A1. La curva normale (o di Gauss)
|
|
- Alfonso Colucci
- 7 anni fa
- Visualizzazioni
Transcript
1 Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 202/203 lezione n. 8 dell aprile di Massimo Cristallo - A. La curva normale (o di Gauss) La curva normale (o di Gauss) è la distribuzione continua maggiormente utilizzata in Statistica. Solitamente viene indicata con il simbolo: X ~N( µ, ). In pratica, misurando più volte una stessa grandezza è ovvio che ci saranno degli errori di osservazione, la cui distribuzione è ottenuta dall espressione algebrica (dimostrata da Gauss) di seguito riportata: ( x µ ) 2 N 2 2 y = e 2π I parametri della curva normale sono la numerosità del collettivo, la media aritmetica e lo scaro quadratico medio: N, µ e. La curva di Gauss presenta, inoltre, le seguenti caratteristiche: - ha una forma campanulare; - è asintotica (presenta due rami asintotici all asse delle ascisse); - è simmetrica intorno alla media aritmetica; - in corrispondenza dell ascissa x = µ l ordinata assume il suo massimo valore; - in corrispondenza dei punti di ascissa µ e µ + ha i punti di flesso; - N indica l area compresa tra la curva normale e l asse delle ascisse; - al variare di µ la curva subisce traslazioni verso sinistra o destra, a seconda che µ diminuisce o aumenta; - al variare di la curva diventa più schiacciata o aguzza, a seconda che aumenta o diminuisce. In definitiva, le curve normali, pur assumendo diversi aspetti al variare dei 3 parametri, mantengono sempre la forma a campana. E possibile ricondurre le infinite curve normali ad un unica curva normale (detta standardizzata), ponendo: x µ z = cioè, cambiando le unità di misura della variabile in unità di deviazioni standard dalla media. Considerando, poi, le frequenze relative (cioè dividendo per il totale dei casi esaminati N) e tenendo conto della precedente assunzione, si ricava la seguente espressione algebrica della curva normale standardizzata: z2 2 y = e 2π ove ciascuno dei tre parametri assume sempre lo stesso valore: N = (area totale); µ = 0; =. La curva normale standardizzata è ovviamente simmetrica intorno allo zero.
2 Essendo i parametri costanti e z l unica variabile (indipendente), è possibile far ricorso alle tabulazioni presenti in letteratura, che forniscono direttamente l area interessata al di sotto della curva normale, senza ricorrere al calcolo degli integrali definiti. Si può verificare che per ogni distribuzione normale con media µ e deviazione standard, risulta: a. l intervallo [ µ, µ ] b. l intervallo [ µ 2, µ 2 ] c. l intervallo [ µ 3, µ 3 ] + comprende sempre il 68,3% delle osservazioni; + comprende sempre il 95,% delle osservazioni; + comprende sempre il 99,7% delle osservazioni. Si noti che gli intervalli precedenti sono tutti simmetrici intorno alla media aritmetica. Esempio Se l altezza di un gruppo di persone si distribuisce secondo una curva normale X ~N(80,5), si può affermare che: 75,85 a. il 68,3% degli individui in esame ha un altezza contenuta nell intervallo [ ] b. il 95,% degli individui in esame ha un altezza contenuta nell intervallo [ 70,90 ] c. il 99,7% degli individui in esame ha un altezza contenuta nell intervallo [ 65,95 ]. In altri casi, occorre prima calcolare i valori di z corrispondenti all ascissa x, sottraendo la media aritmetica e dividendo il risultato ottenuto per la deviazione standard, e poi utilizzare la tavola della curva normale standardizzata. Se risulta, ad esempio, X ~N(0,), considerando l ascissa x=8 si ha: 8 0 z = = 0,5 Si deve, quindi, rintracciare sull apposita tavola il valore 0,5, trattandosi come è noto di una curva simmetrica intorno allo zero, e poi procedere a seconda del tipo di problema da risolvere. Se invece x è pari a 5, poiché risulta: 5 0 z = =,25 il valore da cercare all interno della tavola è proprio,25, in corrispondenza del quale compare il valore 0,0565, il quale sta a significare che la percentuale dei casi in cui x è maggiore di 5 risulta pari a circa il 0,56%. E possibile risolvere, sempre con l uso della apposita tavola, tipologie diverse di applicazioni. Allegato: tavola area della curva normale standardizzata, consegnata durante la lezione. A2. Indici di asimmetria e di curtosi La simmetria statistica indica l assenza di specularità di una distribuzione rispetto al suo asse di simmetria. Disponendo di N osservazioni di un certo carattere quantitativo, si dice che queste sono simmetriche rispetto ad un centro (valore medio) se le intensità ordinate x e x sono equidistanti ( i ) ( N i + ) dal centro µ. La relazione di simmetria comporta che il primo e l ultimo termine ordinato hanno uguale distanza dal centro di simmetria. Nell ipotesi di simmetria, il centro coincide con la Mediana, con la Media aritmetica e la Moda della distribuzione. 2
3 Si pone allora il problema di misurare l asimmetria. A tal fine, la costruzione dei corrispondenti indici deve essere tale da poter misurare di quanto la situazione rilevata si discosti da quella di simmetria, per cui tali indici devono presentare le seguenti caratteristiche:. devono assumere valore zero se e solo se esiste simmetria; 2. devono avere valore assoluto tanto più grande quanto più la situazione rilevata si discosta dalla situazione di simmetria; 3. devono assumere valore positivo o negativo, a seconda che la Mediana (Me) sia minore o maggiore della Media aritmetica µ. Si riportano di seguito una serie di indici di asimmetria, sia assoluti che relativi. INDICI ASSOLUTI DI ASIMMETRIA α = µ Me α = µ Mo 2 Il primo indice misura la distanza della media aritmetica rispetto alla Mediana, mentre il secondo misura la distanza della media aritmetica rispetto alla Moda. Entrambi gli indici assumono valori nulli, positivi o negativi, a seconda che la distribuzione presenti, rispettivamente, simmetria, asimmetria positiva o negativa. Altra misura assoluta di asimmetria è: α = Q Q Q Q ( ) ( ) ove Q e Q 3 indicano il primo ed il terzo quartile, mentre Q2 coincide con la mediana. INDICI RELATIVI DI ASIMMETRIA In considerazione dei difetti che presentano in generale le misure assolute, si ricorre al seguente indice di asimmetria di Pearson: µ Mo αp = (è un numero puro) che presenta, però, i seguenti difetti:. non è adatto per distribuzioni plurimodali (cioè con più valori modali); 2. non varia tra limiti definiti; 3. contiene la moda, che non è facilmente calcolabile quando i casi osservati sono limitati. Per distribuzioni moderatamente asimmetriche si utilizza pertanto il seguente indice: ( µ ) 3 Me α = (numero puro, varia tra 3 e 3) Un secondo indice di asimmetria proposto da Fisher, molto più usato del precedente, è il coefficiente di asimmetria: λ 3 N xi µ = i = N numero puro OSSERVAZIONE Se esiste PERFETTA SIMMETRIA, allora gli indici precedenti sono nulli. Non vale, però, il contrario. 3
4 Un altro aspetto che interessa considerare è quello della curtosi. Essa si riferisce alla maggiore o minore sporgenza di una curva in prossimità del suo massimo e alla maggiore o minore lunghezza delle code. La valutazione di questo aspetto di forma della curva si effettua attraverso il confronto con la curva normale. INDICI DI CURTOSI Pearson ha proposto il seguente indice: β N xi µ 2 = i = N numero puro che assume valore 3 per una curva normale, valore maggiore di 3 per una distribuzione leptocurtica (o ipernormale, cioè più appuntita della curva normale), minore di 3 per una distribuzione platicurtica (o iponormale, cioè più piatta della curva normale). Fisher ha proposto invece l indice: λ2 = β2 3 numero puro che assume valore 0 per una curva normale, valore maggiore di 0 per una distribuzione leptocurtica, minore di 0 per una distribuzione platicurtica. Il coefficiente di asimmetria di Fisher e gli indici di curtosi riportati nel presente paragrafo sono riferiti al caso di serie di dati. Per distribuzioni di distribuzioni di frequenze, è necessario procedere con le relative ponderazioni B) Curva normale, asimmetria e curtosi - Applicazioni ) Supponendo che il diametro di una serie di un lotto di sferette di acciaio sia normale, con media micron e scarto quadratico medio 50 micron, si determini la frequenza di sferette prodotte che hanno un diametro compreso tra e micron. Fonte: G. Girone e T. Salvemini, Lezioni di statistica, Cacucci Editore, Bari, 2007 Si proceda all operazione di standardizzazione degli estremi dell intervallo richiesto, cioè dei valori e 8.080, e poi si faccia ricorso alla tavola dell area della curva normale standardizzata. Per ciascuno dei valori standardizzati trovati si trovi l area corrispondente nell apposita tavola (attenzione: essendo la curva normale standardizzata simmetrica intorno allo zero, il valore di z negativo deve essere letto come se fosse positivo). Si sommino, infine, le due aree rintracciate. 2) Si vuole calcolare la frazione dei ventenni italiani, sottoposti alla visita di leva, di statura inferiore a 60 cm nell ipotesi che la statura si distribuisca normalmente con media 72 cm e scarto quadratico medio 6 cm. Fonte: G. Girone e T. Salvemini, Lezioni di statistica, Cacucci Editore, Bari, 2007 Si proceda all operazione di standardizzazione del valore 60 e poi si faccia ricorso alla tavola dell area della curva normale standardizzata, individuando la relativa area in corrispondenza del valore di z (cambiato di segno), essendo z negativo nel caso in questione. Si calcoli l area della coda sinistra della curva normale standardizzata, che coincide con quella della coda destra,
5 sottraendo al valore 0,5 il valore dell area rintracciata nella tavola, poiché quest ultima fornisce il valore dell area nell intervallo [0,z]. 3) Ritenendo che la distribuzione degli investimenti di un gruppo di aziende omogenee sia normale con media pari a 200 milioni e scarto quadratico medio (s.q.m.) pari a 50 milioni, si determini in quale intervallo simmetrico intorno alla media aritmetica è compreso l 80% delle aziende. Fonte: G. Girone e T. Salvemini, Lezioni di statistica, Cacucci Editore, Bari, 2007 Si rintracci all interno della tavola dell area della curva normale standardizzata il valore di z più vicino a 0,0 (cioè a 0,80/2, essendo la curva normale perfettamente simmetrica). Infine, al valore medio si sottragga (per ottenere l estremo inferiore) e si aggiunga (per ottenere l estremo superiore) il risultato del prodotto di z con s.q.m. ) Il peso netto delle scatole di un certo prodotto è rappresentabile mediante una distribuzione normale con media uguale a 95 grammi. Sapendo che il 3% delle scatole viene scartato perché ha un peso inferiore a 80 grammi, si determini lo scarto quadratico medio della distribuzione. Fonte: A. Cerioli e M. A. Milioli, Esercizi di Statistica, parte II, UNI.NOVA, Parma, 2006 Si rintracci all interno della tavola dell area della curva normale standardizzata il valore di z più vicino a 0,7 (cioè a [0,50-0,03], essendo la curva normale perfettamente simmetrica). Poiché siamo collocati nella coda sinistra della curva normale, si consideri con il segno negativo il valore di z così trovato e si risolva l equazione: x µ z = la cui unica incognita è rappresentata dallo scarto quadratico medio. 5) Il diametro delle arance di una certa varietà è distribuito secondo una curva normale con media pari a 7,5 cm e varianza,. I. Si determini la percentuale di arance scartate in quanto il loro diametro è inferiore a 6 cm; II. Sapendo che il 20% delle arance più grosse viene venduto con la denominazione extra, si determini il diametro minimo che consente di attribuire tale qualifica. Fonte: A. Cerioli e M. A. Milioli, Esercizi di Statistica, parte II, UNI.NOVA, Parma, 2006 Per il punto I, si proceda all operazione di standardizzazione del valore 6 e poi si faccia ricorso alla tavola dell area della curva normale standardizzata, individuando la relativa area in corrispondenza del valore di z (cambiato di segno), essendo z negativo nel caso in questione; si calcoli l area della coda sinistra della curva normale standardizzata, che coincide con quella della coda destra, sottraendo al valore 0,5 il valore dell area rintracciata nella tavola, poiché quest ultima fornisce il valore dell area nell intervallo [0,z]. Per il punto II, si rintracci all interno della tavola dell area della curva normale standardizzata il valore di z più vicino a 0,30 (cioè a [0,50-0,20]), poiché siamo collocati nella coda destra (arance più grosse) della curva normale. Si risolva l equazione: x µ z = ove il segno di z è positivo e la cui unica incognita è rappresentata dal valore x (si faccia attenzione che lo s.q.m. non è noto ma si ottiene estraendo la radice quadrata della varianza). 5
6 6) Si valuti l asimmetria e la curtosi del numero di riviste mensili (X) venduti in una certa circoscrizione territoriale, avendo rilevato i seguenti dati: Mesi n riviste Gennaio Febbraio 7 Marzo 9 Aprile 0 Maggio 0 Giugno 5 Luglio 27 Agosto 32 Settembre 2 Ottobre Novembre Dicembre 8 Si utilizzino gli indici proposti da Fisher (nel caso di serie di dati) e si fornisca un interpretazione dei risultati ottenuti. Suggerimento. Dopo aver calcolato la media aritmetica semplice e lo scarto quadratico medio, si creino ulteriori colonne, costituiti dagli scarti di ciascuna osservazione dalla media aritmetica, elevati alla potenza 3 (per l asimmetria) e alla potenza (per la curtosi), e si rapportino i totali di colonna al prodotto di N per lo scarto quadratico medio al cubo (per l asimmetria) e alla quarta (per la curtosi). 6
LA DISTRIBUZIONE NORMALE (Vittorio Colagrande)
LA DISTRIBUZIONE NORMALE (Vittorio Colagrande) Allo scopo di interpolare un istogramma di un carattere statistico X con una funzione continua (di densità), si può far ricorso nell analisi statistica alla
DettagliSTATISTICA DESCRITTIVA. Elementi di statistica medica GLI INDICI INDICI DI DISPERSIONE STATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA Elementi di statistica medica STATISTICA DESCRITTIVA È quella branca della statistica che ha il fine di descrivere un fenomeno. Deve quindi sintetizzare tramite pochi valori(indici
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliSintesi dei dati in una tabella. Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6)
Sintesi dei dati in una tabella Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6) Sintesi dei dati Spesso si vuole effettuare una sintesi dei dati per ottenere indici
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
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
Dettaglihttp://www.biostatistica.unich.it 1 STATISTICA DESCRITTIVA Le misure di tendenza centrale 2 OBIETTIVO Individuare un indice che rappresenti significativamente un insieme di dati statistici. 3 Esempio Nella
Dettaglile scale di misura scala nominale scala ordinale DIAGNOSTICA PSICOLOGICA lezione si basano su tre elementi:
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it si basano su tre elementi: le scale di misura sistema empirico: un insieme di entità non numeriche (es. insieme di persone; insieme
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Sintesi a cinque e misure di variabilità rispetto ad un centro Una catena di fast-food ha selezionato
DettagliLezioni di Statistica del 15 e 18 aprile Docente: Massimo Cristallo
UIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECOOMIA Corso di laurea in Economia Aziendale anno accademico 2012/2013 Lezioni di Statistica del 15 e 18 aprile 2013 Docente: Massimo Cristallo LA RELAZIOE
DettagliStatistica Esercitazione. alessandro polli facoltà di scienze politiche, sociologia, comunicazione
Statistica Esercitazione alessandro polli facoltà di scienze politiche, sociologia, comunicazione Obiettivo Esercizio 1. Questo e alcuni degli esercizi che proporremo nei prossimi giorni si basano sul
DettagliIndicatori di Posizione e di Variabilità. Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica
Indicatori di Posizione e di Variabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica Indici Sintetici Consentono il passaggio da una pluralità
DettagliVariabile casuale Normale
Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza
DettagliLE MISURE DI TENDENZA CENTRALE. Dott. Giuseppe Di Martino Scuola di Specializzazione in Igiene e Medicina Preventiva
LE MISURE DI TENDENZA CENTRALE Dott. Giuseppe Di Martino Scuola di Specializzazione in Igiene e Medicina Preventiva Individuare un indice che rappresenti significativamente un insieme di dati statistici
DettagliLA DISTRIBUZIONE NORMALE
LA DISTRIBUZIONE NORMALE Italo Nofroni Statistica medica - Facoltà di Medicina Sapienza - Roma La più nota ed importante distribuzione di probabilità è, senza alcun dubbio, la Distribuzione normale, anche
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle abelle riportate alla fine del documento. Esercizio 1 La concentrazione media di sostanze inquinanti osservata nelle acque di un fiume
DettagliV.C. RETTANGOLARE o UNIFORME
V.C. RETTANGOLARE o UNIFORME La v.c. continua RETTANGOLARE o UNIFORME descrive il modello probabilistico dell equiprobabilità. [ a b] X, con densità di probabilità associata: P( x) 1 b a con P(x) costante.
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 1 A. I dati riportati nella seguente tabella si riferiscono
DettagliTEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE
TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE Errore di misura è la differenza fra l indicazione fornita dallo strumento e la dimensione vera della grandezza. Supponendo che la grandezza vera
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
DettagliScanned by CamScanner
Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Università di Cassino Corso di Statistica Esercitazione
DettagliINDICATORI DI TENDENZA CENTRALE
INDICATORI DI TENDENZA CENTRALE INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore rappresentativo indice che riassume o descrive i dati e dipende dalla
DettagliINDICATORI DI TENDENZA CENTRALE
INDICATORI DI TENDENZA CENTRALE INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore rappresentativo è indice che riassume o descrive i dati e dipende
DettagliLezione 4 a - Misure di dispersione o di variabilità
Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono
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
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Indici di posizione e di variabilità Prof. Livia De Giovanni lstatistica@dis.uniroma1.it Esercizio 1 Data la seguente distribuzione unitaria del carattere X: X : 4 2 4 2 6 4
DettagliISTOGRAMMI E DISTRIBUZIONI:
ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI
Dettagli1/55. Statistica descrittiva
1/55 Statistica descrittiva Organizzare e rappresentare i dati I dati vanno raccolti, analizzati ed elaborati con le tecniche appropriate (organizzazione dei dati). I dati vanno poi interpretati e valutati
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliQuestionario 1. Sono assegnati i seguenti dati
Questionario 1. Sono assegnati i seguenti dati 30 30 10 30 50 30 60 60 30 20 20 20 30 20 30 30 20 10 10 40 20 30 10 10 10 30 40 30 20 20 40 40 40 dire se i dati illustrati sono unità statistiche valori
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
DettagliVariabile Casuale Normale
Variabile Casuale Normale Variabile Casuale Normale o Gaussiana E una variabile casuale continua che assume tutti i numeri reali, è definita dalla seguente funzione di densità: 1 f( x) = e σ 2 π ( x µ
DettagliLa distribuzione delle frequenze. T 10 (s)
1 La distribuzione delle frequenze Si vuole misurare il periodo di oscillazione di un pendolo costituito da una sferetta metallica agganciata a un filo (fig. 1). A Figura 1 B Ricordiamo che il periodo
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliStatistica. Alfonso Iodice D Enza
Statistica Il e Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 21 Outline Il e 1 2 3 Il 4 e 5 () Statistica 2 / 21 Il e Due distribuzioni aventi stessa posizione
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliProgrammazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di
DettagliSTATISTICA: esercizi svolti sulla DISTRIBUZIONE NORMALE
STATISTICA: esercizi svolti sulla DISTRIBUZIONE NORMALE 1 2 Tavole della normale standard. Φ(x) = x 1 2π e t2 2 dt z.00.01.02.03.04.05.06.07.08.09 0.0 0.0 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279
DettagliSTATISTICA DESCRITTIVA (variabili quantitative)
STATISTICA DESCRITTIVA (variabili quantitative) PRIMO ESEMPIO: Concentrazione di un elemento chimico in una roccia. File di lavoro di STATVIEW Cliccando sul tasto del pane control si ottiene il cosiddetto
DettagliPROVA SCRITTA DI STATISTICA. cod CLEA-CLAPI-CLEFIN-CLELI cod CLEA-CLAPI-CLEFIN-CLEMIT. 5 Novembre 2003 SOLUZIONI MOD.
PROVA SCRITTA DI STATISTICA cod. 4038 CLEA-CLAPI-CLEFIN-CLELI cod. 5047 CLEA-CLAPI-CLEFIN-CLEMIT 5 Novembre 003 SOLUZIONI MOD. A In 8 facoltà di un ateneo italiano vengono rilevati i seguenti dati campionari
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliCapitolo 3 Sintesi e descrizione dei dati quantitativi
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 3 Sintesi e descrizione dei dati quantitativi Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e tecnologie Alimentari" Unità
DettagliUNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA
UNIVERSITÀ DEGLI STUDI DI ROMA LA SAPIENZA - 9.Statistica - CTF Matematica - Seconda Parte Codice Compito: - Numero d Ordine D. 1 Un veicolo marcia per 50 km alla velocita v, e per altri 50 km alla velocita
DettagliGeometria analitica di base. Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa
Equazioni di primo grado nel piano cartesiano Funzioni quadratiche Funzioni a tratti Funzioni di proporzionalità inversa Equazioni di primo grado nel piano cartesiano Risoluzione grafica di un equazione
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
Dettagli2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
DettagliEsercitazioni di statistica
Esercitazioni di statistica Boxplot e numeri indici Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 14 Ottobre 014 Stefania Spina Esercitazioni di statistica 1/37 Definizioni La
DettagliLezione VI: Distribuzione normale. La distribuzione normale (curva di Gauss). Prof. Enzo Ballone. Lezione 6a- Ia distribuzione normale
Lezione VI: Distribuzione normale Cattedra di Biostatistica Dipartimento di Scienze Biomediche, Università degli Studi G. d Annunzio di Chieti Pescara Prof. Enzo Ballone Lezione 6a- Ia distribuzione normale
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
DettagliGeometria analitica di base (seconda parte)
SAPERE Al termine di questo capitolo, avrai appreso: il concetto di luogo geometrico la definizione di funzione quadratica l interpretazione geometrica di un particolare sistema di equazioni di secondo
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
Dettagli1/4 Capitolo 4 Statistica - Metodologie per le scienze economiche e sociali 2/ed Copyright 2008 The McGraw-Hill Companies srl
1/4 Capitolo 4 La variabilità di una distribuzione Intervalli di variabilità Box-plot Indici basati sullo scostamento dalla media Confronti di variabilità Standardizzazione Statistica - Metodologie per
DettagliUNITÀ DIDATTICA 2 LE FUNZIONI
UNITÀ DIDATTICA LE FUNZIONI. Le funzioni Definizione. Siano A e B due sottoinsiemi non vuoti di R. Si chiama funzione di A in B una qualsiasi legge che fa corrispondere a ogni elemento A uno ed un solo
DettagliSTATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
DettagliLa Variabilità statistica
La Variabilità statistica Una peculiarità dei caratteri rilevati nelle unità statistiche di un collettivo, è quella di presentare valori o attributi in tutto o in parte diversi. Si chiama variabilità (nel
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
DettagliVariabili aleatorie Parte I
Variabili aleatorie Parte I Variabili aleatorie Scalari - Definizione Funzioni di distribuzione di una VA Funzioni densità di probabilità di una VA Indici di posizione di una distribuzione Indici di dispersione
DettagliUniversità di Cassino Corso di Laurea in Scienze Motorie Biostatistica Anno accademico 2011/2012
Università di Cassino Corso di Laurea in Scienze Motorie Biostatistica Anno accademico 2011/2012 Bruno Federico b.federico@unicas.it Cattedra di Igiene - Università degli Studi di Cassino Indici di sintesi
DettagliLa SCALA di Probabilità varia tra 0.00 e 1.00.
CHE COS E LA PROBABILITA La probabilità è la MISURA dell incertezza di un evento, cioè come noi classifichiamo gli eventi rispetto alla loro incertezza. La SCALA di Probabilità varia tra 0.00 e 1.00. 0.00
DettagliES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita
ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliValori Medi. Docente Dott.ssa Domenica Matranga
Valori Medi Docente Dott.ssa Domenica Matranga Valori medi Medie analitiche - Media aritmetica - Media armonica - Media geometrica - Media quadratica Medie di posizione - Moda -Mediana - Quantili La media
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliStatistica Un Esempio
Statistica Un Esempio Un indagine sul peso, su un campione di n = 100 studenti, ha prodotto il seguente risultato. I pesi p sono espressi in Kg e sono stati raggruppati in cinque classi di peso. classe
DettagliStatistica. Lezione 4
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela
DettagliIndice della lezione. Incertezza e rischio: sinonimi? Le Ipotesi della Capital Market Theory UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA
UNIVERSIT DEGLI STUDI DI PRM FCOLT DI ECONOMI Indice della lezione Corso di Pianificazione Finanziaria Introduzione al rischio Rischio e rendimento per titoli singoli La Teoria di Portafoglio di Markowitz
DettagliCORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Elaborazione dei dati Valori medi
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Elaborazione dei dati Valori medi VALORI MEDI In una serie di valori si definisce medio (o intermedio) un valore compreso tra il più piccolo ed
DettagliIndici di variabilità ed eterogeneità
Indici di variabilità ed eterogeneità Corso di STATISTICA Prof. Roberta Siciliano Ordinario di Statistica, Università di apoli Federico II Professore supplente, Università della Basilicata a.a. 011/01
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
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
DettagliSISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI
SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,
DettagliStatistica4-29/09/2015
Statistica4-29/09/2015 Raccogliere i dati con il maggior numero di cifre significative ed arrotondare eventualmente solo al momento dei calcoli (min. 3); nella grande maggioranza delle ricerche biologiche
DettagliAndrea Bonanomi Università Cattolica del Sacro Cuore. Principi di Statistica Descrittiva. Milano, 9 gennaio 2015 Camera di Commercio
Andrea Bonanomi Università Cattolica del Sacro Cuore Principi di Milano, 9 gennaio 2015 Camera di Commercio RIPETIBILITA ATTUALE RILEVAZIONE TOTALE RIPETIBILITA VIRTUALE RILEVAZIONE PARZIALE UNIVERSO CAMPIONE
DettagliUNITÀ DIDATTICA 5 LA RETTA
UNITÀ DIDATTICA 5 LA RETTA 5.1 - La retta Equazione generica della retta Dalle considerazioni emerse nel precedente capitolo abbiamo compreso come una funzione possa essere rappresentata da un insieme
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale indicabile con un indice (indice
DettagliΣ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica
13. Regressione lineare parametrica Esistono numerose occasioni nelle quali quello che interessa è ricostruire la relazione di funzione che lega due variabili, la variabile y (variabile dipendente, in
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliStatistica Sociale - modulo A
Statistica Sociale - modulo A e-mail: stella.iezzi@uniroma2.it Uno dei principali limiti della media aritmetica e che essa risente fortemente dei valori estremi della distribuzione. Cosi pu accadere che
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
DettagliSintesi numerica di distribuzioni statistiche
Sintesi numerica di distribuzioni statistiche La sintesi numerica di una distribuzione statistica è basata sulla costruzione di particolari indici numerici che delineano alcuni aspetti essenziali della
DettagliUniversità degli Studi di Verona
Università degli Studi di Verona CdL in Economia e Commercio a.a. 2010/2011 STATISTICA Esercitazioni: Annamaria Guolo Rappresentazioni grafiche e distribuzioni di frequenza: SOLUZIONI Esercizio 2 a) I
DettagliProntuario degli argomenti di Algebra
Prontuario degli argomenti di Algebra NUMERI RELATIVI Un numero relativo è un numero preceduto da un segno + o - indicante la posizione rispetto ad un punto di riferimento a cui si associa il valore 0.
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA La distribuzione di probabilità e un modello matematico, uno schema di riferimento, che ha caratteristiche note e che può essere utilizzato per rispondere a delle domande derivate
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
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA A.A. 2010/2011 Lezione n.3 - Indici di posizione 1 Per i caratteri qualitativi, la tabella e le rappresentazioni grafiche esauriscono quasi completamente gli aspetti descrittivi.
DettagliEsame di maturità scientifica, corso di ordinamento a. s
Problema 1 Esame di maturità scientifica, corso di ordinamento a. s. -4 Sia f la funzione definita da: f()=- Punto 1 Disegnate il grafico G di f()=-. La funzione f()=- è una funzione polinomiale (una cubica).
DettagliSezione Prima Derivate di funzioni elementari: quadro riassuntivo e regole di derivazione. = ( n) lim x
Capitolo USO DELLE DERIVATE IN ECONOMIA Sezione Prima Derivate di funzioni elementari: quadro riassuntivo e regole di derivazione Si definisce derivata della funzione y f() nel punto 0 del suo insieme
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 1 Outline () Statistica 2 / 1 La curtosi La curtosi è la caratteristica della forma della distribuzione
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
DettagliEsercizi Svolti. 2. Costruire la distribuzione delle frequenze cumulate del tempo di attesa
Esercizi Svolti Esercizio 1 Per una certa linea urbana di autobus sono state effettuate una serie di rilevazioni sui tempi di attesa ad una determinata fermata; la corrispondente distribuzione di frequenza
DettagliEsercitazioni di statistica
Esercitazioni di statistica Gli indici statistici di sintesi: Gli indici di centralità Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 7 Ottobre 2014 Stefania Spina Esercitazioni
DettagliLezione 4. Statistica. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Lezione 4. A. Iodice. Indici di posizione.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 28 Outline 1 Indici 2 3 mediana distribuzioni 4 5 () Statistica 2 / 28 Indici robusti (o ): La moda
DettagliSCOPO DELL ANALISI DI CORRELAZIONE
CORRELAZIONE 1 SCOPO DELL ANALISI DI CORRELAZIONE STUDIARE LA RELAZIONE TRA DUE VARIABILI X E Y 2 diagrammi di dispersione un diagramma di dispersione (o grafico di dispersione) èuna rappresentazione grafica
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
Dettaglia) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre gli zeri di f e studiarne il segno.
1 ESERCIZI CON SOLUZIONE DETTAGLIATA Esercizio 1. Si consideri la funzione f(x) = e x 3e x +. a) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre
DettagliElementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
DettagliProf. Anna Paola Ercolani (Università di Roma) Lez Indicatori di dispersione
Consentono di descrivere la variabilità all interno della distribuzione di requenza tramite un unico valore che ne sintetizza le caratteristiche CAMPO DI VARIAZIONE DIFFERENZA INTERQUARTILE SCOSTAMENTO
Dettagli