STATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE (Trasformazioni lineari Indici di covarianza e correlazione)
|
|
- Eugenia Brescia
- 7 anni fa
- Visualizzazioni
Transcript
1 STATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE (Trasformazioi lieari Idici di covariaza e correlazioe) ) Trasformazioi lieari di variabili statistiche I varie situazioi si operao trasformazioi dei dati. Alcui esempi ci soo familiari: operiamo ua trasformazioe di ua variabile quado cambiamo uità di misura, ad esempio passado da dati espressi i cetimetri a dati espressi i metri, oppure quado trasformiamo le temperature espresse i gradi Celsius i quelle i gradi Fahreheit. Se idichiamo co X misure espresse i cetimetri e co Y le stesse espresse i metri, avremo: Y = 0.0 X Se idichiamo co X le temperature espresse i gradi Celsius e co Y quelle i gradi Fahreheit, avremo: Y= (X-3) 00/80 Operiamo ua trasformazioe di ua variabile ache quado sottraiamo a misure della massa di oggetti la massa del coteitore utilizzato; avremo, ad esempio: Y = X - I questi casi le trasformazioi soo lieari, cioè del tipo: Y = a X + b co a e b valori reali. Ciascu dato viee trasformato el seguete modo: yi = a xi + b Il coefficiete b opera ua traslazioe metre il coefficiete a è u fattore di scala che icide sulla variabile mediate ua dilatazioe o ua cotrazioe (dilatazioe se a > e cotrazioe se a < ). Se a è egativo si ha u ribaltameto rispetto all asse delle ordiate. Vediamo ora come si comportao media e variaza della variabile trasformata liearmete rispetto agli stessi idici della variabile origiale. Idichiamo co x e y le medie e co σ X e σ Y le variaze delle due variabili. A) Traslazioe Y = X + b X Y=X La media cambia: viee traslata di b, così come i sigoli dati. yi = ( xi + b) = x + b La variaza resta uguale; ifatti è basata sugli scarti dalla media, che restao uguali dopo la traslazioe: yi y = xi + b ( x + b ) = xi x Nell esempio riportato a fiaco si ha Y = X-0 e: x = 49. e σ X = 9.0 y = 39. e σ Y = 9.0
2 B) Dilatazioe/cotrazioe Y = a X La media cambia: viee dilatata o cotratta del fattore a, così come i sigoli dati. a yi = a xi = xi = a x La variaza cambia; gli scarti dalla media divetao: y i y = a x i a x = a ( x i x ) e quidi σ = ( y y ) = a ( x x ) = a ( x x ) = a σ Y i i i. X Il sego del coefficiete a o icide sulla variaza. A fiaco soo rappresetate, oltre alla variabile X dell esempio precedete, ua variabile Y dilatata 3 volte e ua W cotratta 3 volte, cioè: Y = 3 X e W = X/3 X Y=3X W=X/ Each symbol represets up to 3 observatios. 5 X Si ha: x = 49. e σ = 9.0 e quidi: y = 4.3 e σ Y = 8.63 w = 6.3 e σ W =.0 Bisoga fare attezioe ai pallii: per problemi di scala ei tre grafici u pallio corrispode a u diverso umero di osservazioi. I preseza sia di traslazioe che di dilatazioe/cotrazioe si ha: la media si trasforma secodo la stessa trasformazioe della variabile X, ovvero y = ax + b. la variaza, ivece, ha u comportameto differete σ Y = a σ X. e la deviazioe stadard si trasforma el seguete modo: σ = a σ Y X ifatti la deviazioe stadard è u idice positivo. C) Cetratura e stadardizzazioe La trasformazioe Y = X-x è detta cetratura. La variabile X viee traformata i ua variabile Y co media zero. X x La trasformazioe Z = è detta stadardizzazioe. σ X La variabile X viee traformata i ua variabile Z co media zero e variaza uo. NB: Le formule precedeti valgoo solo per trasformazioi lieari. Ad esempio se Y= /X o è vero che y = / x!
3 ) Distribuzioe cogiuta di due variabili quatitative e loro rappresetazioe grafica I risultati di due variabili quatitative X e Y rilevate sulla stessa popolazioe possoo essere rappresetati attraverso puti di u piao: a ciascua osservazioe è associato u puto le cui coordiate soo i valori di X e Y per quella osservazioe, idicati co (x i,y i ). Il grafico si chiama diagramma di dispersioe bidimesioale o scatterplot. L isieme delle K differeti coppie di valori (x k,y k ) e delle corrispodeti frequeze relative è detta distribuzioe cogiuta di X e Y. ESEMPIO. Cosideriamo il grafico della distribuzioe cogiuta dei pesi e delle altezze dei soggetti dell esperimeto sulle pulsazioi (già visto elle schede. e 3). Notiamo che el titolo dei diagrammi relativi a due variabili i software statistici scrivoo: variabile rappresetata sulle ordiate rispetto (versus i iglese) variabile rappresetata sulle ascisse Peso Scatterplot of Peso vs Altezza Altezza 90 La rappresetazioe grafica a fiaco evidezia, oltre alla distribuzioe cogiuta delle due variabili, ache le due distribuzioi margiali di X e Y. La situazioe è del tutto aaloga a quato abbiamo visto el caso di variabili qualitative. 00 Margial Plot of Peso vs Altezza Il baricetro dei dati relativi a due variabili è il puto ( x, y ) cioè il puto che ha coordiate i due baricetri della variabile X e della variabile Y. Ache i questo caso il baricetro è il puto di equilibrio della distribuzioe. Peso Altezza 90 Nel grafico della distribuzioe cogiuta si può ache evideziare l apparteeza dei soggetti ai livelli di ua variabile qualitativa, così come è fatto a fiaco per il geere: maschi () e femmie (). Peso Scatterplot of Peso vs Altezza Sex Altezza
4 3) Idici per due variabili quatitative: la covariaza e la correlazioe. Quado si hao due variabili quatitative X e Y, defiite sulla stessa popolazioe di uità, ci possiamo chiedere se esiste u legame lieare tra le due variabili e, i caso affermativo, di che tipo sia. Esamieremo come si costruiscoo e che proprietà hao due uovi idici: la covariaza e la correlazioe. A) Gli idici di covariaza e correlazioe hao la proprietà di essere: positivi per dati che hao u comportameto come quello a fiaco vicii a zero per dati che hao u comportameto come quello a fiaco egativi per dati che hao u comportameto come quello a fiaco B) Gli idici di covariaza e correlazioe soo costruiti azittutto cetrado i dati el baricetro. Idichiamo co ~ X e co ~ Y le variabili cetrate. Osserviamo che, ua volta cetrati i dati el baricetro, i prodotti ~ x ~ i y i soo positivi per i dati che soo rappresetati el primo e el terzo quadrate e egativi per i dati che soo rappresetati el secodo e el quarto quadrate dei uovi assi. Nell esempio riportato a fiaco la maggior parte dei prodotti è positiva e ioltre i prodotti egativi soo piccoli. La covariaza fra X e Y è data da m Cov(X,Y)= ~ x ~ i yi = ( xi x )( yi y ) oppure fk ( xk x )( yk y ) k = avedo idicato co (x k,y k ) gli m differeti valori assuti dalle variabili e co f k le corrispodeti frequeze relative. Talvolta come el caso della variaza, l idice di covariaza può avere (-) al deomiatore. Come la variaza, la covariaza può essere scritta i modo più semplice per i calcoli Cov(X,Y)= m xi y i x y oppure f x y k k x y k i = k = ovvero come la differeza fra la media del prodotto dei dati e il prodotto delle medie. 4
5 Ua covariaza positiva idica che per la maggior parte dei dati: - a valori alti della variabile X corrispodoo valori alti della variabile Y - a valori bassi della variabile X corrispodoo valori bassi della variabile Y Ua covariaza egativa idica che per la maggior parte dei dati: - a valori alti della variabile X corrispodoo valori bassi della variabile Y - a valori bassi della variabile X corrispodoo valori alti della variabile Y Ua covariaza circa ulla idica che o esiste essu legame di questo geere. ESEMPIO: Per le variabili Altezza e Peso la covariaza vale 8,55. Covariaza e trasformazioi lieari. Abbiamo visto che la covariaza è otteuta cetrado le variabili e quidi o risete di evetuali traslazioi delle variabili. Quidi: Cov(X + b, Y + d) = Cov(X,Y). Ivece risete, come la variaza, delle dilatazioi/cotrazioi. Ifatti Cov(, ) a c a X cy = a x c y x y a c x y i i x y i i = a c Cov( X, Y ) = i = I geerale: Cov( a X + b, cy + d ) = a c Cov( X, Y ) L uità di misura della covariaza fra X e Y (ad esempio espresse ua i cm e l altra i kg) è data dal prodotto delle uità di misura di X e di Y (quidi, cm x kg): quidi risete della scelta dell uità di misura. Come si potrebbe defiire u idice, che dia le iformazioi della covariaza ma o dipeda dalla scelta delle uità di misura di X e Y? Bisoga trasformare le variabili X e Y operado, oltre che ua cetratura, ache ua stadardizzazioe, cosiderado quidi variabili co variaza. Idichiamo ora co X ~ e co Y ~ ~ X x ~ Y y le variabili stadardizzate: X = e Y =. σ σ ~ ~ Il coefficiete di correlazioe ρ(x,y) è defiito come Cov( X, Y ) : ρ(x,y) = ~ x ~ i y i Quidi X x Y y Cov ( X, Y ) ρ(x,y) = = ( X x )( Y y ) = σ X σy σ X σy σ X σy Il sego della correlazioe coicide co quello della covariaza. L idice di correlazioe è u umero compreso fra e. Se è vicio ai valori estremi le due variabili hao u forte legame lieare. Se è vicio a 0 o esistoo legami lieari apprezzabili fra le due variabili. X Y 5
6 ATTENZIONE: la covariaza e la correlazioe misurao solo il legame lieare fra le variabili; altri tipi di legami o soo idividuati. Ua covariaza o correlazioe circa ulla o sigifica che o esista essua relazioe fra le variabili stesse. Il grafico a fiaco mostra u caso di correlazioe pressoché ulla, pur i preseza di ua relazioe quasi quadratica fra le variabili. Osserviamo ifie come el caso delle variabili qualitative che aver idividuato u legame lieare o vuol dire aver idividuato ua relazioe di causa/effetto. Ad esempio se da u idagie statistica si trova che il umero di figli per famiglia e il cosumo di alcool pro capite per famiglia hao ua correlazioe positiva abbastaza alta, questo o vuol dire che l avere ua famiglia umerosa iduce ecessariamete u maggior cosumo di alcolici, oppure che u alto cosumo di alcolici abbia come cosegueza diretta ua famiglia umerosa. I questo caso si può ipotizzare che le cause dell alto cosumo di alcolici e della umerosità dei figli siao le codizioi culturali e ecoomiche delle famiglie, ovvero che esistoo altre variabili, magari o rilevate dall idagie, che ifluiscoo sulle variabili studiate. Correlazioe e trasformazioi lieari. Abbiamo visto che la correlazioe è otteuta stadardizzado le variabili e quidi o risete di evetuali traslazioi e dilatazioi/cotrazioi delle variabili, a parte il sego. Cov ( ax + b, cy + d ) a c Cov( X, Y ) ρ (ax + b, cy + d) = = = sego( a c) ρ( X, Y ) σ σ a c ax + b cy + d Alcue osservazioi:. Si ha: Cov(X,X) = σ X, Cov(X,Y) = Cov(Y,X) e ρ(x,x) =, ρ(x,-x) = -.. Date due (o più) variabili quatitative X e X la matrice di variaza-covariaza è quella matrice simmetrica coteete sulla diagoale pricipale Var(X i )e el posto (i,j) Cov(X i,x j ). Nel caso delle variabili Altezza e Peso si ha altezza peso altezza 86,3896 8,558 peso 8,558 5,950 Aalogamete la matrice di correlazioe è quella matrice simmetrica coteete sulla diagoale pricipale e el posto (i,j) ρ (X i,x j ). Nel caso delle variabili Altezza e Peso si ha altezza peso altezza 0.85 peso
7 4) Covariaza e correlazioe ella popolazioe e i sottogruppi Come abbiamo visto ella scheda precedete per la media e la variaza, quado la popolazioe è suddivisa i sottogruppi è iteressate cofrotare gli idici di covariaza e di correlazioe fra due variabili calcolato sull itera popolazioe co quelli calcolati ei sottogruppi. Ad esempio, se si cosiderao le variabili Pesi X e Altezze Y, suddividedo la popolazioe i maschi e femmie si ha che ρ M (X,Y)= 0.4 e ρ F (X,Y)= 0.494, metre ρ tot (X,Y)= I questo caso i tre valori soo abbastaza simili (ache se il coefficiete di correlazioe totale è più alto i quato le femmie soo mediamete più basse e più leggere dei maschi) Talvolta, però, si presetao situazioi che possoo sembrare strae, ad esempio: le correlazioi elle sottopopolazioi soo piuttosto basse (i valore assoluto) metre quella ella popolazioe totale è alta: è il caso i cui il grafico della distribuzioe cogiuta preseta uvole omogeee e uiformi per le sottopopolazioi, ma la totalità dei puti preseta u adameto lieare; soo piuttosto alte (i valore assoluto) metre quello ella popolazioe totale è basso: è il caso i cui il grafico della distribuzioe cogiuta preseta uvole co adameto elle sottopolazioi, ma la totalità dei puti si preseta omogeea; le correlazioi elle sottopopolazioi hao sego egativo, metre l idice relativo alla totalità dei dati è positivo (o viceversa); è il caso i cui il grafico della distribuzioe cogiuta preseta uvole co adameto elle sottopolazioi di sego diverso da quello della totalità dei puti; UN ESEMPIO REALE: Cosideriamo alcui dati relativi a tre varietà di Iris; soo misurate la lughezza e la larghezza dei petali e lughezza e la larghezza dei sepali. Nella rappresetazioe grafica a fiaco soo riportate le distribuzioi cogiute della lughezza e della larghezza dei petali di tre varietà di Iris. Si vede che la correlazioe complessiva fra la lughezza e la larghezza è positiva e questo dovuto a u fattore di scala : le tre specie soo di dimesioi diverse: la è piccola, la è media e la 3 è grade. Le correlazioi fra la lughezza e la larghezza dei petali per ciascua varietà soo molto più basse. Qui di seguito vediamo altre due aomalie. lughezza petali larghezza petali 5 varieta 3 ρ tot =0.964 ρ =0.36 ρ =0.8 ρ 3=0.3
8 Lughezza e larghezza sepali: ρ totale egativo quasi ullo; ρ elle sottopopolazioi positivo e i u caso piuttosto alto Lughezza petali e larghezza sepali: ρ totale egativo basso; ρ elle sottopopolazioi positivo 45 varieta 3 0 varieta 3 larghezza sepali lughezza petali lughezza sepali larghezza sepali 45 ρ tot = -0.8 ρ =0.48 ρ =0.56 ρ 3 =0.45 ρ tot = ρ =0.86 ρ =0.56 ρ 3=0. UN ALTRO ESEMPIO REALE (tratto dalla rivista Nature del ottobre 005): Nei tre grafici soo riportate le distribuzioe cogiute del peso (X) e delle ore di soo gioraliere (Y) di alcui aimali; soo idicati: - i carivori co i rombi - gli erbivori co i triagoli - gli oivori co i quadrati Nelle tre sottopopolazioi si ottiee: - carivori: ρ c ( X, Y ) = erbivori: ρ e ( X, Y ) = oivori: ρ o ( X, Y ) = Studieremo i seguito il sigificato delle rette tracciate 8
9 Quidi i tutte le sottopopolazioi la correlazioe è egativa, ma per gli erbivori tale correlazioe è piuttosto alta, metre per gli altri due gruppi la correlazioe è o sigificativa. Il grafico a fiaco riguarda l itera popolazioe degli aimali. Nella popolazioe complessiva si ottiee: ρ ( X, Y ) = La relazioe fra la covariaza della popolazioe e quelle dei sottogruppi è simile a quella che abbiamo già visto per la variaza. Suppoiamo per semplicità di avere due sottogruppi A e B co frequeza relativa f A e f B, medie x A e x B ; la relazioe è la seguete: Cov tot (X,Y) = fa CovA(X,Y) + fb CovB (X,Y) + fa ( xa xtot )( ya ytot ) + fb ( xb xtot )( yb ytot ) Ovvero la covariaza della popolazioe totale è la somma (pesata) delle covariaze delle sottopopolazioi più ua quatità che può essere cosiderata ua covariaza (pesata) fra le medie dei sottogruppi. Come abbiamo già detto ua correlazioe alta o forisce iformazioi su evetuali cause/effetto fra le variabili. Talvolta però queste iformazioi soo ote a chi sta studiado ua situazioe reale: c è ua variabile (che idicheremo co X) che produce degli effetti su u altra variabile (che idicheremo co Y). I questi casi di correlazioe alta e di dipedeza di Y da X, possiamo dire che Y è approssimabile tramite X i questo modo: Y = ax + b + u errore Quali coefficieti a e b si devoo scegliere affiché la retta che approssima i dati osservati sia la migliore el seso che l errore di approssimazioe di Y tramite X sia il più piccolo possibile? Lo vedremo ella prossima scheda. 9
10 ESERCIZI ) A fiaco soo riportati i risultati di due caratteristiche quatitative effettuate sulla stessa popolazioe. a. Costruire u diagramma di dispersioe che visualizzi la distribuzioe della variabile X b. Calcolare la media di X. c. Calcolare la variaza di X. d. Costruire u grafico della fuzioe di distribuzioe cumulata della variabile X. e. Costruire u box-plot per la variabile X. f. Sapedo che per la variabile Y si ottiee: y i = 35.9 e y i X Y = 85.55, calcolare media e variaza di Y. g. Costruire u diagramma di dispersioe bidimesioale che visualizzi la distribuzioe cogiuta delle variabili X e Y h. Calcolare il coefficiete di correlazioe delle variabili X e Y ) I dati riportati ella tabella seguete soo misure di u particolare parametro di fuzioalità epatica (SGOT) co il livello di colesterolo HDL el sague. SGOT [x] HDL (mg/dl) [y] x 0 x =.5 i y i = 300. y = 900. x i i y i = a) Calcolare media e variaza delle variabili SGOT e HDL. b) Costruire u diagramma di dispersioe bidimesioale che visualizzi la distribuzioe cogiuta delle variabili X e Y c) Calcolare la covariaza fra le variabili SGOT e HDL. d) Calcolare la correlazioe fra le variabili SGOT e HDL. 3) A fiaco soo riportati i 3 risultati di ua rilevazioe quatitativa, idicata co X. Calcolare la media e la variaza di X
11 4) Per alcui, l iizio di questo milleio è il geaio 000, per altri è il geaio 00. Si effettuao 50 misure di tempo riferite all'iizio del terzo milleio. Dire quale dei segueti idici statistici riferiti alle sue 50 misure è ivariate rispetto alle due scelte per l origie: media variaza mediaa IQR
Esercitazioni 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
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
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
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 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
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
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
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
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
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
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
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it
Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:
DettagliES 1.3. Data la distribuzione unitaria di una variabile quantitativa X. la media aritmetica di X è data dal rapporto tra il totale n
ES 1.3 1 Media e variaza Data la distribuzioe uitaria di ua variabile quatitativa X x 1... x i... x, la media aritmetica di X è data dal rapporto tra il totale x i e il umero delle uità rilevate: x = 1
DettagliScheda n.6: legame tra due variabili; correlazione e regressione
Scheda.6: legame tra due variabili; correlazioe e regressioe October 26, 2008 Covariaza e coefficiete di correlazioe Date due v.a. X ed Y, chiamiamo covariaza il umero Cov (X, Y ) = E [(X E [X]) (Y E [Y
DettagliLo studio della relazione lineare tra due variabili
Lo studio della relazioe lieare tra due variabili X e caratteri etrambi quatitativi X variabile idipedete variabile dipedete * f ( ) f(): espressioe fuzioale che descrive la legge di dipedeza di da X 1
DettagliVariabilità o Dispersione Definizione Attitudine di un fenomeno ad assumere diverse modalità
Variabilità o Dispersioe Defiizioe Attitudie di u feomeo ad assumere diverse modalità Le medie o bastao Esempio: caratteri quatitativi Codomiio A u.s. Numero televisori u 8 u 8 u3 8 u4 8 u5 8 Me=M=8 Codomiio
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
DettagliLa correlazione e la regressione. Antonello Maruotti
La correlazioe e la regressioe Atoello Maruotti Outlie 1 Correlazioe 2 Associazioe tra caratteri quatitativi Date due distribuzioi uitarie secodo caratteri quatitativi X e Y x 1 x 2 x y 1 y 2 y associate
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Migo A.A. 2015-2016 Facoltà di Scieze Politiche, Sociologia, Comuicazioe Corso di laurea Magistrale i «Orgaizzazioe e marketig per la comuicazioe
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
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
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
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
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
Dettagli3.1 Rappresentazione dello stato tensionale nel piano di Mohr: circoli di Mohr.
DIDATTICA DI PROGETTAZIONE DELLE COSTRUZIONI PROF. CARMELO MAJORANA MODULO TRE I CONCETTI FONDAMENTALI NELL ANALISI DELLA TENSIONE PARTE B) MODULO PER LO SPECIALIZZANDO Modulo. Rappresetazioe dello stato
DettagliPrincipio alla base della misura del legame tra X ed Y
Pricipio alla base della misura del legame tra X ed Y Y o varia Asseza di legame Al variare di X Varia ache Y X ed Y soo coessi Come si misura la risposta di Y al variare di X? Dipede dalla atura di X
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
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,
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,
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
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
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
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
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
DettagliApprofondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie
Approfodimeto 2.1 Scalig degli stimoli mediate il metodo del cofroto a coppie Il metodo del cofroto a coppie di Thurstoe (Thurstoe, 1927) si basa sull assuzioe che la valutazioe di u oggetto o di uo stimolo
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
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
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
DettagliRelazioni statistiche
Relazioi statistiche Idipedeza: asseza di qualsiasi relazioe tra due caratteri I caso di preseza di u legame, questo può essere di: Coessioe: relazioe reciproca tra due caratteri qualitativi Dipedeza:
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
DettagliSottospazi associati a matrici e forma implicita. Sottospazi associati a una matrice Dimensione e basi con riduzione Sottospazi e sistemi. Pag.
Spazi vettoriali Sottospazi associati a ua matrice Dimesioe e basi co riduzioe Sottospazi e sistemi 2 Pag. 1 2006 Politecico di Torio 1 Spazi delle righe e delle coloe Sia A M m, ua matrice m x. Allora
DettagliRapporti statistici. Un esempio introduttivo. Tipi di rapporti statistici. rapporto di composizione. Esistono numerosi modi per costruire rapporti
Rapporti statistici U esempio itroduttivo rapporti statisticisoo misure statistiche elemetari fializzate al cofroto tra i dati stessi. Si immagii di voler cofrotare l offerta ricettiva di due località
DettagliELEMENTI DI STATISTICA. Giancarlo Zancanella 2015
ELEMENTI DI STATISTICA Giacarlo Zacaella 2015 2 Itroduzioe I termii statistici soo molto utilizzati el liguaggio correte 3 Cos è la STATISTICA STATISTICA = scieza che studia i feomei collettivi o di massa
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
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
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
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
DettagliAritmetica 2016/2017 Esercizi svolti in classe Seconda lezione
Aritmetica 06/07 Esercizi svolti i classe Secoda lezioe Dare ua formula per 3 che o coivolga sommatorie Dato che sappiamo che ( + e ( + ( + 6 vogliamo esprimere 3 mediate, e poliomi i U idea possibile
DettagliLA INTERPOLAZIONE Appartamenti venduti nel 2006 da un agenzia immobiliare di Treviso.
LA INTERPOLAZIONE Appartameti veduti el 006 da u agezia immobiliare di Treviso. superficie (mq) prezzo (k ) segue 10 160 45 70 80 95 85 110 64 98 106 140 10 170 50 80 100 150 90 15 115 165 140 165 98 145
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):
DettagliDETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE
DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo
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!
DettagliAppendice A. Elementi di Algebra Matriciale
ppedice. Elemeti di lgebra Matriciale... 2. Defiizioi... 2.. Matrice quadrata... 2..2 Matrice diagoale... 2..3 Matrice triagolare... 3..4 Matrice riga e matrice coloa... 3..5 Matrice simmetrica e emisimmetrica...
DettagliGeometria analitica: rette e piani
Geometria aalitica: rette e piai Coordiate polari Cambiameti di riferimeto el piao Cambiameti di riferimeto i geerale Isometrie Simmetrie Isometrie el piao Isometrie ello spazio 2 2006 Politecico di Torio
DettagliLE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI
Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI L osservazioe di uo o più feomei su delle uità statistiche coduce quasi sempre all osservazioi di determiazioi
Dettagli2.2 - La dipendenza assoluta e parametrica
. - La dipedeza assoluta e parametrica Tabelle a doppia etrata X\Y Y Y Y j Y c X j c. X j c. X i i i ij X k k k kj...j ic i. kc k..c.. per i assegato: i. c ij j per j assegato:.j k ij i k c ij i j.....
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
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
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
DettagliCerchi di Mohr - approfondimenti
Comportameto meccaico dei materiali Cerchi di Mohr - approfodimeti Stato di tesioe e di deformazioe Cerchi di Mohr - approfodimeti L algebra dei cerchi di Mohr Proprietà di estremo dei cerchi di Mohr Costruzioe
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
DettagliFUNZIONI RADICE. = x dom f Im f grafici. Corso Propedeutico di Matematica. Politecnico di Torino CeTeM. 7 Funzioni Radice RICHIAMI DI TEORIA
Politecico di Torio 7 Fuzioi Radice FUNZIONI RADICE RICHIAMI DI TEORIA f ( x) = x dom f Im f grafici. = = =7 =9. dispari R R -. - -. - - -. Grafici di fuzioi radici co pari pari [,+ ) [,+ ).. = = =6 =8
DettagliRichiami sulle potenze
Richiami sulle poteze Dopo le rette, le fuzioi più semplici soo le poteze: Distiguiamo tra: - poteze co espoete itero - poteze co espoete frazioario (razioale) - poteze co espoete reale = Domiio delle
DettagliStatistica. 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
DettagliANALISI DI FOURIER. Analisi di Fourier di sequenze bidimensionali o Immagini
AALISI DI FOURIER Aalisi di Fourier di sequeze bidimesioali o Immagii -Defiizioi di Sequeze Bidimesioali o Immagii -Trasformata Discreta di Fourier D -Iterpretazioe Piao di Fourier -Esempi I seguito prederemo
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
DettagliMatematica I, Limiti di successioni (II).
Matematica I, 05102012 Limiti di successioi II) 1 Le successioi elemetari, cioe α, = 0, 1, 2, α R), b, = 0, 1, 2, b R), log b, = 1, 2, b > 0, b 1), si, = 0, 1, 2,, cos, = 0, 1, 2,, per + hao il seguete
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
DettagliRadici, potenze, logaritmi in campo complesso.
SOMMARIO NUMERI COMPLESSI... Formula di Eulero... Coiugato di u umero complesso... 3 Poteza -esima di u umero complesso z (formula di De Moivre... 3 Radice -esima di z... 3 Osservazioi... Logaritmo di
DettagliApprofondimento 3.3. Calcolare gli indici di posizione con dati metrici singoli e raggruppati in classi
Chiorri, C. (201). Fodameti di psicometria - Approfodimeto. 1 Approfodimeto. Calcolare gli idici di posizioe co dati metrici sigoli e raggruppati i classi 1. Dati metrici sigoli Quado l iformazioe è a
DettagliTavole di Contingenza Connessione
Tavole di Cotigeza Coessioe Ua tavola di cotigeza per due geerici feomei X e Y è ua rappresetazioe simbolica di ua tabella a doppia etrata y 1 y y j y k x 1 11 1 1j 1k 1 x 1 j k x i i1 i ik i x h h1 h
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
DettagliLezione 8. Statistica sociale Laurea specialistica in Progettazione e gestione del turismo culturale
Statistica sociale Laurea specialistica i Progettazioe e gestioe del turismo culturale Lezioe 8 Itroduzioe all aalisi aalisi statistica dei dati (2) Gialuca Domiutti Si presetao quidi alcue misure statistiche
DettagliDomande di teoria. Chiorri, C. (2014). Fondamenti di psicometria - Risposte e soluzioni Capitolo 3
Chiorri, C. (0). Fodameti di psicometria - Risposte e soluzioi Capitolo Domade di teoria. Per le caratteristiche geerali vedi paragrafo. p. 79. Per le procedure di calcolo vedi per la moda pp. 79-8, per
Dettaglipoco significativo. RAPPORTI INDICI / NUMERI INDICI RAPPORTI DI COMPOSIZIONE RAPPORTI DI DENSITÀ RAPPORTI DI DURATA RAPPORTI DI RIPETIZIONE AD ESEMPIO
Spesso bisoga cofrotare far di loro 2 o più dati statistici che si riferiscoo a feomei rilevati o i spazi/luoghi diversi o i tempi diversi o comuque i ambiti diversi e che quidi risetoo dell UNITÀ DI MISURA
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
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 +....
Dettaglimin z wz sub F(z) = y (3.1)
37 LA FUNZIONE DI COSTO 3.1 Miimizzazioe dei costi Riprediamo il problema della massimizzazioe dei profitti del capitolo precedete e suppoiamo ora che l'impresa coosca il livello di output che deve produrre;
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,
DettagliPROPRIETÀ DELLE POTENZE IN BASE 10
PROPRIETÀ DELLE POTENZE IN BASE Poteze i base co espoete itero positivo Prediamo u umero qualsiasi che deotiamo co la lettera a e u umero itero positivo che deotiamo co la lettera Per defiizioe (cioè per
DettagliLICEO delle SCIENZE UMANE B. PASCAL
LICEO delle SCIENZE UMANE B. PASCAL Prof. Loredaa Maario INDICE 1. Scomposizioe di poliomi 1.1 Raccoglimeto totale a fattor comue..3 1. Raccoglimeto parziale a fattor comue 3 1.3 Triomio scompoibile el
Dettagli1. DISUGUAGLIANZE GEOMETRICHE
. DISUGUAGLIANZE GEOMETRICHE (SOLUZIONI) POTENZE E RADICI Siao m, N, a b 0, allora valgoo: a m b m, b m a m, e si ha l uguagliaza se e solo se a = b oppure m = 0. Esercizio. Dimostra che per ogi coppia
Dettagli5. Statistica bivariata - Correlazione e regressione
Strumeti matematici per la statistica descrittiva Gli strumeti matematici, che sarao illustrati, cosetoo di effettuare l elaborazioe dei dati: questa fase dell idagie statistica, cosiste ella trasformazioe
DettagliUNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Risk Management
UNIVERSITÀ DEGLI STUDI DI BERGAMO Facoltà di Igegeria Corso di Risk Maagemet Prof. Filippo Stefaii Matrice di variaze-covariaze A.A. 009/00 Corso 600 Corso di Laurea Specialistica i Igegeria Edile Risk
DettagliTutorato di Probabilità 1, foglio I a.a. 2007/2008
Tutorato di Probabilità, foglio I a.a. 2007/2008 Esercizio. Siao A, B, C, D eveti.. Dimostrare che P(A B c ) = P(A) P(A B). 2. Calcolare P ( A (B c C) ), sapedo che P(A) = /2, P(A B) = /4 e P(A B C) =
Dettagli2.5 Convergenza assoluta e non
.5 Covergeza assoluta e o Per le serie a termii complessi, o a termii reali di sego o costate, i criteri di covergeza si qui visti o soo applicabili. L uico criterio geerale, rozzo ma efficace, è quello
DettagliIntroduzione all Analisi di Fourier. Prof. Luigi Landini Ing. Nicola Vanello. (presentazione a cura di N. Vanello)
Itroduzioe all Aalisi di Prof. Luigi Ladii Ig. Nicola Vaello (presetazioe a cura di N. Vaello) ANALII DI FOURIER egali tempo cotiui: egali periodici egali aperiodici viluppo i serie di Itroduzioe alla
DettagliLABORATIORIO 3. Taratura statica
LABORATIORIO 3 Taratura statica Obiettivi dell esercitazioe Obiettivo di questa esercitazioe è lo svolgimeto di ua serie di esperieze di laboratorio per verificare e applicare le coosceze relative alle
DettagliLezione 10 - Tensioni principali e direzioni principali
Lezioe 10 - Tesioi pricipali e direzioi pricipali ü [A.a. 2011-2012 : ultima revisioe 23 agosto 2011] I questa lezioe si studiera' cio' che avviee alla compoete ormale di tesioe s, al variare del piao
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
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
DettagliCapitolo uno STATISTICA DESCRITTIVA BIVARIATA
Capitolo uo STATISTICA DESCRITTIVA BIVARIATA La statistica bidimesioale o bivariata si occupa dello studio del grado di dipedeza di due caratteri distiti della stessa uità statistica. E possibile, ad esempio,
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
DettagliAppunti sui modelli lineari
Uiversità degli Studi di Bologa Facoltà di Scieze Statistiche Auti sui modelli lieari Agela Motaari ANNO ACCADEMICO 2004-2005 . INRODUZI ONE AI DAI MUL IVARI AI Esemio (Fote: Quattroruote, Marzo 996 =
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 / 19 Iterdipedeza lieare fra variabili quatitative
DettagliProf.ssa Paola Vicard
Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa
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
Dettagli(1 2 3) (1 2) Lezione 10. I gruppi diedrali.
Lezioe 0 Prerequisiti: Simmetrie di poligoi regolari. Gruppi di permutazioi. Cetro di u gruppo. Cetralizzate di u elemeto di u gruppo. Riferimeto al testo: [PC] Sezioe 5.4 I gruppi diedrali. Ogi simmetria
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
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
Dettagli