Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni"

Transcript

1 Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon

2 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno Soluzon 1. (Punt 3) In una certa zona, la probabltà che una trvellazone da esto postvo è p= 0,70. Su 10 trvellazon fatte n modo ndpendente, quale è la probabltà che l numero d trvellazon con esto postvo sa compreso fra 6 e 8? La varable casuale X = numero d trvellazon, su 10, con esto postvo ha una dstrbuzone bnomale con n = 10 e p = 0,70: n x 10 x P( X x) (0, 70) (0,30), x 0,1,...,10. x Allora: P(6 X 8) (0, 70) (0, 30) (0, 70) (0, 30) (0, 70) (0, 30) , , , , , ,09 = 0, , , = 0, ,70.. (Punt 3) Sano A e B due event. S sa che P( A B ) 0, 80 e che P( A B ) 0, 0. Inoltre, P(B)=0,30. Calcolare P(A). P( A) P( A B) P( A B ) P( A B) P( B) P( A B) P( B ) 0,80 0,30 0, 0 0, 70 0, 4 0,14 0, (Punt 10) La tabella seguente presenta la dstrbuzone d 173 trvellazon rspetto alla loro profondtà (n metr) Profondtà (m.) Totale Frequenza a) Rappresentare l stogramma delle frequenze relatve della dstrbuzone. Per rappresentare l stogramma delle frequenze relatve, occorre consderare la denstà d frequenza relatva ne var ntervall: Classe estrem ntervallo Frequenza Fr. Ampezza Relatva ntervallo Denstà ,5 49,5 13 0, , ,5 59,5 41 0, , ,5 69,5 65 0, , ,5 79,5 39 0, , ,5 89,5 15 0, , , ,0400 0,0350 0,0300 0,050 0,000 0,0150 0,0100 0,0050 0, ,5 49,5 59,5 69,5 79,5 89,5

3 b) Calcolare la medana; Dal calcolo delle frequenze relatve cumulate s vede che l ntervallo che contene la medana è l ntervallo: 59,5 x 69,5. Classe estrem ntervallo Fr. Fr. Relatva Relatva cumulata ,5 49,5 0, , ,5 59,5 0, , ,5 69,5 0, , ,5 79,5 0,5434 0, ,5 89,5 0, , , (0,50 0,31139) La medana è: 59, 5 64, 5 m. 0,0376 c) Calcolare la meda artmetca e la varanza (d popolazone). Classe estrem ntervallo Frequenza Valore x (n ) centrale (x ) n ( x M ) ( x M ) n ,5 49, ,5 578,50 404, , ,5 59, ,5 34,50 10, , ,5 69, ,5 419,50 0, , ,5 79, ,5 905,50 97, , ,5 89, ,5 167,50 395, , , , La meda artmetca, M, è 11178,5/173 = 64, ,6 m. La varanza è uguale a 19197,687861/173 = 110, ,9693 m. 4. (Punt 10) Sa X la varable casuale profondtà d una trvellazone. Supponendo che la sua dstrbuzone sa normale con meda e varanza ugual a valor calcolat nell eserczo 3 (ossa, µ =64,6 e σ =110,9693), a) calcolare la probabltà che la varable casuale X assuma valor compres fra 54,5 e 74,5 metr; La devazone standard σ è la radce quadrata della varanza:10,534 m. 54,5 64, 6 74,5 64, 6 P(54, 5 X 74, 5) P Z 53, 4 53, 4 P( 0, 96 Z 0, 94) P( Z 0, 94) P( Z 0, 96) 0, 8639 (1 0, 83147) 0, ,66. b) Confrontare l valore della medana trovato nell eserczo 3 con quello della medana calcolata sulla base del modello normale. S sa che per la dstrbuzone normale la medana concde con µ. Qund, se s suppone che la varable casuale profondtà d una trvellazone è normale, la medana della dstrbuzone è uguale a 64,6 m. Tale valore non è molto dverso dal valore della medana della dstrbuzone emprca (64,5) e, del resto, era un rsultato prevedble, vsta la forma dell stogramma. 5. (Punt 4) La tabella seguente mostra la dstrbuzone d sette prelev d rocca secondo l tasso d umdtà e l altezza al lvello del mare. Lvello(m.) Tasso umdtà Calcolare, sulla base della retta d regressone, l tasso d umdtà d un campone prelevato all altezza d metr. Una volta trovat parametr della retta Y a bx dove Y è l tasso d umdtà e X l altezza al lvello del mare, s tratta d calcolare y a b(). S ha Cod( X, Y ) ( x x )( y y ) b ; a y bx Dev( X ) ( x x ) dove x e y sono, rspettvamente, la meda d X e la meda d Y. 3

4 x y ( x x ) ( y y) ( x x )( y y ) ( x x ) , , , , , , x 0, y 36, , , , , , , , , , S ha, qund, b = -1,849 ed a =73,7143. Il tasso d umdtà al lvello metr è uguale a 33,17143, ossa crca 33%. 4

5 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 14 luglo Soluzon 1. (Punt 3) Per procedere allo scavo d un pozzo n un certo sto, s decde d esamnare rsultat d 10 carotagg d terreno; se 8 o pù carotagg rsultano postv, allora s procede alla trvellazone. Avendo valutato par a 0,7 la probabltà che un carotaggo da esto postvo, a) calcolare la probabltà che s proceda alla trvellazone; b) qual è l numero atteso d carotagg postv? a) La varable casuale X = numero d trvellazon, su 10, con esto postvo ha una dstrbuzone bnomale con n = 10 e p = 0,70: n x 10 x P( X x) (0, 70) (0,30), x 0,1,...,10. x S procede alla trvellazone se X è maggore o uguale a 8. Tale evento ha probabltà d verfcars par a: P( X 8) (0, 70) (0, 30) (0, 70) (0, 30) (0, 70) (0, 30) , , ,3 + 0, = 0, , , = 0, ,38. b) E(X) = 10 x 0,7= 7.. (Punt ) Sano A e B due event. S sa che P( B A ) 0, 40 e che P( B A ) 0, 0 P( B) P( B A) P( B A) P( B A) P( A) P( B A) P( A). Inoltre, P(A)=0,70. Calcolare P(B). 0, 40 0, 70 0, 0 0,30 0, (Punt 10) La tabella seguente presenta la dstrbuzone d 180 trvellazon rspetto alla loro profondtà (n metr) Profondtà (m.) Totale Frequenza a) Rappresentare l stogramma delle frequenze relatve della dstrbuzone. Per rappresentare l stogramma delle frequenze relatve, occorre consderare la denstà d frequenza relatva ne var ntervall: Classe Estrem ntervallo Frequenza Fr. relatva Ampezza Denstà ,5 44,5 15 0, , ,5 54,5 40 0, 10 0, ,5 64,5 70 0, , ,5 74,5 38 0, , ,5 84,5 17 0, , ,

6 b) Calcolare l terzo quartle; Dal calcolo delle frequenze relatve cumulate s vede che l ntervallo che contene l terzo quartle è l ntervallo: Classe Estrem ntervallo Frequenza Fr. relatva Fr. Relatva Denstà cumulata ,5 44,5 15 0, , , ,5 54,5 40 0, 0, , ,5 64,5 70 0, , , ,5 74,5 38 0, , , ,5 84,5 17 0, , , , (0, 75 0,694444) Il terzo quartle è: 64,5 67,13 m. 0,01111 c) Calcolare la meda artmetca e la varanza (d popolazone). Frequenza Valore Estrem ntervallo (n ) centrale (x ) x n ( x M ) ( x M ) n 34,5 44, ,5 59,5 404, , ,5 54, ,5 1980,0 10, ,387 54,5 64, ,5 4165,0 0,013 0,864 64,5 74, ,5 641,0 97, ,047 74,5 84, ,5 1351,5 395, , ,0 0597,7778 La meda artmetca, M, è 10730/180 = 59, ,6 m. La varanza è uguale a 0597,7778/180 = 114, ,4 m. 4. (Punt 8) Sa X la varable casuale profondtà d una trvellazone. Supponendo che la sua dstrbuzone sa normale con meda uguale a 59,6 m e varanza uguale a 114,4 m a) calcolare la probabltà che la varable casuale X assuma valor compres fra 54,5 e 74,5 metr; La devazone standard σ è la radce quadrata della varanza: 10,69579 m. 54,5 59, 6 74,5 59, 6 P(54, 5 X 74, 5) P Z 10, 70 10, 70 P( 0, 48 Z 1, 39) P( Z 1, 39) P( Z 0, 48) 0,601 0,60. b) Determnare la profondtà x 1 tale che Prob( X x1 ) 0,5 (prmo quartle) e la profondtà x tale che Prob( X x ) 0,75 (terzo quartle). In valor standard Q1 = -0,6745 e Q3 = 0,6745. Pertanto x 1 = 5,3830 e x = 66, (Punt 7) La tabella seguente mostra la dstrbuzone d otto prelev d rocca secondo l tasso d umdtà e l altezza al lvello del mare n una certa zona. Lvello(m.) Tasso umdtà a) Calcolare, sulla base della retta d regressone, l tasso d umdtà d un campone prelevato alla profondtà d 0 metr. b) Calcolare l coeffcente d correlazone lneare d Bravas-Pearson e commentare l rsultato. Una volta trovat parametr della retta Y a bx dove Y è l tasso d umdtà e X l altezza al lvello del mare, s tratta d calcolare y a b(0). S ha Cod( X, Y ) ( x x )( y y ) b ; a y bx Dev( X ) ( x x ) dove x e y sono, rspettvamente, la meda d X e la meda d Y. Inoltre, l coeffcente d correlazone è: 6

7 r Cod( X, Y ) ( x x )( y y ) Dev( X ) Dev( Y ) ( x x) ( y y) x y ( x x ) ( y y) ( x x )( y y ) ( x x ) ( y y) ,5 4, , ,5 1806, ,5 6, , ,5 70, ,5 7, , ,5 56, ,5 -, ,5000 6,5 6,5 5 3,5-14, ,5000 6,5 10, ,5-17, , ,5 306, ,5-19, , ,5 380, ,5 -, , ,5 506, , , ,00 a) I coeffcent della retta d regressone d Y rspetto a X sono b = -1,8381 ed a = 78, Il tasso d umdtà al lvello 0 metr è uguale a 4,095, ossa crca 4%. b) Il coeffcente r è -0,9448. S tratta d un numero negatvo: all aumentare del lvello sul mare, l tasso d umdtà dmnusce. Inoltre s tratta d un valore molto vcno a -1, e cò ndca che la natura del legame fra le due varable è ben descrtto dal modello lneare. 7

8 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 settembre (Punt 3) Se la probabltà che una trvellazone n una determnata area da esto postvo è uguale a 3/4, calcolare la probabltà che, su 6 trvellazon effettuate n modo ndpendente, ve ne sano almeno 4 con esto postvo. La varable casuale X = numero d trvellazon, su 6, con esto postvo ha una dstrbuzone bnomale con n = 6 e p = 0,75: n x 6 x P( X x) (0,75) (0,5), x 0,1,...,6. x Allora: P( X 4) (0,75) (0,5) (0,75) (0,5) (0,75) (0,5) = 0, ,83.. (Punt ) Sa H l'evento "un fossle esamnato appartene all era xyz" ed E l'evento "un fossle esamnato possede la caratterstca wqt". Dverse font d nformazone permettono d stablre che: P( H E ) 0,90 ; P( H E ) 0,05 ; P( E ) 0,10. Calcolare la probabltà dell evento H. P( H ) P( H E) P( H E) P( H E) P( E) P( H E) P( E) 0, (Punt 10) La tabella seguente presenta la dstrbuzone d 600 automobl rspetto alla durata (n mnut) d parcheggo n un parcheggo a pagamento, rlevata n un dato gorno della settmana. Durata del parcheggo Tot. (mnut) Frequenza a) Una volta defnt gl estrem effettv degl ntervall d durata del parcheggo, rappresentare l stogramma delle frequenze relatve della dstrbuzone. Commentare brevemente, analzzando la forma dell stogramma. Durata del parcheggo (mnut) estrem ntervallo Frequenza Fr. Relatva Ampezza ntervallo Denstà Fr. Relatva cumulata ,5 30,5 54 0, ,0043 0, ,5 60,5 75 0, ,004 0, ,5 10,5 93 0, ,006 0, ,5 180, , ,0055 0, ,5 40, , ,009 0, ,5 300,5 66 0, ,0018 0, ,5 600,5 9 0, ,0001 1,0000 Tot ,0000 8

9 b) Calcolare la durata medana; La medana è uguale a: 144,1364 mnut. [= 10,5 +(0,50-0,37)/ 0,0055] c) Calcolare la durata meda artmetca e la varanza. Durata del Valore parcheggo centrale n x n ( x M ) ( x M ) ( x M ) n (mnut) (x ) ,5 30, ,0-14, , , ,5 60, ,5-99, , , ,5 10, ,5-54, , , ,5 180, ,0 5, , , ,5 40, ,5 65, , , ,5 300, ,0 15, , , ,5 600, ,5 305, , ,77 Tot , Durata meda =144,53 mnut Varanza = 6997,07 (mnut) 4. (Punt 7) Sa X la varable casuale normale con meda µ = 180 e varanza σ = 100. a) calcolare la probabltà che la varable casuale X assuma valor compres fra 165 e 175; P(165 X 175) P Z P( 1,5 Z 0,5) P( Z 0,5) P( Z 1,5) 0,417 0,4. b) determnare x 1 tale che Prob( X x1 ) 0,05 (ossa l 5 centle) e x tale che Prob( X x ) 0,95 (ossa l 95 centle). In valor standard, z 1 = -1,645 e z = +1,645. Qund. x 1 = 163,55 e x = 196,45 5. (Punt 8) Per un lago naturale, ne 10 ann dal 1994 al 003, s sono regstrat seguent lvell (espress n cm rspetto allo 0 drometrco): Anno (x) Lvello (y) a) Calcolare l coeffcente d correlazone lneare d Bravas-Pearson e commentare l rsultato. 9

10 b) Calcolare, sulla base della retta d regressone d y rspetto alla varable x, l lvello nell ultmo anno d osservazone. Vsto l valore dell ndce d accostamento, quale conclusone s può trarre? Anno (x) Lvello (y) ( x ) ( y y) ( x x )( y y ) ( x x ) ( y y) , ,5 0, , , , , , ,5, ,5-4 0, ,5 4 0, , ,5, , ,5 6, , ,5 1, , ,5 0, , cod devx DevY r Cod( X, Y ) ( x x )( y y ) Dev( X ) Dev( Y ) ( x x) ( y y) r = -0,8336 La correlazone è negatva (l lvello tende a decrescere negl ann) ed l grado d accostamento è abbastanza buono. Infatt l ndce d accostamento è R = 0,6049 (coè crca l 70% della varabltà totale è spegata dal modello lneare). Cod( X, Y ) ( x x )( y y ) Retta d regressone Y = a + bx, b ; a y bx Dev( X ) ( x x ) Y= ,95x. Il valore stmato per l anno 003 è crca 1,9. 10

11 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 16 dcembre Soluzon 1. (Punt 3) Se la probabltà d rlevare n una determnata localtà una concentrazone d radon maggore d 300 Bq/mc è uguale a 0,0, calcolare la probabltà che, su 10 rlevazon effettuate n modo ndpendente, s rlev una concentrazone mnore d 300 Bq/mc almeno 9 volte. La probabltà che la concentrazone sa mnore d 300 Bq/m è p = 0,80. Qund, la varable casuale X = numero d rlevazon, su 10, n cu la concentrazone è mnore d 300 Bq/m ha una dstrbuzone bnomale con n = 10 e p = 0,80: P( ) (0,80) x x X x (0,0), x 0,1,...,10. x Allora: P( X 9) PX ( 9) Px ( 10) 0,684 0,1074 0,3758. (Punt ) Sa E l'evento "la concentrazone d radon è maggore d 300 Bq/mc " ed H l'evento "l rlevatore effettua una msura corretta". Sapendo che: P( H E ) 0,90 ; P( H E ) 0,99 ; P( E ) 0,0. Calcolare la probabltà che l rlevatore effettu una msura corretta. P( H) P( H E) P( H E) P( H E) P( E) P( H E) P( E) 0,90 0, 0,99 0,8 0, (Punt 10) La tabella seguente presenta la dstrbuzone d 560 automobl rspetto alla durata d parcheggo (n mnut) n un parcheggo a pagamento, rlevata n un dato gorno della settmana. Durata del parcheggo (mnut) Tot. Frequenza c) d) a) Una volta defnt gl estrem effettv degl ntervall d durata del parcheggo, rappresentare l stogramma delle frequenze relatve della dstrbuzone. Commentare brevemente, analzzando la forma dell stogramma. Durata del Fr. estrem ntervallo Fr. Ampezza parcheggo Frequenza Denstà Relatva Relatva ntervallo (mnut) cumulata ,5 30,5 50 0, ,0043 0, ,5 60, , ,0060 0, ,5 10, , ,0045 0, ,5 180,5 00 0, ,0060 0, ,5 40,5 0 0, ,0006 0, ,5 300,5 10 0, ,0003 0, ,5 600,5 30 0, ,000 1,0000 Tot ,

12 0,0070 0,0060 0,0050 0,0040 0,0030 0,000 0,0010 0, ,560,5 10,5 180,5 40,5 300,5 600,5 b) Calcolare l terzo quartle; Il terzo quartle è uguale a: 156, mnut. [= 10,5 +(0,75-0,5357)/0,0060] e) Calcolare la durata meda artmetca e la varanza. Durata del parcheggo (mnut) Valore centrale (x ) n x n ( x M ) ( x M ) ( ) x M n ,5 30, ,0-104, , , ,5 60, ,0-78,88 6,67 667, ,5 10, ,0-33, ,1 1718, ,5 180, ,0 6,1 68, , ,5 40, ,0 86,1 7415, , ,5 300, ,0 146,1 1349, , ,5 600, ,0 36, , ,76 Tot , ,96 Durata meda =14,38 mnut Varanza = 8978, 69 (mnut) 4. (Punt 7) Sa X la varable casuale normale con meda µ = 180 e varanza σ = 100. a) calcolare la probabltà che la varable casuale X assuma valor compres fra 175 e 185; P(175 X 185) P Z P( 0,5 Z 0,5) P( Z 0,5) P( Z 0,5) 0,389. b) determnare x 1 tale che Prob( X x1 ) 0,10 (ossa l 10 centle) e x tale che Prob( X x ) 0,90 (ossa l 90 centle). Per la normale standard, l 10 centle è -1,8 e l 90 centle è 1,8. Percò, x 1 = 167, e x = 19,8. 5. (Punt 8) Per un lago naturale, negl ann dal 1997 al 004, s sono regstrat seguent lvell (espress n cm rspetto allo 0 drometrco): Anno (x) Lvello (y)

13 r c) Calcolare l coeffcente d correlazone lneare d Bravas-Pearson e commentare l rsultato. d) Calcolare, sulla base della retta d regressone d y rspetto alla varable x, l lvello che dovrebbe raggungere nel 005. e) Rappresentare grafcamente la retta d regressone Anno (x) Lvello (y) ( x ) ( y y) ( x x )( y y ) ( x x ) ( y y) ,5 57,375-00,815 1,5 391, ,5 54, ,9375 6,5 956, ,5 9,375-14,065,5 87, ,5 17,375-8,6875 0,5 301, ,5 74,375 37,1875 0,5 5531, ,5-45,65-68,4375,5 081, ,5-57,65-144,065 6,5 330, ,5-109,65-383,6875 1,5 1017, ,5000 4, ,8750 Meda=000,5Meda=54,375 Cod(X,Y) devx DevY Cod( X, Y ) ( x x )( y y ) Dev( X ) Dev( Y ) ( x x) ( y y) r = - 0,8 La correlazone è negatva (l lvello tende a decrescere negl ann) ed l grado d accostamento è abbastanza buono. Infatt l ndce d accostamento è R = 0,6788 (coè crca l 68% della varabltà totale è spegata dal modello lneare). Cod( X, Y ) ( x x )( y y ) Retta d regressone Y = a + bx, b ; a y bx Dev( X ) ( x x ) Y= x Il valore stmato per l anno 005 è crca 15,8. 13

14 Corso d laurea n Scenze Geologche Probabltà e Statstca Appello del 0 marzo (Punt ) L'anals d una rocca contenente prte ha mostrato che la probabltà che essa present mpurtà è uguale al 40%. Se s selezonano n modo ndpendente 10 campon d rocca, quale è la probabltà che non pù d due campon presentno mpurtà? La varable casuale X = numero d campon, su 10, con mpurtà ha una dstrbuzone bnomale con n =10 e p = 0,40: n x 10 x P( X x) (0,40) (0,60), x 0,1,...,10. x Allora: P( X ) (0, 40) (0,60) (0, 40) (0,60) (0,40) (0,60) 0, (Punt 3) Sano A e B due event. S sa che P( B A ) 0,30 e che P( B A ) 0,70. Inoltre, P(A)=0,70. Calcolare P( A B ). P( B A) P( B A) P( A) P( B A) P( A) P( A B) P( B) P( B) P( B A) P( B A) P( B A) P( A) 0, 70 0, 70 0, 49 0,84. P( B A) P( A) P( B A) P( A) 0,70 0,70 0,30 0,30 0,58 3. (Punt 10) La tabella seguente presenta la dstrbuzone d 50 campon d rocca rspetto al loro peso (n gramm) Frequenz Peso (gramm) a Totale 50 a) Rappresentare l stogramma della dstrbuzone; Peso estrem ntervallo Frequenza Ampezza ntervallo Denstà Fr. cumulata ,5 9, , ,5 39, , ,5 49, , ,5 59, , ,5 69, , ,5 79, , ,5 99,5 0 0,1 50 Tot

15 ,00 1,80 1,60 1,40 1,0 1,00 0,80 0,60 0,40 0,0 0,00 b) Calcolare la medana (50/ ) 5 Medana 39,5 43, 7 1, c) Calcolare la meda artmetca e la varanza Valore centrale (x ) ,5 99,5 n x n ( x M ) ( x M ) ( ) x M n 19,5 9,5 4,5 4 98,0 -,8 519,84 079,36 9,5 39,5 34, ,0-1,8 163,84 61,44 39,5 49,5 44, ,0 -,8 7,84 94,08 49,5 59,5 54, ,5 7, 51,84 36,88 59,5 69,5 64,5 5 3,5 17, 95, ,0 69,5 79,5 74,5 4 98,0 7, 739,84 959,36 79,5 99,5 89,5 179,0 4, 1780, , , ,00 Meda = 47.3 Varanza = (Punt 8) Sa X una varable casuale normale con meda uguale a 64 e varanza uguale a 100. a) Calcolare la probabltà che la varable casuale X assuma valor compres fra 54 e 74; P(54 X 74) P Z P( 1 Z 1) P( Z 1) P( Z 1) 0,68. b) Calcolare l 10 centle ed l 90 centle. In valor standard, l 10 centle è z 1 = -1,8 e l 90 centle è z = +1,8. 10 centle : x 1 = 51,18 gramm 90 centle : x = 76,8 gramm 5. (Punt 8) La tabella seguente mostra la dstrbuzone d sette prelev d rocca secondo l tasso d umdtà e l altezza al lvello del mare. Lvello(m.) Tasso umdtà

16 a) In base al modello lneare quale è l tasso d umdtà d un campone prelevato all altezza d 40 metr? b) Calcolare l coeffcente d correlazone lneare d Bravas Pearson x y ( x x ) ( y y) ( x x )( y y ) ( x x ) ( y y) Meda=30Meda=38.14 Cod(X,Y) Dev(X) Dev(Y) Retta d regressone: y=a+bx 94,86-1,8714x a) Per x = 40, y=19,43 Cod( X, Y ) ( x x )( y y ) 0,96 Dev( X ) Dev( Y ) ( x x ) ( y y) b) r 16

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012 CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso

Dettagli

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30 1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza

Dettagli

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra d Statstca Medca, Unverstà d Bar 1/19 IL PROBLEMA

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Campo di applicazione

Campo di applicazione Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

Dettagli

REALTÀ E MODELLI SCHEDA DI LAVORO

REALTÀ E MODELLI SCHEDA DI LAVORO REALTÀ E MODELLI SCHEDA DI LAVORO 1 Le tabelle d crescta Nella tabella sono rportat dat relatv alle altezze mede delle bambne dalla nascta fno a un anno d età. Stablsc se esste una relazone lneare tra

Dettagli

Probabilità cumulata empirica

Probabilità cumulata empirica Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè

Dettagli

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente Unverstà d Macerata Dpartmento d Scenze Poltche, della Comuncazone e delle Relaz. Internazonal La Regressone Varable ndpendente o esplcatva Prezzo n () () 1 1 Varable dpendente 15 1 1 1 5 5 6 6 61 6 1

Dettagli

Lezione 2 a - Statistica descrittiva per variabili quantitative

Lezione 2 a - Statistica descrittiva per variabili quantitative Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati. Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes

Dettagli

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu) lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematca II: Calcolo delle Probabltà e Statstca Matematca ELT A-Z Docente: dott. F. Zucca Eserctazone # 8 Gl esercz contrassegnat con (*) sono tratt da Eserc. 2002-2003- Prof. Secch # 0 - Statstca Matematca

Dettagli

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA Lezone 7 - Indc statstc: meda, moda, medana, varanza INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA GRUPPO MAT06 Dp. Matematca, Unverstà d Mlano - Probabltà e Statstca per le Scuole Mede -SILSIS - 2007

Dettagli

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student. Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana

Dettagli

Esercitazione 8 del corso di Statistica (parte 1)

Esercitazione 8 del corso di Statistica (parte 1) Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità: LA VARIABILITA LA VARIABILITA E L ATTITUDINE DEL FENOMENO QUANTITATIVO AD ASSUMERE DIVERSE MODALITA, O MEGLIO LA TENDENZA DI OGNI SINGOLA OSSERVAZIONE AD ASSUMERE VALORI DIFFERENTI RISPETTO AL VALORE MEDIO.

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua Unverstà d Cassno Eserctazon d Statstca del 9 Febbrao 00 Dott. Mro Bevlacqua DATASET STUDENTI N SESSO ALTEZZA PESO CORSO NUMERO COLORE COLORE (cm) (g) LAUREA SCARPA OCCHI CAPELLI M 79 65 INFORMAICA 43

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Test delle ipotesi Parte 2

Test delle ipotesi Parte 2 Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca

Dettagli

Studente estratto Esami sostenuti voto Frequenza Pos.ne lavor.va sesso rendimento si No M B si No M O no No F S

Studente estratto Esami sostenuti voto Frequenza Pos.ne lavor.va sesso rendimento si No M B si No M O no No F S Esercz del corso d Statstca A.A 00-0 a cura d : Gulana Satta Eserczo E stato estratto un campone d 5 student tra frequentant l secondo semestre e s sono osservate le seguent caratterstche: esam sostenut

Dettagli

ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X

ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA Notazone: x = -esma modaltà della varable X Nel caso d dstrbuzon n class: x = Lmte superore della classe -esma x -1 = Lmte nferore della classe

Dettagli

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

Statistica Descrittiva ed Inferenziale

Statistica Descrittiva ed Inferenziale Statstca Descrttva ed Inferenzale 1 Why Statstcs? A? A B Descrpton and Predcton Samples Analyss A1 A A B C Pared Samples Analyss MultSamples Analyss 1 Why Statstcs? Formal defnton of Probablty σ-feld 3

Dettagli

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla? Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà

Dettagli

Statistica descrittiva

Statistica descrittiva Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone

Dettagli

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill Statstca - metodologe per le scenze economche e socal /e S Borra, A D Cacco - McGraw Hll Es Soluzone degl esercz del captolo 7 In base agl arrotondament effettuat ne calcol, s possono rscontrare pccole

Dettagli

Correlazione lineare

Correlazione lineare Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl

Dettagli

ESERCIZI SULLE VARIABILI CASUALI DISCRETE

ESERCIZI SULLE VARIABILI CASUALI DISCRETE ESERCIZI SULLE VARIABILI CASUALI DISCRETE 1) S lanca un dado. Rappresentare la varable casuale: X = " facca mnore d tre ". 2) S lancano due dad. Rappresentare la varable casuale: X = "somma delle facce

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm.

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm. Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo d.amodo@unvpm.t Ing. Ganluca Chappn g.chappn@unvpm.t http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano

Dettagli

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007 STATISTICA SOCIALE Corso d laurea n Scenze Turstche, a.a. 07/08 Esercz 6 novembre07 Eserczo La Tabella contene alcun dat relatv a 6 lavorator delle azende Alfa e Beta. Tabella Lavorator delle azende Alfa

Dettagli

Regressione lineare con un singolo regressore

Regressione lineare con un singolo regressore Regressone lneare con un sngolo regressore Eduardo Ross 2 2 Unverstà d Pava (Italy) Marzo 2013 Ross Regressone lneare semplce Econometra - 2013 1 / 45 Outlne 1 Introduzone 2 Lo stmatore OLS 3 Esempo 4

Dettagli

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione? Prma dstrb. Secoda dstrb. Totale Meda 0 5 8 35 85 63 63/5 =3,6 5 5 38 40 45 63 63/5 =3,6 Due dstrbuzo, stessa meda ma quale delle due la meda rappreseta, stetzza meglo la stuazoe? Le mede stetzzao la dstrbuzoe,

Dettagli

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

Esame di Statistica Corso di Laurea in Economia

Esame di Statistica Corso di Laurea in Economia Esame d Statstca Corso d Laurea n Economa 9 Gennao 0 Cognome Nome atr. Teora S dmostr la propretà d lneartà della meda artmetca. Eserczo Una casa edtrce è nteressata a valutare se tra lettor d lbr esste

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

Modelli con varabili binarie (o qualitative)

Modelli con varabili binarie (o qualitative) Modell con varabl bnare (o qualtatve E( Y X α + βx + ε quando Y è una varable benoullana Y 1 0 s ha l modello lneare d probabltà Pr( Y 1 X α + βx + ε dove valor stmat della Y assumono l sgnfcato d probabltà.

Dettagli

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM

Dettagli

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1 Varabl aleatore dscrete Probabltà e Statstca I - a.a. 04/05 - Defnzone Una varable aleatora è una funzone che assoca ad ogn esto dello spazo campone d un espermento casuale un numero. L nseme de possbl

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

Dettagli

Esercizio statistica applicata all ingegneria stradale pag. 1

Esercizio statistica applicata all ingegneria stradale pag. 1 ESERCIZIO STATISTICA APPLICATA ALLA PROGETTAZIONE STRADALE SINTESI S supponga d avere eseguto 70 sure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal sure

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che:

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che: Eserctazoe VI: Il teorema d Chebyshev Eserczo La statura meda d u gruppo d dvdu è par a 73,78cm e la devazoe stadard a 3,6. Qual è la frequeza relatva delle persoe che hao ua statura superore o ferore

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.

Dettagli

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

LA CALIBRAZIONE NELL ANALISI STRUMENTALE LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra

Dettagli

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla

Dettagli

COSTRUIRE UN PICCOLO SET DI DATI

COSTRUIRE UN PICCOLO SET DI DATI COSTRUIRE UN PICCOLO SET DI DATI Indvduazone degl obettv dello studo Indvduazone delle varabl che possono autare l raggungmento degl obettv dello studo Preparazone degl strument d rlevazone PATNO Numero

Dettagli

Il campionamento casuale semplice

Il campionamento casuale semplice Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V

Dettagli

DBMS multimediali A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2

DBMS multimediali A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2 DBMS multmedal A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2 DBMS multmedal Def: Sono DBMS che consentono d memorzzare e recuperare dat d natura multmedale:

Dettagli

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1 Chmca Fsca Botecnologe santare Lezone n. 7 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Antonno Polmeno 1 Soluzon / comportamento deale - Il dagramma d stato d una soluzone bnara,

Dettagli

lxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt http://www2.dm.unito.it/paginepersonali/zucca/index.htm Misura:

lxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt http://www2.dm.unito.it/paginepersonali/zucca/index.htm Misura: Elaborazone de dat geochmc e cenn d statstca lm.m.nfn.t/~camera/slss/laboratoro-1/-statstca.ppt http://www.dm.unto.t/pagnepersonal/zucca/nde.htm Msura: Espressone quanttatva del rapporto fra una grandezza

Dettagli

Lezione 4. La Variabilità. Lezione 4 1

Lezione 4. La Variabilità. Lezione 4 1 Lezoe 4 La Varabltà Lezoe 4 1 Defzoe U valore medo, comuque calcolato, o è suffcete a rappresetare l seme delle osservazo effettuate (o l seme de valor assut dalla varable statstca); è ecessaro qud affacare

Dettagli

MEDIA DI Y (ALTEZZA):

MEDIA DI Y (ALTEZZA): Uverstà d Casso Eserctazo d Statstca del 4 Marzo 0 Dott. Mrko Bevlacqua ESERCIZIO Su u collettvo d dvdu soo stat rlevat caratter X Peso( kg) e Altezza ( cm) otteamo la seguete dstrbuzoe d frequeza coguta:

Dettagli

CORSO DI STATISTICA I (Prof.ssa S. Terzi)

CORSO DI STATISTICA I (Prof.ssa S. Terzi) CORSO DI STATISTICA I (Prof.ssa S. Terz) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI Eserctazoe 2 2.1 Da u dage svolta su u campoe d lavorator dpedet co doppo lavoro è stata rlevata la dstrbuzoe coguta del reddto

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Anals statstca d dat bomedc Analyss of bologcalsgnals I Parte Inferenza statstca Agostno Accardo (accardo@unts.t) Master n Ingegnera Clnca LM Neuroscenze 2013-2014 e segg. Altman Practcal statstcs for

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

ANALISI DI TABELLE DI CONTINGENZA

ANALISI DI TABELLE DI CONTINGENZA ANALISI DI TABELLE DI CONTINGENZA 91 TABELLE DI CONTINGENZA Una tabella d contngenza è una tabella d frequenza a doppa entrata n cu vengono ncrocate due varabl qualtatve. Esempo SESSO INTERESSE PER STATISTICA

Dettagli

INDICI DI VARIABILITÀ. Proprietà essenziali

INDICI DI VARIABILITÀ. Proprietà essenziali INDICI DI VARIABILITÀ Valor che ono calcolat per eprmere ntetcamente la varabltà d un fenomeno, o meglo la ua atttudne ad aumere valor dfferent tra loro Propretà eenzal. NON NEGATIVITÀ Una quala mura d

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3: Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 3: 21022012 professor Danele Rtell www.unbo.t/docdent/danele.rtell 1/31? Captalzzazone msta S usa l regme composto per l

Dettagli

TEORIA DELLA STIMA E DELLA DESCISIONE STATISTICA

TEORIA DELLA STIMA E DELLA DESCISIONE STATISTICA TEORIA DELLA STIMA E DELLA DESCISIOE STATISTICA STIMA A MASSIMA VEROSIMIGLIAZA Per determnare la stma a massma verosmglanza d un parametro θ, partendo da un campone d dat X, bsogna scrvere la denstà d

Dettagli

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Dettagli

Potenzialità degli impianti

Potenzialità degli impianti Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Potenzaltà degl mpant Impant ndustral Potenzaltà degl mpant 1 Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Defnzone della potenzaltà

Dettagli

Quattro passi nella statistica per chimici

Quattro passi nella statistica per chimici Quattro pass nella statstca per chmc Lo scopo dell anals statstca applcata a sere d dat spermental è quella d ottenere nformazon per valutare la valdtà d una procedura o la accettabltà d un dato analtco.

Dettagli

Valutazione dei Benefici interni

Valutazione dei Benefici interni Corso d Trasport Terrtoro prof. ng. Agostno Nuzzolo Valutazone de Benefc ntern Valutazone degl ntervent Indvduazone degl effett rlevant La defnzone degl effett rlevant per un ntervento sul sstema d trasporto

Dettagli

MATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 21 LUGLIO 2009 ECONOMIA AZIENDALE

MATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 21 LUGLIO 2009 ECONOMIA AZIENDALE MATEMATICA FINANZIARIA PROVA SCRITTA DEL LUGLIO 009 ECONOMIA AZIENDALE ESERCIZIO Un ndduo ntende acqustare un motorno che ha un prezzo d 300. Volendo accedere ad un fnanzamento, gl engono proposte le seguent

Dettagli

Adattamento di una relazione funzionale ai dati sperimentali

Adattamento di una relazione funzionale ai dati sperimentali Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo

Dettagli

MEDIANA. 1. Numero di termini dispari (s dispari) VARIABILE STATISTICA N.B. Le frequenze della distribuzione devono essere cumulate

MEDIANA. 1. Numero di termini dispari (s dispari) VARIABILE STATISTICA N.B. Le frequenze della distribuzione devono essere cumulate MEDIANA SUCCESSIONE N.B. I termn della ucceone devono eere pot n ordne non decrecente 1. Numero d termn dpar ( dpar) Me x + 1. Numero d termn par ( par) Me x + x + 1 VARIABILE STATISTICA N.B. Le frequenze

Dettagli

La ripartizione trasversale dei carichi

La ripartizione trasversale dei carichi La rpartzone trasversale de carch La dsposzone de carch da consderare ne calcol della struttura deve essere quella pù gravosa, ossa quella che determna massm valor delle sollectazon. Tale aspetto nveste

Dettagli

Analisi bivariata con variabili quantitative

Analisi bivariata con variabili quantitative Anals bvarata con varabl quanttatve Regressone lneare Correlazone lneare LA REGRESSIONE LINEARE In un campone d 33 donne, d età compresa tra 22 e 81 ann, è stata msurata la pressone sstolca (n mm d mercuro).

Dettagli

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100) ESERCIZIO Il Moblty Maager d u azeda ha rlevato l umero d chlometr percors settmaalmete da 60 mpegat. I dat soo rportat ello schema successvo. 67 4 93 58 66 87 5 53 86 8 7 47 56 70 54 86 48 43 60 58 5

Dettagli

CORSO DI STATISTICA I (Prof.ssa S. Terzi) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI. Esercitazione n 3

CORSO DI STATISTICA I (Prof.ssa S. Terzi) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI. Esercitazione n 3 ORSO I STTISTI I (Prof.ssa S. Terz) STUIO ELLE ISTRIUZIONI SEMPLII Eserctazoe 3 3. ata la seguete dstrbuzoe de reddt: lass d reddto Reddter Reddto medo 6.500-7.500 4 6.750 7.500-8.500 7.980 8.500-9.500

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabltà pr - 1 Che collegamento c è tra gl strument statstc per lo studo de fenomen real e l calcolo delle probabltà? Vedremo che non sempre la conoscenza delle caratterstche d un fenomeno

Dettagli

x = 2480.82 sezione 45 0,038 48 0,077 49 0,115 50 0,192 52 0,231 54 0,308 55 0,346 58 0,385 60 0,615 63 0,654 65 0,885 66 0,923 83 0,962 84 1,000

x = 2480.82 sezione 45 0,038 48 0,077 49 0,115 50 0,192 52 0,231 54 0,308 55 0,346 58 0,385 60 0,615 63 0,654 65 0,885 66 0,923 83 0,962 84 1,000 Gennao 006 classe A VERIFICA DI STATISTICA fla A )Nel Lceo scentfco G.Bruno c sono 5 class seconde, cu alunn sono dstrbut per sezone e per sesso n base alla seconda tabella: Sesso\ A B D E F sezone Calcola

Dettagli

6. METODO DELLE FORZE IMPOSTAZIONE GENERALE

6. METODO DELLE FORZE IMPOSTAZIONE GENERALE aptolo6 ETODO DEE FORZE - IOSTZIOE GEERE 6. ETODO DEE FORZE IOSTZIOE GEERE ssocamo al sstema perstatco un altro sstema, denomnato sstema prncpale. Il sstema prncpale è un sstema statcamente determnato,

Dettagli