di solito vengono effettuate molte misure indipendenti della stessa grandezza, fino a collezionare un numeroso campione di misure
|
|
- Alberta Toscano
- 4 anni fa
- Visualizzazioni
Transcript
1 Errori di misura: di solito vegoo effettuate molte misure idipedeti della stessa gradezza, fio a collezioare u umeroso campioe di misure ma a causa degli errori di misura il risultato varia sesibilmete da misura a misura si defiisce errore = valore misurato valore vero cause di errore: Limiti strumetali Metodi di misura errati Cause accidetali
2 categorizzazioe degli errori: sistematici misura di u itervallo di tempo usado u orologio che va troppo leto, o troppo veloce. misura della lughezza di u oggetto o i modo perpedicolare all oggetto ( errore di parallasse) casuali o statistici icertezze dovute a cause accidetali e alla limitatezza del campioe di misure gli errori statistici soo riducibili aumetado il umero di misure idipedeti della stessa gradezza aumetado la dimesioe del campioe
3 ma, ammesso che esista, quale e il valore vero potrebbe ache o esistere se alla base del feomeo i esame vi fosse i gioco ua variabile aleatoria i questo caso sarebbe meglio parlare di errore come di errore = valore misurato valore medio ma quato vale il valor medio? ua ifiita di misure ripetute e per saperlo co certezza si dovrebbero fare se si ha u umero fiito di misure si puo solo tetare di stimarlo co il miimo margie di errore possibile
4 si assume come stima del valor medio ( vero? ) m della gradezza i esame la media aritmetica dei risultati otteuti elle varie misure la cosiddetta media aritmetica campioaria es. : si siao effettuate misurazioi della stessa gradezza fisica, 2 la media aritmetica delle misure e : = = i= i la media aritmetica stima il valor vero m, ma co u certo errore m = ( ) uita' di misura problema : come stimare l errore statistico?
5 come idicatore di dispersioe di ua distribuzioe itoro al suo valor medio si usa la deviazioe stadard campioaria o errore quadratico medio, i iglese root mea square o rms che e defiito come : dev stad. camp.. = ( ) 2 i i= Nota Bee: i= commeto sull uso di ( ) i 2 o di al posto di m i= ( m ) i 2 Nota Bee: 2 ( i ) 2 al posto di ( i ) i i= commeto sull uso di o di =
6 ua tra le proprieta piu importati della media aritmetica e che l errore statistico della media aritmetica stessa e dato da: dev. stad. camp. ( ) = = ( i ) ( ) i= 2
7 Itervallo di cofideza si soo effettuate misurazioi idipedeti della stessa gradezza fisica, otteedo :, 2 la miglior stima del valor medio icogito e la media aritmetica delle misure dove i= i = ma ripetedo ua secoda volta misure della stessa gradezza fisica, si potrebbe otteere u diverso isieme di risultati :, 2 la miglior stima campioaria del valor medio icogito cotiuerebbe ad essere la media aritmetica ' dove ' = i= ' i
8 ma essedo gli i diversi dagli i ' la uova media aritmetica sarebbe diversa duque ache la media aritmetica campioaria varia, imprevedibilmete, da campioe a campioe ossia e essa stessa ua variabile aleatoria come stima della dispersioe della v.a. media aritmetica campioaria si assume la deviazioe stadard campioaria = ( i ) i= come errore sulla media aritmetica campioaria, si assume la deviazioe stadard campioaria ( ) = divisa per la radice di 2
9 rilevaza della distribuzioe gaussiaa se la distribuzioe di ua serie di variabili aleatorie i co i =, segue la forma fuzioale gaussiaa si puo dimostrare che la media aritmetica delle v. a. sara distribuita i modo gaussiao ache se la distribuzioe delle v. a. i o fosse gaussiaa se >> grazie al teorema del limite cetrale, si puo assumere che la distibuzioe della media campioaria sia gaussiaa ifie istogrammado i risultati di molte misure ripetute ed idipedeti tra loro risulta, molto spesso ma o sempre, che le misure si distribuiscoo i modo gaussiao
10 duque ella maggior parte dei casi, ma o sempre, - se si stima il valor medio ( vero ) come m = dev. st.( ) m = si ha il 68% di probabilita di fare ua stima esatta - se si stima il valor medio ( vero ) come 2 dev. st.( ) m = 2 m = si ha il 95% di probabilita di fare ua stima esatta - se si stima il valor medio ( vero ) come 3 dev. st.( ) m = 3 m = si ha il 99.7% di probabilita di fare ua stima esatta
11 il valore della percetuale di probabilita che si desidera otteere, ossia la attedibilita (affidabilita, credibilita, grado di fiducia ) della stima del valor vero che si desidera raggiugere, e detto livello di cofideza
12 suppoiamo siao state molte fatte misure di precisioe ed idipedeti tra loro, di ua stessa gradezza fisica, e ragioevole attedersi che i risultati o si riproducao perfettamete postulado che il feomeo i esame abbia u carattere aleatorio ossia che l esito della misura sia descrivibile i termii di ua variabile aleatoria si potrao applicare i metodi statistici per il trattameto dei dati sperimetali vale a dire per stimare i parametri della variabile aleatoria icogita
13 i coclusioe: fare ua misura sperimetale e assimilabile all effettuare u esperimeto aleatorio il risultato otteuto i ua misura equivale al verificarsi di uo tra i tati possibili risultati che ua opportua v.a. puo assumere Vataggio : questa impostazioe permette di ricociliare la o riproducibilita degli esperimeti co i pricipi galileiai Prezzo da pagare : si deve riuciare al determiismo della fisica classica
14 la statistica predittiva, utilizzado i risultati rigorosi della teoria della probabilita, e i grado di suggerire: quale sia caso per caso il miglior stimatore possibile del valor medio, o valor vero, che di solito, ma o sempre, e la media aritmetica campioaria quale sia il margie di errore co cui si puo fare la stima i fuzioe della umerosita del campioe, ossia di determiare quale sia l errore sulla media aritmetica come valutare quale sia l attedibilita di questa misura i termii di probabilita, ossia come determiare quale sia il livello di cofideza della stima Nota bee: e chiaro che si tratta di previsioi e che per la aleatorieta stessa del feomeo i esame e impossibile prevedere esattamete quale risultato si presetera all atto di ogi sigola prova (misura)
15 Esempio soo state fatte 25 misure fisica, ad es. il peso di u oggetto i risultati, i grammi, soo : e evidete che i risultati della misura ripetute ed idipedeti tra loro della stessa gradezza misurato co ua bilacia di precisioe.720,.65,.8,.722,.72,.670,.70,.72,.740,.70,.730,.700,.76,.72,.75,.72,.70,.72,.69,.790,.740,.730,.760,.73,.72 o si riproducoo perfettamete o avedo altre iformazioi a disposizioe si dovra stimare il valor medio, del peso ossia il peso medio impropriamete detto peso vero della gradezza icogita, usado soli i dati del campioe di misure effettuate per stimare il valor medio calcoliamo la media campioaria per stimare l errore associato a questa misura utilizziamo l errore sulla media
16 se i e la i-esima misura i= = i 25 = i= i = dev. st. = ( ) i i = 25 2 i= i 25 = = (.7244) l errore sulla media aritmetica e ( ) = dev. st = = arrotodado l errore ad ua sola cifra = 0.007
17 se il livello di cofideza prescelto e il 68 % il risultato della misura e : m = ( ) gm oppure m = ( ) gm al 95% di livello di cofideza oppure m = ( ) gm al 99% di livello di cofideza da otare la relazioe tra la precisioe e il grado di fiducia, ( livello di cofideza) a parita di umerosita del campioe, a parita di, se ua cresce l altra cala Livello di cofideza Errore assoluto Errore relativo 68% % 95% % 99% % misura molto precisa ma ci credo poco misura poco precisa ma ci credo molto
18 Nota sulla presetazioe del risultato se per presetare il risultato otteuto operado co il 68% di livello di cofideza si utilizzasse la covezioe delle cifre sigificative i questo particolare caso il risultato adrebbe presetato come m =.72 gm i effetti m = ( ) gm sigifica che, secodo la ostra stima, m e compreso tra.77 e.73 duque la secoda cifra del risultato, il 2, o e ua cifra certa Nota Bee: se l errore sulla media fosse risultato miore di avremmo dovuto scrivere m =.724 gm
19 ifie se avessimo operato al 95 e 99 % di livello di cofideza avremmo dovuto presetare il risultato come m =.72 gm
20 per farsi u idea della forma della distribuzioe dei dati produciamo u istogramma : ) dispoiamo le misure i ordie crescete 2) se ecessario raggruppiamo i dati i itervalli ( bis) e a defiire il bi ci guidao i dati stessi basta valutare quali siao : il biaggio aturale = larghezza del miimo itervallo tra i dati l itervallo di valori = larghezza del massimo itervallo tra i dati la umerosita del campioe dati origiali dati ordiati biaggio aturale bis di 0.00 itervallo di valori : da.65 a.8 umero di bis ( )/0.00 = 60 bis ma la umerosita del camioe e di bis co soli 25 dati a disposizioe produrrebbero u istogramma co moltissimi bis vuoti bi molto poco sigificativo raggruppiamo i dati i bi di larghezza = 0.0 itervallo
21 3) calcoliamo la frequeza ( F i ) co la quale si preseta u particolare risultato ei vari bis 4) Calcoliamo la frequeza relativa ( Fr i ) dividedo la frequeza per il umero totale di misure, ossia ormalizziamo i dati biati alla frequeza relativa 5) grafichiamo la frequeza relativa Misure Frequeza biate Frequeza relativa = F i / N tot ( i ) ( F i ) ( Fr i ) N tot = S F i = istogramma delle frequeze relative la forma dell istogramma da ua idea di quale sia la distribuzioe di probabilita della variabile misurata Nota Bee: la frequeza deve essere ormalizzata all uita affiche l istogramma rappreseti ua distribuzioe di probabilita
22 Nota bee : questo costituisce l approccio frequetistico ma oggigioro e sempre piu adoperato ache l approccio bayesiao
23 Ricapitolado: postulado che effettuare ua misurazioe sia assimilabile ad effettuare u esperimeto aleatorio possiamo recuperare la o riproducibilita degli esperimeti
24 Backup Slides
Inferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni.
Ifereza Statistica L ifereza statistica cerca di risalire al modello del feomeo sulla base delle osservazioi No coosciamo il modello del feomeo cioè la vc X A volte la coosceza può essere parziale (coosciamo
DettagliSTUDIO DEL LANCIO DI 3 DADI
Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio
DettagliElementi di statistica
Elemeti di statistica La misura delle gradezze fisiche può essere effettuata direttamete o idirettamete. Se la misura viee effettuata direttamete si parla di misura diretta; se essa viee dedotta attraverso
DettagliMatematica con elementi di Informatica
La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliUniversità degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A
Uiversità degli Studi di Padova Corso di Laurea i Medicia e Chirurgia - A.A. 015-16 Corso Itegrato: Statistica e Metodologia Epidemiologica Disciplia: Statistica e Metodologia Epidemiologica Doceti: prof.ssa
DettagliIntervalli di Fiducia
di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica
DettagliEntropia ed informazione
Etropia ed iformazioe Primi elemeti sulla teoria della misura dell iformazioe Per trasmettere l iformazioe è ecessaria ua rete di comuicazioe, che, secodo l approccio teorico di Claude E. Shao e Warre
DettagliUniversità degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno
Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto
DettagliDistribuzione normale
Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile
DettagliAppunti di STATISTICA
Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.
DettagliLezioni del Corso di Fondamenti di Metrologia Meccanica
Facoltà di Igegeria Lezioi del Corso di Fodameti di Metrologia Meccaica A.A. 005-006 Prof. Paolo Vigo Idice. Frequeza e Probabilità. 3. Curva di Gauss 4. Altre Distribuzioi Frequeza e Probabilità Me spiego:
DettagliCOME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)
COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x
DettagliUna funzione delle osservazioni campionarie è una statistica che, nel contesto della stima di un parametro, viene definita stimatore.
Stimatori e stime Teoria della stima Supporremo che sulla popolazioe sia defiita ua variabile X la cui distribuzioe, seppure icogita, è completamete caratterizzata da u parametro q o da u isieme di parametri
DettagliSenza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it Ifereza statistica Dal campioe alla popolazioe Co quale precisioe si possoo descrivere le caratteristiche di ua popolazioe sulla base
DettagliParametri e statistiche. Parametri e statistiche. Distribuzioni campionarie. Popolazione Parametri Valori fissi, Statistiche o Stimatori.
Parametri e statistiche Popolazioe Parametri Valori fissi, spesso o oti Campioe Statistiche o Stimatori Variabili casuali, le cui determiazioi dipedoo dalle particolari osservazioi scelte Parametri e statistiche
Dettaglin=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza
DettagliProgramma della parte introduttiva: Lezione 4
Programma della parte itroduttiva: Lezioe 4 Cap. 3 Presetazioe e cofroto tra misure Cap. 4 Propagazioe delle icertezze Cap 5 Misure ripetute e stimatori 1 Stimatori statistici Suppoiamo di aver sei misure,
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
DettagliStimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini
Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica
DettagliArgomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica
Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Stima Cicchitelli cap. 6 Argometi Defiizioe di stimatore Proprietà degli stimatori (campioi fiiti): No distorsioe Efficieza relativa
DettagliStatistica I - A.A
Statistica I - A.A. 206-207 Prova scritta - 9 aprile 207 Problema. (pt. 20 U azieda che produce ricambi per stampati esamia la durata di u certo modello di cartuccia d ichiostro, misurata i umero di copie
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore Marco Riai mriai@uipr.it http://www.riai.it STIMA PUNTUALE (p. 55 Il parametro è stimato co u uico valore Esempio: stima della share di u programma TV % di spettatori el campioe
DettagliStatistica. Lezione 5
Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it
DettagliMetodi di valutazione delle prestazioni di rete
Metodi di valutazioe delle prestazioi di rete Prof. Ig. Carla Raffaelli Cofroto di diversi approcci Parametri di cofroto: precisioe requisiti di poteza di calcolo requisiti di memoria facilita' di approccio
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Intervalli di confidenza
iovaella@disp.uiroma.it http://www.disp.uiroma.it/users/iovaella Itervalli di cofideza Itroduzioe Note geerali La stima putuale permette di otteere valori per i parametri di ua fuzioe ma i alcui casi può
DettagliQuartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliAPPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.
AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i
DettagliPolitecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo
Politecico di Milao - Ao Accademico 010-011 Statistica 086449 Docete: Alessadra Guglielmi Esercitatore: Stefao Baraldo Esercitazioe 8 14 Giugo 011 Esercizio 1. Sia X ua popolazioe distribuita secodo ua
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
DettagliUNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:
UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Doatella Siepi doatella.siepi@uipg.it tel: 075 5853525 05 dicembre 2014 6 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazioe dei
DettagliEsperimentazioni di Fisica 1. Prova scritta del 1 febbraio 2016 SOLUZIONI
Esperimetazioi di Fisica 1 Prova scritta del 1 febbraio 2016 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 7 10/09/2015 1. (12 Puti) Quesito. La variabile casuale cotiua x ha ua distribuzioe
DettagliLE MISURE DI SINTESI (misure di tendenza centrale)
STATISTICA DESCRITTIVA LE MISURE DI SINTESI (misure di tedeza cetrale) http://www.biostatistica.uich.itit OBIETTIVO Altezza degli studeti 004-05 (cm) Tabella dei dati Idividuare u idice che rappreseti
DettagliArgomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della
1 La stima putuale Argometi trattati: Stima putuale e stimatore Proprietà degli stimatori Stima putuale della media della popolazioe e sua distribuzioe Stima putuale di ua proporzioe e sua distribuzioe
DettagliProgramma della parte introdu0va: Lezione 4
Programma della parte itrodu0va: Lezioe 4 Cap. 3 Presetazioe e cofroto tra misure Cap. 4 Propagazioe delle icertezze Cap 5 Misure ripetute e stimatori 1 Stimatori statistici Suppoiamo di aver sei misure,
DettagliCosto manutenzione (euro)
Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più
DettagliALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1
ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE ESERCIZIO. Si vuole verificare l ipotesi, a livello di sigificatività α, che la media μ di ua variabile aleatoria X abbia u valore fissato μ. Si effettuao
DettagliDistribuzione normale o gaussiana
Distribuzioe ormale o gaussiaa Ua variabile radom si dice distribuita ormalmete (o secodo ua curva gaussiaa) se la sua fuzioe di desità di probabilità è del tipo: f () ( ) ep co - rappreseta il valore
DettagliSTATISTICA INFERENZIALE
STATISTICA INFERENZIALE 6 INFERENZA STATISTICA Isieme di metodi che cercao di raggiugere coclusioi sulla popolazioe, sulla base delle iformazioi coteute i u campioe estratto da quella popolazioe. INFERENZA
DettagliStatistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice
Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5
DettagliStima della media di una variabile X definita su una popolazione finita
Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe
DettagliIL CAMPIONAMENTO. POPOLAZIONE un insieme finito o infinito di unità statistiche
IL CAMPIONAMENTO Defiizioi POPOLAZIONE u isieme fiito o ifiito di uità statistiche CAMPIONE piccola frazioe di ua popolazioe le cui caratteristiche si approssimao a quelle della popolazioe. Il campioe
DettagliEsercitazioni di Statistica
Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso
DettagliQuartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliEsercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli
Esercitazioi del Corso di Probabilitá e Statistica Lezioe 6: Stime di parametri putuali e per itervalli Stefao Patti 1 19 geaio 005 Defiizioe 1 Ua famiglia di desitá f(, θ) ad u parametro (uidimesioale)
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al
DettagliLE MISURE DI TENDENZA CENTRALE
STATISTICA DESCRITTIVA LE MISURE DI TENDENZA CENTRALE http://www.biostatistica.uich.itit OBIETTIVO Esempio: Nella tabella seguete soo riportati i valori del tasso glicemico rilevati su 0 pazieti: Idividuare
DettagliProbabilità CENNI DI PROBABILITÀ
CENNI DI PROBABILITÀ Itroduzioe I queste pagie verrao esposti i breve i cocetti base della teoria delle probabilità. Lo scopo è quello di forire le basi i modo che siao più compresibile l uso che e viee
DettagliProbabilità e Statistica (cenni)
robabilità e Statistica (cei) remettiamo la distizioe tra i due cocetti: Defiizioe: dato il verificarsi di u eveto si defiisce la probabilità per l eveto cosiderato il rapporto tra il umero dei casi favorevoli
DettagliINDAGINE POPOLAZIONE SELEZIONE PROBABILISTICA (CASUALE) CAMPIONE. Importante distinzione:
IDAGIE Completa (cesuaria) Semplice sul piao teorico ma complessa ella pratica Popolazioi o fiite Osservazioe distruttiva Parziale (campioaria) Più complessa sul piao teorico ma spesso di più facile attuazioe
DettagliProbabilità e Statistica Laurea Triennale in Matematica 17/06/2014 Soluzioni traccia B
Probabilità e Statistica Laurea Trieale i Matematica 7/06/204 Soluzioi traccia B Esercizio 2. (Appello completo) Cosideriamo due ure A e B. L ura A cotiee 4 biglie rosse e 2 ere, metre l ura B cotiee biglia
DettagliINFERENZA o STATISTICA INFERENTE
INFERENZA o STATISTICA INFERENTE Le iformazioi sui parametri della popolazioe si possoo otteere sia mediate ua rilevazioe totale (o rilevazioe cesuaria) sia mediate ua rilevazioe parziale (o rilevazioe
DettagliCorso di Statistica Facoltà di Economia
Corso di Statistica Facoltà di Ecoomia Lezioe a.a. 000-00 00 Fracesco Mola Ifereza statistica Logica iduttiva Dal particolare al geerale Popolazioe [ v. c. ] f Ω x,, Se si coosce F si può fare ifereza
DettagliConfronto di due misure Campioni indipendenti
Statistica7 /11/015 Cofroto di due misure Campioi idipedeti o meglio.. rispodere al quesito Due serie di misure soo state estratte dalla stessa popolazioe (popolazioe comue o idetica) o soo state estratte
DettagliESERCITAZIONE N. 6 corso di statistica
ESERCITAZIONE N. 6corso di statistica p. 1/18 ESERCITAZIONE N. 6 corso di statistica Marco Picoe Uiversità Roma Tre ESERCITAZIONE N. 6corso di statistica p. 2/18 Itroduzioe Variabili aleatorie cotiue Itervalli
DettagliUniversità di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z)
Uiversità di Napoli Federico II, DISES, A.a. 215-16, CLEC, Corso di Statistica (L-Z) Corso di laurea i Ecoomia e Commercio (CLEC) Ao accademico 215-16 Corso di Statistica (L-Z) Maria Mario Lezioe: 22 Argometo:
DettagliCONCETTI BASE DI STATISTICA
CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto
DettagliEsercitazione n Supponendo che i giorni lavorativi in un anno siano 340, quanti chilometri percorre mediamente un tir in un anno?
Esercitazioe.4 1 Applicazioi del TCL 1.1 Ua ditta di trasporti iterazioali possiede 100 tir dello stesso tipo. Ogi tir percorre ua media di 600 km al gioro co ua deviazioe stadard di 50 km. 1. Suppoedo
DettagliEsercitazione sette: soluzioni. H 1 : θ > 0.48 ( =
Esercitazioe sette: soluzioi. { H0 : θ 0.48 H : θ > 0.48 a) La variabile Y ha ua distribuzioe beroulliaa di parametro θ. La desità appartiee alla famiglia espoeziale e possiamo vedere se è a rapporto di
DettagliCopyright Esselibri S.p.A.
CAPITOLO OTTAVO LE VARIABILI CASUALI Sommario:. Geeralità. -. La variabile casuale biomiale. - 3. La variabile casuale di Poisso. - 4. La variabile casuale ormale. 5. La variabile casuale chi-quadrato.
DettagliTitolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli
Titolo della lezioe Dal campioe alla popolazioe: stima putuale e per itervalli Itroduzioe Itrodurre il cocetto di itervallo di cofideza Stima di parametri per piccoli e gradi campioi Stimare la proporzioe
DettagliDal punto di vista teorico, questi valori possono essere assegnati a piacimento con l unico vincolo che
4. 5 marzo 2013 Cocetto di variabile casuale (o aleatoria): a livello ituitivo 1, ua quatità (umerica) che è il risultato di u feomeo aleatorio; o possiamo quidi prevedere esattamete il suo valore, ma
DettagliElementi di Probabilità e Statistica - 052AA - A.A
Elemeti di Probabilità e Statistica - 05AA - AA 05-06 Prova scritta - 9 settembre 06 Problema pt Su uo spazio probabilizzato Ω, F, P, suppoiamo di avere ua successioe Z di va discrete idipedeti, tali che
DettagliLa stima per intervalli
La stima per itervalli U itervallo di cofideza per u parametro è u itervallo di estremi [t - ; t + ] defiito itoro alla stima t di ed i cui è tale che: P t t È cioè l itervallo, cetrato su t, che co u
DettagliEsempio: distribuzione di frequenze. =, Pagina 90. Esempio: distribuzione di frequenze
Esempio: distribuzioe di frequeze Distribuzioe degli studeti di SDC frequetati la facoltà ell a.a. 001/00 per Num. Corsi Frequetati 83 K 7 = + + + + + + = = Num. Corsi Freq. i 1 15 43 3 103 4 80 5 3 6
DettagliStime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo
Abbiamo visto che, data ua v.a. X di cui o si cooscao valore atteso e variaza, tali umeri si possoo stimare putualmete el seguete modo: si prede u casuale X 1,...,X di v.a. aveti la stessa legge di X;
DettagliVariabilità o Dispersione Definizione Attitudine di un fenomeno ad assumere diverse modalità
Variabilità o Dispersioe Defiizioe Attitudie di u feomeo ad assumere diverse modalità Le medie o bastao Esempio: caratteri quatitativi Codomiio A u.s. Numero televisori u 8 u 8 u3 8 u4 8 u5 8 Me=M=8 Codomiio
DettagliANalysis. Analisi della Varianza - ANOVA. Aprile, Aprile, Nel linguaggio delle variabili le operazioni fondamentali sono tre
ANalsis Of VAriace Nel liguaggio delle variabili le operazioi fodametali soo tre Descrizioe Spiegazioe Iterpretazioe Descrizioe La relazioe tra variabili viee sitetizzata per meglio cogliere gli aspetti
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA
UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti
DettagliStatistica Inferenziale Soluzioni 1. Stima puntuale
ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Miozzo e Aamaria Guolo Laurea i Ecoomia del Commercio Iterazioale Laurea i Ecoomia e Ammiistrazioe delle Imprese Uiversità degli Studi di Veroa sede di Viceza
DettagliDaniela Tondini
Daiela Todii dtodii@uite.it Facoltà di Medicia Veteriaria C.L. i Tutela e Beessere Aimale Uiversità degli Studi di Teramo Nella ricerca scietifica e tecologica è importate misurare la reale efficacia di
DettagliMetodi statistici per lo studio dei fenomeni biologici
Metodi statistici per lo studio dei feomei biologici Alla fie di questa lezioe dovreste essere i grado di: spiegare i cocetti di stima putuale e stima itervallare iterpretare gli itervalli di cofideza
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Statistica Matematica: Cocetti Fodametali Nell esperieza quotidiaa e ella pratica della professioe dell igegere occorre: predere decisioi e ciò ormalmete richiede la dispoibilità di specifiche iformazioi
DettagliStatistica inferenziale, Varese, 25 novembre 2008 Prima parte - Modalità B - soluzione
Statistica ifereziale, Varese, 25 ovembre 2008 Prima parte - Modalità B - soluzioe Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliStatistica inferenziale, Varese, 25 novembre 2008 Prima parte - Modalità A - soluzione
Statistica ifereziale, Varese, 25 ovembre 2008 Prima parte - Modalità A - soluzioe Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliCampionamento e distribuzioni campionarie
Campioameto e distribuzioi campioarie Approccio idu8vo Ruolo dell ifereza sta>s>ca Procedure ifereziali di uso comue (itervalli di cofideza e test delle ipotesi) Risulta> e decisioi che dipedoo dalla limitatezza
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Statistica Matematica: Cocetti Fodametali Nell esperieza quotidiaa e ella pratica della professioe dell igegere occorre: predere decisioi e ciò ormalmete richiede la dispoibilità di specifiche iformazioi
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità C
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità C Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1
DettagliSoluzione CPS 22/6/04. I parte. (1). Chiamiamo C l evento l individuo scelto ha il colesterolo alto, V, O e NL rispettivamente
Soluzioe CPS 22/6/04 I parte 1. Chiamiamo C l eveto l idividuo scelto ha il colesterolo alto, V, O e NL rispettivamete è vegetariao, è oivoro e o magia latticii. I dati soo: P C = 0.4, P O C = 0.75, P
DettagliSommario. Facoltà di Economia. Campionamento e inferenza statistica
Corso di tatistica Facoltà di Ecoomia a.a. 00-00 fracesco mola ommario Campioameto e ifereza statistica timatori e stime Proprietà degli stimatori ufficieza, Correttezza, Efficiezaassoluta e relativa,
DettagliDaniela Tondini
Daiela Todii dtodii@uite.it Facoltà di Bioscieze e Tecologie agro-alimetari e ambietali e Facoltà di Medicia Veteriaria C.L. i Biotecologie Uiversità degli Studi di Teramo 1 La mediaa o valore mediao M
DettagliTecnica delle misurazioni applicate LM - Esame del 26 febbraio 2013
Tecica delle misurazioi applicate LM - Esame del 6 febbraio 013 Problema 1. La FisioDorica SpA è u impresa che produce prodotti farmaceutici. L Avv. Tizio, AD della società, sta valutado la opportuità
DettagliLezione 15. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 15. A. Iodice
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 () Statistica 2 / 29 itervallo margie di errore Per stimare u parametro della popolazioe,
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
CORSO DI CALCOLO DELLE PROBABILITÀ (o modulo) - PROVA d esame del 6/06/200 - Laurea Quadrieale i Matematica - (Prof. Nappo) Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo essere giustificate
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Trieale i Matematica Calcolo delle Probabilità I doceti G. Nappo, F. Spizzichio Prova di martedì luglio tempo a disposizioe: 3 ore. Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo
DettagliLABORATORIO DI TECNOLOGIE MECCANICHE DI PROCESSO E PRODOTTO
I.S.I.S. Leoardo Da Vici PORTOGRUARO (VE) LABORATORIO DI TECNOLOGIE MECCANICHE DI PROCESSO E PRODOTTO Prova : 01 Data: Classe: Sezioe: Allievo: Isegati: Prof. Moreo TONELLO Prof. Rodolfo GOZZO Oggetto
Dettagli- 9 - Analisi dei risultati
Dipartimeto di Elettroica e Iformazioe Politecico di Milao - 9 - Aalisi dei risultati Laboratorio di Reti di Telecomuicazioi Prove idipedeti Ogi simulazioe è ua possibile evoluzioe di u sistema. Siamo
DettagliProbabilità e Statistica
Probabilità e Statistica I statistica la parola popolazioe idica l isieme di tutte le possibili osservazioi relative ad u feomeo. Popolazioe é, ad esempio, l isieme di tutti gli abitati di ua cittá, di
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
DettagliPRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 21 ottobre 2015 COMPITO B
FIRMA DELLO STUDENTE Cogome PRIMA PROVA INTERMEDIA DI STATISTICA (COD. 30001/6045/5047/4038/371/377) 21 ottobre 2015 Nome Numero di matricola Corso di Laurea Cod. corso COMPITO B Ai fii della valutazioe
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioni
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioi Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliRicerca Operativa 2 modulo
Ricerca Operativa modulo A.A. 008/009. Statistica descrittiva e calcolo delle probabilità pillole Pillole di statistica descrittiva Statistica: isieme di metodi scietiici applicati alla raccolta, classiicazioe,
DettagliLA MISURA IN PSICOLOGIA
Prof. Giulio Vidotto (Uiversità di Padova) Lez. 3 - Distribuzioe ormale e stadardizzazioe delle misure Argometi della lezioe Stadardizzazioe Distribuzioe Normale Distribuzioe Normale Stadard Stadardizzazioe
DettagliProva d esame di Calcolo delle Probabilità 02/07/2011
Prova d esame di Calcolo delle Probabilità 0/07/0 N. MATRICOLA... COGNOME e NOME... Esercizio Cosideriamo due ure ed ua moeta truccata. La prima ura (ura A) cotiee pallie rosse e 4 biache, la secoda ura
DettagliMatematica e Statistica: Modulo di Statistica - Prof. Federico Di Palma - Appello del 12 Febbraio
Matematica e Statistica: Modulo di Statistica - Prof. Federico Di Palma - Appello del 1 Febbraio 014 - Esercizio 1) I ua ricerca si è iteressati a verificare le dimesioi i micrometri di u graulocita eutrofilo.
Dettagli