il test d ipotesi è un area dell inferenza statistica in cui si valuta
DettagliConcetto di potenza statistica
Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H
DettagliInferenza statistica
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione in base ad informazioni ricavate da un campione. Inferenza statistica: indurre
DettagliTeoria della Stima. Stima della Media e di una Porzione di Popolazione. Introduzione. Corso di Laurea in Scienze Motorie AA2002/03 - Analisi dei Dati
Teoria della Stima. Stima della Media e di una Porzione di Popolazione Introduzione La proceduta in base alla quale ad uno o più parametri di popolazione si assegna il valore numerico calcolato dalle informazioni
DettagliSi considerino gli eventi A = nessuno studente ha superato l esame e B = nessuno studente maschio ha superato l esame. Allora A c B è uguale a:
TEST DI AUTOVALUTAZIONE - SETTIMANA 2 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Si considerino gli
DettagliCapitolo 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.
DettagliSTATISTICA SOCIALE Corso di laurea in Scienze Turistiche - A.A. 2007/2008 Esercizi di riepilogo - 14 dicembre 2007
STATISTICA SOCIALE Corso di laurea in Scienze Turistiche - A.A. 2007/2008 Esercizi di riepilogo - 14 dicembre 2007 Esercizio 1 In Tabella 1 è riportato il numero di crediti maturati al 30 settembre 2007
DettagliEsercitazioni del corso di Statistica - III canale Prof. Mortera e Vicard a.a. 2010/2011
Esercitazioni del corso di Statistica - III canale Prof. Mortera e Vicard a.a. 2010/2011 Esercizi di statistica descrittiva 1. Secondo i dati ISTAT 1997 sull occupazione, la Lombardia e il Veneto presentano
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliLa Distribuzione Normale (Curva di Gauss)
1 DISTRIBUZIONE NORMALE o CURVA DI GAUSS 1. E la più importante distribuzione statistica continua e trova numerose applicazioni nello studio dei fenomeni biologici. 2. Fu proposta da Gauss (1809) nell'ambito
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliOCCUPATI 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
DettagliR - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre
R - Esercitazione 5 Lorenzo Di Biagio dibiagio@mat.uniroma3.it Università Roma Tre Lunedì 2 Dicembre 2013 Intervalli di confidenza (1) Sia X 1,..., X n un campione casuale estratto da un densità f (x,
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliPolitecnico di Milano - Anno Accademico 2010-2011 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo
Politecnico di Milano - Anno Accademico 200-20 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Esercitazione 9 2 Giugno 20 Esercizio. In un laboratorio per il test dei materiali,
DettagliServizi di consulenza specialistica per IGRUE 2009 2012
Allegato 9A Metodo della stima delle differenze Descrizione della procedura Il metodo della stima delle differenze è indicato qualora il controllore ritenga che la popolazione sia affetta da un tasso di
DettagliEsercitazione n.1 (v.c. Binomiale, Poisson, Normale)
Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione
DettagliT DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente:
T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: t = X i X j s 2 i (n i 1) + s 2 j (n j 1) n i + n j - 2 1
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 7 marzo 20 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana
DettagliInferenza statistica. Inferenza statistica
Spesso l informazione a disposizione deriva da un osservazione parziale del fenomeno studiato. In questo caso lo studio di un fenomeno mira solitamente a trarre, sulla base di ciò che si è osservato, considerazioni
DettagliPertanto la formula per una prima approssimazione del tasso di rendimento a scadenza fornisce
A. Peretti Svolgimento dei temi d esame di MDEF A.A. 015/16 1 PROVA CONCLUSIVA DI MATEMATICA per le DECISIONI ECONOMICO-FINANZIARIE Vicenza, 9/01/016 ESERCIZIO 1. Data l obbligazione con le seguenti caratteristiche:
DettagliEsercizi di riepilogo Statistica III canale, anno 2008
Esercizio 1 - Esercizio 5 esame 22 giugno 2004 Esercizi di riepilogo Statistica III canale, anno 2008 Data la seguente distribuzione di 100 dipendenti di un azienda in base al tempo impiegato (in minuti)
DettagliFacoltà di Psicologia Università di Padova Anno Accademico 2010-2011
Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 L4, Corso Integrato di Psicometria - Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Rev. 18/04/2011 Inferenza statistica Formulazione
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliESERCIZI DI RIEPILOGO 2. 7 jj(addi
ESERCIZI DI RIEPILOGO 2 ESERCIZIO 1 Da un comune mazzo di 52 carte francesi (13 carte per ognuno dei quattro semi: picche, cuori, fiori e quadri) viene estratta casualmente una carta. Definiti gli eventi:
Dettagli