si tratta del test del chi-quadro di adattamento e di quello di indipendenza. 1 l ipotesi che la popolazione segua una legge fissata;
|
|
- Fiora Carlucci
- 7 anni fa
- Visualizzazioni
Transcript
1 di : dado : normale Finora abbiamo visto test d ipotesi per testare ipotesi differenti, ma tutte concernenti il valore atteso di una o due popolazioni. In questo capitolo vediamo come testare 1 l ipotesi che la popolazione segua una legge fissata; 2 l ipotesi che due variabili siano indipendenti si tratta del test del di e di quello di.
2 Esempio: il dado di : dado : normale Partiamo con un esempio che ci aiuta a fissare le idee: ho un dado e mi chiedo se lanciandolo tutte le facce sono equiprobabili: chiamo p 1, p 2, p 3, p 4, p 5, p 6 le probabilità che escano la faccia 1, 2, 3, 4, 5 e 6 rispettivamente. H 0 : p 1 = p 2 = p 3 = p 4 = p 5 = p 6 = 1/6 Come al solito per decidere faremo n lanci. Occorre una statistica (= funzione degli n risultati) per decidere su H 0. Idea: se H 0 è vera la frequenza assoluta osservata di ogni faccia verrà vicina a n/6.
3 Statistica per il dado di : dado : normale La statistica in questo caso particolare (fra poco vedremo la formula generale) è Q = 6 (F a (i) n/6) 2, n/6 i=1 dove F a (i) è il numero di volte che abbiamo osservato la faccia i (= frequenza assoluta osservata di i). Se Q è abbastanza grande rifiuteremo H 0. Resta da capire cosa significhi abbastanza grande.
4 di : dado : normale In generale 1 Dividiamo l insieme dei possibili valori che le singole osservazioni possono assumere in k classi: C 1, C 2,..., C k. 2 Chiamiamo p i la probabilità che una osservazione appartenga alla classe C i. 3 Decidiamo di fare n osservazioni. 4 Ognuna delle classi ha una frequenza assoluta teorica np i e una frequenza assoluta osservata F a (i). 5 La statistica di riferimento è Q = k (np i F a (i)) 2 i=1 np i
5 di Legge Ci serve ora un nuovo tipo di v.a. continua: la χ 2 (n), che si legge a n gradi di libertà. Per ogni n, la v.a. χ 2 (n) può assumere solo valori 0 e densità che ha forma diversa a seconda del valore di n. : dado : normale 0,6 0,5 0,4 0,3 Nero = χ 2 (1) Blu = χ 2 (2) Verde = χ 2 (3) Rosso = χ 2 (4) Arancio = χ 2 (5) 0,2 0,
6 di : dado : normale Teorema del TEOREMA PER TEST CHI-QUADRO La statistica k (np Q = i F a (i)) 2 np i i=1 è una v.a. la cui legge tende (in legge) alla legge chi-quadrato χ 2 (k 1) per n. Se le probabilità p i, invece di essere assegnate a priori, sono calcolate dopo aver stimato r incogniti dai dati del campione, allora Q χ 2 (k 1 r). Regola pratica per approssimare Le approssimazioni Q χ 2 (k 1) e Q χ 2 (k 1 r) valgono se le probabilità p i soddisfano np i 5 per ogni i.
7 di livello α di : dado : normale Se le probabilità p i = P(X 1 C i ) (con k classi), sono determinate senza stimare il test di è H 0 la popolazione ha probabilità p i H 1 la popolazione NON ha probabilità p i Rifiutiamo H 0 se q > χ 2 1 α (k 1) p-value: ᾱ tale che q = χ 2 1 ᾱ (k 1) dove χ 2 1 α (k 1) è il quantile 1 α della legge χ2 (k 1).
8 di livello α di : dado : normale Se le probabilità p i = P(X 1 C i ) (con k classi), sono determinate stimando r il test di è H 0 la popolazione ha probabilità p i H 1 la popolazione NON ha probabilità p i Rifiutiamo H 0 se q > χ 2 1 α (k r 1) p-value: ᾱ tale che q = χ 2 1 ᾱ (k r 1) dove χ 2 1 α (k r 1) è il quantile 1 α della legge χ 2 (k r 1).
9 del di Come per la N(0, 1) e per le Student t(n) anche per i quantili χ 2 (n) ci sono le tavole. : dado : normale
10 di : dado : normale Abbiamo osservato 2000 lanci di un dado, ecco il numero di volte che ciascuna faccia è stata osservata: i F a (i) Si può affermare che il dado non è equilibrato? H 0 : p 1 = p 2 = p 3 = p 4 = p 5 = p 6 = 1/6 Il test χ 2 è applicabile poiché np i = 2000/ per ogni i.
11 di : dado : normale Calcoliamo q = 6 i=1 La statistica (np i F a (i)) 2 ( )2 ( )2 = + np i ( )2 ( ) ( )2 ( ) 2 + = Rifiutiamo H 0, con un livello α, se questo numero è χ 2 1 α (6 1). Prendendo α = 0.025, dato che χ (5) = 12.82, rifiutiamo H 0 e affermiamo che il dado non è equilibrato. Se prendessimo α = 0.01, dato che χ (5) = 15.09, accetteremmo H 0 e affermeremmo che non c è sufficiente evidenza che il dado non sia equilibrato. Il p-value è compreso fra e 0.01.
12 : N(0, 1) di : dado : normale (Dall eserciziario di Baldi-Ladelli-Giuliano, McGraw-Hill). Un software statistico afferma di essere in grado di generare numeri a caso, in modo che la legge sia una N(0, 1). Vogliamo testare questa affermazione e osserviamo 100 numeri, suddividendoli in 4 classi. Classe (, 1] (-1,0] (0,1] (1, + ) F a (i) Possiamo dire che il software non è affidabile?
13 Le p i di : dado : normale Dobbiamo calcolare le probabilità teoriche che una osservazione cada nelle classi: P(N(0, 1) 1) = Φ( 1) = 0.16; P( 1 < N(0, 1) 0) = Φ(0) Φ( 1) = 0.34; e per simmetria si ricavano le altre due. Classe (, 1] (-1,0] (0,1] (1, + ) F a (i) Probabilità np i Il test χ 2 è applicabile poiché np i = 100p i 5 per ogni i.
14 di : dado : normale Calcoliamo q = k (np i F a (i)) 2 i=1 np i La statistica (13 16)2 (31 34)2 = (40 34)2 (16 16) 2 + = Rifiutiamo H 0, con un livello α, se questo numero è χ 2 1 α (4 1). Con α = 0.05, dato che χ (3) = 7.815, accettiamo H 0 (e il p-value è superiore a 0.05). Non c è sufficiente evidenza che il software non sia affidabile.
15 : N(µ, σ 2 ) di : dado : normale La pressione massima misurata in 100 persone ha portato i seguenti dati (arrotondiamo all intero): Valori Num.osservazioni Valori Num.osservazioni Il modello normale è valido per descrivere questi dati?
16 Stima per µ e σ 2 di : dado : normale Valore atteso e varianza non sono dati, perciò li stimiamo con la media e la varianza campionarie. Utilizziamo la somma dei dati e la somma dei quadrati (forniti da un qualsiasi software matematico): 100 x i = 12032; i=1 100 xi 2 = i=1 x n = ; s 2 n = (120.32)2 = 8.40.
17 Divisione in classi di : dado : normale Ora bisogna dividere i valori in classi in modo che in ciascuna di esse la N(120.32, 8.40) abbia frequenza assoluta teorica 5. Si fanno tentativi, ad esempio questa divisione funziona (la frequenza teorica è n per la probabilità che una N(120.32, 8.40) stia in quella classe): Classi Freq.ass.osservata Freq.ass.teorica (, 116] (116,118] (118,120] (120,122] (122, 124] (124, + )
18 di : dado : normale Calcoliamo q = k (np i F a (i)) 2 i=1 np i La statistica ( )2 ( )2 ( )2 = ( )2 ( )2 (10.2 7) = Rifiutiamo H 0, con un livello α, se questo numero è χ 2 1 α (6 2 1). Con α = 0.05, dato che χ (3) = 7.815, accettiamo H 0 (e il p-value è superiore a 0.05). Non c è sufficiente evidenza che il modello normale non descriva bene la pressione arteriosa.
19 di : dado : normale Il test del può essere anche utilizzato quando si ha un campione di osservazioni accoppiate (X 1, Y 1 ),...,(X n, Y n ) per decidere se accettare o meno l ipotesi H 0 : le misurazioni X e le Y sono indipendenti.
20 Costruiamo il test di : dado : normale 1 Dividiamo l insieme dei possibili valori che le singole X possono assumere in k classi: A 1, A 2,..., A k. Allo stesso modo dividiamo l insieme dei possibili valori che le singole Y possono assumere in j classi: B 1, B 2,..., B j. Otteniamo una tabella di questo tipo: }{{} Y A 1 A k B 1 B j
21 Completiamo la tabella di : dado : normale 2 Facciamo n osservazioni. 3 Nella casella (A i, B m ) mettiamo il numero di osservazioni accoppiate in cui la coordinata X sta in A i e la Y in B m. Dunque è la frequenza assoluta osservata della casella (A i, B m ): la indichiamo con F a (i, m). 4 Sommando sulle colonne otteniamo il numero di volte che abbiamo trovato X in A i, la frequenza assoluta osservata della A i : F X (i). 5 Sommando sulle righe otteniamo il numero di volte che abbiamo trovato Y in B m, la frequenza assoluta osservata della B m : F Y (m).
22 Tabella delle frequenze di : dado : normale }{{} Y A 1 A k F Y B 1 F a (1, 1) F a (k, 1) F Y (1) B j F a (1, j) F a (k, j) F Y (j) F X F X (1) F X (k) n
23 Esempio di : dado : normale Campione con X e Y che assumono solo valori interi: (1,2), (1,1), (1,1), (2,3), (2,2), (2,1), (2,1), (1,3), (2,3), (3,2) }{{} Y F Y F X
24 di : dado : normale Stimiamo le probabilità per X e Y : Stimiamo le probabilità P(X A i ) F X(i) = p X (i), n P(Y B m ) F Y(m) = p Y (m). n Idea: se X e Y sono indipendenti vale P(X A i, Y B m ) p X (i) p Y (m) e inoltre la casella (A i, B m ) ha una frequenza assoluta teorica pari a n p X (i) p Y (m) = F X(i)F Y (m). n
25 di : dado : normale Frequenze teoriche e osservate Abbiamo una tabella di frequenze osservate }{{} Y A 1 A k B 1 F a (1, 1) F a (k, 1) B j F a (1, j) F a (k, j) e una di frequenze teoriche }{{} Y \ X } A 1 A k B 1 F X (1)F Y (1) F X (k)f Y (1) n n F B X (1)F Y (j) j n F X (k)f Y (j) n = ci riconduciamo a un test di.
26 Quante classi e quanti stimati? di : dado : normale Le classi sono j k. Abbiamo stimato k 1 probabilità per X: p X (1),, p X (k 1). Infatti p X (k) viene ricavato dal fatto che deve essere k i=1 p X (i) = 1. Allo stesso modo abbiamo stimato j 1 probabilità per Y : p Y (1),, p Y (j 1). I gradi di libertà della χ 2 saranno allora j k (j 1) (k 1) 1 = (j 1)(k 1).
27 di : dado : normale La statistica di riferimento è d k j (F Q = X (i)f Y (m)/n F a (i, m)) 2 F X (i)f Y (m)/n i=1 m=1 e il test H 0 X e Y sono indipendenti H 1 X e Y NON sono indipendenti Rifiutiamo H 0 se q > χ 2 1 α ((j 1) (k 1)) p-value: ᾱ tale che q = χ 2 1 ᾱ ((j 1) (k 1)) dove χ 2 1 α (h) è il quantile 1 α della legge χ2 (h).
28 di : dado : normale (Dal libro Appunti di Metodi matematici e statistici, autore P.Baldi, editore CLUEB). La Cicindela fulgida è una specie di coleottero. Si vuole capire se la sua colorazione (rosso brillante oppure non rosso) dipende dalla stagione oppure no. Si studiano n=671 esemplari con risultato la seguente tabella: periodo }{{} \ colore } rosso non rosso F periodo inizio primavera tarda primavera inizio estate tarda estate F colore
29 di : dado : normale Le frequenze osservate e quelle teoriche Le frequenze teoriche periodo \ colore } }{{} rosso non rosso inizio primavera tarda primavera inizio estate 8 31 tarda estate periodo \ colore } rosso non rosso }{{} inizio primavera 671 = tarda primavera = inizio estate = tarda estate = = = = =56.7
30 La statistica di : dado : normale Ci sono 8 classi: calcoliamo q = 8 (freq.teoriche freq.osservate) 2 i=1 = = freq.teoriche Rifiutiamo H 0, con un livello α, se questo numero è χ 2 1 α ((2 1)(4 1)) = χ2 1 α (3). Con α = 0.01, dato che χ (3) = 11.34, rifiutiamo H 0 (e il p-value è inferiore a 0.01): c è sufficiente evidenza che il colore è correlato alla stagione.
Test per una media - varianza nota
Situazione Test per una media - varianza nota Popolazione N(µ,σ 2 ); varianza σ 2 nota. µ 0 numero reale fissato. Test di livello α per µ Statistica: Z n = X n µ 0 σ/ n. H 0 H 1 Rifiutiamo H 0 se p-value
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliI appello di calcolo delle probabilità e statistica
I appello di calcolo delle probabilità e statistica A.Barchielli, L. Ladelli, G. Posta 8 Febbraio 13 Nome: Cognome: Matricola: Docente: I diritti d autore sono riservati. Ogni sfruttamento commerciale
DettagliEsame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 6 1 Test ed intervalli di confidenza per una popolazione Esercizio n. 1 Il calore (in calorie
DettagliStatistica Matematica A - Ing. Meccanica, Aerospaziale II prova in itinere - 2 febbraio 2005
Statistica Matematica A - Ing. Meccanica, Aerospaziale II prova in itinere - 2 febbraio 2005 c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Esercizio
DettagliEsercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/2003 e del 14/1/2003
Esercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/003 e del 14/1/003 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 2015-16 P.Baldi Lista di esercizi 4, 11 febbraio 2016. Esercizio 1 Una v.a.
DettagliEsercitazione 8 maggio 2014
Esercitazione 8 maggio 2014 Esercizio 2 dal tema d esame del 13.01.2014 (parte II). L età media di n gruppo di 10 studenti che hanno appena conseguito la laurea triennale è di 22 anni. a) Costruire un
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliLa verifica delle ipotesi
La verifica delle ipotesi Se abbiamo un idea di quale possa essere il valore di un parametro incognito possiamo sottoporlo ad una verifica, che sulla base di un risultato campionario, ci permetta di decidere
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 giugno 26 Statistica Esercizio Sia {X n } n una famiglia di v.a. di media µ e varianza σ 2. Verificare che X = n n X i σ 2 = n (X i µ) 2 S 2 = n
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 2010-11 P.Baldi Lista di esercizi 3. Corso di Laurea in Biotecnologie Esercizio 1 Una v.a. X segue una legge N(2, ). Calcolare a1) P(X 1) a2) P(2
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliLezione 16. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 16. A. Iodice. Ipotesi statistiche
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 23 Outline 1 2 3 4 5 6 () Statistica 2 / 23 La verifica delle ipotesi Definizione Un ipotesi statistica
DettagliINFERENZA STATISTICA I (CANALE B)
INFERENZA STATISTICA I (CANALE B) FORMULE E TAVOLE a.a. 2005/06 Indice A. Formule 2 B. Quantili di una distribuzione normale standard 4 C. Quantili di una distribuzione t di Student 5 D. Quantili di una
DettagliEsame di Istituzioni di Matematica II del 18 gennaio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola
Esame di Istituzioni di Matematica II del 8 gennaio 00 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola Es. Es. Es. 3 Es. 4 Somma Voto finale Attenzione: si
DettagliEsame di Istituzioni di Matematiche II del 11 luglio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola
Esame di Istituzioni di Matematiche II del 11 luglio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliTest delle ipotesi sulla media.
. Caso di un singolo campione. Varianza nota.. Ipotesi alternativa bilaterale Test delle ipotesi sulla media. Valore medio η e deviazione standard σ della popolazione note. η è il valore stimato dal nostro
DettagliINFERENZA STATISTICA I (CANALE B)
INFERENZA STATISTICA I (CANALE B) FORMULE E TAVOLE PER L ESAME a.a. 2003/04 Indice A. Formule 2 B. Quantili di una distribuzione normale standard 4 C. Quantili di una distribuzione t di Student 5 D. Quantili
DettagliAmericani Inglesi Firenze Roma Provare l ipotesi che la nazionalità non influisca sulla scelta della meta.
TEST D IPOTESI 1 Le resistenze alla rottura delle funi prodotte da una fabbrica hanno una media pari a µ = 1800N ed uno scarto quadratico medio di σ = 100N Immettendo una nuova tecnica nel processo produttivo,
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliStatistica descrittiva in due variabili
Statistica descrittiva in due variabili 1 / 65 Statistica descrittiva in due variabili 1 / 65 Supponiamo di misurare su un campione statistico due diverse variabili X e Y. Indichiamo come al solito con
DettagliUlteriori applicazioni del test del Chi-quadrato (χ 2 )
Ulteriori applicazioni del test del Chi-quadrato (χ 2 ) Finora abbiamo confrontato con il χ 2 le numerosità osservate in diverse categorie in un campione con le numerosità previste da un certo modello
DettagliEsercitazione 8 del corso di Statistica 2
Esercitazione 8 del corso di Statistica Prof. Domenico Vistocco Dott.ssa Paola Costantini 6 Giugno 8 Decisione vera falsa è respinta Errore di I tipo Decisione corretta non è respinta Probabilità α Decisione
DettagliEsame di Statistica del 16 aprile 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola
Esame di Statistica del 16 aprile 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliEsercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017
Esercitazione 5 - Statistica (parte II) Davide Passaretti 9/3/2017 Contents 1 Inferenza sulla regressione semplice 1 1.1 Test sulla pendenza della retta................................... 1 1.2 Test sull
DettagliGli errori nella verifica delle ipotesi
Gli errori nella verifica delle ipotesi Nella statistica inferenziale si cerca di dire qualcosa di valido in generale, per la popolazione o le popolazioni, attraverso l analisi di uno o più campioni E
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
DettagliCapitolo 8. Probabilità: concetti di base
1 Capitolo 8 Probabilità: concetti di base Statistica - Metodologie per le scienze economiche e sociali 2/ed S. Borra, A. Di Ciaccio Copyright 2008 The McGraw-Hill Companies srl 2 Concetti primitivi di
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE. a.a.
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 1,00 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,00 CDF empirica
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliSOLUZIONE. a) Calcoliamo il valore medio delle 10 misure effettuate (media campionaria):
ESERCIZIO SU TEST STATISTICO (Z, T e χ ) Da una ditta di assemblaggio di PC ci viene chiesto di controllare la potenza media dissipata da un nuovo processore, che causa a volte problemi di sovraccarico
DettagliProva d'esame di Statistica I - Corso Prof.ssa S. Terzi
Prova d'esame di Statistica I - Corso Prof.ssa S. Terzi Esercizio 1 Data la variabile casuale X con funzione di densità f(x) = 2x, per 0 x 1; f(x) = 0 per x [0, 1], determinare: a) P( - 0,5 < X< 0,7) b)
DettagliIl χ 2 (Pearson, 1900)
Il χ 2 (Pearson, 1900) Relazioni tra variabili: le tabelle di contingenza "The Physicians' Health Study" è uno studio clinico randomizzato condotto allo scopo di valutare il possibile eetto di riduzione
DettagliIl Test di Ipotesi Lezione 5
Last updated May 23, 2016 Il Test di Ipotesi Lezione 5 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Il test di ipotesi Cuore della statistica inferenziale!
DettagliTest d ipotesi: confronto fra medie
Test d ipotesi: confronto fra medie Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona CONFRONTO FRA MEDIE 1) confronto fra una media campionaria e una media di popolazione
DettagliVariabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliSTATISTICA ESERCITAZIONE 13
STATISTICA ESERCITAZIONE 13 Dott. Giuseppe Pandolfo 9 Marzo 2015 Errore di I tipo: si commette se l'ipotesi nulla H 0 viene rifiutata quando essa è vera Errore di II tipo: si commette se l'ipotesi nulla
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliEsercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 23/5/2017
Esercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 3/5/017 Contents 1 Intervalli di confidenza 1 Intervalli su un campione 1.1 Intervallo di confidenza per la media................................
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliTest per l omogeneità delle varianze
Test per l omogeneità delle varianze Le carte di controllo hanno lo scopo di verificare se i campioni estratti provengono da un processo produttivo caratterizzato da un unico valore dello s.q.m. σ. Una
DettagliZ-test, T-test, χ 2 -test
Z-test, T-test, χ 2 -test Francesco Corrias Chiara Todaro DIMA 13 febbraio 2012 Francesco Corrias Chiara Todaro (DIMA) Z-test, T-test, χ 2 -test 13 febbraio 2012 1 / 19 Verifica d ipotesi Definizione (Test
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
DettagliIL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI
IL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI Perchè confrontare le varianze stimate in due campioni? Torniamo all'esempio dei frinosomi Per poter applicare il test t avevamo detto che le varianze, e
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliTest F per la significatività del modello
Test F per la significatività del modello Per verificare la significatività dell intero modello si utilizza il test F Si vuole verificare l ipotesi H 0 : β 1 = 0,, β k = 0 contro l alternativa che almeno
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
DettagliMETODO DEI MINIMI QUADRATI
METODO DEI MINIMI QUADRATI Torniamo al problema della crescita della radice di mais in funzione del contenuto di saccarosio nel terreno di coltura. Ripetendo varie volte l esperimento con diverse quantità
Dettaglilezione 8 AA Paolo Brunori
AA 2016-2017 Paolo Brunori regressione multipla con n = k Immaginate di voler studiare i determinanti del voto all esame di econometria Y = β 1 X 1 + u Y i = β 1 H i + u i H=ore studiate alla settimana
DettagliTest per la correlazione lineare
10 Test per la correlazione lineare Istituzioni di Matematica e Statistica 2015/16 E. Priola 1 Introduzione alla correlazione lineare Problema: In base ai dati che abbiamo possiamo dire che c è una qualche
DettagliIpotesi statistiche (caso uno-dimensionale) Ipotesi poste sulla (distribuzione di) popolazione per raggiungere una decisione sulla popolazione stessa
Ipotesi statistiche (caso uno-dimensionale) Ipotesi poste sulla (distribuzione di) popolazione per raggiungere una decisione sulla popolazione stessa L ipotesi che si vuole testare: H 0 (ipotesi nulla)
DettagliCalcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17
Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale aa 6/ Punteggi: : 3 + 6; : + + + ; 3: + Una scatola contiene monete; 8 di queste sono equilibrate, mentre le
DettagliEsame di Statistica del 14 dicembre 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola
Esame di Statistica del dicembre 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. 2 Es. 3 Es. Somma Voto finale Attenzione: si consegnano
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliStatistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi
Esercitazione 14 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 14 Ex.1: Verifica Ipotesi sulla media (varianza nota) Le funi prodotte da un certo macchinario hanno una
DettagliTest di ipotesi. Test
Test di ipotesi Test E una metodologia statistica che consente di prendere una decisione. Esempio: Un supermercato riceve dal proprio fornitore l assicurazione che non più del 5% delle mele di tipo A dell
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliDue variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
DettagliCORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità Lezioni di Statistica VARIABILITA Si definisce variabilità la proprietà di alcuni fenomeni di assumere
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra, A. Di Ciaccio - McGraw Hill Es.. Soluzione degli esercizi del capitolo 4 4. Il sistema d ipotesi è: μ 7, H : μ 7, Essendo 0 : t,
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
Dettaglix ;x Soluzione Gli intervalli di confidenza possono essere ottenuti a partire dalla seguente identità: da cui si ricava: IC x ;x = +
ESERCIZIO 6.1 Si considerino i 0 campioni di ampiezza n = estratti da una popolazione X di N = 5 elementi distribuiti normalmente, con media µ = 13,6 e σ = 8,33. A partire dalle 0 determinazioni della
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 7 1.Test χ 2 di adattamento Esercizio # 1.1 L azienda di materiale elettronico Cortocircuito
Dettaglilezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1
lezione n. 6 (a cura di Gaia Montanucci) METODO MASSIMA VEROSIMIGLIANZA PER STIMARE β 0 E β 1 Distribuzione sui termini di errore ε i ε i ~ N (0, σ 2 ) ne consegue : ogni y i ha ancora distribuzione normale,
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliCP110 Probabilità: Esonero 1. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 1 aprile, 2010 CP110 Probabilità: Esonero 1 Testo e soluzione 1. (7 pt Una scatola contiene 15 palle numerate da 1 a 15. Le palle
Dettagli= , 30 )
0/2000 Una serie di 22 misurazioni del numero di ottano della benzina prodotta da varie compagnie ha rilevato una media di 93 ed uno scostamento quadratico medio corretto di 0.8. Qual è l intervallo di
DettagliPROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE
Matematica e statistica: dai dati ai modelli alle scelte wwwdimaunige/pls_statistica Responsabili scientifici MP Rogantin e E Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica parte 1 Massimo Guerriero Ettore Benedetti Indice Esercizi Presentazione dei dati Misure di sintesi numerica Probabilità Distribuzioni teoriche di probabilità Distribuzione
DettagliElementi di base su modello binomiale e modello normale
Elementi di base su modello binomiale e modello normale (alcune note) Parte 1: il modello binomiale Di fondamentale importanza nell analisi della qualità sono i modelli. I due principali modelli statistico-probablistici
DettagliSTATISTICA 1 ESERCITAZIONE 6
STATISTICA 1 ESERCITAZIONE 6 Dott. Giuseppe Pandolfo 5 Novembre 013 CONCENTRAZIONE Osservando l ammontare di un carattere quantitativo trasferibile su un collettivo statistico può essere interessante sapere
DettagliMatricola: Corso: 1. (4 Punti) Stimare la variazione del reddito quando il prezzo del prodotto finale raddoppia.
Facoltà di Economia Statistica Esame 3-12/04/2010: A Cognome, Nome: Matricola: Corso: Problema 1. Per 5 imprese imprese è stato rilevato il reddito quinquennale medio (in milioni di euro), y, e il corrispondente
DettagliSTIMA PUNTUALE E PER INTERVALLO
STIMA PUNTUALE E PER INTERVALLO Legacy Edition Copyright 25 ottobre 2012 Luca La Rocca luca.larocca@unimore.it UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA Indice 2 Introduzione Stima puntuale ed errore
DettagliStatistica Metodologica Avanzato Test 1: Concetti base di inferenza
Test 1: Concetti base di inferenza 1. Se uno stimatore T n è non distorto per il parametro θ, allora A T n è anche consistente B lim Var[T n] = 0 n C E[T n ] = θ, per ogni θ 2. Se T n è uno stimatore con
DettagliLa simulazione con DERIVE Marcello Pedone LE SIMULAZIONI DEL LANCIO DI DADI CON DERIVE
LE SIMULAZIONI DEL LANCIO DI DADI CON DERIVE Premessa Abbiamo già visto la simulazione del lancio di dadi con excel Vedi: http:///statistica/prob_simu/index.htm Ci proponiamo di ottenere risultati analoghi
DettagliProgrammazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di
DettagliEsercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa.
Statistica Matematica A Esercitazione # 6 DUE MEDIE CON VARIANZE NOTE: Esercizio # Le ditte A e B producono sfere luminose. Una volta attivata la reazione chimica che rende luminosa una di queste sfere,
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliModelli Log-lineari Bivariati
Modelli Log-lineari Bivariati Luca Stefanutti Università di Padova Dipartimento di Psicologia Applicata Via Venezia 8, 35131 Padova L.Stefanutti (Università di Padova) Modelli Log-lineari 1 / 71 Contenuti
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliVerifica di ipotesi. Parte VI. Verifica di ipotesi
Parte VI Verifica di ipotesi Definizione (Sistema di ipotesi) Nell ambito di un modello statistico parametrico, un sistema di ipotesi statistiche è costituito da due congetture, incompatibili, sul parametro
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
DettagliMETODO DEI MINIMI QUADRATI
Vogliamo determinare una funzione lineare che meglio approssima i nostri dati sperimentali e poter decidere sulla bontà di questa approssimazione. Sia f(x) = mx + q, la coppia di dati (x i, y i ) appartiene
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2016/17
II Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 6/7 Martedì 4 febbraio 7 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliCognome e Nome:... Corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 201 Cognome e Nome:................................................................... Corso di laurea:.......................................................................
Dettaglit (min) UH (1/min) Tabella 1. Idrogramma unitario
Esercizio n 1 Assegnato l idrogramma unitario riportato in tabella 1 calcolare l idrogramma alla sezione di chiusura di un bacino di 500 ha a fronte dello ietogramma di pioggia totale riportato in tabella
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
Dettagli