Popolazione e Campione
|
|
- Uberto Mauri
- 7 anni fa
- Visualizzazioni
Transcript
1 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 u ipotesi sul valore di θ? CAMPIONE: Sottoisieme della popolazioe Come devoo essere scelte le uità apparteeti al campioe? CAMPIONE CASUALE Ciascua uità ha probabilità > 0 di essere estratta
2 Il campioe casuale Campioe casuale No è u campioe a casaccio!!! E u campioe scelto da ua popolazioe i cui ciascua uità ha ua probabilità o ulla di essere estratta. Campioe casuale semplice E u campioe scelto da ua popolazioe i cui ciascua uità ha la stessa probabilità di essere estratta.
3 I 3 elemeti dell ifereza Popolazioe Campioe Campioe osservato X ~ f ( x; ϑ) ( X, X,, X ) ( x, x,, x ) Spazio campioario: isieme di tutti i possibili campioi Prima dell estrazioe, il campioe è costituito da ua -pla di variabili casuali Se il campioe è formato da elemeti, ogi suo elemeto può essere cosiderato come la realizzazioe della variabile casuale X i, idicado co X i la i-esima estrazioe della v.c. X. Variabili casuali osservazioi campioarie X ~ f x; ϑ i =,,, i Ciascua variabile X i ha la stessa distribuzioe della variabile casuale che descrive la popolazioe
4 I pratica, data la popolazioe: X~f(x, µ, σ ) µ X =00 σ X = Mi(X i )=50 Max(X i )=80 Se: C = umero dei possibili campioi estraibili da X = 8 = ampiezza di ogi campioe Si avrao 8 v.c. X i osservazioe campioaria : X X X 3 X 4 X 5 X 6 X 7 X 8 a oss. a oss. 3 a oss. 4 a oss. 5 a oss. 6 a oss. 7 a oss. 8 a oss. campioe x x x 3 x 4 x 5 x 6 x 7 x 8 campioe x x x 3 x 4 x 5 x 6 x 7 x 8 3 campioe : x 3 x 3 x 33 x 34 x 35 x 36 x 37 x 38 C campioe x C x C x C3 x C4 x C5 x C6 x C7 x C8 I questo seso: Prima dell estrazioe il campioe è ua -pla di variabili casuali (i questo caso = 8): X,, X 8 Ciascu campioe x,, x 8 e costituisce ua determiazioe Le determiazioi di ogi X i soo i totale C
5 Ciascua v.c. osservazioe campioaria, X i, ha la stessa distribuzioe e gli stessi parametri della variabile X ella popolazioe. Se: X~f(x, θ) µ X =00 σ X = Mi(X i )=50 Max(X i )=80 i si ha: X i ~f(x, θ) µ X i =00 σ Xi = Mi(X i)=50 Max(X i )=80 X~f(x, θ) X X X 3 X 4 X 5 X 6 X 7 X 8 a oss. a oss. 3 a oss. 4 a oss. 5 a oss. 6 a oss. 7 a oss. 8 a oss. campioe campioe 3 campioe : C campioe
6 Statistiche e parametri Poiché ciascua osservazioe campioaria X i è ua variabile casuale, ogi fuzioe f(x,, X ) delle osservazioi campioarie sarà essa stessa ua variabile casuale ed è detta statistica Esempi: ( ) f X,,X = x = x + x + + x ( ) i i f X,,X = x = x x x i i f X,,X x x x x ( ) = i = ( ) i Quidi, i valori otteuti attraverso ua qualsiasi trasformazioe dei valori osservati vegoo chiamate statistiche, metre i rispettivi valori della popolazioe, che soo delle costati, vegoo defiiti parametri. Esempi: Media campioaria X = x + x + + x ( ) Statistica Media della popolazioe µ Parametro
7 Statistiche e statistiche calcolate Si defiisce statistica T = T(X, X,, X ) ua qualsiasi fuzioe a valori reali del campioe casuale (X, X,, X ) che o dipede da quatità icogite. Il valore della statistica T calcolata sul campioe osservato (x, x,, x ) costituisce la statistica calcolata t = T(x, x,, x ). T statistica Variabile casuale t statistica calcolata Realizzazioe della variabile casuale T
8 La distribuzioe campioaria Ogi statistica è, duque, ua sitesi delle variabili casuali campioarie media campioaria X = Xi i= variaza campioaria variaza campioaria corretta S X X = i i= S X X = i i= Dato u campioe casuale (X, X,, X ), defiita la statistica T = T(X, X,, X ), fuzioe delle osservazioi campioarie, la distribuzioe di probabilità della statistica T(X, X,, X ) al variare del campioe viee defiita distribuzioe campioaria di T.
9 La media campioaria La variabile casuale media campioaria, X, è ua combiazioe lieare delle variabili casuali osservazioi campioarie X i, i=,..,. X = Xi i= Le variabili casuali X, X,, X soo idipedeti e ideticamete distribuite alla variabile X ella popolazioe, co media µ e variaza σ. E importate defiire la distribuzioe di X, ma prima acora determiare il valore atteso e la variaza. E ( X) = Var ( X) = Idetificao il valore cetrale e la variabilità di ua variabile casuale I geerale, data ua v.c. X cooscere E(X) e Var(X) sigifica cooscere due parametri cruciali della distribuzioe di X, ossia due caratteristiche fodametali della v.c.
10 Distribuzioe di probabilità di ua v.c. X Descrive come varia la probabilità al variare dei possibili valori della X (di tutte le uità statistiche della popolazioe) Distribuzioe campioaria di ua statistica T (fuzioe delle x i ) Descrive come varia la probabilità al variare dei possibili risultati di T calcolata (i teoria) su tutti i possibili campioi proveieti dalla popolazioe Esempio: distribuzioe campioaria della media campioaria Descrive come varia la probabilità al variare dei possibili valori della media calcolata (ipoteticamete) i tutti i possibili campioi estraibili dalla popolazioe
11 Somma di variabili casuali S = X = X + X + + X i i= E S = E X i = µ i = Var S = Var X = σ i = Media di variabili casuali i X, X,, X E X i = µ, i ( i ) Var X = σ, i X idipedeti i X = X = X + X + + X i i= E X = µ E X = E X + E X + + E X = µ = µ Var X σ = Var ( X) = Var ( X ) + Var ( X ) + + Var ( X ) = σ = σ =
12 U esempio Estrazioe co reitroduzioe Popolazioe: X N=3 µ = 7,33 σ = 4, Campioe: = = Xi i= campioe X X X 5 5 5, , , , , , , , ,0 Media 7,33 7,33 7,33 Variaza 4, 4,, Media di variabili casuali E X = E X + E X + + E X = µ = µ ( ) ( ) ( ) Var X = Var X + Var X + + Var X = σ = σ =
13 U esempio Estrazioe seza reitroduzioe Popolazioe: X N=3 µ = 7,33 σ = 4, Campioe: = = Xi i= campioe X X X 5 7 6, , , , , ,5 Media 7,33 7,33 7,33 Variaza 4, 4,,06 Media di variabili casuali E X = µ Var X σ N = N Ma quado N è grade: N N Var X σ
14 Qualche osservazioe Campioameto co reitroduzioe (CCR) µ ; Var ( X) E X = = σ Campioameto seza reitroduzioe (CSR) µ ; Var ( X) E X σ N = = N =: i risultati otteuti co lo schema di CCR coicidoo co quelli otteuti el CSR; =N: la variaza della media campioaria ello schema di CSR è ulla. I questo caso, ifatti, il campioe coicide co la popolazioe e o si ha più alcua icertezza legata al campioameto; <N: il fattore di correzioe utilizzato ello schema di CSR è <. Questo vuol dire che la variaza della media campioaria el CSR è miore di quella che si ottiee el CCR; molto piccola rispetto alla umerosità della popolazioe N: il fattore di correzioe per lo schema di CSR è prossimo a. La differeza tra i due schemi può quidi essere cosiderata trascurabile.
15 La distribuzioe della media campioaria!!! Se è oto che: X ~ N(µ, σ )!!! Allora si sa ache: i= X i ~ N(µ, σ ) i X = X ~ N (?,?) i Campioameto co reitroduzioe Campioameto seza reitroduzioe µ Var ( X) E X = = σ µ Var ( X) E X σ N = = N X µ ~ N 0, σ X σ µ N N ~ N 0, Ma se o si coosce la distribuzioe di X???
16 Teorema limite cetrale Lideberg-Levy Data ua successioe X di variabili casuali X, X,, X, idipedeti e ideticamete X + X + + X distribuite co media µ e variaza σ costati, defiita la variabile casuale X E ( X ) e la sua stadardizzazioe Z =, al crescere di si ha che Z N(0, ) (Z tede Var ( X ) ad ua Normale stadardizzata) Lideberg-Cramer X = Il teorema limite cetrale resta valido ache quado la successioe X è formata da variabili casuali che o soo ideticamete distribuite, purché ciascua v.c. X i sia idipedete dalle altre e abbia mometi primi e secodi fiiti (µ e σ o ecessariamete costati). Ioltre: I altre parole Sotto codizioi molto geerali, la somma di v.c. idipedeti è asitoticamete Normale, e questo è vero qualuque sia il tipo di distribuzioe di ciascua delle X i. ( ) S E S Z = N 0, Var S Tutte le volte che u feomeo reale può essere iterpretato come la somma, oppure la media, di u gra umero di cause idipedeti, idipedetemete dai modelli probabilistici che geerao le sigole variabili casuali è ragioevole attedersi che la distribuzioe di probabilità di quel feomeo possa essere approssimabile mediate la v.c. Normale.
17 Esempio U produttore di cosmetici ha 500 veditori porta a porta che, mediamete, ell ultimo mese hao realizzato vedite per u valore pari a µ = 300 $ e co s.q.m. σ = 450 $. Si estrae u campioe di 64 veditori, seza reimmissioe. Qual è la probabilità che questo gruppo abbia realizzato, i media ell ultimo mese, vedite per u valore iferiore a 3000 $? Soluzioe X = vedite idividuali, distribuzioe o ota N = 500 µ = 300 $ σ = 450 $ = 64 ( 64 ) P X < 3000 =? Teorema limite cetrale ( ) ( ) X E X Z = N 0, Var X X64 µ P X < = < P σ N N = P Z < = P ( Z <,8) = , 035
18 Esempio Le fui di sostego di u pote soo formate da cavi di acciaio. La resisteza alla trazioe di ogi cavo è ua variabile casuale co media µ = 0, toellate e s.q.m. σ = 0,06 toellate. Assumedo che ua fue abbia ua resisteza alla trazioe uguale alla somma delle resisteze dei cavi che la compogoo, si calcoli: a)la probabilità che ua fue costituita da 00 cavi sopporti ua trazioe di 9 toellate; b)il umero di cavi ecessario affiché ua fue sopporti u carico di 0 toellate co probabilità 0,99. Soluzioe X i = resisteza del cavo i X i : µ = 0, σ = 0,06 X i iid; distribuzioe o ota X = resisteza della fue composta da cavi Teorema limite cetrale ( ) S E S Z = N 0, Var S a) = i = X X µ = µ = 00 0, = 0 P X > 9 =? 00 X 00 σ = σ = 00 0, 0036 = 0,36 X 00 X N 0; P ( X > 9) = P Z > = P ( Z >,67 ) = 0, ,6 00
19 b) P X > 0 = 0,99 Cerchiamo quel valore di tale che: 0 µ P Z = 0,99 σ 0 µ 0 µ 0 0, 0 0, = = = σ σ 0, 06 0, , P Z = 0,99 0,06 0 0, 0,06 =,33 -,33 0 0, +,33 = 0 0,06 0 0, +,33 0,06 = 0 0 0, + 0,398 = 0 0 0, + 0,398 = 0 0 0, + 0,398 = 0 y = 0, y + 0,398 y + 0 = 0 y = b ± b 4ac a y ( ) ( 0,) 0,398 ± 0, , 0 = = - 9,35 = 0,73 = 5 + 0,73
20 Distribuzioi campioarie di uso frequete Distribuzioe χ (chi quadro) (Somma di v.c. Normali stadardizzate al quadrato) Date v.c. X, X,, X idipedeti e ogua distribuita secodo ua Normale di parametri µ i e σ i, allora la variabile casuale defiita come: X µ i i χ = i= σi segue ua distribuzioe χ co g = gradi di libertà x f(x;g) = exp x g g Γ g= g=4 g= g La variabile χ è cotiua, o può essere egativa e varia tra zero e ifiito. La sua forma e il suo cetro dipedoo dal umero di gradi di libertà. Y ~ χ( ) Relazioe tra χ e Normale: E Y = g ; Var Y = g ; se ua v.c. Z segue ua distribuzioe Normale stadardizzata, la trasformata Y=Z si distribuirà secodo ua v.c. χ co grado di libertà.
21 Distribuzioe t di Studet (Rapporto tra ua v.c. Normale stadardizzata e la radice quadrata di ua v.c. c divisa per i suoi gradi di libertà) Data ua v.c. Z, distribuita secodo la legge Normale stadardizzata, e la v.c. Y, distribuita secodo u χ co gradi di libertà, co Z e Y tra loro idipedeti, la variabile casuale t defiita dal rapporto segue ua distribuzioe deomiata t di Studet co gradi di libertà: g + Γ x f(x; g) = + g π Γ g g g= g=0 g + g=3 g= Y ~ t t = Z Y Z Y ~ t () La distribuzioe t di Studet ha ua forma simmetrica che dipede dal valore di, parametro che idica i gradi di libertà e che deriva dalla variabile χ, al deomiatore della formula. E ( Y) = 0 ; Var ( Y ) = ; Relazioe co la Normale: Quado, la v.c. t coverge alla Normale. Quidi, quado è elevato, la f(t) può essere approssimata dalla N(0,).
22 Distribuzioe F di Fisher (Rapporto di due v.c. χ idipedeti, ciascua divisa per il proprio umero di gradi di libertà.) Date due v.c. X e Y tra loro idipedeti, ogua delle quali distribuita secodo u χ rispettivamete co g e g gradi di libertà, il rapporto segue la distribuzioe F co g e g gradi di libertà. g / g / = (g + g ) / B(g /,g /) g f(x;g,g ) (g /g ) x.0 g =0, g = x g X g Y g X g ~ F g,g Y g La distribuzioe F di Fisher è cotiua e, essedo otteuta come rapporto tra due v.c. χ, è defiita ell itervallo (0, + ). 0.6 Y ~ F g =5, g =5 g =5, g = E Y = Var Y + = m ( m ) ( ) ( 4)
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
DettagliINFERENZA 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
DettagliInferenza 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
DettagliStima 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
DettagliStatistica. 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
DettagliEsercitazioni 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
DettagliCampionamento 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
DettagliTitolo 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
DettagliUniversità 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
DettagliProprietà asintotiche stimatori OLS e statistiche collegate
Proprietà asitotiche stimatori OLS e statistiche collegate Eduardo Rossi 2 2 Uiversità di Pavia (Italy) Maggio 2014 Rossi Proprietà asitotiche Ecoometria - 2014 1 / 30 Sommario Risultati prelimiari Distribuzioe
DettagliStimatori, 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
DettagliCorso 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
DettagliSTATISTICA 1 ESERCITAZIONE 5
STATISTICA ESERCITAZIONE 5 Dott. Giuseppe Padolfo 28 Ottobre 203 VARIABILITA IN TERMINI DI DISPERSIONE DA UN CENTRO Cetro Me o μ La dispersioe viee misurata come sitesi delle distaze tra le uità statistiche
DettagliPROVE 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.
DettagliAppunti 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.
DettagliSTATISTICA 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
Dettaglin=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
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Statistica Matematica: Cocetti Fodametali Nell esperieza quotidiaa e ella pratica della professioe dell igegere occorre: predere decisioi e ciò ormalmete richiede la dispoibilità di specifiche iformazioi
DettagliArgomenti 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
DettagliCosto 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
DettagliSTATISTICA INFERENZIALE - SCHEDA N. 1 CAMPIONAMENTO E STIMA
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE
DettagliQuesito 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,
DettagliALCUNI 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
DettagliIntervalli 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
DettagliAlcuni 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
Dettagli1 + 1 ) n ] n. < e nα 1 n
Esercizi preparati e i parte svolti martedì 0.. Calcolare al variare di α > 0 Soluzioe: + ) α Per α il ite è e; se α osserviamo che da + /) < e segue che α + ) α [ + ) ] α < e α Per α > le successioi e
DettagliSUCCESSIONI 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
DettagliLegge Gamma e Legge Chi quadro
Legge Gamma e Legge Chi quadro Sia G ua variabile aleatoria di legge Gamma di parametri a e λ reali positivi, G Γ(a, λ, la cui fuzioe di desità è: f G (x = λa Γ(a e λx x a per x 0 dove Γ( è la fuzioe Gamma
DettagliTitolo 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
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2005/06
PROVE SCRITTE DI MTEMTIC PPLICT, NNO 5/6 Esercizio 1 Prova scritta del 14/1/5 Sia X ua successioe I.I.D. di variabili aleatorie co distribuzioe uiforme cotiua, X U(, M), ove M = umero lettere del cogome.
DettagliSTUDIO DEL LANCIO DI 3 DADI
Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio
DettagliLe successioni: intro
Le successioi: itro Si cosideri la seguete sequeza di umeri:,, 2, 3, 5, 8, 3, 2, 34, 55, 89, 44, 233, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi 2 mesi i u allevameto!
DettagliUNIVERSITA 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
DettagliStimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao
Stimatori corretti stimatori efficaci e disuguagliaza di Cramer Rao Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche Defiizioe. Sia {X X 2... X } u
DettagliAPPROSSIMAZIONE 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
DettagliConfronto 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
DettagliESERCIZI SULLE SERIE
ESERCIZI SULLE SERIE. Dimostrare che la serie seguete è covergete: =0 + + A questa serie applichiamo il criterio del cofroto. Dovedo quidi dimostrare che la serie è covergete si tratterà di maggiorare
DettagliLezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice.
La Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie La 1 2 La 3 4 () Statistica 2 / 26 Trimmed mea - La aritmetica risete della preseza di valori
DettagliUNIVERSITÀ 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
DettagliLezioni di Matematica 1 - I modulo
Lezioi di Matematica 1 - I modulo Luciao Battaia 4 dicembre 2008 L. Battaia - http://www.batmath.it Mat. 1 - I mod. Lez. del 04/12/2008 1 / 28 -2 Sottosuccessioi Grafici Ricorreza Proprietà defiitive Limiti
DettagliAnemia. 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
Dettagli1.6 Serie di potenze - Esercizi risolti
6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo
DettagliEsercizio 1. Si supponga di aver assegnato ad una popolazione di N = 4 dattilografe un test e di aver ottenuto i seguenti risultati:
Esercizio 1 Si suppoga di aver assegato ad ua popolazioe di N = 4 dattilografe u test e di aver otteuto i segueti risultati: Dattilografa N. Errori A 3 B C 1 D 4 La variabile, il umero di errori commessi
Dettagliconverge in probabilità alla v.a. X e si scrive: converge in media quadratica alla v.a. X e si scrive: m n
98 Covergeza i probabilità Si dice che la successioe X coverge i probabilità alla v.a. X e si scrive: se, per qualsiasi ε > 0, si ha: X p X oppure plim X = X limp( X X < ε)= Covergeza i media quadratica
Dettagli3. Calcolo letterale
Parte Prima. Algera 1) Moomi Espressioe algerica letterale 42 Isieme di umeri relativi, talui rappresetati da lettere, legati fra loro da segi di operazioi. Moomio Espressioe algerica che o cotiee le operazioi
DettagliTraccia delle soluzioni degli esercizi del fascicolo 6
Traccia delle soluzioi degli esercizi del fascicolo 6 Esercizio Vegoo geerati umeri casuali tra 0 e, co distribuzioe uiforme. Quati umeri è ecessario geerare affiché la probabilità che la somma di essi
DettagliInsiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi:
Isiemi umerici Soo oti l isieme dei umeri aturali: N {1,, 3,, l isieme dei umeri iteri relativi: Z {0, ±1, ±, ±3, N {0 ( N e, l isieme dei umeri razioali: Q {p/q : p Z, q N. Si ottiee questo ultimo isieme,
Dettagli1.5 - Variabilità, concentrazione e asimmetria
.5 - Variabilità, cocetrazioe e asimmetria G. Alleva - Statistica - Parte.5 Obiettivo: Misura della variabilità di ua distribuzioe statistica Mutabilità, Dispersioe, Variabilità, Eterogeeità E l attitudie
DettagliUNIVERSITÀ 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
DettagliPROBLEMI 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
DettagliVERIFICA 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
DettagliConvergenza di variabili aleatorie
Covergeza di variabili aleatorie 1 Covergeza quasi certa Ua successioe (X ) 1 di v.a. coverge quasi certamete alla v.a. X se: X X (P-q.c.), cioè P(X X) = 1, ove {X X} = {ω : X (ω) X(ω)} è l issieme di
DettagliUniversità 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:
DettagliQuartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliLE 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
DettagliProgramma (orientativo) secondo semestre 32 ore - 16 lezioni
Programma (orietativo) secodo semestre 32 ore - 6 lezioi 3 lezioi: successioi e serie 4 lezioi: itegrali 2-3 lezioi: equazioi differeziali 4 lezioi: sistemi di equazioi e calcolo vettoriale e matriciale
DettagliLEGGE DEI GRANDI NUMERI
LEGGE DEI GRANDI NUMERI E. DI NARDO 1. Legge empirica del caso e il teorema di Beroulli I diverse occasioi, abbiamo mezioato che la ozioe ituitiva di probabilità si basa sulla seguete assuzioe: se i sperimetazioi
DettagliEsercizi 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
DettagliQuartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliAppunti complementari per il Corso di Statistica
Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe
DettagliINTRODUZIONE 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
DettagliEsercitazione 6 del corso di Statistica 2
Esercitazioe 6 del corso di Statistica Dott.ssa Paola Costatii 7 marzo Decisioe vera falsa è respita Errore di I tipo Decisioe corretta o è respita Probabilità = Decisioe corretta Probabilità = - Probabilità
DettagliArgomenti trattati: Capitolo 12 libro di testo. Statistica - Metodologie per le scienze economiche e sociali A. Di Ciaccio, S.
1 GLI INTERVALLI DI CONFIDENZA Argometi trattati: Stima per itervallo Aalogie tra la stima putuale e per itervallo Itervallo di cofideza per la media Itervallo di cofideza per la proporzioe Itervallo di
DettagliEsercizi di Analisi II
Esercizi di Aalisi II Ao Accademico 008-009 Successioi e serie di fuzioi. Serie di poteze. Studiare la covergeza della successioe di fuzioi (f ) N, dove f : [, ] R è defiita poedo f (x) := x +.. Studiare
Dettagli2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)
Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,
DettagliY = ln X è normalmente distribuita. (y) = dg(x) dx. f Y. (x) = dy dx f Y. f X. (g(x)) & exp$ dx x - $ % ( x) DISTRIBUZIONE LOG-NORMALE.
DISTRIBUZIONE LOG-NORMALE. La variabile si dice log-ormalmete distribuita se: l è ormalmete distribuita g( l g ( e 0 +. uzioe di desità di probabilità: f ( d d f ( dg( d f (g( dg( d f (. & ep$ - / $ %,
DettagliEsercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati
Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli
Dettagli1. a n = n 1 a 1 = 0, a 2 = 1, a 3 = 2, a 4 = 3,... Questa successione cresce sempre piú al crescere di n e vedremo che {a n } diverge.
Le successioi A parole ua successioe é u isieme ifiito di umeri disposti i u particolare ordie. Piú rigorosamete, ua successioe é ua legge che associa ad ogi umero aturale u altro umero (ache o aturale):
DettagliSoluzioni. Se l interallo avesse livello di confidenza 99%, al posto di 1,96 avremmo
Esercizio 1 Soluzioi 1. Ricordiamo che l ampiezza di u itervallo di cofideza è fuzioe della umerosità campioaria edellivellodicofideza. Aparità di tutto il resto, l ampiezza dimiuisce al crescere di eaumetaal
DettagliDef. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii)
Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi : Riferimeti: R.Adams, Calcolo Differeziale. -Si cosiglia vivamate di fare gli esercizi del testo. Cap. 9.5 - Serie di poteze,
DettagliEsercitazioni di Statistica Dott. Danilo Alunni Fegatelli
Esercitazioi di Statistica Dott. Dailo Alui Fegatelli dailo.aluifegatelli@uiroma.it Esercizio. Su 0 idividui soo stati rilevati la variabile X (geere) e (umero di auto possedute) X F F M F M F F M F M
DettagliCenni di topologia di R
Cei di topologia di R. Sottoisiemi dei umeri reali Studieremo le proprietà dei sottoisiemi dei umeri reali, R, che hao ad esempio la forma: = (, ) (,) 6 8 = [,] { ;6;8} { } = (, ) (,) [, + ) Defiizioe:
DettagliSERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n.
SERIE DI POTENZE Esercizi risolti Esercizio x 2 + 2)2. Esercizio 2 + x 3 + 2 3. Esercizio 3 dove a è u umero reale positivo. Esercizio 4 x a, 2x ) 3 +. Esercizio 5 x! = x + x 2 + x 6 + x 24 + x 20 +....
DettagliDEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE
DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA
DettagliCosa vogliamo imparare?
Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come
DettagliPolitecnico 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
DettagliLezione III: Variabilità. Misure di dispersione o di variabilità. Prof. Enzo Ballone. Lezione 3a- Misure di dispersione o di variabilità
Lezioe III: Variabilità Cattedra di Biostatistica Dipartimeto di Scieze Biomediche, Uiversità degli Studi G. d Auzio di Chieti Pescara Prof. Ezo Balloe Lezioe a- Misure di dispersioe o di variabilità Misure
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 21 Misura della dipedeza di u carattere
DettagliIl Teorema di Markov. 1.1 Analisi spettrale della matrice di transizione. Il teorema di Markov afferma che
1 Il Teorema di Marov 1.1 Aalisi spettrale della matrice di trasizioe Il teorema di Marov afferma che Teorema 1.1 Ua matrice di trasizioe regolare P su u isieme di stati fiito E ha ua uica distribuzioe
Dettagli5. INDICI DI VARIABILITA'
UNIVERSITA DEGLI STUDI DI PERUGIA DIPARTIMENTO DI FILOSOFIA SCIENZE SOCIALI UMANE E DELLA FORMAZIONE Corso di Laurea i Scieze per l'ivestigazioe e la Sicurezza. INDICI DI VARIABILITA' Prof. Maurizio Pertichetti
DettagliELEMENTI DI STATISTICA INFERENZIALE (versione preliminare) Barbara Torti, Mario Abundo
ELEMENTI DI STATISTICA INFERENZIALE (versioe prelimiare) Barbara Torti, Mario Abudo Idice 1 Richiami di Probabilità e Statistica 3 1.1 Spazi di Probabilità e variabili aleatorie.................... 3 1.
DettagliSTATISTICA 1 ESERCITAZIONE 4
STATISTICA 1 ESERCITAZIONE 4 Dott. Giuseppe Padolfo 21 Ottobre 2013 Percetili: i valori che dividoo la distribuzioe i ceto parti di uguale umerosità. Esercizio 1 La seguete tabella riporta la distribuzioe
DettagliSTATISTICA 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
Dettagli16 - Serie Numeriche
Uiversità degli Studi di Palermo Facoltà di Ecoomia CdS Statistica per l Aalisi dei Dati Apputi del corso di Matematica 6 - Serie Numeriche Ao Accademico 03/04 M. Tummiello, V. Lacagia, A. Cosiglio, S.
Dettagli( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ
LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a
DettagliCorso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15
Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO Che cosa sigifica cotare Tutti coosciamo la successioe dei umeri iteri Naturali N = {0, 1,,, } si tratta di ua struttura metale fodametale, chiaramete presete alla ostra ituizioe che
DettagliSuccessioni di variabili aleatorie
0 Caitolo 5 Successioi i variabili aleatorie 5. Covergeza i istribuzioe e teorema cetrale i covergeza Sia {X } = (X,..., X,... ua successioe ifiita i variabili aleatorie e X u ulteriore variabile aleatoria.
DettagliLA VERIFICA DELLE IPOTESI SUI PARAMETRI
LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività
DettagliMatematica. Corso integrato di. per le scienze naturali ed applicate. Materiale integrativo. Paolo Baiti 1 Lorenzo Freddi 1
Corso itegrato di Matematica per le scieze aturali ed applicate Materiale itegrativo Paolo Baiti Lorezo Freddi Dipartimeto di Matematica e Iformatica, Uiversità di Udie, via delle Scieze 206, 3300 Udie,
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa
Dettagli6 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
DettagliLa dinamica dei sistemi - intro
La diamica dei sistemi - itro Il puto materiale rappreseta ua schematizzazioe utile o solo per descrivere situazioi di iteresse diretto ma è ache il ecessario presupposto alla meccaica dei sistemi materiali
Dettagli1 Successioni numeriche
Aalisi Matematica 2 Successioi umeriche CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 5 SERIE NUMERICHE Chiamiamo successioe di umeri reali ua fuzioe a valori reali defiita su N oppure
DettagliCarte di controllo per attributi
Carte di cotrollo per attributi Il cotrollo per variabili o sempre è effettuabile misurazioi troppo difficili o costose troppe variabili che defiiscoo qualità di u prodotto le caratteristiche dei prodotti
DettagliPREMESSA. = η valore medio della popolazione = σ deviazione standard della popolazione. Descrizione parametrica di una popolazione
PREMESSA Descrizioe parametrica di ua popolazioe Sappiamo che u famiglia parametrica di fuzioi desità di probabilità è defiita da uo o più parametri Θ = {θ, θ,., θ }. Ad esempio, la d.d.p. di tipo espoeziale
DettagliEsercizi di econometria: serie 2
Esercizi di ecoometria: serie Esercizio Per quali delle segueti uzioi di desità cogiuta le variabili casuali ed soo idipedeti?......3.4.5..5 (a) (b) 3 4....3.6.9..4...5..5 3.. 3.8..4.6 (c) (d) Nel caso
DettagliTEST 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
Dettagli1 Variabili aleatorie in casi più generali: indipendenza, LGN e TCL.
versioe 28-05-2004 0 Variabili aleatorie i casi più geerali: idipedeza, LGN e TCL.. Variabili aleatorie idipedeti Molte delle defiizioi e delle proprietà delle variabili aleatorie i spazi fiiti valgoo
DettagliPrecorso di Matematica, aa , (IV)
Precorso di Matematica, aa 01-01, (IV) Poteze, Espoeziali e Logaritmi 1. Nel campo R dei umeri reali, il umero 1 e caratterizzato dalla proprieta che 1a = a, per ogi a R; per ogi umero a 0, l equazioe
Dettagli