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

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 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 s ntroduce un errore non trascurable che aumenta al dmnure d N.

2 La t d Student Per pccol campon s defnsce la varable casuale t = ( x µ) s N detta t d Student.

3 La dstrbuzone della t d Student La dstrbuzone della t d Student, rspetto alla dstrbuzone normale, presenta una maggore dpersone ntorno alla meda e non è unca, ma dpende dal numero d grad d lbertà ν (= numero d osservazon ndpendent del campone N dmnuto del numero d parametr stmat dal campone; ν = N 1).

4 La dstrbuzone della t d Student Se N è grande la dstrbuzone t d Student è ben approssmata dalla dstrbuzone normale.

5 La dstrbuzone della t d Student I lmt d confdenza per µ sono allora e qund x ± t p s N = µ x ± t p s N Essendo p l lvello d confdenza rchesto

6 t d Student - Esempo Sono state esegute 10 msure della resstenza alla rottura R d un certo tpo d fl d nalon. I rsultat ottenut sono seguent: 7.1 N, 7.00 N, 7.56 N, 7.37 N, 7. 4 N, 7.06 N, 7.40 N, 7.31 N, 7.5 N, 7.8 N. Calcolate lmt d confdenza al 95% ed al 99% per la reale resstenza alla rottura. Quale sarebbe l rsultato se s potessero applcare metod della teora de grand campon?

7 t d Student - Esempo R = 7.6 N s = 0.18 N Numero d grad d lbertà ν = 10 1 = 9 t =.6; t = 3.5 I lmt d confdenza sono qund: 95% ± N= ( 7.6 ± 0.13)N 10 99% ± N= ( 7.6 ± 0.18)N 10

8 t d Student - Esempo Se applcassmo metod della teora de grand campon lmt d confdenza sarebbero: 95% ± N= ( 7.6 ± 0.11)N 10 99% ± N= ( 7.6 ± 0.15)N 10 Ossa sarebbero meno amp rspetto a quell ottenut con metod della teora de pccol campon, come c s poteva aspettare poché con pccol campon s raggunge una precsone mnore.

9 Test d potes medante la t d Student Medante la t d Student è possble: stablre se la msura d una grandezza fsca, determnata tramte un pccolo campone, è compatble, ad un certo lvello d sgnfcatvtà, con un valore noto a pror; confrontare due msure dfferent della stessa grandezza, ottenute da due pccol campon, e stablre se la dverstà è dovuta a fluttuazon statstche (campon appartenent a popolazon avent lo stesso valore atteso) o meno.

10 Test d potes con la t d Student - Esempo Una dtta produttrce d fertlzzant coltva due campon d 10 pantcelle cascuno adottando due dvers prodott. Alla fne del trattamento n un campone s msura un altezza meda h 1 = 0.0 cm e uno scarto quadratco medo s 1 =.0 cm, nell altro un altezza meda h =.7 cm e uno scarto quadratco medo s = 3.0 cm. Al lvello d sgnfcatvtà dell 5% s può affermare che esste una dfferenza sgnfcatva tra due campon? E al lvello dell 1% Rspondere alle domande precedent nell potes che campon sano rspettvamente d -N 1 = 5 ed N = 7 element; -N 1 = N = 10 element - N 1 = N = 50 element.

11 Test d potes con la t d Student - Esempo Ipotes H 0 : le dfferenze non sono sgnfcatve perché sono dovute a fluttuazon statstche campon appartengono a popolazon avent lo stesso valore atteso (µ 1 = µ ). Il valore atteso per la dfferenza delle mede camponare è qund 0. Assumamo che campon casual sano estratt da popolazon normal con uguale devazone standard (σ 1 = σ ). La varanza della dfferenza tra le mede camponare può essere stmata medante l espressone: σ x x ( ) N 1 s + ( N 1) 1 1 N + N 1 1 s che può essere vsta come una meda pesata delle stme delle varanze de due campon.

12 Test d potes con la t d Student - Esempo Per valutare la consstenza delle mede consderamo la varable t = ( x x ) ( µ µ ) 1 σ 1 1 x1 x + N1 1 N Che è dstrbuta come la t lbertà. d Student con ν = N 1 + N grad d

13 Test d potes con la t d Student - Esempo Nella 1 a potes (N 1 = 5; N = 7) s ha: (*) σ.88 x = 1 x t = ±1.60 (*) valor d t da consderare sono due n corrspondenza alle due possbl dfferenze ( x ) 1 x ( ) x x 1 Numero d grad d lbertà: ν = = 10 cu corrsponde: t 0.995, 10 = 3.17 t 0.975, 10 =.3

14 Test d potes con la t d Student - Esempo Poché rsulta: 1% ± % -.3 ±1.6.3 possamo concludere che ad entramb lvell d sgnfcatvtà la dfferenza tra valor delle due mede camponare è dovuta uncamente a fluttuazon statstche, qund l potes H 0 è accettable a entramb lvell.

15 Test d potes con la t d Student - Esempo Nella a potes (N 1 = N = 10) s ha: σ x =.69 t = ±. 5 1 x Numero d grad d lbertà: ν = 18 cu corrsponde: t 0.995,18 =.88 t 0.975,18 =.3 Poché rsulta: 1% -.88 ± % ;.3.5 possamo concludere che l potes H 0 è accettable al lvello d sgnfcatvtà dell 1% ma non al lvello del 5%.

16 Test d potes con la t d Student - Esempo Nella 3 a potes (N 1 = N = 50), poché campon sono grand, s usa la z. S ha qund: z = ( x x ) ( µ µ ) 1 1 = ± σ1 N 1 σ + N 5.9 Essendo µ 1 = µ e σ 1 ; σ stmate medante gl scart quadratc med.

17 Test d potes con la t d Student - Esempo Poché s ha z =.58 z =.4 rsulta: 1% ; % ; S conclude che le dfferenze sono sgnfcatve ad entramb lvell d sgnfcatvtà, qund dobbamo rfutare H 0 ad entramb lvell.

18 Test d potes con la t d Student - Esempo Concluson: N1 = 5 N = 7 N1 = 10 N = 10 N1 = 50 N = 50 t =±1.60 t = ±.5 z = ±5.9 t 0.975,10 =.3 t 0.975,18 =.10 z = 1.96 t 0.995,10 = 3.17 t 0.995,18 =.88 z =.58 maggore è l ampezza del campone, pù sgnfcatve sono le dfferenze.

19 La dstrbuzone ch-quadro Lo scarto quadratco medo d un campone d msure dà una stma della devazone standard σ della popolazone. Per poter stmare un ntervallo d confdenza per σ occorre conoscere come s s dstrbusce ntorno a σ. S defnsce allora la varable casuale ch-quadro χ N ( x x) = 1 ( N 1) = = σ σ s

20 La dstrbuzone ch-quadro La dstrbuzone χ : è defnta nell ntervallo (0;+ ); è asmmetrca; non è unca ma dpende dal numero d grad d lbertà ν; per ν 30 è ben approssmata da una dstrbuzone gaussana

21 La dstrbuzone ch-quadro

22 La dstrbuzone ch-quadro ( n 1) s Anche per la varable χ = è possble σ defnre un ntervallo d confdenza, ndvduando, χ mn due estrem, e, entro cu cadrà con la probabltà desderata: χ max χ mn ( N 1) s σ χ max

23 La dstrbuzone ch-quadro Esplctando rspetto a σ è possble stmare qund, entro cert lmt d confdenza, lo scarto quadratco medo della popolazone σ n termn dello scarto quadratco medo camponaro s: s χ N 1 max σ s χ N 1 mn

24 Il test ch-quadro Non sempre la legge d dstrbuzone d probabltà d una sere d dat spermental è nota a pror la legge d dstrbuzone deve essere determnata n base a delle potes. Come s può stablre n termn d probabltà se la dstrbuzone potzzata è accettable o meno?

25 Il test ch-quadro Consderamo un campone d N osservazon suddvso n k ntervall. Defnamo la varable casuale admensonale ch-quadro : o e χ k ( o ) = = 1 e e = frequenze osservate per l -esmo ntervallo = frequenze attese per l -esmo ntervallo [e = NP(x ); P(x ) = probabltà potzzata che la varable acqust l valore x ncluso nella classe ]

26 Il test ch-quadro Vale la relazone k k = o e = = 1 = 1 N La varable χ così defnta msura la dscrepanza esstente tra le frequenze osservate e quelle attese. χ = 0 accordo perfetto tra dat spermental e valor attes χ > 0 dsaccordo tra dat spermental e valor attes tanto maggore quanto maggore è l valore d χ.

27 Il test ch-quadro Se N la dstrbuzone della varable k = 1 (o e e ) tende asntotcamente alla dstrbuzone della varable (N 1)s con un numero d grad d lbertà ν dato da: σ

28 Il test ch-quadro ν = k 1 se le frequenze attese possono essere calcolate senza dover stmare parametr della popolazone dalle dstrbuzon osservate; ν = k 1 - λ se le frequenze attese possono essere calcolate solo stmando λ parametr della popolazone dalle dstrbuzon camponare.

29 Il test ch-quadro La condzone d asntotctà s consdera raggunta se N 50 e l numero d event per classe è almeno uguale a 5. Il valore atteso d χ è uguale al numero d grad d lbertà ν. La funzone d dstrbuzone f(χ ) consente d calcolare, al varare d ν, la probabltà che, rpetendo le N msure, s ottenga, solo per effetto delle fluttuazon casual, un valore d χ maggore o uguale d quello osservato χ 0 : P( χ χ ) 0 = χ f ( χ ) dχ

30 Il test ch-quadro χ 0 Area a destra d χ 0 = probabltà P d ottenere, solo per effetto del caso, un valore maggore o uguale d χ 0. Area maggore maggore probabltà che le frequenze teorche dfferscano da quelle spermental per effetto del caso

31 Il test ch-quadro χ 0 Fssato un lvello d sgnfcatvtà α, l valore osservato ndca un dsaccordo sgnfcatvo se P( χ χ ) < α E l potes va rgettata al lvello d sgnfcatvtà α. 0

32 Il ch-quadro rdotto Poché l valore atteso d χ deve essere ν spesso s normalzza a ν l χ e s consdera l ch-quadro rdotto ~ = χ che è prossmo a 1 se esste un buon accordo tra la dstrbuzone osservata e quella potzzata. χ ν

33 Lvell d sgnfcatvtà E convenzone stablre due lvell sgnfcatv per l valore della probabltà : 5% oppure 1%. Se P( χ χ0 ) < 5% l dsaccordo con la dstrbuzone attesa è sgnfcatvo e s rgetta l potes al lvello d sgnfcatvtà del 5%; P( χ χ ) Se P( χ χ ) < 1% l dsaccordo con la dstrbuzone 0 attesa è altamente sgnfcatvo e s rgetta l potes al lvello d sgnfcatvtà dell 1% 1%. 0

34 Applcazon del ch-quadro Test della sgnfcatvt Test della sgnfcatvtà per verfcare se le frequenze osservate per un nseme d possbl event dfferscono sgnfcatvamente dalle frequenze attese sulla base d certe potes.

35 Test della sgnfcatvtà - Esempo Lancando un dado 10 volte s sono osservate per cascuna facca le seguent frequenze. Facca Frequenze osservate Provate l potes che l dado è buono al lvello d sgnfcatvtà del 5%. Se l dado non è truccato le frequenze attese e per cascuna facca sono ugual e sono par a 0.

36 Applcazon del ch-quadro - Esempo k = (o e e ( ) 5 0 ( 17 0) ( ) ( ) ( 4 0) 0 ( 16 0) 0 ) + = = Poché l numero d class (le facce n questo caso) è k = 6 e non c sono parametr della dstrbuzone attesa calcolat da dat spermental l numero d grad d lbertà è ν = k 1 =

37 Applcazon del ch-quadro - Esempo Dalle tavole del χ s rcava: χ 0,95,5 = 11.1 Poché 5.00 < 11.1 possamo accettare l potes che l dado sa buono.

38 Applcazon del ch-quadro Test sulla verosmglanza d un modello per verfcare la verosmglanza d un certo modello matematco nel rappresentare dat relatv ad un certo fenomeno. In questo caso l χ è defnto come N ( y = yc ) χ σ y = valor spermental; = valor calcolat; σ = devazone standard = 1 y c

39 Test χ per rcercare la forma d una dpendenza funzonale Se la relazone funzonale non è nota a pror e s dspone d poch punt spermental può accadere che s possano potzzare dverse relazon funzonal. Quale deve rteners la pù soddsfacente? La quanttà y c = stma, tramte la relazone funzonale potzzata, della varable y, avente devazone standard σ, segue la dstrbuzone f(χ ) N ( y = yc ) χ σ = 1

40 Test χ per rcercare la forma d una dpendenza funzonale Possamo qund calcolare la probabltà d ottenere un valore d χ maggore o uguale a quello osservato χ 0 [P(χ χ 0 )] solo per effetto delle fluttuazon casual e stablre, ad un certo lvello d sgnfcatvtà α, se la relazone funzonale proposta può essere accettata.

41 Test χ per rcercare la forma d una dpendenza funzonale Se le relazon potzzabl sono pù d una per cascuna s calcolano rspettv χ consderando grad d lbertà ν dat dal numero N d varabl ndpendent dmnuto del numero c d parametr calcolat e s decde sulla base del lvello d sgnfcatvtà prescelto. Se ambedue soddsfano l lvello d sgnfcatvtà prescelto s scegle quello l cu χ 0 presenta la maggor probabltà d essere superato dal valore del χ teorco.

42 Test χ per rcercare la forma d una dpendenza funzonale Anche n questo caso s può usare l ch-quadro rdotto: ~ = χ In tal caso, se entrambe le relazon funzonal soddsfano l lvello d sgnfcatvtà prescelto, s ~χ χ ν scegle quella con l mnore.

43 Test χ per rcercare la forma d una dpendenza funzonale 5,0 4,0 3,0,0 1,0 0,

44 Test χ per rcercare la forma d una dpendenza funzonale 5,0 4,0 3,0,0 1,0 0, L equazone della retta è y = 0.98x x Poché due parametr sono calcolat da dat spermental s ha ν = 5 = 3. S ha noltre: χ = 5.1

45 Test χ per rcercare la forma d una dpendenza funzonale Dalle tavole s rcava che per ν = 3 l χ trovato è compreso tra 4.11 [cu corrsponde P(χ 4.11) = 75%] e 6.5 [cu corrsponde P(χ 6.5) = 90%]. Interpolando lnearmente tra quest due valor s rcava: P(χ 5.1) = 8% P(χ 5.1) = 18%

46 Test χ per rcercare la forma d una dpendenza funzonale 5,0 4,0 3,0,0 1,0 0, S ha noltre: χ = 0.49 L equazone della curva è y = x 0.86 x Poché tre parametr sono calcolat da dat spermental s ha ν = 5 3 =.

47 Test χ per rcercare la forma d una dpendenza funzonale Dalle tavole s rcava che per ν = l χ trovato è compreso tra 0.11 [cu corrsponde P(χ 0.11) = 10%] e [cu corrsponde P(χ 0.575) = 5%]. Interpolando lnearmente tra quest due valor s rcava: P(χ 0.49) = 1.5% P(χ 5.1) = 78.5% Qund, poché 78.5% 18% l equazone della parabola s accorda meglo a dat spermental.

48 Test χ per rcercare la forma d una dpendenza funzonale Alle stesse concluson s arrva pù rapdamente utlzzando l ch-quadro rdotto: 5,0 5,0 4,0 4,0 3,0 3,0,0,0 1,0 1,0 0, , ~ χ =1.7 ~ χ = 0. 5

49 Correlazone Due grandezze, x e y, sono correlate se a varazon d una corrspondono varazon dell altra; se, nvece, al varare d una grandezza l altra non vara oppure vara n manera casuale s dce che le grandezze sono ncorrelate o ndpendent. Non sempre è possble stablre una possble correlazone tra le varabl x ed y poché dat spermental possono rsultare molto dspers. Medante l coeffcente d correlazone è possble quantfcare n termn d probabltà l grado d correlazone tra due varabl.

50 Correlazone lneare Un parametro che quantfca l dverso grado d correlazone tra due varabl è l coeffcente d coeffcente d correlazone lneare r correlazone lneare r defnto dalla relazone = = = = N N N y y x x y y x x r ) ( ) ( ) )( (

51 Correlazone lneare S verfca che rsulta: -1 r 1 r = 0 non esste alcuna correlazone tra le varabl r = ±1 c è una perfetta correlazone tra le varabl. Il segno ± è legato al fatto che l coeffcente angolare della retta può assumere valore postvo o negatvo.

52 Correlazone lneare S può calcolare la probabltà che per N coppe d varabl(x,y ) ncorrelate l valore assoluto d r, per l solo effetto del caso, sa maggore o uguale a quello osservato: P( r r 0 ) Quanto pù è pccola tale probabltà tanto pù soddsfacente s può rtenere la correlazone. Generalmente s assume: P( r r 0 ) 5% correlazone sgnfcatva P( r r 0 ) 1% correlazone altamente sgnfcatva

53 Metodo de mnm quadrat Date due grandezze X ed Y, come stmare da dat spermental parametr d una relazone funzonale y = f(x,a,b,c, ) potzzata tra le due grandezze? Se valor delle grandezze non avessero errore basterebbe un numero d coppe d valor (x,y ) par al numero de parametr da determnare.

54 Metodo de mnm quadrat Nella pratca questo non è possble perché, a causa degl error, ad un certo valore x corrsponderebbero dvers valor y, y, y, e vceversa.

55 Metodo de mnm quadrat Ipotes: - tutte le msure sono tra loro statstcamente ndpendent - una varable (n genere quella ndpendente x) ha error trascurabl - valor delle msure d y sono dstrbut normalmente attorno al valore vero

56 Metodo de mnm quadrat La probabltà d avere l nseme completo d msure y 1, y,, y N calcolato n termn de parametr A, B, C, è data da: σ y ove sono le devazon standard d cascuna grandezza y. N = 1 [ y 1 1 σ y π σ y e f ( x, A, B, C,...)]

57 Metodo de mnm quadrat Questa probabltà è massma quando è mnma mnma la quanttà: Gl error su parametr A, B, C, s determnano con la legge d propagazone degl error. = = N y C B A x f y 1,...)],,, ( [ σ χ

58 Retta de mnm quadrat Se la relazone funzonale tra le grandezze x, y è d tpo lneare (y = Ax + B) parametr A e B sono dat da: 1 1 = = = N N x x N = = = = N 1 N 1 N 1 y x y x N A = = = = = N 1 N 1 N 1 N 1 y x x y x B

59 Retta de mnm quadrat Stma a posteror dell ncertezza su y L errore sulle y, se non è noto a pror, può σ y essere stmato a partre da dat stess, una volta eseguta l nterpolazone lneare, utlzzando la dspersone de punt attorno alla retta. S può dmostrare che una stma corretta d tale errore è data dall espressone: σ y = N = 1 N [y Ax + B]

60 Retta de mnm quadrat Stma a posteror dell ncertezza su y La corretta stma dell errore s ottene dvdendo per (N ) poché gl scart sono calcolat rspetto ad un valore stmato che dpende da due parametr ( due coeffcent dell equazone della retta) che a loro volta sono stmat da dat spermental. I grad d lbertà, qund, sono dmnut d due. Nel caso n cu s dsponesse solo d due punt spermental la retta passerebbe esattamente per ess e l errore assumerebbe correttamente la forma ndetermnata 0/0.

61 Retta de mnm quadrat passante per l orgne Se la relazone funzonale che collega le due grandezze x, y è del tpo y = Ax s ha: A N = 1 = N = 1 x x y

62 Retta de mnm quadrat passante per l orgne - Stma a posteror dell ncertezza su y La stma corretta dell errore su y è dall espressone: data σ y = N = 1 N [y Ax 1 ]

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

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

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

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

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

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

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

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

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

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

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

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

Tutti gli strumenti vanno tarati

Tutti gli strumenti vanno tarati L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello

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

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

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

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

RAPPRESENTAZIONE DI MISURE. carta millimetrata

RAPPRESENTAZIONE DI MISURE. carta millimetrata carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!

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

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

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

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

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

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

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

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

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

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 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

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

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

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

Appunti di Econometria

Appunti di Econometria Appunt d Econometra ARGOMENTO [4]: VARIABILI DIPENDENTI BINARIE Mara Lusa Mancus Unverstà Boccon Novembre 200 Introduzone Ne modell econometrc studat fno ad ora la varable dpendente, y, è sempre stata

Dettagli

Taratura: serve a trovare il legame tra il valore letto sullo strumento e il valore della grandezza fisica misurata

Taratura: serve a trovare il legame tra il valore letto sullo strumento e il valore della grandezza fisica misurata Taratura: serve a trovare l legame tra l valore letto sullo strumento e l valore della grandezza fsca msurata Msure Meccanche e Termche Dsturb d trasduttor anello dnamometrco trasduttore d spostamento

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

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

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

Grafico di una serie di dati sperimentali in EXCEL

Grafico di una serie di dati sperimentali in EXCEL Grafco d una sere d dat spermental n EXCEL 1. Inseramo sulla prma rga l ttolo che defnsce l contenuto del foglo. Po nseramo su un altra rga valor spermental della x e su quella successva valor della y.

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

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

La taratura degli strumenti di misura

La taratura degli strumenti di misura La taratura degl strument d msura L mportanza dell operazone d taratura nasce dall esgenza d rendere l rsultato d una msura rferble a campon nazonal od nternazonal del msurando n questone affnché pù msure

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

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

DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI

DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI Captolo - Dalla teora degl error al trattamento de dat DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI LA MISURA DELLE GRANDEZZE Nel descrere fenomen, occorre da un lato elaborare de modell (coè delle

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

* * * 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

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

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

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

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

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

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements Torna al programma Sstema per la garanza della qualtà ne sstem automatc d msura alle emsson: applcazone del progetto d norma pren 14181:2003. Rsultat dell esperenza n campo presso due mpant plota. Cprano

Dettagli

Condensatori e resistenze

Condensatori e resistenze Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere

Dettagli

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza 5: Strato fsco: lmtazone d banda, formula d Nyqust; caratterzzazone del canale n frequenza Larghezza d banda d un segnale La larghezza d banda d un segnale è data dall ntervallo delle frequenze d cu è

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

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

Misure Topografiche Tradizionali

Misure Topografiche Tradizionali Msure Topografche Tradzonal Grandezze da levare ngol Dstanze Gonometr Dstanzometro Stazone Totale Prsma Dslvell Lvello Stada Msure Strettamente Necessare Soluzone geometrca Msure Sovrabbondant Compensazone

Dettagli

Appunti di statistica descrittiva Versione provvisoria

Appunti di statistica descrittiva Versione provvisoria Alessandro Benedett UnCAM-SSIS-FIM.04/3 Appunt d statstca descrttva Versone provvsora (v. allegato foglo Excel LDS4_Correlazone.xls) Correlazone e Regressone lneare La teora della correlazone s propone

Dettagli

Statistica Matematica

Statistica Matematica 1 Statstca Matematca Lo studo de fenomen compless, tpc della realtà ndustrale moderna, comporta l adozone d opportun modell matematc che ne descrvano caratter essenzal, funzonal agl obettv che l suddetto

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

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

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

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3 Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Corso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE

Corso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE Corso d laurea n Ingegnera per l Ambente e l Terrtoro a.a. 006-007 Prof. V. Franco: Topografa e tecnche cartografche RETI TOPOGRAFICHE Unverstà degl Stud d Palermo Dpartmento d Rappresentazone Corso d

Dettagli

urto v 2f v 2i e forza impulsiva F r F dt = i t

urto v 2f v 2i e forza impulsiva F r F dt = i t 7. Urt Sstem a due partcelle Defnzone d urto elastco, urto anelastco e mpulso L urto è un nterazone fra corp che avvene n un ntervallo d tempo normalmente molto breve, al termne del quale le quanttà d

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

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

L analisi di studi con variabili di risposta multiple

L analisi di studi con variabili di risposta multiple X1 X X 3 Quando un confronto venga effettuato per tre lvell d un fattore, sembrerebbe ntutvo effettuare l confronto con l test t d Student a pù lvell: X X X 1 1 vs vs vs X X X 3 3 Metodologa per l anals

Dettagli

Dispensa LE RETI TOPOGRAFICHE. Elementi per il calcolo e la compensazione

Dispensa LE RETI TOPOGRAFICHE. Elementi per il calcolo e la compensazione Unverstà degl Stud d Palermo Facoltà d Ingegnera Dspensa LE RETI TOPOGRFICHE Element per l calcolo e la compensazone Vncenzo Franco Mauro Lo rutto Maggo . RILEVMENTO TOPOGRFICO..... SCHEMI MISURE STRETTMENTE

Dettagli

Leggere i dati da file

Leggere i dati da file Esempo %soluzon d una equazone d secondo grado dsp('soluzon d a^+b+c') anput('damm l coeffcente a '); bnput('damm l coeffcente b '); cnput('damm l coeffcente c '); deltab^-4*a*c; f delta0 dsp('soluzon

Dettagli

Calibrazione. Lo strumento idealizzato

Calibrazione. Lo strumento idealizzato Calbrazone Come possamo fdarc d uno strumento? Abbamo bsogno d dentfcare l suo funzonamento n condzon controllate. L dentfcazone deve essere razonalmente organzzata e condvsa n termn procedural: s tratta

Dettagli

CAPITOLO X ANALISI DELLA VARIANZA (ANOVA I) A UN CRITERIO DI CLASSIFICAZIONE E CONFRONTI TRA PIU MEDIE

CAPITOLO X ANALISI DELLA VARIANZA (ANOVA I) A UN CRITERIO DI CLASSIFICAZIONE E CONFRONTI TRA PIU MEDIE CAPITOLO X ANALISI DELLA VARIANZA (ANOVA I) A UN CRITERIO DI CLASSIFICAZIONE E CONFRONTI TRA PIU MEDIE 10.1. Anals della varanza ad un crtero d classfcazone o a camponamento completamente randomzzato 4

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

5. Baricentro di sezioni composte

5. Baricentro di sezioni composte 5. Barcentro d sezon composte Barcentro del trapezo Il barcentro del trapezo ( FIURA ) s trova sull asse d smmetra oblqua (medana) della fgura; è suffcente, qund, determnare la sola ordnata. A tal fne,

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

Induzione elettromagnetica

Induzione elettromagnetica Induzone elettromagnetca L esperenza d Faraday L'effetto d produzone d corrente elettrca n un crcuto prvo d generatore d tensone fu scoperto dal fsco nglese Mchael Faraday nel 83. Egl studò la relazone

Dettagli

TEST NON PARAMETRICI PER CORRELAZIONE, CONCORDANZA, REGRESSIONE MONOTONICA E REGRESSIONE LINEARE

TEST NON PARAMETRICI PER CORRELAZIONE, CONCORDANZA, REGRESSIONE MONOTONICA E REGRESSIONE LINEARE CAPITOLO XXI TEST NON PARAMETRICI PER CORRELAZIONE, CONCORDANZA, REGRESSIONE MONOTONICA E REGRESSIONE LINEARE 1.1. La correlazone non parametrca ρ (rho) d Spearman, con la dstrbuzone d Hotellng-Pabst 1

Dettagli

Elementi di linear discriminant analysis per la classificazione e il posizionamento nelle ricerche di marketing

Elementi di linear discriminant analysis per la classificazione e il posizionamento nelle ricerche di marketing http://www.mauroennas.eu Element d lnear dscrmnant analyss per la classfcazone e l poszonamento nelle rcerche d maretng Mauro Ennas Lnear Dscrmnant Analyss http://www.mauroennas.eu ADL_fnale_confronto_Ecel.sav

Dettagli

Trattamento delle Osservazioni

Trattamento delle Osservazioni Unverstà d Bresca - Corso d Topografa A Trattamento delle Osservazon Generaltà Scopo: descrzone d fenomen; Metodologa: elaborazone d modell e dotazone d strument per verfcare l grado d approssmazone d

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA LAFIDIN

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA LAFIDIN UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA LAFIDIN LABORATORIO/FISICO/DIDATTICO/INGEGNERIA VIA CLAUDIO, 1 8015 NAPOLI WWW.LAFIDIN.UNINA.IT - TEL. 081/7683603- FAX 081/768360 Corso

Dettagli

Il pendolo di torsione

Il pendolo di torsione Unverstà degl Stud d Catana Facoltà d Scenze MM.FF.NN. Corso d aurea n FISICA esna d ABORAORIO DI FISICA I Il pendolo d torsone (sezone costante) Moreno Bonaventura Anno Accademco 005/06 Introduzone. I

Dettagli