Risultati esperienza sul lancio di dadi Ho ottenuto ad esempio:
|
|
- Carolina Bettini
- 7 anni fa
- Visualizzazioni
Transcript
1 Dado B (6): Somma A+B (9):
2 Faccia n Eventi frequenza relativa f n f F f /100= /100= /100= /100=0.28 Il risultato ottenuto riflette il fatto che le facce del dado sono tutte equamente accessibili
3 Come differisce il risultato ottenuto da quello atteso? Ci aspettavamo: Faccia n Eventi frequenza relativa x F x f x = F x / N /100= /100= /100= /100=0.28 F 1 =F 2 =F 3 =F Infatti, se N è il numero di lanci, assumo che: F P x = lim x N "# N P x ha significato di probabilità Il risultato ottenuto riflette il fatto che le facce del dado sono tutte equamente accessibili
4 ! Sia x i il numero corrispondente alla faccia uscita nel lancio i-esimo. Possiamo calcolare il valor medio dei risultati ottenuti come: oppure: x = x = x max # x= x min x max # x= x min N " i=1 N x " F x F x x i = K+1 = 100 = " " " " = 2.58
5 Il valore atteso sarà: x = lim N "# = x max % x= x min x max % x= x min x max % f = x min x $ P x P x x max x $ F x ( N) =L % F x N x= x min ( ) x max = % x $ P x =L x= x min OK? =1$ $ $ $ 0.25 = 2.5
6 !! Sarà utile definire la grandezza = = x max $ x= x min N $ i=1 ( x i # x) 2 N (x # x) 2 % F x =L = (1" 2.58)2 # 24 + (2 " 2.58) 2 # 22 + (3 " 2.58) 2 # 26 + (4 " 2.58) 2 # "1.133 N =L =K scarto quadratico medio dal valor medio dei dati
7 !! Ancora meglio la grandezza = = x max $ x= x min N $ i=1 ( x i # x) 2 N #1 (x # x) 2 % F x N #1 =L =L = (1" 2.58)2 # 24 + (2 " 2.58) 2 # 22 + (3 " 2.58) 2 # 26 + (4 " 2.58) 2 # " Deviazione Standard =K
8 La deviazione standard σ x ci fornisce un indicazione della larghezza della distribuzione dei valori ottenuti (rappresentata con l istogramma) attorno al valore medio x. x = 2.58 x A = 2.5 #1.139 " A =?!
9 La deviazione standard σ x fornisce dunque un indicazione della discrepanza tra valore ottenuto e valore medio x che potrò attendermi ad ogni singolo lancio. x = 2.58 x A = 2.5 #1.139 " A =? Come ottenerla?!
10 ! Risultati esperienza sul lancio di dadi Per calcolare il valore atteso: " A = lim N #$ = lim N #$ x max & x max & x= x min N & i=1 ( x i % x) 2 N %1 =L (x % x) 2 ' F x ( N) N = (x % x) 2 ' P x x= x min "1.118 =L Deviazione Standard attesa per il dado a (4 facce)
11 ! Risultati esperienza sul lancio di dadi! In alternativa, poiché (come è facile verificare direttamente) si ha: 2 # x 2 $ x 2 il valore atteso può essere ottenuto dai momenti primo e secondo della distribuzione limite attesa. " A = x 2 A # x A " A = 7.5 # $ Deviazione Standard attesa per il dado A (4 facce)
12 Ora ho tutti i parametri di riferimento. Sono soddisfatto del risultato ottenuto? E normale o sorprendente? x = 2.58 x A = 2.5 #1.139 " A #1.118!
13 Sono soddisfatto del risultato ottenuto? E normale o sorprendente? Per il confronto sulla base dei parametri considerati, serve ancora almeno un riferimento che mi dia una scala per le discrepanze della media. x = 2.58 x A = 2.5 #1.139 " A #1.118!
14 ! Sarà utile introdurre la grandezza = N che corrisponde alla deviazione standard per il valore medio su N risultati ottenuti. Nel nostro caso si ha: = = # 0.11 Deviazione standard della media per il risultato dei 100 lanci del dado A!
15 Sono soddisfatto del risultato ottenuto? E normale o sorprendente? La discrepanza del risultato dal valore atteso è contenuta nella scala di riferimento per le discrepanze della media. x = 2.58 x A = 2.5 # 0.11 #1.139 " A #1.118
16 Dado B (6): Sono soddisfatto del risultato ottenuto? E normale o sorprendente? La discrepanza del risultato dal valore atteso è contenuta nella scala di riferimento per le discrepanze della media. x = 3.72 x B = 3.5 # 0.19 #1.897 " B #1.700
17 Somma A+B (9): Sono soddisfatto del risultato ottenuto? E normale o sorprendente? La discrepanza del risultato dal valore atteso è contenuta nella scala di riferimento per le discrepanze della media. x = 6.3 x A +B = 6 # 0.22 # " A +B # 2.035
18 Per inserire i vostri dati ottenuti con il lancio dei dadi, andate al sito:
19 Il modulo on-line non sostituisce la relazione, che è da fare secondo la traccia suggerita in un documento dedicato (che troverete sul sito La traccia prevede in particolare quanto descritto nel seguito della presentazione.
20
21 Nel plot 1 dovreste aver osservato una distribuzione uniforme dei valori su tutta l area del grafico. E il segnale che ciascuna misura risulta indipendente dalla successiva e dalla precedente. Questo ci permette di estrarre un valor medio, una deviazione standard ed una deviazione dalla media Risultato dado Numero tiro di Dado Sebbene la cosa sembri una banalità vedremo che in alcune delle esperienze successive questa condizione non è verificata, questo rende molto più problematica l estrazione delle osservabili statistiche
22 Nei plot 2, 3 e 4 Dovreste aver osservato una riduzione delle fluttuazioni con il crescere del numero dei tiri di dado Valor Medio # tiri dado Deviazine standard # tiri dado Osservate che la deviazione standard rimane sostanzialmente costante con il numero di tiri e che, in generale, bastano pochi tiri per avere una stima ragionevole del suo valore Osservate che la deviazione dalla media tende a zero e, diversamente alla deviazione standard, diminuisce all aumentare del numero di tiri. Per la somma dei dadi, gli andamenti dovranno essere ovviamente analoghi
23 Media Dadi media dadi discrepanza errore I due dadi sono uguali? Indipendentemente dal fatto che siano truccati o meno Misura sperimentale arb. units = t = x 1 2 m1 2! +! 2 m2 bisogna usare la Misura sperimentale deviazione dalla media 0 < t < 1 Le due misure sono certamente consistenti i dadi sono uguali 1 < t < 2 Ho tra il 5-30% di probabilità che le due misure siano consistenti Le due misure sono consistenti - i dadi sono uguali 2 < t < 3 Ho tra lo 0.3-5% di probabilità che le due misure siano consistenti Le due misure con molta probabilità non sono consistenti - i dadi con molta probabilità NON sono uguali - sarebbe opportuno fare ulteriori misure t > 3 Ho meno del 0.3 % di probabilità che le due misure siano consistenti Le due misure non sono consistenti - i dadi NON sono uguali Media Dadi Accelerazione di Gravità (m/s2) Dado 1 Dado 2 Dado 1 Dado arb. units
24 La misura è riprodotta dalla teoria? Valore Atteso Misura sperimentale Valore Atteso Misura sperimentale media dadi media dadi arb. 2units arb. 2units 3 4 t = x teo! m1 1 bisogna usare la deviazione dalla media 0 < t < 1 La teoria ed i dati sono consistenti 1 < t < 2 Ho tra il 5-30% di probabilità che la teoria ed i dati siano consistenti 2 < t < 3 Ho tra lo 0.3-5% di probabilità che la teoria ed i dati siano consistenti t > 3 Ho meno del 0.3 % di probabilità che la teoria ed i dati siano consistenti
25 ANALISI DEI RISULTATI Se osservo che i due dadi NON sono uguali Perché i due dadi non sono uguali? Leggete il diario della misura log-book Metodo : Le due misure sono state svolte in maniera differente? Li ho tirati in maniera differente? La superficie su cui ho lanciato i due dadi era differente? E successo qualcosa tra le due misure? Altre buone idee? Se non trovo una motivazione di metodo DEVO concludere che i due dadi sono diversi tra loro
26 ANALISI DEI RISULTATI Se la teoria non predice il risultato della misura Difetto nella teoria: la teoria ha trascurato qualche effetto importante o le approssimazioni fatte non sono valide Se trovo un difetto nella teoria o qualche approssimazione di troppo allora correggo la teoria e rifaccio il confronto con i dati sperimentali. Se non riesco a trovare una motivazione fisica, può essere presente un errore sistematico? Rifaccio la misura con una strumentazione differente Cerco irregolarità o inconsistenze nei dati sperimentali Controllo la strumentazione usata su un effetto NOTO Altre buone idee? Se trovo un errore sistematico, lo correggo e rifaccio il confronto con la teoria Ovviamente nel caso dei dadi non può esistere un errore sistematico Nel caso la non consistenza rimanga devo concludere che il modello NON è valido Nel caso specifico il dado non è equiprobabile, è truccato
Teorema 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
DettagliPendolo - Scheda n.1. Obiettivo dell esperimento. Materiale a disposizione. Relazioni usate e approssimazioni fatte. Modalità di esecuzione
Pendolo - Scheda n.1 Obiettivo dell esperimento Materiale a disposizione Relazioni usate e approssimazioni fatte Modalità di esecuzione Pendolo - Scheda n.1 Tabella con Dataset ii Fate attenzione a: Unità
DettagliCriteri di Valutazione della scheda (solo a carattere indicativo)
Criteri di Valutazione della scheda (solo a carattere indicativo) Previsioni - A Sono state fatte le previsioni e discussi i valori attesi insieme al ragionamento con cui sono stati calcolati? E stata
DettagliESPERIENZA DADI. Nome Cognome: Numero gruppo: Data Consegna: Anno accademico: Se Possibile tenete il formato di queste schede
ESPERIENZA DADI Nome Cognome: E-mail: Numero gruppo: Data Consegna: Anno accademico: Se Possibile tenete il formato di queste schede Dadi - Scheda n.1 Obiettivo dell esperimento Materiale a disposizione
DettagliDistribuzione Gaussiana - Facciamo un riassunto -
Distribuzione Gaussiana - Facciamo un riassunto - Nell ipotesi che i dati si distribuiscano seguendo una curva Gaussiana è possibile dare un carattere predittivo alla deviazione standard La prossima misura
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
DettagliLa relazione è sostanzialmente la sintesi di questi punti
Nota iniziale Per una compilazione corretta della scheda è fondamentale riportare e rispondere correttamente alle domande poste nelle varie sezioni. La domanda e la sua relativa risposta devono essere
DettagliSTIME STATISTICHE. Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 2/2
p. 1/1 INFORMAZIONI Prossime lezioni Giorno Ora Dove 10/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 17/02 14:30 P50 23/02 14:30 P50 25/02 14:30 Aula informatica (6-7 gruppi) 02/03 14:30 P50 04/03
DettagliAppunti di statistica ed analisi dei dati
Appunti di statistica ed analisi dei dati Indice generale Appunti di statistica ed analisi dei dati...1 Analisi dei dati...1 Calcolo della miglior stima di una serie di misure...3 Come si calcola μ...3
DettagliDistribuzione Gaussiana
Nella maggioranza dei casi (ma non in tutti) facendo un istogramma delle misure acquisite si ottiene una curva a campana detta normale o Gaussiana. G,, G,, d 1 e 2 1 Distribuzione Gaussiana 1 2 = Valor
Dettaglip. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali.
p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica
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
Dettagli3 - Esercizi: strumenti di misura, propagazione degli errori, media, deviazione standard, intervalli
3 - Esercizi: strumenti di misura, propagazione degli errori, media, deviazione standard, intervalli Esercizio 1: Si intende misurare la densità di un fluido tramite misure di massa e di volume. Lo si
DettagliMISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE
MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE La distanza focale f di una lente convergente sottile è data dalla formula: da cui 1 f = 1 p + 1 q f = pq p + q dove p e q sono, rispettivamente, le
DettagliLa relazione è sostanzialmente la sintesi di questi punti
Nota iniziale Per una compilazione corretta della scheda è fondamentale riportare e rispondere correttamente alle domande poste nelle varie sezioni. La domanda e la sua relativa risposta DEVONO essere
DettagliOsservazioni e Misura. Teoria degli errori
Osservazioni e Misura ella misura di una grandezza fisica gli errori sono inevitabili. Una misura non ha significato se non viene stimato l errore. Teoria degli errori La teoria degli errori cerca di trovare
DettagliModelli matematici di fenomeni aleatori Variabilità e casualità
Modelli matematici di fenomeni aleatori Variabilità e casualità La casualità è alla base della scelta degli individui che compongono un campione ai fini di un indagine statistica. La casualità è alla base
DettagliCampionamento. Una grandezza fisica e' distribuita secondo una certa PDF
Campionamento Una grandezza fisica e' distribuita secondo una certa PDF La pdf e' caratterizzata da determinati parametri Non abbiamo una conoscenza diretta della pdf Possiamo determinare una distribuzione
DettagliMatematica con elementi di statistica ESERCIZI: probabilità
Matematica con elementi di statistica ESERCIZI: probabilità Esercizi sulla Probabilità Esercizio 1. In un corso di laurea uno studente deve scegliere un esame fra 8 di matematica e un esame fra 5 di fisica.
DettagliEsercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata
Esercitazioni del Corso di Probabilitá e Statistica Lezione 2: Eventi disgiunti, eventi indipendenti e probabilitá condizionata Stefano Patti 1 19 ottobre 2005 Definizione 1 Sia (Ω, F) uno spazio probabilizzabile.
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliFacciamo 1 cicli di 25 misure da una popolazione per scatola di resistenze
Si supponga di voler verificare che due forniture di resistenze di valore nominale dichiarato (per esempio sia = 470 ) sia affidabile. Si supponga che ogni fornitura sia normalmente distribuita con deviazione
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
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 00- P.Baldi Lista di esercizi. Corso di Laurea in Biotecnologie Esercizio Si sa che in una schedina del totocalcio i tre simboli, X, compaiono con
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 DESCRITTIVA. Elementi di statistica medica GLI INDICI INDICI DI DISPERSIONE STATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA Elementi di statistica medica STATISTICA DESCRITTIVA È quella branca della statistica che ha il fine di descrivere un fenomeno. Deve quindi sintetizzare tramite pochi valori(indici
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliPAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore
PAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore medio, Errore quadratico medio (eqm), Deviazione standard,
DettagliISTOGRAMMI E DISTRIBUZIONI:
ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 2
Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi
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
Dettagli3) Vengono di nuovo ripetute le misure del punto 2 e i risultati sono s, s, s, s, s, s, s, 96.
Problema A Un pendolo e costituito da una massa di dimensioni trascurabili appesa a un filo considerato in estensibile, di massa trascurabile, lunghezza L, e fissato a un estremo. L Il periodo di oscillazione
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
DettagliLe variabili casuali o aleatorie
Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore
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,
Dettagli5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana)
5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) Esercizio 1: Una variabile casuale e caratterizzata da una distribuzione uniforme tra 0 e 10. Calcolare - a) la probabilità
DettagliPOPOLAZIONE E CAMPIONI
p. 1/2 POPOLAZIONE E CAMPIONI POPOLAZIONE insieme di tutti quegli elementi che hanno almeno una caratteristica comune (persone, oggetti,misure, osservazioni). Consideriamo il caso di caratteristiche associate
DettagliINFORMAZIONI. p. 1/23
p. 1/23 INFORMAZIONI Prossime lezioni Giorno Ora Dove Giovedi 11/02 14:30 Laboratorio (via Loredan) Martedi 16/02 14:30 P50 Lunedi 22/02 09:30 P50 Martedi 23/02 14:30 P50 Giovedi 25/02 14:30 Aula informatica
DettagliDefinizione della variabile c 2 Distribuzione della variabile c 2
Definizione della variabile c Distribuzione della variabile c In queste definizioni ho N variabili indipendenti, nessun vincolo e quindi N coincide con i gradi di libertà In un sistema fisico dove il numero
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
Dettagli17. LA DISTRIBUZIONE NORMALE E LA FUNZIONE DI GAUSS
17. LA DISTRIBUZIONE NORMALE E LA FUNZIONE DI GAUSS 17.1 LA DISTRIBUZIONE DEI DATI Nel trattare gli errori casuali abbiamo utilizzato il concetto di media aritmetica ed il concetto di deviazione standard
DettagliSoluzione Esercizio 1 (pag 1):
8 - Test di Ipotesi Esercizio 1: Dopo anni di esperienza e noto che la distribuzione della concentrazione di rame nel sangue umano e ben descritta da una distribuzione gaussiana di parametri μ=3.2 10-5
DettagliTutorato di Chimica Analitica 2016/2017
Tutorato di Chimica Analitica 2016/2017 Friendly reminder La notazione scientifica Modo per indicare un risultato con numerose cifre decimali come prodotto di una potenza di 10 esempio Cifre significative
DettagliEsercitazione # 3. Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti
Statistica Matematica A Esercitazione # 3 Binomiale: Esercizio # 1 Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti 1. mai 2. almeno una volta 3. quattro volte Esercizio #
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 3
Sperimentazioni di Fisica I mod. A Statistica - Lezione 3 A Garfagnini, M Mazzocco, C Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Teoria della Probabilità L ineliminabile
DettagliMisure e errori di misura (incertezze)
Misure e errori di misura (incertezze) Ogni volta che facciamo una misura cerchiamo di stimare il valore vero di una grandezza. C è un limite alla precisione con la quale facciamo questa stima: Sensibilità
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
DettagliLaboratorio di Chimica Fisica. Analisi Statistica
Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica
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
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica La distribuzione delle statistiche campionarie Teorema del limite centrale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio (Scozzafava) Una ferrovia metropolitana
DettagliESPERIMENTO DEL LANCIO DEI DADI
ANNO SCOLASTICO 214/215 SCUOLA SECONDARIA DI PRIMO GRADO UGO FOSCOLO SCHEDA SPERIMENTALE DI MATEMATICA ESPERIMENTO DEL LANCIO DEI DADI ALUNNA: MARTINA PETRARULO CLASSE: III B PROFESSORE: DANIELE BALDISSIN
DettagliVariabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliCon questi dati, effettuando una regressione lineare con il metodo dei minimi quadrati, otteniamo:
ESPERIMENTAZIONI DI FISICA I - Appello d esame del 1/09/019 Quesito A (possibilità di svolgerlo con l ausilio di strumenti informatici) Si vuole fare una verifica sperimentale del valore numerico di π
DettagliEsercitazione del 31/01/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del 1/01/2012 Istituzioni di Calcolo delle Probabilità Esercizio 1 Vengono lanciati due dadi regolari a 6 facce. (a) Calcolare la probabilità che la somma dei valori ottenuti sia 9? (b) Calcolare
DettagliAnalisi Statistica dei Dati Sperimentali. M. Trimarchi e P. La Rocca
Analisi Statistica dei Dati Sperimentali M. Trimarchi e P. La Rocca Misura delle Grandezze Fisiche Misure dirette Confronto con un campione dell unità di misura Lunghezze Metro Misure indirette Operazioni
DettagliProva intercorso di laboratorio di Fisica I AA Matricole Pari 07-apr-16. Esercizi preparatori tipici
Prova intercorso di laboratorio di Fisica I AA 2015-2016 Matricole Pari 07-apr-16 Esercizi preparatori tipici 1. Quale e' la probabilita' di avere almeno una testa, lanciando 3 monete? Risposta: P= 7/8
DettagliDipartimento di Fisica a.a. 2003/2004 Fisica Medica 2 Indici statistici 22/4/2005
Dipartimento di Fisica a.a. 23/24 Fisica Medica 2 Indici statistici 22/4/25 Ricerca statistica La ricerca può essere deduttiva (data una legge teorica nota cerco verifica tramite più misure) ovvero induttiva
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
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 9-Introduzione alla statistica inferenziale (vers. 1.2, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliProblemi pratici teorici-sperimentali
Problemi pratici teorici-sperimentali 1. Se viene fatta una sola misura come si estrae la deviazione standard? Risposta: per convenzione si prende come deviazione standard la metà della sensibilità dello
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
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
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliDispensa sulla funzione gaussiana
Sapienza Università di Roma Dipartimento di Scienze di Base e Applicate per l Ingegneria Sezione di Matematica Dispensa sulla funzione gaussiana Paola Loreti e Cristina Pocci A. A. 011-01 1 Introduzione:
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 25 febbraio 2016 (9.00/13.00)
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
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
DettagliLegge di sopravvivenza nel lancio dei dadi
Un esempio di costruzione di un modello probabilistico: la legge di sopravvivenza nel lancio dei La ricerca dell'accordo con i dati sperimentali: l'approccio visivo e l'uso del Chi-quadro (χ2 ) Legge di
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
DettagliCNOS FAP FORLI' 06/12/2017 CALCOLO MATEMATICO E GEOMETRIA BASI DI STATISTICA
CNOS FAP FORLI' 06/12/2017 CALCOLO MATEMATICO E GEOMETRIA BASI DI STATISTICA La statistica è una parte della matematica che serve per cercare di prevedere il comportamento complessivo di un numero elevato
Dettagli3.1 La probabilità: eventi e variabili casuali
Capitolo 3 Elementi di teoria della probabilità Abbiamo già notato come, per la ineliminabile presenza degli errori di misura, quello che otteniamo come risultato della stima del valore di una grandezza
DettagliBIOMECCANICA A A 2 0 11-2 0 1 2. P r o f. s s a M a r i a G u e r r i s i D o t t. P i e t r o P i c e r n o
A A 2 0 11-2 0 1 2 U N I V E R S I TA D E G L I S T U D I D I R O M A T O R V E R G ATA FA C O LTA D I M E D I C I N A E C H I R U R G I A L A U R E A T R I E N N A L E I N S C I E N Z E M O T O R I E
DettagliElementi di Teoria della Probabilità
Elementi di Teoria della Probabilità Alcune definizioni iniziali: Fenomeno casuale: fenomeno ripetibile (almeno in teoria) infinite volte che può manifestarsi in diverse modalità, imprevedibili singolarmente,
DettagliTaratura statica. Laboratorio n. 3 a.a. 2004-2005. Sito di Misure: http://misure.mecc.polimi.it
Laboratorio n. 3 a.a. 2004-2005 Taratura statica Prof. Alfredo Cigada 02-2399.8487 alfredo.cigada@polimi.it Ing. Alessandro Basso 02-2399.8488 alessandro.basso@polimi.it Ing. Massimiliano Lurati 02-2399.8448
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VI
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VI Test del χ 2 (il file Excel test_chi.xls mostra possibili sviluppi degli esercizi proposti) Esercizio 1a) un
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
DettagliMedia: è la più comune misura di tendenza centrale. Può essere calcolata per variabili numeriche.
Misure di tendenza centrale e di variabilità: Media: è la più comune misura di tendenza centrale. Può essere calcolata per variabili numeriche. Il valore medio di una variabile in un gruppo di osservazioni
DettagliI modelli probabilistici
e I modelli probabilistici Finora abbiamo visto che esistono modelli probabilistici che possiamo utilizzare per prevedere gli esiti di esperimenti aleatori. Naturalmente la previsione è di tipo probabilistico:
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
DettagliLezione 4 a - Misure di dispersione o di variabilità
Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono
Dettagli2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
DettagliINTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 2 Concetti di base
INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte Concetti di base Pagina CONCETTI STATISTICI DI PARTENZA - DESCRITTORI DI UNA VARIABILE RANDOM - GRAFICI UTILI - DISTRIBUZIONI
DettagliRichiami di Matematica
Richiami di Matematica Tabelle: ci dicono qualcosa sulla relazione tra due grandezze. Tre esempi: grandezze direttamente proporzionali, inversamente proporzionali e proporzionali una al quadrato dell altra
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
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 7 home - indice In base agli arrotondamenti effettuati nei calcoli,
DettagliL istogramma dei nomi degli studenti presenti può essere descritto tranquillamente da un istogramma a barre. L istogramma dei voti riportati ad un
Gli istogrammi L istogramma è una rappresentazione grafica di una distribuzione di frequenza di una certa grandezza, ossia di quante volte in un insieme di dati si ripete lo stesso valore. Esistono diversi
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosiddette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
DettagliIniziativa realizzata con il contributo della Regione Toscana nell ambito del progetto. Rete Scuole LSS a.s. 2016/2017
Iniziativa realizzata con il contributo della Regione Toscana nell ambito del progetto Rete Scuole LSS a.s. 2016/2017 LANCIO DI n DADI Calcolo delle probabilità Classe 4 A Liceo Classico IIS Carducci Volterra
DettagliTest di preparazione all esame. Attenzione a non confonedere il coefficiente. n(n 1) (n m + 1) m(m 1) 2 1
Test di preparazione all esame. Attenzione a non confonedere il coefficiente binomiale ( ) n m con la frazione n m. I coefficiente binomiale si può calcolare come ( ) n m = n(n 1) (n m + 1). m(m 1) 2 1
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliParametri statistici
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Parametri statistici 24/1/2005 Deviazione standard della media La variabilità di una distribuzione può quindi essere espressa da un indice
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliProva intercorso di laboratorio di Fisica I AA Matricole Pari 29 mar 17
Prova intercorso di laboratorio di Fisica I AA 2016 2017 Matricole Pari 29 mar 17 1. Quale e' la probabilita' di estrarre o un asso o una carta di denari, da un mazzo di 40 carte? Risposta: P= P(asso)+P(denari)
DettagliP (CjB m )P (B m ja) = p:
Esonero di Calcolo delle Probabilità del 7/04/ ESERCIZIO. Nel gioco del domino le tessere (di solito nere) sono divise in due riquadri, su ciascuno dei quali viene riportato, quale punteggio, un certo
DettagliSignificato probabilistico di σ: su 100 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo
Significato probabilistico di σ: su 1 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo x σ, x + σ e 99.7 nell intervallo x 3 σ, x + 3 Se si considerano campioni
Dettagli