PREMESSA. = η valore medio della popolazione = σ deviazione standard della popolazione. Descrizione parametrica di una popolazione
|
|
- Ottaviano Beretta
- 7 anni fa
- Visualizzazioni
Transcript
1 PREMESSA Descrizioe parametrica di ua popolazioe Sappiamo che u famiglia parametrica di fuzioi desità di probabilità è defiita da uo o più parametri Θ = {θ, θ,., θ }. Ad esempio, la d.d.p. di tipo espoeziale è completamete caratterizzata dal parametro θ e si iterpreta come fuzioe di co parametro θ fissato. f(;θ) = θ ep ( θ) La distribuzioe ormale è completamete specificata dai parametri θ = η e = : f(;θ,θ ) = πθ ep[ θ ( θ ) ] Nei due casi la fuzioe rappreseta la variabile misurabile e viee scelta sulla base dell esperimeto (es. pressioe, frequeza cardiaca, ecc.). Il parametro Θ riporta iformazioi sulla posizioe esull adameto della legge di distribuzioe della variabile misurabile. Come abbiamo già messo i evideza el capitolo relativo alle variabili aleatorie e ai rispettivi mometi, cooscere i parametri della d.d.p. sigifica essere i grado di caratterizzare ua popolazioe di dati i modo esatto. Esempio: θ = η valore medio della popolazioe θ = deviazioe stadard della popolazioe θ = Defiizioe e proprietà degli stimatori θ =η Fig. I geere la legge si coosce o si suppoe ota, metre i parametri o soo oti e la loro stima è fatta sulla base dei risultati di u campioe di osservazioi di ua variabile aleatoria misurabile = {,,., }. Pertato la ricerca della migliore stima del parametro icogito si può formulare come la ricerca della migliore fuzioe g derivata dal vettore osservazioe che sia la migliore stima di θ, che chiameremo θˆ. I particolare: θˆ = g() = {,,..., } 0 Campioe. Campioe... Fig. Quidi si tratta di trovare la fuzioe g che meglio stimi il parametro della popolazioe. U esempio di g è la fuzioe che calcola il valore medio. Il valore medio campioario può essere scritto come:
2 (,,..., ) = = g i i U altro esempio di g può essere la fuzioe che calcola la deviazioe stadard. INFERENZA STATISTICA Alla base della statistica c è il cocetto di stima, cioè sulla base dei risultati tratti da u campioe si effettua ua stima dei parametri della popolazioe dalla quale il campioe è stato estratto. La teoria dell ifereza statistica riguarda prevaletemete due argometi specifici: a) la stima di itervallo, etro il quale si stabilisce che adrà a cadere il parametro della popolazioe co u errore predefiito, sulla base di u dato campioario. Vedremo che per defiire l itervallo di cofideza è ecessario cooscere: - la media campioaria, - la deviazioe stadard della popolazioe (o i sua macaza, si può stimare),- la umerosità del campioe. La media della popolazioe µ o è quidi richiesta per la stima dell itervallo di cofideza: ifatti l itervallo di cofideza defiisce gli estremi etro il quale si colloca la media della popolazioe sulla base del dato campioario e assumedo ua probabilità di errore α. b) il test delle ipotesi, che è impiegato per verificare statisticamete la validità di ua certa assuzioe sulla base di u evideza campioaria. Per esempio, si può cofrotare la media di ua variabile rilevata su u campioe co la media della popolazioe per determiare se il campioe può cosiderarsi estratto da quella popolazioe. Si possoo ache cofrotare due medie campioarie per capire se vi sia ua differeza dovuta al caso, oppure le medie delle popolazioi di proveieza siao realmete diverse. Data ua popolazioe su cui è defiita ua variabile aleatoria X co ddp f X (). Si effettui u campioameto casuale di elemeti = {,,., }. Se si estraggoo più campioi dalla stessa popolazioe si ottegoo valori medi differeti per tutte le possibili estrazioi campioarie. I valori delle medie, essedo fuzioe del campioe, soo a loro volta ua variabile aleatoria. Quidi si può ipotizzare che esista ua distribuzioe (campioaria) del valore medio, che avrà u proprio valore medio e ua propria deviazioe stadard. Notare che la deviazioe stadard idica la variabilità di ua serie di misure. Quado si tratta della descrizioe della variabilità di u valore statistico (es. la media ecc.) calcolato su u campioe, si utilizza l'errore stadard, defiito come: =. Prima di procedere all aalisi dei dati campioari, è fodametale che siao sempre verificati e soddisfatti alcui assuti che riguardao la popolazioe d'origie, dalla quale si presume che i dati campioari siao stati estratti, e il modo di estrarre i campioi. Nel caso i cui ache uo solo dei presupposti o sia rispettato, eppure dopo appropriati tetativi di trasformazioe dei dati che modificao la forma della distribuzioe campioaria, possoo ragioevolmete sorgere dubbi sulla validità delle aalisi successive. Il primo assuto da rispettare è l'idipedeza dei gruppi campioari: i campioi sottoposti ai differeti trattameti dovrebbero essere geerati per estrazioe casuale da ua popolazioe, ella quale ogi soggetto abbia la stessa probabilità di essere icluso i u gruppo qualsiasi. I questo modo, i fattori aleatori o o cotrollati dovrebbero risultare casualmete distribuiti e o geerare distorsioi od errori sistematici. E ua codizioe che spesso è soddisfatta co facilità e che dipede quasi completamete dalla programmazioe dell esperimeto. Il secodo assuto, distitivo della statistica parametrica, riguarda la ormalità delle distribuzioi. Da essa deriva la relazioe tra popolazioe dei dati e medie dei campioi, secodo il teorema del limite cetrale: se da ua popolazioe co media η e deviazioe stadard, i cui dati abbiao ua forma di distribuzioe o ormale, si estraggoo casualmete campioi di dimesioe sufficietemete grade ( 30), le loro medie si distribuirao ormalmete co media geerale η ed errore stadard.
3 La o-ormalità della distribuzioe delle medie è u idice serio di u'estrazioe o casuale. La grade importaza pratica del teorema del limite cetrale, che rede diffusamete applicabile la statistica parametrica, deriva dal fatto che gruppi di dati estratti da ua popolazioe distribuita i modo differete dalla ormale, hao medie che tedoo a distribuirsi ormalmete. Se il campioe estratto da ua popolazioe icogita è piccolo, si hao dei risultati solo se il campioe proviee da ua distribuzioe ormale. La distribuzioe ormale è la forma limite della distribuzioe delle medie campioarie per che tede all ifiito. E possibile compredere il teorema del limite cetrale i modo ituitivo, pesado come esempio al lacio dei dadi. Co u solo dado, i 6 umeri avrao la stessa probabilità e la distribuzioe delle frequeze dei umeri otteuti co i laci ha forma rettagolare. Co due dadi, è possibile otteere somme da a e tra esse quelle cetrali soo più frequeti. All aumetare del umero di dadi, la distribuzioe delle somme o delle medie (la legge è valida per etrambe, poiché cotegoo la medesima iformazioe) è sempre meglio approssimata ad ua distribuzioe ormale. Il terzo assuto riguarda la omogeeità delle variaze: se soo formati per estrazioe casuale dalla medesima popolazioe i vari gruppi devoo avere variaze eguali. Vedremo successivamete che ella statistica parametrica, è possibile verificare se esistoo differeze sigificative tra medie campioarie, solamete quado i gruppi a cofroto hao la stessa variaza. Ifatti, l aalisi statistica prevede u apposito test utilizzato per verificare l uguagliaza statistica o meo tra le variaze di due campioi di dati. Lo stimatore della media è o polarizzato e cosistete Dopo aver trovato g(), cerchiamo i geerale la risposta a due quesiti: a) quato ottima è la stima effettuata co quel parametro; b) se esistoo stimatori migliori per il parametro icogito. Il criterio che ormalmete si usa è la miimizzazioe dell errore quadratico medio, ma è molto usato ache il criterio della massima verosimigliaza. I pratica si deve valutare la seguete probabilità valida per uo stimatore ) η del parametro η : ) Q P { η -η ε} ε ) dove ε è ua quatità piccola a piacere e Q = E[( η η) ] è l errore quadratico medio. Si può dimostrare che uo stimatore il cui errore quadratico medio tede a zero, è o polarizzato (Fig. 3a) e cosistete (Fig. 3b). Cosistete Polarizzato = 500 No polarizzato = 00 = 50 η (a) θ Fig. 3 (b) Uo stimatore è o polarizzato se il valore medio della distribuzioe degli stimatori campioari tede al valore medio della popolazioe. Uo stimatore è cosistete se la variaza della distribuzioe dello stimatore campioario dimiuisce all aumetare della umerosità del campioe. Sulla base di quato sopra esposto, si può affermare che lo stimatore media campioaria è o polarizzato e ioltre è cosistete perché la variaza è e tede a zero all aumetare di. Cos è l accuratezza e la precisioe 3
4 Ambedue dipedoo o dal tipo di stimatore scelto, ma dalla misura (strumeto, tecico, ecc). L accuratezza è la viciaza di u valore misurato al suo valore reale e i buoa parte dipede dallo strumeto. La precisioe è la viciaza di misure ripetute, al medesimo valore. Spesso dipede dalla capacità del tecico di ripetere la misurazioe co le stesse modalità e ha origie dalla sua esperieza o abilità. A B C Nella figura A le misure soo accurate, vicie al valore vero, e molto precise. Nella figura B le misure soo accurate, ma poco precise, cioè differeti tra loro. Nella figura C le misure soo o accurate, ma molto precise. Nella figura D le misure soo o accurate e poco precise. D Variabile stadardizzata Z Abbiamo già avuto modo di dire che partedo da ua popolazioe co media η e deviazioe stadard, la variabile segue ua distribuzioe approssimativamete ormale co media ed errore stadard dati da: η = η = A questo puto si defiisce ua uova variabile detta variabile aleatoria stadardizzata i base alla seguete trasformazioe: η z = / Stadardizzare ua variabile sigifica riferirla ai parametri (media, deviazioe stadard) della popolazioe dalla quale è stato estratto il dato campioario. Ciò forisce ua rappresetazioe del dato campioario adeguata per effettuare u cofroto tra risultati campioari otteuti i laboratori differeti. f(z) α = 0.05 α = z Fig. 4 La variabile z segue ua distribuzioe ormale co media zero e deviazioe stadard uitaria. I questo modo è possibile stabilire l area, e quidi la probabilità, che z sia compreso all itero di u dato itervallo. 4
5 f ( z) = e Quado si fissa ua soglia, per esempio ai valori di z = ±.96, si ha la probabilità del 95% che il dato campioario cada all itero di tale itervallo, e co u errore del 5% che il campioe cada al di fuori di tale itervallo. Teuto coto della defiizioe data per z, è possibile mettere i relazioe il valore tabulato di z co il dato campioario Per cosolidata covezioe iterazioale, i livelli di soglia delle probabilità α ai quali di orma si ricorre per effettuare i test statistici descritti el paragrafo sull ifereza statistica, soo tre: 0.05 (5%); 0.0 (%); 0.00 (0.%). Le tre probabilità e i valori critici più frequetemete utilizzati soo: 5% =>.96; % =>.58; 0.% => 3.8. z Variabile stadardizzata t di Studet Se il campioe estratto da ua popolazioe icogita è piccolo e il campioe proviee da ua distribuzioe ormale di cui o si coosce la deviazioe stadard, si defiisce ua uova variabile stadardizzata T: η sˆ t = co sˆ = sˆ dove co si è idicato il valore medio campioario e co ŝ la deviazioe stadard campioaria. I questo caso la deviazioe stadard ŝ o era ota a priori, ed è stata stimata direttamete dai dati. La uova variabile segue ua distribuzioe t di Studet co (ν = - ) gradi di libertà, dove è la dimesioe del campioe. La distribuzioe t di Studet è decritta dalla seguete legge: ( ν+ ) / t f (t) = ( + ) ν e dipede dal parametro ν. E simile alla distribuzioe di Gauss e per molto grade potrebbe essere be approssimata da essa. Normale T di Studet co ν = 5 Come per la variabile stadardizzata z, così ache per la variabile stadardizzata T è possibile leggere sulle tavole l area corrispodete a determiati valori di T ed applicare i ragioameti sviluppati per la variabile z. Variabile stadardizzata χ Fiora abbiamo discusso la distribuzioe della variabile stadardizzata relativa alla media campioaria, ma co ragioameto aalogo si può studiare la distribuzioe della variaza campioaria. Suppoiamo di estrarre da ua popolazioe ormale co variaza u certo umero di campioi casuali di umerosità. Idicado co s la variaza campioaria si ottiee la seguete variabile stadardizzata: χ ( ) s = è ua variabile aleatoria co distribuzioe χ (chi quadro) di parametro ν =. Si dimostra che la distribuzioe ha media η = ν e = ν. Ioltre la distribuzioe χ è defiita solo per valori positivi di ed è simmetrica i particolare per bassi valori di ν. χ 5
6 Itervallo di cofideza per la media (variaza ota) Come abbiamo già avuto modo di dire, la media campioaria è ua buoa stima delle media della popolazioe, ma a causa dell errore dovuta alla variabilità casuale del campioe, la media campioaria coiciderà co la media della popolazioe. Ha pertato più sigificato stimare u itervallo per la media, che ci dia iformazioi sulla probabile etità della media stessa. η Abbiamo già detto che data ua popolazioe co media η e variaza, la variabile stadardizzata z = ha / approssimativamete la distribuzioe ormale stadardizzata. Apposite tavole foriscoo l area della distribuzioe ormale stadardizzata i fuzioe dei valori di z. Pertato, utilizzado i valori tabulati si possoo determiare due valori c e c tali che: p(c z c) = α i geere tali itervalli soo scelti i modo simmetrico (c = c = c). La precedete uguagliaza è equivalete a scrivere: p ( c η + c ) = α Fissato il livello di sigificatività α = 0.05 (ella tabella α è l area a siistra di z = -c più quella a destra di z = c) si ottiee il seguete itervallo di cofideza: p (.96 η +.96 ) = La precedete equazioe può essere iterpretata el modo seguete: se si ripete ifiite volte l esperimeto di estrazioe di campioi e ad ogi esperimeto si calcola la media e l itervallo.96 e +.96, allora el 95% dei casi, η è coteuto ell itervallo calcolato. Esempio. U campioe di 00 cavie ha u peso medio 0.84 kg e ua deviazioe stadard di Determiare gli itervalli di cofideza al 95% e 99% sulla media η icogita. Sappiamo che: p ( η ) = dove il valore.96 è letto i corrispodeza delle tavole della variabile stadardizzata z. Pertato l itervallo di cofideza per la media è: 0.88 η , cioè il peso delle cavie è compreso ell itervallo trovato co ua probabilità del 95%. Per α = 0.0 si ha: p ( η ) = e quidi l itervallo di cofideza per la media è: η Si oti come all aumetare del livello di cofideza (dal 95% al 99%) sia cresciuta ache l ampiezza dell itervallo. L iterpretazioe è la seguete: se desidero cooscere l itervallo di cofideza della media co ua miore probabilità di commettere u errore, essedo i dati campioari ivariati come umero, ecessariamete l itervallo di cofideza si deve allargare. Al cotrario l itervallo dimiuisce al crescere della umerosità del campioe, cioè al crescere dell evideza sperimetale. Itervallo di cofideza per la media (variaza icogita) 6
7 Nel caso di variaza icogita, la variabile stadardizzata t η = segue ua distribuzioe t di Studet co (ν = s ˆ - ) gradi di libertà. Fissata la umerosità del campioe, e stabilità la sigificatività α, mediate l uso delle tavole si potrao allora determiare due valori c e c tali che: (c v c ) = α p ipotizzado c = c = c, si ottiee: ( ŝ ŝ i ˆ ) p ( c η + c ) = α dove: ŝ = i =. ( ) Per valori molto gradi di, la distribuzioe t di Studet è praticamete uguale alla distribuzioe ormale e duque si può usare z. Esempio. U campioe di cavie ha avuto i u determiato periodo di tempo i segueti icremeti di peso i grammi: 55,6,54,57,65,64,60,63,58,67,63,6. Qual è l itervallo di cofideza, al livello del 95%, dell icremeto di peso medio? L icremeto di peso medio calcolato sulle cavie risulta essere di gr Co gradi di libertà e u livello di sigificatività α = 0.05, sulla tabella si legge u valore del coefficiete c =,0. Pertato l itervallo di cofideza si ottiee risolvedo la seguete formula: p ( η ) = α = 0.95 L itervallo di cofideza risulta essere: 58.7 η Test delle ipotesi U test statistico può essere defiito come ua procedura che, sulla base di dati campioari e co u certo grado di probabilità cosete di decidere se è ragioevole respigere ua certa ipotesi (ed accettare implicitamete l ipotesi alterativa), oppure se o esistoo elemeti sufficieti per respigerla. I pratica il test statistico è strutturato i: Ipotesi iiziale (H 0 ), detta ache ipotesi ulla, che solitamete sostiee la o diversità, cioè qualuque differeza, se riscotrata, è dovuta al caso. Essa afferma che gli effetti osservati ei campioi soo dovuti a fluttuazioi casuali, sempre possibili data la variabilità tra gli idividui; si tratta di variazioi che soo tato più marcate quato più ridotto è il umero di osservazioi. Simbolicamete si scrive: H0 : η = η0, cioè o ci soo differeze tra le medie. Nel test delle ipotesi η e η 0 rappresetao le due evideze da cofrotare. Ipotesi alterativa H a cotrapposta all ipotesi ulla H 0. Livello di sigificatività α per idicare l errore massimo che accettiamo di commettere sosteedo che esiste ua differeza. Il valore α viee detto errore di I specie. L ipotesi alterativa, i rapporto al problema e al test utilizzato, può essere di tre tipi, tra loro mutuamete esclusivi: ) bilaterale: H0 : η = η0 cotro Ha : η η0. Per esempio, quado si cofrota l effetto di due sostaze A e B sull accrescimeto di due gruppi di aimali, si è iteressati a valutare quale abbia l effetto maggiore e ioltre si ritiee che ambedue le risposte siao possibili. I questo caso l ipotesi ulla stabilisce che le due diete soo comparabili, metre l ipotesi alterativa dice che ua delle due risposte è prevalete. I cocetti espressi sul test bilaterale soo espressi el seguete grafico: 7
8 - Z α/ (/ ) µ 0 + Z α/ (/ ) Nel seguito ci si riferisce alla variabile stadardizzata t, ma lo stesso ragioameto può essere applicato alla variabile z. Il test bilaterale cosiste ell applicare la seguete formula: p ( c t c) = α per accettare l ipotesi ulla, dove c viee letto sulle tavole di t di Studet. Si fissa u valore per l errore α, esempio 5%. Poiché la distribuzioe di T è simmetrica e dato che si usa il test bidirezioale, il valore di α da iserire ella relazioe: p ( c T c) = α è la somma dei valori delle aree sottese dalle code della distribuzioe. Quado il valore calcolato di t è compreso tra ± c, si accetta l ipotesi ulla, per cui H0 : η = η0 e quidi le evetuali differeze riscotrate tra i due valori sotto test soo dovute al caso (o c è differeza sigificativa). Quado il valore di t risulta estero all itervallo ± c, si rifiuta l ipotesi ulla e si afferma che le differeze riscotrate soo sigificativamete diverse sulla base dell errore prefissato. ) uilaterale: è uilaterale quado è possibile escludere a priori il fatto che la media di u campioe possa essere miore o maggiore dell altra. Per esempio quado si cofrotao i risultati di u pricipio attivo (tossico) e di u placebo come dieta per cavie, o ci si può aspettare che gli aimali ai quali è stato sommiistrato il tossico abbiao risultati migliori ella crescita rispetto a quelli ai quali è stato sommiistrato placebo. Il test uilaterale si usa quado l ipotesi ulla è: H0 : η = η0, metre l ipotesi alterativa è: Ha : η < η0 (cioè: p ( t c) = α ), oppure H a : η > η 0 ( p ( t c) = α ). Si rifiuta l ipotesi ulla quado, quado t < c, essedo l ipotesi alterativa: p ( t c) = α per u prefissato valore di sigificatività α a cui corrispode u valore c letto sulle tavole. Oppure si rifiuta l ipotesi ulla, quado t c, essedo l ipotesi alterativa: p ( t c) = α per u prefissato valore di sigificatività α a cui corrispode u valore c letto sulle tavole. I caso cotrario, cioè se t > c quado t < c H a : η < η 0, oppure quado H a : η > η 0, allora si accetta l ipotesi ulla. I cocetti espressi sul test uilaterale soo rappresetati el seguete grafico: µ 0 + Z α (/ ) La differeza tra test uilaterale e test bilaterale o è solamete ua questioe teorica: è ua scelta co effetti pratici rilevati, poiché è importate per la determiazioe della zoa di rifiuto dell'ipotesi ulla. I ua distribuzioe ormale, prededo come livello di sigificatività α = 5%, - i u test ad ua coda l'area di rifiuto dell'ipotesi ulla iizia dal valore critico Z α =,645 - i u test a due code essa iizia dal valore critico Z α/ =,96. Errori di I e di II specie 8
9 L isieme dei valori otteibili co il test può essere diviso i due zoe: -ua zoa di rifiuto dell ipotesi ulla, collocata oltre gli estremi della distribuzioe secodo la direzioe dell ipotesi alterativa. Se il valore dell idice statistico cade ella zoa di rifiuto, si respige l ipotesi ulla. Si rifiuta l ipotesi ulla quado il dato campioario appartiee ad ua popolazioe co distribuzioe di dati diversa da quella su cui si basa l ipotesi ulla. - ua zoa di accettazioe dell ipotesi ulla, che comprede i restati valori. Co riferimeto alla figura che segue, la distribuzioe sulla quale si defiisce l ipotesi ulla H 0 può rappresetare la distribuzioe dello stimatore su campioi prelevati da ua popolazioe di soggetti ormali, metre quella sulla destra può rappresetare la distribuzioe dello stimatore su campioi che o soo ormali, per esempio patologici, che rappreseta l ipotesi alterativa H a. Quado il valore assuto dallo stimatore supera la soglia prefissata, si dice che le differeze tra i risultati campioari e il valore della popolazioe ormale o soo dovute al caso, ma il campioe è parte di u altra popolazioe, per esempio i patologici. L errore che posso commettere el rifiutare l ipotesi ulla è α (ifatti, pur facedo parte della distribuzioe dei ormali, il valore dello stimatore cade alla destra della soglia). La sovrapposizioe delle due distribuzioi dice ache che posso commettere u errore ache quado accetto l ipotesi ulla, ma essa è falsa, commettedo u errore β (pur facedo parte della distribuzioe dei patologici, il valore dello stimatore cade alla siistra della soglia). Pertato, ell applicazioe di u test statistico, si possoo commettere due errori: - rifiutare l ipotesi ulla quado i realtà è vera: si parla di errore di prima specie (errore α) e corrispode alla probabilità che il valore campioario cada ella zoa di rifiuto, quado l ipotesi ulla è vera; - accettare l ipotesi ulla quado i realtà è falsa: si parla di errore di secoda specie (errore β) e corrispode alla probabilità che il valore campioario cada ella zoa di accettazioe (si accetta l ipotesi ulla) quado i realtà essa è falsa. Nella tabella che segue soo riportate le possibili situazioi. Accetto H 0 Rifiuto H 0 H 0 vera Scelta corretta P = - α Errore I specie P = α H 0 falsa Errore II specie P = β Scelta corretta P = - β Il termie P = - β, il quale rappreseta l area della distribuzioe alla destra della soglia, è chiamato poteza del test. A parità di umerosità del campioe, se dimiuisco la probabilità di errore di I specie (α), aumeto la probabilità di errore di II specie (β), cioè dimiuisce la poteza del test. Le fasi della verifica delle ipotesi Le pricipali fasi richieste per mettere a puto u test d ipotesi soo: Defiire l ipotesi H 0 Defiire l ipotesi H a 9
10 3 Specificare il livello di sigificatività α 4 Determiare la dimesioe del campioe 5 Determiare la statistica del test 6 Fissare il valore (test uidirezioale) o i valori critici (test bidirezioale) che dividoo le regioi di rifiuto e di accettazioe 7 Calcolare il valore campioario della statistica 8 Cofrotare il valore campioario della statistica co il/i valori critici 9 Predere ua decisioe Test delle ipotesi sulla media Il test delle ipotesi può essere utilizzato per il cofroto tra media campioaria e media della popolazioe, il cofroto tra dato campioario e media della popolazioe, oppure tra medie campioarie. Così come per la stima d itervallo, si utilizzao le statistiche di z o t a secoda che la variaza sia ota oppure sia ecessario stimarla dai dati campioari. Nel seguito prederemo i esame alcui esempi dell applicazioe di test parametrici. Esempio: Riprediamo il caso dell icremeto del peso elle cavie (icremeto di peso medio = e variaza = 6.38). Ioltre, sapedo che cavie dello stesso tipo o sottoposte a dieta mostrao u icremeto di peso medio di 65 grammi, ci si domada se le risultaze campioarie siao tali da attribuire alla dieta le differeze riscotrate ell icremeto di peso oppure sia semplicemete dovuto al caso. Si tratta di u test bidirezioale: ) si fissa il livello di sigificatività: α = 0.05 ) si specificao le due ipotesi: H 0 : η = 65 ; H a : η 65 (il test è bidirezioale, cioè l area α relativa alla variabile stadardizzata deve essere letta sulle due code, ciascua di valore α/). 65 3) Si idividua la variabile aleatoria del test: t = Tale variabile descrive l adameto dei risultati campioari sˆ sotto l ipotesi ulla, cioè a codizioe che le differeze siao dovute al caso (la dieta o ha effetto) ) Si poe a cofroto il valore assuto da t, calcolato sui dati campioari: t = = co il valore 6.38/ critico c. Dato che T = < -.0 = -c, si rifiuta l ipotesi ulla al livello di sigificatività α = 0.05, si rifiuta cioè l ipotesi che la differeza d = sia dovuta al caso. Nel caso di test uidirezioale avremmo avuto: H 0 : η = 65 ; H a : η < 65 (oppure H a : η > 65 ). I questo caso il valore critico c soddisfa la relazioe: p ( t c) = α e c =.80. Pertato: t = = - c e si rifiuta l ipotesi ulla. Esempio Si suppoga di avere a disposizioe u gruppo di osservazioi campioarie relative ad ua popolazioe ormale X co media η icogita e variaza ota, ed u secodo gruppo di osservazioi campioarie relative ad ua popolazioe ormale Y co media η y icogita e variaza ota y. Suppoiamo di voler stabilire se la differeza evetualmete riscotrata tra le due medie campioarie e y sia da attribuire al caso o al fatto che le due medie η e η y delle popolazioi di proveieza dei due campioi soo diverse. I altri termii si vuole decidere per l evetuale sigificatività statistica della differeza: d = y. Pertato l ipotesi ulla H 0 è: H 0 : y = d ; L ipotesi alterativa è ua delle segueti: H : H : H : y > d ; y < d ; y d ; 0
11 Nei primi due casi si fa u test uidirezioale, metre ell ultimo caso si fa u test bidirezioale. I tal caso la variabile z è data da: ormale. ( y) d z = ed ha, quado l ipotesi ulla è vera, legge di distribuzioe / + / y Si suppoga ora di avere a disposizioe due gruppi di e osservazioi campioarie relative a due popolazioi ormali X e Y co rispettive media η e η y icogite e variaze uguali e icogite. I questo caso si deve ricorrere ad ua stima campioaria della variaza. Tuttavia, per quato riguarda il test, si procede co le ipotesi come el caso visto i precedeza, teedo coto che i questo caso il test da impiegare è quello basato sulla variabile T data da: ( y) d t = dove: s (/ + / ) ( )s ( )s s + y = + Test F sull uguagliaza di due variaze Le assuzioi di validità di u test parametrico sul cofroto tra due o più medie soo essezialmete tre: - l idipedeza dei dati etro e tra campioi; - l omogeeità della variaza: il cofroto tra due o più medie è valido se e solo se le popolazioi dalle quali i campioi soo estratti hao variaze uguali; 3 - i dati o (detto acor medio) gli scarti rispetto alla media soo distribuiti ormalmete, Co due campioi idipedeti, l assuzioe di validità più importate è quella dell uguagliaza della variaza, perché rispetto ad essa il test t è meo robusto. La variaza è ua stima della credibilità di ua media: dati molto variabili, quidi co ua variaza ampia, a parità del umero di osservazioi hao medie meo credibili, apputo perché più variabili come i loro dati. Per cofrotare due medie, è quidi ecessario che la loro credibilità sia simile, soprattutto quado i campioi hao dimesioi molto differeti, per cui ua variaza diversa determia la stima della probabilità α e del rischio β che possoo essere sesibilmete differeti da quelli omiali o dichiarati. Per l applicazioe del test t, l omogeeità tra le variaze di due gruppi (A e B) è verificata co u test bilaterale, dove l ipotesi ulla H 0 e l ipotesi alterativa H a soo: H : = 0 A B H a : A B E possibile ache u test uilaterale, quado ua delle due variaze tede a essere sistematicamete maggiore o miore dell altra. Ma, ella pratica della ricerca ambietale e biologica, i questo cotesto di aalisi prelimiare per il cofroto tra le medie di due campioi idipedeti, il test uilaterale è u caso più raro. Tra i test parametrici più diffusi i letteratura e elle pubblicazioi per verificare l omogeeità della variaza bilaterale o uilaterale vi è sicuramete il test F o del rapporto tra le due variaze, defiito come segue: F ( ma ),( mi ) = dove: S ma è la variaza maggiore S mi è la variaza miore ma è il umero di dati el gruppo co variaza maggiore S S ma mi
12 mi è il umero di dati el gruppo co variaza miore Fodato sull ipotesi che le due variaze siao uguali (cioè che l ipotesi ulla H0 sia vera), il rapporto tra esse dovrebbe essere uguale a. I valori critici della distribuzioe F dipedoo dai gradi di libertà e cioè: - ν = - rappreseta i gradi di libertà del umeratore, riportati ella prima riga della tabella, - ν = - rappreseta i gradi di libertà del deomiatore, riportati ella prima coloa della tabella. Solo se si dimostra che l ipotesi ulla è vera e pertato che i due gruppi hao variaze statisticamete uguali, è possibile usare il test t di Studet per campioi idipedeti. Test di adattameto o del χ I questo paragrafo ci occuperemo di u metodo statistico per stabilire se u campioe di dati misurati si adatta ad ua predetermiata distribuzioe teorica. U tale tipo di test si chiama test di adattameto. Per applicare il test del chi quadro si deve disporre della frequeza osservata O i e della frequeza attesa A i. Per valutare la botà dell adattameto si usa la seguete variabile: χ = K i= i (Oi A i ) A essedo K il umero delle classi su cui si desidera effettuare il cofroto. Si dimostra che per sufficietemete grade, tale statistica ha ua distribuzioe approssimabile a quella della variabile χ co ν = K-m- gradi di libertà, dove m è il umero dei parametri della distribuzioe teorica stimati servedosi dei dati del campioe. Nel caso l ipotesi ulla sia che i dati si adattio alla distribuzioe teorica, allora si rifiuta l ipotesi ulla H 0 se il valore di χ calcolato dai dati è maggiore del valore critico χ, dove α è il livello di sigificatività. α Esempio. I media i ua classe di studeti del primo ao di u corso uiversitario l età assume quattro valori come appare dalla seguete tabella: Età 9 0 Percetuale 6% 3% 5% 7% Effettuado ua rilevazioe i ua certa classe di 350 studeti si ottegoo i segueti risultati: Età 9 0 O i Si vuole sapere se, sulla base delle rilevazioi sperimetali, le due tabelle cocordao statisticamete, oppure le differeze soo statisticamete rilevati. A questo puto, applicado la percetuale media al caso dei 350 studeti, si otterrebbero i segueti risultati teorici: Età 9 0 A i ( Oi Ai ) A i
13 Sommado gli scarti su ciascua classe si ottiee: χ = 3.8. I gradi di libertà ν = K-m- soo 3, i quato essu coefficiete è stato stimato dai dati (m = 0). Al livello di sigificatività del 5% si ottiee dalle tavole del χ il seguete valore critico: χ 0.05 = 7.8. Poiché il valore di χ calcolato dai dati è iferiore a quello ricavato dalle tavole, si accetta l ipotesi ulla e cioè o esiste differeza sigificativa tra i dati campioari e i valori medi (popolazioe). 3
Statistica. Lezione 5
Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it
DettagliDistribuzione normale
Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).
DettagliAppunti di STATISTICA
Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.
DettagliCOME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)
COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x
DettagliALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1
ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE ESERCIZIO. Si vuole verificare l ipotesi, a livello di sigificatività α, che la media μ di ua variabile aleatoria X abbia u valore fissato μ. Si effettuao
DettagliUniversità degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A
Uiversità degli Studi di Padova Corso di Laurea i Medicia e Chirurgia - A.A. 015-16 Corso Itegrato: Statistica e Metodologia Epidemiologica Disciplia: Statistica e Metodologia Epidemiologica Doceti: prof.ssa
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliCorso di Statistica Canale E Bini, Cutillo A.A. 2017/2018. Esercitazione di riepilogo n.8 Test di ipotesi Soluzioni
Corso di Statistica Caale E Bii, Cutillo A.A. 17/18 Esercitazioe di riepilogo.8 Test di ipotesi Soluzioi Esercizio 1 A seguito della sostituzioe di u macchiario per il cofezioameto di caffè, il resposabile
DettagliEsercitazioni del corso: ANALISI MULTIVARIATA
A. A. 9 1 Esercitazioi del corso: ANALISI MULTIVARIATA Isabella Romeo: i.romeo@campus.uimib.it Sommario Esercitazioe 4: Verifica d Ipotesi Test Z e test T Test d Idipedeza Aalisi Multivariata a. a. 9-1
DettagliStatistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice
Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliSTATISTICA INFERENZIALE
STATISTICA INFERENZIALE 6 INFERENZA STATISTICA Isieme di metodi che cercao di raggiugere coclusioi sulla popolazioe, sulla base delle iformazioi coteute i u campioe estratto da quella popolazioe. INFERENZA
DettagliMatematica con elementi di Informatica
La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche
DettagliDistribuzione normale o gaussiana
Distribuzioe ormale o gaussiaa Ua variabile radom si dice distribuita ormalmete (o secodo ua curva gaussiaa) se la sua fuzioe di desità di probabilità è del tipo: f () ( ) ep co - rappreseta il valore
DettagliUniversità degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno
Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto
Dettagli= ed è: n. 2 2 x. tra ns x
0/9/6 Itroduzioe all aalisi di variaza: variaza etro e tra gruppi La procedura dell aalisi della variaza sfrutta il fatto che la variaza della popolazioe da cui, i base all ipotesi H 0, provegoo i campioi
DettagliUNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:
UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Doatella Siepi doatella.siepi@uipg.it tel: 075 5853525 05 dicembre 2014 6 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazioe dei
DettagliArgomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica
Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Stima Cicchitelli cap. 6 Argometi Defiizioe di stimatore Proprietà degli stimatori (campioi fiiti): No distorsioe Efficieza relativa
DettagliSTUDIO DEL LANCIO DI 3 DADI
Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio
DettagliCosto manutenzione (euro)
Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più
DettagliINFERENZA o STATISTICA INFERENTE
INFERENZA o STATISTICA INFERENTE Le iformazioi sui parametri della popolazioe si possoo otteere sia mediate ua rilevazioe totale (o rilevazioe cesuaria) sia mediate ua rilevazioe parziale (o rilevazioe
DettagliStime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo
Abbiamo visto che, data ua v.a. X di cui o si cooscao valore atteso e variaza, tali umeri si possoo stimare putualmete el seguete modo: si prede u casuale X 1,...,X di v.a. aveti la stessa legge di X;
DettagliTEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0
TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si
DettagliUna funzione delle osservazioni campionarie è una statistica che, nel contesto della stima di un parametro, viene definita stimatore.
Stimatori e stime Teoria della stima Supporremo che sulla popolazioe sia defiita ua variabile X la cui distribuzioe, seppure icogita, è completamete caratterizzata da u parametro q o da u isieme di parametri
DettagliL INTERVALLO DI CONFIDENZA
L INTERVALLO DI CONFIDENZA http://www.biostatistica.uich.itit POPOLAZIONE POPOLAZIONE CAMPIONAMENTO CAMPIONE PARAMETRO INFERENZA CAMPIONAMENTO? STIMA CAMPIONE Stimare i Parametri della Popolazioe Itervallo
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore Marco Riai mriai@uipr.it http://www.riai.it STIMA PUNTUALE (p. 55 Il parametro è stimato co u uico valore Esempio: stima della share di u programma TV % di spettatori el campioe
DettagliAnemia. Anemia - percentuali
1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14
DettagliArgomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della
1 La stima putuale Argometi trattati: Stima putuale e stimatore Proprietà degli stimatori Stima putuale della media della popolazioe e sua distribuzioe Stima putuale di ua proporzioe e sua distribuzioe
DettagliParametri e statistiche. Parametri e statistiche. Distribuzioni campionarie. Popolazione Parametri Valori fissi, Statistiche o Stimatori.
Parametri e statistiche Popolazioe Parametri Valori fissi, spesso o oti Campioe Statistiche o Stimatori Variabili casuali, le cui determiazioi dipedoo dalle particolari osservazioi scelte Parametri e statistiche
DettagliPROBLEMI DI INFERENZA SU MEDIE
PROBLEMI DI INFERENZA SU MEDIE STIMA PUNTUALE Il problema della stima di ua media si poe allorchè si vuole cooscere, sulla base di osservazioi campioarie, il valore medio μ che u dato carattere preseta
DettagliStatistica I - A.A
Statistica I - A.A. 206-207 Prova scritta - 9 aprile 207 Problema. (pt. 20 U azieda che produce ricambi per stampati esamia la durata di u certo modello di cartuccia d ichiostro, misurata i umero di copie
DettagliTest di Ipotesi. La distribuzione gaussiana delle medie consente anche di sottoporre ad esame critico ipotesi effettuate su una popolazione.
La distribuzioe gaussiaa delle medie cosete ache di sottoporre ad esame critico ipotesi effettuate su ua popolazioe. Si suppoe che vega fatta ua affermazioe che localizzi la media µ della popolazioe (ipotesi
DettagliTitolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli
Titolo della lezioe Dal campioe alla popolazioe: stima putuale e per itervalli Itroduzioe Itrodurre il cocetto di itervallo di cofideza Stima di parametri per piccoli e gradi campioi Stimare la proporzioe
DettagliInferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni.
Ifereza Statistica L ifereza statistica cerca di risalire al modello del feomeo sulla base delle osservazioi No coosciamo il modello del feomeo cioè la vc X A volte la coosceza può essere parziale (coosciamo
DettagliStimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini
Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità D
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità D Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1
DettagliQuesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:
Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità C
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità C Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1
DettagliLezione 4 Corso di Statistica. Francesco Lagona
Lezioe 4 Corso di Statistica Fracesco Lagoa Uiversità Roma Tre F. Lagoa (fracesco.lagoa@uiroma3.it) 1 / 23 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioni
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioi Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliStatistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzione
Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzioe Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete
DettagliLa stima per intervalli
La stima per itervalli U itervallo di cofideza per u parametro è u itervallo di estremi [t - ; t + ] defiito itoro alla stima t di ed i cui è tale che: P t t È cioè l itervallo, cetrato su t, che co u
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzioe dei segueti esercizi, si fa riferimeto alle Tabelle riportate alla fie del documeto. Esercizio 1 I u villaggio turistico gli aimatori orgaizzao ua sfida. Vice u prazo i u ristorate
DettagliCorso di Statistica Facoltà di Economia
Corso di Statistica Facoltà di Ecoomia Lezioe a.a. 000-00 00 Fracesco Mola Ifereza statistica Logica iduttiva Dal particolare al geerale Popolazioe [ v. c. ] f Ω x,, Se si coosce F si può fare ifereza
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
DettagliUniversità di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z)
Uiversità di Napoli Federico II, DISES, A.a. 215-16, CLEC, Corso di Statistica (L-Z) Corso di laurea i Ecoomia e Commercio (CLEC) Ao accademico 215-16 Corso di Statistica (L-Z) Maria Mario Lezioe: 22 Argometo:
DettagliGli Indici di VARIABILITA
Elemeti di Statistica descrittiva Gli Idici di VARIABILITA - Campo di variazioe - Scarto dalla media - Variaza - Scarto quadratico medio - Coefficiete di variazioe Idici di Variabilità I valori medi soo
DettagliConfronto di due misure Campioni indipendenti
Statistica7 /11/015 Cofroto di due misure Campioi idipedeti o meglio.. rispodere al quesito Due serie di misure soo state estratte dalla stessa popolazioe (popolazioe comue o idetica) o soo state estratte
Dettagli4. Proprietà degli stimatori
Uiversità degli Studi di Basilicata Facoltà di Ecoomia Corso di Laurea i Ecoomia Aziedale - a.a. 0/03 lezioi di statistica del 0, e 3 giugo 03 - di Massimo Cristallo - 4. Proprietà degli stimatori Si è
DettagliCorso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a
Corso di Statistica Test per differeza tra medie e proporzioi Prof.ssa T. Laureti a.a. -3 Corso di Statistica a.a. -3 DEIM, Uiv.TUSCIA - Prof.ssa Laureti Test basati su campioi idipedeti proveieti da due
DettagliLezioni del Corso di Fondamenti di Metrologia Meccanica
Facoltà di Igegeria Lezioi del Corso di Fodameti di Metrologia Meccaica A.A. 005-006 Prof. Paolo Vigo Idice. Frequeza e Probabilità. 3. Curva di Gauss 4. Altre Distribuzioi Frequeza e Probabilità Me spiego:
DettagliTecnica delle misurazioni applicate LM - Esame del 26 febbraio 2013
Tecica delle misurazioi applicate LM - Esame del 6 febbraio 013 Problema 1. La FisioDorica SpA è u impresa che produce prodotti farmaceutici. L Avv. Tizio, AD della società, sta valutado la opportuità
DettagliLezione 14. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 14. A. Iodice. disuguaglianza di Markov
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 5 6 () Statistica 2 / 29 Importati disuguagliaze Variabili casuali co distribuzioi o
DettagliFonti e strumenti statistici per la comunicazione
Foti e strumeti statistici per la comuicazioe Prof.ssa Isabella Migo A.A. 018-019 Idici Medi Esercizio:calcolo media soluzioe Numeri addetti xi i xi * i 10 18 180 1 15 180 14 5 350 16 10 160 18 9 5 0 18
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Intervalli di confidenza
iovaella@disp.uiroma.it http://www.disp.uiroma.it/users/iovaella Itervalli di cofideza Itroduzioe Note geerali La stima putuale permette di otteere valori per i parametri di ua fuzioe ma i alcui casi può
DettagliEntropia ed informazione
Etropia ed iformazioe Primi elemeti sulla teoria della misura dell iformazioe Per trasmettere l iformazioe è ecessaria ua rete di comuicazioe, che, secodo l approccio teorico di Claude E. Shao e Warre
DettagliEsercitazioni di Statistica
Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso
DettagliANalysis. Analisi della Varianza - ANOVA. Aprile, Aprile, Nel linguaggio delle variabili le operazioni fondamentali sono tre
ANalsis Of VAriace Nel liguaggio delle variabili le operazioi fodametali soo tre Descrizioe Spiegazioe Iterpretazioe Descrizioe La relazioe tra variabili viee sitetizzata per meglio cogliere gli aspetti
DettagliLezione 15. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 15. A. Iodice
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 () Statistica 2 / 29 itervallo margie di errore Per stimare u parametro della popolazioe,
DettagliPROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD e 4038) 15 gennaio 2003
PROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD. 5047 e 408) 5 geaio 00 SOLUZIONI Il uovo direttore di ua Baca di Credito Cooperativo si trova ad affrotare ua verteza di tipo sidacale che riguarda la
DettagliL INTERVALLO DI CONFIDENZA
L INTERVALLO DI CONFIDENZA http://www.biostatistica.uich.itit POPOLAZIONE POPOLAZIONE CAMPIONAMENTO CAMPIONE PARAMETRO INFERENZA CAMPIONAMENTO? STIMA CAMPIONE 1 Stimare i Parametri della Popolazioe Itervallo
DettagliPolitecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo
Politecico di Milao - Ao Accademico 010-011 Statistica 086449 Docete: Alessadra Guglielmi Esercitatore: Stefao Baraldo Esercitazioe 8 14 Giugo 011 Esercizio 1. Sia X ua popolazioe distribuita secodo ua
DettagliCaso studio 9. Distribuzioni doppie. Esempi
7/3/16 Caso studio 9 Si cosideri la seguete tabella che riporta i dati dei Laureati el 4 dei tre pricipali gruppi di corsi di laurea, per codizioe occupazioale a tre ai dalla laurea (Fote: ISTAT, Idagie
DettagliMetodi statistici per lo studio dei fenomeni biologici
Metodi statistici per lo studio dei feomei biologici Alla fie di questa lezioe dovreste essere i grado di: spiegare i cocetti di stima putuale e stima itervallare iterpretare gli itervalli di cofideza
DettagliProbabilità e Statistica (cenni)
robabilità e Statistica (cei) remettiamo la distizioe tra i due cocetti: Defiizioe: dato il verificarsi di u eveto si defiisce la probabilità per l eveto cosiderato il rapporto tra il umero dei casi favorevoli
DettagliAppunti di Probabilità e Statistica. a.a. 2014/2015 C.d.L. Informatica Bioinformatica I. Oliva. 1 Statistica Inferenziale.
Apputi di Probabilità e Statistica a.a. 014/015 C.d.L. Iformatica Bioiformatica I. Oliva Lezioe 7 1 Statistica Ifereziale 1.1 Test di ipotesi Ipotesi statistica: assuto relativo ad uo o più parametri (igoti)
DettagliLe principali procedure inferenziali: nozioni, schemi di procedimento ed esempi di applicazione
Complemeti per il corso di Statistica Medica Le pricipali procedure ifereziali: ozioi, schemi di procedimeto ed esempi di applicazioe IC al livello (-α) % per la media µ Ipotesi: ella popolazioe il feomeo
DettagliSenza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it Ifereza statistica Dal campioe alla popolazioe Co quale precisioe si possoo descrivere le caratteristiche di ua popolazioe sulla base
DettagliElementi di statistica
Elemeti di statistica La misura delle gradezze fisiche può essere effettuata direttamete o idirettamete. Se la misura viee effettuata direttamete si parla di misura diretta; se essa viee dedotta attraverso
DettagliStatistica Inferenziale Soluzioni 1. Stima puntuale
ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Miozzo e Aamaria Guolo Laurea i Ecoomia del Commercio Iterazioale Laurea i Ecoomia e Ammiistrazioe delle Imprese Uiversità degli Studi di Veroa sede di Viceza
DettagliDaniela Tondini
Daiela Todii dtodii@uite.it Facoltà di Bioscieze e Tecologie agro-alimetari e ambietali e Facoltà di Medicia Veteriaria C.L. i Biotecologie Uiversità degli Studi di Teramo 1 La mediaa o valore mediao M
DettagliEsercitazione 6 del corso di Statistica 2
Esercitazioe 6 del corso di Statistica Dott.ssa Paola Costatii 7 marzo Decisioe vera falsa è respita Errore di I tipo Decisioe corretta o è respita Probabilità = Decisioe corretta Probabilità = - Probabilità
Dettagli1.6 Serie di potenze - Esercizi risolti
6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo
DettagliEsperimentazioni di Fisica 1. Prova scritta del 1 febbraio 2016 SOLUZIONI
Esperimetazioi di Fisica 1 Prova scritta del 1 febbraio 2016 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 7 10/09/2015 1. (12 Puti) Quesito. La variabile casuale cotiua x ha ua distribuzioe
Dettagli2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)
Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,
DettagliEsercitazione sette: soluzioni. H 1 : θ > 0.48 ( =
Esercitazioe sette: soluzioi. { H0 : θ 0.48 H : θ > 0.48 a) La variabile Y ha ua distribuzioe beroulliaa di parametro θ. La desità appartiee alla famiglia espoeziale e possiamo vedere se è a rapporto di
Dettagli6 Stima di media e varianza, e intervalli di confidenza
Si può mostrare che, per ogi fissato α, t,α z α, e t,α z α per + I pratica t,α e z α soo idistiguibili per 200. 6 Stima di media e variaza, e itervalli di cofideza Lo scopo esseziale della Statistica ifereziale
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Idici di posizioe Esercizio 1: Data la seguete distribuzioe uitaria del carattere X 4 2 4 2 6 4 0 4 0 2 4 4 (1) calcolare
DettagliLezione 9. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 9. A. Iodice
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie 1 2 3 ρ xy come coefficiete calcolo di ρ xy 4 () Statistica 2 / 26 Misura dell iterdipedeza
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
Dettaglin=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI TATITICA MEDICA ED EERCIZI I METODI PER IL CONFRONTO DI MEDIE (Campioi idipedeti) IL PROBLEMA oo stati rilevati i dati relativi alla frequeza cardiaca (misurata i battiti al miuto)
Dettagli14. TEORIA DEI TEST STATISTICI
4. TEORIA DEI TEST STATISTICI 4. Geeralità sui test di sigificatività I dati campioari possoo essere utilizzati, oltre che per costruire l itervallo di cofideza di u parametro igoto, ache per verificare
DettagliIntervalli di confidenza
Itervalli di cofideza Fracesco Lagoa Itroduzioe Questa dispesa riassume schematicamete i pricipali risultati discussi a lezioe sulla costruzioe di itervalli di cofideza. Itervalli di cofideza per la media
DettagliProgramma della parte introduttiva: Lezione 4
Programma della parte itroduttiva: Lezioe 4 Cap. 3 Presetazioe e cofroto tra misure Cap. 4 Propagazioe delle icertezze Cap 5 Misure ripetute e stimatori 1 Stimatori statistici Suppoiamo di aver sei misure,
DettagliProbabilità CENNI DI PROBABILITÀ
CENNI DI PROBABILITÀ Itroduzioe I queste pagie verrao esposti i breve i cocetti base della teoria delle probabilità. Lo scopo è quello di forire le basi i modo che siao più compresibile l uso che e viee
DettagliMetodi di valutazione delle prestazioni di rete
Metodi di valutazioe delle prestazioi di rete Prof. Ig. Carla Raffaelli Cofroto di diversi approcci Parametri di cofroto: precisioe requisiti di poteza di calcolo requisiti di memoria facilita' di approccio
DettagliLezione 4 Corso di Statistica. Domenico Cucina
Lezioe 4 Corso di Statistica Domeico Cucia Uiversità Roma Tre D. Cucia (domeico.cucia@uiroma3.it) 1 / 22 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 6
X c () 0 0 0 0 t dx e x t altrove x e x x f x t x X = =4 =8 E[X] = Var[X] = Teorema Z, Z,, Z N(0 ; ) e idipedeti X= Z + Z + +Z c () Nota Esistoo tavole dei puti percetuali delle distribuzioi chi-quadro
DettagliProbabilità e Statistica
Probabilità e Statistica I statistica la parola popolazioe idica l isieme di tutte le possibili osservazioi relative ad u feomeo. Popolazioe é, ad esempio, l isieme di tutti gli abitati di ua cittá, di
DettagliAPPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.
AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i
DettagliAppunti complementari per il Corso di Statistica
Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe
DettagliMetodi quantitativi per l analisi dello sviluppo
Metodi quatitativi per l aalisi dello sviluppo Esercizio Si è rilevato il umero di ospedali (X) e la spesa saitaria i milioi di euro (Y), per 7 regioi, otteedo i segueti risultati: Ospedali (X) 5 7 4 6
DettagliEsercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati
Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA
UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti
DettagliIntervalli di Fiducia
di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica
DettagliCopyright Esselibri S.p.A.
CAPITOLO OTTAVO LE VARIABILI CASUALI Sommario:. Geeralità. -. La variabile casuale biomiale. - 3. La variabile casuale di Poisso. - 4. La variabile casuale ormale. 5. La variabile casuale chi-quadrato.
Dettagli