Titolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Titolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli"

Transcript

1 Titolo della lezioe Dal campioe alla popolazioe: stima putuale e per itervalli

2 Itroduzioe Itrodurre il cocetto di itervallo di cofideza Stima di parametri per piccoli e gradi campioi Stimare la proporzioe di idividui che possiedoo u determiato attributo

3 Alcui elemeti di base Popolazioe Campioe Parametri Statistiche campioarie µ X S N

4 V.C. Media Campioaria Variabile casuale Media Campioaria è quella variabile casuale costruita prededo i cosiderazioe tutte le possibili medie che possiamo calcolare a partire da tutti i possibili campioi di ua certa umerosità estraibili da ua determiata popolazioe. Si distribuisce come la curva ormale Ha media pari alla media vera della popolazioe Ha variaza pari alla variaza vera della popolazioe diviso la umerosità campioaria E( X) = µ VAR s.q.m. ( X) ( X) = =

5 Media Campioaria e Curva Normale E( X) = µ 0,95 α = 0,05 + 0,05 = 0,05 s.q.m. ( X) = -1,96 +1,96 x µ P = ( 1,96 z + 1,96 ) = P 1,96 + 1,96 0, 95 X µ P 1,96 + 1,96 = 0,95 P µ 1,96 X µ + 1,96 = 0,95

6 Itervallo di probabilità P µ 1,96 X µ + 1,96 = 0,95 0,95 α/ = 0,05 α/ = 0,05 µ 1,96 µ µ + 1,96

7 Media Campioaria e Curva Normale - X i i P(X i ) , , , , , , , , , , ,04 5 1,00 µ = 150 = 0 P µ 1,96 X µ + 1,96 = 0, P 150 1,96 X ,96 = 0,95 ( 150 7,7 X ,7) 0, 95 P = ( 1,8 X 177,7) 0, 95 P = 3 ( 1,8 X 177,7) = 0, 9 P = 5

8 Itervalli di probabilità e di cofideza µ z X µ + z α = P 1 α α 0,90 (90%) al quale corrispode u valore di z pari a ± 1,65 0,95 (95%) al quale corrispode u valore di z pari a ± 1,96 0,99 (99%) al quale corrispode u valore di z pari a ±,58 Itervallo di probabilità o utile ella realtà (o coosciamo µ!) Dobbiamo rovesciare il ragioameto X z µ X + z α α INTERVALLO DI CONFIDENZA

9 Itervallo di Cofideza X z µ X + z α α µ =150 = 0 ( 1 α ) = 0,95 z = 1, 96 α = AC x = ,96 µ , ,7 µ ,7 DD x = ,96 µ ,96 13,8 µ 187, ,8 µ 16,7 BD x = ,96 µ ,96 14,8 µ 197,7 0

10 Itervallo di Cofideza - µ = ,8 X = ,7 13,8 X = ,7 14,8 X = ,7 10,8 X = ,7 15,8 X = ,7 9,8 X =10 147,7

11 Itervallo di Cofideza per Gradi Campioi I realtà, il modello itrodotto i precedeza è valido sotto opportue codizioi: il campioe viee estratto da popolazioi elle quali il carattere cosiderato si distribuisce come ua Normale coosciamo lo scarto quadratico medio della popolazioe (ricordate? Nella formula precedete abbiamo utilizzato ) Teorema del limite cetrale > s X z µ X + z α α s

12 Itervallo di Cofideza per Gradi Campioi - Esercizio Vogliamo cooscere l età media di u gruppo di idividui; estraiamo u campioe casuale semplice di 100 soggetti da tale popolazioe, e calcoliamo u età media del campioe pari a 1,6 ai. Da ua precedete idagie cesuaria, sappiamo che lo scarto quadratico medio della popolazioe è pari a 5,1. Si costruisca u itervallo di cofideza ad u livello di fiducia del 95% per la stima dell età media della popolazioe. X z µ X + z α α 5,1 1,6 1,96 µ 1,6 + 1, ,6 1 µ 1, ,6 µ,6 5,1 100 = 100 x = 1,6 = 5, 1 1 α = 0,95 z = 1, ( ) 96 α

13 Itervallo di Cofideza per Gradi Campioi - Esercizio ( 1 α) = 0,99 z =, 58 X z µ X + z α α 5,1 1,6,58 µ 1,6 +, ,6 1,31 µ 1,6 + 1,31 0,9 µ,91 α 5, % 0,6 µ,6 99% 0,9 µ, 91 0% = 100 x = 1,6 = 5, 1 1,47 µ 1,73 ( 1 α) = 0,0 z = 0, 54 1,47 µ α 1,73

14 Esercizio Si vuole stimare il tempo medio di risposta ad u test psicoattitudiale al quale soo stati sottoposti gli studeti di ua certa Facoltà. Per tale motivo, viee estratto u campioe casuale di 150 studeti, dai quali risulta u tempo medio di risposta pari a 4 miuti, co uo scarto quadratico medio di 3 miuti. Costruire u itervallo di cofideza, ad u livello di fiducia del 95% per il tempo medio di risposta al test. s s X z µ X + z α α 3 4 1,96 µ 4 + 1, ,96 µ 4 + 1,96 1,5 1,5 4 0,48 µ 4 + 0,48 3,5 µ 4,48 3 = 150 ; x = 4 ; s = 3 ( 1 α) = 0,95 z = 1, 96 = ,96 µ 4 + 1, ,81 µ α 4,

15 Esercizio 3 Si vuole stimare il coteuto di colesterolo el sague i u gruppo di cai che soo stati sottoposti ad u alimetazioe ad alto coteuto di grassi. Viee estratto u campioe di 64 cai, dal quale risulta ua quatità media pari a 350 mg per 100 ml di sague. Da precedeti studi, si sa che lo scarto quadratico medio è pari a 100 mg. Rispodere alle segueti domade: 1) Calcolare u itervallo di cofideza al livello di fiducia del 95% per la preseza media di colesterolo el sague; ) Possoo i medici affermare che la quatità media di colesterolo è pari a 400 mg? X z µ X + z α α ,96 µ , ,5 µ 374, = 64 ; x = 350 ; = 100 ( 1 α ) = 0,95 z = 1, 96 α

16 Itervallo di Cofideza per Piccoli Campioi Quado abbiamo a che fare co campioi di bassa umerosità, e dal mometo che, ella maggior parte dei casi, la variaza della popolazioe è u parametro scoosciuto, o sarà possibile fare riferimeto alla curva ormale come modello geeratore del feomeo che stiamo cosiderado (ossia, la stima per itervallo della media aritmetica della popolazioe) X µ S T-STUDENT co (-1) Gradi di Libertà X µ t + t = 1 α α / α / S P s X t µ X + t α α s

17 Curva Normale e Curva T-Studet Normale t-studet

18 Valori critici della T-Studet Area ella coda destra Gradi di libertà 0,50 0,100 0,050 0,05 0,010 0, ,0000 3,0777 6,3137 1,706 31,810 63,6559 0,8165 1,8856,900 4,307 6,9645 9, ,7649 1,6377,3534 3,184 4,5407 5, ,7407 1,533,1318,7765 3,7469 4, ,767 1,4759,0150,5706 3,3649 4, ,7176 1,4398 1,943,4469 3,147 3, ,7111 1,4149 1,8946,3646,9979 3, ,7064 1,3968 1,8595,3060,8965 3, ,707 1,3830 1,8331,6,814 3, ,6998 1,37 1,815,81,7638 3, ,6794 1,987 1,6759,0086,4033, ,6780 1,938 1,6669 1,9944,3808, ,6776 1,9 1,6641 1,9901,3739, ,6770 1,901 1,660 1,9840,364, ,6767 1,893 1,6588 1,9818,3607, ,6765 1,886 1,6576 1,9799,3578, ,6761 1,87 1,6551 1,9759,3515, ,6757 1,858 1,655 1,9719,3451, ,6745 1,816 1,6449 1,9600,364,5758 ( 1 α) = 0, 95 α = 0,05 α / = 0,05

19 Itervallo di Cofideza per Piccoli Campioi - Esercizio Si vuole cooscere il peso medio dei eoati veuti alla luce i u certo ospedale. Si estrae u campioe casuale di 16 elemeti, e si riscotra u peso medio di 3,4 kg, co ua variaza campioaria pari a 0,464. Costruire u itervallo di cofideza ad u livello di fiducia del 99% per la stima del peso medio della popolazioe di eoati. = 16 x = 3, 4 s = 0, 464 s = s = 0,464 = 0, 68 Area ella coda destra Gradi di libertà 0,5 0,10 0,05 0,05 0,01 0, ,0000 3,0777 6,3137 1,706 31,810 63,6559 0,8165 1,8856,900 4,307 6,9645 9, ,7649 1,6377,3534 3,184 4,5407 5, ,7407 1,533,1318,7765 3,7469 4, ,6955 1,356 1,783,1788,6810 3, ,6938 1,350 1,7709,1604,6503 3, ,694 1,3450 1,7613,1448,645, ,691 1,3406 1,7531,1315,605, ,6901 1,3368 1,7459,1199,5835, ,689 1,3334 1,7396,1098,5669,898 ( 1 α) = 0, 99 α / = 0,005 g.d.l. = 16 1 = 15

20 Itervallo di Cofideza per Piccoli Campioi Esercizio = 16 x = 3, 4 s = 0, 464 s = s = 0,464 = 0, 68 ( α) = 0,99 t, = α ; 15 s X t µ X + t α α 0,68 0,68 3,4,947 µ 3,4 +, ,4 0,5 µ 3,4 + 0,5,9 µ 3,9 s

21 Itervallo di Cofideza per la stima di ua proporzioe Quado vogliamo stimare ua proporzioe (o, i altre parole, la percetuale di uità statistiche che presetao u determiato attributo) è possibile estrarre u campioe dalla popolazioe di riferimeto e calcolare tale proporzioe all itero del campioe E possibile dimostrare che, se potessimo calcolare tutte le proporzioi all itero di tutti i campioi di ua certa umerosità estraibili da ua determiata popolazioe, tali proporzioi dao origie ad ua variabile casuale che si distribuisce come ua curva ormale co valore atteso pari a π e variaza pari a π(1-π)/ p π π ( 1 π) per sufficietemete grade [almeo pari a 5 sia il prodotto π, sia il prodotto (1-π)] si distribuisce come ua V.C Normale stadardizzata

22 Stima di ua proporzioe - Esercizio Si vuole cooscere la proporzioe di gatti che soo stati sottoposti a tutte le vacciazioi previste dalla ormativa. A tale scopo, viee effettuata u idagie su 80 felii, 60 dei quali risultao i regola. Si determii l itervallo di cofideza, ad u livello di fiducia del 95%, per la stima della proporzioe di gatti che soo i regola co le vacciazioi obbligatorie. ( p) p( 1 p) p 1 p z π p + z α α 0,75 0,5 0,75 0,5 0,75 1,96 π 0,75 + 1, ,75 1,96 0,048 π 0,75 + 1,96 0,048 0,75 0,09 π 0,75 + 0,09 0,66 π 0,84 = 80 ; 60 p = = 0, ( 1 p) = 1 0,75 = 0, 5 p = 80 0,75 = 60 ( 1 p) = 80 0,5 0 = z 0, 05 = 1,96

23 Esercizio I u campioe di 400 persoe alle quali è stato sommiistrato u vaccio, 136 di esse hao avuto effetti collaterali di u certo rilievo. Determiare u itervallo di cofideza co u livello di fiducia del 95%, della proporzioe della popolazioe che soffre di tali effetti collaterali. ( p) p( 1 p) p 1 p z π p + z α α 0,34 1,96 0,34 0, π 0,34 + 1,96 0,34 0, ,34 1,96 0,037 π 0,34 + 1,96 0,037 0,34 0,046 π 0,34 + 0,046 0,94 π 0,386 = 400 p = = 0,34 ( 1- p) = 1 0,34 = 0, 66 p = 400 0,34 = 136 ( 1 p) = 400 0,66 64 = ( 1 α ) = 0,95 z = 1, 96 α

24 Esercizio 3 U certo farmaco è usato ella cura dell ipertesioe. I u test cliico, il 3,% di 1 cosumatori del farmaco ha lametato vertigii. a) si costruisca u itervallo di cofideza al 99% per la stima della percetuale di cosumatori di ZIAC che hao avuto vertigii. b) Nella popolazioe di riferimeto, i soggetti (che o assumevao il farmaco) soffroo di vertigii ell 1,8% dei casi; sulla base di risultati relativi al puto (a), che cosa si può cocludere circa le vertigii come effetto collaterale del farmaco? ( p) p( 1 p) p 1 p z π p + z α α ( 0,968) 0,03( 0,968) 0,03 0,03,58 π 0,03 +,58 1 0,0014 π 0,065 0,14% π 1 6,5% = 1 p = 0,03 (1-p) = 0,968 p = 1 x 0,03 = 7,07 (1-p) = 1 x 0,968 = 13,98 ( α) = 0,99 z,58 1 α =

25 Esercizio U azieda farmaceutica vuole stimare la quatità di pricipio attivo presete i u certo mediciale. Viee estratto u campioe casuale di 5 flacoi del farmaco, e si trova ua quatità media di pricipio attivo el campioe pari a 0,8 mg, co ua variaza pari a 1,44. Costruire u itervallo di cofideza ad u livello di fiducia del 95% per la stima della quatità di pricipio attivo presete el mediciale. Area ella coda destra Gradi di libertà 0,5 0,10 0,05 0,05 0,01 0, ,0000 3,0777 6,3137 1,706 31,810 63,6559 0,8165 1,8856,900 4,307 6,9645 9, ,7649 1,6377,3534 3,184 4,5407 5, ,7407 1,533,1318,7765 3,7469 4, ,6864 1,33 1,707,0796,5176,8314 0,6858 1,31 1,7171,0739,5083, ,6853 1,3195 1,7139,0687,4999, ,6848 1,3178 1,7109,0639,49, ,6844 1,3163 1,7081,0595,4851, ,6840 1,3150 1,7056,0555,4786,7787 = 5 x = 0,8 s = 1,44 s = s ( 1 α) = 0, 95 α = 0,05 α / = 0,05 = 1, g.d.l. = 5 1 = 4

26 Esercizio s s X t µ X + t α α ( α) = 0,95 t, = α ; 4 1, 1, 0,8,0639 µ 0,8 +, ,8,0639 0,4 µ 0,8 +,0639 0,4 0,8 0,49 µ 0,8 + 0,49 = 5 x = 0,8 s = 1,44 s = s = 1, 0,31 µ 1,9

27 Determiazioe della umerosità campioaria per la stima della media x ± z α/ ε = z α/ Moltiplicado etrambi i membri per la quatità: ε = z α/ Dividedo etrambi i membri per la quatità: ε = z α/ ε z = α ε

28 Determiazioe della umerosità campioaria per la stima della media L età degli studeti di ua certa Facoltà si distribuisce come la v.c. ormale, co variaza pari a 45. Quale umerosità campioaria miima è ecessaria per stimare u itervallo di cofideza dell età della popolazioe, utilizzado u livello di fiducia pari al 95% ed accettado u errore massimo ammissibile pari a 0,7 ai? z ε ( 1,96 ) ( 0,7) 45 3, ,49 = α/ = = = 35,8

29 Determiazioe della umerosità campioaria per la stima della proporzioe z z π( 1 π) = α = α ε ε Si vuole stimare la percetuale di idividui affetti da ua certa patologia. Determiare la umerosità campioaria miima ecessaria affiché la proporzioe della popolazioe cada i u itervallo di livello di fiducia pari al 90% ed accettado u errore massimo ammissibile pari al 4% z π ( 1 π) ( 1,65) = α = ε 0,5 (1 0,5) ( 0,04) =,7 0,5 0,0016 = 45

30 Riferimeti sul testo di Triola M. M., Triola M. F. Statistica per le disciplie biosaitarie, Pearso-Addiso Wesley Paragrafi da studiare: 6.1, 6., 6.3, 6.4. Esercizi alla fie dei paragrafi.

Titolo della lezione. Campionamento e Distribuzioni Campionarie

Titolo della lezione. Campionamento e Distribuzioni Campionarie Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso

Dettagli

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto

Dettagli

Campionamento casuale da popolazione finita (caso senza reinserimento )

Campionamento casuale da popolazione finita (caso senza reinserimento ) Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori

Dettagli

Politecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo

Politecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Politecico di Milao - Ao Accademico 010-011 Statistica 086449 Docete: Alessadra Guglielmi Esercitatore: Stefao Baraldo Esercitazioe 8 14 Giugo 011 Esercizio 1. Sia X ua popolazioe distribuita secodo ua

Dettagli

UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA

UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti

Dettagli

Inferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica

Inferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica 6/0/0 Corso di Statistica per l impresa Prof. A. D Agostio Ifereza statistica Per fare ifereza statistica si utilizzao le iformazioi raccolte su u campioe per cooscere parametri icogiti della popolazioe

Dettagli

Esercitazioni del corso: ANALISI MULTIVARIATA

Esercitazioni del corso: ANALISI MULTIVARIATA A. A. 9 1 Esercitazioi del corso: ANALISI MULTIVARIATA Isabella Romeo: i.romeo@campus.uimib.it Sommario Esercitazioe 4: Verifica d Ipotesi Test Z e test T Test d Idipedeza Aalisi Multivariata a. a. 9-1

Dettagli

Costo manutenzione (euro)

Costo manutenzione (euro) Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più

Dettagli

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti: Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,

Dettagli

Stima della media di una variabile X definita su una popolazione finita

Stima della media di una variabile X definita su una popolazione finita Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile

Dettagli

Anemia. Anemia - percentuali

Anemia. Anemia - percentuali 1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14

Dettagli

TEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0

TEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0 TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.

Dettagli

INFERENZA o STATISTICA INFERENTE

INFERENZA o STATISTICA INFERENTE INFERENZA o STATISTICA INFERENTE Le iformazioi sui parametri della popolazioe si possoo otteere sia mediate ua rilevazioe totale (o rilevazioe cesuaria) sia mediate ua rilevazioe parziale (o rilevazioe

Dettagli

PROBLEMI DI INFERENZA SU PERCENTUALI

PROBLEMI DI INFERENZA SU PERCENTUALI ROBLEMI DI INFERENZA SU ERCENTUALI STIMA UNTUALE Il roblema della stima di ua ercetuale si oe allorchè si vuole cooscere, sulla base di osservazioi camioarie, la frazioe π di ua oolazioe N che ossiede

Dettagli

Università di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z)

Università di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z) Uiversità di Napoli Federico II, DISES, A.a. 215-16, CLEC, Corso di Statistica (L-Z) Corso di laurea i Ecoomia e Commercio (CLEC) Ao accademico 215-16 Corso di Statistica (L-Z) Maria Mario Lezioe: 22 Argometo:

Dettagli

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Intervalli di confidenza

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Intervalli di confidenza iovaella@disp.uiroma.it http://www.disp.uiroma.it/users/iovaella Itervalli di cofideza Itroduzioe Note geerali La stima putuale permette di otteere valori per i parametri di ua fuzioe ma i alcui casi può

Dettagli

Esercizi di Calcolo delle Probabilità e Statistica Matematica

Esercizi di Calcolo delle Probabilità e Statistica Matematica Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al

Dettagli

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè

Dettagli

Esercitazioni di Statistica Dott. Danilo Alunni Fegatelli

Esercitazioni di Statistica Dott. Danilo Alunni Fegatelli Esercitazioi di Statistica Dott. Dailo Alui Fegatelli dailo.aluifegatelli@uiroma.it Esercizio. Su 0 idividui soo stati rilevati la variabile X (geere) e (umero di auto possedute) X F F M F M F F M F M

Dettagli

Argomenti trattati: Capitolo 12 libro di testo. Statistica - Metodologie per le scienze economiche e sociali A. Di Ciaccio, S.

Argomenti trattati: Capitolo 12 libro di testo. Statistica - Metodologie per le scienze economiche e sociali A. Di Ciaccio, S. 1 GLI INTERVALLI DI CONFIDENZA Argometi trattati: Stima per itervallo Aalogie tra la stima putuale e per itervallo Itervallo di cofideza per la media Itervallo di cofideza per la proporzioe Itervallo di

Dettagli

Statistica inferenziale e mercati azionari

Statistica inferenziale e mercati azionari Statistica ifereziale e mercati azioari Di Cristiao Armellii, cristiao.armellii@alice.it Dalla statistica ifereziale sappiamo che se m = media del campioe s = scarto quadratico medio del campioe = umerosità

Dettagli

Intervalli di confidenza

Intervalli di confidenza Itervalli di cofideza Fracesco Lagoa Itroduzioe Questa dispesa riassume schematicamete i pricipali risultati discussi a lezioe sulla costruzioe di itervalli di cofideza. Itervalli di cofideza per la media

Dettagli

ELEMENTI DI STATISTICA. Giancarlo Zancanella 2015

ELEMENTI DI STATISTICA. Giancarlo Zancanella 2015 ELEMENTI DI STATISTICA Giacarlo Zacaella 2015 2 Itroduzioe I termii statistici soo molto utilizzati el liguaggio correte 3 Cos è la STATISTICA STATISTICA = scieza che studia i feomei collettivi o di massa

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

Lezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice.

Lezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice. La Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie La 1 2 La 3 4 () Statistica 2 / 26 Trimmed mea - La aritmetica risete della preseza di valori

Dettagli

Esame di Statistica A-Di Prof. M. Romanazzi

Esame di Statistica A-Di Prof. M. Romanazzi 1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa

Dettagli

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI TATITICA MEDICA ED EERCIZI I METODI PER IL CONFRONTO DI MEDIE (Campioi idipedeti) IL PROBLEMA oo stati rilevati i dati relativi alla frequeza cardiaca (misurata i battiti al miuto)

Dettagli

LEZIONI DI STATISTICA MEDICA

LEZIONI DI STATISTICA MEDICA LEZIONI DI STATISTICA MEDICA $! %! """ # &' ( )* &' + %, -. / %,! 0 -$ 34! % 3 3 3 3 )5* 3$&6 ( &7'* / $& : 3; / ( 8/ &* &')&56 &/ * : 5'9 $ : x A > x B I risultati del trial ci permettoo di decidere

Dettagli

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale

Dettagli

Esercizi di Probabilità e Statistica della 2 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova).

Esercizi di Probabilità e Statistica della 2 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova). Esercizi di Probabilità e Statistica della 2 a settimaa (Corso di Laurea i Matematica, Uiversità degli Studi di Padova). Esercizio. Sia (Ω, A, P) uo spazio probabilizzato e B A o trascurabile. Dimostrare

Dettagli

Quartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C

Quartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che

Dettagli

Esame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).

Esame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova). Esame di Probabilità e Statistica del 9 luglio 27 Corso di Laurea Trieale i Matematica, Uiversità degli Studi di Padova). Cogome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto fiale Attezioe: si cosegao

Dettagli

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1 Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia

Dettagli

Mole e Numero di Avogadro

Mole e Numero di Avogadro Mole e Numero di Avogadro La mole È ua uatità i grammi di ua sostaza che cotiee u umero preciso e be determiato di particelle (atomi o molecole) Numero di Avogadro Ua mole di ua sostaza cotiee u umero

Dettagli

Soluzioni. Se l interallo avesse livello di confidenza 99%, al posto di 1,96 avremmo

Soluzioni. Se l interallo avesse livello di confidenza 99%, al posto di 1,96 avremmo Esercizio 1 Soluzioi 1. Ricordiamo che l ampiezza di u itervallo di cofideza è fuzioe della umerosità campioaria edellivellodicofideza. Aparità di tutto il resto, l ampiezza dimiuisce al crescere di eaumetaal

Dettagli

Quartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C

Quartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che

Dettagli

Il test parametrico si costruisce in tre passi:

Il test parametrico si costruisce in tre passi: R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica

Dettagli

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte. ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie

Dettagli

SUCCESSIONI DI FUNZIONI

SUCCESSIONI DI FUNZIONI SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa

Dettagli

Esame di Statistica A-Di Prof. M. Romanazzi

Esame di Statistica A-Di Prof. M. Romanazzi 1 Uiversità di Veezia Esame di tatistica A-Di Prof. M. Romaazzi 27 Geaio 2015 ogome e Nome..................................... N. Matricola.......... Valutazioe l puteggio massimo teorico di questa prova

Dettagli

Metodi statistici per l analisi dei dati

Metodi statistici per l analisi dei dati Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 21 Misura della dipedeza di u carattere

Dettagli

6 Stima di media e varianza, e intervalli di confidenza

6 Stima di media e varianza, e intervalli di confidenza Si può mostrare che, per ogi fissato α, t,α z α, e t,α z α per + I pratica t,α e z α soo idistiguibili per 200. 6 Stima di media e variaza, e itervalli di cofideza Lo scopo esseziale della Statistica ifereziale

Dettagli

Carte di controllo per attributi

Carte di controllo per attributi Carte di cotrollo per attributi Il cotrollo per variabili o sempre è effettuabile misurazioi troppo difficili o costose troppe variabili che defiiscoo qualità di u prodotto le caratteristiche dei prodotti

Dettagli

(1 2 3) (1 2) Lezione 10. I gruppi diedrali.

(1 2 3) (1 2) Lezione 10. I gruppi diedrali. Lezioe 0 Prerequisiti: Simmetrie di poligoi regolari. Gruppi di permutazioi. Cetro di u gruppo. Cetralizzate di u elemeto di u gruppo. Riferimeto al testo: [PC] Sezioe 5.4 I gruppi diedrali. Ogi simmetria

Dettagli

Proposizione 1. Due sfere di R m hanno intersezione non vuota se e solo se la somma dei loro raggi e maggiore della distanza fra i loro centri.

Proposizione 1. Due sfere di R m hanno intersezione non vuota se e solo se la somma dei loro raggi e maggiore della distanza fra i loro centri. Laboratorio di Matematica, A.A. 009-010; I modulo; Lezioi II e III - schema. Limiti e isiemi aperti; SB, Cap. 1 Successioi di vettori; SB, Par. 1.1, pp. 3-6 Itori sferici aperti. Nell aalisi i ua variabile

Dettagli

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

LA VERIFICA DELLE IPOTESI SUI PARAMETRI LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività

Dettagli

Campionamento stratificato. Esempio

Campionamento stratificato. Esempio ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete

Dettagli

Laboratorio di onde II anno CdL in Fisica

Laboratorio di onde II anno CdL in Fisica Laboratorio di ode II ao CdL i Fisica Itroduzioe Oda stazioaria di spostameto Quado u oda soora stazioaria si stabilisce i u tubo a fodo chiuso i cui la lughezza del tubo è molto maggiore del suo diametro,

Dettagli

Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it

Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:

Dettagli

Diagramma polare e logaritmico

Diagramma polare e logaritmico Diagramma polare e aritmico ariatori discotiui del moto di taglio Dalla relazioe π D c si ota che la velocità di taglio dipede, oltre che dal umero di giri del madrio, ache dal diametro dell elemeto rotate

Dettagli

Tecnica delle misurazioni applicate Esame del 4 dicembre 2007

Tecnica delle misurazioni applicate Esame del 4 dicembre 2007 Tecica delle misurazioi applicate Esame del 4 dicembre 7 Problema 1. Il propulsore Mod. WEC viee prodotto da ACME Ic. mediate u processo automatizzato: dati storici cofermao che la lavorazioe di ogi elemeto

Dettagli

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

CORSO DI STATISTICA I (Prof.ssa S. Terzi) CORSO DI STATISTICA I (Prof.ssa S. Terzi) STUDIO DELLE DISTRIBUZIONI SEMPLICI Esercitazioe. Data la segete distribzioe di freqeza: X 0- -2 2-3 3-5 5-0 0-5 5-25 N 44 35 22 58 60 06 02 a) calcolare le freqeze

Dettagli

Politecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 5 luglio 2012

Politecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 5 luglio 2012 Politecico di Milao - Scuola di Igegeria Idustriale II Prova i Itiere di Statistica per Igegeria Eergetica 5 luglio 2012 c I diritti d autore soo riservati. Ogi sfruttameto commerciale o autorizzato sarà

Dettagli

( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ

( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe

Dettagli

Distribuzione Normale

Distribuzione 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

Dettagli

1.6 Serie di potenze - Esercizi risolti

1.6 Serie di potenze - Esercizi risolti 6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo

Dettagli

Esercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati

Esercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli

Dettagli

STUDIO DEL LANCIO DI 3 DADI

STUDIO DEL LANCIO DI 3 DADI Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio

Dettagli

STATISTICA 1 parte 2/2 STATISTICA INFERENZIALE

STATISTICA 1 parte 2/2 STATISTICA INFERENZIALE STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI

Dettagli

Appunti complementari per il Corso di Statistica

Appunti complementari per il Corso di Statistica Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe

Dettagli

Un problema! La letteratura riporta che i pazienti affetti da cancro. = mesi

Un problema! La letteratura riporta che i pazienti affetti da cancro. = mesi CONFRONTO TRA DUE MEDIE U problema! La letteratura riporta che i pazieti affetti da cacro hao ua sopravviveza media di 38.3 mesi e deviazioe stadard di 43.3 mesi: µ 38.3mesi σ 43.3mesi (la distribuzioe

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 Statistica Matematica: Cocetti Fodametali Nell esperieza quotidiaa e ella pratica della professioe dell igegere occorre: predere decisioi e ciò ormalmete richiede la dispoibilità di specifiche iformazioi

Dettagli

Esercitazione 5 del corso di Statistica (parte 2)

Esercitazione 5 del corso di Statistica (parte 2) Eercitazioe 5 del coro di Statitica (parte ) Dott.a Paola Cotatii 5 Maggio Eercizio Per verificare l efficacia di u coro di tatitica vegoo cofrotati i redimeti medi di due campioi di tudeti di ampiezza

Dettagli

Soluzioni Esercizi Capitolo 3

Soluzioni Esercizi Capitolo 3 Soluzioi Esercizi Capitolo 3 Esercizio 1 a. I u mazzo di carte fracesi lo spazio campioario è costituito da 52 elemeti. Nel caso dell'estrazioe di u fate, il umero di eveti favorevoli è 4, per cui la probabilità

Dettagli

TEORIA DEI CAMPIONI. Psicometria 1 - Lezione 10 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek

TEORIA DEI CAMPIONI. Psicometria 1 - Lezione 10 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek TEORIA DEI CAMPIONI Psicometria 1 - Lezioe 10 Lucidi presetati a lezioe AA 000/001 dott. Corrado Caudek 1 Nella teoria statistica per popolazioe si itede la totalità delle uità poteziali d'osservazioe.

Dettagli

alcuni esercizi (unità a-d)

alcuni esercizi (unità a-d) alcui esercizi uità a-d) guido masarotto 16 maggio 4 Per la soluzioe di alcui degli esercizi è ecessario essere i grado di calcolare i quatili e/o la fuzioe di ripartizioe di ua ormale stadard. Questo

Dettagli

Calcolo delle Probabilità 2012/13 Foglio di esercizi 3

Calcolo delle Probabilità 2012/13 Foglio di esercizi 3 Calcolo delle Probabilità 01/13 Foglio di esercizi 3 Probabilità codizioale e idipedeza. Esercizio 1. Sia B u eveto fissato di uo spazio di probabilità (Ω, A, P), co P(B) > 0. Si mostri che P( B) è l uica

Dettagli

Capitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica

Capitolo 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

Dettagli

DISTRIBUZIONE NORMALE (1)

DISTRIBUZIONE 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

Dettagli

PREMESSA. = η valore medio della popolazione = σ deviazione standard della popolazione. Descrizione parametrica di una popolazione

PREMESSA. = η valore medio della popolazione = σ deviazione standard della popolazione. Descrizione parametrica di una popolazione PREMESSA Descrizioe parametrica di ua popolazioe Sappiamo che u famiglia parametrica di fuzioi desità di probabilità è defiita da uo o più parametri Θ = {θ, θ,., θ }. Ad esempio, la d.d.p. di tipo espoeziale

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

1. Tra angoli e rettangoli

1. Tra angoli e rettangoli . Tra agoli e rettagoli Attività : il foglio A4 e le piegature Predi u foglio di carta A4 e piegalo a metà. Cota di volta i volta quati rettagoli si ottegoo piegado a metà più volte il foglio. Immagia

Dettagli

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Risk Management

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Risk Management UNIVERSITÀ DEGLI STUDI DI BERGAMO Facoltà di Igegeria Corso di Risk Maagemet Prof. Filippo Stefaii Matrice di variaze-covariaze A.A. 009/00 Corso 600 Corso di Laurea Specialistica i Igegeria Edile Risk

Dettagli

Cosa vogliamo imparare?

Cosa vogliamo imparare? Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come

Dettagli

Lezione 10 - Tensioni principali e direzioni principali

Lezione 10 - Tensioni principali e direzioni principali Lezioe 10 - Tesioi pricipali e direzioi pricipali ü [A.a. 2011-2012 : ultima revisioe 23 agosto 2011] I questa lezioe si studiera' cio' che avviee alla compoete ormale di tesioe s, al variare del piao

Dettagli

Paolo Perfetti, Dipartimento di matematica, II Università degli Studi di Roma, facoltà di Ingegneria

Paolo Perfetti, Dipartimento di matematica, II Università degli Studi di Roma, facoltà di Ingegneria Esercizi svolti a lezioe e o proveieti dal Marcellii Sbordoe La preseza della lettera C idica u esercizio da fare a casa. La capacità di svolgere tali esercizi è parte del bagaglio ecessario i sede di

Dettagli

Le carte di controllo

Le carte di controllo Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità

Dettagli

ESERCIZI DI INFERENZA STATISTICA E STUDIO DELLE ASSOCIAZIONI

ESERCIZI DI INFERENZA STATISTICA E STUDIO DELLE ASSOCIAZIONI ESERCIZI DI INFERENZA STATISTICA E STUDIO DELLE ASSOCIAZIONI ES 1 I u collettivo di 40 pazieti osservati, la media dei globuli biachi era pari a.9 ( 1000/ml 3 ) e la variaza era pari a 0.336. Forire ua

Dettagli

Approfondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie

Approfondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie Approfodimeto 2.1 Scalig degli stimoli mediate il metodo del cofroto a coppie Il metodo del cofroto a coppie di Thurstoe (Thurstoe, 1927) si basa sull assuzioe che la valutazioe di u oggetto o di uo stimolo

Dettagli

Programma (orientativo) secondo semestre 32 ore - 16 lezioni

Programma (orientativo) secondo semestre 32 ore - 16 lezioni Programma (orietativo) secodo semestre 32 ore - 6 lezioi 3 lezioi: successioi e serie 4 lezioi: itegrali 2-3 lezioi: equazioi differeziali 4 lezioi: sistemi di equazioi e calcolo vettoriale e matriciale

Dettagli

Selezione avversa e razionamento del credito

Selezione avversa e razionamento del credito Selezioe avversa e razioameto del credito Massimo A. De Fracesco Dipartimeto di Ecoomia politica e statistica, Uiversità di Siea May 3, 013 1 Itroduzioe I questa lezioe presetiamo u semplice modello del

Dettagli

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo

Dettagli

CHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)

CHEMIOMETRIA. 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

Dettagli

Approfondimento 3.3. Calcolare gli indici di posizione con dati metrici singoli e raggruppati in classi

Approfondimento 3.3. Calcolare gli indici di posizione con dati metrici singoli e raggruppati in classi Chiorri, C. (201). Fodameti di psicometria - Approfodimeto. 1 Approfodimeto. Calcolare gli idici di posizioe co dati metrici sigoli e raggruppati i classi 1. Dati metrici sigoli Quado l iformazioe è a

Dettagli

PRINCIPIO D INDUZIONE E DIMOSTRAZIONE MATEMATICA. A. Induzione matematica: Introduzione

PRINCIPIO D INDUZIONE E DIMOSTRAZIONE MATEMATICA. A. Induzione matematica: Introduzione PRINCIPIO D INDUZIONE E DIMOSTRAZIONE MATEMATICA CHU WENCHANG A Iduzioe matematica: Itroduzioe La gra parte delle proposizioi della teoria dei umeri dà euciati che coivolgoo i umeri aturali; per esempio

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso

Dettagli

Esercitazioni di Biostatistica. In collaborazione con la Dott.ssa Antonella Zambon

Esercitazioni di Biostatistica. In collaborazione con la Dott.ssa Antonella Zambon Esercitazioi di Biostatistica I collaborazioe co la Dott.ssa Atoella Zambo ESERCIZIO Nome Geere Età (ai compiuti) Livello istruzioe Distaza (km) Atoio M 8.0 Claudio M 7. Lucia F.0 Aa F 6. Marco M Giuseppe

Dettagli

Distribuzioni campionarie

Distribuzioni campionarie 1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 giugno 26 Statistica Esercizio Sia {X n } n una famiglia di v.a. di media µ e varianza σ 2. Verificare che X = n n X i σ 2 = n (X i µ) 2 S 2 = n

Dettagli

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c)

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c) SERIE NUMERICHE Esercizi risolti. Calcolare la somma delle segueti serie telescopiche: a) b). Verificare utilizzado la codizioe ecessaria per la covergeza) che le segueti serie o covergoo: a) c) ) log

Dettagli

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33) Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,

Dettagli

Libri T ablet 1284 47 971 62 1123 75 1047 69 921 103 874 113 889 136

Libri T ablet 1284 47 971 62 1123 75 1047 69 921 103 874 113 889 136 Esercitazioe 0 ESERCIZIO arco e Giulio hao due egozi i viale dei Giardii. arco vede libri, Giulio vede elettroica, tra cui tablet. arco e Giulio, avedo a disposizioe il umero di libri veduti ed il umero

Dettagli