Matematica II: Calcolo delle Probabilità e Statistica Matematica
|
|
- Lino Venturini
- 7 anni fa
- Visualizzazioni
Transcript
1 Matematca II: Calcolo delle Probabltà e Statstca Matematca ELT A-Z Docente: dott. F. Zucca Eserctazone # 8 Gl esercz contrassegnat con (*) sono tratt da Eserc Prof. Secch # 0 - Statstca Matematca A Regressone lneare semplce Eserczo Per quattro Ingegner s sono osservat gl ann trascors dalla Laurea X e l reddto annuale lordo Y msurato n euro. I rsultat sono rassunt dalla seguente tabella: Ingegnere X Y 575, , ,42 436,55. S determn la retta d regressone d Y su X 2. Se Z = X 2, la retta d regressone d Y su Z spega una maggore proporzone d varabltà d Y rspetto alla retta determnata al punto precedente? 3. S stm l reddto annuale lordo d un Ingegnere laureato da 3 ann Eserczo 2 I valor assunt da due grandezze X ed Y n 20 dvers cas fornscono per entrambe le grandezze meda camponara nulla e varanze camponare s 2 X = 9 e s2 Y = 4 rspettvamente.. S determn la retta d regressone d Y su X sapendo che essa passa per l punto (3, ) 2. S calcol l coeffcente rxy 2 3. S determn la retta d regressone d X su Y Eserczo 3 (*)In una tabella sono raccolt seguent dat X Y Calcolare la retta d regressone d Y su X 2. Calcolare l coeffcente d correlazone d X ed Y 3. Calcolare l coeffcente d correlazone d X e Z = ln Y. Questo modello è mglore del precedente?
2 Eserczo 4 (*) S vuole studare la relazone tra le varabl Peso delle madr (X) e Peso de fgl (Y), entrambe msurate n Kg. Le osservazon (x, y ) per =,..., 2 sono tal che 2 = x = 800, 2 = y = 8, 2 = x2 = 5348, 2 = y2 = 54849, 2 = x y = Determnare la retta d regressone d Y su X. 2. Proporre uno stmatore non dstorto per la varanza σ 2 delle component d errore ε del modello d regressone. Supposte valde le potes gaussane: 3. verfcare l potes nulla H 0 : β = 0 contro H : β 0 al lvello del 2%. 4. verfcare se la retta d regressone passa per l orgne al lvello del 2%. Eserczo 5 (*) Nel corso d uno studo naturalstco sono stat raccolt dat su 8 esemplar d una certa spece d albero: sono state msurate le altezze x (n metr) e pes y (n Kg.). Nell ntento d evdenzare una relazone tra le grandezze s potzza un legame lneare: y = β 0 + β x + ε sotto le potes gaussane (coè ε N ( 0; σ 2) ). Dopo l esecuzone della regressone, s sono trovat seguent valor per le stme de parametr e la somma de resdu al quadrato: ˆβ 0 = 0.2; ˆβ = 25.3; SS E = 72.5 con stme degl error standard d ˆβ 0 e ˆβ date da se ˆβ0 = ; se ˆβ = Calcolare un ntervallo d confdenza al lvello 80% per β 0 e per β 2. verfcare se la retta d regressone passa per l orgne al lvello 20% ed al lvello 0% 3. calcolare gl ntervall d confdenza al 90% per la prevsone meda e per la prevsone del peso d un albero alto 0 metr. Eserczo 6 (*) In una certa comuntà s regstrano menslmente l consumo d gelat X msurato n Kg. e l numero d cas d allerga al pollne Y. I dat raccolt nell ultmo anno fornscono le seguent nformazon: Il coeffcente d correlazone vale 0.93 X = 20; S X = 00 Ȳ = 22; S Y = 5. S determn la retta d regressone d Y su X e se ne dsegn l grafco 2. S stm (puntualmente) l numero d cas d allerga n un mese n cu l consumo d gelat è par a 300 Kg. La prevsone ottenuta è buona? 2
3 2 Regressone lneare multpla Eserczo 7 (*) Da un elaborazone prelmnare su seguent dat: x y rsultano le seguent devazon standard camponare σ X = 2.427, σ Y = ed l coeffcente d correlazone ρ xy = S esegue una regressone lneare supponendo e che valgano le potes gaussane.. Stmare coeffcent β 0 e β. Y = β 0 + β x + ɛ 2. Calcolare un ntervallo d confdenza per β 0 al 95%. 3. S valut l opportuntà d aggungere l nuovo regressore x 2 Y = β 0 + β x + β 2 x 2 + ɛ con un test al 5% sapendo che per l modello n questone SS E = S consdera l seguente modello Y = β 0 + β x 3 + ɛ; quanto dovrebbe valere la somma de quadrat resdua affnché sa preferble questo modello a quello d regressone semplce? Eserczo 8 (*) Ad un gruppo d 4 uomn vengono msurat peso X, altezza Y e crconferenza toracca Z; l rsultato è rassunto nella seguente tabella: X (n Kg) Y (n cm) Z (n cm)
4 Eseguendo una regressone d X rspetto ad Y e Z s ottene n SS E = ( x x ) 2 = , SS R = SS T = = n ( x x) 2 = , = n (x x) 2 = 94.. Esegure un test per la sgnfcatvtà della regressone al 0%. 2. Determnare l P-value del test. Eserczo 9 = Una compagna d sondagg ha raccolto seguent dat crca l prezzo de vol aere (Y), la dstanza chlometrca tra l aeroporto d partenza e d arrvo (X) e l numero d post dsponbl Y X X all atto dell acqusto (X2): Stmare coeffcent della regressone multpla 2. Calcolare l coeffcente d detrmnazone multpla corretto R 2 adjusted 3. Stmare la varanza dell errore 3 Svolgment Soluzone Es.. Ipotzzamo che valga un modello del tpo Y = β 0 + β x. Per determnare la retta d regressone occorre calcolare le stme ˆβ 0 e ˆβ d β 0 e β rspettvamente. È noto che ˆβ = sxy s xx e ˆβ 0 = y ˆβ x; utlzzando queste formule e calcolando s xy = , s xx = 42 s yy = s ottene ˆβ 0 = 9904, 87 e ˆβ = 295, 9. L espressone della retta d regressone (stmata) è dunque ŷ = 9904, , 9x. 2. Per confrontare due modell d regressone utlzzamo l coeffcente d correlazone; è mglore l modello che presenta l coeffcente d correlazone pù alto. Il coeff. per la regressone d Y su Z è dato dala relazone r xy = s xy = 0, 969 sxx s yy mentre, calcolando quello d Z su X è dato da s yz = , s zz = 584, r zy = s zy szz s yy =. Il fatto che r zy = ndca non solo che l secondo modello è preferble al prmo (ha un coeff. d correlaz. maggore), ma anche che la relazone Y = ˆγ 0 + ˆγ z = 5493, , 23z è esatta. 4
5 3. Utlzzando dunque l secondo modello prevedamo che un Ingegnere laureato da 3 ann guadagn Y = 5493, , = 787, 76 euro. Soluzone Es. 2. Dett ˆβ 0 e ˆβ coeffcent della retta d regressone, s deve avere che = ˆβ 0 + ˆβ 3.. Questa equazone non è suffcente da sola a determnare ˆβ 0 e ˆβ. Per l modo n cu vene costruta la retta de mnm quadrat deve anche accadere che y = ˆβ 0 + ˆβ x. Dal testo sappamo che x = 0 e y = 0.. Rsolvendo l sstema ottenamo ˆβ 0 = 0 e ˆβ = 3. Dunque la retta d regressone (stmata) ha equazone y = 3 x. 2. Notamo che rxy 2 s può scrvere come rxy 2 cov(x,y )2 = var(x)var(y ). Non conoscendo dat, non possamo calcolare drettamente cov(x, Y ). Possamo però rcavarla osservando che ˆβ = cov(x,y ) var(x) (la varanza camponara d X è nota dal testo). S ha dunque cov(x, Y ) = ˆβ var(x) = 3 9 = 3. Da cò rcavamo nfne r2 xy = = 4 3. Chamamo ˆα 0 ed ˆα coeffcent della retta d regressone d X su Y. Utlzzando quanto vsto ne punt precedent possamo determnare ˆα come ˆα = cov(y, X) var(y ) = cov(x, Y ) var(y ) = 3 4. Inoltre, dalla relazone y = ˆα 0 + ˆα x rcavamo ˆα 0 = x ˆα y = 0. La retta d regressone d X su Y ha qund equazone ˆx = 3 4 y Soluzone Es.3 a) Calcolamo nnanztutto le mede camponare d X e Y. x = = ȳ =... = 3.75 Calcolamo ora coeffcent della retta d regressone d Y su X: ˆβ = S xy = (x x) (y ȳ) (x x) 2 =... = ˆβ 0 = ȳ ˆβ x = L espressone della retta d regressone (stmata) è dunque ŷ = x. b) Sccome s xx = 4.875, s yy = e s xy = , l coeffcente d correlazone d Y e X è dato da r xy = s xy sxx s yy = c) Per confrontare due modell d regressone utlzzamo l coeffcente d correlazone; è mglore l modello che presenta l coeffcente d correlazone pù alto. Facendo cont, trovamo che z = 2.58 e l coeffcente d correlazone d Z e X è dato da r zx = s zx szz s xx = Sccome r xz < r xy deducamo che è mglore l modello n a) d quello n c). Soluzone Es.4 5
6 . Per calcolare la retta d regressone ncomncamo a rcavare s xx e s xy da nostr dat. x = x = n ȳ = y = 67.6 n s xx = x 2 n x 2 = s xy = x y n xȳ = qund ˆβ = S xy = ˆβ 0 = ȳ ˆβ x = Uno stmatore non dstorto della varanza degl error della regressone è dato da ˆσ 2 = SS E n 2 = (y ŷ ) 2 (y ˆβ 0 ˆβ ) 2 x = =... 2 n 2 n 2 3. Voglamo testare l potes contro H 0 : β = 0 = β,0 H : β 0 Utlzzamo qund la statstca test ˆβ β,0 ˆσ2 / t n 2 accettando l potes nulla al lvello d sgnfcatvtà α se t α/2;n 2 ˆβ β,0 ˆσ 2 / t α/2;n 2. Sccome ˆβ ˆσ 2 /s xx = 3.6 > t α/2;n 2 = 2.764, allora rfutamo H 0 al lvello del 2%. 4. Voglamo testare l potes contro H 0 : β 0 = 0 = β 0,0 H : β 0 0 Utlzzamo qund la statstca test ˆβ 0 β 0,0 [ ] ˆσ t n 2 2 n + x2 2h ˆβ 0 β 0,0 rˆσ n + x2 accettando l potes nulla al lvello d sgnfcatvtà α se 2h t α/2;n 2 t Sxx α/2;n 2. [ ] Sccome x2 = 5.84, ˆσ 2 n + x2 ˆβ = , 0 = > t rˆσ n sxx α/2;n 2 = 2.764, + x2 allora rfutamo H 0 al lvello del 2%. 6
7 Soluzone Es.5. Gl ntervall d confdenza per parametr β 0 e β della regressone sono della forma: ˆβ 0 t α/2;n 2 se ˆβ0 β 0 ˆβ 0 + t α/2;n 2 se ˆβ0 ˆβ t α/2;n 2 se ˆβ β ˆβ + t α/2;n 2 se ˆβ Avendo qund α/2 = 0.; n = 8; t α/2;6 =.440, ottenamo qund:.87 β β Voglamo testare l potes contro H 0 : β 0 = 0 = β 0,0 H : β 0 0 Sccome β 0,0 = 0 non appartene all ntervallo d confdenza trovato sopra, rfutamo H 0 al lvello d sgnfcatvtà 20%. Mentre l ntervallo d confdenza al lvello 90% è, sapendo che n questo caso t α/2,n , [.043, 2.43]; n questo caso β 0 = 0 appartene all ntervallo, pertanto l potes nulla è accettata. 3. Da dat rcavamo mmedatamente σ 2 = SS E /(n 2) Rcordando che [ ] se( β 0 ) = ˆσ 2 n + x2 ˆσ se( β ) = 2 da cu s xx e x 2 = ( se( β 0 ) 2 σ 2 n ) ma, essendo per la natura del problema x 0, s ha nfne x = Infne σ 2 (x x) n ( σ 2 + ) (x x) n da cu, calcolando come al punto precedente t α/2,n 2 =.9432 (con α = 0.), due ntervall sono, rspettvamente, [ , ] [ , ]. Soluzone Es.6 7
8 . Per calcolare la retta d regressone ncomncamo a rcavare s xx e s xy da nostr dat. Sccome SX 2 = n (x x) 2 e analogamente per SY 2, ottenamo: Sccome 2. Dalla retta d regressone ottenamo s xx = (n ) s 2 X = 00 s yy =... = 55 ˆβ = s xy s yy = r xy = s xx s xx ˆβ 0 = ȳ ˆβ x = 6.42 ŷ (300) = = 30.37, qund l numero stmato d cas d allerga n un mese n cu l consumo d gelat è par a 300 Kg. è Soluzone Es.7 Anche n questo eserczo dat sono rdondant n quanto tutt coeffcent che s servono possono essere rcavat da dat n tabella.. Ponamo s xx = dove x = 0.73 e y = 3.254; allora Da cu faclmente s yy = s xy = n (x x) 2, = n (y y) 2, = n (x x)(y y), = s xx = σ 2 x(n ) = = , s yy = σ 2 y(n ) = = , s xy = ρ xy sxx s yy = = β = s xy s xx = , β 0 = y β x = = Consderando la matrce x, x k, X = x,2 x k,2 x,n x k,n s calcola faclmente (X t X), = n + x2 s xx = =
9 Rcordamo che l errore quadratco medo ( o meda quadratca de resdu) è σ 2 = MS E := n p n (y ŷ ) 2 (n questo caso n = 0 e p = k + = 2). Nel caso d regressone semplce σ 2 = (SS T β ) s xy n 2 = s yy s2 xy s xx n 2 = = Allora l ntervallo d confdenza a lvello α è [ β o, β + o ] dove e se( β o ) := β ± o := β 0 ± se( β o ) t α 2,n p σ 2 (X t X), = =.4277, qund, essendo t 0.025,8 = 2.306, s ha che l ntervallo cercato è [ 8.705,.5859]. 3. Nel modello con regressore aggunto, s tratta d testare l potes nulla H 0 : β 2 = 0. S calcola da cu β 0 β = β = (X t X) X t Y β = = Pertanto e qund Lo stmatore che s utlzza è con regone d accettazone σ 2 = SS E n p = = , se( β 2 ) = σ 2 (X t X) 3,3 = T 0 := β 2 se( β 2 ) = = T 0 t α/2,n p t 0.025,7 = L potes nulla è pertanto accettata e non è opportuno aggungere l regressore x 2. 9
10 4. Il secondo modello, con k 2 regressor, rsulta mglore del prmo, con k regressor, se e solo se SS E2 n k 2 < SS E n k. Nel caso n questone s ha n = 0, k = k 2 = ed SS E = per cu l modello con regressore x 3 sarà mglore d quello con x se e solo se Soluzone Es.8 SS E2 < Osservamo che dat del problema sono rdondant e che gl error quadratc srcavano banalmente da dat n tabella. D altro canto conoscut gl error quadratc, non samo pù nteressat a dat della tabella se non per conoscere l ampezza del campone n = 4 ed l numero d regressor k = 2.. S consder l potes nulla Lo stmatore è H 0 : β 0 = β = β 2 = 0. F 0 := SS R /k SS E /(n p) (dove p = k + ) con la regone d accettazone a lvello α Eseguendo calcol s ottene f 0 = f 0 < f α,k,n p / /(4 3) = = e f 0.,2, = Pertanto accetto H 0 al lvello del 5% pertanto la regressone non è sgnfcatva. 2. Se utlzzamo le tabelle de quantl ottenamo f 0.25,2, = 7.5 > da cu α > Utlzzando un calcolatore s ottene Soluzone Es.9 α = f,2, (3.7992) = F f 2, (3.7992) = La stma de coeffcent della regressone: Y = β 0 +β x +β 2 x 2 +ε s ottengono dal seguente sstema d equazon: n ˆβ 0 + ˆβ x + ˆβ 2 x 2 = y ˆβ 0 x + ˆβ x 2 + ˆβ2 x 2x = x y ˆβ 0 x 2 + ˆβ x x 2 + ˆβ 2 x 2 2 = x 2y Sccome x = 5460; x x 2 = 49700; x y = ; x 2 = 0; y = 380 x 2 = ; x 2 2 = 3650 x 2y =
11 allora ottenamo ˆβ 0 = 3.5 ˆβ = 0.28 ˆβ 2 =.48 ottenendo qund ŷ = x.48x 2 2. dove R 2 adjusted = SS E/(n p) SS T / (n ) SS E = somma quadrat error = (y ŷ ) 2 SS T = (y ȳ) 2 p = numero parametr regressone Sccome p = 3 (β 0, β, β 2 ), ȳ = 345, ŷ = 56.7, ŷ 2 = 239., ŷ 3 = 77.7, ŷ 4 = allora SS T = e SS E = e d conseguenza: 3. La stma della varanza dell errore è data da: R 2 adjusted = ˆσ 2 = SS E n p = = 59.24
a) Individuare l intervallo di confidenza al 90% per la media di popolazione;
Eserczo Il responsable marketng d una catena d negoz vuole analzzare l volume delle vendte mensl d un determnato bene d largo consumo. Una socetà che conduce rcerche d mercato è ncarcata d effettuare un
DettagliContenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2
Corso d STATISTICA Prof. Roberta Sclano Ordnaro d Statstca, Unverstà d Napol Federco II Professore supplente, Unverstà della Baslcata a.a. 0/0 Contenut: o Specfcazone del modello o Ipotes del modello classco
DettagliLaboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto
DettagliScienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni
Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,
DettagliS O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:
S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva
DettagliStatistica e calcolo delle Probabilità. Allievi INF
Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:
DettagliTutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017
Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può
DettagliCorsi di Laurea in Farmacia e CTF Prova di Matematica
Cors d Laurea n Farmaca e CTF Prova d Matematca S O L U Z I O N I Effettua uno studo qualtatvo della funzone 4 f + con partcolare rfermento a seguent aspett: a trova l domno della funzone b trova gl ntervall
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra
DettagliREGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari
REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Ran mran@unpr.t http://www.ran.t Rcham sulla regressone MODELLO DI REGRESSIONE y a + b + e dove: 1,, n a + b rappresenta una retta: a ordnata all orgne ntercetta b coeff.
DettagliCampo di applicazione
Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo
DettagliREALTÀ E MODELLI SCHEDA DI LAVORO
REALTÀ E MODELLI SCHEDA DI LAVORO 1 Le tabelle d crescta Nella tabella sono rportat dat relatv alle altezze mede delle bambne dalla nascta fno a un anno d età. Stablsc se esste una relazone lneare tra
Dettagli1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x
TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1
DettagliLe soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z)
Le soluzon della prova scrtta d Matematca per l corso d laurea n Farmaca (raggruppamento M-Z). Data la funzone a. trova l domno d f f ( ) ln + b. scrv, esplctamente e per esteso, qual sono gl ntervall
DettagliLA COMPATIBILITA tra due misure:
LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore
Dettagli1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30
1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012
CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso
DettagliSistemi Intelligenti Stimatori e sistemi lineari - III
Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\
DettagliESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:
ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone
DettagliCapitolo 3. Cap. 3-1
Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
DettagliRegressione e correlazione
Regressone e correlazone Corso d statstca socale prof. Natale Carra - Unverstà degl Stud d Bergamo a.a. 005-06 Regressone Questo modello d anals bvarata esamna le relazon fra coppe d varabl contnue. Un
DettagliEsercizi di Probabilità e Statistica
Esercz d Probabltà e Statstca Samuel Rota Bulò 25 maggo 2007 Funzon d v.a., meda, varanza, moda, medana, quantl e quartl. Vettor aleator, denst condzonata, covaranza, correlazone. Eserczo 1 Sa Y ax + b
DettagliTECNICHE DI ANALISI DEI DATI MODELLI LINEARI
TECNICHE DI ANALISI DEI DATI AA 16/17 PROF. V.P. SENESE Quest materal sono dsponbl per tutt gl student al seguente ndrzzo: https://goo.gl/rwabbd Seconda Unverstà d Napol (SUN) Dpartmento d Pscologa TECNICHE
DettagliLa t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.
Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana
DettagliPREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl
Le Inferenze sul modello d regressone PREVEDONO: Assunzone d normaltà degl error e nferenza su parametr Anals della Varanza Inferenza per la rsposta meda e la prevsone Anals de resdu Valor anomal Captolo
DettagliTECNICHE DI ANALISI DEI DATI MODELLI LINEARI
TECNICHE DI ANALISI DEI DATI AA 017/018 PROF. V.P. SENESE Quest materal sono dsponbl per tutt gl student al seguente ndrzzo: https://goo.gl/hxl9zg Unverstà della Campana Lug Vanvtell Dpartmento d Pscologa
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
DettagliEsame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre
DettagliRelazioni tra variabili: Correlazione e regressione lineare
Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg
DettagliRAPPRESENTAZIONE DI MISURE. carta millimetrata
carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!
DettagliAd esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t
Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende
DettagliEsame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre
DettagliMisure indipendenti della stessa grandezza, ciascuna con una diversa precisione.
Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.
DettagliLaboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca
DettagliLA CALIBRAZIONE NELL ANALISI STRUMENTALE
LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra
Dettaglimateriale didattico I incontro
Pano Nazonale Lauree Scentfche (PLS 2016-2017) Statstca Laboratoro d Statstca Le relazon tra varabl prof.ssa Angela Mara D'Uggento angelamara.duggento@unba.t materale ddattco I ncontro Dall anals statstca
DettagliRegressioni con variabili strumentali
Regresson con varabl strumental 3 mportant mnacce alla valdtà nterna del modello: Bas dovuta alle varabl omesse, varabl correlate con X ma non osservate e che per questo non possono essere ncluse nella
DettagliRegressione lineare con un singolo regressore
Regressone lneare con un sngolo regressore Eduardo Ross 2 2 Unverstà d Pava (Italy) Marzo 2013 Ross Regressone lneare semplce Econometra - 2013 1 / 45 Outlne 1 Introduzone 2 Lo stmatore OLS 3 Esempo 4
DettagliAnalisi della Varianza
Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella
DettagliStima dei Parametri Metodo di Massima Verosimiglianza
Captolo 8 Stma de Parametr Metodo d Massma Verosmglanza Lo scopo dello studo de fenomen fsc è quello d scoprre le legg che legano le grandezze studate e d msurare l valore delle costant che compaono della
Dettagli= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)
ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa
DettagliCorrelazione lineare
Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl
DettagliCorso di. Dott.ssa Donatella Cocca
Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca
DettagliCapitolo 5. Analisi dei dati di output. 5.1 Analisi del transitorio
Captolo 5 Anals de dat d output Una fase essenzale d ogn studo d smulazone è l anals de rsultat della smulazone stessa. Supponamo d avere costruto l modello d un sstema e sano Y 1,Y 2,...,Ym dat d output
DettagliStrada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum
Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statstca - metodologe per le scenze economche e socal /e S Borra, A D Cacco - McGraw Hll Es Soluzone degl esercz del captolo 7 In base agl arrotondament effettuat ne calcol, s possono rscontrare pccole
DettagliTest delle ipotesi Parte 2
Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca
DettagliPropagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.
Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes
DettagliPIANIFICAZIONE DEI TRASPORTI
Unverstà d Caglar DICAAR Dpartmento d Ingegnera Cvle, Ambentale e archtettura Sezone Trasport PIANIFICAZIONE DEI TRASPORTI Eserctazone su modell d generazone A.A. 2016-2017 Ing. Francesco Pras Ing. Govann
DettagliPropagazione delle incertezze
Propagazone delle ncertezze In questa Sezone vene trattato l problema della propagazone delle ncertezze quando s msurano pù grandezze dfferent,,,z soggette a error d tpo casuale e po s utlzzano tal grandezze
DettagliModelli descrittivi, statistica e simulazione
Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone
DettagliPropagazione degli errori
Propagazone degl error Msure drette: la grandezza sca vene msurata drettamente (ad es. Spessore d una lastrna). Per questo tpo d msure, la teora dell errore svluppata nelle lezone precedent é sucente per
DettagliStima dei Parametri: Metodo di Massima Verosimiglianza
Captolo 8 Stma de Parametr: Metodo d Massma Verosmglanza Lo scopo dello studo spermentale de fenomen fsc è quello d scoprre qual sono le legg che legano le grandezze fsche e d ottenere l valore delle costant
DettagliStatistica Descrittiva
Statstca Descrttva Corso d Davd Vettur Dat osservat Sano note le seguent msure dello spessore d una lastra d materale polmerco espresse n mllmetr 3.71 3.83 3.85 3.96 3.84 3.8 3.94 3.55 3.76 3.63 3.88 3.86
DettagliDipartimento di Scienze Statistiche Università di Bologna. Matematica finanziaria aa lezione 16: 13 marzo 2014
Dpartmento d Scenze Statstche Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 16: 13 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/20? Eserczo Nell ammortamento d un prestto
DettagliEsercitazione 1 del corso di Statistica 2
Eserctazone del corso d Statstca rof. Domenco Vstocco Dott.ssa aola Costantn 8 Aprle 008 Eserczo n. S consder un campone d 00 student d cu s conoscono le seguent probabltà dstnt secondo l sesso (Mmascho,
Dettagli03/03/2012. Campus di Arcavacata Università della Calabria
Campus d Arcavacata Unverstà della Calabra Corso d statstca RENDE a.a 0-00 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 Concentrazone Un altro aspetto d un nseme d dat che s aggunge alla meda e alla varabltà è costtuto
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/ Esercizi: lezione 17/10/2018
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/2019 1. Esercz: lezone 17/10/2018 Rendmento d un B.O.T. Eserczo 1. Un captale C vene chesto n prestto alla banca
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra d Statstca Medca, Unverstà d Bar 1/19 IL PROBLEMA
DettagliProbabilità cumulata empirica
Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè
DettagliSERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete
SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le
DettagliOltre la regressione lineare
Oltre la regressone lneare Modello d regressone lneare (semplce o multpla: - varabl esplcatve X quanttatve e qualtatve (nserte tramte uso d varabl dummy - varable dpendente Y è quanttatva Y = b + b X +
DettagliVERIFICA IN ITINERE 9 GENNAIO 2019 CLMA
VERIFICA IN ITINERE 9 GENNAIO 2019 CLMA 1 Varabl Qualtattve: Sesso, Lvello d struzone Varabl Quanttatve: Età, Altezza, Peso 2 Età: Meda=74.1 ; Medana=73 ; Std=6.2 ; Q1=68 ; Q3=80 Altezza: Meda=172.5 ;
DettagliPRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D
FIRMA DELLO STUDENTE Cognome PRIMA PROVA INTERMEDIA DI STATISTICA (COD. 3000/6045/5047/4038/37/377) 26 ottobre 20 Nome Numero d matrcola Corso d Laurea Cod. corso COMPITO D A fn della valutazone s terrà
DettagliAllenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi
Allenament d matematca: Teora de numer e algebra modulare Soluzon esercz 29 novembre 2013 1. Canguro salterno. Un canguro salterno s trova a ped d una scala nfnta che ntende salre nel seguente modo: Salta
DettagliTeoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita
Teora degl error Processo d msura defnsce una grandezza fsca. Sstema oggetto. Apparato d msura 3. Sstema d confronto La msura mplca un gudzo sull uguaglanza tra la grandezza ncognta e la grandezza campone
DettagliEttore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione
Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone
DettagliSorgenti Numeriche - Soluzioni
Sorgent umerche - Soluzon *) L anals delle frequenze con cu compaono le vare lettere n un documento n talano, comprendente 5975 caratter, ha fornto seguent dat: Lettera umero Frequenza relatva A 666. B
DettagliAlgebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.
Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere
DettagliANALISI STATISTICA DELLE INCERTEZZE CASUALI
AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte
DettagliStudio delle oscillazioni del pendolo semplice e misura dell accelerazione di gravita g.
Studo delle oscllazon del pendolo semplce e msura dell accelerazone d ravta. Introduzone fsca Un pendolo semplce e costtuto da un flo d lunhezza L nestensble e d massa trascurable a cu e appesa un corpo
DettagliIntroduzione al calcolo numerico. Derivazione Integrazione Soluzione di equazioni
Introduzone al calcolo numerco Dervazone Integrazone Soluzone d equazon Dervazone numerca Il calcolo della dervata d una unzone n un punto mplca un processo al lmte ce può solo essere approssmato da un
DettagliStabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi
Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto
DettagliAdattamento di una relazione funzionale ai dati sperimentali
Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo
DettagliSistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese
Sstem Intellgent Relazone tra ottmzzazone e statstca - IV Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@dunmt Anals dell
Dettagli2.1 Parabola nella forma canonica
5 Clc per tutt gl appunt (AUTOMAZIONE TRATTAMENTI TERMICI ACCIAIO SCIENZA delle COSTRUZIONI ) e-mal per suggerment. Paraola nella forma canonca Studamo con metod general la conca nella espressone canonca
DettagliIL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE
IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE CORRELAZIONE Legame - Assocazone - Accordo Relazone tra varabl valutare l grado d recproca nfluenza tra due varabl; valutare l grado d assocazone
DettagliDefinizione di campione
Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta
DettagliEsercitazioni del corso: STATISTICA
A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA
DettagliGeometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.
Geometra 1 a.a. 2011/12 Esonero del 23/01/12 Soluzon (Compto A) (1) S consder su C 2 l prodotto Hermtano, H assocato alla matrce ( ) 2 H =. 2 (a) Dmostrare che, H è defnto postvo e determnare una base
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 20: 16 maggio 2012
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 20: 16 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Errata slde 14: 8 maggo 2012 Rendta perpetua
DettagliElementi di statistica
Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e
DettagliSoluzione esercizi seconda settimana
Soluzone esercz seconda settmana Es. 7 famgle Spesa per manfestazo n cultural (Z) A 00,9 B 40 4,0 C 50,5 D 70,6 E 80, F 300,8 G 00,5 Reddto mensle del capofamgla (x 000 Euro) (Y) Costrure l dagramma d
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
DettagliMetodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω
Metod d anals Eserczo Anals alle magle n presenza d sol generator ndpendent d tensone R s J R Determnare le tenson sulle resstenze sapendo che: s s 0 R R 5.Ω s J R J R R 5Ω R 0Ω R 6Ω R 5 Dsegnamo l grafo,
DettagliPropagazione degli errori
Propagaone degl error Voglamo rcavare le ncertee nelle msure ndrette. Abbamo gà vsto leone un prma stma degl error sulle grandee dervate valda n generale. Consderamo ora l caso specco d grandee aette da
Dettagli2 LE IPOTESI FORTI SUI RESIDUI
F. Carlucc Tracca per un corso d Econometra Modulo II Mnm quadrat LE IPOTESI FORTI SUI RESIDUI Indce del captolo. Un rassunto delle potes mposte al modello lneare.... Resdu dstrbut normalmente... 3 La
DettagliL ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella
L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono
DettagliSOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia
SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)
DettagliEsame di Statistica Corso di Laurea in Economia Prof.ssa Giordano
Esame d Statstca Corso d Laurea n Economa Prof.ssa Gordano 6 Febbrao 0 Cognome Nome atr. Eserczo I dat seguent s rferscono al numero d mmatrcolat nel gruppo d cors d studo n Economa n 5 ann accademc. Calcolare
Dettagli1. La domanda di moneta
1. La domanda d moneta Esercz svolt Eserczo 1.1 (a) S consder l modello della domanda d moneta a scopo speculatvo d Keynes. Un ndvduo può sceglere d allocare la propra rcchezza sottoscrvendo un ttolo rredmble
Dettagliy. E' semplicemente la media calcolata mettendo
COME FUNZIONA L'ANOVA A UN FATTORE: SI CONFRONTANO TANTE MEDIE SCOMPONENDO LA VARIABILITA' TOTALE Per testare l'potes nulla che la meda d una varable n k popolazon sa la stessa, s suddvde la varabltà totale
DettagliCORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE
CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo
DettagliConcetti principale della lezione precedente
Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl
DettagliELEMENTI DI STATISTICA
ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)
DettagliFisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri
Fsca Generale I Msure d grandezze fsche e ncertezze d msura Lezone 3 Facoltà d Ingegnera Lvo Lancer Indce Abbamo mparato: Orgne e classfcazone delle ncertezze (error) d msura Rappresentazone delle ncertezze
Dettagli