Fin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili.
|
|
- Clemente Quaranta
- 7 anni fa
- Visualizzazioni
Transcript
1 Sistemi di variabili casuali Fin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili. Esempi: - il massimo annuale della portata al colmo alla Becca e alla Miorina - la portata media giornaliera in un certo giorno dell'anno e quella del giorno precedente - il totale annuo di precipitazione in una stazione pluviometrica e quello in una stazione vicina - il totale annuo di precipitazione in una stazione pluviometrica e quelli in più stazioni vicine - il deflusso annuo in una stazione di portata e quello in una stazione a monte - il deflusso annuo in una stazione di portata e quello in più stazioni della stessa regione La distribuzione di x 1 è diversa a seconda che i valori delle variabili x 2, x 3,... siano alti, bassi oppure incogniti. Per definire un sistema di variabili casuali è necessario stabilire una corrispondenza tra i valori osservati; l'osservazione diventa un'entità vettoriale. Caso di una sola variabile (continua): - l'osservazione si può rappresentare con un punto su una retta orientata - la probabilità di non superamento di un valore è la probabilità che il punto che rappresenta l'osservazione ricada in una semiretta - la probabilità che l'osservazione ricada in un intervallo di valori è la probabilità che il punto che rappresenta l'osservazione ricada in un segmento - la densità di probabilità è la funzione che moltiplicata per dx dà la probabilità di ricadere nell'intervallo infinitesimo - l'integrale della densità di probabilità su una semiretta è la probabilità di non superamento di un valore assegnato Caso di due variabili (continue) - l'osservazione si può rappresentare con un punto su un piano cartesiano
2 - la probabilità di non superamento di una coppia di valori è la probabilità che il punto che rappresenta l'osservazione ricada in un quadrante - la probabilità che un'osservazione ricada in due intervalli di valori assegnati è la probabilità che il punto che rappresenta l'osservazione ricada in un rettangolo - la densità di probabilità è la funzione che moltiplicata per dx 1 dx 2 dà la probabilità di ricadere nel rettangolo infinitesimo - l'integrale della densità di probabilità su un quadrante è la probabilità di non superamento di due valori assegnati Funzioni di probabilità Funzione di probabilità della distribuzione congiunta P(x 1, x 2 ): probabilità che contemporaneamente sussistano le disuguaglianze x 1 x 1a x 2 x 2a Relazione tra densità di probabilità p(x 1, x 2 ) e probabilità P(x 1, x 2 ): x 1 P(x 1, x 2 ) = x 2p(x1, x 2 )dx 1 dx 2. Funzione di probabilità marginale di x 1 : P(x 1a ) = Prob{x 1 x 1a } Funzione di probabilità di x 1 condizionata a x 2 : P(x 1a x 2a ) = Prob{x 1 x 1a x 2 = x 2a } Variabili indipendenti: P(x 1 x 2 ) = P(x 1 )
3 x 2 dx 2 x 2a dx 1 x 1a x 1 x 2 dx 2 x 2a x 1a dx 1 x 1
4 Legame tra probabilità congiunta e probabilità condizionata L'evento per cui un'osservazione ricade nel rettangolo infinitesimo di lati dx 1 e dx 2 è un evento composto. I due eventi elementari sono quello per cui l'osservazione ricade nella striscia di larghezza dx 1 e quello per cui l'osservazione ricade nella striscia di larghezza dx 2. La probabilità di ricadere nella striscia verticale è p(x 1a )dx 1. La probabilità di ricadere nel rettangolino, a condizione che si sia nella striscia verticale, è p(x 2a x 1a )dx 2. Il prodotto delle due probabilità è uguale alla probabilità incondizionata di ricadere nel rettangolino p(x 1a )dx 1 p(x 2a x 1a )dx 2 = p(x 1a, x 2a )dx 1 dx 2 Quindi p(x 1, x 2 ) = p(x 1 )p(x 2 x 1 ) = p(x 2 )p(x 1 x 2 ) Se x 1, x 2 sono tra loro indipendenti: p(x 2 x 1 ) = p(x 2 ) p(x 1 x 2 ) = p(x 1 ) p(x 1, x 2 ) = p(x 1 )p(x 2 ) La variabile condizionante non è necessariamente una variabile casuale. Esempi: - il massimo annuale della portata al colmo (osservato in una stazione di una certa regione) e l'area del bacino - l'altezza di precipitazione totale annua e la quota della stazione I risultati si estendono ai sistemi costituiti da più di due variabili casuali. Caso importante: la distribuzione congiunta di due variabili, marginale rispetto a tutte le altre variabili.
5 Momenti Nel caso di una sola variabile µ' r (x) = (x - x ) r p(x)dx µ(x) = xp(x)dx µ r (x) = [x - µ(x)] r p(x)dx σ 2 (x) = [x - µ(x)] 2 p(x)dx Nel caso di due variabili casuali momento multiplo covarianza µ' rs (x 1, x 2 ) = σ(x 1, x 2 ) = coefficiente di correlazione lineare ρ(x 1, x 2 ) = [x 1 - x 1 ] r [x 2 - x 2 ] s p(x 1, x 2 )dx 1 dx 2 [x 1 - µ(x 1 )] [x 2 - µ(x 2 )] p(x 1, x 2 )dx 1 dx 2 σ(x 1, x 2 ) σ(x 1 ) σ(x 2 )
6 Rappresentazione compatta delle variabili e dei parametri (ogni osservazione è un vettore): x = x 1 x 2 x p µ = µ 1 µ 2 µ p Σ = σ 11 σ 12 σ 1p σ 21 σ 22 σ 2p σ p1 σ p2 σ pp Stime Per la generica variabile x (che può coincidere con x 1, x 2,...): stima di µ(x) m(x) = 1 N i=1 N xi stima di σ 2 (x) s 2 (x) = 1 N i=1 N [xi - m(x)] 2
7 Per una generica coppia di variabili x 1, x 2 : stima di σ(x 1, x 2 ) s(x 1, x 2 ) = 1 N 1=1 N [x1i - m(x 1 )][x 2i - m(x 2 )] Il metodo della massima verosimiglianza Il metodo della massima verosimiglianza è un metodo di stima dei parametri. Qui si considera solo il caso della distribuzione di una sola variabile x, caratterizzata da s parametri. Si considera un campione di N osservazioni estratte indipendentemente l'una dall'altra dalla distribuzione data (che è sempre la stessa) come una singola osservazione (vettoriale) estratta da un sistema di N variabili casuali, tra loro indipendenti, con distribuzione marginale identica per tutte le variabili. La densità di probabilità della distribuzione congiunta delle N variabili è p(x 1, x 2,...,x N ; θ 1, θ 2,..., θ s ) = = p(x 1 ; θ 1, θ 2,...,θ s ) p(x 2 ; θ 1, θ 2,...,θ s )... p(x N ; θ 1, θ,...,θ s ). In corrispondenza dei valori osservati x * 1, x * 2,..., x * N la densità di probabilità (che prende il nome di funzione di verosimiglianza, perchè il campione è tanto più verosimile quanto più alta è la densità di probabilità) diventa p(x * 1, x * 2,..., x * N ; θ 1, θ 2,...,θ s ). Il metodo della massima verosimiglianza consiste nell'attribuire ai parametri θ 1, θ 2,..., θ s i valori che rendono massima la funzione di verosimiglianza. I valori si determinano risolvendo il sistema di equazioni ottenuto uguagliando a zero le derivate parziali della funzione di verosimiglianza calcolate rispetto ai parametri θ 1, θ 2,..., θ s.
Università della Calabria
Università della Calabria FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Civile CORSO DI IDROLOGIA N.O. Prof. Pasquale Versace SCHEDA DIDATTICA N 3 CURVE DI PROBABILITÀ PLUVIOMETRICA A.A. 00- CURVE
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliAnalisi della correlazione canonica
Analisi della correlazione canonica Su un collettivo di unità statistiche si osservano due gruppi di k ed m variabili L analisi della correlazione canonica ha per obiettivo lo studio delle relazioni di
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 24 Outline 1 2 3 4 5 () Statistica 2 / 24 Dipendenza lineare Lo studio della relazione tra caratteri
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliStima della portata di piena: un esempio
Stima della portata di piena: un esempio Giuseppe Pino APAT Dipartimento Nucleare, Rischio Tecnologico e Industriale 1 aprile 2008 Stima della portata di massima piena Obiettivo: determinare la portata
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliPiano cartesiano e Retta
Piano cartesiano e Retta 1 Piano cartesiano e Retta 1. Richiami sul piano cartesiano 2. Richiami sulla distanza tra due punti 3. Richiami punto medio di un segmento 4. La Retta (funzione lineare) 5. L
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliCampionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
Dettaglila velocità degli uccelli è di circa (264:60= 4.4) m/s)
QUESTIONARIO 1. Si sa che certi uccelli, durante la migrazione, volano ad un altezza media di 260 metri. Un ornitologa osserva uno stormo di questi volatili, mentre si allontana da lei in linea retta,
DettagliInsegnamento di Idrologia. Esercitazione n. 4
Insegnamento di Idrologia Esercitazione n. 4 Si vogliono costruire delle opere di difesa lungo un affluente del torrente Staffora. Poiché non esistono osservazioni di portata, occorre stimare la portata
DettagliLa lunghezza dei vettori e legata alle operazioni sui vettori nel modo seguente: Consideriamo due vettori v, w e il vettore v + w loro somma.
Matematica II, 20.2.. Lunghezza di un vettore nel piano Consideriamo il piano vettoriale geometrico P O. Scelto un segmento come unita, possiamo parlare di lunghezza di un vettore v P O rispetto a tale
DettagliIl metodo delle osservazioni indirette
Il metodo delle osservazioni indirette Teoria della stima ai minimi quadrati Il criterio di massima verosimiglianza Sia data una grandezza η e si abbiano n osservazioni indipendenti l i (i=1,...,n) di
DettagliLa relazione tra altezza di precipitazione e durata Per area piccola importa sopra tutto la dipendenza dalla durata.
Relazione tra altezza di pioggia media h m, durata t e area A L'altezza di pioggia media h m dipende dalla durata t e dall'area A. L'intensità di pioggia media i m diminuisce al crescere della durata t
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
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliLocalizzazione di una esplosione
XXIII Ciclo di Dottorato in Geofisica Università di Bologna Corso di: Il problema inverso in sismologia Prof. Morelli Localizzazione di una esplosione Paola Baccheschi & Pamela Roselli 1 INTRODUZIONE Problema
DettagliProbabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k)
Probabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k) Nel calcolo del numero di modalita' con cui si presenta un evento e' utile talvolta utilizzare le definizioni
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
Dettaglib = 1 2σ 3. La lunghezza di una barra è un numero aleatorio X con densità della forma 0, x 0, 0 < x 1 a = 1 F (x) = 2 2x 1 x2
CALCOLO DELLE PROBABILITÀ E STATISTICA - 0 gennaio 2002 Informatica (N.O.) (Canali 4) esercizi -4 Vecchio Ordinamento esercizi -6. Da un lotto contenente 4 pezzi buoni e 2 difettosi si estraggono senza
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
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliEsercizi su distribuzioni doppie, dipendenza, correlazione e regressione (Statistica I, IV Canale)
Esercizi su distribuzioni doppie, dipendenza, correlazione e regressione (Statistica I, IV Canale) Esercizio 1: Un indagine su 10.000 famiglie ha dato luogo, fra le altre, alle osservazioni riportate nella
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
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
DettagliRingraziamenti dell Editore
Indice Elenco dei simboli e delle abbreviazioni in ordine di apparizione Ringraziamenti dell Editore XI XVII 1 Introduzione FAQ e qualcos altro, da leggere prima 1 1.1 QuestoèunlibrodiStatistica....................
DettagliRicordiamo. 1. Tra le equazioni delle seguenti rette individua e disegna quelle parallele all asse delle ascisse:
La retta Retta e le sue equazioni Equazioni di rette come luogo geometrico y = h h R equazione di una retta parallela all asse delle ascisse x = 0 equazione dell asse delle ordinate y = h h R equazione
DettagliAssociazione tra caratteri quantitativi: gli indici di correlazione
Associazione tra caratteri quantitativi: gli indici di correlazione Per correlazione si intende una relazione tra due variabili tale che a ciascun valore della prima variabile corrisponda con una certa
DettagliCorso C Geomatica. Teoria degli errori. Massimiliano Cannata
Corso C111.01 - Geomatica Teoria degli errori Rappresentazione di una misura di precisione ( x ± σ x ) u x = misura σ x = incertezza della misura u = unità di misura Il problema degli errori in topografia
Dettagli3. Distribuzioni. Corso di Simulazione. Anno accademico 2006/07
Anno accademico 2006/07 Spazio di probabilità Ω spazio campione F 2 Ω spazio degli eventi: (i) Ω F (ii) A F = Ω \ A F (iii) A, B F = A B F P: F [0, 1] funzione di probabilità: (i) P(A) 0 (ii) P(Ω) = 1
DettagliVariabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliZ-test, T-test, χ 2 -test
Z-test, T-test, χ 2 -test Francesco Corrias Chiara Todaro DIMA 13 febbraio 2012 Francesco Corrias Chiara Todaro (DIMA) Z-test, T-test, χ 2 -test 13 febbraio 2012 1 / 19 Verifica d ipotesi Definizione (Test
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
DettagliDistribuzioni di probabilità e principi del metodo di Montecarlo. Montecarlo
Distribuzioni di probabilità e principi del metodo di Montecarlo Simulazione di sistemi complessi Distribuzioni di probabilità Istogrammi Generazione di numeri casuali Esempi di applicazione del metodo
DettagliEquazioni differenziali
4 Equazioni differenziali Determinare le primitive di una funzione f(x) significa risolvere y (x) = f(x) dove l incognita è la funzione y(x). Questa equazione è un semplice esempio di equazione differenziale.
DettagliCOMUNE DI CONSIGLIO DI RUMO
COMUNE DI CONSIGLIO DI RUMO Provincia di Como Aggiornamento della componente geologica, idrogeologica e sismica di supporto al Piano di Governo del Territorio - L.R. 1/05 e successive modifiche. ANALISI
DettagliCampionamento La statistica media campionaria e la sua distribuzione
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliCondizione di allineamento di tre punti
LA RETTA L equazione lineare in x e y L equazione: 0 con,,, e non contemporaneamente nulli, si dice equazione lineare nelle due variabili e. Ogni coppia ; tale che: 0 si dice soluzione dell equazione.
DettagliSe la funzione è analiticamente invertibile, estratto q, si può ricavare x = x(q).
La tecnica Monte Carlo Il metodo Monte Carlo è basato sulla scelta di eventi fisici con una probabilità di accadimento nota a priori. sia p(x) la distribuzione di probabilità con la quale si manifesta
DettagliStatistica Metodologica Avanzato Test 1: Concetti base di inferenza
Test 1: Concetti base di inferenza 1. Se uno stimatore T n è non distorto per il parametro θ, allora A T n è anche consistente B lim Var[T n] = 0 n C E[T n ] = θ, per ogni θ 2. Se T n è uno stimatore con
DettagliCurve e lunghezza di una curva
Curve e lunghezza di una curva Definizione 1 Si chiama curva il luogo geometrico dello spazio di equazioni parametriche descritto da punto p, chiuso e limitato. Definizione 2 Si dice che il luogo C è una
DettagliLe derivate parziali
Sia f(x, y) una funzione definita in un insieme aperto A R 2 e sia P 0 = x 0, y 0 un punto di A. Essendo A un aperto, esiste un intorno I(P 0, δ) A. Preso un punto P(x, y) I(P 0, δ), P P 0, possiamo definire
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
Dettagli15 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
15 luglio 01 - Soluzione esame di geometria - Ing. gestionale - a.a. 01-01 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono
DettagliCALENDARIO BOREALE 1 EUROPA 2015 QUESITO 1
www.matefilia.it Indirizzi: LI0, EA0 SCIENTIFICO; LI0 - SCIENTIFICO - OPZIONE SCIENZE APPLICATE CALENDARIO BOREALE EUROPA 05 QUESITO La funzione f(x) è continua per x [ 4; 4] il suo grafico è la spezzata
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
DettagliFunzioni. iniettiva se x y = f (x) f (y) o, equivalentemente, f (x) = f (y) = x = y
Funzioni. Dati due insiemi A e B (non necessariamente distinti) si chiama funzione da A a B una qualunque corrispondenza (formula, regola) che associa ad ogni elemento di A uno ed un solo elemento di B.
DettagliGEOMETRIA ANALITICA 1 IL PIANO CARTESIANO
GEOMETRI NLITIC 1 IL PINO CRTESINO Il piano cartesiano è costituito da due rette orientate e tra loro perpendicolari chiamate assi cartesiani, generalmente una orizzontale e l altra verticale, sulle quali
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
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.
DettagliDistribuzioni statistiche
Distribuzioni statistiche L operazione di determinazione delle modalità del carattere per ciascuno degli elementi del collettivo origina una distribuzione del collettivo secondo il carattere considerato.
DettagliUna funzione può essere:
Date due grandezze variabili, variabile indipendente e y variabile dipendente, si dice che y è funzione di se esiste una legge o proprietà di qualsiasi natura che fa corrispondere a ogni valore di uno
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
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
DettagliVariabili aleatorie gaussiane
Variabili aleatorie gaussiane La distribuzione normale (riconoscibile dalla curva a forma di campana) è la più usata tra tutte le distribuzioni, perché molte distribuzioni che ricorrono naturalmente sono
DettagliISTITUTO STATALE DI ISTRUZIONE SUPERIORE VITTORIO FOSSOMBRONI Via Sicilia, GROSSETO
A. S. 2014/2015 INDIRIZZO: LICEO SCIENTIFICO CLASSE I MODULO TITOLO Modulo 1 Modulo 2 I numeri naturali. I numeri interi I numeri razionali ed i numeri reali Contenuti minimi L insieme N, rappresentazione
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
DettagliIdraulica e idrologia: Lezione 9
Idraulica e idrologia: Lezione 9 Agenda del giorno - Relazioni per la stima della portata al colmo; - Tempo di corrivazione di un bacino; - Metodo razionale. 1 LINEA SEGNALATRICE DI PROBABILITA PLUVIOMETRICA
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
DettagliLA 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
DettagliDiario delle lezioni di Calcolo e Biostatistica (O-Z) - a.a. 2013/14 A. Teta
Diario delle lezioni di Calcolo e Biostatistica (O-Z) - a.a. 2013/14 A. Teta 1. (1/10 Lu.) Generalità sugli insiemi, operazioni di unione, intersezione e prodotto cartesiano. Insiemi numerici: naturali,
DettagliFacoltà di Scienze Politiche Corso di laurea in Servizio sociale. Compito di Statistica del 7/1/2003
Compito di Statistica del 7/1/2003 I giovani addetti all agricoltura in due diverse regioni sono stati classificati per età; la distribuzione di frequenze congiunta è data dalla tabella seguente Età in
DettagliDefinizione: Dato un sottoinsieme non vuoti di. Si chiama funzione identica o identità di in sé la funzione tale che.
Esercitazioni di Analisi Matematica Prof.ssa Chiara Broggi Materiale disponibile su www.istitutodefilippi.it/claro Lezione 2: Funzioni reali e loro proprietà Definizione: Siano e due sottoinsiemi non vuoti
DettagliPROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA
PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA PROCEDURA/TECNICA DI ANALISI DEI DATI SPECIFICAMENTE DESTINATA A STUDIARE LA RELAZIONE TRA UNA VARIABILE NOMINALE (ASSUNTA
DettagliCapitolo 6. Variabili casuali continue. 6.1 La densità di probabilità
Capitolo 6 Variabili casuali continue Le definizioni di probabilità che abbiamo finora usato sono adatte solo per una variabile casuale che possa assumere solo valori discreti; vediamo innanzi tutto come
DettagliPresentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii
Sommario Presentazione dell edizione italiana Prefazione xix Ringraziamenti xxii Glossario dei simboli xxiii xv Parte I Statistica descrittiva 1 Capitolo 1 Introduzione 3 Perché studiare statistica? 4
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
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
DettagliEsercitazione ENS su processi casuali (13 e 14 Maggio 2008)
Esercitazione ES su processi casuali ( e 4 Maggio 2008) D. Donno Esercizio : Calcolo di autovalori e autovettori Si consideri un processo x n somma di un segnale e un disturbo: x n = Ae π 2 n + w n, n
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliLaboratorio di Meccanica (can C) A.A. 2014/15
Laboratorio di Meccanica (can C) A.A. 2014/15 Diario Tipo: PII: prova in itinere E: esercizi V: vacanza Lo scorso anno N Data Tipo Argomento N Data Tipo Argomento 1W No Lab 1W No Lab 1 mercoledì 4 marzo
DettagliGeometria Analitica Domande e Risposte
Geometria Analitica Domande e Risposte A. Il Piano Cartesiano. Qual è la formula della distanza tra due punti nel piano cartesiano? Per calcolare la formula della distanza tra due punti nel piano cartesiano
DettagliPotenziale elettrostatico
Doppio strato piano Potenziale elettrostatico Consideriamo il lavoro compiuto dalla forza elettrica quando una particella di prova di carica q viene spostata in un campo elettrico E. Possiamo definire
DettagliIntervallo di confidenza
Intervallo di confidenza Prof. Giuseppe Verlato, Prof. Roberto de Marco Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima
Dettagli1) Entropia di variabili aleatorie continue. 2) Esempi di variabili aleatorie continue. 3) Canali di comunicazione continui. 4) Canale Gaussiano
Argomenti della Lezione 1) Entropia di variabili aleatorie continue ) Esempi di variabili aleatorie continue 3) Canali di comunicazione continui 4) Canale Gaussiano 5) Limite di Shannon 1 Entropia di una
Dettaglimisura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
DettagliVariabili aleatorie scalari
Metodi di Analisi dei Dati Sperimentali AA /2010 Pier Luca Maffettone Variabili aleatorie scalari Sommario della Introduzione CDF e PDF: definizione CDF e PDF: proprietà Distribuzioni uniforme e Gaussiana
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
Dettagli1.1 Coordinate sulla retta e nel piano; rette nel piano
1 Sistemi lineari 11 Coordinate sulla retta e nel piano; rette nel piano Coordinate sulla retta Scelti su una retta un primo punto O (origine) ed un diverso secondo punto U (unita ), l identificazione
DettagliVedremo i concetti di:
1 Campionamento e distribuzioni campionarie Vedremo i concetti di: Popolazione e suoi parametri Campionamento da popolazioni finite Campionamento da popolazioni infinite Statistiche campionarie e loro
DettagliTra vecchie e nuove disuguaglianze: la partecipazione scolastica degli studenti immigrati nelle scuole secondarie superiori in Italia
Tra vecchie e nuove disuguaglianze: la partecipazione scolastica degli studenti immigrati nelle scuole secondarie superiori in Italia DAVIDE AZZOLINI e CARLO BARONE davide.azzolini@unitn.it; carlo.barone@unitn.it
DettagliMacroattività B - Modellazione idrologica Attività B1: Regionalizzazione precipitazioni
ACCORDO DI COLLABORAZIONE SCIENTIFICA TRA REGIONE TOSCANA E DIPARTIMENTO DI INGEGNERIA CIVILE E AMBIENTALE DELL UNIVERSITA DEGLI STUDI DI FIRENZE PER ATTIVITA DI RICERCA PER LA MITIGAZIONE DEL RISCHIO
DettagliScale Logaritmiche. Matematica con Elementi di Statistica a.a. 2015/16
Scale Logaritmiche Scala Logaritmica: sull asse prescelto (ad esempio, l asse x) si rappresenta il punto di ascissa = 0 0 nella direzione positiva si rappresentano, a distanze uguali fra di loro, i punti
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
DettagliIntervallo di fiducia del coefficiente angolare e dell intercetta L intervallo di fiducia del coefficiente angolare (b 1 ) è dato da:
Analisi chimica strumentale Intervallo di fiducia del coefficiente angolare e dell intercetta L intervallo di fiducia del coefficiente angolare (b 1 ) è dato da: (31.4) dove s y è la varianza dei valori
Dettagli0 altimenti 1 soggetto trova lavoroentro 6 mesi}
Lezione n. 16 (a cura di Peluso Filomena Francesca) Oltre alle normali variabili risposta che presentano una continuità almeno all'interno di un certo intervallo di valori, esistono variabili risposta
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
DettagliIncertezza di misura concetti di base. Roberto Olmi IFAC-CNR
Incertezza di misura concetti di base Roberto Olmi IFAC-CNR Certezza dell incertezza Il display mostra: Inferenza sulla la massa, basata sulla lettura: La massa ha un valore tra 83.35 e 83.45 g La massa
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
DettagliESERCIZI DI RIEPILOGO 1
ESERCIZI DI RIEPILOGO 1 ESERCIZIO 1 La tabella seguente contiene la distribuzione di frequenza della variabile X = età (misurata in anni) per un campione casuale di bambini: x i 4.6 8 3.2 3 5.4 6 2.6 2
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
DettagliPROBLEMA 1 -Suppletiva
PROBLEMA 1 -Suppletiva Sei stato incaricato di progettare una pista da ballo all esterno di un locale in costruzione in una zona balneare. Il progetto prevede, oltre alla pista, delle zone verdi e una
Dettagli