Il disegno campionario per l indagine sul turismo delle isole Eolie. O. Giambalvo A.M. Milito

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Il disegno campionario per l indagine sul turismo delle isole Eolie. O. Giambalvo A.M. Milito"

Transcript

1 Il dsego campoaro per l dage sul tursmo delle sole Eole O. Gambalvo A.M. Mlto

2 Struttura della presetazoe Obettv L dage campoara Le potes d lavoro L dage plota Il dsego campoaro Stratega campoara Alcu Rsultat Svlupp futur 2

3 Aspetto dmesoale: Obettv Dmesoe de turst per tpologa Tursta uffcale Tursta o uffcale Nascosto Igorato Escursost ) Stma de turst o uffcal delle sole Eole 2) Proporre ua stratega campoara Pao d campoameto e Stmatore 3

4 L dage campoara - Premessa Popolazoe Passegger parteza dalle sole Eole u determato perodo (luglo-settembre 2004) Vcol INCOGNITA Cost per l dage Itervstator Tempo a dsposzoe Careze d formazo zal Scarsa attedbltà delle stesse 4

5 Le potes d lavoro Perodo d realzzazoe dell dage 7 luglo 5 settembre 2004 Massmo afflusso turstco el terrtoro Luogo dell dage Lpar 80% de turst dell arcpelago Maggor collegamet co l baco d uteza de turst 5

6 Rsultat Il questoaro L dage plota Modfche ad alcue domade Durata meda dell tervsta 5 mut Scarsa rlevaza de rfut Le parteze cocetrate l sabato rdotte d sera asseza d cocdeze (tre, pullma, aere ) paura d soppressoe delle corse 6

7 Rsultat L dage plota La popolazoe parteza Possbltà d dvduazoe della popolazoe obettvo Resdet - lavorator - Escursost tra-sole sole Turst/escursost d rtoro a casa Comportameto dverso a secoda del possesso del mezzo d trasporto Passegger seza mezzo d trasporto Alscafo o ave A partre da 30 mut prma della parteza Asos (uffcal) traqull (mst) habtué (o uffcal) Passegger co mezzo d trasporto Nave Icoloat h prma della parteza 7

8 Rsultat L dage plota La popolazoe parteza Comportameto de passegger parteza seza mezzo d trasporto e prm 30 mut d osservazoe (u solo mezzo a dsposzoe) Arrv al molo prma della parteza % mut 8

9 Il dsego campoaro gor scelt per le tervste soo stat: 8 sabato (tutt el perodo cosderato) (7, 24 e 3 luglo; 7, 4, 2 e 28 agosto; 4 settembre) 8 domeche (tutte el perodo cosderato, solo pomerggo) (8 e 25 luglo;, 8, 7, 22 e 29 agosto; 5 settembre) 7 gor frasettmaal (uo per og settmaa del perodo) (2 e 26 luglo; 5,, 6, 26 e 3 agosto) 9

10 Il dsego campoaro la popolazoe effettvamete dagata detfcata dalla scelta de gor cu effettuare le tervste ste Sabato e frasettmaale (o uffcal/uffcal uffcal) turst parteza dalle sole Eole Domeca (escursost) turst ed escursost parteza dalle sole Eole le utà d rlevazoe I passegger (turst ed escursost) le utà d aals famgle, grupp orgazzat, altr 0

11 Il dsego campoaro Il dsego AN e 2./ SI - D quattro pa d campoameto I pa d campoameto AN Alscaf e Nav co passegger seza mezzo d trasporto AN Sabato e frasettmaale Domeca I pa d campoameto N 2 Nav co passegger co mezzo d trasporto N 2 Sabato e frasettmaale Domeca

12 Il dsego campoaro I campoamet adottat la domeca soo u caso semplfcato de campoamet sabato- frasettmaale La dmesoe campoara (=2000) I fuzoe temp e cost dell dage pao d campoameto adottato tetatvo d otteere u errore campoaro coteuto 2

13 I pa d campoameto Tpologa popolazo Sabato e frasettmaale Domeca Alscaf e Nav (passegger seza mezzo) Campoameto a due stad Prmo Stado: Grappol pv (fasce orare) Secodo Stado: Stratfcato co allocazoe uguale e pv2 (passegger) Campoameto uo stado Uco Stado: Stratfcato co allocazoe uguale co pv2 (passegger) Nav 2 (passegger co mezzo) Campoameto a due stad Prmo Stado: Grappol pv (fasce orare) Secodo stado: Sstematco pc (passegger automoble) passo k=0 automobl Campoameto uo stado Uco stado: Sstematco pc (passegger automoble) passo k=0 automobl pv probabltà varable rspetto al umero d mezz d trasporto (prmo stado) pv2 probabltà varable rspetto al umero d passegger parteza (secodo stado) fuzoe del tempo (a partre da 30 mut prma della parteza) e dversa per fasca orara pc probabltà costate fuzoe del passo d campoameto fssato (caso partcolare d pps) Le probabltà varabl soo drette al mglorameto dell effceza delle stme 3

14 Gl stmator del totale Tpologa popolazo Alscaf e Nav (passegger seza mezzo) A-N Nav (passegger co mezzo)-n 2 Sabato e frasettmaale Domeca Campoameto a due stad Horwtz-Thompso Campoameto uo stado Horwtz-Thompso Campoameto a due stad Horwtz-Thompso Campoameto uo stado Sstematco 4

15 I pa d campoameto Tpologa Alscaf e Nav (passegger seza mezzo) Nav 2 (passegger co mezzo) Campoameto a due stad Campoameto a due stad Sabato e frasettmaale Domeca Prmo Stado: Grappol pv (fasce orare) Secodo Stado: Stratfcato co allocazoe uguale e pv2 (passegger) Campoameto uo stado Stratfcato co allocazoe uguale co pv2 (passegger) Prmo Stado: Grappol pv (fasce orare) Secodo stado: Sstematco pc (passegger automoble) passo k=0 automobl Campoameto uo stado Sstematco pc (passegger automoble) passo k=0 automobl Campoameto A-NA sabato/frasettmaale 5

16 Campoameto A N sabato/fr Campoameto a due stad Prmo stado = campoameto a grappol pv Utà prmara = LE FASCE ORARIE Scelta casuale d due fasce orare (grappol) co probabltà varable fuzoe del umero d av-traghett e alscaf (passegger) 7-0 p () p (2) p (3) p (4) 9-22 p (5) = = La scelta d due fasce orare è motvata da esgeze d budget N p 6

17 Campoameto A N sabato/fr Mezz da Lpar per Mlazzo, Messa, R.Calabra,, Palermo e Napol fasce orare Alscaf Nav Totale Totale passegger* P(T) P(P) ,9 0,26 0,2 0, totale ,3 0,32 0,0,00 0,2 0,40 0,06,00 Il totale passegger s rfersce alla capeza massma de mezz e o a turst parteza da Lpar 7

18 Campoameto A N sabato/fr Prmo stado - Notazo N grappol: utà prmare ella popolazoe N=5 fasce orare grappol: utà prmare estratte (=,..,) =2 fasce orare All tero delle due fasce orare selezoate Secodo stado - Varable d stratfcazoe: tempo stratfcazoe delle tre ore l strat da: 0 mut (8( strat) ) durate l mese d luglo 6 mut (30( strat) ) el perodo agosto-settembre settembre (Yates e Grudy,, 953) 8

19 Campoameto A N sabato/fr Secodo stado La stratfcazoe L strat = 8 (luglo) e 30 (agosto-settembre) settembre) Mut d osservazoe N N* N* 2 N* h =2 2 =2 h =2 P.. P j P 2j.. P hj Mut d osservazoe N* N* 2 N* h =2 2 =2 h =2 N* Passegger egl tervall, stmato attraverso l dage plota (fuzoe tempo) per N oto j=,..,n* N P.. P j P 2j P hj 9

20 Campoameto A N sabato/fr Utà secodare = Passegger (TURISTI/Escursost) Campoameto stratfcato delle utà (passegger) allocazoe uguale due elemet per strato - uo per og tervstatore probabltà varable a secoda del tempo d arrvo al molo fra e egl strat (N*( N*) 20

21 Campoameto A N sabato/fr Notazo Secodo stado m h utà secodare ello strato (h=,, l ) m jh = passegger (j=,2) tervstat el grappolo egl strat h schema d campoameto a probabltà varable (rspetto al umero d passegger arrvo al molo og strato) y jh la varable d teresse (el grappolo, ello strato h-h esmo per le utà j=,2) se l passeggero tervstato è u tursta NON UFFICIALE 0 altrmet 2

22 Campoameto A N sabato/fr Luglo La stratfcazoe 5 mut ello strato (fra u tervstatore e u altro) 0 mut fra gl strat (fra u tervsta e u altra dello stesso sso tervstatore) %

23 Campoameto A N sabato/fr Agosto e settembre La stratfcazoe 3 mut ello strato (fra u tervstatore e u altro) 5 cque mut fra gl strat (fra u tervsta e u altra dello lo stesso tervstatore)

24 Campoameto A N sabato/fr Lo stmatore o dstorto HT Stmatore del totale d Horvtz-Thompso co probabltà d prmo e secodo stado varable (952) dove e = Yˆ. = jh / Yˆ l HT h = h= j= jh / l h y y jh = h= j= jh / jh = = Yˆ. Probabltà clusoe prmo orde dell utà prmara (grappolo) Probabltà clusoe prmo orde ello strato h-esmo dell utà secodara j (tursta) dopo avere estratto l utà prmara - dpede da Nh e dal tempo d arrvo al molo Stmatore d secodo stado del totale dell utà prmara 24

25 Campoameto A N sabato/fr Propretà delle probabltà d clusoe j P > 0,j j j j > j A 0,j Fodametale per otteere stmator o dstort d varaza Garatsce la o egatvtà della varaza dello stmatore A postvo, o prossmo a 0 Per rspettare le propretà s scelgoo probabltà P proporzoal al umero d mezz parteza alla preseza de passegger fuzoe al tempo d arrvo al molo Crtero d selezoe d Brewer (963, 975) Garatsce almeo le prme tre propretà 25

26 Campoameto A N sabato/fr Probabltà clusoe - Metodo d Brewer prmo e secodo stado P P PP j = + = 2P D j j = + j= 2P j D 2P 2P j Probabltà d clusoe del prmo orde dell utà D = P Probabltà d clusoe del secodo orde delle utà e j ( P ) = 2 è l totale de mezz elle dverse fasce orare (el prmo stado) P l totale de passegger parteza egl tervall d tempo scelt (el secodo stado) 26

27 Campoameto A N sabato/fr Probabltà d estrazoe delle utà d prmo e secodo stado Metodo d Brewer Prma utà () Secoda utà (j) ( P ) P 2P D P j P 27

28 Campoameto A N sabato/fr La varaza dello stmatore var ( ) ( ) ~ N y V Yˆ Yˆ. 2. = V + HT = = Varaza dello stmatore HT del totale Y.. della popolazoe el campoameto a grappol ad u solo stado Varaza dello stmatore HT del totale Y. el grappolo = l ~ Totale ell utà prmara del campoe y. h h= j= y jh Uo stmatore o dstorto della varaza è: ( ) ( ) Yˆ = v Yˆ ˆ HT v v Y = = 28

29 Campoameto A N sabato/fr S dmostra che per fssato e v v Yˆ. = Yˆ ˆ.. Y = = = ( ) l jh j h Yˆ = 2. h= j= j j= ( jh)( jh ) y h h y jh jh 2 jh jh 2 jh jh soo stmator o dstort d V e V 2 prob. clusoe del prmo orde delle utà j e j ello strato h ( jh)( jh ) prob. clusoe del secodo orde delle utà j e j ello strato h 29

30 I pa d campoameto Tpologa Alscaf e Nav (passegger seza mezzo) Nav 2 (passegger co mezzo) Campoameto a due stad Campoameto a due stad Sabato e frasettmaale Domeca Prmo Stado: Grappol pv (fasce orare) Secodo Stado: Stratfcato co allocazoe uguale e pv2 (passegger) Campoameto uo stado Stratfcato co allocazoe uguale co pv2 (passegger) Prmo Stado: Grappol pv (fasce orare) Secodo stado: Sstematco pc (passegger automoble) passo k=0 automobl Campoameto uo stado Sstematco pc passegger automoble) passo k=0 automobl Campoameto N 2 sabato/frasettmaale 30

31 Campoameto N 2 sabato/fr Campoameto a due stad Prmo stado = campoameto a grappol pv Utà prmara = LE FASCE ORARIE N 2 come l campoameto A-A N Secodo stado = campoameto sstematco Utà secodara = I passegger (TURISTI/Escursost) k =0 automobl 3

32 Campoameto N 2 sabato/fr Campoameto a due stad Prmo stado Campoameto A-NA Secodo stado Campoameto sstematco delle utà co passo k=0 automobl Cambao le probabltà d clusoe el secodo stado Stmatore ugual e legate al passo d campoameto k Yˆ HT = yz = z= z / = = Yˆ. dove z / = k = N Probabltà clusoe del prmo orde el campoameto sstematco 32

33 Campoameto N 2 sabato/fr Varaza dello stmatore var ( ) ( ) ~ N y = V Yˆ Yˆ HT V = z / = Varaza dello stmatore HT del totale Y.. della popolazoe el campoameto a grappol ad u solo stado Varaza dello stmatore HT del totale Y. el grappolo Uo stmatore o dstorto della varaza è: ( ) ( ) Yˆ = v Yˆ ˆ HT v v Y = = 33

34 Campoameto N 2 sabato/fr S dmostra che uo stmatore o dstorto della varaza d prmo stado è metre v ˆ Y. ˆ = Y 2. + = = = = Yˆ Yˆ ( ) 2 k N v Yˆ 2 2. = ( y z y ) k z = s può stmare comuemete co la stma della varaza el c.c. semplce ( ˆ ) 2 f 2 v 2 Y. = N s o è verfcata la dsuguaglaza prob. clusoe del prmo orde delle utà e d prmo stado j > 0 j k 0.. Se e j appartegoo allo stesso campoe altrmet 34

35 I pa d campoameto Tpologa Alscaf e Nav (passegger seza mezzo) Nav 2 (passegger co mezzo) Sabato e frasettmaale Domeca Campoameto a due stad Prmo Stado: Grappol pv (fasce orare) Secodo Stado: Stratfcato co allocazoe uguale e pv2 (passegger) Campoameto uo stado Stratfcato co allocazoe uguale co pv2 (passegger) Campoameto a due stad Prmo Stado: Grappol pv (fasce orare) Secodo stado: Sstematco pc (passegger automoble) passo k=0 automobl Campoameto uo stado Sstematco pc (passegger automoble) passo k=0 automobl Campoameto A N domeca 35

36 Campoameto A N -Domeca Popolazoe A-NA Campoameto stratfcato Come secodo stado (luglo) del campoameto sabato/fr fr. L strat = 8 (luglo, agosto-settembre) settembre) Mut d osservazoe N N* N* 2 N* h =2 2 =2 h =2 P j P j P 2j.. p hj

37 Campoameto A N -Domeca Popolazoe A-NA Campoameto stratfcato Stmatore Come secodo stado del campoameto sabato/frasettmaale Yˆ HT = l h h= j= y jh jh dove jh Probabltà d clusoe del prmo orde dell utà j ello strato h 37

38 Campoameto A N -Domeca Popolazoe A-NA Varaza ( ˆ) v Y = v l h h y hj = + h h = j= jh h= jh h= j= j j= jh jh ( jh)( jh ) l jh 2 y 2 jh l y jh y jh Per fssato ( ˆ) v Y = v h l h y hj = l h h y = j= jh h= j= j j= ( jh)( jh ) jh jh jh jh jh + y jh 2 ( jh)( jh ) Probabltà d clusoe del secodo orde dell utà j e j ello strato h 38

39 I pa d campoameto Tpologa Alscaf e Nav (passegger seza mezzo) Nav 2 (passegger co mezzo) Sabato e frasettmaale Domeca Campoameto a due stad Prmo Stado: Grappol pv (fasce orare) Secodo Stado: Stratfcato co allocazoe uguale e pv2 (passegger) Campoameto uo stado Stratfcato co allocazoe uguale co pv2 (passegger) Campoameto a due stad Prmo Stado: Grappol pv (fasce orare) Secodo stado: Sstematco pc (passegger automoble) passo k=0 automobl Campoameto uo stado Sstematco pc (passegger automoble) passo k=0 automobl Campoameto N 2 domeca 39

40 Campoameto N 2 - Domeca Campoameto sstematco Stmatore Come l secodo stado del campoameto sabato/frasettmaale Yˆ N = sst. y z z= Varaza var N k ( Yˆ ) = ( y y) sst. 2 k z= z 2 Stmata dalla v ( ˆ ) 2 Y = N s 2 f 40

41 Alcu rsultat Meda questoar complat per gor lu mar mer go ve sab dom 4

42 Alcu rsultat 00% 80% 60% 40% 20% 0% lu mar mer go ve sab dom luglo agosto settembre 42

43 Alcu rsultat Le probabltà d estrazoe delle utà d prmo stado Prma utà Secoda utà (prma utà estratta = grappolo 4) ( P ) P 2P D P j P Estrazoe prma utà Estrazoe secoda utà

44 Alcu rsultat Le probabltà d clusoe delle utà d prmo stado Prmo orde secodo orde

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione STIMA PARAMTRICA TST DLL IPOTSI L fereza Statstca rguarda affermazo crca I parametr d ua popolazoe sulla base della metodologa statstca e del calcolo delle probabltà Stma putuale Quado u parametro della

Dettagli

Il campionamento e l inferenza

Il campionamento e l inferenza e l fereza Popolazoe Campoe Da dat osservat medate scelta campoara s guge ad affermazo che rguardao la popolazoe da cu ess soo stat prescelt Uverstà d Macerata Facoltà d Sceze Poltche - Ao accademco Ao

Dettagli

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE Corso d Ifereza Statstca Eserctazo A.A. 009/0 ESERCIZI SU DISTRIBUZIONI CAMPIONARIE Eserczo I cosumator d marmellata ua data popolazoe soo l 40%. Determare la probabltà che, per u campoe beroullao d =

Dettagli

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1 Facoltà d Ecooma - STATISTICA - Corso d Recupero a.a. 2012-13 Prof.ssa G. Balsamo CONCETTI d BASE Carattere X [o A ] caratterstca quattatva [o qualtatva] rappresetatva d u feomeo sottoposto ad dage Popolazoe

Dettagli

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

Dettagli

Analisi dei Dati. La statistica è facile!!! Correlazione

Analisi dei Dati. La statistica è facile!!! Correlazione Aals de Dat La statstca è facle!!! Correlazoe A che serve la correlazoe? Mettere evdeza la relazoe esstete tra due varabl stablre l tpo d relazoe stablre l grado d tale relazoe stablre la drezoe d tale

Dettagli

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 5 Febbrao 00. Dott. Mrko Bevlacqua ESERCIZIO N A partre dalla dstrbuzoe semplce del carattere peso rlevata su 0 studet del corso d Mcroecooma peso: { 4, 59, 65,

Dettagli

Vantaggi della stratificazione

Vantaggi della stratificazione Lez. 4 0/03/05 etd Statstc per l aret - F. Bartlucc Uverstà d Urb Vata della stratfcaze I prcpal vata del campamet stratfcat s: mlramet ell effceza del stmatre del ttale e della meda; pssbltà d stmare

Dettagli

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

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

Dettagli

Variabilità = Informazione

Variabilità = Informazione Varabltà e formazoe Lo studo d u feomeo ha seso solo se esso s preseta co modaltà/testà varabl da u soggetto all altro. Ad esempo, se dobbamo studare l reddto ua certa regoe è ecessaro osservare utà statstche

Dettagli

Note di Statistica. ultimo aggiornamento: 15 ottobre CdS in Scienze e Tecniche Psicologiche. a cura di Bruno Bertaccini

Note di Statistica. ultimo aggiornamento: 15 ottobre CdS in Scienze e Tecniche Psicologiche. a cura di Bruno Bertaccini Note d Statstca ultmo aggorameto: 15 ottobre 017 segameto d Statstca (L-Z) CdS Sceze e Tecche Pscologche a cura d Bruo Bertacc Materale ddattco a dsposzoe degl studet, scarcable all drzzo http://local.dsa.uf.t/bertacc

Dettagli

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica).

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica). Regressoe leare Il terme regressoe fu trodotto da Fracs Galto (8-9), atropologo (promotore dell eugeetca). I u suo famoso studo (877-885), Galto scoprì che, sebbee c fosse ua tedeza de getor alt ad avere

Dettagli

Università della Calabria

Università della Calabria Uverstà della Calabra FACOLTA DI INGEGNERIA Corso d Laurea Igegera per l Ambete e l Terrtoro CORSO DI IDROLOGIA Ig. Daela Bod SCHEDA DIDATTICA N 5 ISOIETE E TOPOIETI A.A. 20-2 Calcolo della precptazoe

Dettagli

Classi di reddito % famiglie Fino a 15 5.3 15-25 16.2 25-35 21.1 35-45 18.6 45-55 13.6 Oltre 55 25.2 Totale 100

Classi di reddito % famiglie Fino a 15 5.3 15-25 16.2 25-35 21.1 35-45 18.6 45-55 13.6 Oltre 55 25.2 Totale 100 ESERCIZIO Data la seguete dstrbuzoe percetuale delle famgle talae per class d reddto, espresso mlo d lre, (ao 995, fote Istat): Class d reddto % famgle Fo a 5 5.3 5-5 6. 5-35. 35-45 8.6 45-55 3.6 Oltre

Dettagli

LEZIONI DI STATISTICA MEDICA

LEZIONI DI STATISTICA MEDICA LEZIONI DI STATISTICA MEDICA A.A. 00/0 - Idc d dspersoe Sezoe d Epdemologa & Statstca Medca Uverstà degl Stud d Veroa La dspersoe o varabltà è la secoda mportate caratterstca d ua dstrbuzoe d dat. Essa

Dettagli

Esercizi su Rappresentazioni di Dati e Statistica

Esercizi su Rappresentazioni di Dati e Statistica Esercz su Rappresetazo d Dat e Statstca Eserczo Esprmete forma percetuale e traducete u aerogramma dat della seguete tabella: Nord Cetro Sud Isole Totale 5 58 866 0 95 36 4 35 30 6 79 56 57 399 08 Soluzoe

Dettagli

INDICI DI VARIABILITA

INDICI DI VARIABILITA INDICI DI VARIABILITA Defzoe d VARIABILITA': la varabltà s può defre come l'atttude d u carattere ad assumere dverse modaltà quattatve. La varabltà è la quattà d dspersoe presete e dat. Idc d varabltà

Dettagli

Istogrammi e confronto con la distribuzione normale

Istogrammi e confronto con la distribuzione normale Istogramm e cofroto co la dstrbuzoe ormale Suppoamo d effettuare per volte la msurazoe della stessa gradezza elle stesse codzo (es. la massa d u oggetto, la tesoe d ua pla, la lughezza d u oggetto, ecc.):

Dettagli

I percentili e i quartili

I percentili e i quartili I percetl e quartl I percetl soo quelle modaltà che dvdoo la dstrbuzoe ceto part d uguale umerostà. I quartl soo quelle modaltà che dvdoo la dstrbuzoe quattro part d uguale umerostà. Il prmo quartle Q

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 26 Febbrao 200 Dott. Mrko Bevlacqua ESERCIZIO Cosderado le class d altezza 60 6; 6 70; 70 78; 78 86 per u collettvo d 20 persoe, s può affermare che l ALTEZZA dpede

Dettagli

Lezione 3. Gruppi risolubili.

Lezione 3. Gruppi risolubili. Lezoe 3 Prerequst: Lezo 1 2 Class d cougo e cetralzzat rupp rsolubl I questo captolo troducamo ua ozoe che come vedremo seguto fuge da raccordo tra la teora de grupp e la teora de camp Defzoe 31 Dato u

Dettagli

Calcolo delle Probabilità: esercitazione 4

Calcolo delle Probabilità: esercitazione 4 Argometo: Probabltà classca Lbro d testo pag. 1-7 e 7-77 e varable casuale uforme dscreta NB: asscurars d cooscere le defzo, le propretà rchamate e le relatve dmostrazo quado ecessaro Eserczo 1 S cosder

Dettagli

Design of experiments (DOE) e Analisi statistica

Design of experiments (DOE) e Analisi statistica Desg of epermets (DOE) e Aals statstca L utlzzo fodametale della metodologa Desg of Epermets è approfodre la coosceza del sstema esame Determare le varabl pù sgfcatve; Determare l campo d varazoe delle

Dettagli

MEDIA DI Y (ALTEZZA):

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

Dettagli

Matematica elementare art.1 di Raimondo Valeri

Matematica elementare art.1 di Raimondo Valeri Matematca elemetare art. d Ramodo Valer I questo artcolo voglamo provare che esste ua formula per calcolare l umero de dvsor d u dato umero aturale seza cooscere la scomposzoe fattor prm del umero stesso.

Dettagli

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

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

Dettagli

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

ALCUNI ELEMENTI DI TEORIA DELLA STIMA ALCUNI ELEMENTI DI TEORIA DELLA STIMA Quado s vuole valutare u parametro θ ad esempo: meda, varaza, proporzoe, oeffete d regressoe leare, oeffete d orrelazoe leare, e) d ua popolazoe medate u ampoe asuale,

Dettagli

Caso studio 10. Dipendenza in media. Esempio

Caso studio 10. Dipendenza in media. Esempio 09/03/06 Caso studo 0 S cosder la seguete dstrbuzoe degl occupat Itala secodo l umero d ore settmaal effettvamete lavorate e l settore d attvtà (cfr. Itala cfre, Ao 008, pag. 7 ): Ore lavorate Settore

Dettagli

Lezione 13. Anelli ed ideali.

Lezione 13. Anelli ed ideali. Lezoe 3 Prerequst: Aell e sottoaell. Sottogrupp. Rfermet a test: [FdG] Sezoe 5.2; [H] Sezoe 3.4; [PC] Sezoe 4.2 Aell ed deal. Rcordamo la seguete defzoe, data el corso d Algebra : Defzoe 3. S dce aello

Dettagli

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

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

Dettagli

Caso studio 2. Le medie. Esercizio. La media aritmetica. Esempio

Caso studio 2. Le medie. Esercizio. La media aritmetica. Esempio 8/02/20 Caso studo 2 U vesttore sta valutado redmet d due ttol del settore Petrolo e Gas aturale. Sulla base de redmet goraler della settmaa passata vuole cercare d prevedere l redmeto per la prossma settmaa

Dettagli

DI IDROLOGIA TECNICA PARTE II

DI IDROLOGIA TECNICA PARTE II FACOLTA DI INGEGNERIA Laurea Specalstca Igegera Cvle NO Guseppe T Aroca CORSO DI IDROLOGIA TECNICA PARTE II Aals e prevsoe statstca delle varabl drologche Lezoe X: Scelta d u modello probablstco Aals e

Dettagli

Esercitazione 5 del corso di Statistica (parte 1)

Esercitazione 5 del corso di Statistica (parte 1) Eserctazoe 5 del corso d Statstca (parte 1) Dott.ssa Paola Costat 8 Novembre 011 I alcue crcostaze s poe u maggor teresse sullo studo della varabltà tra le sgole utà statstche, puttosto che lo studo della

Dettagli

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi Le mede Italo Nofro LE MEDIE Statstca medca Le mede (o valor med) soo dc d tedeza cetrale e costtuscoo u modo semplce ed mmedato per stetzzare u solo valore dat eterogee raccolt el collettvo oggetto d

Dettagli

Caso studio 12. Regressione. Esempio

Caso studio 12. Regressione. Esempio 6/4/7 Caso studo Per studare la curva d domada d u bee che sta per essere trodotto sul mercato, s rlevao dat rguardat l prezzo mposto e l umero d pezz vedut 7 put vedta plota, ell arco d ua settmaa. I

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA COSIDERAZIOI PRELIMIARI SULLA STATISTICA La Statstca trae suo rsultat dall osservazoe de feome che c crcodao. Gl stess feome per essere oggetto d statstca devoo essere adeguatamete umeros modo tale che

Dettagli

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario Dpartmeto d Meccaca, Strutture, Ambete e Terrtoro UNIVERSITÀ DEGLI STUDI DI CASSINO Laurea Specalstca Igegera Meccaca: Modulo d Fsca Tecca Lezoe d: Dffereze fte per problem d coduzoe regme stazoaro /20

Dettagli

Lezione 4. La Variabilità. Lezione 4 1

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

Dettagli

6. LA CONCENTRAZIONE

6. LA CONCENTRAZIONE UNIVERSITA DEGLI STUDI DI PERUGIA DIPARTIMENTO DI FILOSOFIA SCIENZE SOCIALI UMANE E DELLA FORMAZIONE Corso d Laurea Sceze per l'ivestgazoe e la Scurezza 6. LA CONCENTRAZIONE Prof. Maurzo Pertchett Statstca

Dettagli

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0) Massm e Mm Fuzo d pù varabl Massm e Mm Dezoe: Sa z = (, ) ua uzoe deta u seme E U puto (, E s dce puto d massmo (rsp mmo) relatvo per (, ) se esste δ > tale che ((, ) B((, ), δ ) E (, ) (, ) (rsp (, )

Dettagli

2. CAMPIONAMENTO CASUALE SEMPLICE 2.1 INTRODUZIONE

2. CAMPIONAMENTO CASUALE SEMPLICE 2.1 INTRODUZIONE . CAMPIOAMETO CASUALE SEMPLICE. ITRODUZIOE Sebbee o sa molto dffuso ella pratca delle dag, l campoameto casuale semplce rappreseta l aturale puto d parteza per lo studo d tutt gl altr dseg campoar. S cosder

Dettagli

frazione 1 n dell ammontare complessivo del carattere A x

frazione 1 n dell ammontare complessivo del carattere A x La Cocetrazoe Il cocetto d cocetrazoe rguarda l modo cu l ammotare totale d u carattere quattatvo trasferble s rpartsce tra utà statstche. Tato pù tale ammotare è addesato u sottoseme d utà, tato pù s

Dettagli

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

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

Dettagli

Lezione 24. Campi finiti.

Lezione 24. Campi finiti. Lezoe 4 Prerequst: Lezo 0,,, 3 Rfermet a test: [FdG] Sezoe 86; [H] Sezoe 79; [PC] Sezoe 63; Cam ft Nelle lezo recedet abbamo vsto dvers esem d cam ft: ess erao tutt del to oure [ x ]/( f ( x )), dove f

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

Analisi di dati vettoriali. Direzioni e orientazioni

Analisi di dati vettoriali. Direzioni e orientazioni Aals d dat vettoral Drezo e oretazo I tal caso, dat soo msurat term d agol e spesso soo rfert al ord geografco (statstca crcolare) Soo rappresetat su ua crcofereza Dat d drezoe: flusso ua specfca drezoe,

Dettagli

Marco Riani - Analisi delle statistiche di vendita 1

Marco Riani - Analisi delle statistiche di vendita 1 ORARIO LEZIONI ANALISI DELLE STATISTICHE DI VENDITA Marco Ra mra@upr.t http://www.ra.t Mercoledì 3 aula Lauree Mercoledì 4 6 aula Lauree Govedì 3 Eserctazoe Semar? LIBRI DI TESTO Teora Ra M., Laur F. 8,

Dettagli

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in Le mede Italo Nofro LE MEDIE Le mede (o valor med) soo dc d tedeza cetrale e costtuscoo u modo semplce ed mmedato per stetzzare u solo valore dat eterogee raccolt u collettvo Statstca medca Le mede Le

Dettagli

CALCOLO DEGLI INDICI STATISTICI

CALCOLO DEGLI INDICI STATISTICI CALCOLO DEGLI INDICI STATISTICI Premessa Le formule d calcolo de prcpal dc statstc (parlamo sostazalmete d meda campoara e varaza campoara) dpedoo dal caso esame qud zamo col fare luce sulla possble casstca.

Dettagli

INDAGINE ESAUSTIVA O CAMPIONARIA?

INDAGINE ESAUSTIVA O CAMPIONARIA? INDAGINE ESAUSTIVA O CAMPIONARIA? S rcorre certamente all ndagne per campone quando la rlevazone completa è mpossble e quando la determnazone delle modaltà possedute dalle untà n esame ne comporta la dstruzone

Dettagli

Regressione e Correlazione

Regressione e Correlazione Regressoe e Correlazoe Probabltà e Statstca - Aals della Regressoe - a.a. 4/5 L aals della regressoe è ua tecca statstca per modellare e vestgare le relazo tra due (o pù) varabl. Nella tavola è rportata

Dettagli

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Uverstà d Macerata Dpartmeto d Sceze Poltche, della Comucazoe e delle Relaz. Iterazoal Gl dc d varabltà Crsta Davo Gl dc stetc Qualche cosderazoe Tedeza cetrale Varabltà La scelta dell dce d tedeza cetrale/poszoe

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 La Legge de Grad Numer Cosderata ua sere d prove rpetute co p par alla probabltà d successo ua sgola prova, l rapporto tra l umero d success K ed l umero d prove tede a p quado tede ad fto: K P p ε per

Dettagli

Capitolo 6 Gli indici di variabilità

Capitolo 6 Gli indici di variabilità Captolo 6 Gl dc d varabltà ommaro. Itroduzoe. -. Il campo d varazoe. - 3. La dffereza terquartle. - 4. Gl scostamet med. -. La varaza, lo scarto quadratco medo e la devaza. - 6. Le dffereze mede. - 7.

Dettagli

Statistica descrittiva

Statistica descrittiva Statstca descrttva Grafc e tabelle permettoo d fare valutazo qualtatve, o quattatve. C è la ecesstà d stetzzare le caratterstche salet d ua varable: dc d locazoe o d poszoe dc d varabltà o dspersoe Questo

Dettagli

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto CORSO DI LAUREA IN ECONOMIA AZIENDALE Metod Statstc per le decso d mpresa (Note ddattche) Bruo Chadotto 5. Campo casual e dstrbuzo campoare - Campo casual Nel Cap. 3 d queste ote s è avuto modo d dstguere

Dettagli

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV Uverstà degl Stud d Napol Partheope Facoltà d Sceze Motore a.a. 011/01 Statstca Lezoe IV E-mal: paolo.mazzocch@upartheope.t Webste: www.statmat.upartheope.t Fuzoe d regressoe Attraverso la fuzoe d regressoe

Dettagli

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

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

Dettagli

Francesco Ciatara ELEMENTI STATISTICA

Francesco Ciatara ELEMENTI STATISTICA Fracesco Catara ELEMENTI d STATISTICA 0 La dstrbuzoe statstca Per llustrare e defre gl uvers, per assemblare le utà grupp, sosttuedo a soggett class equvalet, o meglo, costrure collettv mor costtut da

Dettagli

LE MEDIE. Le Medie. Medie razionali. Medie di posizione

LE MEDIE. Le Medie. Medie razionali. Medie di posizione LE MEDIE RAZIONALI LE MEDIE Msure stetche trodotte per valutare aspett compless e global d ua dstrbuzoe d u feomeo X medate u solo umero reale costruto modo da dsperdere al mmo le formazo su dat orgar.

Dettagli

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza Uverstà degl Stud d Ferrara 2014-2015 Corso TFA - A048 Matematca applcata Ddattca della matematca applcata all ecooma e alla faza 11 marzo 2015 Apput d ddattca della Matematca fazara Redte, ammortamet

Dettagli

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo.

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo. È molto raro che u compoete meccaco sa sollectato a fatca da u carco cclco ad ampezza costate. Geeralmete sa l ampezza che l valore medo della sollectazoe soo varabl el tempo. max a a max m m m m Tempo

Dettagli

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Uverstà d Macerata Facoltà d Sceze Poltche - Ao accademco 01-013013 Gl dc d varabltà Crsta Davo Gl dc stetc Qualche cosderazoe Tedeza cetrale Varabltà La scelta dell dce d tedeza cetrale/poszoe dpede dal

Dettagli

FUNZIONI LOGICHE FORME CANONICHE SP E PS

FUNZIONI LOGICHE FORME CANONICHE SP E PS FUNZIONI LOGICHE FORME CANONICHE SP E PS Ua fuzoe logca può essere espressa quattro forme: 1. attraverso ua proposzoe logca; 2. attraverso ua tabella della vertà; 3. attraverso u espressoe algebrca; 4.

Dettagli

Elementi di Matematica Finanziaria. Rendite e ammortamenti. Università Parthenope 1

Elementi di Matematica Finanziaria. Rendite e ammortamenti. Università Parthenope 1 Elemet d Matematca Fazara Redte e ammortamet Uverstà Partheope 1 S chama redta ua successoe d captal da rscuotere (o da pagare) a scadeze determate S chamao rate della redta sgol captal da rscuotere (o

Dettagli

Capitolo 13 Il modello di regressione lineare

Capitolo 13 Il modello di regressione lineare Captolo 3 Il modello d regressoe leare La fase pù operatva della statstca è dretta alla costruzoe d modell e coè d rappresetazo semplfcate, aalogche e ecessare della realtà attraverso le qual provare a

Dettagli

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti Gorgo Lambert Pag. Dmostrazoe della Formula per la determazoe del umero d dvsor-test d prmaltà, d Gorgo Lambert Eugeo Amtrao aveva proposto l'dea d ua formula per calcolare l umero d dvsor d u umero, da

Dettagli

Statistica degli estremi

Statistica degli estremi Statstca degl estrem Rcham d probabltà e statstca Il calcolo della probabltà d u eveto è drettamete coesso co: - la COOSCEZA ICOMPLETA dell eveto stesso; - l assuzoe d u RISCHIO, calcolato come la probabltà

Dettagli

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo COMPLEMENTI DI STATISTICA L. Greco, S. Naddeo INDICE. GENERALITA SULLA VERIFICA DI IPOTESI. Itroduzoe 4. I test d sgfcatvtà 5.3 Gl tervall d cofdeza 7.4 Le potes alteratve.5 La poteza del test 5.6 Il test

Dettagli

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek MISURE DI TENDENZA CENTRALE Pscometra 1 - Lezoe Lucd presetat a lezoe AA 000/001 dott. Corrado Caudek 1 Suppoamo d dsporre d u seme d msure e d cercare u solo valore che, meglo d cascu altro, sa grado

Dettagli

Le medie. Medie. Medie analitiche. Medie di posizione. Marilena Pillati - Elementi di Statistica e Informatica (SVIC) "Le medie (I parte)"

Le medie. Medie. Medie analitiche. Medie di posizione. Marilena Pillati - Elementi di Statistica e Informatica (SVIC) Le medie (I parte) Marlea Pllat - Elemet d Statsta e Iformata (SVIC) "Le mede (I parte)" Le mede Soo msure stethe he osetoo l passaggo da ua pluraltà d formazo (le modaltà e le rspette frequeze) a ua sola modaltà Nella famgla

Dettagli

Associazione tra due variabili quantitative

Associazione tra due variabili quantitative Esempo (1) Assocazoe tra due varabl quattatve Suppoamo che u professore vogla dmostrare che eserctars a casa aut gl studet el superameto dell esame. esame. A tal fe regstra la votazoe de compt a casa e

Dettagli

Verifica e scelta del modello probabilistico

Verifica e scelta del modello probabilistico Verfca e scelta del modello probablstco L elaborazoe statstca de dat comporta u certo umero d potes, qual ad esempo la forma della dstrbuzoe ed l metodo utlzzato per stmare parametr. Data ua qualsas potes

Dettagli

Indipendenza in distribuzione

Indipendenza in distribuzione Marlea Pllat - Semar d Statstca (SVIC) "Lo studo delle relazo tra due caratter" Aals delle relazo tra due caratter Dpedeza dstrbuzoe s basa sul cofroto delle dstrbuzo codzoate Dpedeza meda s basa sul cofroto

Dettagli

Definizioni. Unità strutturale. Massa dell unità strutturale (M 0.) = 100 a.m.u. Macromolecola o Catena polimerica

Definizioni. Unità strutturale. Massa dell unità strutturale (M 0.) = 100 a.m.u. Macromolecola o Catena polimerica Defzo Utà strutturale (massa o moomero) assa dell utà strutturale (.) a.m.u acromolecola o Catea polmerca grado d polmerzzazoe (DP) massa molecolare x.p. Luda ateral polmerc 6 Defzo Grado d polmerzzazoe

Dettagli

Elementi di Statistica descrittiva Parte III

Elementi di Statistica descrittiva Parte III Elemet d Statstca descrttva Parte III Paaa Idce d asmmetra (/) Idce d forma che esprme l grado d asmmetra (skewess) d ua dstrbuzoe. Sao u, u,,u osservazo umerche. Chamamo dce d asmmetra l espressoe: c

Dettagli

Statistica per le ricerche di mercato. 10. La regressione lineare semplice

Statistica per le ricerche di mercato. 10. La regressione lineare semplice Statstca per le rcerche d mercato A.A. 0/3 Dr. Luca Secod 0. La regressoe leare semplce Il terme regressoe fu trodotto verso la metà dell Ottoceto dall glese Sr Fracs Galto (8-9) che, e suo stud d eugeetca,

Dettagli

Voti Diploma Classico Scientifico Tecn. E Comm Altro

Voti Diploma Classico Scientifico Tecn. E Comm Altro 4 Data la seguete dstrbuzoe doppa de vot rportat ad u esame secodo l Dploma posseduto: Vot 8-3-5 6-8 9-30 Dploma Classco 8 4 5 Scetfco 5 7 7 5 Tec E Comm 8 0 0 Altro 3 a) s calcol la meda artmetca de vot

Dettagli

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno Idc d Poszoe Gl dc s poszoe soo msure stetche ( valor caratterstc ) che descrvoo la tedeza cetrale d u feomeo La tedeza cetrale è, prma approssmazoe, la modaltà della varable verso la quale cas tedoo a

Dettagli

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione Corso d laurea Sceze Motore Corso d Statstca Docete: Dott.ssa Immacolata Scacarello Lezoe 9: Covaraza e correlazoe Altr tp d dpedeza L dce Ch-quadro presetato ella lezoe precedete stablsce l grado d dpedeza

Dettagli

Incertezza di misura

Incertezza di misura Icertezza d msura Itroduzoe e rcham Come gà detto rsultat umerc ottebl dalle msurazo soo trsecamete caratterzzat da aleatoretà è duque sempre ecessaro stmare ua fasca d valor attrbubl come msura al msurado;

Dettagli

NOTA METODOLOGICA PER L ANALISI DELLE CAUSE DI MORTE

NOTA METODOLOGICA PER L ANALISI DELLE CAUSE DI MORTE OTA METODOOGICA PER AAISI DEE CAUSE DI MORTE SITESI METADATI Fote de dat archvo del Regstro d Mortaltà Regoale della Toscaa Area della rlevazoe Utà Satare ocal della Toscaa (suddvsoe 12 U.S.. e rspettve

Dettagli

Indici di asimmetria. Elementi di Statistica descrittiva Parte IV. Simmetria di una distribuzione di frequenze. Primo indice di asimmetria (1/3)

Indici di asimmetria. Elementi di Statistica descrittiva Parte IV. Simmetria di una distribuzione di frequenze. Primo indice di asimmetria (1/3) Smmetra d ua dstrbuzoe d frequeze Ua dstrbuzoe s dce asmmetrca se o è possble dvduare (aalzzado u stogramma) u asse vertcale che tagl la dstrbuzoe due part specularmete ugual Idc d asmmetra Rferedoc a

Dettagli

Modelli di accumulo del danno dovuto a carichi ciclici

Modelli di accumulo del danno dovuto a carichi ciclici Modell d accumulo del dao dovuto a carch cclc Modell d accumulo del dao dovuto a carch cclc È molto raro che u compoete meccaco sa sollectato a fatca da u carco cclco ad ampezza costate. Geeralmete sa

Dettagli

Appunti di STATISTICA corso di recupero Docente Sciacchitano ANTONIA MARIA

Appunti di STATISTICA corso di recupero Docente Sciacchitano ANTONIA MARIA Apput d STATISTICA corso d recupero Docete Scacchtao ANTONIA MARIA Gl error e le machevolezze d quest apput restao a mo carco.soo grata a coloro che vorrao farm pervere,ella prospettva d ua sstemazoe pù

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 3 VARIABILI QUANTITATIVE Indici di centralità, dispersione e forma

STATISTICA DESCRITTIVA - SCHEDA N. 3 VARIABILI QUANTITATIVE Indici di centralità, dispersione e forma Matematca e statstca: da dat a modell alle scelte www.dma.uge/pls_statstca Resposabl scetfc M.P. Rogat e E. Sasso (Dpartmeto d Matematca Uverstà d Geova) STATISTICA DESCRITTIVA - SCHEDA N. 3 VARIABILI

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

MATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 15 SETTEMBRE 2009 C.d.L. ECONOMIA AZIENDALE

MATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 15 SETTEMBRE 2009 C.d.L. ECONOMIA AZIENDALE MATEMATICA FINANZIARIA PROVA SCRITTA DEL 5 SETTEMBRE 009 C.d.L. ECONOMIA AZIENDALE ESERCIZIO a) Il Sg. Ross ogg (t0) uole acqustare u furgoe del alore d 7000 per la sua atttà commercale. A tal fe egl ersa

Dettagli

Matrice: tabella di m righe ed n colonne. A T matrice trasposta di A=(a ij ) di elementi a ijt =a ji. Serena Morigi Università di Bologna 1

Matrice: tabella di m righe ed n colonne. A T matrice trasposta di A=(a ij ) di elementi a ijt =a ji. Serena Morigi Università di Bologna 1 Matrc Matrce: tabella d m rghe ed coloe T matrce trasposta d (a j ) d elemet a jt a j Serea Morg Uverstà d Bologa Matrc Matrce quadrata m sottomatrc Matrce rettagolare m Serea Morg Uverstà d Bologa Matrc

Dettagli

Statistica per le ricerche di mercato. 13. La regressione lineare semplice

Statistica per le ricerche di mercato. 13. La regressione lineare semplice Statstca per le rcerche d mercato A.A. 0/ Prof.ssa Tzaa Lauret Dott. Luca Secod 3. La regressoe leare semplce Il terme regressoe fu trodotto verso la metà dell Ottoceto dall glese Sr Fracs Galto (8-9)

Dettagli

Dott.ssa Marta Di Nicola

Dott.ssa Marta Di Nicola RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quado s cosderao due o pù caratter (varabl) s possoo esamare ache l tpo e l'testà delle relazo che sussstoo tra loro. http://www.bostatstca.uch.tt Nel caso cu per

Dettagli

La probabilità. Il campionamento e l inferenza. L inferenza e la probabilità. campionamento casuale. Dai dati osservati mediante scelta

La probabilità. Il campionamento e l inferenza. L inferenza e la probabilità. campionamento casuale. Dai dati osservati mediante scelta Uverstà d Macerata Dpartmeto d ceze oltche, della Comucazoe e delle Relaz. Iterazoal vee utlzzata per predere decso codzo d certezza L certezza rguarda espermet co pù d u rsultato possble La teora della

Dettagli

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza Uverstà degl Stud d Ferrara 2014-2015 Corso TFA - A048 Matematca applcata Ddattca della matematca applcata all ecooma e alla faza 18 marzo 2015 Apput d ddattca della Matematca fazara Redte, costtuzoe d

Dettagli

Sono misure sintetiche che consentono il passaggio da una pluralità di informazioni a una sola modalità Nella famiglia delle medie si distinguono:

Sono misure sintetiche che consentono il passaggio da una pluralità di informazioni a una sola modalità Nella famiglia delle medie si distinguono: Marlea Pllat - Semar d Statsta (SVIC) "Le mede" Le mede Soo msure stethe he osetoo l passaggo da ua pluraltà d formazo a ua sola modaltà Nella famgla delle mede s dstguoo: mede lashe o d poszoe determate

Dettagli

Statistica descrittiva per l Estimo

Statistica descrittiva per l Estimo Statstca descrttva per l Estmo Paolo Rosato Dpartmeto d Igegera Cvle e Archtettura Pazzale Europa 1-34127 Treste. Itala Tel: +39-040-5583569. Fax: +39-040-55835 80 E-mal: paolo.rosato@da.uts.t 1 A cosa

Dettagli

ELEMENTI DI STATISTICA DESCRITTIVA

ELEMENTI DI STATISTICA DESCRITTIVA ELEMENTI DI STATISTICA DESCRITTIVA S dce duzoe o metodo duttvo l metodo d dage scetfca caratterstco delle sceze spermetal: - s osservao feome che s presetao spotaeamete o che vegoo provocat co espermet,

Dettagli

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto CORO DI LAUREA IN ECONOMIA AZIENDALE Metod tatstc per le decso d mpresa (Note ddattche) Bruo Chadotto 7. Teora del test delle potes I questo captolo s affrota l problema della verfca d potes statstche

Dettagli

Un esempio. le diverse situazioni possibili riferibili alla popolazione, è quella meglio sostenuta dalle evidenze empiriche.

Un esempio. le diverse situazioni possibili riferibili alla popolazione, è quella meglio sostenuta dalle evidenze empiriche. I molte crcostaze l rcercatore s trova a dover decdere quale, tra le dverse stuazo possbl rferbl alla popolazoe, è quella meglo sosteuta dalle evdeze emprche. Ipotes statstca: supposzoe rguardate: u parametro

Dettagli

2 si da eguale peso alle misure senza tener conto dell incertezza, che in generale possono essere diverse.

2 si da eguale peso alle misure senza tener conto dell incertezza, che in generale possono essere diverse. 5 MEDIE PESTE Come combare msure separate? Esempo, msure Msura d : ± Msura d B: B ± B Se s effettua la meda artmetca: B s da eguale peso alle msure seza teer coto dell certezza, che geerale possoo essere

Dettagli

Capitolo 17. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 17.1: Suggerimento

Capitolo 17. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 17.1: Suggerimento Captolo 17 Suggermet agl eercz a cura d Elea Slett Eerczo 17.1: Suggermeto S rcord che X 1, X 2, X 3 oo v.c. dpedet quado le etrazo oo co rpozoe. Uo tmatore T dce o dtorto e l uo valore atteo cocde co

Dettagli