Inferenza statistica I Alcuni esercizi. Stefano Tonellato

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Inferenza statistica I Alcuni esercizi. Stefano Tonellato"

Transcript

1 Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico

2 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche, esercizi con richiami di teoria, Giappichelli, Torino. Esercizio 1 Il prezzo di vendita di un capo di abbigliamento di una particolare marca seguiva, negli anni passati, una distribuzione normale di media µ = 66 Euro. Tra i negozi che trattano quel capo di abbigliamento ne vengono estratti 10 casualmente e, per ognuno, si rileva il prezzo di vendita di quest anno: (69.60, 63.10, 57.46, 64.87, 61.84, 69.16, 72.32, 69.49, 66.03, 54.64). Calcolare la stima puntuale del prezzo medio, θ, di quest anno e un intervallo di confidenza per θ di livello La stima puntuale del prezzo medio di quest anno è inferiore al prezzo medio degli anni passati, cioè è inferiore a 66 Euro. 1. Tramite un test di livello α = 0.05, stabilire se si possa sostenere che il prezzo medio del capo sia variato. 2. Tramite un test di livello α = 0.05, stabilire se si possa sostenere che il prezzo medio del capo sia diminuito. Soluzione Sappiamo che il prezzo di vendita X del capo di abbigliamento si distribuisce come una normale con media θ 1 e varianza ignota θ 2 ; inoltre, per gli anni passati si conosce il valore della media µ = 66. Per la stima puntuale dei parametri si deve massimizzare la funzione di log-verosimiglianza l(θ) = n n 2 θ i=1 2 (y i θ 1 ) 2 2θ 2 Le stime puntuali dei due parametri ignoti saranno date da: ˆθ 1 = ȳ = e ˆθ2 = s 2 = Per calcolare l intervallo di confidenza per θ 1 ricorriamo alla quantità pivot: Ȳ θ 1 S / n t n 1 dove S è la radice della varianza campionaria corretta: n S 2 i=1 = (Y i Ȳ )2 = nˆθ 2 n 1 n 1. Calcoliamo la stima della varianza attraverso i dati del c.c.s.: 10 i=1 ˆθ 2 = (y i ȳ) Ora dobbiamo trovare un intervallo di confidenza per θ 1 di livello 1 α = Visto che α = 0.05, troviamo i due quantili della t di Student (con n 1 = 9 gradi di 1

3 libertà) che lasciano rispettivamente a sinistra e a destra probabilità α/2 = 0.025: sono t 9,0.025 = 2.26 e t 9,0.975 = 2.26 (la t di Student è simmetrica rispetto allo 0): ( 0.95 = Pr 2.26 Ȳ θ ) ) 1 S / n 2.26 = Pr ( 2.26 S Ȳ θ S n n ) S S = Pr ( Ȳ 2.26 θ 1 Ȳ n n ) = Pr (Ȳ 2.26 S S θ 1 Ȳ n n Sostituendo Ȳ con ȳ, n con 10, S con s si ottiene il seguente intervallo di confidenza per θ: [60.78, 68.92]. Per verificare se il prezzo medio di quest anno sia variato rispetto a quello degli anni scorsi, si conduce la seguente verifica d ipotesi: H 0 : µ = 66 H 1 : µ 66. Si tratta di un problema di verifica d ipotesi sulla media di una distribuzione normale con varianza ignota. Il rapporto di verosimiglianza è dato da λ(y) = L(µ 0, ˆσ 0) 2 L(ˆµ, ˆσ 2 ) = (1 + t2 n 1 ed è strettamente decrescente rispetto a t,con ) n/2 e la statistica test appropriata è: t = n(ȳ µ0 ) s T = Ȳ 66 S / n. Ipotizzando che H 0 sia vera si ha che T t n 1. Per la relazione esistente fra λ(y) e t, la regione di accettazione di H 0 ad un livello di significatività α sarà data dall intervallo [ t 9,0.975, t 9,0.975 ], con t 9,0.975 = Nel campione la statistica test assume il valore t oss = /10 = e quindi, al livello di significatività prefissato, si accetta H 0. Per verificare se il prezzo sia diminuito impostiamo il sistema di ipotesi H 0 : µ = 66 H 1 : µ 66. 2

4 Abbiamo ora che λ(y) = L(µ 0, ˆσ 0 ) L(ˆµ, ˆσ) che è ancora funzione decrescente di t. La statistica test sarà ancora quella definita in precedenza e sotto H 0 si distribuisce ancora come una t 9. Ora però la regione di rifiuto è (, t 9,0.05 = 1.833]. Anche in questo caso, quindi, si accetta H 0. Esercizio 2 In una vecchia indagine sui mezzi di trasporto si è accertato che il 30% degli individui che lavorano nel centro di una grande città raggiunge il posto di lavoro usando i mezzi pubblici. Nel marzo 2007, su un c.c.s. di 120 individui, è risultato che 60 raggiungono il posto di lavoro con i mezzi pubblici. Trovare la stima puntuale e l intervallo di confidenza di livello 0.95 per la frazione di lavoratori che raggiungono il posto di lavoro con mezzi pubblici. Si può affermare che la percentuale dei lavoratori che vanno a lavorare con i mezzi pubblici è variata? Eseguire una verifica d ipotesi di livello α = Si può affermare che la percentuale dei lavoratori che vanno a lavorare con i mezzi pubblici è aumentata? Eseguire una verifica d ipotesi di livello α = Soluzione La popolazione di interesse corrisponde a tutti coloro che lavorano nel centro della città e il parametro di interesse è la proporzione θ, 0 θ 1, di quelli che utilizzano i mezzi pubblici. Il modello statistico sarà quindi rappresentabile come La funzione di verosimiglianza è Y Ber(θ). L(θ) = θ P 120 i=1 y i (1 θ) 120 P n i=1 y i (1) Massimizzando L(θ) rispetto a θ si ottiene la stima di massima verosimiglianza ˆθ = ȳ = 0.5 Per calcolare l intervallo di confidenza ricorriamo alla distribuzione asintotica dello stimatore di massima verosimiglianza ˆθ a N ( θ 0, I(θ 0 ) 1). Sfruttando la consistenza di ˆθ, stimiamo I(θ 0 ) con I(ˆθ) = d2 dθ l(θ) n 2 = θ=ˆθ ˆθ(1 ˆθ). Avremo quindi: θ θ 0 ˆθ(1 ˆθ)/n a N (0, 1). 3

5 Allora, sarà approssimativamente vero che: ˆθ θ 0.95 = Pr z z ˆθ(1 ˆθ)/n ) = Pr (ˆθ z ˆθ(1 ˆθ)/n θ ˆθ + z ˆθ(1 ˆθ)/n. Poiché z , n = 120 e ˆθ = ȳ = 0.5, otteniamo il seguente intervallo di confidenza per θ: [0.41, 0.59]. Per verificare se θ sia variato impostiamo il sistema di ipotesi: Avremo che H 0 : θ = 0.3 H 1 : θ 0.3 W (Y) = 2 log (λ(y)) = 2(l(0.3) l(ˆθ)) a χ 2 1. Poiché W (y) = e w α = χ 2 1,0.99 = si rifiuta H 0 ad un livello di significatività α = Per capire se la percentuale dei lavoratori che vanno a lavorare con i mezzi pubblici sia aumentata, impostiamo il seguente sistema di ipotesi: Si osservi che e H 0 : θ 0.3 H 1 : θ > 0.3. Θ 0 = {θ [0, 1] : θ 0.3} Θ 1 = {θ [0, 1] : θ > 0.3}. Inoltre, essendo la verosimiglianza data da (1), è facile verificare che { L(ȳ) se ȳ 0.3 sup L(θ) = θ Θ 0 L(0.3) se ȳ > 0.3 e sup L(θ) = L(ȳ). θ Θ Essendo, per questo sistema di ipotesi, λ(y) = sup θ Θ 0 L(θ) sup θ Θ L(θ), quando ȳ 0.3 avremo che λ(y) = 1 (essendo θ = ȳ il punto di massimo assoluto di L(θ) in Θ) e quindi in queste circostanze accetteremo H 0 per qualsiasi ragionevole livello di significatività. Diversamente, quando ȳ > 0.3 si avrà: λ(y) = L(0.3) L(ȳ) 4

6 ed avrà quindi senso cercare un valore λ α : P (λ(y) < λ α ) = α, dove α rappresenta il livello di significatività del test. Nel nostro caso α = Per determinare il valore critico del test, ragioniamo come segue. Cerchiamo di capire se il rapporto di verosimiglianza sia funzione monotona di qualche statistica con distribuzione nota sotto H 0 : ovvero λ(y) = L(0.3) L(ȳ) = ȳ (1 ȳ) ȳ 120ȳ (1 ȳ) 120(1 ȳ), ( ) 0.3 log (λ(y)) = 120ȳ log + 120(1 ȳ) log ȳ Quindi, derivando la (2) rispetto a ȳ si ottiene: ( ) 0.7. (2) 1 ȳ d log (λ(y)) = dȳ ( ) 0.3 = 120 log 120ȳ ȳ ( ) log + 120(1 ȳ) 1 ȳ ȳ 0.3 ȳ2 1 ȳ 0.7 ( ) 0.3 = 120 log 120 ( ) log ȳ ȳ log (0.3) 120 log (ȳ) 120 log (0.7) log (1 ȳ) = ( ) ( 0.3 ȳ = 120 log 120 log ȳ Affinché la (3) sia negativa dovrà verificarsi che 1 (1 ȳ) 2 ). (3) ȳ 1 ȳ , ovvero, risolvendo la disuguaglianza rispetto a ȳ, che ȳ > 0.3. Ma questo è proprio quanto vogliamo: quando ȳ > 0.3, λ(y) è una funzione strettamente decrescente di ȳ. Ora sappiamo che λ(y) assume valori piccoli quando ȳ assume valori elevati, quindi α = sup P (λ(y) λ α ; θ). (4) θ Θ 0 È altresì evidente che P (λ(y) λ α ; θ) = P (Ȳ qȳ,1 α ; θ) (5) dove q(θ) Ȳ,1 α è il quantile di ordine 1 α di Ȳ (che ovviamente dipende da θ). D altro canto sappiamo che Ȳ a N(θ, I(θ) 1 ) n con I(θ) =. È evidente che, al divergere di n, la probabilità di osservare θ(1 θ) valori elevati di Ȳ cresce al crescere di θ e quindi, da (4) e (5), asintoticamente avremo α = sup P (λ(y) λ α ; θ) = P (Ȳ qȳ θ Θ,1 α ; 0.3). 0 5

7 Ma, asintoticamente, P (Ȳ qȳ,1 α ; 0.3) P ( ) Ȳ 0.3 z 1 α; 0.3, I(0.3) 1 dove z 1 α è il quantile di ordine 1 α della normale standardizzata. statistica test sarà: T = Ȳ 0.3, I(0.3) 1 Quindi la e il valore critico sarà z 0.99 = Il valore osservato di T è t = 4.382, quindi si rifiuta H 0. Esercizio 3 La produttività mensile media di ognuno dei 10 dipendenti del settore Commerciale di una certa azienda viene misurata in Euro (/1.000) e si distribuisce come: X i N(µ, σ 2 x) per i = 1,..., 10. Le produttività osservate sono state: x = (4.72, 3.42, 2.29, 3.77, 3.17, 4.63, 5.26, 4.70, 4.01, 1.73). L azienda organizza un corso di formazione per migliorare le abilità di vendita dei propri dipendenti e al termine di tale corso la produttività mensile media si distribuisce come: Y i N(η, σ 2 y) per i = 1,..., 10. Le produttività osservate dopo il corso di formazione sono state: y = (5.94, 3.58, 6.87, 6.41, 4.66, 5.65, 6.45, 5.43, 4.66, 6.11). Definire un intervallo di confidenza per la variazione della produttività media ad un livello di fiducia Si verifichi se il corso di formazione ha incrementato le abilità di vendita, con un test di livello α = Si calcoli l α oss. Soluzione In questo esercizio si sono misurate le abilità di vendita su ognuno dei dipendenti prima e dopo il corso di formazione, dando luogo a quei tipi di dati che si chiamano dati appaiati. Fare una verifica d ipotesi per capire se in media le abilità di vendita sono aumentate dopo il corso di formazione, equivale a saggiare: che si può riscrivere come: H 0 : η = µ H 1 : η > µ H 0 : δ = 0 H 1 : δ > 0 dove δ = η µ. Di conseguenza, potremmo riformulare il problema dicendo che Z i è la differenza della produttività del dipendente i-esimo tra dopo e prima il corso di formazione: Z i seguirà la seguente distribuzione: Z i N(δ, σ 2 ) 6

8 per i = 1,..., 10. In questo caso, σ 2 è la varianza della differenza Y i X i : σ 2 = V ar(y i X i ) = σ 2 y + σ 2 x 2Cov(X i, Y i ) che è a noi sconosciuta perchè dipende da σ 2 x, da σ 2 y ma anche dall ignota covarianza tra X i e Y i. In questo modo, siamo tornati al caso della verifica d ipotesi sulla media di una normale con varianza ignota. Il test che si utilizza è: dove T = Z 0 S/ n t n 1 se H 0 è vera, S 2 = 10 i=1 (Z i Z) 2. 9 Calcoliamo z = y x e troviamo: z = (1.22, 0.16, 4.58, 2.64, 1.49, 1.02, 1.19, 0.73, 0.65, 4.38). Di conseguenza z 1.81 e s Ora, possiamo calcolare t oss : t oss = / 10 = Per identificare la regione di accettazione dobbiamo ricordare che l ipotesi alternativa H 1 è unilaterale destra e quindi si rifiuta per valori elevati della statistica test. Inoltre, se α = 0.05 la regione di rifiuto sarà tale per cui: Pr(T > k) = α = 0.05 se H 0 è vera Dalla distribuzione di T, sotto H 0, si trova che k = t 9,0.95 = La regione di accettazione è: A = [, 1.83]. Rifiutiamo H 0 perchè t oss / A: quindi la produttività media dei dipendenti è aumentata dopo il corso di formazione. Esercizio 4 Si vuole confrontare se ci sono differenze nella puntualità tra i dipendenti a tempo indeterminato di un azienda e i collaboratori a progetto. Per fare questo, si rileva la differenza del tempo di arrivo del personale dall orario di inizio del lavoro su un c.c.s. di numerosità pari a n 1 = 7 per i dipendenti y 1 = ( 0.23, 0.83, 0.63, 1.26, 0.70, 0.01, 2.27) e su un c.c.s. di numerosità pari a n 2 = 6 per i collaboratori: y 2 = (0.94, 1.42, 1.87, 1.41, 0.34, 0.65), dove un valore positivo sta, quindi, ad indicare un ritardo e un valore negativo un anticipo. Supponendo che tali differenze di orario si distribuiscano come Y 1 N(µ 1, σ 2 ) per 7

9 i dipendenti e come Y 2 N(µ 2, σ 2 ) per i collaboratori (σ 2 ignota), si trovi la stima puntuale per µ 1 e per µ 2. Si trovi, inoltre, un intervallo di confidenza di livello 0.90 per µ 1 µ 2. Si conduca la verifica d ipotesi, di livello α = 0.01, per capire se i dipendenti a tempo indeterminato sono più puntuali dei collaboratori a progetto. Esercizio 5 Si studia l adesione agli scioperi tra i ferrotramvieri e i macchinisti delle Ferrovie dello Stato. In occasione di un particolare sciopero è stato osservato il comportamento di un campione di n 1 = 60 ferrotramvieri e di un campione di n 2 = 40 macchinisti delle Ferrovie dello Stato. Dei ferrotramvieri 3 non hanno aderito, mentre dei macchinisti il numero delle mancate adesioni è pari a 6. Trovare la stima puntuale della proporzione di mancata adesione allo sciopero per entrambe le categorie di trasporti pubblici. Calcolare l intervallo di confidenza per la differenza delle due proporzioni ad un livello 1 α =

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. 4 A. Si supponga che la durata in giorni delle lampadine prodotte

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

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

Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C

Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato

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

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

Inferenza statistica. Statistica medica 1

Inferenza statistica. Statistica medica 1 Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

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

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana

Dettagli

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.

Dettagli

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che

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

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

Esercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010

Esercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

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

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

Statistiche campionarie

Statistiche campionarie Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

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

Dettagli

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

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

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

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema

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

19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE

19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE 19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE Nell inferenza è spesso richiesto il calcolo di alcuni valori critici o di alcune probabilità per le variabili casuali che sono state introdotte

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

T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente:

T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: t = X i X j s 2 i (n i 1) + s 2 j (n j 1) n i + n j - 2 1

Dettagli

Teoria della Stima. Stima della Media e di una Porzione di Popolazione. Introduzione. Corso di Laurea in Scienze Motorie AA2002/03 - Analisi dei Dati

Teoria della Stima. Stima della Media e di una Porzione di Popolazione. Introduzione. Corso di Laurea in Scienze Motorie AA2002/03 - Analisi dei Dati Teoria della Stima. Stima della Media e di una Porzione di Popolazione Introduzione La proceduta in base alla quale ad uno o più parametri di popolazione si assegna il valore numerico calcolato dalle informazioni

Dettagli

Università di Siena. Corso di STATISTICA. Parte terza: Test di verifica delle ipotesi. Andrea Garulli, Antonello Giannitrapani, Simone Paoletti

Università di Siena. Corso di STATISTICA. Parte terza: Test di verifica delle ipotesi. Andrea Garulli, Antonello Giannitrapani, Simone Paoletti Università di Siena Corso di STATISTICA Parte terza: Test di verifica delle ipotesi Andrea Garulli, Antonello Giannitrapani, Simone Paoletti Master E 2 C Centro per lo Studio dei Sistemi Complessi Università

Dettagli

Corso di Psicometria Progredito

Corso di Psicometria Progredito Corso di Psicometria Progredito 4.2 I principali test statistici per la verifica di ipotesi: Il test F Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

Lezione n. 2 (a cura di Chiara Rossi)

Lezione n. 2 (a cura di Chiara Rossi) Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,

Dettagli

Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).

Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,

Dettagli

Appunti: Teoria Dei Test

Appunti: Teoria Dei Test Appunti: Teoria Dei Test Fulvio De Santis, Luca Tardella e Isabella Verdinelli Corsi di Laurea A + E + D + G + R 1. Introduzione. Il test d ipotesi è un area dell inferenza statistica in cui si valuta

Dettagli

Corso di Psicometria Progredito

Corso di Psicometria Progredito Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014

Dettagli

Esame di Statistica del 9 gennaio 2008 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola

Esame di Statistica del 9 gennaio 2008 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Esame di Statistica del 9 gennaio 2008 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano

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

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

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Lucio Demeio Dipartimento di Scienze Matematiche Università Politecnica delle Marche 1. Esercizio. Siano X ed Y due variabili

Dettagli

Richiami di inferenza statistica

Richiami di inferenza statistica C Richiami di inferenza statistica SOMMARIO C.1. Un campione di osservazioni C.2. Un modello econometrico C.3. Stima della media di una popolazione C.4. Stima della varianza e di altri momenti della popolazione

Dettagli

Corso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.

Corso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr. Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame del 18/7/2013 NOME COGNOME N. Matr. Rispondere ai punti degli esercizi nel modo più completo possibile, cercando

Dettagli

I costi. Costi economici vs. costi contabili

I costi. Costi economici vs. costi contabili I costi Costi economici vs. costi contabili I costi economici connessi alla produzione di una certa quantità di output Y includono tutte le spese per i fattori produttivi. In altre parole, i costi economici

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

TEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST

TEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST TEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Statistica 1 Parte A 1.1 La formula µ = x ± s n

Dettagli

Appunti per il Corso di Statistica Corso di Laurea in Matematica Anno Accademico 2003-2004

Appunti per il Corso di Statistica Corso di Laurea in Matematica Anno Accademico 2003-2004 Appunti per il Corso di Statistica Corso di Laurea in Matematica Anno Accademico 2003-2004 1. Stime puntuali ed il metodo di massima verosimiglianza. Uno delle principali finalità della Statistica consiste

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 L4, Corso Integrato di Psicometria - Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Rev. 18/04/2011 Inferenza statistica Formulazione

Dettagli

Esercitazione n.4 Inferenza su varianza

Esercitazione n.4 Inferenza su varianza Esercizio 1 Un industria che produce lamiere metalliche ha ricevuto un ordine di acquisto di un grosso quantitativo di lamiere di un dato spessore. Per assicurare la qualità della propria fornitura, l

Dettagli

FONDAMENTI DI PSICOMETRIA - 8 CFU

FONDAMENTI DI PSICOMETRIA - 8 CFU Ψ FONDAMENTI DI PSICOMETRIA - 8 CFU STIMA DELL ATTENDIBILITA STIMA DELL ATTENDIBILITA DEFINIZIONE DI ATTENDIBILITA (affidabilità, fedeltà) Grado di accordo tra diversi tentativi di misurare uno stesso

Dettagli

Esercitazioni del corso di Statistica Prof. Mortera a.a. 2010/2011. Esercizi di stima puntuale, intervalli di confidenza e test T 2 = 1 2 X

Esercitazioni del corso di Statistica Prof. Mortera a.a. 2010/2011. Esercizi di stima puntuale, intervalli di confidenza e test T 2 = 1 2 X Esercitazioni del corso di Statistica Prof. Mortera a.a. 2010/2011 Esercizi di stima puntuale, intervalli di confidenza e test 1. Si consideri il campione (X 1, X 2, X 3, X 4 ) composto da variabili i.i.d.

Dettagli

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

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

Dettagli

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi

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

La logica statistica della verifica (test) delle ipotesi

La logica statistica della verifica (test) delle ipotesi La logica statistica della verifica (test) delle ipotesi Come posso confrontare diverse ipotesi? Nella statistica inferenziale classica vengono sempre confrontate due ipotesi: l ipotesi nulla e l ipotesi

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

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0.

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0. EQUAZIONI E DISEQUAZIONI Le uguaglianze fra espressioni numeriche si chiamano equazioni. Cercare le soluzioni dell equazione vuol dire cercare quelle combinazioni delle lettere che vi compaiono che la

Dettagli

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso

Dettagli

Prelazione. Lista delle Figure. Lista delle Tabelle

Prelazione. Lista delle Figure. Lista delle Tabelle Indice Prelazione Indice Lista delle Figure Lista delle Tabelle VI IX XV XVI 1 Nozioni Introduttive 1 1.1 Inferenza Statistica 1 1.2 Campionamento 5 1.3 Statistica e Probabilità 7 1.4 Alcuni Problemi e

Dettagli

Scelte in condizione di incertezza

Scelte in condizione di incertezza Scelte in condizione di incertezza Tutti i problemi di decisione che abbiamo considerato finora erano caratterizzati dal fatto che ogni possibile scelta dei decisori portava a un esito certo. In questo

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

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................

Dettagli

1. Exponential smoothing. Metodi quantitativi per i mercati finanziari. Capitolo 5 Analisi dei prezzi. Consideriamo la media mobile esponenziale

1. Exponential smoothing. Metodi quantitativi per i mercati finanziari. Capitolo 5 Analisi dei prezzi. Consideriamo la media mobile esponenziale 1. Exponential smoothing Consideriamo la media mobile esponenziale Metodi quantitativi per i mercati finanziari XMA t = (1 α)xma t 1 + αp t come previsione del prezzo al tempo T + 1 sulla base dell insieme

Dettagli

Inferenza statistica

Inferenza statistica Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione in base ad informazioni ricavate da un campione. Inferenza statistica: indurre

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

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Una funzione reale di una variabile reale f di dominio A è una legge che ad ogni x A associa un numero reale che denotiamo con f(x). Se A = N, la f è detta successione di numeri reali.

Dettagli

SPC e distribuzione normale con Access

SPC e distribuzione normale con Access SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,

Dettagli

R - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre

R - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre R - Esercitazione 5 Lorenzo Di Biagio dibiagio@mat.uniroma3.it Università Roma Tre Lunedì 2 Dicembre 2013 Intervalli di confidenza (1) Sia X 1,..., X n un campione casuale estratto da un densità f (x,

Dettagli

Politecnico di Milano - Anno Accademico 2010-2011 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo

Politecnico di Milano - Anno Accademico 2010-2011 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Politecnico di Milano - Anno Accademico 200-20 Statistica 086449 Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Esercitazione 9 2 Giugno 20 Esercizio. In un laboratorio per il test dei materiali,

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

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food

Dettagli

Appunti relativi a Lab4

Appunti relativi a Lab4 Appunti relativi a Lab4 ESEMPIO 1 Sia (X 1,, X n ) un campione aleatorio estratto da una variabile aleatoria X Exp(λ) e sia (x 1,, x n ) una sua realizzazione campionaria contenuta nel vettore oss > set.seed(5)

Dettagli

Capitolo 7 TEST DELLE IPOTESI

Capitolo 7 TEST DELLE IPOTESI B. Chiandotto F. Cipollini Versione 3 Cap. 7 Capitolo 7 TEST DELLE IPOTESI In questo capitolo si affronta il problema della verifica d ipotesi statistiche limitando la trattazione alla cosiddetta teoria

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

Esami d Analisi Matematica 1. Filippo De Mari e Marina Venturino

Esami d Analisi Matematica 1. Filippo De Mari e Marina Venturino Esami d Analisi Matematica 1 Filippo De Mari e Marina Venturino Indice Parte 1. ANNO ACCADEMICO 1999-000 5 1. Corso di Studi in Ingegneria Meccanica 5 Parte. ANNO ACCADEMICO 001-00 15 1. Corso di Studi

Dettagli

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x

Dettagli

CLASSIFICAZIONE DEI CARATTERI

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

Dettagli

1.2 Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche

1.2 Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche . Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche Per le definizioni e teoremi si fa riferimento ad uno qualsiasi dei libri M.Bertsch - R.Dal Passo Lezioni di Analisi

Dettagli

Elementi di Psicometria

Elementi di Psicometria Elementi di Psicometria E2-Riepilogo finale vers. 1.2 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia) ElemPsico 2010-2011

Dettagli

5. La teoria astratta della misura.

5. La teoria astratta della misura. 5. La teoria astratta della misura. 5.1. σ-algebre. 5.1.1. σ-algebre e loro proprietà. Sia Ω un insieme non vuoto. Indichiamo con P(Ω la famiglia di tutti i sottoinsiemi di Ω. Inoltre, per ogni insieme

Dettagli

Corso di Analisi Matematica. Successioni e serie numeriche

Corso di Analisi Matematica. Successioni e serie numeriche a.a. 2011/12 Laurea triennale in Informatica Corso di Analisi Matematica Successioni e serie numeriche Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità

Dettagli

Servizi di consulenza specialistica per IGRUE 2009 2012

Servizi di consulenza specialistica per IGRUE 2009 2012 Allegato 9A Metodo della stima delle differenze Descrizione della procedura Il metodo della stima delle differenze è indicato qualora il controllore ritenga che la popolazione sia affetta da un tasso di

Dettagli

La Distribuzione Normale (Curva di Gauss)

La Distribuzione Normale (Curva di Gauss) 1 DISTRIBUZIONE NORMALE o CURVA DI GAUSS 1. E la più importante distribuzione statistica continua e trova numerose applicazioni nello studio dei fenomeni biologici. 2. Fu proposta da Gauss (1809) nell'ambito

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

3.1 Successioni. R Definizione (Successione numerica) E Esempio 3.1 CAPITOLO 3

3.1 Successioni. R Definizione (Successione numerica) E Esempio 3.1 CAPITOLO 3 CAPITOLO 3 Successioni e serie 3. Successioni Un caso particolare di applicazione da un insieme numerico ad un altro insieme numerico è quello delle successioni, che risultano essere definite nell insieme

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

11. Analisi statistica degli eventi idrologici estremi

11. Analisi statistica degli eventi idrologici estremi . Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche

Dettagli

Statistical Process Control

Statistical Process Control Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale

Dettagli

Basi di matematica per il corso di micro

Basi di matematica per il corso di micro Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione

Dettagli

è decidere sulla verità o falsità

è decidere sulla verità o falsità I test di ipotesi I test di ipotesi Il test delle ipotesi consente di verificare se, e in quale misura, una determinata ipotesi (di carattere sociale, biologico, medico, economico, ecc.) è supportata dall

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

CAPITOLO III CONFRONTI TRA DISTRIBUZIONI

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

Dettagli

La condivisione del rischio e la sua ripartizione su ampia scala

La condivisione del rischio e la sua ripartizione su ampia scala La condivisione del rischio e la sua ripartizione su ampia scala 1 ARGOMENTI DI QUESTA LEZIONE Questa lezione propone esplora due problemi fondamentali: Se esiste un rischio in una transazione chi lo deve

Dettagli

EMBA PART TIME 2012 ROMA I ANNO

EMBA PART TIME 2012 ROMA I ANNO BUSINESS STATISTICS: ASSIGNMENT II: EMBA PART TIME 2012 ROMA I ANNO PROF. MOSCONI ESERCIZIO 1: USO DEL MODELLO DI REGRESSIONE PER DETERMINARE IL VALORE DEGLI IMMOBILI. ESERCIZIO 2: PREVISIONE DI VARIABILI

Dettagli

lucidi delle lezioni di inferenza statistica I (a.a. 2005/06)

lucidi delle lezioni di inferenza statistica I (a.a. 2005/06) ... lucidi delle lezioni di inferenza statistica I (a.a. 2005/06) guido masarotto 11 maggio 2006 copyright c 1999-2006 guido masarotto facoltà di scienze statistiche università di padova e-mail: guido.masarotto@unipd.it

Dettagli

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni

Dettagli