Intervalli di confidenza
|
|
- Teresa Mariani
- 7 anni fa
- Visualizzazioni
Transcript
1 Itervalli di cofideza Fracesco Lagoa Itroduzioe Questa dispesa riassume schematicamete i pricipali risultati discussi a lezioe sulla costruzioe di itervalli di cofideza. Itervalli di cofideza per la media di ua popolazioe Suppoiamo di aver a che fare co ua variabile statistica quatitativa X che si distribuisce ella popolazioe di riferimeto co media µ e variaza. Si desidera costruire u itervallo di cofideza per µ al livello α sulla base di u campioe casuale semplice (x... x ) di dimesioe. È ecessario distiguere il caso i cui la variaza della popolazioe è ota da quello i cui tale variaza è icogita.. Variaza ota Si tratta di u caso abbastaza raro elle applicazioi, ma i certe circostaze è possibile che idagii precedeti a quella effettuata redao possibile ua coosceza esatta della variaza. La costruzioe di u itervallo di cofideza per µ sotto l assuzioe di variaza ota, si basa sul seguete risultato: la media campioaria x = x i è ua variabile aleatoria che si distribuisce approssimativamete come ua ormale N(µ, ) i=
2 e tale approssimazioe migliora all aumetare della dimesioe campioaria. Se duque usiamo la media campioaria come stimatore della media della popolazioe, il fatto che la sua distribuzioe sia cetrata sul valore vero del parametro µ idica che x è uo stimatore o distorto. Ioltre, il rapporto misura la precisioe dello stimatore: come ci si potrebbe aspettare, tale precisioe è tato miore quato più elevata è la variaza e tato maggiore quato più elevata è la dimesioe campioaria. I talui casi, la variabile X si distribuisce esattamete come ua ormale: solo i queste circostaze x si distribuisce esattamete secodo la ormale N(µ, /). I tutti gli altri casi, la distribuzioe della media coampioaria è solo approssimata e duque i risultati che seguoo valgoo i modo approssimato, sebbee è importate ricordare che la qualità dell approssimazioe migliora al crescere di. Dal fatto che x N(µ, /), si deduce che x µ N(0, ). Per ogi valore di probabilità α, possiamo allora scrivere che P ( z α/ x µ z α/ ) = α dove z α/ è il quatile della ormale di ordie α/, ovvero il puto che si lascia a siistra u area sotto la ormale pari a α/. Ad esempio, se α = 0.95, allora z α/ =.96 (il calcolo del quatile z α/ corrispodete al livello di probabilità α va compiuto usado le opportue tavole o u PC). U itervallo di cofideza può allora essere costruito sulla base della seguete catea di uguagliaze: α = P ( z α/ x µ z α/ ) = α = P ( z α/ x µ z α/ ) = P ( x z α/ µ x + z α/ ) = P ( x z α/ µ x + z α/ )
3 I altre parole, è approssimativamete uguale a α la probabilità che i due estremi dell itervallo ( ) x z α/, x + z α/ cotegao il valore vero della media µ della popolazioe. Quello appea costruito è u itervallo di cofideza per la media µ al livello α. Il valore α idica il livello di copertura forito dall itervallo: esiste sempre ua probabilità pari ad α che i dati campioari provegao da ua popolazioe co ua media che si trova al di fuori dell itervallo. Si osservi che l itervallo che abbiamo costruito è cetrato sulla stima putuale della media x e ha u raggio pari a z α/ la cui lughezza dipede sia dal livello di copertura desiderato (da cui dipede il quatile z α/ ), sia dal grado di precisioe dello stimatore misurato dalla quatità meglio ota come errore stadard della stima. Come applicazioe umerica, cosideriamo il seguete esempio. Esempio Da iformazioi derivati da ua precedete aalisi, si sa che la durata delle telefoate che arrivao ad u call ceter si distribuisce co ua variaza pari a = 6 miuti quadrati. Si vuole calcolare u itervallo di cofideza al livello α = 0.95 per la durata media delle telefoate. A tale scopo, si estrae u campioe di = 0 telefoate che forisce le segueti durate: 7.36,.9,.9, 9.77, 5.99, 0.9, 9.57,.0, 6.,. Il calcolo dell itervallo desiderato è a questo puto piuttosto semplice: si calcola dapprima la media campioaria ed il suo errore stadard x = = 0 =.65 Se ioltre α = 0.95, il quatile desiderato è dato da z 0.05 =.96 3
4 per cui il raggio dell itervallo è dato da e l itervallo è duque dato da z =.479 ( , ) = (7.87,.45).. Variaza icogita Nella maggior parte delle applicazioi, è difficile avere ua stima attedibile della variaza della popolazioe e si preferisce i geere stimarla sulla base del campioe estratto. Ua stima o distorta della variaza della popolazioe è data da ( ) ˆ = (x i x) = x i x i= che o è altro che la variaza campioaria corretta dal fattore. Tale correzioe dipede dal fatto che, per piccoli campioi, la variaza campioaria è uo stimatore distorto della variaza della popolazioe, cioè la sua distribuzioe campioaria o ha come valore atteso il valore vero del parametro. Per gradi campioi, il fattore di correzioe e duque l uso della variaza campioaria forisce stime attedibili della variaza della popolazioe. I questo caso, per costruire u itervallo di cofideza della media µ della popolazioe, occorre utilizzare il fatto che la distribuzioe della variabile aleatoria x µ ˆ i= segue approssimativamete quella di ua t di Studet co gradi di libertà, dove è la dimesioe del campioe estratto e che tale approssimazioe migliora all aumetare di. La distribuzioe t di Studet è molto simile a quella di ua ormale stadardizzata. Essa è ifatti cetrata sullo 0 e simmetrica rispetto ad esso. Si differezia dalla distribuzioe ormale i quato ha delle code più pesati, ovvero valori lotai dallo 0 hao ua probabilità di essere estratti più elevata di quella che avrebbero avuto se fossero stati estratti da ua ormale stadardizzata. Tali differeze si atteuao sempre più all aumetare della umerosità campioaria, per cui quado è molto elevato, si può utilizzare la distribuzioe ormale stadardizzata i luogo della t. 4
5 La costruzioe dell itervallo di cofideza segue liee aaloghe a quelle mostrate ella sezioe precedete. Si idichi pertato co t,α/ il quatile di ordie α/ di ua t di Studet di gradi di libertà, ovvero il puto che si lascia a siistra u area sotto la t pari a α/. Ad esempio, se α = 0.95 e il campioe ha umerosità = 0, allora t,α/ =.6 (il calcolo del quatile t,α/ corrispodete al livello di probabilità α va compiuto usado le opportue tavole o u PC). U itervallo di cofideza può allora essere costruito sulla base della seguete catea di uguagliaze: α = P ( t,α/ x µ t,α/ ) = α ˆ ˆ ˆ = P ( t,α/ x µ t,α/ ) ˆ ˆ = P ( x t,α/ µ x + t,α/ ) ˆ ˆ = P ( x t,α/ µ x + t,α/ ) I altre parole, è approssimativamete uguale a α la probabilità che i due estremi dell itervallo ( ) ˆ ˆ x t,α/, x + t,α/ cotegao il valore vero della media µ della popolazioe. Cosiderado l esempio precedete sulle durate delle telefoate, u itervallo di cofideza costruito stimado la variaza della popolazioe al livello α = 0.95 può essere costruito stimado dapprima la variaza della popolazioe ( ) ˆ = (x i x) = = i= calcolado poi l errore stadard della stima ˆ 6.59 = 0 e ifie il raggio dell itervallo dato da: = 0.79 t 9,0.05 ˆ = =
6 Si osservi come il raggio di questo itervallo di cofideza è miore di quello trovato ella sezioe precedete: la ragioe risiede el fatto che il campioe ha forito ua stima della variaza iferiore alla variaza vera della popolazioe (la dimesioe campioaria deve essere sufficietemete elevata per dare stime affidabili della variaza della popolazioe). Ne segue u itervallo di cofideza più stretto di quello trovato i precedeza: ( , ) = (7.977,.555). 3 Calcolare la umerosita campioaria L ampiezza dell itervallo di cofideza per la media di ua popolazioe è data da d = z α/ / el caso di variaza ota. E facile osservare che, a parita del livello α scelto per l itervallo di cofideza e della variaza ella popolazioe, l ampiezza dell itervalo dipede dalla dimesioe campioaria, al crescere della quale l ampiezza si riduce. I molti casi applicativi, la dimesioe campioaria e fissata i parteza e dipede dal budget a disposizioe per l estrazioe del campioe. I altri casi (ad esempio i test cliici o i cotrollo della qualità) è più importate fissare l ampiezza d che l itervallo o può superare e determiare la dimesioe campioaria miima che garatisce tale requisito, cioè tale per cui quado < si ottiee u itervallo co ampiezza d > d (ovviamete, per tutti gli > si ottiee u itervallo co ampiezza d < d ). Per effettuare il calcolo di e sufficiete osservare che se deve essere z α/ d allora d z α/ ovvero ( ) d z α/ o ifie ( zα/ d ) () 6
7 I altre parole, per otteere u itervallo di cofideza di u ampiezza o superiore a d, è ecessario cosiderare il miimo itero che verifica la (), ovvero (zα/ ) = dove co x idichiamo il piu piccolo itero superiore ad x (ad esempio: 4. = 5; la fuzioe x si chiama cielo di x). Come applicazioe umerica, cosideriamo il seguete esempio. Esempio Da iformazioi derivati da ua precedete aalisi, si sa che la durata delle telefoate che arrivao ad u call ceter si distribuisce i modo approssimativamete ormale co media µ icogita e variaza = 6 miuti quadrati. Si desidera calcolare la dimesioe campioaria miima ecessaria per costruire u itervallo della durata media delle chiamate al livello 95% che abbia u ampiezza massima di 5 miuti. La dimesioe richiesta e data da (zα/ ) ( ) 4.96 = = = 9.83 = 0 d 5 Si osservi che la coosceza di è cruciale per la determiazioe della dimesioe campioaria ottimale. Quado la variaza della popolazioe è icogita, si usa cosiderare u valore cautelativo per, poedo pari a 4 o 6 volte il campo di variazioe atteso per la variabile di iteresse. Ad esempio, se pesiamo che le telefoate al call ceter possao durare da u miimo di 0 miuti ad u massimo di 30 miuti, utilizzeremo = (4 30) o = (6 30). Naturalmete ci si aspetta che la variaza abbia valori più bassi, ma è meglio utilizzare ua dimesioe campioaria troppo elevata che ua troppo bassa. d 4 Itervalli di cofideza per proporzioi Suppoiamo di aver a che fare co ua variabile statistica dicotomica X che si distribuisce ella popolazioe di riferimeto secodo la tabella di frequeze relative x 0 θ θ 7
8 dove θ idica la proporzioe (icogita) degli idividui che posseggoo la modalità. Si desidera costruire u itervallo di cofideza per θ al livello α sulla base di u campioe casuale semplice (x... x ) di dimesioe. Come vedremo, o è qui ecessario distiguere casi diversi, poichè la precisioe dello stimatore che utilizzeremo per θ dipede comuque dal valore icogito assuto da θ. La costruzioe dell itervallo si basa sul seguete risultato: la frequeza relativa campioaria ˆθ = x = x i è ua variabile aleatoria che si distribuisce approssimativamete come ua ormale N(θ, ˆθ( ˆθ) ) e tale approssimazioe migliora all aumetare della dimesioe campioaria. La frequeza relativa campioaria ˆθ o è altro che ua media campioaria, essedo le osservazioi dicotomiche. Cotiueremo tuttavia a far riferimeto a ˆθ ivece che a x per teere be distito il caso di stima di medie da quello di stima di proporzioi (per la verità o si tratta di casi distiti, ma queste soo questioi da risolvere i evetuali futuri corsi di statistica successivi a questo). Se duque usiamo ˆθ come stimatore di θ, il fatto che la sua distribuzioe sia cetrata sul valore vero del parametro θ idica che ˆθ è uo stimatore o distorto. Ioltre, il rapporto ˆθ( ˆθ) è ua stima della precisioe dello stimatore: come sempre, tale precisioe è tato maggiore quato più elevata è la dimesioe campioaria. C è tuttavia u importate differeza da osservare qui rispetto a quato discusso el caso della stima di medie. Metre ifatti la precisioe dello stimatore di ua media o dipede dal valore vero assuto dal parametro di iteresse, qui la precisioe varia al variare del valore assuto da θ. I particolare, ci si accorge che la fuzioe θ( θ) è ua fuzioe cocava che vale 0 quado θ = 0, e raggiuge il suo massimo quado θ = 0.5. Se e deduce che a parità di dimesioe campioaria e di livello di copertura otteremo itervalli di cofideza geeralmete più stretti quado θ si trova vicio agli estremi 0 e, e più larghi quado θ si trova i u itoro di 0.5. i= 8
9 Dal fatto che ˆθ N(θ, ˆθ( ˆθ)/), si deduce che ˆθ θ ˆθ( ˆθ) N(0, ). Per ogi valore di probabilità α, possiamo allora scrivere che P ( z α/ ˆθ θ ˆθ( ˆθ) z α/ ) = α dove z α/ è al solito il quatile della ormale di ordie α/. U itervallo di cofideza può allora essere costruito sulla base della seguete catea di uguagliaze: α = P ( z α/ ˆθ θ z α/ ) = α ˆθ( ˆθ) ˆθ( = P ( z ˆθ) α/ ˆθ ˆθ( θ z ˆθ) α/ ) ˆθ( = P ( ˆθ z ˆθ) ˆθ( α/ θ ˆθ + z ˆθ) α/ ) ˆθ( = P (ˆθ z ˆθ) α/ θ ˆθ ˆθ( + z ˆθ) α/ ) I altre parole, è approssimativamete uguale a α la probabilità che i due estremi dell itervallo ˆθ( ˆθ ˆθ) zα/, ˆθ ˆθ( + z ˆθ) α/ cotegao il valore vero della proporzioe θ della popolazioe. 5 Acora sulla determiazioe della dimesioe campioaria Il calcolo della dimesioe campioaria ottimale può essere compiuto ache quado l itervallo di cofideza è calcolato per ua proporzioe icogita θ. 9
10 Naturalmete, i questo caso la precisioe dello stimatore (e quidi l ampiezza dell itervallo) dipede dal valore assuto da θ, che è icogito. È duque ecessario usare come misura cautelativa la quatità θ( θ) = 0.5 = 0.5 e procedere sulle liee della sezioe dedicata alla dimesioe campioaria el calcolo di itervalli di cofideza per medie. Più precisamete, per ogi dimesioe l ampiezza dell itervallo (ad u prefissato livello α) raggiugerà al più il valore d = z α/ 0.5. Se duque desideriamo calcolare la dimesioe miima richiesta per avere u itervallo per θ che o superi l ampiezza massima d, dobbiamo cercare il miimo valore di tale che z α/ 0.5 d ovvero tale che o acora tale che 4zα/ 0.5 (d ) 4zα/ 0.5 ( (d ) = zα/ ) d La dimesioe ottimale è duque data da = ( zα/ Secodo tale formula, se ad esempio programmiamo u idagie d opiioe per stimare la proporzioe degli elettori di u collegio elettorale che voterao per u certo partito politico e desideriamo u itervallo di cofideza che al livello α = 0.95 o superi l ampiezza di puti percetuali (d = 0.0), avremo bisogo di u miimo di elettori da itervistare. (d ) ( ).96 = =
11 6 Ifereza sulla differeza tra medie Suppoiamo di aver a che fare co due campioi di osservazioi, diciamo (x...x ) e (y...y ), estratti idipedetemete da due popolazioi dove la stessa variabile quatitativa si distribuisce rispettivamete co medie µ e µ e co variaze e. Idichiamo ioltre, rispettivamete, co x e ȳ le due medie aritmetiche campioarie. Si desidera costruire u itervallo di cofideza al livello α per la differeza tra le medie µ µ. Si pesi all iterpretazioe di u itervallo di cofideza di questo tipo: se esso cotiee lo 0, diremo che le due medie o soo sigificativamete diverse tra loro al livello α, poichè o possiamo escludere che il valore vero del parametro d iteresse sia pari a µ µ = 0. Per la costruzioe dell itervallo i questioe (e sotto l ipotesi che i due campioi siao stati estratti idipedetemete l uo dall altro) possiamo distiguere i segueti casi: variaze uguali e ote: ( = = ) i questo caso, la variabile aleatoria ( x ȳ) (µ µ ) + si distribuisce come ua ormale stadardizzata e l itervallo di cofideza desiderato e dato da: x ȳ ± z α/ + variaze diverse e ote: ( ) i questo caso la variabile aleatoria x ȳ (µ µ ) + si distribuisce come ua ormale stadardizzata e l itervallo di cofideza desiderato e dato da: x ȳ ± z α/ + variaze uguali ma icogite: ( = = ) i questo caso, ua stima della variaza comue e data dalla cosiddetta variaza campioaria pooled ˆ i= = (x i x) + i= (y i ȳ) +
12 e si ha che la variabile aleatoria x ȳ (µ µ ) ˆ ( + ) si distribuisce come ua t di Studet co + gradi di liberta e l itervallo di cofideza desiderato e dato da: x ȳ ± t +,α/ˆ + Si osservi che o e stato cosiderato il caso di variaze diverse e icogite: la soluzioe di questo problema esula dal programma del corso. Per compredere l uso delle formule itrodotte, cosideriamo il seguete esempio umerico. Esempio Suppoiamo che siao stati estratti due campioi di studeti uiversitari, iscritti al secodo ao i due uiversità italiae, e di ogi studete è stata registrata la media dei voti coseguiti agli esami. Il primo campioe è costituito da = 50 studeti e ha forito ua media campioaria pari a x = 3.5, metre il secodo è costituito da = 00 studeti ed ha forito ua media campioaria pari a ȳ = 5.. Si desidera costruire u itervallo di cofideza al livello α = 0.95 per la differeza µ µ tra i voti medi riportati dagli studeti elle due uiversità. Le tre procedure più semplici che possiamo seguire fao riferimeto alle formule viste i precedeza. Variaze ote e uguali L ipotesi più semplice (ma ache la più rischiosa) cosiste ell assumere che il voto medio si distribuisca elle due uiversita co la stessa variaza che assumiamo ota: tale variaza potrebbe essere ad esempio quella pubblicata dall ufficio statistico del MIUR co riferimeto al voto medio degli studeti iscritti al secodo ao i tutti gli ateei italiai. Suppoiamo che tale variaza sia uguale a 6. Formalmete, stiamo assumedo che il voto medio degli studeti della prima uiversità sia ua variabile aleatoria che si distribuisce seguedo la ormale N(µ, ), metre il voto relativo agli iscritti ella secoda uiversità segua la ormale Y N(µ, ). L itervallo di cofideza cercato e dato allora da x ȳ±z α/ + = ± =.7±.36 ovvero ( 3.06, 0.34). Sulla base di questo risultato possiamo affermare (co u livello di fiducia del 95%) che gli studeti della prima
13 uiversità hao coseguito i media u voto medio al secodo ao iferiore a quello coseguito dagli iscritti alla secoda uiversità. Si osservi che, sulla base di tale itervallo che o comprede lo zero, si può affermare che i voti medi elle due uiversità soo sigificativamete differeti, al livello α. Variaze ote e diverse Se ivece gli uffici statistici delle due uiversità hao pubblicato recetemete (rispetto alla ostra aalisi) delle tabelle da cui si evice che le due popolazioi hao variaze diverse, possiamo decidere di cosiderare queste come ote. Suppoedo di avere = 6 e = 4, l itervallo di cofideza desiderato sara dato da x ȳ ± z α/ + 6 = ± =.7 ±.8 ovvero (.88, 0.5). variaze uguali ma icogite Se o reputiamo attedibili le statistiche del MIUR è quelle dei due ateei, o ci rimae altra scelta che assumere icogite le due variaze. Se ci soo iformazioi sufficieti per assumere che tuttavia i voti hao la stessa dispersioe elle due uiversità, possiamo usare la formula coteete la variaza pooled per l itervallo desiderato, se coosciamo le deviazioi stadard dei due campioi. Suppoedo che le segueti siao le devazioi stadard dei due campioi: (x i x) = 50/50 = i= (y i ȳ) 400/00 = i= allora la variaza pooled e data da ˆ = = 3.04 e possiamo calcolare gli estremi dell itervallo desiderato come segue: x ȳ±t +,α/ˆ + =.7 ± =.7±0.59 dato che, essedo + > 00, si ha t +,α/ z α/ 3
14 7 Differeza tra due proporzioi Suppoiamo di aver a che fare co due campioi idipedeti, diciamo (x...x ) e (y...y ), estratti rispettivamete da due popolazioi i cui ua stessa variabile dicotomica si distribuisce secodo le due tabelle: pop.e x 0 θ θ pop.e y 0 θ θ Idichiamo ioltre, rispettivamete, co ˆθ = x e ˆθ = ȳ le due frequeze relative campioarie. Si desidera costruire u itervallo di cofideza al livello α per la differeza tra le proporzioi θ θ. L importaza di u itervallo del geere è chiara: se l itervallo cotiee lo 0, diremo che le due proporzioi o soo sigificativamete diverse, al livello α. Il risultato che usiamo per costruire il ostro itervallo è il seguete. Sia ˆθ = ˆθ + ˆθ + allora ˆθ ˆθ ˆθ( ˆθ) ( ) + N(0, ). Si tratta al solito di u risultato approssimato, ma la qualità di tale risultato è sempre migliore ma mao che crescoo le dimesioi campioarie e. Da tale risultato, si deduce che u itervallo di cofideza per la differeza tra due proporzioi al livello α è dato dagli estremi ( ˆθ ˆθ z α/ ˆθ( ˆθ) + ) ( ˆθ ˆθ + z α/ ˆθ( ˆθ) + ) Suppoiamo ad esempio di aver effettuato due sodaggi di opiioe i date successive chiededo agli itervistati la prefereza per u determiato partito politico. I particolare, suppoiamo di aver itervistato 00 elettori durate il primo sodaggio e 00 elettori durate il secodo sodaggio, otteedo ua percetuale di elettori favorevoli del 40% el primo e del 4% el 4
15 secodo sodaggio. Ci chiediamo se tale icremeto di prefereze sia stato sigificativo al livello α = Si ottiee: ˆθ = ˆθ + ˆθ = = ( ˆθ( ˆθ) + ) ( = ) = Se e deduce che l itervallo di cofideza desiderato è dato da ( , ) = ( 0.38, 0.098) ovvero l aumeto osservato ei campioi o può essere cosiderato sigificativo, poichè l itervallo cotiee lo 0. 5
Campionamento 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
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
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
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;
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
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).
DettagliInferenza 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
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
DettagliL INTERVALLO DI CONFIDENZA
L INTERVALLO DI CONFIDENZA http://www.biostatistica.uich.itit POPOLAZIONE POPOLAZIONE CAMPIONAMENTO CAMPIONE PARAMETRO INFERENZA CAMPIONAMENTO? STIMA CAMPIONE Stimare i Parametri della Popolazioe Itervallo
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
DettagliL INTERVALLO DI CONFIDENZA
L INTERVALLO DI CONFIDENZA http://www.biostatistica.uich.itit POPOLAZIONE POPOLAZIONE CAMPIONAMENTO CAMPIONE PARAMETRO INFERENZA CAMPIONAMENTO? STIMA CAMPIONE 1 Stimare i Parametri della Popolazioe Itervallo
DettagliCorso di Statistica Canale E Bini, Cutillo A.A. 2017/2018. Esercitazione di riepilogo n.8 Test di ipotesi Soluzioni
Corso di Statistica Caale E Bii, Cutillo A.A. 17/18 Esercitazioe di riepilogo.8 Test di ipotesi Soluzioi Esercizio 1 A seguito della sostituzioe di u macchiario per il cofezioameto di caffè, il resposabile
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
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
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)
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.
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
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.
DettagliLezione 4 Corso di Statistica. Francesco Lagona
Lezioe 4 Corso di Statistica Fracesco Lagoa Uiversità Roma Tre F. Lagoa (fracesco.lagoa@uiroma3.it) 1 / 23 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare
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
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
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,
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
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
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
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
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
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
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
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
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
DettagliCorso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a
Corso di Statistica Test per differeza tra medie e proporzioi Prof.ssa T. Laureti a.a. -3 Corso di Statistica a.a. -3 DEIM, Uiv.TUSCIA - Prof.ssa Laureti Test basati su campioi idipedeti proveieti da due
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
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
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
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
DettagliLezione 4 Corso di Statistica. Domenico Cucina
Lezioe 4 Corso di Statistica Domeico Cucia Uiversità Roma Tre D. Cucia (domeico.cucia@uiroma3.it) 1 / 22 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare
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
Dettagli4. Proprietà degli stimatori
Uiversità degli Studi di Basilicata Facoltà di Ecoomia Corso di Laurea i Ecoomia Aziedale - a.a. 0/03 lezioi di statistica del 0, e 3 giugo 03 - di Massimo Cristallo - 4. Proprietà degli stimatori Si è
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
Dettagli6 Stima di media e varianza, e intervalli di confidenza
Si può mostrare che, per ogi fissato α, t,α z α, e t,α z α per + I pratica t,α e z α soo idistiguibili per 200. 6 Stima di media e variaza, e itervalli di cofideza Lo scopo esseziale della Statistica ifereziale
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
DettagliAnemia. Anemia - percentuali
1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzioe dei segueti esercizi, si fa riferimeto alle Tabelle riportate alla fie del documeto. Esercizio 1 I u villaggio turistico gli aimatori orgaizzao ua sfida. Vice u prazo i u ristorate
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
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
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
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. 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
DettagliTEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0
TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si
Dettagliσ della variabile indagata sia nota. La logica dell intervallo di confidenza è allora sintetizzabile come segue:
Nel Capitolo 6. del volume (precisamete a pag. 36) abbiamo itrodotto per gradi liee ua semplice defiizioe di stima itervallare, passado poi i rassega le tipologie di itervalli di cofideza utilizzati el
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
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
DettagliPROBLEMI DI INFERENZA SU MEDIE
PROBLEMI DI INFERENZA SU MEDIE STIMA PUNTUALE Il problema della stima di ua media si poe allorchè si vuole cooscere, sulla base di osservazioi campioarie, il valore medio μ che u dato carattere preseta
DettagliEsercitazioni del corso: ANALISI MULTIVARIATA
A. A. 9 1 Esercitazioi del corso: ANALISI MULTIVARIATA Isabella Romeo: i.romeo@campus.uimib.it Sommario Esercitazioe 4: Verifica d Ipotesi Test Z e test T Test d Idipedeza Aalisi Multivariata a. a. 9-1
DettagliUniversità degli Studi di Napoli Parthenope. STATISTICA per il Turismo
Uiversità degli Studi di Napoli Partheope Corso di Laurea i Maagemet per le Imprese Turistiche STATISTICA per il Turismo Docete: Sergio Logobardi sergio.logobardi@uipartheope.it Stima itervallare Stima
Dettagli14. TEORIA DEI TEST STATISTICI
4. TEORIA DEI TEST STATISTICI 4. Geeralità sui test di sigificatività I dati campioari possoo essere utilizzati, oltre che per costruire l itervallo di cofideza di u parametro igoto, ache per verificare
DettagliProf.ssa Paola Vicard
Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 6
X c () 0 0 0 0 t dx e x t altrove x e x x f x t x X = =4 =8 E[X] = Var[X] = Teorema Z, Z,, Z N(0 ; ) e idipedeti X= Z + Z + +Z c () Nota Esistoo tavole dei puti percetuali delle distribuzioi chi-quadro
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
DettagliLegge Gamma e Legge Chi quadro
Legge Gamma e Legge Chi quadro Sia G ua variabile aleatoria di legge Gamma di parametri a e λ reali positivi, G Γ(a, λ, la cui fuzioe di desità è: f G (x = λa Γ(a e λx x a per x 0 dove Γ( è la fuzioe Gamma
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
DettagliMetodi quantitativi per l analisi dello sviluppo
Metodi quatitativi per l aalisi dello sviluppo Esercizio Si è rilevato il umero di ospedali (X) e la spesa saitaria i milioi di euro (Y), per 7 regioi, otteedo i segueti risultati: Ospedali (X) 5 7 4 6
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
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2009/10
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 9/1 Prova scritta del 13/1/1 Esercizio 1 Ua Ditta commerciale guadaga ogi ao ua somma X, ove si puo assumere che X N(µ, σ ). Ogi ao la Ditta paga ua tassa fissa
DettagliEsercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezione del 10/12/2002
Esercitazioi di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dii Lezioe del 10/12/2002 1 Applicazioi del TCL 1.1 Ua ditta di trasporti iterazioali possiede 100 tir dello
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
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
DettagliQuesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:
Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,
DettagliArgomenti. Perché una stima per intervallo? Stima per intervallo. Leonardo Grilli. Intervalli di confidenza (intervalli fiduciari)
Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Itervalli di cofideza (itervalli fiduciari) Cicchitelli cap. 17 Argometi Stima per itervallo (IC: Itervalli di Cofideza): IC per
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
Dettagli= ed è: n. 2 2 x. tra ns x
0/9/6 Itroduzioe all aalisi di variaza: variaza etro e tra gruppi La procedura dell aalisi della variaza sfrutta il fatto che la variaza della popolazioe da cui, i base all ipotesi H 0, provegoo i campioi
DettagliINTRODUZIONE ALLA INFERENZA STATISTICA
INTRODUZIONE ALLA INFERENZA STATISTICA 1) CONCETTO DI INFERENZA STATISTICA E SCOPI : L ifereza statistica è il procedimeto iduttivo che, avvaledosi del calcolo delle probabilità, cosete di estedere all
DettagliLezione 14. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 14. A. Iodice. disuguaglianza di Markov
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 5 6 () Statistica 2 / 29 Importati disuguagliaze Variabili casuali co distribuzioi o
Dettagli1.6 Serie di potenze - Esercizi risolti
6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo
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
DettagliAnalisi Matematica Soluzioni prova scritta parziale n. 1
Aalisi Matematica Soluzioi prova scritta parziale. 1 Corso di laurea i Fisica, 018-019 3 dicembre 018 1. Dire per quali valori dei parametri α R, β R, α > 0, β > 0 coverge la serie + (!) α β. ( )! =1 Soluzioe.
DettagliSoluzioni. Se l interallo avesse livello di confidenza 99%, al posto di 1,96 avremmo
Esercizio 1 Soluzioi 1. Ricordiamo che l ampiezza di u itervallo di cofideza è fuzioe della umerosità campioaria edellivellodicofideza. Aparità di tutto il resto, l ampiezza dimiuisce al crescere di eaumetaal
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
DettagliES 1.3. Data la distribuzione unitaria di una variabile quantitativa X. la media aritmetica di X è data dal rapporto tra il totale n
ES 1.3 1 Media e variaza Data la distribuzioe uitaria di ua variabile quatitativa X x 1... x i... x, la media aritmetica di X è data dal rapporto tra il totale x i e il umero delle uità rilevate: x = 1
DettagliLezione 4 Corso di Statistica. Francesco Lagona
Lezioe 4 Corso di Statistica Fracesco Lagoa Uiversità Roma Tre F. Lagoa (fracesco.lagoa@uiroma3.it) 1 / 17 Outlie 1 Media aritmetica 2 variaza 3 il caso delle variabili dicotomiche 4 trasformazioi lieari
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
DettagliVERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE. Psicometria 1 - Lezione 12 Lucidi presentati a lezione AA 2000/2001 dott.
VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE Psicometria - Lezioe Lucidi presetati a lezioe AA 000/00 dott. Corrado Caudek Il caso più comue di disego sperimetale è quello i cui i soggetti vegoo
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
Dettagli(sqm ottenuto dividendo per n-1 ) =
STATISTICA PER L ANALISI ORGANIZZATIVA AA 006-007 Per casa Soluzioi Esercizio.. Durate ua ricerca soo state rilevate le lughezze di tre differeti variabili ecoomiche per ciascuo di 50 paesi i via di sviluppo.
DettagliProbabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea trieale i Matematica II prova scritta sessioe estiva a.a. 8/9. U ura cotiee dadi di cui la metà soo equilibrati, metre gli altri soo stati maipolati i modo che, per ciascuo di essi,
DettagliFonti e strumenti statistici per la comunicazione
Foti e strumeti statistici per la comuicazioe Prof.ssa Isabella Migo A.A. 018-019 Idici Medi Esercizio:calcolo media soluzioe Numeri addetti xi i xi * i 10 18 180 1 15 180 14 5 350 16 10 160 18 9 5 0 18
Dettagli6. Intervalli di confidenza
6. Itervalli di cofideza La media campioaria e la variaza campioaria ci offroo ua stima dei parametri media e variaza del campioe statistico i esame. Abbiamo però bisogo di sapere quato ci si possa fidare
DettagliII Esonero - Testo A
Dip. di Igegeria, Uiv. Roma Tre Prof. E. Scoppola, Dott.M. Quattropai Probabilità e Statistica, 2017-18, I semestre 29 Geaio 2018 II Esoero - Testo A Cogome Nome Matricola Esercizio 1. (20%) Si cosideri
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,
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
DettagliLe principali procedure inferenziali: nozioni, schemi di procedimento ed esempi di applicazione
Complemeti per il corso di Statistica Medica Le pricipali procedure ifereziali: ozioi, schemi di procedimeto ed esempi di applicazioe IC al livello (-α) % per la media µ Ipotesi: ella popolazioe il feomeo
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
DettagliLezione 9. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 9. A. Iodice
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie 1 2 3 ρ xy come coefficiete calcolo di ρ xy 4 () Statistica 2 / 26 Misura dell iterdipedeza
DettagliPROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD e 4038) 15 gennaio 2003
PROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD. 5047 e 408) 5 geaio 00 SOLUZIONI Il uovo direttore di ua Baca di Credito Cooperativo si trova ad affrotare ua verteza di tipo sidacale che riguarda la
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Idici di posizioe Esercizio 1: Data la seguete distribuzioe uitaria del carattere X 4 2 4 2 6 4 0 4 0 2 4 4 (1) calcolare
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
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
Dettagli