2. La distribuzione normale

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "2. La distribuzione normale"

Transcript

1 . La dstrbuzone normale.. Il concetto d dstrbuzone... Frequenze, class, stogramm Comncamo con un esempo. Supponamo d dover elaborare dat relatv ad una prova standardzzata sommnstrata nel corso d una ndagne trasversale su vasta scala ad una popolazone scolastca. Supponamo per fssare le dee che puntegg grezz della prova possano varare da 0 a 00, e che la prova sa stata sommnstrata ad un campone d 000 student. Una volta raccolt tutt puntegg grezz nteressa avere una vsone d sntes dell andamento della prova. questo scopo s può pensare d suddvdere l ntervallo da 0 a 00 n una successone d ntervall d ampezza assegnata, dcamo 0. Qund: da 0 a 0 sarà l prmo ntervallo, da a 0 l secondo, da a 30 l terzo, e così va fno all ultmo da 9 a 00. Cascuno d quest ntervall è detto classe o, pù estesamente, classe d frequenza. Le class n cu suddvdere una popolazone statstca sotto esame devono essere mutuamente esclusve e devono coprre l ntero range d varazone (coè ogn elemento della popolazone deve appartenere ad una e una sola classe). Detto ampezza d una classe l ntervallo fra suo valor estrem, d norma le class devono essere d uguale ampezza (salvo al pù le class estreme: nel nostro caso la prma classe vara da 0 a 0 anzché da a 0). Per ogn classe possamo contare l numero d prove l cu punteggo è entro lmt della classe stessa; nell esempo nella Tab.. seguente, 60 prove hanno conseguto un punteggo fra 0 e 0, 0 prove hanno conseguto un punteggo fra e 0, e così va. Il numero d element contenuto n ogn classe s dce frequenza assoluta, o semplcemente frequenza. Così la frequenza della classe da 3 a 40 è 70. Come s nota, l totale delle frequenze dà 000. Le frequenze vengono n genere smbolzzate con la lettera corsva f. Nel corso d una sntes, pù che le frequenze assolute rsultano espressve le frequenze relatve, coè le percentual. Vengono dette frequenze relatve o frequenze percentual, e sono ndcate col smbolo f %. Le frequenze relatve s calcolano con la semplce formula: f % 00 f f (.) d esempo, la frequenza relatva della classe da 4 a 50 s calcola così: 00 0%. volte nfne è d nteresse calcolare le cosddette frequenze cumulate assolute, ndcate col smbolo F e le corrspondent frequenze cumulate relatve, ndcate con F %. Le frequenze cumulate F s calcolano assommando (coè cumulando) ad ogn frequenza f tutte le frequenze f relatve alle class precedent. Così ad esempo per la classe da a 0 abbamo: F , per la classe da a 30 abbamo F , e così va. In modo analogo s opera per le frequenze relatve F %. S not che la frequenza cumulata F dell ultma classe è sempre par alla numerostà della popolazone (000 nel nostro caso) mentre la corrspondente frequenza F % è sempre 00%. Classe d frequenze f f % F F % da 0 a % % da a % % da a % % da 3 a % % da 4 a % % da 5 a % % da 6 a % % da 7 a % % da 8 a % % da 9 a % % ,0% Tab.. Fg.. Il dagramma a barre vertcal d Fg.. s chama stogramma, e vsualzza una sntes de dat. In pratca per ogn classe vene nnalzata una barra d altezza proporzonale alla sua frequenza. La lettura dell stogramma è mmedata: con un colpo d occho notamo che l grosso delle prove standardzzate raccolte nella statstca s collocano nella zona de puntegg ntermed. Pù c allontanamo sa a snstra che a destra da valor ntermed e pù le frequenze dmnuscono.

2 ... Introduzone ntutva al concetto d dstrbuzone Se con l occho seguamo l proflo descrtto dalla sommtà delle dverse barre che formano l stogramma n Fg.., ruscamo ad nture l esstenza d una lnea curva, dotata d una certa smmetra, la cu sommtà sta n una poszone grosso modo centrale. In genere una raccolta statstca su vasta scala d msurazon quanttatve dà luogo a stogramm caratterzzat da svarat tp d profl curvlne. Da Fg.. a Fg..7 sono mostrat alcun esemp ulteror. In Fg.. la curva presenta una sorta d gobba posta n poszone asmmetrca (verso destra) rspetto al valore medano. Se s tratta d una statstca su puntegg grezz d una prova standardzzata possamo dre che una parte consstente delle prove ha raggunto puntegg puttosto alt. In Fg..3 abbamo la stuazone opposta, caratterzzata da una certa asmmetra a snstra: un consstente numero d prove ha conseguto puntegg puttosto bass. La Fg..4 presenta nvece una spece d schaccamento n senso orzzontale del proflo dell stogramma: le barre hanno tutte pù o meno la stessa altezza: compt mglor, quell peggor e quell med hanno la stessa numerostà. In Fg..5 abbamo ancora uno schaccamento della curva, ma n senso vertcale: notamo un pcco centrale molto alto e molto stretto; n tal caso samo n presenza d un generale appattmento delle prestazon, perché l grosso delle prove s colloca n una zona d medocrtà, con poch cas d eccellenza e altrettanto poche prove d scarso lvello. La Fg..6 llustra una stuazone con due pcch modal, analoga a quella gà llustrata e dscussa nel captolo precedente (Fg..); essa ndca con tutta probabltà la mescolanza d due dstnte popolazon. Infne la Fg..7 llustra una stuazone d problematca nterpretazone e dffclmente rscontrable n realtà; potrebbe essere determnata da un campone troppo esguo. Fg.. Fg..3 Fg..4 Fg..5 Fg..6 Fg..7 Quell passat n rassegna sono alcun esemp d possbl dfferent dstrbuzon statstche. In prma approssmazone possamo dre che una dstrbuzone statstca è una descrzone d nseme delle modaltà con cu dat raccolt s rpartscono all nterno delle dverse class con le rspettve frequenze. Una dstrbuzone è egregamente sntetzzata dal proflo del corrspondente stogramma. Le propretà del proflo curvlneo della dstrbuzone fornscono ulteror nformazon d sntes oltre a quelle che possono essere desunte dalle statstche descrttve ntrodotte nel captolo precedente. Fno a qu abbamo esemplfcato attraverso la dstrbuzone de puntegg grezz d una prova standardzzata, puntegg che possono varare all nterno d una gamma dscreta che va da 0 a 00. Il termne dscreta è stato usato n una accezone che non è quella del lnguaggo comune, ma nella accezone matematca: cò sgnfca che la gamma da 0 a 00 n questo caso non costtusce uno spettro contnuo d valor, ma solo un nseme fnto; nfatt puntegg pres n

3 esame sono solo dvers numer nter compres fra due estrem 0 e 00, e non tutt gl nfnt possbl numer ntermed fra due estrem. Gl esemp llustrat fno qu s rferscono dunque a dstrbuzon dscrete. Esemplfchamo ora (n modo decsamente approssmatvo, vsta la natura non matematca d questa trattazone) una dstrbuzone contnua. Consderamo l caso n cu dat raccolt per una statstca possono, almeno teorcamente, coprre una gamma contnua d valor; ad esempo raccoglamo pes alla nascta de bambn d una data popolazone; ebbene, l organsmo non cresce a salt, coè n modo dscreto, ma con contnutà: natura non fact saltus (almeno nel macroscopco). Teorcamente qund possamo raccoglere una gamma contnua d msurazon. Se dsponamo tutte le nfnte possbl msure d peso lungo un asse orzzontale (una per ogn punto) e per cascun punto nnalzamo (analogamente a quanto fatto con le barre degl stogramm) un semplce segmento, ottenamo alla fne del procedmento un proflo curvlneo detto curva d dstrbuzone. Tutte le dstrbuzon contnue sono caratterzzate da una curva d dstrbuzone che può assumere le forme pù svarate. Le curve d dstrbuzone sono generate da opportune equazon matematche... La dstrbuzone normale... Descrzone nformale d alcune propretà della dstrbuzone normale Rmanendo all esempo della statstca su pes, possamo ragonevolmente potzzare che la loro dstrbuzone sa del tpo d quella rappresentata n Fg.., coè con l tpco proflo a campana. Le propretà d questa dstrbuzone possono essere sntetzzate così: la maggor parte de pes raccolt tendono a concentrars nella parte centrale della dstrbuzone; man mano che c s allontana da valor d peso central le frequenze tendono a dmnure: è coè ragonevole supporre che quanto pù l peso è anomalo, tanto pù le corrspondent frequenze s abbasseranno; n altre parole: un numero d ndvdu va va decrescente avrà pes va va pù anomal (dstant da quello centrale); la rduzone delle frequenze al crescere dell anomala de pes è smmetrca, coè avvene con analoghe modaltà sa per gl eccess che per dfett d peso. Le aspettatve d questo genere trovano un puntuale rscontro nella rcerca spermentale. Gà dalla seconda metà dell ottocento, ad opera d poner come Galton, s sono esplorate n profondtà le dstrbuzon d msura de pù svarat tratt morfologc; l rsultato d queste rcerche è stato sempre quello d una dstrbuzone dal tpco proflo a campana. La dstrbuzone teorca che meglo s adatta all andamento descrtto sopra è la dstrbuzone normale o gaussana (n onore del grande matematco Gauss). Il grafco della curva corrspondente è n Fg... Con un lnguaggo matematco maggormente formalzzato possamo formulare le tre osservazon precedent dcendo che: la frequenza maggore è quella relatva al valore medo; la curva ha un comportamento asntotco, coè le due code estreme tendono ad avvcnars ndefntamente all asse delle ascsse; la curva è smmetrca rspetto alla vertcale condotta per la meda. Fg..... Equazone matematca della curva d dstrbuzone normale Matematcamente parlando la curva d dstrbuzone normale ha la seguente formulazone: Y f e (.) In questo contesto non utlzzeremo nel calcolo questa formula puttosto complcata. Il motvo per cu è rportata è che auta a convncers del fatto che la dstrbuzone normale dpende da due valor caratterstc della popolazone statstca descrtta, dett parametr (l concetto generale d parametro vene precsato oltre, n 3...): la meda e la devazone standard. Vedamo meglo come vanno le cose. Per quanto rguarda la meda abbamo gà vsto che la campana è centrata su questo valore. Cò sgnfca che a partà d devazone standard due popolazon dstrbute normalmente con mede e dfferent sono rappresentate da due curve d dstrbuzone gaussane della stessa forma, centrate cascuna sulla propra meda, come llustra Fg..3.

4 Fg..3 Fg..4 La devazone standard d una popolazone dstrbuta normalmente determna nvece la larghezza della campana. Questo è ragonevole: nfatt una devazone standard elevata sgnfca grande varabltà, mentre all opposto una pccola devazone standard sgnfca scarsa varabltà; ora, e abbastanza ntutvo capre che se una popolazone è caratterzzata da ampa varabltà la corrspondente curva d dstrbuzone sarà larga, perché le msure corrspondent s dsporranno su una gamma d valor ampa; vceversa, una scarsa varabltà comporta una gamma lmtata d valor e qund una campana stretta. Questo è cò che succede n Fg..4, n cu sono rappresentate due curve d dstrbuzone. S noterà che la curva caratterzzata normal avent la stessa meda, ma dfferent devazon standard, con dalla devazone standard maggore è pù bassa dell altra. La spegazone d questa crcostanza è rnvata al ree sotto la curva d dstrbuzone normale. 3.. ree comprese fra due valor assegnat Comncamo col dre che l area sotto la curva d dstrbuzone normale (la porzone d pano delmtata dall asse delle ascsse e dalla curva stessa) vale, così come vale l area sotto tutte le curve d dstrbuzone che consdereremo successvamente. Il calcolo d questa area è puttosto complcato e qund l lettore deve prendere per buono l rsultato. Prma d procedere damo subto rsposta al questo posto al... Come ma una curva normale pù larga deve per forza essere pù bassa? Perché l area s deve mantenere costante e uguale a. Fatta questa premessa osservamo Fg..5 e Fg..6. Fg..5 Fg..6 Entrambe rappresentano una regone pana delmtata dalla curva d dstrbuzone, dall asse delle ascsse e da due valor d ascssa a e b, e sono relatve ad una medesma popolazone: pù precsamente rappresentano la dstrbuzone delle msure d un determnato tratto (ad esempo del peso corporeo) nella popolazone esamnata. S nota subto che la prma delle due superfc ombreggate è pù estesa della seconda. Ora passamo a consderare le corrspondent popolazon. Quant ndvdu della popolazone normale rappresentata hanno una msura del tratto sotto osservazone compresa fra l valore a e l valore b nel prmo e nel secondo caso? Questo non può essere detto, ma è ntutva una cosa: nel caso d Fg..5 saranno pù che nel caso d Fg..6; pù precsamente è ntutvo e ragonevole accettare che l numero d ndvdu della popolazone con una msura fra a e b del tratto sotto osservazone (peso) è proporzonale all area sotto la curva d dstrbuzone compresa fra valor a e b. Questa affermazone mplca una mportante conseguenza. Supponamo d estrarre a caso dalla nostra popolazone un ndvduo. Quale è la probabltà P che questo ndvduo abba un valore tra a e b della msura osservata? La probabltà è proporzonale all area compresa fra a e b. Pù precsamente: la probabltà è data dal rapporto fra l area ab delmtata da a e b e l area tot totale (coè l area sotto l ntera curva d dstrbuzone); qund: P ab tot Questo semplce rsultato è d mportanza decsva, e una sua generalzzazone charrà nel Cap. 3 quale sa l sgnfcato delle aree sotto una qualsas curva d dstrbuzone. Per ora possamo concludere così: l area delmtata da due valor a e b sotto una curva d dstrbuzone normale, relatva alle msurazon d un certo tratto n una popolazone, esprme la probabltà d ottenere, camponando a caso nella popolazone stessa, un valore della msura compreso fra a e b. Vedamo ora n partcolare cosa possamo dre crca alcune aree partcolar sotto la dstrbuzone normale. ab ab

5 Fg..7 Osservamo la Fg..7. Come sappamo la dstrbuzone normale è centrata sul valore medo. Ora, allontanamoc da d una devazone standard ; raggungamo qund due valor e. Calcolando con opportun metod l area sotto la curva compresa fra quest due valor ottenamo approssmatvamente 0.687, che equvale al 68.7% dell area totale (che vale ). Questo sgnfca che camponando a caso n una popolazone normalmente dstrbuta ho una probabltà par al 68.7% d ottenere un valore compreso fra e. In altr termn pù d metà dell ntera popolazone non s allontana da per pù d. In modo analogo, se calcolamo l area fra e ottenamo l valore , par al 95.44% dell area totale. Questo sgnfca che pù del 95% degl element d una popolazone normalmente dstrbuta non s allontanano da per pù d. Infne, calcolando l area fra 3 e 3 ottenamo l 99.73% dell area totale, coè: la quas totaltà d una popolazone normalmente dstrbuta non s allontana dalla propra meda per pù d 3 devazon standard ree esterne a due valor assegnat Fno ad ora c samo occupat dell area compresa fra due valor a e b. In statstca tuttava è spesso utle conoscere l area esterna a due valor assegnat, quella che vene chamata area sotto le code della dstrbuzone. d esempo, consderamo ancora valor e, ma occupamoc questa volta dell area sotto le code della dstrbuzone determnate da quest due estrem. Tal aree sono evdenzate n Fg..8. Fg..8 Essendo gà nota l area sotto la curva normale compresa fra due valor (par a ) ed essendo nota l area totale (par a ) l calcolo delle aree sotto le due code s ottene con una banale sottrazone, e rsulta par a , coè corrsponde al 4.56% dell area totale. Se nvece nteressa l area sotto una sola delle due code, rcordando che la curva d dstrbuzone è smmetrca, basta dvdere per due valor ottenut sopra, ottenendo 0.08, par al.8% dell area totale. Quanto detto può essere espresso, a seconda che consderamo le due code oppure una sola, ad esempo quella d destra, al modo seguente: caso a due code: la probabltà d ottenere camponando a caso n una popolazone normalmente dstrbuta un valore che s allontan dalla meda per pù d due devazon standard è par a (4.56%); caso a una coda: la probabltà d ottenere camponando a caso n una popolazone normalmente dstrbuta un valore maggore d è par a (4.56%);

6 .4. Standardzzazone. 4.. Il concetto d standardzzazone Comncamo con un esempo. bbamo sommnstrato una prova oggettva e sulla base de puntegg grezz voglamo formulare delle valutazon. Il punteggo grezzo esprme d fatto una valutazone rferta a crtero della sngola prova. Con questa espressone s ntende che l punteggo grezzo esprme una msura n termn assolut (su una scala ad ntervall) delle competenze dmostrate dal sngolo studente; n altr termn l punteggo grezzo esprme l lvello d padronanza raggunto dallo studente, eventualmente anche n termn percentual. Ora samo nteressat ad avere anche una valutazone rferta a norma. Coè nteressa valutare rsultat dal sngolo studente n rapporto a rsultat ottenut da tutt gl altr; sotto questo aspetto non nteressa tanto sapere cosa n assoluto l sngolo conosce e sa fare, quanto puttosto come s colloca la sua prestazone all nterno delle prestazon general della classe. Per arrvare a questo rsultato occorrerà consderare:. come medamente è andata la prova (rferendoc n qualche modo alla meda);. che grado d omogenetà sussste fra rsultat e come sono dstrbut puntegg (rferendoc alla devazone standard). In pratca: detto Y l punteggo dello studente -esmo, e detta la meda de puntegg della classe, rsulta del tutto spontaneo rcorrere alla dfferenza, che esprme la dstanza fra l punteggo -esmo ed l punteggo medo. Y Oltre tutto la dfferenza può essere sa postva che negatva, a seconda che Y sa maggore o mnore della meda, e questo fa senz altro comodo. Tuttava questa dfferenza non è ancora soddsfacente. Per capre questo aspetto osservamo la Fg..9, n cu sono vsualzzat puntegg grezz n due dfferent stuazon a confronto; var puntegg ottenut nella prova oggettva sono rappresentat da opportune tacche lungo un asse; la tacca relatva al punteggo Y è stata accentuata per facltarne l ndvduazone, così come per la poszone del punteggo medo. Fg..9 La dfferenza Y assume lo stesso valore ne due cas, vsto che la dstanza fra le due tacche è la stessa; tuttava la poszone relatva del punteggo Y è ben dversa ne due cas: nel caso samo n presenza d un dstacco netto dello studente -esmo dal resto della classe; nvece nel caso B, pur offrendo una prestazone scadente, lo studente è ancora n qualche modo aggancato al resto della classe. Dunque la sola dfferenza Y non dà conto delle due dverse stuazon perché non tene n consderazone l dverso grado d dspersone de puntegg: nel caso B la dspersone è nfatt maggore che non nel caso. Questo suggersce d rapportare la dfferenza Y alla devazone standard, arrvando così alla formulazone matematca z Y (.3) Il rapporto esprme quante devazon standard sono contenute nella dstanza fra Y e ; dunque è come se questa dstanza vensse msurata n untà d devazon standard. Statstcamente parlando la trasformazone delle varate Y n valor z attraverso la (.3) vene detta standardzzazone; valor z sono dett puntegg standard, o anche valor standardzzat delle varate Y. Qualche esempo numerco servrà a renders meglo conto del sgnfcato della standardzzazone. Supponamo che parametr d una popolazone sano: 3 e Consderamo l valore Y 4. 5 ; è facle notare che s trova a tre devazon standard dalla meda, n quanto Se standardzzamo l valore Y attraverso la (.3) ottenamo z 3. Questo esprme esattamente l fatto che Y è a tre devazon standard da.. Ora supponamo d dover standardzzare l valore Y. Rspetto a, Y sta ad due devazon standard n detro, n quanto Standardzzando ottenamo z. ncora una volta l valore standardzzato esprme la poszone d Y rspetto a n untà d devazon standard. llo stesso modo possamo dunque affermare che se z. allora l corrspondente valore d Y supera la meda della popolazone d poco pù d

7 devazon standard, qualunque sa l valore de parametr e ; oppure se z 0. 5 concludamo che l corrspondente Y precede la meda d mezza devazone standard, qualunque sa l valore de parametr e Puntegg standardzzat e scala pentesmale Supponamo d voler catalogare n cnque class d frequenza le prove oggettve d cu s è parlato n. 4.., suddvdendo rsultat a seconda de puntegg; la prma classe sarà quella de puntegg Bass (B), po a segure: Medo Bass (MB), Med (M), Medo lt (M) e lt (). L ampezza d ogn classe sa par a una devazone standard. La classe M sarà centrata sulla meda, e dunque raccoglerà gl elaborat cu puntegg standardzzat z varno da 0.5 a 0.5 (qund l ampezza dell ntervallo fra due valor standardzzat è par a, corrspondente a una devazone standard). Fssat valor lmte della classe centrale M (n punt z), è facle fssare l lmt della classe M (da 0.5 a.5) e MB (da 0.5 a.5); nella classe estrema B cadranno tutt valor standardzzat mnor d.5, e smmetrcamente nella classe cadranno tutt valor superor a.5. In Fg..0 sono rappresentate le 5 class con relatv lmt espress n punt z. Fg..0 S not che le class pentesmal non esprmono un valore assoluto; nell esempo de rsultat delle prove oggettve, l fatto d essere n classe non esprme necessaramente che la corrspondente prova sa eccellente, anz, potrebbe trovars n classe anche una prestazone scarsa: semplcemente n tal caso tutte le altre prove della classe sarebbero andate ancora peggo. nalogamente, l fatto che una prova sa catalogata n classe B non sgnfca che sa scadente, ma solo che tutte le altre sono andate meglo. S rcord nfatt che è utle rcorrere alla standardzzazone de puntegg quando s vuole operare una valutazone rferta a norma e non a crtero. Esstono altr mportant ambt applcatv della standardzzazone de dat che verranno llustrat successvamente. Il Box. rassume n un esempo tutta l operatvtà relatva alla standardzzazone ntrodotta fno a questo punto. S tratta d un nseme d dat d cu s elabora la standardzzazone e la classfcazone pentesmale La normale standardzzata e le sue tavole statstche Consderamo una popolazone dstrbuta normalmente, con parametr e. Immagnamo d standardzzare tutt suo valor Y, ottenendo così una nuova popolazone d valor z. La nuova popolazone è anch essa dstrbuta normalmente. Qual sono suo parametr? Il calcolo è presto fatto; l valore medo della nuova popolazone sarà l corrspondente standardzzato del valore medo della prma popolazone, dunque, standardzzando con la (.3) ottenamo 0 ; dunque l valore medo della nuova popolazone è 0. Per capre quale sa la nuova devazone standard possamo standardzzare l valore Y (un valore ad una devazone standard dalla meda) della prma popolazone, sempre utlzzando la (.3); ottenamo: Y z. Questo sgnfca che la devazone standard della popolazone de valor z è. Dunque la nuova popolazone, ottenuta standardzzando tutt valor della popolazone d partenza, ha parametr 0 e. Nel caso partcolare n cu 0 e l equazone (.) s semplfca nella seguente: f e La dstrbuzone corrspondente è chamata normale standardzzata. Qund: standardzzando dat relatv ad una dstrbuzone normale ottenamo una nuova popolazone dstrbuta secondo una normale standardzzata. In ppendce sono rportate due tavole statstche relatve alla dstrbuzone normale standardzzata. Tavola rporta valor d ordnata corrspondent ad un dato valore d ascssa z assegnata nella parte postva della normale standardzzata, come mostra Fg.. (le ordnate corrspondent a valor s z negatv sono gl stess de corrspondent postv, vsta la smmetra della curva). Y (.4)

8 Fg.. Fg.. Nella Tavola c è una colonna ntestata con z, e altre dec ntestate con le cfre da 0 a 9. La colonna z contene successv valor d ascssa z da 0 fno a 3.9. Se desderamo sapere l ordnata corrspondente al valore z =., senza dover esegure un laboroso calcolo attraverso la (.4), cerchamo. nella colonna z, po, spostandoc n orzzontale sulla colonna 0 a lato, ottenamo l valore d ordnata Se nvece l valore d z ha due decmal dopo la vrgola, ad esempo z =.7, c ponamo sempre sulla rga corrspondente a., ma c spostamo orzzontalmente fno alla colonna ntestata come l ultmo decmale, 7 nell esempo, e trovamo l valore d ordnata Un ultmo esempo. Per avere l valore d ordnata corrspondente a z = -.35 cerchamo sulle tavole quello corrspondente all omologo postvo z =.35, e ottenamo Nella Tavola abbamo nvece valor delle aree sotto la curva normale standardzzata comprese far valor 0 e z, come llustra Fg... nche n questo caso la tavola rporta valor per le sole ascsse z postve; ancora, valor d z possono avere fno a due decmal dopo la vrgola, con meccansmo d rcerca analogo a quello della Tavola. d esempo, cerchamo l area sotto la normale standardzzata compresa fra 0 e.4, e trovamo l valore 0.4, par al 4,% dell area totale. Se nteressano aree delmtate da estrem d cu uno non sa 0 occorre decomporle facendo n modo che uno degl estrem sa 0. d esempo, per avere l area compresa fra.5 e.3 occorre calcolare le aree da 0 a.3 e da 0 a.5, e successvamente sommarle. Oppure, per avere l area compresa fra.6 e 3.8 occorre cercare l area da 0 a 3.8, a cu po s sottrae l area da 0 a.6. Infne, per l calcolo dell area sotto una coda della normale standardzzata, ad esempo per l area da 3. n avant, basta rcordare che l area da 0 n avant vale 0.5 (metà dell area totale che vale ); dal valore 0.5 basta po sottrarre l area da 0 a 3.. ncora utlzzando la Tavola trovamo che l area compresa fra 0 e è 0.343; moltplcando per due ottenamo l area compresa fra e, che vale che, salvo mprecson dovute ad arrotondament, concde col valore dell area tra e + dato nel. 3. (s rcord che n una normale standardzzata = 0 e = ). nalogh calcol possono essere condott per rtrovare sa l valore dell area fra e + che l valore dell area fra 3 e + 3. Il calcolo delle aree è utle n quanto permette d realzzare calcol d probabltà. d esempo: che probabltà ho, camponando a caso n una popolazone dstrbuta come la normale standardzzata, d ottenere un valore compreso fra.5 e.3? Basta calcolare appunto l area sotto la normale standardzzata fra.5 e.3. S potrà obettare che l calcolo sa d utltà puramente accademca, vsto che è assa mprobable che una dstrbuzone d nteresse reale abba parametr 0 e come la normale standardzzata. Coè: come facco a calcolare la probabltà d camponare a caso da una popolazone normalmente dstrbuta con parametr e 0. 6 un valore compreso fra 0 e 0.9? Il problema è rsolto pratcamente nel Box.. La stratega è quella d rportars, attraverso una semplce standardzzazone de due estrem 0 e 0.9 ad una normale standardzzata, sotto cu samo n grado attraverso la Tavola d calcolare le aree. S facca attenzone ad un dettaglo forse scontato ma molto mportante: tutt calcol descrtt nel paragrafo e nel corrspondente Box. hanno sgnfcato solo nella msura n cu la dstrbuzone d rfermento è normale; questa potes soggace mplctamente a tutt ragonament che abbamo condotto; cò comporta che l calcolo ora descrtto, applcato ad una popolazone la cu dstrbuzone non sa normale, sarebbe napproprato (e dunque naffdable).

9 Box.. Standardzzazone de dat e classfcazone pentesmale Puntegg grezz d 0 prove oggettve: Calcolo della meda e della devazone standard de 0 puntegg grezz. n 0 Y Y 54. n 0 Y y Y Y n n y Standardzzazone de puntegg. Utlzzando la (.3) ottenamo: z Y, da cu rcavamo la standardzzazone d tutt puntegg con una z Y. semplce sosttuzone. d esempo, per l prmo valore: Classfcazone pentesmale Per l attrbuzone delle class pentesmal s rcorre alle convenzon del. 4.. rassunte n Fg..0. d esempo, per z.97 abbamo z. 5, dunque la classe competente è B; per z abbamo.5 z e z. 8 abbamo 0.5 z. 5 8 e dunque la classe pentesmale la classe d appartenenza è dunque MB; per 9 corrspondente è M. Y z Classfcazone pentesmale B -.88 B MB MB MB M M M M M M M M M M M M M Rf.:. 4..;. 4..

10 Box.. Calcolo della probabltà d ottenere una valore compreso fra due estrem a e b assegnat, camponando a caso n una popolazone normalmente dstrbuta con parametr e assegnat. Sa e Sano noltre a 0 e b Standardzzazone de valor a e b Utlzzando la.4 ottenamo: z a z b Calcolo delle aree sotto la normale standardzzata L area fra 3.33 e.83 s calcola sottraendo all area tra 0 e 3.33 l area tra 0 e.83; queste due ultme aree sono ugual (per la smmetra della dstrbuzone normale) a quelle fra 0 ed corrspondent valor d z postv. Dunque, utlzzando Tavola : da cu l calcolo dell area cercata: ab Dunque la probabltà d camponare casualmente un valore fra 0 e 0.9 da una popolazone normalmente dstrbuta con e 0. 6 è , par a 3.35%. Rf.:. 3..;

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3 Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

Dettagli

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm

Dettagli

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30 1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza

Dettagli

Correlazione lineare

Correlazione lineare Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua Unverstà d Cassno Eserctazon d Statstca del 9 Febbrao 00 Dott. Mro Bevlacqua DATASET STUDENTI N SESSO ALTEZZA PESO CORSO NUMERO COLORE COLORE (cm) (g) LAUREA SCARPA OCCHI CAPELLI M 79 65 INFORMAICA 43

Dettagli

5. Baricentro di sezioni composte

5. Baricentro di sezioni composte 5. Barcentro d sezon composte Barcentro del trapezo Il barcentro del trapezo ( FIURA ) s trova sull asse d smmetra oblqua (medana) della fgura; è suffcente, qund, determnare la sola ordnata. A tal fne,

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

Dettagli

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student. Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana

Dettagli

Statistica descrittiva

Statistica descrittiva Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Dettagli

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

LA CALIBRAZIONE NELL ANALISI STRUMENTALE LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra

Dettagli

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi Allenament d matematca: Teora de numer e algebra modulare Soluzon esercz 29 novembre 2013 1. Canguro salterno. Un canguro salterno s trova a ped d una scala nfnta che ntende salre nel seguente modo: Salta

Dettagli

Condensatori e resistenze

Condensatori e resistenze Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere

Dettagli

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo

Dettagli

VA TIR - TA - TAEG Introduzione

VA TIR - TA - TAEG Introduzione VA TIR - TA - TAEG Introduzone La presente trattazone s pone come obettvo d analzzare due prncpal crter d scelta degl nvestment e fnanzament per valutare la convenenza tra due o pù operazon fnanzare. S

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

PARENTELA e CONSANGUINEITÀ di Dario Ravarro Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu

Dettagli

9.6 Struttura quaternaria

9.6 Struttura quaternaria 9.6 Struttura quaternara L'ultmo lvello strutturale é la struttura quaternara. Non per tutte le protene è defnble una struttura quaternara. Infatt l esstenza d una struttura quaternara é condzonata alla

Dettagli

Campo di applicazione

Campo di applicazione Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati. Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes

Dettagli

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza 5: Strato fsco: lmtazone d banda, formula d Nyqust; caratterzzazone del canale n frequenza Larghezza d banda d un segnale La larghezza d banda d un segnale è data dall ntervallo delle frequenze d cu è

Dettagli

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM

Dettagli

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

Il pendolo di torsione

Il pendolo di torsione Unverstà degl Stud d Catana Facoltà d Scenze MM.FF.NN. Corso d aurea n FISICA esna d ABORAORIO DI FISICA I Il pendolo d torsone (sezone costante) Moreno Bonaventura Anno Accademco 005/06 Introduzone. I

Dettagli

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu) lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu

Dettagli

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare.

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare. Una semplce applcazone del metodo delle caratterstche: la propagazone d un onda d marea all nterno d un canale a sezone rettangolare. In generale la propagazone d un onda monodmensonale n una corrente

Dettagli

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

Probabilità cumulata empirica

Probabilità cumulata empirica Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE E IL TERRITORIO METODI DI LOCALIZZAZIONE DEL RISALTO IDRAULICO RELATORE Ch.mo Prof. Ing.

Dettagli

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone

Dettagli

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA Lezone 7 - Indc statstc: meda, moda, medana, varanza INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA GRUPPO MAT06 Dp. Matematca, Unverstà d Mlano - Probabltà e Statstca per le Scuole Mede -SILSIS - 2007

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

REALTÀ E MODELLI SCHEDA DI LAVORO

REALTÀ E MODELLI SCHEDA DI LAVORO REALTÀ E MODELLI SCHEDA DI LAVORO 1 Le tabelle d crescta Nella tabella sono rportat dat relatv alle altezze mede delle bambne dalla nascta fno a un anno d età. Stablsc se esste una relazone lneare tra

Dettagli

Geotecnica Esercitazione 1/2013

Geotecnica Esercitazione 1/2013 Geotecnca Eserctazone 1/2013 # 1 - Note le quanttà q n gramm present su ogn setacco d dametro assegnato, rportate n Tab. 1, rappresentare le curve granulometrche e classfcare terren a, b, c. # 2 La Tab.

Dettagli

urto v 2f v 2i e forza impulsiva F r F dt = i t

urto v 2f v 2i e forza impulsiva F r F dt = i t 7. Urt Sstem a due partcelle Defnzone d urto elastco, urto anelastco e mpulso L urto è un nterazone fra corp che avvene n un ntervallo d tempo normalmente molto breve, al termne del quale le quanttà d

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz LEZIONE e 3 La teora della selezone d portafoglo d Markowtz Unverstà degl Stud d Bergamo Premessa Unverstà degl Stud d Bergamo Premessa () È puttosto frequente osservare come gl nvesttor tendano a non

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematca II: Calcolo delle Probabltà e Statstca Matematca ELT A-Z Docente: dott. F. Zucca Eserctazone # 8 Gl esercz contrassegnat con (*) sono tratt da Eserc. 2002-2003- Prof. Secch # 0 - Statstca Matematca

Dettagli

Adattamento di una relazione funzionale ai dati sperimentali

Adattamento di una relazione funzionale ai dati sperimentali Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo

Dettagli

V n. =, e se esiste, il lim An

V n. =, e se esiste, il lim An Parttore resstvo con nfnte squadre n cascata. ITIS Archmede CT La Fg. rappresenta un parttore resstvo, formato da squadre d restor tutt ugual ad, conness n cascata, e l cu numero n s fa tendere ad nfnto.

Dettagli

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1 Chmca Fsca Botecnologe santare Lezone n. 7 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Antonno Polmeno 1 Soluzon / comportamento deale - Il dagramma d stato d una soluzone bnara,

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone

Dettagli

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill Statstca - metodologe per le scenze economche e socal /e S Borra, A D Cacco - McGraw Hll Es Soluzone degl esercz del captolo 7 In base agl arrotondament effettuat ne calcol, s possono rscontrare pccole

Dettagli

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità: LA VARIABILITA LA VARIABILITA E L ATTITUDINE DEL FENOMENO QUANTITATIVO AD ASSUMERE DIVERSE MODALITA, O MEGLIO LA TENDENZA DI OGNI SINGOLA OSSERVAZIONE AD ASSUMERE VALORI DIFFERENTI RISPETTO AL VALORE MEDIO.

Dettagli

B - ESERCIZI: IP e TCP:

B - ESERCIZI: IP e TCP: Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s

Dettagli

Premessa essa sulle soluzioni

Premessa essa sulle soluzioni Appunt d Chmca La composzone delle soluzon Premessa sulle soluzon...1 Concentrazone...2 Frazone molare...2 Molartà...3 Normaltà...4 Molaltà...4 Percentuale n peso...4 Percentuale n volume...5 Massa per

Dettagli

Luciano Battaia. Versione del 22 febbraio L.Battaia. Condensatori e resistenze

Luciano Battaia. Versione del 22 febbraio L.Battaia. Condensatori e resistenze Lucano attaa Versone del 22 febbrao 2007 In questa nota presento uno schema replogatvo relatvo a condensator e alle, con partcolare rguardo a collegament n sere e parallelo. Il target prncpale è costtuto

Dettagli

- Riproduzione riservata - 1

- Riproduzione riservata - 1 Razze: Setter Inglese Bracco Francese tpo Prene D Franco Barsottn Va Bugallo 1b 56040 Crespna (PI) www.allevamentodelbugallo.t nfo@allevamentodelbugallo.t Parentela e consangunetà; Parentela; genetcamente

Dettagli

Statistica Matematica

Statistica Matematica 1 Statstca Matematca Lo studo de fenomen compless, tpc della realtà ndustrale moderna, comporta l adozone d opportun modell matematc che ne descrvano caratter essenzal, funzonal agl obettv che l suddetto

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

MODELLISTICA DI SISTEMI DINAMICI

MODELLISTICA DI SISTEMI DINAMICI CONTROLLI AUTOMATICI Ingegnera Gestonale http://www.automazone.ngre.unmore.t/pages/cors/controllautomatcgestonale.htm MODELLISTICA DI SISTEMI DINAMICI Ing. Federca Gross Tel. 059 2056333 e-mal: federca.gross@unmore.t

Dettagli

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza

Dettagli

Corso di Logica I. Modulo sul Calcolo dei Sequenti. Dispensa Lezione II.

Corso di Logica I. Modulo sul Calcolo dei Sequenti. Dispensa Lezione II. Corso d Logca I. Modulo sul Calcolo de Sequent. Dspensa Lezone II. Govann Casn Teorema d corrspondenza fra l calcolo su sequent SND e l calcolo de sequent SC. Rproponamo per esteso la dmostrazone della

Dettagli

VERIFICHE DI S.L.U. SECONDO LE NTC 2008 TRAVE IN C.A. PROGETTO E VERIFICA ARMATURA A TAGLIO

VERIFICHE DI S.L.U. SECONDO LE NTC 2008 TRAVE IN C.A. PROGETTO E VERIFICA ARMATURA A TAGLIO VERIFICHE DI S.L.U. SECONDO LE NTC 2008 TRAVE IN C.A. PROGETTO E VERIFICA ARMATURA A TAGLIO In questo esempo eseguremo l progetto e la verfca delle armature trasversal d una trave contnua necessare per

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

Calcolo della caduta di tensione con il metodo vettoriale

Calcolo della caduta di tensione con il metodo vettoriale Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta

Dettagli

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

Dettagli

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1 Varabl aleatore dscrete Probabltà e Statstca I - a.a. 04/05 - Defnzone Una varable aleatora è una funzone che assoca ad ogn esto dello spazo campone d un espermento casuale un numero. L nseme de possbl

Dettagli

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.

Dettagli

RAPPRESENTAZIONE DI MISURE. carta millimetrata

RAPPRESENTAZIONE DI MISURE. carta millimetrata carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!

Dettagli

Capitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per

Capitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per Captolo : IL METODO DEI MINIMI QUADRATI. La mglor retta Nel Captolo precedente c samo post l problema d determnare la mglor retta che passa per cert punt spermental, ed abbamo dscusso un metodo graco.

Dettagli

La rappresentazione dei numeri. La rappresentazione dei numeri. Aritmetica dei calcolatori. La rappresentazione dei numeri

La rappresentazione dei numeri. La rappresentazione dei numeri. Aritmetica dei calcolatori. La rappresentazione dei numeri Artmetca de calcolator Rappresentazone de numer natural e relatv Addzone e sommator: : a propagazone d rporto, veloce, con segno Moltplcazone e moltplcator: senza segno, con segno e algortmo d Booth Rappresentazone

Dettagli

IL MAGNETISMO IL CAMPO MAGNETICO E ALTRI FENOMENI GSCATULLO

IL MAGNETISMO IL CAMPO MAGNETICO E ALTRI FENOMENI GSCATULLO IL MAGNETISMO IL CAMPO MAGNETICO E ALTRI FENOMENI GSCATULLO ( Il Magnetsmo La forze magnetca La forza Gà a temp d Talete (VI secolo a.c.), nell Antca Greca, era noto un mnerale d ferro n grado d attrare

Dettagli

Regressione lineare con un singolo regressore

Regressione lineare con un singolo regressore Regressone lneare con un sngolo regressore Eduardo Ross 2 2 Unverstà d Pava (Italy) Marzo 2013 Ross Regressone lneare semplce Econometra - 2013 1 / 45 Outlne 1 Introduzone 2 Lo stmatore OLS 3 Esempo 4

Dettagli

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli