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

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 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 cofideza per la variaza Determiazioe della umerosità campioaria Capitolo 1 libro di testo

2 PERCHE LA STIMA PER INTERVALLO? a) Abbiamo detto che l ifereza statistica è il processo attraverso cui i risultati campioari vegoo utilizzati per trarre coclusioi sulle caratteristiche di ua Popolazioe. Lo stimatore putuale è ua sigola statistica che viee usata per stimare il vero valore (icogito) di u parametro θ di ua P (es. X µ oppure S σ ). Tuttavia, oostate sia possibile idividuare stimatori che godao di proprietà ottimali, sappiamo che ella pratica si selezioa u solo campioe e che ua statistica varia da campioe a campioe e perciò dipede dagli elemeti che vegoo selezioati; di ciò va ecessariamete teuto coto quado co u solo valore umerico cerchiamo di stimare ua caratteristica icogita di P. Pertato è più opportuo per garatirsi cotro evetuali deviazioi, positive e egative, dal vero valore, forire u itervallo di valori per la stima del parametro icogito

3 3 b) Nel campioameto da ua popolazioe, a parità di codizioi, è ragioevole riteere che ad ua coosceza più approfodita di P si giuga usado campioi più gradi. Ciò o è rispecchiato dalla stima putuale (a meo che come abbiamo visto o vega accompagata dall errore stadard come el caso della media campioaria). Ad esempio la stima putuale della proporzioe π di pezzi difettosiiucaricosarebbelastessasiaosservado1pezzoi ucampioedi10pezzi,siaosservado100pezzidifettosiiu campioe di 1000 pezzi. La maggiore precisioe delle ostre iformazioi sul parametro della popolazioe viee esplicitamete evideziata elle stime per itervallo. Ifatti come vedremo, a parità delle altre codizioi, campioi più gradi determiao stime per itervallo più precise, riflettedo i tal modo la miore icertezza sull effettivo valore del parametro icogito cosiderato.

4 4 STIMATORE PER INTERVALLO Uo stimatore per itervallo per u parametro di P è ua fuzioe della variabili campioarie (campioe casuale): determia gli estremi di u itervallo di valori che verosimilmete cotiee il parametro da stimare. La stima corrispodete viee chiamata stima per itervallo. Ma che cos è e come si perviee ad ua stima per itervallo?

5 5 Stima per itervallo Suppoiamo di aver estratto u campioe casuale da P e che sulla base delle iformazioi campioarie sia possibile determiare due v. casuali: L = L1( X1, K,X 1 ) ed L = L( X1, K,X ) co L 1 <L. I corrispodeza di u determiato campioe siao l 1 ed l i valori assuti da L 1 ed L allora l ua delle due: l itervallo da l 1 a l o cotiee o o cotiee il parametro stimato. No avedo idagato l itera P o possiamo tuttavia saperlo. Ipotizziamo allora di estrarre ripetutamete dei campioi casuali da P e di determiare gli itervalli corrispodeti a tutti i diversi L 1 e L.

6 6 Stima per itervallo Alla fie solo ua certa percetuale di questi itervalli (ad es. il 95% 0 il 98%) coterrà il valore icogito. I base alla defiizioe frequetista di probabilità si può dare la seguete iterpretazioe degli itervalli trovati: Se si estraggoo successivamete più campioi idipedeti dalla stessa popolazioe e si determiao i relativi itervalli (di cofideza) el modo ora illustrato, alla fie il 95% (o u altra percetuale qualsiasi) di itervalli coterrà il vero valore del parametro icogito. L itervallo [L 1, L ] è defiito uo stimatore per itervallo a livello di cofideza 95% per il parametro

7 7 Stima per itervallo SiaXua v.c. che rappreseta u carattere osservato su ua popolazioe. Suppoiamo che la v.c. sia defiita da ua fuzioe di probabilitàf ( x;θ ) dipedete dal parametro icogito θ. X, K,X x, K,x Sia 1 u campioe di dimesioe e 1 il corrispodete campioe osservato. Obiettivo: Determiare due statistiche campioarie: L = L X, K,X 1 1 ( 1 ( 1 tali che L1 L per ogi possibile campioe e che l itervallo [ L 1, L ] cotega il parametro θ co probabilità 1 ossia tali chep(l 1 θ L )=1-α ) L = L X, K,X ) α

8 8 Stima per itervallo [ L ( X,,X ),L ( X, K, )] L itervallo casuale 1 1 K 1 X si defiisce itervallo di cofideza di livello 1 α per il parametro θ se cotiee co probabilità 1 α il parametro igoto della popolazioe, ossia: Pr θ [ L ( X, K,X ) θ L ( X, K, X )] = 1 α α I geere si fissao valori di pari a 0,99; 0,95; 0,90 e questo viee detto livello di cofideza. Ua volta estratto il campioe si ottiee l itervallo di cofideza stimato [l 1,l ]. OSSERVAZIONE: No è possibile sapere se l itervallo stimato cotega o meo il valore vero del parametro; d altra parte se si estraesse dalla popolazioe u umero sufficietemete elevato di campioi ripetutamete ed i modo idipedete, e calcolassimo i corrispodeti itervalli di cofideza, il vero valore del parametro θ sarà coteuto el circa il 100(1-α)% di questi itervalli. il livello di cofideza è quidi la frequeza di questi itervalli aleatori che cotegoo θ e perciò o si parla della probabilità che il ostro parametro sia coteuto Copyright ell itervallo 005 The McGraw-Hill Compaies srl

9 9 esempio Ua ota azieda alimetare produce ogi gioro migliaia di scatole di cereali per la prima colazioe. Se gli impiati di riempimeto o fuzioao adeguatamete le scatole possoo risultare o troppo piee o troppo vuote. Poiché cotrollare ogi scatola risulterebbe lugo e dispedioso, il maager operativo deve elaborare ua strategia che gli coseta di valutare a partire da u campioe di scatole, la probabilità che il processo di riempimeto sia sotto cotrollo: ua volta estratto u campioe di scatole e pesata ogua d esse, si deve determiare la probabilità che tale campioe, caratterizzato da ua media, provega da ua popolazioe la cui vera media µ, ha u certo valore, es. 368 gr. x Alla luce di tale risultato il maager prederà ua decisioe circa il mateere o meo lo stesso processo produttivo oppure modificarlo.

10 10 Suppoiamo che il macchiario sia predisposto i maiera tale che la quatità i ua scatola abbia distribuzioe Normale di µ=368 gr e che σ=15 gr. Se estraiamo casualmete u campioe di 5 scatole ci potremmo ad es. chiedere qual è la probabilità che tale campioe abbia ua media iferiore a 365 gr. Poiché X N( µ, σ / ) dobbiamo trovare l area sottesa alla ormale fio a 365; ossia i termii di N(0,1): Z = = = I corrispodeza di -1 sulle tavole troviamo che la probabilità cercata è il 15.87% di tutti i possibili campioi di ampiezza 5 ha ua media campioaria al di sotto di 365 gr. Ciò o equivale alla probabilità che ua sigola scatola cotega meo di 365 gr di cereali; questa percetuale può essere calcolata come: x µ Z = = = 0.0 σ 15 I corrispodeza di -0.0 troviamo ci aspettiamo che il 4.07% delle sigole scatole cotega meo di 365 gr. Tale % di sigole scatole come si vede è superiore rispetto alla corrispodete % di medie campioarie: la probabilità che la media del campioe sia lotaa dalla media di P è iferiore alla probabilità che la sigola osservazioe lo sia.

11 11 Come cambia l errore stadard sepassa da 5 a 100 scatole? σ 1 5 Se =100 = = ; quadruplicado l ampiezza campioaria l errore stadard della media si riduce della metà: u aumeto dell ampiezza campioaria comporta miore variabilità delle possibili medie da campioe a campioe.la Probabilità di otteere ua media iferiore a 365 co u campioe di 100 scatole sara : Z = = = L area a siistra di - è Ci aspetteremo che il.8% dei campioi di =100 ha ua media iferiore a 365. Determiiamo ora l itervallo cetrato sulla media della Popolazioe di scatole, coteete il 95% delle medie campioarie calcolate a partire da campioi di 5 scatole. Il 95% delle osservazioi si divide i due parti uguali, metà al di sotto della media e metà al di sopra

12 1 A siistra il valore di Z cui corrispode ua prob. cum. di 0.05 è ed il valore di Z cui corrispode ua prob. cum. pari a è Quidi: 1 5 X L = µ ( σ / ) = = X L = µ ( σ / ) = = Pertato il 95% delle media di campioi di 5 scatole cadrà tra 36.1 e gr.

13 13 La precedete coclusioe si basa su u ragioameto deduttivo. Facciamo u tipo opposto di ragioameto di tipo iduttivo: l ifereza si basa ifatti sui risultati di u solo campioe per trarre coclusioi sulla itera Popolazioe e o viceversa. Cosideriamo il caso i cui si voglia stimare la media di P µ (che suppoiamo o cooscere) e ipotizziamo di cooscere σ=15 gr. Pertato ivece di calcolare µ±1.96(σ/ ) per defiire limite superiore ed iferiore dell itervallo cetrato i µ etro cui cade il 95% delle media campioarie, valutiamo che cosa succede quado a µ o ota sostituiamo X ed usiamo X ±1.96(σ/ ) come itervallo per stimare µ. Suppoiamo iizialmete che u campioe di 5 scatole abbia forito come media 36.3 gr. L itervallo costruito per stimare µ è 36 ±1.96(15/ 5) ossia 36.3 ±5.88. Lo stimatore per itervallo di µ sarà quidi: µ Poiché la vera media di P è 368 essa è coteuta i tale itervallo; questo campioe ha codotto ad ua valutazioe corretta!

14 14 14 Suppoiamo che per u diverso campioe di 5 scatole la media è I questo caso l itervallo sarebbe 369.5±1.96(15/ 5) ossia ±5.88 e lo stimatore per itervallo di µ: µ Ed ache questo campioe porterebbe a coclusioi corrette! Tuttavia suppoiamo di estrarre u terzo ipotetico campioe di =5 e di aver trovato che la media è 360 gr. I tal caso risulterebbe 360 ±1.96(15/ 5) ossia 360 ±5.88 e lo stimatore per itervallo di µ sarà quidi: µ Questo campioe coduce ad ua coclusioe errata circa il vero valore di µ! Quidi per alcui campioi la stima (per itervallo) di µ è corretta metre per altri o lo è. Nella pratica estraiamo u solo campioe e poiché o si coosce la media di P, o possiamo stabilire se le coclusioi a cui perveiamo siao corrette o meo. COME RISOLVIAMO QUESTO PROBLEMA?

15 15 Determiiamo la proporzioe dei campioi che dà luogo ad affermazioi corrette sulla media µ. Cosideriamo altri due campioi di =5 quello co media 36.1 e quello co media Co gli aaloghi calcoli fatti prima foriscoo rispettivamete come stime per itervallo per µ: µ e µ : la media di P coicide co i limiti iferiore e superiore dei due itervalli ed etrambi coducoo a coclusioi corrette.

16 16 se la media campioaria calcolata per u campioe =5 è compresa tra 36.1 e , la media µ di P e iclusa ell itervallo costruito sulla base di tale media. Allo stesso tempo abbiamo visto che il 95% delle medie campioarie è compreso tra 36.1 e il 95% dei campioi di =5 scatole ha ua media campioaria che dà luogo ad itervalli coteeti la media di P. L itervallo di estremi [36.1,373.88] è il ostro itervallo di cofideza al 95% Lo iterpretiamo: sesicosideraotuttiipossibilicampioidiampiezza,eper ciascuo la media campioaria e l itervallo cetrato su questa, il 95%degliitervallicosiotteuticotieelamediadiPesoloil 5%diessiolacomprede o possiamo sapere se uo specifico itervallo iclude o meo µ; tuttavia abbiamo ua cofideza (fiducia) del 95% di aver selezioato u campioe cui corrispode u itervallo compredete la media (icogita) di P

17 17 17 A volte è desiderabile u livello di fiducia maggiore (es. 99%), a volte possiamo accettare u grado miore di sicurezza (es 90%). I geerale il livello di cofideza è idicato co (1-α)100%, dove α è la massa che si trova elle code della distribuzioe fuori dall itervallo di cofideza, che si bipartisce i maiera simmetrica i α/, ella coda siistra e destra. I coclusioe (suppoedo ota le variaza di P!) abbiamo costruito l itervallo per la media el modo seguete: σ σ σ X ± Z o equivaletemete X Z µ X + Z Dove Z (valore critico della distribuzioe) è quel valore tale che l area sottesa alla curva N(0,1) tra Z e +Z è pari ad (1-α); quidi Z si lascia a destra u area pari ad α/ e l area sottesa alla ormale tra 0 e Z è pari ad (1-α)/. A diversi livelli (1-α) corrispodoo diversi valori critici: (1-α)=95% Z=1.96;(1-α)=99% Z=.58

18 18 La quatità z α/ σ/ viee detta ache margie di errore (o ache errore di campioameto) metre z α/ viee ache chiamato fattore di affidabilità. I tabella diversi livelli di cofideza e corrispodeti soglie critiche el caso di Normale Livello di cofideza 90% 95% 98% 99% α Z α/

19 19 19 Stima per itervallo esempio (fare su libro) Esempio: Sia X ~ N µ ; σ = ( ) 0, 1 Si cosideri u campioe di dimesioe =10 La media campioaria è ua v.c. che si distribuisce come ( ) µ ; σ 0, 01 X ~ N = ( X µ ) 0, 01 Pr ( 1, 96 Z + 1, 96) = 0, 95 Z = µ da cui possiamo ricavare che è ua v.c. Normale stadardizzata ( X 1, 96 0, 1 µ X + 1, 96 0, 1) 0, 95 Pr = Se dal campioe estratto si osserva u valore della media pari a = 10, l itervallo stimato risulta: 9, 804; 10, 196 x [ ]

20 0 Stima per itervallo - esempio Esempio (cotiua) Nella seguete figura si mostrao, i corrispodeza di 6 campioi osservati, gl itervalli di cofideza stimati per la media della popolazioe a u livello di cofideza 0,95. Osserviamo che dal campioe 5 si ottiee u itervallo stimato che o cotiee il vero parametro della popolazioe.

21 1 Aalogie co la stima putuale Nella seguete tabella soo riportate aalogie e differeze tra la stima putuale e la stima per itervallo.

22 Itervallo di cofideza per la media (variaza ota e P Normale) Sia X ua v.c. che rappreseta u carattere osservato su ua popolazioe. Suppoiamo che la v.c. sia distribuita come ua Normale co variaza ota. Allora sappiamo che: X X ( ), µ = ~N0 (,1) ~ N σ µ Z σ P ( z Z + ) = 1 α α zα X µ P zα + zα = 1 α σ σ σ P zα X µ + zα = 1 α P X σ σ zα µ X + zα = 1 α

23 3 3 Itervallo di cofideza per la media (co variaza ota e P distribuita come ua Normale) Dato u campioe casuale estratto da ua popolazioe Normale co media igota e variaza ota, l itervallo di cofideza per la media della popolazioe al livello di cofideza è: 1 α σ σ X zα, X + zα Esempio Siao σ = 10 = 9 1 α = 0, 99 Dalle tavole della Normale stadardizzata si ottiee z α = z0, 005 =, 576 Se si ottiee: x = 4, ±, , [, 480, 7, 3678]

24 4 4 Itervallo di cofideza per la media (variaza ota) La lughezza (ampiezza) dell itervallo di cofideza si ricava dalla differeza tra estremo superiore e estremo iferiore: Lughezza= zα ( σ ) Dipede da: 1. la dimesioe del campioe. il livello di cofideza 3. la variaza della popolazioe Iterveedo sulla dimesioe del campioe o sul livello di cofideza si può aumetare o dimiuire la lughezza dell itervallo. Ua volta fissati questi due elemeti, al variare dei campioi estratti, la lughezza degli itervalli corrispodeti rimae costate.

25 5 5 Itervallo di cofideza per la media (variaza ota) La lughezza dell itervallo di cofideza si ricava dalla differeza tra estremo superiore e estremo iferiore: Lughezza= z σ α ( ) Esempio: Fissato 1 α = 100 = 70 = 50 = 10 Fissato 1 α = 0, 85 1 α = 0, 90 1 α = 0, 95 1 α = 0, 99

26 6 6 Esempio Cosideriamo u azieda che produce fogli di carta per PC mediate u ciclo produttivo che opera iiterrottamete per ogi ciclo di produzioe. I fogli di carta dovrebbero avere lughezza media pari a 33 cmedsqmparia0.06cm.aditervalliregolari, vegooestrattidei campioidifogliperstabilireselalughezzamediaèdi33oppureseè il processo è adato fuori cotrollo. Suppoiamo di estrarre u campioedi100fogliecherisultachelalughezzamediaè3.994cm. Calcolare u itervallo di cofideza di livello 95% per la media della lughezza dei fogli ella Popolazioe. = x = σ = p e r il liv e llo 9 5 % r is u lta c h e z = e d a v r e m o σ X ± Z = ± (1.9 6 ) = ± eoc èmotivodiriteerechecisiaqualcosacheovaelprocesso produttivo µ

27 7 L itervallo cambia se scegliamo u livello di cofideza diverso! Suppoiamo il livello desiderato sia del 99% e calcoliamo il corrispodete itervallo di cofideza: = 100 x = σ = 0.06 per il livello 99% risulta che z=.58 ed avremo σ 0.06 X ± Z = ± (.58) 100 = ± µ U livello di cofideza più elevato ha codotto ad u itervallo più ampio. Poichè 33 è icluso o si ha ache i tal caso motivo di riteere che il processo o fuzioi i modo corretto.

28 8 8 I geere σ di P al pari della media µ è o oto per otteere u itervallo di cofideza della media dobbiamo basarci su etrambe le statistiche campioarie X ed S A questo puto si utilizza u risultato dovuto a W.S. Gosset, uo statistico impiegato presso la Guiess i Irlada agli iizi del secolo che affrotò il problema della stima della media di ua P Normale quado ache σ o è ota. Poiché agli impiegati della fabbrica o era cocesso pubblicare lavori di ricerca utilizzò lo pseudoimo Studet. La disrtibuzioe da lui determiata è da allora ota come t di Studet. µ σ Se la v.c. X N(, ) allora la (statistica) v.c. t( 1) X µ S

29 9 9 Sui gradi di libertà (g.d.l.) Per determiare la variaza campioarias dobbiamo calcolare i = 1 ( X X ) i Ossia bisoga cooscere la media; di cosegueza solo -1 valori campioari soo liberi di variare: ci soo-1 g.d.l. Suppoiamo di avere u campioe di 5 valori che hao media 0. Di quati valori distiti si ha bisogo per ricostruire l itero campioe? = 5 e X = 0 ci dice ache che X = 100 (poichè X / = X ) i= 1 i Quidi se coosciamo solo 4 dei 5 valori, il quito o sarà libero di variare, perché la somma dei 5 elemeti deve essere pari a 100. Per es. se i 4 valori soo pari a 18,4,19,16, il quito potrà essere pari solo a 3 i modo da avere somma 100. i= 1 i

30 30 30 Itervallo di cofideza per la media (variaza igota) Sia X ua v.c. che rappreseta u carattere osservato su ua popolazioe. Suppoiamo che la v.c. sia distribuita come ua Normale co media e variaza igota. Per stimare la variaza della popolazioe si utilizza lo stimatore variaza campioaria corretta: S = 1 1 ( x i x ) i= 1 Pertato la v.c. v.c.t-studet co ( X ) ( S ) T = µ 1 si distribuisce come ua gradi di libertà.

31 31 31 Itervallo di cofideza per la media (variaza igota) Dato u campioe casuale di dimesioe estratto da ua popolazioe Normale co media e variaza etrambe igote, l itervallo di cofideza per la media a livello 1 αè dato da: S X tα, X + tα S La lughezza dell itervallo di cofideza è data i questo caso da: Lughezza= t α ( S ) Nota Al variare dei campioi estratti, la lughezza degli itervalli corrispodeti o rimae costate poiché varia il valore dis.

32 3 Itervallo di cofideza per la media (popolazioi o Normali) Quado o è ota la popolazioe ma il campioe ha ua dimesioe sufficietemete grade, possiamo cosiderare u approssimazioe dell itervallo di cofideza per la media otteuta attraverso il teorema del limite cetrale. Per sufficietemete grade possiamo utilizzare il seguete itervallo di cofideza a livello 1 α : S X zα, X + zα S

33 33 33 Esempio U maager di ua società che vede combustibile per riscaldameto domestico vuole stimare il cosumo medio auo elle case moofamiliari di ua certa area geografica. Si estrae u campioe di 35 case ed il loro cosumo auo risulta:

34 34 Si vuole calcolare u itervallo di cofideza del 95% per la media della popolazioe del cosumo medio di combustibile i u ao. I calcoli dao luogo a x = ed s = 95.7 Per otteere l itervallo di cofideza dobbiamo determiare il valore critico corrispodete ad u area di 0.05 i ciascua coda per 34 g.d.l. : t ( α /, 1) = t(0.05,34 ) Dalla tavola si ricavat=.03. Abbiamo tutti gli igredieti per determiare l itervallo: S 95.7 X ± t( α /, 1) = ± (.03) = ± µ La validità della coclusioe dipede dall assuzioe di Normalità; co u campioe di ampiezza 35 l uso della distribuzioetpuò riteersi appropriato.

35 35 35 Itervallo di cofideza per ua proporzioe (campioi di dimesioe elevata) Quado la popolazioe è riferita a u carattere che può assumere solo due modalità (popolazioe Beroulliaa), siamo iteressati all itervallo di cofideza per ua proporzioe π, ad esempio, la proporzioe di maschi ella popolazioe. Come sappiamo u buo stimatore per π è la media campioaria X. Si ha: E ( X ) = π V ( X ) = π ( 1 π ) ioltre, dal teorema del limite cetrale sappiamo che al crescere della dimesioe campioaria la distribuzioe della X tede alla Normale, pertato Z = X π π ( 1 π ) ~ N ( 0,1)

36 36 Itervallo di cofideza per ua proporzioe (campioi di dimesioe elevata) 1 α = P X P z z α α π π α π ( 1 π ) ( 1 π ) π ( 1 π ) X π X + + z z α Tuttavia gli estremi dell itervallo dipedoo acora dal parametro icogito e duque devoo essere sostituiti co degli stimatori, otteedo il seguete itervallo di cofideza al livello 1 α : = X z X ( 1 X ) X ( 1 X ), X + α α z Ua regola pratica: x 5 e ( 1 x ) 5

37 37 Esempio Si vuole otteere ua stima itervallare della proporzioe di fumatori preseti i ua certa regioe. A tal fie viee osservato u campioe casuale di 10 persoe, di cui 78 soo fumatori. Quidi la stima putuale della proporzioe è data da: x = = 0, 65 quidi l itervallo di cofideza al livello è: ( 0, 35) 0, 65( 0, 35) 0, 65, 65 z0 05, 0,65 + z0, 10 0, 05 = 10 1 α = 0, 95 [ 0, 56, 0,74] I questo caso: x = 10 0, 65 = 78 5 ( 1 x ) = 10 0, 35 = 4 5

38 38 Itervallo di cofideza per la variaza Si cosideri ua popolazioe Normale co media e variaza etrambe igote. Come stimatori putuali dei due parametri si possoo utilizzare: X µ S Si può dimostrare che la v.c. pertato 1 α = = P P χ 1 α σ ( 1) ( 1) S σ ~ χ 1 ( ) ( ) ) 1S χ σ 1S χ α α 1 α E quidi l itervallo per la variaza al livello : σ S χ = 1 α [( ) ( ) ] 1 S χ, 1 S χ α 1 α

39 39 Determiazioe umerosità campioaria Si cosideri ua popolazioe Normale co media igota e variaza ota. Ci si può chiedere quale debba essere la dimesioe campioaria ecessaria ad assicurare che la semi-lughezza dell itervallo o superi u certo valore δ. Dalla formula della lughezza dell itervallo di cofideza si ottiee: σ = z α δ Quado la popolazioe o è Normale o la variaza è igota si utilizza: = z α S δ tuttavia i questo caso è ecessario che la umerosità risultate sia sufficietemete grade (>10)

40 40 Determiazioe umerosità campioaria Nel caso di popolazioe Beroulliaa si ha: dove πˆ = z α ( ) ˆ π 1 ˆ π δ idica il valore della stima prelimiare di π. Se o si hao iformazioi a priori sul parametro icogito si usa fissare valore prudeziale pari a ˆ π = 0,5

41 41 Esempio Si vuole stimare la umerosità ecessaria per otteere u itervallo di cofideza per π (ad es. la proporzioe di persoe propese a dare la prefereza a u certo cadidato) i modo tale che la semi-lughezza dell itervallo di cofideza al livello 0,95 o sia superiore a 0,05. ( 0, 5) 0, 5 = 196, = 384, 16 0,

Statistica. Lezione 5

Statistica. Lezione 5 Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it

Dettagli

Stime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo

Stime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo Abbiamo visto che, data ua v.a. X di cui o si cooscao valore atteso e variaza, tali umeri si possoo stimare putualmete el seguete modo: si prede u casuale X 1,...,X di v.a. aveti la stessa legge di X;

Dettagli

COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)

COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x

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

Stimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini

Stimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica

Dettagli

Inferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni.

Inferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni. Ifereza Statistica L ifereza statistica cerca di risalire al modello del feomeo sulla base delle osservazioi No coosciamo il modello del feomeo cioè la vc X A volte la coosceza può essere parziale (coosciamo

Dettagli

Università degli Studi di Napoli Parthenope. STATISTICA per il Turismo

Università degli Studi di Napoli Parthenope. STATISTICA per il Turismo Uiversità degli Studi di Napoli Partheope Corso di Laurea i Maagemet per le Imprese Turistiche STATISTICA per il Turismo Docete: Sergio Logobardi sergio.logobardi@uipartheope.it Stima itervallare Stima

Dettagli

STATISTICA INFERENZIALE

STATISTICA INFERENZIALE STATISTICA INFERENZIALE 6 INFERENZA STATISTICA Isieme di metodi che cercao di raggiugere coclusioi sulla popolazioe, sulla base delle iformazioi coteute i u campioe estratto da quella popolazioe. INFERENZA

Dettagli

Distribuzione normale

Distribuzione normale Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).

Dettagli

L INTERVALLO DI CONFIDENZA

L INTERVALLO DI CONFIDENZA L INTERVALLO DI CONFIDENZA http://www.biostatistica.uich.itit POPOLAZIONE POPOLAZIONE CAMPIONAMENTO CAMPIONE PARAMETRO INFERENZA CAMPIONAMENTO? STIMA CAMPIONE Stimare i Parametri della Popolazioe Itervallo

Dettagli

Università degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A

Università degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A Uiversità degli Studi di Padova Corso di Laurea i Medicia e Chirurgia - A.A. 015-16 Corso Itegrato: Statistica e Metodologia Epidemiologica Disciplia: Statistica e Metodologia Epidemiologica Doceti: prof.ssa

Dettagli

Corso di Statistica Canale E Bini, Cutillo A.A. 2017/2018. Esercitazione di riepilogo n.8 Test di ipotesi Soluzioni

Corso di Statistica Canale E Bini, Cutillo A.A. 2017/2018. Esercitazione di riepilogo n.8 Test di ipotesi Soluzioni Corso di Statistica Caale E Bii, Cutillo A.A. 17/18 Esercitazioe di riepilogo.8 Test di ipotesi Soluzioi Esercizio 1 A seguito della sostituzioe di u macchiario per il cofezioameto di caffè, il resposabile

Dettagli

Lezione 15. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 15. A. Iodice

Lezione 15. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 15. A. Iodice Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 () Statistica 2 / 29 itervallo margie di errore Per stimare u parametro della popolazioe,

Dettagli

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

Titolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli Titolo della lezioe Dal campioe alla popolazioe: stima putuale e per itervalli Itroduzioe Itrodurre il cocetto di itervallo di cofideza Stima di parametri per piccoli e gradi campioi Stimare la proporzioe

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

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

Parametri e statistiche. Parametri e statistiche. Distribuzioni campionarie. Popolazione Parametri Valori fissi, Statistiche o Stimatori.

Parametri e statistiche. Parametri e statistiche. Distribuzioni campionarie. Popolazione Parametri Valori fissi, Statistiche o Stimatori. Parametri e statistiche Popolazioe Parametri Valori fissi, spesso o oti Campioe Statistiche o Stimatori Variabili casuali, le cui determiazioi dipedoo dalle particolari osservazioi scelte Parametri e statistiche

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

Esercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli

Esercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli Esercitazioi del Corso di Probabilitá e Statistica Lezioe 6: Stime di parametri putuali e per itervalli Stefao Patti 1 19 geaio 005 Defiizioe 1 Ua famiglia di desitá f(, θ) ad u parametro (uidimesioale)

Dettagli

STATISTICA A K (63 ore) Marco Riani

STATISTICA A K (63 ore) Marco Riani STATISTICA A K (63 ore Marco Riai mriai@uipr.it http://www.riai.it STIMA PUNTUALE (p. 55 Il parametro è stimato co u uico valore Esempio: stima della share di u programma TV % di spettatori el campioe

Dettagli

Appunti di STATISTICA

Appunti di STATISTICA Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.

Dettagli

L INTERVALLO DI CONFIDENZA

L INTERVALLO DI CONFIDENZA L INTERVALLO DI CONFIDENZA http://www.biostatistica.uich.itit POPOLAZIONE POPOLAZIONE CAMPIONAMENTO CAMPIONE PARAMETRO INFERENZA CAMPIONAMENTO? STIMA CAMPIONE 1 Stimare i Parametri della Popolazioe Itervallo

Dettagli

ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1

ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE 1 ALCUNI ESERCIZI SUI TEST DI IPOTESI PARAMETRICHE PARTE ESERCIZIO. Si vuole verificare l ipotesi, a livello di sigificatività α, che la media μ di ua variabile aleatoria X abbia u valore fissato μ. Si effettuao

Dettagli

Argomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della

Argomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della 1 La stima putuale Argometi trattati: Stima putuale e stimatore Proprietà degli stimatori Stima putuale della media della popolazioe e sua distribuzioe Stima putuale di ua proporzioe e sua distribuzioe

Dettagli

Metodi statistici per lo studio dei fenomeni biologici

Metodi statistici per lo studio dei fenomeni biologici Metodi statistici per lo studio dei feomei biologici Alla fie di questa lezioe dovreste essere i grado di: spiegare i cocetti di stima putuale e stima itervallare iterpretare gli itervalli di cofideza

Dettagli

Corso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a

Corso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a Corso di Statistica Test per differeza tra medie e proporzioi Prof.ssa T. Laureti a.a. -3 Corso di Statistica a.a. -3 DEIM, Uiv.TUSCIA - Prof.ssa Laureti Test basati su campioi idipedeti proveieti da due

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; = costate icogita Qual è il valore di? E verosimile

Dettagli

Argomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica

Argomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Stima Cicchitelli cap. 6 Argometi Defiizioe di stimatore Proprietà degli stimatori (campioi fiiti): No distorsioe Efficieza relativa

Dettagli

Statistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice

Statistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5

Dettagli

La stima per intervalli

La stima per intervalli La stima per itervalli U itervallo di cofideza per u parametro è u itervallo di estremi [t - ; t + ] defiito itoro alla stima t di ed i cui è tale che: P t t È cioè l itervallo, cetrato su t, che co u

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

IL CAMPIONAMENTO. POPOLAZIONE un insieme finito o infinito di unità statistiche

IL CAMPIONAMENTO. POPOLAZIONE un insieme finito o infinito di unità statistiche IL CAMPIONAMENTO Defiizioi POPOLAZIONE u isieme fiito o ifiito di uità statistiche CAMPIONE piccola frazioe di ua popolazioe le cui caratteristiche si approssimao a quelle della popolazioe. Il campioe

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

Intervalli di Fiducia

Intervalli di Fiducia di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica

Dettagli

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96

n=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96 STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza

Dettagli

Campionamento e distribuzioni campionarie

Campionamento e distribuzioni campionarie Campioameto e distribuzioi campioarie Approccio idu8vo Ruolo dell ifereza sta>s>ca Procedure ifereziali di uso comue (itervalli di cofideza e test delle ipotesi) Risulta> e decisioi che dipedoo dalla limitatezza

Dettagli

PROBLEMI DI INFERENZA SU MEDIE

PROBLEMI DI INFERENZA SU MEDIE PROBLEMI DI INFERENZA SU MEDIE STIMA PUNTUALE Il problema della stima di ua media si poe allorchè si vuole cooscere, sulla base di osservazioi campioarie, il valore medio μ che u dato carattere preseta

Dettagli

Matematica con elementi di Informatica

Matematica con elementi di Informatica La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche

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

Lezione 14. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 14. A. Iodice. disuguaglianza di Markov

Lezione 14. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 14. A. Iodice. disuguaglianza di Markov Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 29 Outlie 1 2 3 4 5 6 () Statistica 2 / 29 Importati disuguagliaze Variabili casuali co distribuzioi o

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

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

Statistica Inferenziale Soluzioni 1. Stima puntuale

Statistica Inferenziale Soluzioni 1. Stima puntuale ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Miozzo e Aamaria Guolo Laurea i Ecoomia del Commercio Iterazioale Laurea i Ecoomia e Ammiistrazioe delle Imprese Uiversità degli Studi di Veroa sede di Viceza

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

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

Elementi di statistica

Elementi di statistica Elemeti di statistica La misura delle gradezze fisiche può essere effettuata direttamete o idirettamete. Se la misura viee effettuata direttamete si parla di misura diretta; se essa viee dedotta attraverso

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

Una funzione delle osservazioni campionarie è una statistica che, nel contesto della stima di un parametro, viene definita stimatore.

Una funzione delle osservazioni campionarie è una statistica che, nel contesto della stima di un parametro, viene definita stimatore. Stimatori e stime Teoria della stima Supporremo che sulla popolazioe sia defiita ua variabile X la cui distribuzioe, seppure icogita, è completamete caratterizzata da u parametro q o da u isieme di parametri

Dettagli

Statistica I - A.A

Statistica I - A.A Statistica I - A.A. 206-207 Prova scritta - 9 aprile 207 Problema. (pt. 20 U azieda che produce ricambi per stampati esamia la durata di u certo modello di cartuccia d ichiostro, misurata i umero di copie

Dettagli

Tecnica delle misurazioni applicate LM - Esame del 26 febbraio 2013

Tecnica delle misurazioni applicate LM - Esame del 26 febbraio 2013 Tecica delle misurazioi applicate LM - Esame del 6 febbraio 013 Problema 1. La FisioDorica SpA è u impresa che produce prodotti farmaceutici. L Avv. Tizio, AD della società, sta valutado la opportuità

Dettagli

Sommario. Facoltà di Economia. Campionamento e inferenza statistica

Sommario. Facoltà di Economia. Campionamento e inferenza statistica Corso di tatistica Facoltà di Ecoomia a.a. 00-00 fracesco mola ommario Campioameto e ifereza statistica timatori e stime Proprietà degli stimatori ufficieza, Correttezza, Efficiezaassoluta e relativa,

Dettagli

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità C

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità C Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità C Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1

Dettagli

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzione

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzione Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità B - Soluzioe Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete

Dettagli

4. Proprietà degli stimatori

4. Proprietà degli stimatori Uiversità degli Studi di Basilicata Facoltà di Ecoomia Corso di Laurea i Ecoomia Aziedale - a.a. 0/03 lezioi di statistica del 0, e 3 giugo 03 - di Massimo Cristallo - 4. Proprietà degli stimatori Si è

Dettagli

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioni

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioni Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità A - Soluzioi Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete

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

Argomenti. Perché una stima per intervallo? Stima per intervallo. Leonardo Grilli. Intervalli di confidenza (intervalli fiduciari)

Argomenti. Perché una stima per intervallo? Stima per intervallo. Leonardo Grilli. Intervalli di confidenza (intervalli fiduciari) Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Itervalli di cofideza (itervalli fiduciari) Cicchitelli cap. 17 Argometi Stima per itervallo (IC: Itervalli di Cofideza): IC per

Dettagli

Senza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo

Senza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it Ifereza statistica Dal campioe alla popolazioe Co quale precisioe si possoo descrivere le caratteristiche di ua popolazioe sulla base

Dettagli

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità D

Statistica inferenziale, Varese, 5 febbraio 2009 Prima parte - Modalità D Statistica ifereziale, Varese, 5 febbraio 2009 Prima parte - Modalità D Cogome Nome: Numero di matricola: ISTRUZIONI: Il puteggio relativo alla prima parte dell esame viee calcolato el seguete modo: +1

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

Metodi di valutazione delle prestazioni di rete

Metodi di valutazione delle prestazioni di rete Metodi di valutazioe delle prestazioi di rete Prof. Ig. Carla Raffaelli Cofroto di diversi approcci Parametri di cofroto: precisioe requisiti di poteza di calcolo requisiti di memoria facilita' di approccio

Dettagli

PROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD e 4038) 15 gennaio 2003

PROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD e 4038) 15 gennaio 2003 PROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD. 5047 e 408) 5 geaio 00 SOLUZIONI Il uovo direttore di ua Baca di Credito Cooperativo si trova ad affrotare ua verteza di tipo sidacale che riguarda la

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

N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.

N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento. N.B. Per la risoluzioe dei segueti esercizi, si fa riferimeto alle Tabelle riportate alla fie del documeto. Esercizio 1 I u villaggio turistico gli aimatori orgaizzao ua sfida. Vice u prazo i u ristorate

Dettagli

APPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti.

APPROSSIMAZIONE NORMALE. 1. Si tirano 300 dadi non truccati. Sia X la somma dei punteggi. Calcolare approssimativamente le probabilità seguenti. AROSSIMAZIONE NORMALE 1. Si tirao 300 dadi o truccati. Sia X la somma dei puteggi. Calcolare approssimativamete le probabilità segueti. (a (X 1000; (b (1000 X 1100. 2. La quatità di eve, che cade al gioro,i

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

6. Intervalli di confidenza

6. Intervalli di confidenza 6. Itervalli di cofideza La media campioaria e la variaza campioaria ci offroo ua stima dei parametri media e variaza del campioe statistico i esame. Abbiamo però bisogo di sapere quato ci si possa fidare

Dettagli

Corso di Statistica Facoltà di Economia

Corso di Statistica Facoltà di Economia Corso di Statistica Facoltà di Ecoomia Lezioe a.a. 000-00 00 Fracesco Mola Ifereza statistica Logica iduttiva Dal particolare al geerale Popolazioe [ v. c. ] f Ω x,, Se si coosce F si può fare ifereza

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

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

II Esonero - Testo A

II Esonero - Testo A Dip. di Igegeria, Uiv. Roma Tre Prof. E. Scoppola, Dott.M. Quattropai Probabilità e Statistica, 2017-18, I semestre 29 Geaio 2018 II Esoero - Testo A Cogome Nome Matricola Esercizio 1. (20%) Si cosideri

Dettagli

Appunti di Probabilità e Statistica. a.a. 2014/2015 C.d.L. Informatica Bioinformatica I. Oliva. 1 Statistica Inferenziale.

Appunti di Probabilità e Statistica. a.a. 2014/2015 C.d.L. Informatica Bioinformatica I. Oliva. 1 Statistica Inferenziale. Apputi di Probabilità e Statistica a.a. 014/015 C.d.L. Iformatica Bioiformatica I. Oliva Lezioe 7 1 Statistica Ifereziale 1.1 Test di ipotesi Ipotesi statistica: assuto relativo ad uo o più parametri (igoti)

Dettagli

TECNICA DELLE MISURAZIONI APPLICATE 17 OTTOBRE 2012

TECNICA DELLE MISURAZIONI APPLICATE 17 OTTOBRE 2012 TENIA DELLE MIURAZIONI APPLIATE 17 OTTOBRE 01 Il motore MOTO1 viee prodotto da MotoriMarii pa. che suggerisce agli acquireti di usare come lubrificate u celebre olio sitetico. I dati storici cofermao che

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

Corso di Statistica. Stima. Prof.ssa T. Laureti a.a Corso di Statistica a.a DEIM, Univ.TUSCIA - Prof.

Corso di Statistica. Stima. Prof.ssa T. Laureti a.a Corso di Statistica a.a DEIM, Univ.TUSCIA - Prof. Corso di Statistica Stima Prof.ssa T. Laureti a.a. 01-013 Stima putuale - Caso di studio U azieda deve teere sotto cotrollo la qualità del processo di produzioe di u macchiario che produce pezzi di ua

Dettagli

STATISTICA A K (63 ore)

STATISTICA A K (63 ore) STATISTICA A K (63 ore) Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto =400 X =34.000 Km; s cor =9000 Km Calcolare l

Dettagli

Confronto di due misure Campioni indipendenti

Confronto di due misure Campioni indipendenti Statistica7 /11/015 Cofroto di due misure Campioi idipedeti o meglio.. rispodere al quesito Due serie di misure soo state estratte dalla stessa popolazioe (popolazioe comue o idetica) o soo state estratte

Dettagli

INTRODUZIONE ALLA INFERENZA STATISTICA

INTRODUZIONE ALLA INFERENZA STATISTICA INTRODUZIONE ALLA INFERENZA STATISTICA 1) CONCETTO DI INFERENZA STATISTICA E SCOPI : L ifereza statistica è il procedimeto iduttivo che, avvaledosi del calcolo delle probabilità, cosete di estedere all

Dettagli

σ della variabile indagata sia nota. La logica dell intervallo di confidenza è allora sintetizzabile come segue:

σ della variabile indagata sia nota. La logica dell intervallo di confidenza è allora sintetizzabile come segue: Nel Capitolo 6. del volume (precisamete a pag. 36) abbiamo itrodotto per gradi liee ua semplice defiizioe di stima itervallare, passado poi i rassega le tipologie di itervalli di cofideza utilizzati el

Dettagli

Test di Ipotesi. La distribuzione gaussiana delle medie consente anche di sottoporre ad esame critico ipotesi effettuate su una popolazione.

Test di Ipotesi. La distribuzione gaussiana delle medie consente anche di sottoporre ad esame critico ipotesi effettuate su una popolazione. La distribuzioe gaussiaa delle medie cosete ache di sottoporre ad esame critico ipotesi effettuate su ua popolazioe. Si suppoe che vega fatta ua affermazioe che localizzi la media µ della popolazioe (ipotesi

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

ESERCITAZIONE N. 6 corso di statistica

ESERCITAZIONE N. 6 corso di statistica ESERCITAZIONE N. 6corso di statistica p. 1/18 ESERCITAZIONE N. 6 corso di statistica Marco Picoe Uiversità Roma Tre ESERCITAZIONE N. 6corso di statistica p. 2/18 Itroduzioe Variabili aleatorie cotiue Itervalli

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

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

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2009/10

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2009/10 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 9/1 Prova scritta del 13/1/1 Esercizio 1 Ua Ditta commerciale guadaga ogi ao ua somma X, ove si puo assumere che X N(µ, σ ). Ogi ao la Ditta paga ua tassa fissa

Dettagli

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel: UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Doatella Siepi doatella.siepi@uipg.it tel: 075 5853525 05 dicembre 2014 6 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazioe dei

Dettagli

Test Statistici. In termini statistici, agli eventi appena indicati viene attribuita una probabilità ed una specifica definizione:

Test Statistici. In termini statistici, agli eventi appena indicati viene attribuita una probabilità ed una specifica definizione: Test Statistici U test statistico è ua regola che permette di stabilire se u ipotesi (H " ) può essere accettata (o rifiutata) o meo (rifiutata). I particolare, H " può essere vera o falsa e la sua accettazioe/rifiuto

Dettagli

Esercitazione sette: soluzioni. H 1 : θ > 0.48 ( =

Esercitazione sette: soluzioni. H 1 : θ > 0.48 ( = Esercitazioe sette: soluzioi. { H0 : θ 0.48 H : θ > 0.48 a) La variabile Y ha ua distribuzioe beroulliaa di parametro θ. La desità appartiee alla famiglia espoeziale e possiamo vedere se è a rapporto di

Dettagli

Inferenza statistica. Come descrivo una generica popolazione? Che tipo di di informazioni posso ottenere?

Inferenza statistica. Come descrivo una generica popolazione? Che tipo di di informazioni posso ottenere? Iereza I Fodameti della teoria della stima Campioameto beroulliao ed i blocco Problema della stima: stima e stimatore Proprietà di uo stimatore Stima putuale e per itervallo: valore atteso e variaza Iereza

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

Probabilità e Statistica (cenni)

Probabilità e Statistica (cenni) robabilità e Statistica (cei) remettiamo la distizioe tra i due cocetti: Defiizioe: dato il verificarsi di u eveto si defiisce la probabilità per l eveto cosiderato il rapporto tra il umero dei casi favorevoli

Dettagli

Statistica. Capitolo 9. Stima: Ulteriori Argomenti. Cap. 9-1

Statistica. Capitolo 9. Stima: Ulteriori Argomenti. Cap. 9-1 Statitica Capitolo 9 Stima: Ulteriori Argometi Cap. 9-1 Obiettivi del Capitolo Dopo aver completato il capitolo, arete i grado di: Cotruire itervalli di cofideza per la differeza tra le medie di due popolazioi

Dettagli

Dispense Inferenza PRELIMINARY DRAFT

Dispense Inferenza PRELIMINARY DRAFT Dispese Ifereza PRELIMINARY DRAFT Cristia Mollica & Ja Marti Rossi 1 Esercizio 3 - Prova scritta del 1-0-018 Esercizio 3. Ua baca vuole stimare la proporzioe π di persoe che accetterebbe di sottoscrivere

Dettagli

VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE. Psicometria 1 - Lezione 12 Lucidi presentati a lezione AA 2000/2001 dott.

VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE. Psicometria 1 - Lezione 12 Lucidi presentati a lezione AA 2000/2001 dott. VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE Psicometria - Lezioe Lucidi presetati a lezioe AA 000/00 dott. Corrado Caudek Il caso più comue di disego sperimetale è quello i cui i soggetti vegoo

Dettagli

Qualunque processo che generi risultati eventi che non sono generalizzabili con certezza

Qualunque processo che generi risultati eventi che non sono generalizzabili con certezza CAMPIONAMENTO Esperimeto experimetal desig Qualuque processo che geeri risultati eveti che o soo geeralizzabili co certezza Popolazioe o è fiita Feomeo è sotto cotrollo: stimolo - risposta (pe sperimetazioe

Dettagli

UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a Esame del STATISTICA

UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a Esame del STATISTICA FACOLTÀ DI SOCIOLOGIA a. a. 011 01 Esame del 11-01-01 STATISTICA ESERCIZIO 1 U idagie sulle abitudii alimetari dei requetatori di u cetro itess ha moitorato il umero di caè cosumati i u gioro ormale e

Dettagli

LE MISURE DI TENDENZA CENTRALE

LE MISURE DI TENDENZA CENTRALE STATISTICA DESCRITTIVA LE MISURE DI TENDENZA CENTRALE http://www.biostatistica.uich.itit OBIETTIVO Esempio: Nella tabella seguete soo riportati i valori del tasso glicemico rilevati su 0 pazieti: Idividuare

Dettagli

Corso di Laurea in Ingegneria Informatica Anno Accademico 2016/2017 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2016/2017 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea i Igegeria Iformatica Ao Accademico 26/27 Calcolo delle Probabilità e Statistica Matematica Nome... N. Matricola... Acoa, geaio 27. (8 puti) Si vuole stimare il parametro p di ua legge

Dettagli

Lezione 4 Corso di Statistica. Francesco Lagona

Lezione 4 Corso di Statistica. Francesco Lagona Lezioe 4 Corso di Statistica Fracesco Lagoa Uiversità Roma Tre F. Lagoa (fracesco.lagoa@uiroma3.it) 1 / 23 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare

Dettagli