Campionamento e distribuzione campionaria della media
|
|
- Ignazio Coppola
- 7 anni fa
- Visualizzazioni
Transcript
1 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 - Definizione di popolazione e campione - Relazione tra popolazione e campione e proprietà delle statistiche campionarie - Teorema del limite centrale - Applicazioni del teorema del limite centrale
2 Le statistiche campionarie fanno parte della vita di tutti i giorni: - Il docente interroga un campione di allievi per verificare la comprensione della classe - Il cuoco assaggia un campione di pasta per valutare la cottura - Il farmacologo valuta la risposta ad un farmaco su un campione di pazienti - La ditta di sondaggi prevede l esito delle elezioni interrogando un campione della popolazione - ecc ecc 3 I risultati campionari non interessano di per se ma solo perchè consentono di trarre conclusioni generali valide per tutta la popolazione da cui il campione è stato estratto Questo processo si chiama inferenza statistica
3 Campionamento ed inferenza sono due processi simmetrici 5 Il percorso dell inferenza statistica si svolge secondo le seguenti fasi: 1 estrazione di un campione della popolazione, calcolo delle statistiche campionarie, cioè dei valori corrispondenti ai dati contenuti nel campione, 3 stima dei parametri nella popolazione in base ai risultati forniti dal campione
4 Argomenti della lezione - Perché estrarre un campione - Definizione di popolazione e campione - Relazione tra popolazione e campione e proprietà delle statistiche campionarie - Teorema del limite centrale - Applicazioni del teorema del limite centrale 7 Popolazione: insieme di tutti i valori realizzati o possibili di una data variabile insieme che raccoglie tutte le osservazioni possibili, relativamente ad una data variabile o ad un dato fenomeno può essere finita (comunque molto grande) o infinita trattiamo come popolazioni anche insiemi che non sono enumerabili e che si realizzeranno anche nel futuro: es quando ci riferiamo ai malati di una certa malattia vogliamo formulare una previsione valida anche per i casi che non sono ancora stati diagnosticati
5 9 Campione: raccolta finita di elementi estratti da una popolazione scopo dell estrazione è quello di ottenere informazioni sulla popolazione pertanto il campione deve essere rappresentativo della popolazione da cui viene estratto ( non viziato ) per corrispondere a queste esigenze il campione viene individuato con un campionamento casuale 1
6 11 Secondo quali modalità possiamo estrarre un campione? (rif capitolo ) - Campionamento casuale semplice - Campionamento stratificato - Campionamento a grappolo (a cluster) 1
7 In un campionamento casuale semplice tutti gli individui nella popolazione hanno uguale probabilità di essere inclusi nel campione - individui nella popolazione = "unità di campionamento" - popolazione oggetto dello studio = "popolazione bersaglio" - popolazione effettivamente campionabile (al netto dell'effetto di fattori di selezione) = base di campionamento - distorsioni di selezione= errori che rendono non uniforme la probabilità di essere inclusi nel campione (es un campionamento condotto con l'uso dell'elenco telefonico esclude le famiglie senza telefono, pertanto la popolazione bersaglio e la base di campionamento potrebbero non corrispondere, causando una distorsione di selezione) 13 Nella pratica del campionamento debbo disporre di una base di campionamento La base di campionamento corrisponde all elenco dei soggetti da cui materialmente estraggo il campione La base di campionamento deve corrispondere ad un elenco (lista) di individui identificabili Se la base di campionamento e la popolazione bersaglio discordano, si verifica una distorsione di selezione 1
8 Assunzioni per la validità del campionamento I metodi della statistica campionaria assumono che: - non vi siano errori sistematici (bias) di selezione - la base di campionamento corrisponda alla popolazione bersaglio (approfondimento individuale, pp 3-3 del testo) 15 Il campionamento viene di solito condotto predefinendo la dimensione del campione Si calcola quindi la frazione di campionamento, cioè la probabilità che un dato individuo sia estratto ed inserito nel campione Data una popolazione con N individui ed un campione di c individui (dove N è molto grande rispetto a c) la probabilità per l i-esimo individuo è c/n Frazione di campionamentoψ = dimensione del campione dimensione della popolazione 1
9 Nel campionamento casuale semplice la stessa frazione di campionamento viene applicata a tutta la popolazione Se la frazione di campionamento è piccola (c << N), Ψ si mantiene praticamente costante anche se i soggetti campionati escono dalla popolazione Altrimenti Ψ varia nel corso del campionamento ed occorre tenerne conto applicando una correzione (Correzione per la popolazione finita) 17 Se Ψ > 5 ES (della media campionaria) = ES = σ * c N N c 1 1
10 Altri schemi di campionamento (studio individuale, pp 3-3 del testo) - Campionamento sistematico; - Campionamento stratificato; - Campionamento a cluster ( grappolo); - Campionamento non probabilistico 19 Metodi sconsigliati - Il campionamento sistematico ("a passo fisso", es una osservazione ogni 1) -> potrebbe nascondere distorsioni di selezione - - Campionamento non probabilistico (Metodi non formalizzati, a casaccio, es alcuni dei pazienti in ambulatorio, senza criterio preciso) -> non è un campionamento
11 Campionamento stratificato N nella popolazione N nel campione Frazione di campionamento Strato 1 Maschi N1 C1 ψ 1 Strato Femmine N C ψ Obiettivi : 1voglio che tutti gli strati siano rappresentati nel campione con numerosità sufficiente voglio controllare la proporzione dei soggetti nei diversi strati, non lasciandola esposta alla variabilità casuale 1 Esempio: in uno studio epidemiologico su tumore polmonare voglio maschi e femmine siano rappresentati con la stessa numerosità La frequenza relativa nella popolazione dei casi di tumore polmonare è di 1 uomini : 1 donna Con un campione casuale semplice mi aspetto di trovare solo il 1% di donne Procedo quindi ad un campionamento stratificato
12 Base di campionamento: i casi di tumore polmonare incidenti (cioè di nuova diagnosi) nella popolazione di Torino negli anni Debbo includere nel campione 1 uomini e 1 donne N nella N Frazione di campionamento popolazione campione Strato 1 Maschi / 3355 =,9 Strato Femmine / 7 =,111 3 Il campionamento a grappolo (anche detto a cluster) Esempio: voglio verificare l efficacia di due diversi trattamenti per la disassuefazione dal fumo Entrambi i trattamenti devono essere proposto dal medico di base Procedo in due fasi: 1 campione dei medici (1 medici tra tutti i medici di base di Novara) campione degli assistiti dei medici campionati nella fase 1 ( assistiti per ciascun medico) Totale del campione : 1 medici x assistiti = assistiti
13 5
14 7
15 Schema di campionamento a grappolo campione 9 Argomenti della lezione - Perché estrarre un campione - Definizione di popolazione e campione - Relazione tra popolazione e campione e proprietà delle statistiche campionarie - Teorema del limite centrale - Applicazioni del teorema del limite centrale 3
16 Un campione casuale corrisponde alla popolazione? Definiamo statistica campionaria la statistica calcolata per le osservazioni che compongono il campione In generale, le statistiche campionarie sono definite in modo tale da essere degli stimatori non distorti della statistica calcolata per la popolazione 31 Il campione casuale corrisponde alla popolazione? Esaminiamo il caso della media campionaria (la media calcolata per le osservazioni che compongono il campione) Un campione casuale ha le seguenti proprietà: - Il valore atteso della media calcolata sul campione (media campionaria) è la media della popolazione, in altre parole la media campionaria è una stima non distorta della media della popolazione 3
17 n=9 campioni da Norm (;1) 33 E per quanto riguarda la varianza campionaria? Il valore atteso della varianza campionaria (calcolata con n-1) è la varianza della popolazione, in altre parole la varianza campionaria (calcolata con n-1) è una stima non distorta della varianza della popolazione 3
18 La stima fornita dal singolo campione è comunque affetta da incertezza, a causa dell'errore casuale del campionamento In generale quindi possiamo dire che la precisione della stima fornita da un campione (stima campionaria) sarà maggiore con: - inferiore variabilità nella popolazione; - maggiore dimensione del campione 35 Vediamo alcuni esempi relativi alle proprietà dei campioni n = 9 3
19 Con campioni più grandi la distribuzione delle medie campionarie ha variabilità inferiore n = 37 Argomenti della lezione - Perché estrarre un campione - Definizione di popolazione e campione - Relazione tra popolazione e campione e proprietà delle statistiche campionarie - Teorema del limite centrale - Applicazioni del teorema del limite centrale 3
20 La distribuzione di probabilità dei valori delle medie campionarie Immaginiamo di ripetere un campionamento per molte volte Per ciascuno dei campioni calcoliamo la media (la media campionaria ) Calcoliamo media e deviazione standard delle medie campionarie Esaminiamo alcuni esempi di risultati con strumenti grafici: 39
21 1 La forma della distribuzione di frequenza delle medie campionarie è gaussiana Questo vale anche quando la popolazione da cui è stato estratto il campione ha una distribuzione non gaussiana
22 3 Variabilità della distribuzione delle medie campionarie - La deviazione standard della distribuzione delle medie campionarie è indicata come Errore Standard della Media (abbreviato in Errore Standard o ES)
23 ES dipende dalla variabilità nella popolazione e dalla dimensione campionaria E S = σ n 5 variabilità nella E S = σ n popolazione dimensione del campione
24 La distribuzione delle medie campionarie è una distribuzione Gaussiana con media µ e deviazione standard σ / n Applicando le proprietà della distribuzione Gaussiana posso calcolare la probabilità di estrarre un campione di dimensione n con media campionaria >= X dati media µ e deviazione standard σ della popolazione 7 La formula è analoga a quella studiata nella precedente lezione sulla distribuzione gaussiana dove: x: media campionaria µ: media nella popolazione σ / n: errore standard x µ Z = σ n Z: deviata normale standardizzata Il valore di probabilità corrispondente al valore Z si legge dalla tabella della distribuzione normale standard
25 Esempio: Studio della pressione sistolica in un gruppo di 15 pazienti I pazienti appartengono ad una popolazione con media della pressione sistolica 15 mmhg La deviazione standard della misura della pressione della popolazione è pari a 5,9 mmhg; n = 15 Media campionaria 1 mmhg 9 Il calcolo del test Z = ( X - µ)/ (σ/ n) Z = (1-15) / (5,9/ 15) = = 1,9 Conclusione =? 5
26 51 Distribuzione normale standardizzata Area sottesa alla curva tra Z e Z,,1,,3,,5,,7,,9,,5,91,9,3,5,,7,71,1,1,1,17,5,5,,33,3,3,351,5,5,,7,13,19,95,517,19,3973,3935,397,3591,3,39,37,37,377,393,3317,359,3559,35197,37,,35,39,337,333,3997,33,37,3191,3151,317,5,35,353,3153,9,9,911,77,3,9,77,,75,793,73,35,19,575,53,513,5,51,7,19,35,357,37,95,3,33,5,177,17,,11,97,11,37,5,197,199,1915,193,173,9,1,111,1779,1719,1731,171,153,1,135,119 1,,15,155,153,15151,1917,1,157,131,17,137 1,1,1357,1335,1313,19,171,157,13,11,119,117 1,,1157,1131,1113,1935,179,155,133,1,17,953 1,3,9,951,93,917,91,51,9,53,379, 1,,7,797,77,73,793,7353,715,77,9,11 1,5,1,55,,31,17,57,593,51,575,559 1,,5,537,5,5155,55,97,,7,,551 1,7,57,33,7,1,93,,39,33,375,373 1,,3593,3515,33,33,3,31,31,37,35,93 1,9,7,7,73,,19,559,5,,35,33,,75,,19,11,,1,197,193,17,131 5
27 ,1,17,173,17,159,11,157,1539,15,13,1,,139,1355,131,17,155,1,1191,11,113,111,3,17,1,117,99,9,939,91,9,,,,,79,77,755,73,71,95,7,57,39,5,1,,57,57,55,539,53,5,9,,,,53,,7,15,,391,379,3,357,7,37,33,3,317,37,9,9,,7,,,5,,,33,,19,1,5,199,193,9,17,11,175,19,1,159,15,19,1,139 3,,135,131,1,1,11,11,111,17,1,1 3,1,97,9,9,7,,,79,7,7,71 3,,9,,,,,5,5,5,5,5 3,3,,7,5,3,,,39,3,3,35 3,,3,3,31,3,9,,7,,5, 3,5,3,,,1,,19,19,1,17,17 3,,1,15,15,1,1,13,13,1,1,11 3,7,11,1,1,1,9,9,,,, 3,,7,7,7,,,,,5,5,5 3,9,5,5,,,,,,,3,3 53 Conclusione / riepilogo Il valore atteso della media campionaria è la media della popolazione Il valore atteso della varianza campionaria calcolata con il denominatore (n-1) è la varianza della popolazione La variabilità della distribuzione delle medie campionarie è inferiore alla variabilità nella popolazione Campioni più grandi avranno distribuzione con variabilità inferiore La deviazione standard delle medie campionarie viene indicata anche come Errore Standard La forma della distribuzione di frequenza delle medie campionarie è normale Questo accade anche se la distribuzione nella popolazione non è normale, purchè il campione sia abbastanza numeroso 5
28 La dimostrazione di questi teoremi va oltre i limiti del corso In appendice trovate un esempio ed alcuni grafici corrispondenti ai risultati di campionamenti ripetuti a partire da una distribuzione uniforme, per confermare come anche in questo caso la distribuzione delle medie campionarie segue le regole precedenti 55 Possiamo applicare queste regole per risolvere due problemi importanti e ricorrenti - Qual'è il valore della media campionaria che delimita una certa proporzione (α) della distribuzione di probabilità della media campionaria? - Calcolo dell'intervallo di confidenza - Calcolo della dimensione minima di un campione 5
29 Qual'è il valore della media campionaria che delimita una certa proporzione (α) della distribuzione campionaria della media? Risolvo per x l'equazione Z α x µ = ES x = µ + ES Z α Z α è il valore della distribuzione normale standard corrispondente al valore di probabilità α e viene letto dalle tavole della distribuzione normale standard partendo da - Ad esempio, il valore Z, 1 (corrispondente alla probabilità,1 con riferimento alla sola coda inferiore) è - 1, 57 Esempio: Qual'è il valore medio di altezza che delimita il 95% della distribuzione di probabilità delle medie campionarie (in una sola coda della distribuzione) di campioni di 5 soggetti estratti da una popolazione con µ=17 cm e σ=15, cm? ES=15, / 5 = 3, Z, 95 = 1, x = , 1, = 17 +,9 = 17,9 5
30 Pertanto, un campione di 5 soggetti con media campionaria > 17,9 cm potrà essere estratto dalla popolazione data solo con probabilità inferiore a 5% Distribuzione di probabilità delle medie campionarie n=5 popolazione Norm( 17; 15,) 59 Esempio: Quali sono i valori delle medie campionarie di altezza che, in modo simmetrico rispetto alla media della popolazione, delimitano il 95% della distribuzione campionaria delle medie, data una popolazione con µ=17 cm e σ=15, cm e campioni di 5 soggetti? Corrisponde a chiedere quali sono i valori di altezza che delimitano il,5% ed il 97,5% della distribuzione campionaria delle medie
31 Individuiamo sulle tavole i valori Z di interesse: p(inf) =,5 -,95/ =,5 Z, 5 = -1,9 p(sup)=,5 +,95/ =,975 Z, 975 = +1,9 1 ES=15, / 5 = 3, Z, 5 = -1,9 Z, 975 = +1,9 limite inferiore x = µ + Z 5 * ES = 17 1,9*3 = 17 5, = 1, 1 limite superiore x = µ + Z 975 * ES = ,9* 3 = , = 175, - Pertanto avremo il 95% di probabilità che un campione casuale di 5 soggetti, estratto da una popolazione con µ=17 cm e σ=15, cm abbia media campionaria compresa tra 1,1 e 175,
32 Distribuzione di probabilità delle medie campionarie n=5 popolazione Norm( 17; 15,) 3 Quale deve essere la dimensione minima di un campione? Prima di estrarre un campione voglio sapere quale deve essere la sua numerosità Voglio cioè sapere quanto deve essere grande un campione per estrarre con probabilità nota campioni compresi entro un dato intervallo intorno alla media della popolazione Fissiamo ad esempio la probabilità al 9%
33 La soluzione del problema corrisponde a trovare i valori di n che soddisfano la seguente equazione p[(µ- )<= x <=(µ+ )] =,9 Attraverso alcuni passaggi algebrici l'equazione diventa: n p σ <= Z <= n σ =,9 5 I passaggi algebrici (per chi fosse interessato) p[(- )<= x -µ<=(+ )] =,9 p[(- )<= x -µ<=(+ )] =,9 p p σ p ( ) ( x µ ) <= <= =, 9 ES ES ES ( ) ( x µ ) <= <= =, 9 n n ( ) σ σ <= n Z <= σ n σ n =,9
34 La soluzione dell'equazione corrisponde alla soluzione delle due equazioni: ( ) n Z α = σ e Z α n = σ Se l'intervallo intorno alla media è simmetrico basta risolverne una n = Zα n = Zα σ σ Attenzione: per risolvere l'equazione debbo conoscere σ ma non µ 7 I valori noti nell'equazione: Z α è il valore Z corrispondente all'errore di primo tipo che siamo disposti ad accettare, distribuito in modo simmetrico nelle due code della distribuzione gaussiana (In questa lezione non abbiamo ancora parlato degli errori statistici di primo e di secondo tipo) σ = deviazione standard, deve essere nota o ipotizzata = corrisponde alla precisione desiderata della stima campionaria
35 Ad esempio, intendo condurre uno studio campionario per stimare l'altezza di una popolazione Quanto deve essere grande il mio campione perchè con probabilità del 95% il suo valore sia compreso intorno alla media della popolazione +- 5 cm? La deviazione standard è 5 cm n = Zα σ I valori noti nell'equazione: Z α = Z,5 = 1, 9 ; σ = 5 ; = 5 1,9 5 n = =9, 5 9 Applicazione: Metodo consigliato per l estrazione di piccoli campioni da gruppi non troppo numerosi: tavola dei numeri casuali Procedura per il campionamento con tavola dei numeri casuali: 1 Le osservazioni che compongono la popolazione (anche detta base di campionamento) vengono numerate in ordine progressivo da 1 a N; Viene scelto un punto di partenza sulla tavola dei numeri casuali (es a occhi chiusi si segna un punto); 3 Viene letto ( estratto ), a partire dal punto così individuato, un numero di M cifre, dove M è pari al numero di cifre del numero totale di osservazioni nella popolazione (es se la popolazione è di 3 persone useremo numeri di 3 cifre, se di 5 persone useremo numeri di cifre); 7
36 Viene inclusa nel campione l osservazione con numero progressivo pari al numero estratto; se il numero estratto è superiore a N si estrae un altro numero 5 Si ripete la procedura leggendo i numeri successivi dalla tavola, fino a che non è stato estratto il numero richiesto di osservazioni Le tavole dei numeri casuali possono essere prodotte con appositi programmi di calcolo 71 Tavola dei numeri casuali (esemplificativa)
37 Esempio: estrazione di un campione di 1 soggetti da una base di 15 La base è elencata nella tabella allegata Dovrò scegliere numeri di 3 cifre Decido che procederò progressivamente per colonna, dall alto in basso In modo casuale individuo il punto sottolineato come punto di partenza I successivi valori inferiori a 15 sono annotati in grassetto I valori, 11,, 5, corrispondono ai soggetti da campionare Tali soggetti sono evidenziati nella tabella successiva con indicati i valori di emoglobina 73 Tavola dei numeri casuali
38 Numero Hb progressivo Numero Hb progressivo
39 Esercizi dal testo pag 11 n 1 pag 11 n pag 11 n 3 pag 1 n pag 1 n 5 pag 1 n pag 1 n pag 1 n Altri esercizi ESERCIZIO 1 La tabella allegata include i valori di 1 misure di emoglobina espresse in decigrammi/1 ml, ordinati in modo crescente Estrarre un campione casuale di 1 osservazioni utilizzando la tavola dei numeri casuali Calcolare Media e deviazione standard
40 Tavola dei numeri casuali Esercizio Immaginiamo di voler estrarre un campione casuale stratificato per sesso dalla popolazione in tabella, includendo uomini e 1 donne Completare la tabella ed indicare la frazione di campionamento complessiva per gli uomini e per le donne Indicate la probabilità di essere inclusi nel campione, separatamente per uomini e donne Strato N nella popolazione N campione Frazione di campionamento Maschi 3355 Femmine 7
41 1 Appendice L istogramma presenta la distribuzione di frequenza di 1 osservazioni distribuite in modo uniforme La variabile considerata assume i soli valori interi tra e 9 L esempio è analogo a quello presentato nel testo di PArmitage e GBerry Statistical Methods in Medical Researchs (editaliana McGraw-Hill) Alcune statistiche descrittive della Variabile I N 1 Mean 5 Std Deviation 795 Variance 55 Skewness Kurtosis -13 FREQUENCY popol azi one
42 Sono stati estratti campioni, tutti di numerosità 5 osservazioni da tale popolazione Le statistiche e gli istogrammi si riferiscono alla distribuzione di questi campioni La variabile considerata è la media campionaria della variabile I, indicata per convenienza come md Variable: md Osserviamo che: N -> numero di campioni (ciascuno costituisce un osservazione) Mean 5 -> media campionaria Errore standard 13 Skewness 1331 Kurtosis > il valore si questi indici (non presentati a lezione) corrisponde a quanto atteso per una distribuzione normale 3 Mean 5 La coincidenza di queste statistiche indica che la distribuzione è simmetrica Median Mode
43 5 PERCENT medi a campi onar i a CUMULATI VE PERCENT medi a campi onar i a
44 Ripeto il campionamento con n=9 I risultati principali sono: Mean 55 Errore standard 9135 Variance Skewness -11 Kurtosis -135 Si noti che l errore standard è inferiore rispetto al precedente esempio 7
Università del Piemonte Orientale. Corso di Laurea in Igiene Dentale. Corso di Statistica per la ricerca sperimentale e tecnologica
Università del Piemonte Orientale Corso di Laurea in Igiene Dentale Corso di Statistica per la ricerca sperimentale e tecnologica Campionamento e distribuzione campionaria della media Corso di laurea triennale
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Campionamento e distribuzione campionaria della media CdL Infermieristica
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. a.a Corso di Statistica Medica. Lezione 2
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia aa Corso di Statistica Medica Lezione Campionamento ed inferenza Popolazione: insieme di tutti i valori realizzati o possibili
DettagliCampione: Esercitazioni di Statistica Corsi di Laurea Infermiesristica Pediatrica e Ostetricia - I anno 1
Campione: - raccolta finita di elementi estratti da una popolazione - scopo dell estrazione è quello di ottenere informazioni sulla popolazione - il campione deve essere rappresentativo della popolazione
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliUniversità del Piemonte Orientale Corso di laurea in medicina e chirurgia a.a Corso di Statistica Medica Inferenza sulle medie 1
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia aa 2002 2003 Corso di Statistica Medica Inferenza sulle medie Università del Piemonte Orientale Corso di laurea in medicina e chirurgia
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
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
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,
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliUniversità del Piemonte Orientale. Corsi di laurea di area tecnica. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corsi di laurea di area tecnica Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Corsi di laurea triennale di area tecnica - Corso di
DettagliUniversità del Piemonte Orientale. Corsi di laurea triennale di area tecnica. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corsi di laurea triennale di area tecnica Corso di Statistica Medica Intervalli di confidenza Corsi di laurea triennale di area tecnica - Corso di Statistica Medica -
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
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:
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliCAMPIONAMENTO - ALCUNI TERMINI CHIAVE
CAMPIONAMENTO - ALCUNI TERMINI CHIAVE POPOLAZIONE = qualsiasi insieme di oggetti (unità di analisi) di ricerca N = ampiezza della popolazione PARAMETRI = caratteristiche della popolazione [media, proporzione
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. La distribuzione Normale (o di Gauss)
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in medicina e chirurgia - Corso di Statistica
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità
Università del Piemonte Orientale Corsi di Laurea Triennale di Area Tecnica Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di Gauss) CdL Area Tecnica -
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)
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.11 - Principi dell inferenza statistica - Campionamento - Distribuzione campionaria di una media e di una proporzione - Intervallo di confidenza di una media e di
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliIl campionamento statistico. prof. C.Guida
Il campionamento statistico prof. C.Guida Per determinare le caratteristiche fondamentali di una popolazione statistica non è sempre necessario analizzare tutta la popolazione, ma risulta sufficiente esaminare
DettagliIntervallo di confidenza.
Intervallo di confidenza annarita.vestri@uniroma1.it campione inferenza popolazione Media Riportare sempre anche la deviazione standard Stima puntuale di Media, dev.standard, numerosità Qualche semplice
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
DettagliSMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Campionamento 21/1/2005
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Campionamento 21/1/2005 Importanza del campionamento Permette di trarre conclusioni o fare previsioni limitando l'osservazione solo a un gruppo
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliTeorema del Limite Centrale
Teorema del Limite Centrale Problema. Determinare come la media campionaria x e la deviazione standard campionaria s misurano la media µ e la deviazione standard σ della popolazione. È data una popolazione
DettagliUtilizzando la terminologia generica di prima, la variabile standardizzata X si calcola quindi
La variabile standardizzata Utilizzando la terminologia generica di prima, la variabile standardizzata X si calcola quindi X'= X Media(X ) DS(X ) Visto l ampio uso in statistica di questa procedura, la
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure relative a una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliINTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA
INTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA IRCBG 19027 Modulo Dal campione alla popolazione: l'inferenza e l'intervallo di confidenza IRCCS Burlo Garofolo Formazione, Aula A via dell Istria
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
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
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
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
DettagliLezione VII: Z-test. Statistica inferenziale per variabili quantitative. Statistica inferenziale per variabili quantitative. Prof.
Lezione VII: Z-test Cattedra di Biostatistica Dipartimento di Scienze Biomediche, Università degli Studi G. d Annunzio di Chieti Pescara Prof. Enzo Ballone Statistica inferenziale per variabili quantitative
DettagliEsercitazione 8 maggio 2014
Esercitazione 8 maggio 2014 Esercizio 2 dal tema d esame del 13.01.2014 (parte II). L età media di n gruppo di 10 studenti che hanno appena conseguito la laurea triennale è di 22 anni. a) Costruire un
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
DettagliSTATISTICA Lauree Triennali in OSTETRICIA ed INFERM. PEDIATRICA
STATISTICA Lauree Triennali in OSTETRICIA ed INFERM. PEDIATRICA 6--008 Tempo disponibile 45 minuti. Usate solo questo foglio per le risposte. Nome Cognome Numero di matricola Corso e sede Esercizio. A
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
DettagliTeorema del Limite Centrale
Teorema del Limite Centrale Teorema. Sia data una popolazione numerica infinita di media µ e deviazione standard σ da cui vengono estratti dei campioni casuali formati ciascuno da n individui, con n abbastanza
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
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
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
DettagliCampionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1
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:
DettagliMISURE DI SINTESI 54
MISURE DI SINTESI 54 MISURE DESCRITTIVE DI SINTESI 1. MISURE DI TENDENZA CENTRALE 2. MISURE DI VARIABILITÀ 30 0 µ Le due distribuzioni hanno uguale tendenza centrale, ma diversa variabilità. 30 0 Le due
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
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliSMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Campionamento 17/1/2006
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Campionamento 17/1/2006 Probabilità e frequenza Nella pratica quotidiana ( media ) questi concetti vengono utilizzati in modo diffuso
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
DettagliDISTRIBUZIONI DI CAMPIONAMENTO
DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,
DettagliDato che i risultati ottenuti tramite campioni casuali ed esperimenti comparativi sono legati al caso, non possiamo essere certi che le nostre
Campione Dato che i risultati ottenuti tramite campioni casuali ed esperimenti comparativi sono legati al caso, non possiamo essere certi che le nostre conclusioni siano corrette. Quello che possiamo fare
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA A.A. 2010/2011 - Distribuzione binomiale - Distribuzione Normale Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona DISTRIBUZIONI TEORICHE DI PROBABILITA
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
DettagliAPPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO
APPUNTI DI STATISTICA INFERENZIALE Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO PREREQUISITI VARIABILE ALEATORIA (QUANTITATIVA): è una funzione che associa un numero reale ad ogni
DettagliUniversità del Piemonte Orientale. Corso di Laurea in Biotecnologie. Corso di Statistica Medica. Statistica Descrittiva: Variabili numeriche
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica Statistica Descrittiva: Variabili numeriche Corso triennale biotecnologie - Statistica Medica Statistica descrittiva
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
DettagliCap. 7 Distribuzioni campionarie
Cap. 7 Distribuzioni campionarie 1 Popolazione e Campione Una popolazione è l insieme di tutte le unità oggetto di studio Tutti i potenziali votanti nelle prossime elezioni Tutti i pezzi prodotti oggi
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
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
DettagliUniversità del Piemonte Orientale. Corso di Laurea in Igiene Dentale. Corso di Statistica per la ricerca sperimentale e tecnologica.
Università del Piemonte Orientale Corso di Laurea in Igiene Dentale Corso di Statistica per la ricerca sperimentale e tecnologica Test d'ipotesi Corso di laurea triennale di Igiene Dentale - Corso di Statistica
DettagliCampionamento e distribuzioni campionarie
Campionamento e distribuzioni campionarie Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Inferenza statistica = processo che, partendo dalle informazioni contenute
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliCenni di statistica statistica
Cenni di statistica La statistica è una disciplina che ha come fine lo studio quantitativo e qualitativo di un particolare fenomeno in condizioni di incertezza o non determinismo, ovvero di non completa
DettagliEsercizi sulle distribuzioni di probabilità.
Esercizi sulle distribuzioni di probabilità. - Quali sono i tre presupposti per poter applicare correttamente il modello di distribuzione binomiale? o i risultati possibili sono due eventi complementari
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
DettagliPag. 1 di 9. Fabio Ostanello Dip. Scienze Mediche Veterinarie, Università di Bologna 13/09/ Tecniche di campionamento
- Tecniche di 1. Principi e metodi di Definizione di ed ambiti di applicazione. Vantaggi e svantaggi delle tecniche di. 2. Popolazione di riferimento e rappresentatività campionaria Criteri di definizione
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliCognome e nome. Distribuzione Gaussiana; Media = 122,4 mmhg; Deviazione standard= 14,28 mmhg
Statistica medica. A.a. 2004-2005 15 Febbraio 2005 Tempo previsto 60 minuti Cognome e nome Avete consegnato l'esercitazione di Abilità Informatiche? _SI_ _NO_ LE SOLUZIONI SONO SCRITTE NELLE ULTIME PAGINE
DettagliLa distribuzione normale
La v.a. normale standardizzata La distribuzione normale standardizzata La distribuzione normale è difficilmente trattabile dal punto di vista calcolatorio, a causa dei suoi due parametri, µ e σ 2. Il ricorso
DettagliBIN = 15 um l [um] Minimum um. Data_31misure_ l [um] Maximum Points 102, , um 1.3 um
1 2 Data_31misure_070318 BIN = 15 um Minimum 80 Maximum Sum 120 3176,7 Points Mean Median 31 102,47419 102,9 102.5 um RMS Std Deviation Variance Std Error 102,7225 7,2559846 52,649312 1,3032133 7.3 um
Dettagli28/10/2010 CAMPIONE STATISTICO. L'errore di campionamento
8/10/010 CAMPIONE STATISTICO POPOLAZIONE CAMPIONE RAPPRESENTATIVO L'errore di campionamento L'errore di campionamento è rappresentato dalla differenza tra i risultati ottenuti dal campione e la vera caratteristica
DettagliConfronto tra due popolazioni Lezione 6
Last updated May 9, 06 Confronto tra due popolazioni Lezione 6 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Concetti visti nell ultima lezione Le media
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
DettagliUniversità del Piemonte Orientale. Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Statistica Descrittiva Variabili numeriche
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Statistica Descrittiva Variabili numeriche Misure di tendenza centrale Media (aritmetica) Mediana Media
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).
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliEconometria. lezione 13. validità interna ed esterna. Econometria. lezione 13. AA 2014-2015 Paolo Brunori
AA 2014-2015 Paolo Brunori popolazione studiata e popolazione di interesse - popolazione studiata: popolazione da cui è stato estratto il campione - popolazione di interesse: popolazione per la quale ci
DettagliMatematica con elementi di Informatica
Statistica descrittiva ed inferenziale Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche
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)
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:
DettagliIntroduzione all'inferenza Lezione 4
Last updated April 16, 2016 Introduzione all'inferenza Lezione 4 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Introduzione all inferenza Popolazione Campione
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Test di ipotesi
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Test di ipotesi Corso di laurea in medicina e chirurgia Lezioni di statistica medica Test di ipotesi
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
Dettagli