Esercitazioni di Statistica
|
|
- Gaetano Rosati
- 7 anni fa
- Visualizzazioni
Transcript
1 Esercitazioni di Statistica La distribuzione delle statistiche campionarie Teorema del limite centrale Prof. Livia De Giovanni Esercizio (Scozzafava) Una ferrovia metropolitana è servita da treni costituiti da carrozze non comunicanti. Alla partenza 0 passeggeri scelgono a caso una delle carrozze. Determinare il numero (minimo) di posti a sedere che devono essere disponibili su ciascuna carrozza affinché la probabilità α che che restino viaggiatori in piedi sia minore di 0.0. Soluzione Si indichi con A una qualunque delle carrozze e sia E i levento il passeggero i-mo sale sulla carrozza A (i=,..,0). La scelta a caso corrisponde a supporre indipendenti ed equiprobabili, con probabilità, questi 0 eventi. Il numero di successi, cioè il numero di passeggeri che sale su A è dato da: S 0 = E + E + + E 0 Quindi restano viaggiatori in piedi se per il numero x di posti a sedere si ha x < S 0. Si richiede che: o equivalentemente P (S 0 > x) < 0.0 P (S 0 x) 0.99 Le variabili E i sono indipendenti e identicamente distribuite come Bernoulli con valor medio E(E i ) = e varianza V ar(e i) =. Si può applicare il Teorema del limite centrale: P (S 0 < x) = P ( S 0 0 ) < x 0 ) 0 0
2 Si richiede P (S 0 x) 0.99 P (S 0 x) = P (Z < x 0 ) 0 con Z Normale standardizzata. Dalle tavole della Normale il valore z che si lascia a destra una probabilità 0.0 è.3 da cui x 0 =.3 0 da cui risulta x.7. Su ogni carrozza devono essere disponibili almento posti a sedere. Esercizio American Airline sostiene che il % degli individui che hanno prenotato il volo non si presenta al check in. Se la compagnia ha venduto 0 biglietti per un volo che ha solo 33 posti a sedere, qual è la probabilità che tutti i passeggeri che si presentano abbiano un posto a sedere? Soluzione X = Presentarsi al check-in X Ber(0.9) X, X,..., X 0 è un campione casuale di variabili casuali i.i.d di X. Definiamo 0 Y = X i, i= quindi, Y B(0, 0.9), essendo la somma di 0 variabili casuali indipendenti ed identicamente distribuite secondo una Bernoulli di parametro 0.9. Essendo n sufficientemente elevato, per il teorema del limite centrale si ha che: Si ottiene quindi: Y N(0 0.9, ( 0.9)). P (Y 33) = P ( Y ) = P (Z.8) = Esercizio 3 Una diga riceve ogni giorno una quantità di unità di acqua che ha una distribuzione normale con media, e varianza. Si estrae con reimmissione un campione di 0 giorni.. Qual è la probabilità che la media campionaria ( X) sia superiore a 7?. Qual è la probabilità che la varianza campionaria (S ) sia superiore a.? 3. Quali sarebbero le distribuzioni se la popolazione non si distribuisse secondo una normale?
3 Soluzione. La media campionaria ha distribuzione normale per ogni numerosità campio naria in caso di popolazione normale. Risulta pertanto: P r( X > 7) = P r( ( X ) / 0. Poiché, in caso di distribuzione normale (7 ) ) > / ) = P r(z > 3.7) = S σ (n ) χ n, ( P r(s >.) = P r χ n > ) (n ). = P r(χ 9 >.) = 0. () 3. In questo caso non possiamo fare assunzioni circa la distribuzione delle variabili casuali X e (n )S (numerosità piccola), e quindi non possiamo calcolare le probabilità σ corrispondenti. Esercizio A. Data la variabile casuale X che assume i valori 0,, con probabilità,, rispettivamente,. determinare l insieme dei campioni di numerosità che X può generare,. determinare la distribuzione della media campionaria X e derivarne il valore medio e la varianza, 3. determinare la distribuzione di S = n n i= (X i X) e derivarne il valor medio. Commentare i risultati ottenuti. Soluzione. X 0 P (X) Si ricava facilmente E(X) = e V ar(x) = I campioni di numerosità che X può generare con ripetizione risultano: (X, X ) (0, 0) (0, ) (0, ) (, 0) (, ) (, ) (, 0) (, ) (, ) 3
4 p x. Per determinare la funzione di probabilità della variabili casuali X S si calcolano le probabilità dei campioni e i valori di X e S in ciascun campione: (X, X ) p(x, X ) X = (X + X ) S = [(X X) + (X X) ] (0, 0) 0 0 (0, ) (0, ) (, 0) (, ) 0 3 (, ) (, 0) 3 (, ) (, ) 0 La funzione di probabilità della variabile casuale media campionaria X risulta: X p( X) 0 3 Il valor medio e la varianza della variabile casuale media campionaria X risultano: E( X) = = = E(X) V ar( X) = (0 ) = = n V ar(x) + ( ) + ( ) + (3 ) + ( )
5 p media_campionaria 3. La funzione di probabilità della variabile casuale S risulta: S p(s ) 0 8 Il valor medio della variabile casuale S risulta: E(S ) = = = = n n V ar(x) Lo stimatore S di V ar(x) è distorto. Uno stimatore non distorto è ˆσ = n n S. B. Data la variabile casuale X che assume i valori,, con probabilità,, rispettivamente,. determinare l insieme dei campioni di numerosità che X può generare,. determinare la distribuzione della media campionaria X e derivarne il valore medio e la varianza, 3. determinare la distribuzione di S = n n i= (X i X) e derivarne il valor medio. Commentare i risultati ottenuti. Soluzione. X P (X) Si ricava facilmente E(X) = 7 = 3. e V ar(x) =.7
6 p x I campioni di numerosità che X può generare con ripetizione risultano: (X, X ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ) (, ). Per determinare la funzione di probabilità della variabili casuali X e S si calcolano le probabilità dei campioni e i valori di X e S in ciascun campione: (X, X ) p(x, X ) X = (X + X ) S = [(X X) + (X X) ] (, ) 0 (, ) 3 (, ) (, ) 3 (, ) 0 (, ) (, ) (, ) (, ) 0 La funzione di probabilità della variabile casuale media campionaria X risulta: X 3 p( X)
7 p media_campionaria Il valor medio e la varianza della variabile casuale media campionaria X risultano: E( X) = = 3. = E(X) V ar( X) = ( 3.) = = n V ar(x) + (3 3.) + ( 3.) 3. La funzione di probabilità della variabile casuale S risulta: S p(s ) 0 Il valor medio della variabile casuale S risulta: + ( 3.) + ( 3.) E(S ) = =.37 =.37 = n n V ar(x) Lo stimatore S di V ar(x) è distorto. Uno stimatore non distorto è ˆσ = n n S. Diversamente dal caso A nel caso B la distribuzione di X non è simmmetrica e pertanto non risulta simmetrica per n = la distribuzione della media campionaria applicandosi il teorema centrale del limite solo per grandi numerosità campionarie. Esercizio (Scozzafava) Si sommano 00 numeri reali, ciascuno dei quali viene arrotondato all intero più vicino: si assume che ciascun errore di arrotondamento sia una variabile casuale con distribuzione Uniforme nell intervallo [-0., 0.] e che questi 00 numeri casuali siano indipendenti. Determinare un numero ϵ > 0 tale che con probabilità p > 0.99 l errore sulla somma sia compreso tra ϵ e ϵ. 7
8 Soluzione Si indichi X k l errore di arrotondamento sul k mo numero (k =,.., 00). Le variabili X k sono indipendenti e identicamente distribuite Uniformi con valor medio E(X k ) = 0 e varianza V ar(x k ) =. Si può applicare il Teorema del limite centrale. Detto S 00 l errore (somma algebrica degli errori) sulla somma la probabilità che l errore sulla somma sia compreso tra ϵ e ϵ risulta: P ( ϵ S 00 ϵ) = P ( ϵ S 00 ϵ) = F ( ϵ) con F funzione di ripartizione della variabile casuale Normale standardizzata. Siccome si richiede: P ( ϵ S 00 ϵ) = F ( ϵ) dalle tavole della Normale il valore z che si lascia a destra una probabilità 0.00 è.8 da cui: ( ϵ).8 00 da cui risulta ϵ 7.. 8
STATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 3 12.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Distribuzioni doppie di probabilità: applicazioni E stata svolta un indagine per studiare la relazione tra abitudine a
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base Serale Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Campionamento Esercizio 1. Da una ricerca si è osservato che il peso del prodotto A varia tra i e i 530 grammi. 1 Ipotizzando
DettagliESERCIZIO 1. a) Calcolare il rendimento atteso del portafoglio:
ESERCIZIO 1 Gastone investe i suoi risparmi in tre titoli (A: Paperone & Co; B: Rockerduck & Co; C: Bassotti & Co) quotati sul mercato di Paperopoli. La composizione percentuale del portafoglio di Gastone
DettagliSTATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliSTIMA DELLA VARIANZA CAMPIONARIA
STIMA DELLA VARIANZA CAMPIONARIA Abbiamo visto che una stima puntuale corretta per il valore atteso µ delle variabili aleatorie X i è x n = (x 1 +.. + x n )/n. Una stima puntuale della varianza σ 2 delle
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra A. Di Ciaccio - McGraw Hill s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliLA LUNGHEZZA DEI GENI UMANI (Es4.1)
STATISTICA INFERENZIALE: le caratteristiche della popolazione complessiva sono indotte da quelle osservate su un campione estratto dalla popolazione stessa(esempio exit poll) PROBLEMA: dato un campione
DettagliX = X 1 + X 2 +... + X n. dove. 1 se alla i-esima prova si ha un successo 0 se alla i-esima prova si ha un insuccesso. X i =
PIU DI UNA VARIABILE CASUALE Supponiamo di avere n variabili casuali, X 1, X 2,..., X n. Le n variabili casuali si dicono indipendenti se e solo se P(X 1 x 1 X 2 x 2... X n x n ) = = P(X 1 x 1 ) P(X 2
DettagliEsercizi di Probabilità
Esercizi di Probabilità Annalisa Cerquetti - Sandra Fortini Vai all indice Istituto di Metodi Quantitativi, Viale Isonzo, 25, 2033 Milano, Italy. E-mail: annalisa.cerquetti@unibocconi.it,sandra.fortini@unibocconi.it
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe
DettagliCampionamento La statistica media campionaria e la sua distribuzione
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
DettagliAlcune nozioni introduttive alla statistica
Capitolo 1 Alcune nozioni introduttive alla statistica 1.1 Valore atteso e varianza di variabili casuali Definizione 1. Se X è una variabile casuale discreta con distribuzione p(x), ossia P(X = x i ) =
DettagliESERCIZIO 1 Si considerino n v.c. Xi (i = 1,, n) tra loro indipendenti e somiglianti con media 10 e varianza 4. Si determini:
ESERCIZIO 1 Si considerino n v.c. Xi (i = 1,, n) tra loro indipendenti e somiglianti con media 10 e varianza 4. Si determini: VALORE ATTESO Variabile casuale SOMMA delle n variabili Variabile casuale MEDIA
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Indici di posizione e di variabilità Prof. Livia De Giovanni lstatistica@dis.uniroma1.it Esercizio 1 Data la seguente distribuzione unitaria del carattere X: X : 4 2 4 2 6 4
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La v.c. Uniforme Continua Secondo alcuni sondaggi sul sito della Apple (technical support site,
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile Uniforme Continua Data una scheda telefonica da 5 euro di cui non si sa se sia
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 3 1 Distribuzione di Bernoulli e Distribuzione Binomiale Esercizio 1 Sia n un intero maggiore
DettagliSi estrae casualmente usando uno schema di campionamento con ripetizione un campione di n=2 misurazioni.
ESERCIZIO 1 Si consideri la popolazione consistente di N=4 studenti (A, B, C, D) del corso di Statistica Avanzata. Il voto conseguito dagli studenti alla fine del corso è riportato nella seguente tabella:
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Rappresentazioni grafiche Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si consideri la seguente distribuzione delle industrie tessili secondo il fatturato
Dettagli4. Si supponga che il tempo impiegato da una lettera spedita dall Italia per arrivare a destinazione segua una distribuzione normale con media
Esercizi sulle distribuzioni, il teorema limite centrale e la stima puntuale Corso di Probabilità e Inferenza Statistica, anno 007-008, Prof. Mortera 1. Sia X la durata in mesi di una valvola per radio.
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
Dettagli1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
DettagliCapitolo 7. Distribuzioni campionarie. Statistica. Levine, Krehbiel, Berenson
Levine, Krehbiel, Berenson Statistica Capitolo 7 Distribuzioni campionarie Insegnamento: Statistica Applicata Corsi di Laurea in "Scienze e tecnologie Alimentari" Unità Integrata Organizzativa Agraria,
DettagliCampionamento e stima di parametri
Sia X una variabile aleatoria associata a un dato esperimento. Ripetiamo l esperimento n volte, ottenendo una famiglia di valori sperimentali della v.a. X : X = (X 1, X 2,..., X n ) ogni X i é una v.a.
DettagliEsercitazioni di statistica
Esercitazioni di statistica Intervalli di confidenza Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 10 Dicembre 2014 Stefania Spina Esercitazioni di statistica 1/43 Stefania Spina
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliDistribuzioni di Probabilità
Distribuzioni di Probabilità Distribuzioni discrete Distribuzione uniforme discreta Distribuzione di Poisson Distribuzioni continue Distribuzione Uniforme Distribuzione Gamma Distribuzione Esponenziale
DettagliIngegneria Logistica e della Produzione - Teledidattico. Prova del
Compito A Statistica A Ingegneria Logistica e della Produzione - Teledidattico Prova del 4-04-2006 Cognome e Nome......N 0 di Matricola...... Esercizio 1 Si considerino tre variabili casuali X 1, X 2 e
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
DettagliTEST DI AUTOVALUTAZIONE VARIABILI ALEATORIE
TEST DI AUTOVALUTAZIONE VARIABILI ALEATORIE I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Statistica 1 Parte A 1.1 Una variabile casuale e : 1.2 un sottoinsieme
DettagliStatistica inferenziale
Statistica inferenziale Problema Nello studio delle distribuzioni teoriche di probabilità si suppone di conoscere i principali parametri della popolazione che esaminiamo (ad esempio la media, varianza).
DettagliCorso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte IV: statistica inferenziale a cura di: S.Poffe
DettagliStatistica 1- parte II
Statistica 1- parte II Esercitazione 2 Dott.ssa Antonella Costanzo 18/02/2016 Esercizio 1. IC media incognita, varianza nota Una fabbrica A produce matite colorate. Una prova su 100 matite scelte a caso
DettagliStatistica. Esercitazione 10. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice. V.C.
uniforme Bernoulli binomiale di Esercitazione 10 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 55 Outline uniforme Bernoulli binomiale di 1 uniforme 2 Bernoulli 3 4
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 giugno 26 Statistica Esercizio Sia {X n } n una famiglia di v.a. di media µ e varianza σ 2. Verificare che X = n n X i σ 2 = n (X i µ) 2 S 2 = n
DettagliESAME. 9 Gennaio 2017 COMPITO A
ESAME 9 Gennaio 2017 COMPITO A Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliUniversità degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1 Lezione 1 - Martedì 23 Settembre 2014 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Approssimazione normale della Poisson (TLC) In un determinato tratto di strada il numero di incidenti
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliStatistica Metodologica
Statistica Metodologica Esercizi di Probabilita e Inferenza Silvia Figini e-mail: silvia.figini@unipv.it Problema 1 Sia X una variabile aleatoria Bernoulliana con parametro p = 0.7. 1. Determinare la media
DettagliSTATISTICA ESERCITAZIONE 9
STATISTICA ESERCITAZIONE 9 Dott. Giuseppe Pandolfo 19 Gennaio 2015 REGOLE DI CONTEGGIO Sequenze ordinate Sequenze non ordinate Estrazioni con ripetizione Estrazioni senza ripetizione Estrazioni con ripetizione
DettagliIl Teorema del limite Centrale (TLC)
(TLC) Teorema. Sia X 1,..., X n un campione i.i.d. per una v.a. X, avente E(X ) = µ e Var(X ) = σ 2 entrambi finiti. Allora Z n = X µ σ 2 n n Y N(0, 1) Si noti che nel calcolare Z n ho standardizzato X.
DettagliUniversità degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1 Lezione 1 - Mercoledì 28 Settembre 2016 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliEsercitazioni di Statistica Matematica A Lezioni 4-5. Calcolo combinatorio
Esercitazioni di Statistica Matematica A Lezioni -5 Calcolo combinatorio 1.1) Un treno ha n carrozze, sulla banchina della stazione vi sono r passeggeri (r n). Se i passeggeri scelgono a caso ed indipendentemente
DettagliSTATISTICA. Inferenza: Stima & Intervalli di confidenza, 1
STATISTICA Inferenza: Stima & Intervalli di confidenza, 1 Inferenza per la media Siano,,, variabili casuali i.i.d media campionaria: v.c. che predice il valore della media aritmetica dei dati nel campione
DettagliContenuto del capitolo
Capitolo 8 Stima 1 Contenuto del capitolo Proprietà degli stimatori Correttezza: E(Stimatore) = parametro da stimare Efficienza Consistenza Intervalli di confidenza Per la media - per una proporzione Come
DettagliUniversità degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1 Lezione 1 - Mercoledì 27 Settembre 2017 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliCorso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio Esercizio 1
Corso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio 2015 Nome e cognome: Matricola: c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. 8994
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliMetodi Statistici per il Marketing. #05 Elementi di statistica inferenziale e di teoria dei campioni
Corso di Metodi Statistici per il Marketing LUISS A.A. 2017-2018 #05 Elementi di statistica inferenziale e di teoria dei campioni 15 Marzo 2018 Alessio Guandalini (Docente: P. D Urso) #05 Elementi di statistica
DettagliCONFRONTI MULTIPLI TEST HSD DI TUKEY
CONFRONTI MULTIPLI TEST HSD DI TUKEY Nel caso in cui i risultati dell analisi della varianza ad una via sono significativi, ovvero se il R.V. è risultato avere un F maggiore dell F critico, e quindi le
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliII Esonero - Testo B
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 2017-18, I semestre 29 Gennaio 2018 II Esonero - Testo B Cognome Nome Matricola Esercizio 1. (20%) Si
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliProprietà asintotiche dello stimatore OLS
Università di Pavia Proprietà asintotiche dello stimatore OLS Eduardo Rossi Sequenze Consideriamo un infinita sequenza di variabili indicizzate con i numeri naturali: X 1, X 2, X 3,...,X N,... = {X N }
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliEsercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 23/5/2017
Esercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 3/5/017 Contents 1 Intervalli di confidenza 1 Intervalli su un campione 1.1 Intervallo di confidenza per la media................................
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =
DettagliTest delle ipotesi. Le differenze che vengono riscontrate possono essere ovviamente ricondotte a due possibilità:
Test delle ipotesi Test delle ipotesi Nel cercare di costruire un legame tra dati osservati e ipotesi teoriche sulle caratteristiche dell intera popolazione si deve, in genere, prendere una decisione per
DettagliIl test (o i test) del Chi-quadrato ( 2 )
Il test (o i test) del Chi-quadrato ( ) I dati: numerosità di osservazioni che cadono all interno di determinate categorie Prima di tutto, è un test per confrontare proporzioni Esempio: confronto tra numero
DettagliTeorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliGli intervalli di confidenza. Intervallo di confidenza per la media (σ 2 nota) nel caso di popolazione Gaussiana
Statistica Lez. 1 Gli intervalli di confidenza Intervallo di confidenza per la media (σ nota) nel caso di popolazione Gaussiana Sia X una v.c Gaussiana di media µ e varianza σ. Se X 1, X,..., X n è un
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014. I Esonero - 29 Ottobre Tot.
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014 I Esonero - 29 Ottobre 2013 1 2 3 4 5 6 7 8 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliScritto del
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 2017-18, I semestre 26 Giugno 2018 Scritto del 26-6 -18 Cognome Nome Matricola Esercizio 1. Un urna contiene
DettagliUniversità degli Studi di Cassino. Esercitazione di Statistica 2 dell Simona Balzano
Università degli Studi di Cassino Esercitazione di Statistica dell 8.0.007 Simona Balzano Esercizio 1 Uno studente supera una prova con probabilità pari a 0,6. Considerando un campione di ampiezza 10,
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliTeoremi limite. Enrico Ferrero. 27 febbraio 2007
Teoremi limite Enrico Ferrero 27 febbraio 2007 LA DISEGUAGLIANZA DI CHEBYCHEV Sia X una variabile aleatoria avente valore medio µ e varianza σ 2. Sia poi K un arbitrario numero positivo. È possibile dimostrare
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 5 Abbiamo visto: Modelli probabilistici nel continuo Distribuzione uniforme continua Distribuzione
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliVariabili aleatorie Parte I
Variabili aleatorie Parte I Variabili aleatorie Scalari - Definizione Funzioni di distribuzione di una VA Funzioni densità di probabilità di una VA Indici di posizione di una distribuzione Indici di dispersione
DettagliProbabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09. Due roulette regolari vengono azionate più volte; sia T il numero di volte che occorre azionare la prima roulette
DettagliCalcolo delle Probabilità e Statistica Matematica Fisciano, 10/1/2012
Fisciano, 10/1/2012 Esercizio 1 Un esperimento consiste nel generare a caso un vettore di interi (x 1, x 2, x 3, x 4 ), dove x i {1, 2, 3, 4, 5, 6} i. (i) Si individui lo spazio campionario, determinandone
DettagliSTATISTICA (modulo II - Inferenza Statistica) Soluzione Esercitazione I
Soluzione Esercitazione I Esercizio A. Si indichi con A i l evento la banca i decide di aprire uno sportello per il quale Pr(A i = 0.5 (e dunque Pr(A i = 0.5 per i =, 2, 3. Lo spazio degli eventi dato
DettagliDistribuzioni di probabilità discrete. Prof.ssa Fabbri Francesca Classe 5C
Distribuzioni di probabilità discrete Prof.ssa Fabbri Francesca Classe 5C Esempio Consideriamo un urna con 6 palline Verdi e 4 palline Gialle; estraiamo senza reimmissione 3 palline e valutiamo l evento:
DettagliEsercitazione del 29 aprile 2014
Esercitazione del 9 aprile 014 Esercizio 10.13 pg. 94 Complemento: Calcolare la probabilità che un negozio apra tra le sette e venti e le nove e quaranta del mattino. Soluzione: Siccome non è nota la distribuzione
DettagliCampionamento e distribuzione campionaria della media
Università del Piemonte Orientale Corso di Laurea in Biotecnologia Corso di Statistica Medica Campionamento e distribuzione campionaria della media 1 Argomenti della lezione - Perché estrarre un campione
DettagliLaboratorio di Probabilità e Statistica
Laboratorio di Probabilità e Statistica lezione 5 Massimo Guerriero Ettore Benedetti Indice Lezione Prerequisiti dalla lezione scorsa Media e varianza campionaria Legge dei grandi numeri Teorema del limite
DettagliConcetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017. Giovanni Lafratta
Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2016/2017 Giovanni Lafratta ii Indice 1 Spazi, Disegni e Strategie Campionarie 1 2 Campionamento casuale
DettagliStatistica Inferenziale Soluzioni 3. Verifica di ipotesi
ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
DettagliConcetti principale della lezione precedente
Corso di Statistica medica e applicata 9 a Lezione Dott.ssa Donatella Cocca Concetti principale della lezione precedente I concetti principali che sono stati presentati sono: Variabili su scala nominale
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliFacoltà di Scienze Politiche Corso di laurea in Servizio sociale. Compito di Statistica del 7/1/2003
Compito di Statistica del 7/1/2003 I giovani addetti all agricoltura in due diverse regioni sono stati classificati per età; la distribuzione di frequenze congiunta è data dalla tabella seguente Età in
DettagliEsercitazioni di Statistica Metodologica
Esercitazioni di Statistica Metodologica June 22, 2009 1 Esercizio La compagnia di telefonia fissa Happy Line ha svolto una indagine sul numero di telefonate effettuate dai suoi clienti la settimana scorsa.
DettagliEsercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)
STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che
DettagliConcetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2017/2018. Giovanni Lafratta
Concetti di teoria dei campioni ad uso degli studenti di Statistica Economica e Finanziaria, A.A. 2017/2018 Giovanni Lafratta ii Indice 1 Spazi, Disegni e Strategie Campionarie 1 2 Campionamento casuale
DettagliESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE
ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 7 Maggio 2013 Esercizio
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
Dettagli