Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛"

Transcript

1 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata una regola che assegna a ciascun valore che la variabile può assumere la corrispondente probabilità pobab Esempio: lancio di 3 monete; v.c.= numero di teste uscite P() P() TTT 3 ⅛ 0 ⅛ TTC ⅛ ⅜ TCT ⅛ ⅜ CTT ⅛ 3 ⅛ TCC ⅛ CTC ⅛ CCT ⅛ CCC 0 ⅛ P() 0 3 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Variabile statistica e variabile casuale Variabile statistica: deriva dalla classificazione di dati rilevati, cioè viene definita empiricamente una volta conosciuti i dati ed averli classificati. Variabile casuale (): assume valori nello spazio dei numeri reali secondo una funzione di probabilità P() Il concetto di variabile casuale è strettamente legato a quello di esperimento, a quello, cioè, di una prova il cui risultato è incerto. E diverso, dunque, dal concetto di variabile definita su una popolazione, di cui io posso conoscere o meno il valore che questa assume sulle singole unità, ma rispetto alla quale non c è nulla di incerto. Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Distribuzione di probabilità della v.c : ad ogni possibile valore della v.c si associa una probabilità v.c. discreta P() 0 ⅛ ⅜ ⅜ 3 ⅛ P f P Assumono un numero finito di valori,,, n, con probabilità p p p con probabilità p, p,, p n

2 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Distribuzione di probabilità della v.c : ad ogni possibile valore della v.c si associa una probabilità v.c. discreta P() 0 ⅛ ⅜ ⅜ 3 ⅛ P f P P() TTT 50? TTC 49? TCT..? CTT..? TCC..? CTC..? CCT? CCC 0? Esistono delle formule algebriche che consentono di calcolare, per ciascun valore di una variabile casuale, la probabilità che esso si verifichi Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- discrete Assumono un numero finito it di valori,,, n, con probabilità p, p,, p n Nel caso discreto, la funzione definisce la funzione di probabilità della v.c.. La funzione di probabilità di tipo discreto soddisfa le condizioni: f f 0 i.. i In molti casi, può essere necessario trovare la probabilità che la v.c. assuma un valore inferiore o uguale ad un dato valore k. Tale probabilità viene definita probabilità cumulata ed è descritta dalla funzione di ripartizione, che viene indicata con F( k). Quindi, se,,, n sono i valori possibili di ordinati in senso crescente, la probabilità cumulata sarà: F f f f k i k Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- discrete Esempio: Lancio di tre monete v.c. Numero di teste uscite f 0 P 0 PC C C f 3 P P T C C C T C C C T f P P T T C T C T C T T 3 f 3 P 3 PT T T F 0 3 F 3 3 F 3 3 F 3 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- discrete Esempio: Lancio di tre monete v.c. Numero di teste uscite f 0 P 0 f 3 P f P 3 f 3 P 3 F() 0 3 (numero F 0 di teste) 3 F 3 3 F 3 3 F (numero di teste)

3 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- continue Una variabile casuale continua è una v.c. che può assumere un numero infinito di valori compresi in un intervallo di ampiezza finita o infinita. A differenza di quanto accade nel caso discreto, non è possibile ottenere la probabilità che la variabile assuma un qualsiasi valore interno all intervallo sommando le probabilità dei singoli punti che lo compongono, in quanto i punti sono infiniti e una somma infinita di valori finiti non può dare l unità unità. Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- continue Una variabile casuale è, allora, continua se esiste una funzione tale che: b P a b f d a dove a e b sono numeri reali qualsiasi, con a<b. Funzione di densità di probabilità: la funzione matematica per cui l area sottesa alla funzione, corrispondente ad un certo intervallo, è uguale alla probabilità che assuma un valore in quell intervallo Il c.d. paradosso della continuità viene risolto ricorrendo al concetto di area, assegnando probabilità a singoli intervalli piuttosto che a singoli punti e rappresentando le probabilità come delle aree su degli intervalli. Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- continue La funzione f( ) viene definita funzione di densità di probabilità (f.d.p.) o densità di probabilità di. In questo caso, tuttavia, la funzione non può essere interpretata come la P(=), in quanto tale probabilità sarà sempre nulla, per v.c. di tipo continuo. Quindi, la probabilità di ottenere esattamente il risultato è generalmente nulla anche se l evento levento non è strettamente impossibile. continue Funzioni di densità e corrispondenti funzioni di ripartizione: E invece possibile definire la funzione di ripartizione: F P f d che conserva il suo significato.

4 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- n Valore atteso di una v.c discreta: E i P i Varianza di una v.c discreta: n i i P i Valore atteso di una v.c continua: i E f d Varianza di una v.c continua: f d Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Esempio Un amico ci propone un gioco i cui risultati ti possono essere A, B o C con probabilità bilità di realizzarsi pari, rispettivamente, a 0,, 0, e 0,7. Se esce A, sivincono0euro, se esce B se ne vincono 0 mentre se esce C se ne perdono 0. Ci si chiede quale sarà il guadagno, o la perdita, che ci si deve attendere per un numero elevato di giocate. E chiaro che il risultato del gioco sarà dato dall ammontare che si vince quando si presenta A o B, ognuno moltiplicato per le rispettive probabilità, sommato all ammontare che si perde quando si presenta C, ponderato con la rispettiva probabilità. Avremo dunque: 0 0, 0 0, 0 0,7 3 Il gioco ha, cioè, un valore negativo, e più precisamente una perdita di 3 a partita. I 3 euro non rappresentano l ammontare lammontareche si perde in una singola giocata ma ciò che si perderebbe in media, per partita, se si giocasse un numero elevato di volte (infatti, nella singola giocata o si vincono 0 o 0 euro o se ne perdono 0, ma non se ne potranno mai perdere 3). Questa somma, tuttavia, rappresenta una sintesi dei diversi risultati del gioco, i quali portano a perdere, in media, 3 euro ogni giocata, e quindi non si avrà interesse a giocare perché il gioco non è equo. Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La variabile casuale di Bernoulli ~ Ber(p) La variabile casuale di Bernoulli ~ Ber(p) E una v.c. che trae origine i da una prova nella quale interessa verificare se l evento E si è verificato o meno. E legata a prove di tipo dicotomico (o dicotomizzabili) i cui due possibili risultati vengono indicati con i termini successo () e insucesso (0), (senza per questo intendere che l evento successo sia necessariamente un evento piacevole! ) Formalmente, una v.c. discreta si definisce v.c. di Bernoulli se assume il valore con probabilità p e il valore 0 con probabilità -p. La sua distribuzione di probabilità è: P p p I suoi momenti caratteristici risultano essere: E p ; Var p p ; N.B. La varianza della v.c. di Bernoulli assume valore ao massimo (/4) quando è p=/. E questo, infatti, il caso di massima incertezza, in cui risulta più difficile prevedere il risultato.

5 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. binomiale i Esperimento binomiale: n prove bernoulliane (ogni prova può avere solo due possibili risultati) indipendenti, ognuna delle quali ha la stessa probabilità di successo successo o insuccesso; probabilità costante in tutte le prove estrazioni indipendenti (estrazioni con ripetizione). V.C. Binomiale : numero di successi in n prove p: probabilità di successo in una prova -p: probabilità di insuccesso in una prova Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Un esempio Un sistema informativo aziendale deve raccogliere, processare, immagazzinare e distribuire informazione al fine di facilitare i processi di pianificazione, decisione e controllo. Uno dei compiti del sistema informativo consiste in una revisione degli ordini di vendita della società per individuare eventuali errori nella forma o nell informazione contenuta. Presso una casa farmaceutica la probabilità che un ordine venga giudicato insoddisfacente dal sistema informativo è stimata pari a 0,. Sulla base di questa informazione, la società vuole calcolare la probabilità che si abbia un certo numero di segnalazioni in un dato campione di ordini di vendita. Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Un esempio Per esempio se in un giorno vengono realizzati quattro ordini di vendita, -qual è la probabilità che si abbiano 0 ordini scorretti? -qual è la probabilità che si abbia ordine scorretto? -qual è la probabilità che si abbiano ordini scorretti? -qual è la probabilità che si abbiano 3 ordini scorretti? -qual è la probabilità che si abbiano 4 ordini scorretti? Sequenza Primo ordine Secondo ordine Terzo ordine Quarto ordine Segnalato Segnalato Non segnalato Segnalato p=0, p=0, -p=0,9 p=0, P(3 ordini segnalati nella sequenza precedente)= p p (-p) p = p 3 ( - p) = 0,009 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Un esempio Sequenza : q segnalato, segnalato, non segnalato, segnalato p p (-p) p=p 3 ( - p) = 0,009 Sequenza : segnalato, segnalato, segnalato, non segnalato p p p (-p) = p 3 ( - p) = p p p (-p) = p 3 ( - p) = 0,009 Sequenza 3: segnalato, non segnalato, segnalato, segnalato g, g, g, g p (-p) p p=p 3 ( - p) = 0,009 Sequenza 4: non segnalato, segnalato, segnalato, segnalato (-p) p p p=p 3 ( - p) = 0,009

6 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Un esempio La v.c. binomiale i Distribuzione di probabilità di : numero di combinazioni in cui possono presentarsi successi in n prove. Numero di possibili sequenze: 4 P(3 ordini scorretti) = 4 0,0009 = 0,0036 n n n! P p p p p! n-! n numero di prove effettuate proporzione di casi che realizzano un successo nella popolazione p (0<p<) E np Var np p ~ Bin(n,p) Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. binomiale i relativa n proporzione di successi in n prove p p E n p Var n n Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. binomiale: i un esempio Esperimento: 50 lanci di una moneta v.c : numero di teste uscite in 50 lanci numero di prove effettuate: 50 (n) probabilità di successo in un lancio: / 50 50! P ! 50-36! n n! P p p p p! n-! n n

7 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. binomiale: i un esempio Dall'inventario di 4 automobili spedite ad un gruppo di rivenditori, risulta che automobili avevano difetti nell'installazione della radio. Qual è la probabilità che un particolare rivenditore che abbia ricevuto automobili: a) Lericeva tuttett conradio difettose? b) Non ne riceva nessuna con radio difettosa? c) Ne riceva almeno una con radio difettosa? automobili estratte a caso dalla produzione esperimento binomialei probabilità di successo (la radio è difettosa) p=/4 v.c : numero di radio difettose in auto estratte a caso dalla produzione Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- a) Qual è la probabilità che un particolare rivenditore che abbia ricevuto automobili le riceva tutte con radio difettose? P(=)? n= p=/4=0,5 -p= 075 0,75 n n! P p p p p! n-!! n n 0,5 0,75 0,5 0,75! -! P Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- b) Qual è la probabilità che un particolare rivenditore che abbia ricevuto automobili non ne riceva nessuna con radio difettosa? P(=0)? n= p=/4=0,5 -p= 0,75 n n! P p p p p! n-! n n c) Qual è la probabilità che un particolare rivenditore che abbia ricevuto automobili ne riceva almeno una con radio difettosa? n= p=/4=0,5 -p= 0,75 P(>=) =P(=)+P(=)+ P(=)=-P(=0)! P ,5 05 0, ,5 05 0, ! -0! 0 0

8 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La variabile casuale di Poisson ~ Po() La v.c. di Poisson misura la probabilità bilità di ottenere successi riferendosi però non più a n prove bernoulliane ma ad un ambito circoscritto, temporale o spaziale. Es.: Clienti ad uno sportello bancario in un giorno Tlf Telefonate al centralino VV.FF. in un ora Auto al casello autostradale ogni ora ma anche n di globuli rossi per mm 3 di sangue n di errori tipografici per pagina stampata t. La probabilità del manifestarsi dell evento è costante su tutta la durata dell osservazione.. L intervallo può essere suddiviso in sottointervalli sui quali la probabilità del verificarsi di un evento è piccola e la probabilità del manifestarsi di due eventi è pressocché nulla. La variabile casuale di Poisson ~ Po() Se si osserva un processo di Poisson, il numero di eventi che si manifestano in ogni intervallo è una v.c. di Poisson. Se tali eventi si manifestano al tasso costante, il valore di indicherà il numero di eventi che, in media, si manifesterà per ogni sottointervallo. In una v.c. di Poisson gli eventi si manifestano al tasso costante. Definizione: Una v.c., discreta, segue una distribuzioneib i di Poisson con parametro se assume i valori 0,,, con probabilità definite dalla funzione: P e! ; Var E 3. Il manifestarsi di un evento in un sottointervallo non influenza la probabilità del manifestarsi di un evento in un altro sottointervallo. Gli eventi sono, cioè, indipendenti. Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La variabile casuale di Poisson ~ Po() Approssimazione della distribuzione di Poisson alla Binomiale Quando n la distribuzione di Poisson con parametro =np può servire come approssimazione i alla legge binomiale i di parametri n e p La variabile casuale di Poisson P e! ~ Po() Esercizio: In un centro commerciale, tra le e le 0 arrivano, in media, 7 clienti al minuto. Supponendo che il numero di clienti si distribuisca secondo una legge di Poisson, si calcoli: la probabilità che in un minuto arrivino 3 clienti la probabilità che in un minuto arrivino meno di clienti la probabilità che in tre minuti arrivino 0 clienti

9 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. normale Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. normale Spessore di 0000 rondelle di ottone prodotte da un azienda Spessori Frequenze (in cm) relative < Da 0.00 a Da 0.0 a Da 0.04 a Da 0.06 a Da00a a Da a Da 0.09 a Da a Da a Da 0.09 a Da a > Totale 0000 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti 3. Punto di flesso a distanza dalla media Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e 6% Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti 3. Punto di flesso a distanza dalla media 4. Circa il 6% dei casi è compreso nell intervallo ±

10 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e 95% Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti 3. Punto di flesso a distanza dalla media 4. Circa il 6% dei casi è compreso nell intervallo ± 5. Circa il 95% dei casi è compreso nell intervallo ± Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e 99% Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti 3. Punto di flesso a distanza dalla media 4. Circa il 6% dei casi è compreso nell intervallo ± 5. Circa il 95% dei casi è compreso nell intervallo ± 6. Circa il 99% dei casi è compreso nell intervallo ±3 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e Una variabile casuale segue una distribuzione Normale, con media evarianza, se la sua funzione di densità di probabilità è data da: f e Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti. Media, mediana e moda coincidenti 3. Punto di flesso a distanza dalla media 3. Punto di flesso a distanza dalla media 4. Circa il 6% dei casi è compreso nell intervallo ± 4. Circa il 6% dei casi è compreso nell intervallo ± 5. Circa il 95% dei casi è compreso nell intervallo ± 5. Circa il 95% dei casi è compreso nell intervallo ± 6. Circa il 99% dei casi è compreso nell intervallo ±3 6. Circa il 99% dei casi è compreso nell intervallo ±3 7. Un aumento o una diminuzione della media determina uno slittamento, a parità di forma, della curva sull asse delle. 7. Un aumento o una diminuzione della media determina uno slittamento della curva, a parità di forma, sull asse delle.. Un aumento o una diminuzione della varianza determina, rispettivamente, una minore o una maggiore concentrazione di valori attorno al valore medio.

11 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. normale ~ N, f Proprietà: e =media; =sqm è simmetrica intorno a il massimo di (moda) si ha in corrispondenza di = punti di flesso: = Mo = Me i valori della curva normale dipendono da e Una macchina produce biscotti il cui peso si distribuisce come una Normale, con media pari a 5 grammi e scarto quadratico medio pari a 0, grammi. Scegliendo a caso un biscotto, qual è la probabilità che abbia un peso è compreso tra 5, grammi e 5,30 grammi? y e 5 5, 5,30 P 5 5, 5, ,30 5, ~ N(5;0,04) = 5 = 0, e Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- standardizzata Una macchina produce biscotti il cui peso si distribuisce come una Normale, con media pari a 5 grammi e scarto quadratico medio pari a 0, grammi. Scegliendo a caso un biscotto, qual è la probabilità che abbia un peso è compreso tra 5, grammi e 5,30 grammi? Qualsiasi distribuzione Normale può essere ricondotta ad una distribuzione con media nulla e varianza unitaria mediante la trasformazione: Z La tavola della distribuzione normale standardizzata E Z E 0 0 Var Z Z ~ N = 0 = Var Le aree sotto la curva Normale standardizzata possono essere calcolate e tabulate una volta per tutte!

12 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- La v.c. normale Z f Proprietà: = 0 = Z e il massimo di si iha per =0 punti di flesso: = ~ N 0, i valori della curva normale standardizzata sono tabulati standardizzata 5 5, 5,30 ~ N = 5 = 0, Qual è la probabilità che il biscotto pesi tra 5, e 5,30 grammi? Fr 5, 5, 30 Z ~ N = 0 = Quali sono i valori standardizzati di =5, e =5,30? 5, 5 Z 0, 6 0, 5,30 5 Z, 5 0, 0,6,5 0 Z Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- standardizzata 5 5, 5,30 ~ N = 5 = 0, Qual è la probabilità che il biscotto pesi tra 5, e 5,30 grammi? Z 0 0,6,5 Z Fr 5, 5, 30 0,075 ~ N = 0 = Quali sono i valori standardizzati di =5, e =5,30? Qual è la probabilità compresa tra Z =0,6 e Z =,5? Fr 06 0,6 Z,5 5 0, 433 0,57 0,075 standardizzata Un impresa produce pomodori ed il processo di inscatolamento è stato regolato in modo tale che in ogni barattolo venga introdotta, in media, una quantità di pomodori pari a 3 etti. Lo s.q.m. del peso netto effettivo è 0, etti e si suppone che i pesi siano distribuiti normalmente. Si determini i la probabilità bilità che un barattolo preso a caso contenga una quantità di pomodori compresa tra 3 e 3, etti. : peso inscatolato ~ N(3; 0,) 3 Z ~ N(0,) 0, P(3<<3,)??

13 P Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- standardizzata 33 0, 3, 3 0, 3 3, P Z P 0 Z Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- I parametri e sono noti, si vuole conoscere la probabilità che la v.c. assuma valori compresi all interno dell intervallo a, b (a<b). a b Pa b P Pza Z z b Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Approssimazione della distribuzione binomiale Approssimazione della distribuzione binomiale Se n è grande Z Z np ~ Z 0, npq p n ~ Z 0 0, pq n Esempio: determinare la probabilità che, lanciando 400 volte un dado, la faccia 5 compaia almeno 60 volte Lancio di un dado esperimento binomiale probabilità di successo (la faccia uscita è il 5) p=/6=0,7 v.c : numero di uscite della faccia 5 in 400 lanci P ,7 60 P Z, ,7 0,3 P Z

14 Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Dove e come studiare S. Borra, A. Di Ciaccio i (00) Statistica ti ti Metodologie per le scienze economiche e sociali McGraw-Hill. Cap. 9 (escluso paragrafi 9.6, 9..3, 9..4, 9..5, 9.). D. Piccolo (004) Statistica per le decisioni Il Mulino. Cap. 9 (escluso paragrafi 9.7, 9., 9.9), Cap. 0. File esercizi variabili casuali e distribuzioni campionarie.pdf Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Riepilogo Variabili casuali discrete Funzione di probabilità Funzione di ripartizione Valore atteso Varianza Variabili casuali continue Funzione di densità di probabilità Funzione di ripartizione Valore atteso Varianza Distribuzione ib i di Bernoulli, binomiale, i binomiale i relativa Distribuzione di Poisson Approssimazione della distribuzione di Poisson alla Binomiale Distribuzione Normale Distribuzione Normale standardizzata

Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛

Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛ Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata una regola che assegna a ciascun valore che la variabile può assumere

Dettagli

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI

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

Dettagli

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

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

Dettagli

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?

Viene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento

Dettagli

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

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

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

Dettagli

La variabile casuale Binomiale

La 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

Dettagli

ELEMENTI DI CALCOLO DELLE PROBABILITA

ELEMENTI DI CALCOLO DELLE PROBABILITA Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica

Dettagli

Probabilità II Variabili casuali discrete

Probabilità II Variabili casuali discrete Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una

Dettagli

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

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

Dettagli

Inferenza Statistica a.a. 2010/2011. Docente Dott.a Daniela Nappo daniela.nappo@unina.it

Inferenza Statistica a.a. 2010/2011. Docente Dott.a Daniela Nappo daniela.nappo@unina.it Inferenza Statistica a.a. 2010/2011 Docente Dott.a Daniela Nappo daniela.nappo@unina.it Programma del corso Richiami delle variabili casuali Richiami di inferenza (stima e stimatore, stima puntuale ed

Dettagli

Metodi statistici per le ricerche di mercato

Metodi 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

Dettagli

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

Statistica 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

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI 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

Dettagli

Probabilità 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. 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:

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7

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

Dettagli

Facciamo qualche precisazione

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

Dettagli

1. Distribuzioni campionarie

1. 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

Dettagli

INDICE PREFAZIONE VII

INDICE PREFAZIONE VII INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

Distribuzioni discrete

Distribuzioni discrete Distribuzioni discrete Esercitazione 4 novembre 003 Distribuzione binomiale Si fa un esperimento (o prova): può manifestarsi un certo evento A con probabilità p oppure no (con probabilità q = p). La distribuzione

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

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

Dettagli

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ

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

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011

2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011 2 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 15 febbraio 2011 1) Non sfogliare questo fascicolo finché l insegnante non ti dice di farlo. 2) E ammesso l utilizzo di calcolatrici

Dettagli

Laboratorio di dinamiche socio-economiche

Laboratorio di dinamiche socio-economiche Dipartimento di Matematica Università di Ferrara giacomo.albi@unife.it www.giacomoalbi.com 21 febbraio 2012 Seconda parte: Econofisica La probabilità e la statistica come strumento di analisi. Apparenti

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Riepilogo: Postulati del calcolo della probabilità (Kolmogorov): Dato un evento A Ω, dove è lo spazio degli

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA 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

Dettagli

Metodi statistici per le ricerche di mercato

Metodi 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

Dettagli

Esercitazione n.2 Inferenza su medie

Esercitazione 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

Dettagli

STATISTICA INFERENZIALE

STATISTICA 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

Dettagli

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

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

Dettagli

Esercitazioni 2013/14

Esercitazioni 2013/14 Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta

Dettagli

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007

STATISTICA (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

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

CORSO 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

Dettagli

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale)

Esercitazione 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

Dettagli

STATISTICA E PROBABILITá

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

Dettagli

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

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

Dettagli

Teoria della probabilità Assiomi e teoremi

Teoria della probabilità Assiomi e teoremi Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Assiomi e teoremi A.A. 2008-09 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento

Dettagli

Elementi di Statistica descrittiva Parte I

Elementi di Statistica descrittiva Parte I Elementi di Statistica descrittiva Parte I Che cos è la statistica Metodo di studio di caratteri variabili, rilevabili su collettività. La statistica si occupa di caratteri (ossia aspetti osservabili)

Dettagli

1. Richiami di Statistica. Stefano Di Colli

1. Richiami di Statistica. Stefano Di Colli 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche

Dettagli

ESERCIZI DI RIEPILOGO 2. 7 jj(addi

ESERCIZI 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

Università 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 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

Dettagli

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #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

Dettagli

UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA. Programma del modulo di STATISTICA I (6 crediti)

UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA. Programma del modulo di STATISTICA I (6 crediti) UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA Programma del modulo di STATISTICA I (6 crediti) ECOCOM (lettere A-Lh): ECOCOM (lettere Li-Z): ECOBAN: ECOAMM (Lettere A-Lh):

Dettagli

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

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

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

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

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni 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

Dettagli

Inferenza statistica. Inferenza statistica

Inferenza 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

Dettagli

Statistica. Alfonso Iodice D Enza iodicede@unina.it

Statistica. Alfonso Iodice D Enza iodicede@unina.it Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16 Outline 1 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16

Dettagli

VARIABILI ALEATORIE E VALORE ATTESO

VARIABILI ALEATORIE E VALORE ATTESO VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della

Dettagli

Test statistici di verifica di ipotesi

Test 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

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

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

Dettagli

MODULI DI LINEAMENTI DI MATEMATICA

MODULI DI LINEAMENTI DI MATEMATICA R. MANFREDI - E. FABBRI - C. GRASSI TRIENNIO licei scientifici MODULI DI LINEAMENTI DI MATEMATICA per il triennio della scuola secondaria di secondo grado L CALCOLO DELLE PROBABILITÀ E ELEMENTI DI STATISTICA

Dettagli

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

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

Dettagli

Vincere a testa o croce

Vincere a testa o croce Vincere a testa o croce Liceo B. Russell - Cles (TN) Classe 3D Insegnante di riferimento: Claretta Carrara Ricercatrice: Ester Dalvit Partecipanti: Alessio, Christian, Carlo, Daniele, Elena, Filippo, Ilaria,

Dettagli

Esercizi 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 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

Dettagli

Esercizi riassuntivi di probabilità

Esercizi 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.

Dettagli

ESAME DI STATISTICA Nome: Cognome: Matricola:

ESAME 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

Dettagli

Anno Accademico 2014-2015. Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA

Anno Accademico 2014-2015. Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA Statistica, CLEA p. 1/68 Anno Accademico 2014-2015 Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA Monia Lupparelli monia.lupparelli@unibo.it http://www2.stat.unibo.it/lupparelli

Dettagli

Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria

Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Standardizzazione di una variabile Standardizzare una variabile statistica

Dettagli

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

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

Dettagli

1 di 6. Usando un modello di probabilità

1 di 6. Usando un modello di probabilità Corso di Statistica, II parte ESERCIZIO 1 Gastone in occasione di una festa a PAPEROPOLI compra 3 biglietti per partecipare all'estrazione a sorte di 3 premi. Sapendo che sono stati venduti 30 biglietti

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

STATISTICA DESCRITTIVA UNIVARIATA

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

Dettagli

La distribuzione Gaussiana

La distribuzione Gaussiana Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione

Dettagli

Algoritmi (9 CFU) (A.A. 2009-10)

Algoritmi (9 CFU) (A.A. 2009-10) Algoritmi (9 CFU) (A.A. 2009-10) Probabilità e Algoritmi randomizzati Prof. V. Cutello Algoritmi 1 Overview Definiamo concetti di base di probabilità Variabili casuali e valore medio Algoritmi randomizzati

Dettagli

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18

Dettagli

DISTRIBUZIONI DI PROBABILITÀ

DISTRIBUZIONI DI PROBABILITÀ Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI

Dettagli

Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo.

Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. Capitolo 1 9 Ottobre 00 Calcolo delle Probabilita, INGEGNERIA INFORMATICA, semestre II, laurea (ord. Leonardo. 000, Milano Esercizio 1.0.1 (svolto in classe [II recupero Ing. Matematica aa.00-0-rivisitato]nel

Dettagli

Indirizzo Fisico Informatico Matematico matematica per le classi 47A, 48A, 49A

Indirizzo Fisico Informatico Matematico matematica per le classi 47A, 48A, 49A Indirizzo Fisico Informatico Matematico matematica per le classi 47A, 48A, 49A 1. L'intersezione di tre insiemi contiene 1 solo elemento (cioè esiste un unico elemento comune a tutti e tre gli insiemi).

Dettagli

PROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti.

PROVE D'ESAME DI CPS A.A. 2009/2010. 0 altrimenti. PROVE D'ESAME DI CPS A.A. 009/00 0/06/00 () (4pt) Olimpiadi, nale dei 00m maschili, 8 nalisti. Si sa che i 4 atleti nelle corsie centrali hanno probabilità di correre in meno di 0 secondi. I 4 atleti delle

Dettagli

Introduzione alla Teoria degli Errori

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

Dettagli

Statistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice

Statistica. 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

Dettagli

Calcolo delle probabilità

Calcolo delle probabilità Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

CP110 Probabilità: Esame del 3 giugno 2010. Testo e soluzione

CP110 Probabilità: Esame del 3 giugno 2010. Testo e soluzione Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 8 luglio, 2010 CP110 Probabilità: Esame del 3 giugno 2010 Testo e soluzione 1. (6 pts 12 monete da 1 euro vengono distribuite tra

Dettagli

SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale

SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale ESERCIZIO nr. 1 I Presidi delle scuole medie superiori di una certa cittá italiana hanno indetto tra gli studenti dell ultimo anno una

Dettagli

STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio 2015. Modelli continui di probabilità: la v.c. uniforme continua

STATISTICA 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

Dettagli

Capitolo 4 Probabilità

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

Dettagli

Soluzioni Esercizi elementari

Soluzioni Esercizi elementari Soluzioni sercizi elementari Capitolo. carattere: itolo di Studio, carattere qualitativo ordinato modalità: Diploma, Licenza media, Laurea, Licenza elementare unità statistiche: Individui. carattere: Fatturato,

Dettagli

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete Corso di Calcolo delle Probabilità e Statistica Esercizi su variabili aleatorie discrete Es.1 Da un urna con 10 pallina bianche e 15 palline nere, si eseguono estrazioni con reimbussolamento fino all estrazione

Dettagli

Slide Cerbara parte1 5. Le distribuzioni teoriche

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

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Distribuzione di probabilità, funzione di ripartizione di una v.c. discreta Il tasso di cambio

Dettagli

Il confronto fra proporzioni

Il confronto fra proporzioni L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,

Dettagli

Analisi di dati di frequenza

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

Dettagli

INDICI DI TENDENZA CENTRALE

INDICI DI TENDENZA CENTRALE INDICI DI TENDENZA CENTRALE NA Al fine di semplificare la lettura e l interpretazione di un fenomeno oggetto di un indagine statistica, i dati possono essere: organizzati in una insieme di dati statistici

Dettagli

CORSO DI STATISTICA ED ELEMENTI DI INFORMATICA

CORSO DI STATISTICA ED ELEMENTI DI INFORMATICA ANNO ACCADEMICO 2013-2014 UNIVERSITA DEGLI STUDI DI TERAMO FACOLTA DI MEDICINA VETERINARIA CORSO DI STATISTICA ED ELEMENTI DI INFORMATICA CFU 5 DURATA DEL CORSO : ORE 35 DOCENTE PROF. DOMENICO DI DONATO

Dettagli

Esercitazioni di Statistica con Matlab

Esercitazioni di Statistica con Matlab Dalmine, 28 aprile 2004 Esercitazioni di Statistica con Matlab Dott. Orietta Nicolis orietta.nicolis@unibg.it 1 0.8 0.6 0.4 0.2 0-0.2-0.4 40 30 20 10 0 0 5 10 15 20 25 30 35 V.c.d. di Poisson P(X = x)

Dettagli

La teoria dell utilità attesa

La teoria dell utilità attesa La teoria dell utilità attesa 1 La teoria dell utilità attesa In un contesto di certezza esiste un legame biunivoco tra azioni e conseguenze: ad ogni azione corrisponde una e una sola conseguenza, e viceversa.

Dettagli

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

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

Dettagli

Tasso di interesse e capitalizzazione

Tasso di interesse e capitalizzazione Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo

Dettagli

Il concetto di valore medio in generale

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

Dettagli

Temi di Esame a.a. 2012-2013. Statistica - CLEF

Temi 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

Dettagli

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza. VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della

Dettagli

Lezione 3 - Probabilità totale, Bayes -Alberi PROBABILITÀ TOTALE TEOREMA DI BAYES ALBERI E GRAFI

Lezione 3 - Probabilità totale, Bayes -Alberi PROBABILITÀ TOTALE TEOREMA DI BAYES ALBERI E GRAFI Lezione 3 - robabilità totale, ayes -lberi ROILITÀ TOTLE TEOREM DI YES LERI E GRFI GRUO MT06 Dip. Matematica, Università di Milano - robabilità e Statistica per le Scuole Medie -SILSIS - 2007 Lezione 3

Dettagli