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

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 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 dverse. Calcolamo la msura pù probable. Le msure sao dstrbute ormalmete, se X è l valore vero, le probabltà d otteere e B soo rspettvamete: P P ( X ) ( ) e ( B X ) B ( B ) e B 66

2 67 se le msure soo dpedet s ha ) ( ) ( ), ( χ e P P P B B B dove ( ) ( ) B B X X χ è la somma de uadrat: Per l prcpo della massma verosmglaza la mglor stma d X s ha uado la probabltà è massma e ud χ è mmo: 0 B B X X X χ da cu, rcavado X, s ottee: B B B best

3 defedo pes: s ha: w w B B best w w w w B B B Il valore stmato s avvca alla msura che pesa maggormete, coè uella che ha ua certezza more: w > w B Se s hao msure: < B ±, ±, ± 3,.., ± 3 best w w co w 68

4 69 ote: w proporzoale all verso del uadrato se B best B B w w propagado gl error s ottee: best w

5 6 METODO DEI MIIMI QUDRTI Regressoe leare. Esempo legge fsca: vv 0 at S sao fatte msure delle uattà e, se dsposte su u grafco put d coordate e mostrao u adameto leare, possamo cercare la retta d mglor accordo: B Suppoamo che: l certezza sulle sa trascurable le certezze sulle sao tutte ugual le msure sao dstrbute ormalmete co. Se gl error o soo tutt ugual l metodo può essere comuue applcato sosttuedo a valor le msure pesate sull errore. 70

6 7 Sao e B parametr della retta allora per og possamo calcolare l valore d corrspodete. La probabltà d otteere l valore osservato è: ( ), ) ( B B e P se abbamo effettuato coppe d msure dpedet:,,, ) ( )... ( ),..., ( χ e P P P B B B dove ( ) B χ La mglore stma per parametr e B s ottee per valor massm d probabltà e ud per valor mm d χ : ( ) 0 B χ

7 χ B ( B ) 0 da cu s ottee l sstema: B B le cu soluzo soo: ( )( ) ( )( ) dove B ( ) ( )( ) ( ) ( ) L certezza su e : o pù correttamete: ( B ) 7

8 ( B ) Il fattore - corregge la sottostma dovuta la fatto che, come mostrato prma, valor d e B redoo mma la sommatora. Dobbamo dvdere per - perché abbamo gà utlzzato dat per stmare parametr ( e B) e ud l umero d grad lbertà s è rdotto d. I geerale se s soo stmat ν parametr s hao -ν grad d lbertà dffereza tra l umero delle msure e l umero d parametr stmat. Se avessmo solo put msurat () la retta sarebbe uvocamete determata ma l certezza sarebbe massma, s deve ud avere el caso d grade la dffereza è trascurable. 0 0 Gl error su e B s ottegoo propagado l errore su : 73

9 B Regressoe leare pesata per error varabl Se gl error sulle msure o soo tutt ugual bsoga trodurre l peso d og msura: w la varable χ che deve essere mma per avere la massma probabltà d otteere le msure d, dveta: ( B ) ( ) w w w B χ 74

10 Dervado rspetto ad e rspetto B e uguaglado le dervate a zero s ottee l sstema d euazo da cu s rcavao coeffcet e B: ( w )( w ) ( w )( w ) B dove ( w )( w ) ( w )( w ) ( )( ) w w ( w ) Le certezze e B soo uesto caso: B w w 75

11 Il metodo de mm uadrat può essere esteso ad u geerco polomo d grado B C... H el caso s ha la regressoe parabolca: B C alogamete al caso precedete s ha la mglor stma per parametr, B e C uado è massma la probabltà d otteere valor osservat. Questa s ottee per valor mm d χ : χ ( ) B C dervado rspetto ad, B e C e poedo ugual a zero le dervate s ottegoo l euazo ormal: C B 76

12 3 B C 3 B C 4 Rsolvedo uesto sstema s ottegoo le stme per parametr, B e C. I lea d prcpo a ualuue fuzoe f() può essere applcato l metodo, pratca o sempre l sstema d euazo ormal è rsolvble maera semplce o è mpossble. Regressoe espoezale Cosderamo s abba ua relazoe espoezale tra le varabl e B e dobbamo determare le costat e B. La relazoe espoezale può essere learzzata: z l l B S può verfcare la relazoe leare tra valor d e uell d z grafcado scala sem-logartmca dat,. 77

13 Poedo l s calcolao coeffcet e B tramte ua regressoe leare de dat (,z ), essedo z l logartmo d. Ife s calcola e. S ot che l potes fatta per la regressoe leare che gl error su fossero tutt ugual o è pù valda, fatt: dz z d a rgore bsogerebbe applcare l metodo de mm uadrat pesat, spesso però s applca l metodo ormale essedo la varazoe d z pccola. 78

14 79 7 COVRIZ E CORRELZIOE Suppoamo che per msurare la uattà (,) s msuro coppe d valor, da cu s possoo rcavare valor d: ( ), ssumamo d avere pccole certezze e che tutt umer, sao vc rspettvamete a e allora s può approssmare: ( ) ( ) ( ) ( ),, dove le dervate soo calcolate el puto, e soo ud tutte ugual. S ha: ( ) ( ) ( ),

15 80 Essedo l secodo e l terzo terme ull s ha: ( ), L devazoe stadard degl valor è ( ) e sosttuedo le relazo precedet ( ) ( ) ( ) ( ) ( )( ) Defedo covaraza d e la uattà :

16 ( )( ) (s ot che ha dmeso d ua varaza ( )) s ottee: Questa espressoe forsce la devazoe stadard d sa che le msure sao o o sao dpedet e dstrbute ormalmete. Se le gradezze soo dpedet, dopo molte msure, la covaraza tede a zero. ( ) La covaraza dpede dal sego de term ( ). Ess possoo essere etramb sempre postv (sovrastma), etramb sempre egatv (sottostma) o sempre dscord, solo se o soo dpedet. Se vece soo dpedet l prodotto d uest term potrà essere postvo o egatvo e ud la somma per u gra umero d valor sarà ulla. e 8

17 8 Qud per msure e dpedet s ha: Se le msure e o soo dpedet s ha 0 le msure e soo correlate. S può dmostrare che vale la dsuguaglaza d Schwarz: da cu s ha:

18 83 coè ud costtusce u lmte superore per l certezza d sa che gl error su e sao o o sao dpedet e ormalmete dstrbut.

19 Coeffcete d correlazoe Cosderamo due varabl msurate e Voglamo verfcare se esste ua relazoe leare tra esse: B Possamo per esempo applcare l metodo de mm uadrat e po cooscedo l errore verfcare se put gaccoo suffcetemete vc alla retta d regressoe. Se o cooscamo l errore dobbamo agre dversamete. 84

20 otamo che ua relazoe leare mplca che le varabl sao correlate (ache se geerale possoo essere legate da ua relazoe o ecessaramete leare). Defamo l coeffcete d correlazoe: r ( )( ) ( ) ( ) dalla dsuguaglaza d Schwarz s ha: r fatt se vale la relazoe leare: per og (, ) allora s ha ache: B B e ud, sottraedo membro a membro: B ( ) 85

21 per ualuue, e sosttuedo r: r B ( ) ( ( ) ) B B B ± Se B>0 allora r, se B<0 allora r-, el caso d correlazoe leare. ella pratca, se le varabl soo correlate learmete r per grade se le varabl o soo correlate r 0 per grade se r la correlazoe è egatva. SIGIFICTO QUTITTIVO DI r Sa P ( r ro) la probabltà che msure d varabl o correlate dao u coeffcete d correlazoe r pù grade d u partcolare r o. Questa probabltà può essere rcavata, per esempo da tabelle: 86

22 ota: per r 0 s ha 0 perché r è ua varable cotua e ud la probabltà d otteere esattamete u valore è ulla se P è grade le varabl o soo correlate se P è pccolo le varabl soo correlate l crescere d la probabltà che le msure o correlate dao r r o dmusce, fatt per more d ualuue r o ). s ha 0 r ( ud P ( r r o ) 5% correlazoe sgfcatva P ( r r o ) % correlazoe altamete sgfcatva 87

23 Esempo: 3 r o 0.7 s ha P ( r r o ) 5% o possamo dre che le varabl sao correlate 3 r o 0.9 s ha P ( r r o ) 9% o possamo dre che le varabl sao correlate 6 r o 0.7 s ha P ( r r o ) % o è suffcete per dre che le varabl sao correlate. 0 r o 0.7 s ha P ( r r o ) 0.% la correlazoe è altamete sgfcatva. 88

24 LCUE PRECISZIOI SUI COCETTI DI COVRIZ E CORRELZIOE Per varabl aleatore dpedet la covaraza e ud ache l coeffcete d correlazoe, soo ull. Tuttava o è vero l cotraro: la covaraza e la correlazoe possoo essere ulle ma le varabl dpedet: Idpedeza delle varabl mplca correlazoe ulla Correlazoe ulla o mplca ecessaramete dpedeza delle varabl S può formulare l seguete Teorema: Codzoe ecessara ma o suffcete affché due varabl sao dpedet è che esse o sao correlate Il coeffcete d correlazoe o può essere preso ud come dcatore assoluto d dpedeza tra due varabl, esso può dcare se tra le varabl c è dpedeza leare: se r ± esste dpedeza leare (postva o egatva) Cosderamo l seguete esempo. 89

25 Sao U e V due varabl co la stessa dstrbuzoe d probabltà, sao XUV e YU-V, per esempo U sa l laco d u dado e V l laco d u secodo dado, allora: ud: u v e u v u v 0 0 ( )( ) 0 La covaraza (e ud ache l coeffcete d correlazoe) è ulla ma le varabl (X e Y) o soo dpedet. Ife s ot che se la correlazoe tra due varabl o è leare l coeffcete d correlazoe r perde d sgfcato, ud o può essere utlzzato per determare l grado d legame tra le varabl stesse. I uest cas s deve far uso del rapporto d correlazoe emprca d Pearso. 90

26 8 DISTRIBUZIOE BIOMILE Suppoamo d lacare 3 dad e volere calcolare la probabltà d otteere ν 0,,, 3 ass. La probabltà d otteere ua asso co u dado è /6, ud la probabltà d otteere 3 ass co 3 dad (3, euvalete ad effettuare 3 lac d u uco dado) è: ( ) 0.5% p 3, 3 6 La probabltà d otteere ass (ν ) 3 lac (eveto ) è per esempo: p 6 (,, ).3% o essedo 5/6 la probabltà d o otteere u asso. Lo stesso rsultato s può però otteere ache co (,o, ) e (o,, ). Qud s ha: (, 3) 3 6.9% p

27 aalogamete s può calcolare la probabltà d otteere u solo asso 3 lac (34.7%) e essu asso 3 lac (57.9%). S abbao prove dpedet co: p probabltà d successo -p probabltà d successo La probabltà d otteere ν success prove: B, p ( ) ( )...( ) 3... p 9

28 93 dove ( )!!!... 3 ) )...( ( è l coeffcete bomale. Lo svluppo bomale è ( ) p p 0 ν la dstrbuzoe bomale è: ν p p B ) (,

29 Esempo: calcolamo la probabltà d trovare ass 3 lac:, p 6 3, 5, 6 P p probabltà d otteere tutt success prove - probabltà d otteere success tutte le rmaet prove ν l umero d dvers ord cu s possoo otteere success prove. Propretà della dstrbuzoe bomale Dalla svluppo bomale essedo p s ha la codzoe d ormalzzazoe. 94

30 95 Valor medo: p ν ed essedo ( ) ( ) ( ) ( )!!!!!! ν ν e ud ( ) p p p 0 ν avedo posto m- e kν- Devazoe stadard: S può dmostrare che per ua ualuue dstrbuzoe vale la relazoe:

31 96 ( ) fatt ( ) ( ) ( ) ( ) Qud possamo calcolare la varaza della dstrbuzoe bomale come segue: ( ) 0 p p ν dove l prmo terme a destra dell uguale, poedo ( ) dveta:

32 97 ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) p p p p p p p 0!!!!!!!!! avedo posto m- e kν-, ud ( ) ( ) ( ) p p p p p ( ) p p p Se p/ (esempo laco d ua moeta) l umero medo d success è propro /, oltre la dstrbuzoe è smmetrca: ) ( ) (,/ /, B B Esempo: S lac 4 volte ua moeta (4) possamo faclmete calcolare le probabltà che escao ν

33 98 test ( ) , ν ν ν ν p e 4 lac, essedo p/ : per esempo: ( ) , 4 p

34 S può dmostrare che per grade la dstrbuzoe bomale tede alla dstrbuzoe Gaussaa: B ( ) G ( ), p X, co X p p 99

35 p/4 00

36 Possamo ora gustfcare l affermazoe per cu ua msura soggetta a molt pccol error casual è dstrbuta ormalmete. Se X è l valore vero assumamo che le msure sao affette solo da error casual dpedet, co sorget d errore. Se uest error hao la stessa dmesoe fssata ε allora per og sorgete s può avere co uguale probabltà (/) ua sovrastma o ua sottostma d X: Xε o X-ε ugualmete probabl Se le sorget soo s può avere: Xε, X (gl error s aullao) oppure X-ε I geerale per sorget, se dao error postv (-) egatv s ha: Xε - (-)ε X(-)ε La probabltà d otteere uesto rsultato è dato dalla dstrbuzoe bomale P ν error postv) B, ( ) ( / 0

37 Propagado l errore s ha: ε ε essedo p ( p) 4 poedo e ε 0 modo che ε rmaga fta, la dstrbuzoe bomale s approssma alla dstrbuzoe gaussaa co cetro X e larghezza. Ioltre poché 0 ε la dstrbuzoe dscreta tede ad ua dstrbuzoe cotua che è apputo la gaussaa. 0

38 Verfca d potes Esempo: verfca dell effcaca d ua scola Se effettuamo 0 prove uate volte s deve verfcare che gl sc trattat co la uova scola sao pù veloc, perché s possa dre che la scola è veramete effcace? Ipotes statstca: Ipotes ulla:la uova scola o provoca alcu effetto Se l potes ulla è corretta la probabltà d vcere per uo sc trattato rspetto ad uo o trattato è p/ La probabltà che gl sc trattat ottegao ν success è: P ν vttore 0 corse) B 0 ( ) (,/ ν! 0! ( 0ν )! 0 la probabltà che gl sc trattat vcao 0 corse è ud 0.%. Se gl sc trattat vcessero tutte le 0 corse sarebbe molto mprobable che l potes ulla sa corretta. 03

39 Suppoamo che le vttore sao 8 su 0 corse. La probabltà d 8 o pù vttore è: P(8 o pù vttore 0 corse) P(8 vttore)p(9 vttore)p(0 vttore) 5.5% S hao possbltà: a) l potes ulla è corretta ma per caso è captato u eveto mprobable b) l potes ulla è falsa: la scola è effcace S fssa u lmte, p.e. l 5% (rsultato sgfcatvo) o % (rsultato altamete sgfcatvo) al d sotto del uale rfutamo l potes ulla (alteratva b). el ostro caso 5.5% l rsultato o è sgfcatvo e o è suffcete per cocludere che la scola fuzoa. Se avessmo otteuto 0 vttore (P0.%) l rsultato sarebbe altamete sgfcatvo e potremmo cocludere che la scola fuzoa. 04

40 PROCEDIMETO GEERLE prove dpedet co due sole possbltà: successo o successo potes: s assume u valore per la probabltà d successo p l umero medo d success prove è p se l umero d success ν è vco a p allora o c è ragoe d dubtare che l potes sa corretta. se l umero d success ν è sesblmete pù grade d p, calcolamo la probabltà, secodo l potes, d otteere ν success o pù. Se uesta probabltà e more del lvello d sgfcatvtà (5% o %), l valore osservato è mprobable e ud l potes deve essere rgettata. se l umero d success ν è sesblmete pù pccolo del valore medo p, dovremo calcolare la probabltà d otteere ν success o meo e procedere maera aaloga. S ot che alcu cas la probabltà rlevate è la probabltà a due code d otteere u rsultato che dffersca dalla meda attesa d tato uato l valore realmete otteuto o pù. 05

41 9 DISTRIBUZIOE DI POISSO S vogla calcolare la probabltà d effettuare ν cotegg d evet u tervallo d tempo defto, se l umero d espermet è grade e la probabltà p degl evet è pccola (evet rar), allora la dstrbuzoe bomale può essere approssmata dalla dstrbuzoe d Posso: P ( ) e! è u parametro postvo. Caratterstche della dstrbuzoe: Codzoe d ormalzzazoe: ( ) e! 0 0 essedo P 06

42 !! 3 e Valor medo ( ) 0 0! e P ( ) e e e 0! avedo posto e kν- ed essedo... 3!! 3 e

43 08 Devazoe stadard utlzzado l'uguaglaza ( ) s ha ( ) ( ) 0 0 0!!!! e e e e essedo ( ) e 0! avedo posto e k ν-.

44 egl espermet d coteggo la devazoe stadard è uguale alla radce del valor medo. Esempo, decadmet radoattv U campoe d toro radoattvo emette partcelle alfa ad u tasso d.5 al muto Quale è la probabltà d osservare ν partcelle per ν 0,,, 3, 4 e per ν 5 mut? Il valore atteso è l prodotto tra l tasso medo e l perodo (T m.).5 3 S ot che o sgfca che c aspettamo d trovare 3 partcelle ualsas sgola prova ma, P ( partcelle) ( ) P e 3 3 3! 09

45 da cu, per ν 3 P 3 3 3! 3 ( 3) e 3 0. % ud s troverà 3 solo el % de cas. S ha: ν P ( ) 3 5% 5% % % 7% 0

46 ( ) 00% P ( 0) P ( ) P ( ) P ( 3) P ( 4) 9% P Utlzzado l prcpo della massma verosmglaza s dmostra che se effettuamo u espermeto d coteggo ua volta trovado come rsultato ν s ha: best e ud, come rsultato possamo scrvere ± ν Se vece rpetamo l'espermeto volte s ha: best S può mostrare che per s ha: ( ) ( ) P G X, co

47 X

48 30 TEST DEL CHI-QUDRTO (χ ) Suppoamo d voler cofrotare la dstrbuzoe d ua sere d msure co ua dstrbuzoe teorca attesa. S abbao msure ed tervall co k,,.., Sa O k l umero d osservazo che cadoo ell tervallo k- esmo Sa E k l umero d msure ell tervallo atteso secodo la dstrbuzoe teorca Defamo la varable χ : χ k ( O E ) k E k k Se Se χ l accordo è accettable χ >> l dsaccordo è sgfcatvo 3

49 Ifatt, se rpetessmo tate volte la sere d msure, allora l umero d msure og tervallo euvarrebbe ad u espermeto d coteggo co dstrbuzoe d probabltà d Posso. Il valore medo e la devazoe stadard sarao ud: O e O k k E k Se l accordo è buoo c s aspetta che la dffereza tra valor osservat e valor attes sa paragoable alla dmesoe attesa delle fluttuazo: e ud k ( O ) k Ek Ek E ( O E ) k E k k χ Per trovare E k s moltplca la probabltà corrspodete all'tervallo k-esmo per l umero totale d msure : 4

50 E k P k Esempo dstrbuzoe ormale. S abbao 40 dat msurat da cu s stmao parametr: X ( X ) 5

51 P P 68% P P P 4 ( 0068) % 3% P 0. 6 P P 4 S ha: χ ( O E ) (.6) ( 3.6) (.4) ( 0.4) 6.4 k k E 3.6 k k

52 CSO DI U VRIBILE COTIU Sa f() la dstrbuzoe attesa, allora b P ( a < < b) f ( ) d a ud per l k-esmo tervallo, l umero atteso d msure dopo msure total è E k P( a k < < a k ) a k a k f ( ) d CSO DI U VRIBILE DISCRET el caso d ua varable dscreta può o essere ecessaro defre gl tervall possamo fatt cosderare valor putual d probabltà. Tuttava alcu cas può essere utle raggruppare rsultat dvers u uco tervallo, come ell esempo mostrato tabella. 7

53 S osserv che geerale gl tervall devoo essere scelt modo tale da avere E k 5 Ioltre l umero d tervall (e d cosegueza l umero totale d msure) o deve essere troppo pccolo. ltre forme d χ I geerale s può defre ua varable χ come: 8

54 χ k valore osservato valore atteso devazoe stadard S può per esempo verfcare la regressoe del tpo f(): sa l certezza su k trascurable e uella sulle k ota e uguale a k, allora χ k k ) k f ( k umero d grad d lbertà S defsce umero d grad d lbertà d l umero d dat msurat meo l umero d parametr da determare da dat: el caso del d-c χ precedetemete studato corrspode al umero d tervall e c è l umero d parametr calcolat da dat per otteere valor attes (vcol) 9

55 Se s usa la relazoe k O k s ha c Se s stmao parametr della dstrbuzoe gaussaa X e allora c3 Deve sempre essere d S può dmostrare che l valor medo del ch-uadro tede al umero d grad d lbertà: χ ( atteso ) d Qud se l rsultato del test dca che s ha: χ >> d allora l esto è egatvo. S ot che poché χ d c 0

56 se c cresce, χ dmusce, accordo co l fatto che parametr soo stat calcolat co dat e ud l accordo deve mglorare. S defsce ch-uadro rdotto la varable: ~ χ χ d per uato vsto precedeza s ha: Qud se trovamo ~ χ ( atteso) ~ χ o dobbamo dubtare della dstrbuzoe attesa, se vece ~ >> χ allora è mprobable che la dstrbuzoe attesa sa corretta.

57 Probabltà del χ Dobbamo defre uato maggore d uo deve essere l chuadro rdotto perché l potes sa scartata. Esempo ~ χ.8 è suffcetemete maggore d uo per scartare l potes? Suppoamo d aver calcolato ~χ 0 (osservato), s può calcolare ~χ la probabltà d otteere u valore maggore o uguale d 0, ell potes che le msure sao dstrbute secodo la dstrbuzoe attesa: P( ~ χ ~ χ 0 )

58 ~χ se uesta probabltà è alta allora l valore 0 è accettable e o v è motvo d rgettare la dstrbuzoe attesa. Il lvello d accettazoe (sgfcatvtà) è scelto a pror, per esempo 5% (o %). Se P( ~ χ ~ χ 0 ) 5% allora s deve rgettare l potes. La probabltà P è fuzoe del umero d grad d lbertà e s può rcavare dalle tabelle. 3

59 S osserv che: Il calcolo d ueste probabltà tratta umer osservat O k come varabl cotue che soo dstrbute gaussaamete attoro a valor attes E k. O k è u varable dscreta dstrbuta secodo la dstrbuzoe d Posso Questa dstrbuzoe è be approssmata da uella d Gauss se umer goco o soo troppo pccol. Per uesto l coteggo atteso per og tervallo E k o deve essere troppo pccolo (almeo 5) e così pure l umero d tervall. 4

60 ESEMPI SUL TEST DEL χ Esempo Dstrbuzoe gaussaa Per calcolare valor attes E k s soo utlzzat 3 parametr X,, e l umero totale del campoe, ud d8-35 ~ χ 8 5 k ( O E ) k E k k 3.5 Essedo maggore d s sospetta che le altezze o seguao la dstrbuzoe gaussaa. 5

61 Dalle tabelle s ha: ~ P ( χ 3.5) 5 0.5% ud è molto mprobable che le altezze sao dstrbute ormalmete. Possamo rfutare l potes d dstrbuzoe ormale al lvello d sgfcatvtà dell %. Esempo Se dad soo buo s deve otteere ua dstrbuzoe bomale. S hao 4 tervall e vcolo (l umero totale d dat, essu parametro da determare co dat). 6

62 Il umero atteso E k e dato dal prodotto d 00 dat total per la probabltà data dalla dstrbuzoe bomale B 5,/6 (ν). ~ χ 4 3 k ( O E ) k E k k 4.6 ~ P ( χ 4.6) 3 0.7% se dad soo buo. Qud s coclude che dad soo uas certamete o buo. 7

63 Esempo 3 Dstrbuzoe d Posso per cotegg. umer d partcelle d ragg cosmc osservat 00 tervall dstt Cotegg ν muto accadmet umero tervallo k essuo 7 Uo 7 Due 9 3 Tre 0 4 Quattro 6 5 Cue 8 Se Sette 6 Otto o pù 0 totale 00 O k E k L aals de umer della secoda coloa suggersce mmedatamete d raggruppare tutt cotegg per ν 5. Per calcolare umer attes E k, s è stmato l parametro della dstrbuzoe d Posso come (s dmostra faclmete che uesta è la mglor stma); oltre s è usato l umero totale delle osservazo. Qud grad d lbertà soo d6-4. S ha: ~ χ 6 4 k ( O E ) k E k k

64 ~ P ( χ 0.35) 4 85% Qud o c è motvo d dubtare della dstrbuzoe d Posso attesa. S ot che l valore atteso per l ch-uadro rdotto è ud l fatto che l rsultato sa more d uo è solo ua fluttuazoe dal valore medo e o dà ua evdeza maggore che la dstrbuzoe sa uella d Posso. 9

65 3 TEST DI STUDET Sa X ua varable casuale dstrbuta come l χ co grad d lbertà ed u ua secoda varable casuale, dpedete dalla prma e avete dstrbuzoe ormale stadardzza (valor medo ullo e varaza ). Cosderamo la uova varable casuale t defta attraverso la: t u X S può dmostrare che la fuzoe destà d probabltà relatva alla varable casuale t e data dalla f ( t ) ; che s chama dstrbuzoe d Studet ad grad d lbertà. T t Il coeffcete T è ua costate che vee fssata dalla codzoe d ormalzzazoe. 30

66 Se vee fatto tedere all fto l deomatore della fuzoe tede a t e e duue la dstrbuzoe d Studet tede alla dstrbuzoe ormale co meda 0 e varaza. che la forma della fuzoe d Studet rcorda molto uella ormale, soltato, rspetto a dat che seguao uesta dstrbuzoe, valor elevat dello scarto soo relatvamete pù probabl. (Per >35 la dstrbuzoe d Studet s può approssmare co la dstrbuzoe ormale co meda 0 e varaza ). La dstrbuzoe d Studet è smmetrca, ud tutt momet d orde dspar (compreso l valor medo) soo ull; metre la varaza della dstrbuzoe è VR ( t) (se >) 3

67 Idcado co la meda artmetca d u campoe d dmesoe, estratto a caso da ua popolazoe co dstrbuzoe ormale, avete valore medo e varaza e co s la stma della devazoe stadard otteuta dal campoe stesso: s ( ) e cosderado che la varable casuale ( ) s è dstrbuta come l χ ad - grad d lbertà e oltre u segue la legge ormale co meda 0 e varaza, s ha che la varable casuale u t s s ( ) segue la dstrbuzoe d Studet ad - grad d lbertà. 3

68 Quado la dmesoe del campoe o è suffcetemete grade da poter utlzzare l approssmazoe ormale (pccol campo), è ecessaro usare le dstrbuzo esatte delle varabl campoare d cu c s serve per effettuare l test. S vogla effettuare l cofroto tra dvers campo, pù precsamete tra due mede campoare (α,), stmado la varaza della popolazoe bas a dat stess. Idchamo co α l umero d msure, co α la meda del campoe e co S α la varaza campoara: S α ( ) α α α S hao due campo: Campoe : S,, S Campoe :,, 33

69 H Voglamo verfcare l potes ulla: o : che valor med sao ugual, coè due campo provegoo dalla stessa popolazoe. La dffereza tra le mede campoare segue la dstrbuzoe d Studet ella varable: t ν ( ) S co u umero d grad d lbertà che per l potes ulla dveta: ν t ν S La stma campoara della varaza, dcata co S S, s ottee tramte la seguete espressoe: ( ) ( ) S ( ) ( ) ( ) S 34

70 Il test è blaterale (a due code), prefssato l lvello d sgfcatvtà ad esempo al 5% se l valore assoluto della varable t ν d Studet è maggore del valore crtco corrspodete al 5% co ν grad d lbertà (rcavable dalle tabelle), s deve rfutare l potes, altrmet s accetta l potes ulla. Esempo: S abbao campo: 0, 79.0, S 0.7 0, 8.0, S 0.47 co ν 8 grad d lbertà. Essedo s ha: S S S e ud 35

71 t ν S S 7.75 Il valore crtco al lvello del 5% co ν 8 è: t crt. ud l potes ulla che campo provegao dalla stessa popolazoe deve essere rfutata, due campo soo compatbl. 36

72 TBELLE 37

73 38

74 39

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

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

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

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

Capitolo 2 Errori di misura: definizioni e trattamento

Capitolo 2 Errori di misura: definizioni e trattamento Captolo Error d msura: )Geeraltà defzo e trattameto I cocett d meda, varaza e devazoe stadard s utlzzao ormalmete per otteere formazo sulla botà d ua msura. I geerale, s assume come msura m della gradezza

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

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

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità SIMULAZIONE DI SISTEMI CASUALI parte Varabl casual e Dstrbuzo d varabl casual Calcolo delle probabltà Defzo Il calcolo delle probabltà tede a redere razoale l comportameto dell uomo d frote all certezza;

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

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

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

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

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

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

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

Def. Si dice variabile aleatoria discreta X una variabile che può assumere valori X1, X

Def. Si dice variabile aleatoria discreta X una variabile che può assumere valori X1, X Prof.ssa Emauela Baudo Fabrza De Berard VARIABILI ALEATORIE DISCRETE E DISTRIBUZIONI DI PROBABILITA Def. S dce varable aleatora dscreta X ua varable che può assumere valor X, X,... X corrspodet ad evet

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

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

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

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1 SIMULAZIONE DI ESAME ESERCIZI Cattedra d Statstca MedcaUverstà degl Stud d BarProf.ssa G. Sero ESERCIZIO. Alcu autor hao studato se la depressoe possa essere assocata a dc serologc d process autommutar

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

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione Artmetca 06/07 Esercz svolt classe Quarta lezoe Rcorreze o lear Sa a c a cq ua rcorreza dove {c }, c C e c 0. Sa P C[λ] l polomo caratterstco della rcorreza. Allora ua soluzoe partcolare della rcorreza

Dettagli

Variabili casuali ( ) 1 2 n

Variabili casuali ( ) 1 2 n Varabl casual &. Valore edo. Data ua varable casuale = ( x,x 2, K,x ) (.) cu valor assuoo le rspettve probabltà P = p,p, K,p (.2) s defsce valore edo la quattà ( ) 2 = [ ] T M = M = P = xp (.3) Sgfcato:

Dettagli

DISTRIBUZIONE DI STUDENT

DISTRIBUZIONE DI STUDENT Laboratoro d Fsca ( Meccaca e Termodamca a.a. 007/08 F.Balestra PICCOLI CAMPIONI. TET d TUDENT. INTERVALLI d CONFIDENZA: DITRIBUZIONE DI TUDENT 0.4 0. N N N5 N0 N5 N50 0. - 4-4 Itervall cofdeza P[ - μ

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

LA REGRESSIONE LINEARE SEMPLICE

LA REGRESSIONE LINEARE SEMPLICE LA REGRESSIONE LINEARE SEMPLICE L ANALISI DI REGRESSIONE La regressoe è volta alla rcerca d u modello atto a descrvere la relazoe esstete tra ua varable Dpedete e ua varable dpedete (regressoe semplce)

Dettagli

Appunti di. Elaborazione dei dati sperimentali

Appunti di. Elaborazione dei dati sperimentali Apput d Elaboraoe de dat spermetal Corso d sca er cors d Laurea Igegera Uverstà d adova sura d ua gradea fsca Ua gradea fsca s rappreseta co uo (o pù) umer segut da ua utà d msura. Il umero che quatfca

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

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 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

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

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

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

Formulario e tavole. Complementi per il corso di Statistica Medica

Formulario e tavole. Complementi per il corso di Statistica Medica Complemet per l corso d Statstca Medca Formularo e tavole Ne è cosetto l uso all esame scrtto, ma og Studete deve cosultare solo l propro formularo, e essu altro materale! Statstca Descrttva destà ampea

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

Propagazione di errori

Propagazione di errori Propagazoe d error Gl error e dat possoo essere amplfcat durate calcol. Rspetto alla propagazoe degl error s può dstguere: comportameto del problema - codzoameto del problema: vedere come le perturbazo

Dettagli

CAPITOLO XI STIMA DEI PARAMETRI DI UNA VARIABILE ALEATORIA.

CAPITOLO XI STIMA DEI PARAMETRI DI UNA VARIABILE ALEATORIA. TE11_st fb - 5/10/007 5/10/007 XI - 1 CAPITOLO XI STIMA DEI PARAMETRI DI UNA VARIABILE ALEATORIA. 11.1 - Itroduzoe. I geerale, parametr caratterstc d ua v.a. (che per o soo l suo valore medo e la sua varaza

Dettagli

TRATTAMENTO STATISTICO DEI DATI ANALITICI

TRATTAMENTO STATISTICO DEI DATI ANALITICI TRATTAMENTO STATISTICO DEI DATI ANALITICI Nell aals chmca u aalsta effettua u umero lmtato d prove e cosdera la meda de rsultat otteut per poter arrvare a determare o l valore VERO d ua determata gradezza

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

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

Interpolazione. Definizione: per interpolazione si intende la ricerca di una funzione matematica che approssima l andamento di un insieme di punti.

Interpolazione. Definizione: per interpolazione si intende la ricerca di una funzione matematica che approssima l andamento di un insieme di punti. Iterpolazoe Defzoe: per terpolazoe s tede la rcerca d ua fuzoe matematca che approssma l adameto d u seme d put. Iterpolazoe MATEMATICA Calcola ua fuzoe che passa PER tutt put Tp d terpolazoe Iterpolazoe

Dettagli

Numeri complessi Pag. 1 Adolfo Scimone 1998

Numeri complessi Pag. 1 Adolfo Scimone 1998 Numer compless Pag. Adolfo Scmoe 998 NUMERI COMPLESSI Come sappamo, o esstoo el campo de umer real le radc d dce par de umer egatv. Ammettamo pertato l esstea della radce quadrata del umero. Questo uovo

Dettagli

Laboratorio di Fisica I: laurea in Ottica e Optometria. Misura di una resistenza con il metodo VOLT-AMPEROMETRICO

Laboratorio di Fisica I: laurea in Ottica e Optometria. Misura di una resistenza con il metodo VOLT-AMPEROMETRICO Laboratoro d Fsca I: laurea Ottca e Optoetra Msura d ua ressteza co l etodo OLTMPEOMETICO descrzoe s sura ua ressteza utlzzado u voltetro e u llaperoetro sfruttado la relazoe : Per coduttor ohc è dpedete

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

Il modello di regressione multipla

Il modello di regressione multipla S. Borra A. D Cacco Statstca metodologe per le sceze ecoomche e socal McGraw Hll 4 ISBN 88-386-66-6 9 Il modello d regressoe multpla Relazoe statstca modello d regressoe leare multpla omoschedastctà superfce

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

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

IL MODELLO DI REGRESSIONE LINEARE MULTIPLA

IL MODELLO DI REGRESSIONE LINEARE MULTIPLA Captolo 9 - Il modello d regressoe leare multpla 9 - IL MODELLO DI REGRESSIONE LINEARE MULTIPLA 9 9. Itroduzoe 9. Il modello d regressoe leare multpla 9.3 Il modello d regressoe leare multpla forma matrcale

Dettagli

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO.

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO. elazoe d laboratoro d Fsca corso M-Z Laboratoro d Fsca del Dpartmeto d Fsca e Astrooma dell Uverstà degl Stud d Cataa. Scala Stefaa. AGOMENTO: MSUA DELLA ESSTENZA ELETTCA CON L METODO OLT-AMPEOMETCO. NTODUZONE:

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

Elementi di Statistica descrittiva Parte II

Elementi di Statistica descrittiva Parte II Elemet d Statstca descrttva Parte II Nella prma parte d queste ote s soo llustrate le tecche utlzzate per rappresetare dat, maera stetca, medate tabelle e grafc Tal tecche soo applcabl sa a caratter quattatv

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

Le misure di variabilità

Le misure di variabilità arlea Pllat - Semar d Statstca (SVIC) "Le msure d varabltà e cocetrazoe" La varabltà L atttude d u carattere quattatvo X ad assumere valor dfferet tra le utà compoet u seme statstco è chamata varabltà

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

Consentono di descrivere la variabilità all interno della distribuzione di frequenza tramite un unico valore che ne sintetizza le caratteristiche

Consentono di descrivere la variabilità all interno della distribuzione di frequenza tramite un unico valore che ne sintetizza le caratteristiche Metodologa della rcerca pcologa clca - Dott. Luca Flppo Coetoo d decrvere la varabltà all tero della dtrbuzoe d frequeza tramte u uco valore che e tetzza le carattertche Metodologa della rcerca pcologa

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

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

Il modello di regressione lineare semplice (1) Studio della dipendenza riepilogo

Il modello di regressione lineare semplice (1) Studio della dipendenza riepilogo Studo della dpedeza replogo Abbamo vsto due msure d assocazoe tra caratter: ) msure d assocazoe basate sull dpedeza dstrbuzoe ( χ, V d Cramer) possoo essere applcate a coppe d caratter qualuque (ache etrambe

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE Trasformazioni lineari Indici di covarianza e correlazione

STATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE Trasformazioni lineari Indici di covarianza e correlazione 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. 4 VARIABILI

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

APPUNTI di FISICA SPERIMENTALE

APPUNTI di FISICA SPERIMENTALE APPUNTI d FISICA SPERIMENTALE Igegera Elettrca e Meccaca 008-009 premessa: l metodo spermetale msurazoe d gradezze fsche caratterstche degl strumet d msura sstem d utà d msura aals dmesoale aals delle

Dettagli

ELABORAZIONE DEI DATI

ELABORAZIONE DEI DATI ELABORAZIONE DEI DATI QUESTA FASE SERVE AD ESPRIMERE IN MODO SINTETICO I RISULTATI DELL INDAGINE SVOLTA CALCOLANDO DEGLI INDICI: VALORI MEDI INDICI DI VARIABILITA I valor med Il valore medo è u valore

Dettagli

UNI CEI ENV 13005 (GUIDA ALL ESPRESSIONE DELL INCERTEZZA DI MISURA)

UNI CEI ENV 13005 (GUIDA ALL ESPRESSIONE DELL INCERTEZZA DI MISURA) UI CEI EV 3005 (GUIDA ALL ESPRESSIOE DELL ICERTEZZA DI MISURA Uverstà degl Stud d Bresca Corso d Fodamet della Msurazoe A.A. 00-03 Apput a cura d Gorgo Cor 3835 UI CEI EV 3005 0. ITRODUZIOE 0. COCETTO

Dettagli

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso ESERCIZIO Co rfermeto a dvers modell d auto del medesmo segmeto d mercato e cldrata s soo rlevat dat sul prezzo d lsto mglaa d euro (X), la veloctà massma dcharata km/h (Y) ed l peso kg (Z). I dat soo

Dettagli

3 Variabilità. variabilità. Senza deviazione dalla norma il progresso non è possibile. (Frank Zappa) Statistica - 9CFU

3 Variabilità. variabilità. Senza deviazione dalla norma il progresso non è possibile. (Frank Zappa) Statistica - 9CFU 3 Varabltà 3 varabltà Seza devazoe dalla orma l progresso o è possble (Frak Zappa) 68 Statstca - 9CFU 3 Varabltà 3. varabltà Defzo Varabltà E l atttude d u feomeo ad assumere dverse modaltà. Essa è msurata

Dettagli

Riassunto di teoria elementare degli errori

Riassunto di teoria elementare degli errori Ncola Gaquto - Rassuto d teora elemetare degl error /9 Rassuto d teora elemetare degl error Valore vero (covezoale), valore stmato, errore Se s prede ua ressteza dal valore omale d 00 Ω e se e determa

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

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI Uverstà degl Stud d Mlao Bcocca CdS ECOAMM Corso d Metod Statstc per l Ammstrazoe delle Imprese CARTE DI CONTROLLO PER ATTRIBUTI 1. Carta d cotrollo per frazoe d o coform (carta U resposable d produzoe,

Dettagli

Statistica. Maura Mezzetti Sono indipendenti i caratteri X e Y? Y Totale. Totale

Statistica. Maura Mezzetti Sono indipendenti i caratteri X e Y? Y Totale. Totale .09.06 Statstca Maura Mezzett maura.mezzett@uroma.t Soo dpedet caratter X e? A B Totale X 0 0 0 0 0 0 3 0 0 0 Totale 40 0 50 .09.06 Soo dpedet caratter X e? A B C Totale X 40 0 0 40 0 40 0 60 Totale 40

Dettagli

Sommario. Facoltà di Economia. Obiettivo. Quando studiarla? Lezione n 7. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Sommario. Facoltà di Economia. Obiettivo. Quando studiarla? Lezione n 7. X: carattere quantitativo tra le unità statistiche. Quando studiarla? Corso d Statstca acoltà d Ecooma a.a. - La cocetrazoe Quado studarla? Obettvo Dagramma d Lorez apporto d cocetrazoe rea d cocetrazoe Esemp Sommaro Lezoe 7 Lez7-a.a. - statstca-fracesco mola Quado studarla?

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

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

corrispondenza della generica i-esima modalità. Indicando con #(.) la cardinalità di un insieme, per esse si ha, rispettivamente:

corrispondenza della generica i-esima modalità. Indicando con #(.) la cardinalità di un insieme, per esse si ha, rispettivamente: Corso d Statstca docete: Domeco Vstocco Le requeze cumulate S cosder ua varable qualtatva ordale X Per essa, oltre alle requeze assolute, relatve e ercetual, è ossble calcolare ache le requeze cumulate

Dettagli

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

Il disegno campionario per l indagine sul turismo delle isole Eolie. O. Giambalvo A.M. Milito Il dsego campoaro per l dage sul tursmo delle sole Eole O. Gambalvo A.M. Mlto Struttura della presetazoe Obettv L dage campoara Le potes d lavoro L dage plota Il dsego campoaro Stratega campoara Alcu Rsultat

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

Analisi della Dipendenza

Analisi della Dipendenza Aals della Dpedeza La correlazoe Il presete materale ddattco è stato parte estratto e adattato dal materale prodotto dal prof. Claudo Caplupp dell Uverst Uverstà d Veroa, che s rgraza. La resposabltà del

Dettagli

Obiettivi. Statistica. Variabili casuali. Spazio di probabilità. Introduzione

Obiettivi. Statistica. Variabili casuali. Spazio di probabilità. Introduzione Obettv Statstca Itroduzoe Scopo d quest lucd è d forre cocett base d statstca utl azeda per: la raccolta de dat, la progettazoe degl espermet, l terpretazoe de rsultat. Spazo d probabltà Spazo d probabltà:

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA STATISTICA DESCRITTIVA Le msure d tedeza cetrale OBIETTIVO Idvduare u dce che rappreset sgfcatvamete u seme d dat statstc. Esempo Nella tabella seguete soo rportat valor del tasso glcemco rlevat su 0 pazet:

Dettagli

Capitolo 2 APPROSSIMAZIONI DI DATI E FUNZIONI CON MATHCAD

Capitolo 2 APPROSSIMAZIONI DI DATI E FUNZIONI CON MATHCAD Captolo APPROSSIMAZIONI DI DATI E FUNZIONI CON MATHCAD A. M. Ferrar - Apput d LPCAC SOMMARIO. APPROSSIMAZIONE DI DATI E FUNZIONI... 3. Itroduzoe... 3. I crter d scelta... 4.. Osservazo... 5. LE CURVE DI

Dettagli

ELEMENTI DI TEORIA DEGLI ERRORI DI MISURA

ELEMENTI DI TEORIA DEGLI ERRORI DI MISURA ELEMENTI DI TEORIA DEGLI ERRORI DI MISURA Msura: processo che assoca ad og gradezza fsca uo (scalare) o pu` (vettore) umer che la quatfca rspetto ad ua opportua uta` d msura. Procedmeto emprco soggetto

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

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

III Esercitazione: Sintesi delle distribuzioni semplici secondo un carattere qualitativo ordinale.

III Esercitazione: Sintesi delle distribuzioni semplici secondo un carattere qualitativo ordinale. III Eserctazoe: Stes delle dstrbuzo semplc secodo u carattere qualtatvo ordale. Eserczo 3 dvdu ao seguet ttol d studo: Lceza elemetare, Lceza elemetare, ploma, Lceza meda, Lceza elemetare, Lceza meda,

Dettagli

Sommario. Facoltà di Economia francesco mola. Distribuzioni (cont.) Distribuzioni di frequenza. Distribuzioni Distribuzioni di quantità

Sommario. Facoltà di Economia francesco mola. Distribuzioni (cont.) Distribuzioni di frequenza. Distribuzioni Distribuzioni di quantità Corso d Statstca Facoltà d Ecooma fracesco mola a.a. 2-2 2 Sommaro Dstrbuzo d frequeza Rappresetazo grafche Dagramm a barre Istogramm Fuzoe d rpartzoe emprca Lezoe 2 lez2_2-2 statstca-fracesco mola 2 Dstrbuzo

Dettagli

Come cambia la distribuzione se consideriamo 5 classi equiampie (k=5)? Freq. relativa. Freq. Ass. n i

Come cambia la distribuzione se consideriamo 5 classi equiampie (k=5)? Freq. relativa. Freq. Ass. n i Come camba la dstrbuzoe se cosderamo 5 class equampe (k5)? xmax xm 2.02 03 d 38,80 k 5 Class x xl x + Ass. relatva N Frequeza relatva cumulata F l 03,0 -- 484,8 4 0,82 0,82 484,8 -- 866,6 5 0,0 0,92 866,6

Dettagli

= Pr{Y > X}. un campione casuale semplice (c.c.s.) di dimensione n x da X e Y1, Y2

= Pr{Y > X}. un campione casuale semplice (c.c.s.) di dimensione n x da X e Y1, Y2 STATISTICA, ao LXVI,., 2006 INTERVALLI DI CONFIDENZA NON PARAMETRICI PER L AREA SOTTESA ALLA CURVA ROC Gafraco Admar. INTRODUZIONE I ambto sataro, gl esam dagostc vegoo comuemete utlzzat co l obettvo d

Dettagli

Regime di capitalizzazione composta

Regime di capitalizzazione composta Regme d capalzzazoe composa Se s deposa baca, all zo dell ao, ua somma d 000 ad u asso auale uaro =0,05 oppure r=5%, dopo ao ale somma frua u eresse par a I = = 000 0,05 = 50 che aggugedos al capale zale

Dettagli

In questo capitolo vedremo solamente un caso di rendita, che useremo poi per generalizzare le rendite e dedurre tutti gli altri casi.

In questo capitolo vedremo solamente un caso di rendita, che useremo poi per generalizzare le rendite e dedurre tutti gli altri casi. 7. Redte I questo captolo edremo solamete u caso d redta, che useremo po per geeralzzare le redte e dedurre tutt gl altr cas. S defsce redta ua successoe d captal (rate) tutte da pagare, o tutte da rscuotere,

Dettagli

SCHEDA DIDATTICA N 5

SCHEDA DIDATTICA N 5 FACOLTA DI INGEGNEIA COSO DI LAUEA IN INGEGNEIA CIVILE COSO DI IDOLOGIA POF. PASQUALE VESACE SCHEDA DIDATTICA N 5 MOMENTI DELLE VAIABILI CASUALI E STIMA DEI PAAMETI A.A. 0-3 Momet delle varabl casual La

Dettagli

Modello dinamico nello spazio dei giunti: relazione tra le coppie di attuazione ai giunti ed il moto della struttura

Modello dinamico nello spazio dei giunti: relazione tra le coppie di attuazione ai giunti ed il moto della struttura Damca Modello damco ello spazo de gut: relazoe tra le coppe d attuazoe a gut ed l moto della struttura smulazoe del moto aals e progettazoe delle traettore progettazoe del sstema d cotrollo progetto de

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

17. FATICA AD AMPIEZZA VARIABILE

17. FATICA AD AMPIEZZA VARIABILE 7. FIC D MPIEZZ VRIBILE G. Petrucc Lezo d Costruzoe d Macche Spesso compoet struttural soo soggett a store d carco elle qual ccl d fatca hao ampezza varable (fg.), ad esempo ccl co tesoe alterata a (o

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

MISURE E GRANDEZZE FISICHE

MISURE E GRANDEZZE FISICHE R. Campaella Ig. Meccaca v. Peruga Gradezze fsche Rev. 12.02.21 MISRE E GRANDEZZE FICHE 1 Itroduzoe Nella descrzoe de feome la fsca s serve d legg, elle qual tervegoo gradezze fsche qual: la lughezza,

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

I PARTE: CALCOLO DELLE PROBABILITÀ

I PARTE: CALCOLO DELLE PROBABILITÀ rof. Ig. Domzao Mostacc Apput d probabltà e statstca d coteggo I ARTE: CALCOLO DELLE ROBABILITÀ I. Evet ed Est Cosderamo l espermeto d gettare u dado. Gettamo l dado, aspettamo che s ferm e osservamo l

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

STUDIO DEL LANCIO DI 3 DADI

STUDIO 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

Dettagli

), mentre l unico intero che divide 0 è 0. Enunciamo alcune proprietà di ovvia dimostrazione.

), mentre l unico intero che divide 0 è 0. Enunciamo alcune proprietà di ovvia dimostrazione. Dvsbltà e umer prm Sao a,b elemet dell seme Z degl ter relatv Dcamo che a dvde b, smbol a b, se b è multplo d a, ossa se esste u tero h Z tale che b ha Og tero a dvde 0 ( 0 0a ), metre l uco tero che dvde

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