Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
|
|
- Gloria Danieli
- 7 anni fa
- Visualizzazioni
Transcript
1 Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si distribuisce secondo una v.c. Normale con media pari a 500 mg e deviazione standard pari a 5 mg. Determinare la probabilità che il peso di una compressa sia: a) Inferiore a 505 mg; b) Compreso tra 49 mg e 506 mg; c) Superiore a 503 mg. Soluzione esercizio n.1 Si definisce la variabile casuale X che descrive il peso delle comprese X N 500,5 come ( ) Per la determinazione della probabilità che la variabile casuale normale assuma valori in un intervallo si fa riferimento alla funzione di ripartizione della variabile casuale standardizzata Z avente valore atteso nullo e varianza unitaria. La funzione di ripartizione della v.c. Normale standardizzata Z, tabulata per valori di z non negativi, si indica con: Φ ( z) = P( Z z) Procediamo innanzitutto alla standardizzazione del peso delle compresse per ricondurlo ad una distribuzione normale standardizzata. Se infatti X N 500,5, si avrà: ( ) X 500 Z = N 5 1 ( 0,1)
2 a) Per determinare la probabilità che una compressa abbia un peso P X < 505, procediamo innanzitutto alla inferiore a 505 mg, ( ) determinazione del valore z corrispondente: Si avrà quindi: Z = = P ( X < 505) = P Z < = P ( Z < 1) = Φ ( 1) = b) La probabilità che il peso di una compressa sia compreso tra 49 e 506 mg si ottiene: P X P Z 5 5 ( ) = = Φ ( 1.) Φ ( 1.6) ( ) ( ) [ ] = Φ 1. 1 Φ 1.6 = =
3 c) La probabilità di ottenere una compressa con peso superiore a 503 mg è pari a: P ( X 503) = P Z = P ( Z 0.6) = 1 P( Z 0.6) = 1 Φ ( 0.6) = =
4 ESERCIZIO L assunzione giornaliera di calcio in una determinata popolazione si distribuisce normalmente con media pari a 485 mg e varianza pari a 10. Determinare: a) La probabilità che un individuo appartenente alla popolazione assuma giornalmente una quantità di calcio superiore a 500 mg; b) La probabilità che un individuo appartenente alla popolazione assuma giornalmente una quantità di calcio tra 480 e 50 mg. Soluzione Esercizio n. a) La probabilità che un individuo assuma una quantità giornaliera superiore a 500 mg si determina come: P (X> 500) = P Z > = ( >1,5) = 1 ( <1,5)=1-0,93319=0, P Z P Z b) La probabilità che un individuo assuma una quantità giornaliera compresa tra 480 e 50 mg si determina come segue: P(480 X 50) = Φ Φ = Φ(1, 7) [1 Φ (0, 5)] = 0, , = 0, 647 4
5 ESERCIZIO 3 (Monti 10.10) In un indagine sul reddito familiare mensile è stato osservato che il reddito dei mariti ha una distribuzione normale con media 1500 euro e scarto quadratico medio 50, mentre il reddito delle mogli si distribuisce indipendentemente in modo normale con media 100 euro e scarto quadratico medio 300. Si vuole calcolare la probabilità che il reddito familiare superi i 3000 Euro. Soluzione esercizio 3 Si definisce con X1 N ( 1500, 50 ) reddito dei mariti e con X N ( 100,300 ) il reddito delle mogli. Il reddito familiare è dato da la variabile casuale che descrive il la variabile casuale che descrive i 1 che rappresenta una i= 1 Y = X = X + X combinazione lineare di v.c. normali (in cui il parametro a 1 =a =1). Poiché X 1 ed X sono indipendenti, la loro somma ha ancora una distribuzione Normale con valore atteso dato dalla somma dei valori attesi delle due variabili casuali: E( Y ) = E( X ) + E( X ) = = e varianza Var Y Var X Var X ( ) = ( 1) + ( ) = = da cui si ha: ( ) Y1 N 700,15500 La probabilità di ottenere un reddito familiare superiore a 3000 Euro si ottiene come: P (Y> 3000) = P Z > = ( >0.77) = 1 ( <0.77)= = P Z P Z 5
6 ESERCIZIO 4 I punteggi (in centesimi) ottenuti in un test attitudinale scientifico da un insieme di studenti si distribuiscono normalmente con media pari a 70 e deviazione standard pari a 0. a) Determinare la probabilità che il punteggio conseguito sia compreso tra 80 e 90 b) Determinare il valore soglia per il 0% degli studenti migliori; Soluzione Esercizio 4 Definiamo con X la v.c. che esprime i punteggi conseguiti al test X N 70, 0 : attitudinale, ( ) a) La probabilità che il punteggio conseguito al test sia compreso tra 80 e 90 si ottiene come segue: b) P ( 80 X 90) = P Z = Φ ( 1) Φ ( 0.5) = = Andare a determinare il valore soglia per il 0% degli studenti migliori equivale ad affermare che la probabilità di ottenere punteggi superiore al punteggio soglia (per noi incognito) dovrà essere pari a 0.0 e, pertanto, la probabilità di ottenere punteggi minori (e quindi l area sottesa alla distribuzione normale fino al valore soglia incognito) pari a In questo caso si considera il problema inverso ossia la determinazione del valore di z a cui corrisponde un livello assegnato p della funzione di ripartizione. 6
7 E necessario innanzitutto andare a trovare nella tavola della distribuzione normale standard il valore z che soddisfi la seguente condizione: P ( Z < z) = Φ ( z) = 0.80 Dobbiamo quindi guardare all interno della tavola della distribuzione normale standard per trovare un area (ovvero una probabilità) pari a Dalla tavola si nota che il valore cercato si ottiene in corrispondenza del valore z pari a 0.84 (infatti al valore z=0.84 che si trova incrociando la riga 0.8 e la colonna 0.04 corrisponde una probabilità pari a che rappresenta la probabilità più vicina a 0.80). Il valore z=0.84 rappresenta l 80-esimo percentile poiché l area sottesa alla curva normale fino a quel punto è approssimativamente pari a Una volta trovato il valore di Z corrispondente alla probabilità data, per determinare il valore di X corrispondente si ricorre alla formula della standardizzazione: X µ z0.80 = X = µ + zσ σ dove con z 0.80 è indicato l 80-esimo percentile della distribuzione normale standard. Si avrà quindi: X = X = = Si conclude quindi che il 0% degli studenti ottiene punteggi superiori a
8 ESERCIZIO 5 L altezza media di una popolazione di una popolazione di individui, con distribuzione normale, è di 170 cm con deviazione standard (scarto quadratico medio) di 10 cm. a) Determinare la probabilità che l altezza sia compresa tra 165 e 180 cm b) Determinare il 90-esimo percentile della distribuzione dell altezza Soluzione Esercizio 5 a) La determinazione della probabilità che l altezza sia compresa tra 165 e 180 cm avviene come segue: P ( 165 X 180) = P Z = Φ ( 1) Φ ( 0.5) = Φ ( 1) 1 Φ ( 0.5) = = b) [ ] Si tratta di un problema inverso consistente nella determinazione del valore di z a cui corrisponde un livello assegnato p, della funzione di ripartizione: P ( Z < z) = Φ ( z) = 0.90 Come si nota dalla figura riportata di seguito, si tratta di trovare il punto sull asse delle ascisse per cui l area sottesa alla curva della distribuzione normale standard fino a quel punto sia pari al valore assegnato p=0.90. Il valore di z che chiamiamo z 0.90 rappresenta il 90-esimo percentile (in generale il quantile di livello p) della variabile casuale normale standardizzata. 8
9 Andando a ricercare all interno della tavola della funzione di ripartizione della v.c. normale standardizzata, dobbiamo ricercare il valore più prossimo a p=0.9 (e quindi un area sottesa alla curva pari a 0.9). Dalla tavola si nota che il valore cercato si ottiene in corrispondenza del valore z pari a 1.8 (infatti il valore si trova incrociando la riga 1. e la colonna 0.08). Il valore z=1.8 rappresenta il 90-esimo percentile poiché l area sottesa alla curva normale fino a quel punto è pari a Una volta trovato il valore di Z corrispondente alla probabilità data, per determinare il valore di X corrispondente si ricorre alla formula della standardizzazione: X µ z0.90 = X = µ + zσ σ dove con z 0.90 è indicato il 90-esimo percentile della distribuzione normale standard. Si avrà quindi: X = X = = Si conclude che il 90-esimo percentile della distribuzione dell altezza è quindi pari a
10 ESERCIZIO 6 Il numero di clienti serviti da un distributore di benzina in 10 minuti può essere considerato come una variabile di Poisson con media uguale a 3. Determinare: a) la probabilità che in dieci minuti vengano serviti esattamente 5 clienti; b) la probabilità che in dieci minuti vengano serviti più di clienti Soluzione esercizio 6 Si fa riferimento allo schema di Poisson che, nel caso specifico dell esercizio, descrive il numero di clienti serviti in un distributore di benzina. Sia X la variabile casuale che descrive il numero di clienti serviti in un distributore di benzina in 10 minuti. Il valore atteso della v.c. è pari a X P 3. λ=3 e pertanto ( ) a) La probabilità che in dieci minuti vengano serviti 5 clienti si ottiene come segue: e P ( X = x) = x! λ x λ 3 5 e 3 P ( X = 5) = = ! La probabilità che in dieci minuti vengano serviti 5 clienti è pari a 0,10. b) La probabilità che in dieci minuti vengano serviti più di clienti è uguale a 0,577 ( > ) = 1 ( ) = 1 ( = 0) + ( = 1) + ( = ) P X P X P X P X P X Si avrà: 3 0 e 3 P ( X = 0) = = ! 3 1 e 3 P ( X = 1) = = ! 3 e 3 P ( X = ) = = 0.4! Per cui: 10
11 ( ) P ( X ) [ ] P X > = 1 = = La probabilità che in dieci minuti vengano serviti più di clienti è pari a
12 ESERCIZIO 7 Un azienda produttrice di auricolari per telefoni cellulari effettua un controllo di conformità su una partita di pezzi prodotti in una determinata settimana lavorativa estraendo un campione di 10 prodotti. Sulla base dell esperienza passata si ritiene che la probabilità di avere un pezzo difettoso è pari a Determinare: a) la probabilità che pezzi siano difettosi. b) la probabilità che nessun pezzo sia difettoso; c) la probabilità che al massimo pezzi siano difettosi Soluzione esercizio n.7 Lo schema proposto fa riferimento ad un esperimento bernoulliano con risultato dicotomico del tipo successo o insuccesso dove, nello specifico caso, si identifica l evento successo con l identificazione di un pezzo difettoso la scelta con un meccanismo casuale di n pezzi usciti dal processo produttivo sottoposti ad un controllo di conformità ed il conteggio di quelli difettosi dà origine ad una v.c. binomiale. Si tratta infatti di n=10 prove indipendenti ciascuna con probabilità di successo X Bin 10, 0.15 la cui costante pari a π=0.15. Si può scrivere quindi ( ) funzione di massa di probabilità, nella formulazione generale è la seguente: n x n x n! x n x P ( X = x) = π ( 1 π ) = π ( 1 π ) x x! ( n x)! a) La probabilità che esattamente due pezzi siano difettosi si ottiene come segue: ! 10 P ( X = ) = 0.15 ( ) = 0.15 ( ) = 0.76! ( 10 )! b) Andare a calcolare la probabilità che nessuno pezzo sia difettoso sui 10 prodotti estratti per il controllo di conformità sta a significare considerare un numero di successi x=0. La probabilità si ottiene quindi come segue: ! P ( X = 0) = 0.15 ( ) = 0.15 ( ) = 0.85 = ! ( 10 0 )! c) Per determinare la probabilità che al massimo due pezzi siano difettosi occorre fare riferimento ad una probabilità cumulata (e quindi riferirsi alla funzione di ripartizione). Infatti traducendo 1
13 l affermazione al massimo due pezzi difettosi in termini probabilistici significa andare a determinare la seguente probabilità: ( ) = ( = 0) + ( = 1) + ( = ) P X P X P X P X Dall osservazione grafica della funzione di massa di probabilità si accerta quali probabilità occorre considerare per ottenere la probabilità che vi siano al massimo due pezzi difettosi : X Bin ( 10, 0.015) p(x) Avendo già determinato P ( X = 0) e ( ) P ( X = 1) : x P X = occorre ora determinare ! P ( X = 1) = 0.15 ( ) = 0.15 ( ) = = ! ( 10 1 )! Si avrà quindi: ( ) ( ) ( ) ( ) P X = P X = 0 + P X = 1 + P X = = =
14 ESERCIZIO 8 Si consideri l evento estrazione di una carta di denari da un mazzo di carte piacentine composto da 40 carte, fra le quali vi sono dieci carte di denari. Effettuando estrazioni con ripetizione (ossia rimettendo ogni volta la carta estratta nel mazzo e mescolando): è più probabile ottenere una carta di denari in due estrazioni o ottenerne in 4 estrazioni? Soluzione Esercizio n.8 L esperimento proposto fa riferimento allo schema binomiale dal momento che si propongono un insieme n di prove (ciascuna indipendente dall altra) per ognuna delle quali si ha una probabilità 10 1 costante di successo pari a π = = = Andando a considerare il primo caso, ovvero la probabilità di ottenere una carta di denari in due estrazioni, si fa riferimento alla probabilità di ottenere x=1 successi in n= prove, conoscendo la probabilità di 1 successo π =. 4 Si avrà: 1 1 1! P ( X = 1) = 0.5 ( 1 0.5) = = = 1! ( 1 )! Nel secondo caso, la probabilità di ottenere x= successi in n=4 prove, si ottiene come segue: ! P ( X = ) = = = = 4 4! ( 4 )! Si può, quindi, concludere che è più probabile ottenere 1 successo in prove, ossia ottenere una carta di denari in due estrazioni. 14
15 ESERCIZIO 9 (Monti 9.4) Una società di esplorazione di gas naturale scopre in media quattro giacimenti di gas per ogni 100 trivellazioni eseguite. L esito di ciascuna trivellazione è indipendente dagli altri. Si eseguono venti trivellazioni. a) Qual è la probabilità che si scopra un giacimento? b) Qual è la probabilità che si scopra al massimo un giacimento? c) Qual è la probabilità che si scoprano almeno due giacimenti? d) Qual è il numero medio di giacimenti scoperti in venti trivellazioni? Soluzione esercizio 9 Si fa riferimento allo schema binomiale in cui n=0 prove (trivellazioni eseguite) mentre la probabilità di successo, che in questo caso equivale alla probabilità di scoprire giacimenti di gas, è pari a π=0.04 a) La probabilità di scoprire un giacimento (x=1) si ottiene come: ! P ( X = 1) = 0.04 ( ) = 0.04 ( 0.96) = ! ( 0 1 )! b) La probabilità di scoprire al massimo un giacimento si può determinare come segue: ( 1 ) = ( = 0) + ( = 1) P X P X P X Già si conosce dal punto a) la probabilità di scoprire esattamente un giacimento, occorre determinare la probabilità di non scoprire alcun giacimento (x=0). Si avrà: ! 0 0 P ( X = 0) = 0.04 ( ) = 0.04 ( 0.96) = ! ( 0 0 )! Si ottiene quindi: ( ) ( ) ( ) P X 1 = P X = 0 + P X = 1 = = 0.81 c) La probabilità di scoprire almeno due giacimenti significa considerare la probabilità di ottenere due, tre, quattro,, venti giacimenti. Dobbiamo quindi determinare la seguente probabilità: ( ) = ( = ) + ( = 3 ) ( = 0) P X P X P X P X Allo stesso modo è possibile scrivere la probabilità dell evento P X come segue: ( ) 15
16 ( ) ( ) ( ) ( ) P X = 1 P X 1 = 1 P X = 0 + P X = 1 = = 0.19 d) Per la determinazione del numero medio di giacimenti occorre ricordare in generale che, nel caso di una distribuzione binomiale il valore atteso è pari a: E( X ) = nπ Con riferimento alla distribuzione binomiale presa in considerazione X Bin 0, 0.04 si avrà: nell esercizio ( ) E( X ) = nπ = =
17 ESERCIZIO 10 La probabilità che una ricevuta fiscale emessa da un determinato esercizio commerciale sia errata è pari a Sapendo che in una giornata sono state emesse 8 ricevute, determinare: a) La probabilità che ci siano tre o più (almeno tre) ricevute errate; b) Valore atteso e varianza della variabile casuale Soluzione esercizio n.10 Facendo riferimento allo schema binomiale, si definisce la variabile X Bin 8, 0.35 : casuale ( ) a) La probabilità di avere tre o più fatture errate (almeno 3) si determina come: ( 3) = ( = 3) + ( = 4) + ( = 5) + ( = 6) + ( = 7) + ( = 8) = 1 ( ) = 1 P ( X = 0) + P ( X = 1 ) + P( X = ) P X P X P X P X P X P X P X P X Si ottiene quindi: ! 0 8 P ( X = 0) = 0.35 ( ) = 0.35 ( 0.65) = ! ( 8 0 )! ! 1 7 P ( X = 1) = 0.35 ( ) = 0.35 ( 0.65) = ! ( 8 1 )! 8 8 8! 6 P ( X = ) = 0.35 ( ) = 0.35 ( 0.65) = 0.59! ( 8 )! Si avrà quindi: ( ) ( ) ( ) [ ] P X 3 = 1 P X = 0 + P X = 1 + P( X = ) = = = 0.57 b) La determinazione del valore atteso e della varianza della v.c. avviene come segue: ( ) ( ) Var( X ) = nπ 1 π = = E( X ) = nπ = =.8 17
Statistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete
DettagliSTATISTICA (2) ESERCITAZIONE 2. Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 2 5.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. La v.c. Normale: uso delle tavole E noto che un certo tipo di dati si distribuiscono secondo una gaussiana di media 10
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliEsercitazione 1 del corso di Statistica (parte 2)
Esercitazione del corso di Statistica (parte Dott.ssa Paola Costantini 8 Gennaio 0 Esercizio n Compro due cassette contenenti 0 piante di rosa che ancora devono sbocciare. Nella prima cassetta ci sono
DettagliScanned by CamScanner
Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Università di Cassino Corso di Statistica Esercitazione
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliEsercitazione 4 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 4 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza May 23, 2007 1 Esercizio Si consideri un mazzo di carte francesi di 2 carte e si supponga di stare giocando a poker.
DettagliEsercitazione 4 del corso di Statistica (parte 2)
Esercitazione 4 del corso di Statistica (parte ) Dott.ssa Paola Costantini Febbraio Esercizio n. Il tempo di percorrenza del treno che collega la stazione di Roma Termini con l aeroporto di Fiumicino è
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La v.c. Uniforme Continua Secondo alcuni sondaggi sul sito della Apple (technical support site,
DettagliES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita
ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 giugno 26 Statistica Esercizio Sia {X n } n una famiglia di v.a. di media µ e varianza σ 2. Verificare che X = n n X i σ 2 = n (X i µ) 2 S 2 = n
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliVariabili casuali ad una dimensione Testi degli esercizi. Variabili casuali ad una dimensione a.a. 2012/2013 1
Variabili casuali ad una dimensione Testi degli esercizi 1 Costruzione di variabile casuale discreta Esercizio 1. Sia data un urna contenente 3 biglie rosse, 2 biglie bianche ed una biglia nera. Ad ogni
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliV.C. RETTANGOLARE o UNIFORME
V.C. RETTANGOLARE o UNIFORME La v.c. continua RETTANGOLARE o UNIFORME descrive il modello probabilistico dell equiprobabilità. [ a b] X, con densità di probabilità associata: P( x) 1 b a con P(x) costante.
DettagliSTATISTICA (2) ESERCITAZIONE 1. Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 1 29.01.2014 Dott.ssa Antonella Costanzo Esercizio 1. Modelli discreti di probabilità: le v.c. binomiale e geometrica (come caso particolare della v.c. binomiale negativa)
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA La distribuzione di probabilità e un modello matematico, uno schema di riferimento, che ha caratteristiche note e che può essere utilizzato per rispondere a delle domande derivate
DettagliEsercizi di Calcolo combinatorio: disposizioni
Calcolo combinatorio: disposizioni La Big Triple all ippodromo del luogo consiste nell indicare il corretto ordine di arrivo dei cavalli classificati tra i primi tre nella nona corsa. Se ci sono 12 cavalli
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliEsercitazione 8 del corso di Statistica 2
Esercitazione 8 del corso di Statistica Prof. Domenico Vistocco Dott.ssa Paola Costantini 6 Giugno 8 Decisione vera falsa è respinta Errore di I tipo Decisione corretta non è respinta Probabilità α Decisione
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliSTATISTICA ESERCITAZIONE 9
STATISTICA ESERCITAZIONE 9 Dott. Giuseppe Pandolfo 19 Gennaio 2015 REGOLE DI CONTEGGIO Sequenze ordinate Sequenze non ordinate Estrazioni con ripetizione Estrazioni senza ripetizione Estrazioni con ripetizione
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliDistribuzione di Poisson Una v. casuale di Poissonè una v. casuale discreta che può assumere qualsiasi valore intero non-negativo
Distribuzione di Poisson Una v. casuale di Poissonè una v. casuale discreta che può assumere qualsiasi valore intero non-negativo E' un modello probabilistico adoperato per rappresentare situazioni di
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle abelle riportate alla fine del documento. Esercizio 1 La concentrazione media di sostanze inquinanti osservata nelle acque di un fiume
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliEsercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)
STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Elementi che fanno variare l ampiezza dell intervallo di confidenza (p. 70) s.q.m. dell universo σ Più σ è elevato, maggiore è la
DettagliVariabile casuale Normale
Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 1 A. I dati riportati nella seguente tabella si riferiscono
DettagliCORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità Lezioni di Statistica VARIABILITA Si definisce variabilità la proprietà di alcuni fenomeni di assumere
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
Dettagliun elemento scelto a caso dello spazio degli esiti di un fenomeno aleatorio;
TEST DI AUTOVALUTAZIONE - SETTIMANA 3 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Una variabile casuale
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
Dettaglib) E necessario formulare delle ipotesi per calcolare l intervallo di confidenza ottenuto al punto a? (motivare brevemente la risposta):
ESERCIZIO 1 Una grande banca vuole stimare l ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto. Si seleziona un campione di 100 clienti su cui si osserva
DettagliVariabile Casuale Normale
Variabile Casuale Normale Variabile Casuale Normale o Gaussiana E una variabile casuale continua che assume tutti i numeri reali, è definita dalla seguente funzione di densità: 1 f( x) = e σ 2 π ( x µ
DettagliLA DISTRIBUZIONE NORMALE (Vittorio Colagrande)
LA DISTRIBUZIONE NORMALE (Vittorio Colagrande) Allo scopo di interpolare un istogramma di un carattere statistico X con una funzione continua (di densità), si può far ricorso nell analisi statistica alla
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
DettagliSTATISTICA ESERCITAZIONE. 1) Specificare la distribuzione di probabilità della variabile e rappresentarla graficamente;
0.00 0.05 0.10 0.15 0.20 STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 4 Maggio 2015 Esercizio 1 (Uniforme discreta) Si consideri l esperimento lancio di un dado non truccato. Sia X la variabile casuale
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra A. Di Ciaccio - McGraw Hill s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si
DettagliProva Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE IMPRESE (Milano, )
Università degli Studi di Milano Bicocca Scuola di Economia e Statistica Corso di Laurea in Economia e Amministrazione delle Imprese (ECOAMM) Prova Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
DettagliVARIABILI CASUALI CONTINUE
p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale continua può assumere tutti gli infiniti valori appartenenti ad un intervallo di numeri reali. p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliDISTRIBUZIONE NORMALE STANDARDIZZATA ESEMPIO DI USO DELLE TAVOLE
DISTRIBUZIONE NORMALE STANDARDIZZATA ESEMPIO DI USO DELLE TAVOLE Sapendo che la variabile dominanza si distribuisce normalmente con media = 32 e deviazione standard = 5, trovare, in un gruppo di 80 soggetti,
DettagliStatistica. Lezione 4
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela
DettagliStatistica a.a Autovalutazione 1
Statistica a.a. 016-17 Autovalutazione 1 CORSO: Diritto per le Imprese e le Istituzioni ATTENZIONE: alle domande aperte è stato dato un possibile esempio di risposta, altre parole possono essere usate
Dettagli(5 sin x + 4 cos x)dx [9]
FACOLTÀ DI SCIENZE MM. FF. NN. CORSO DI LAUREA IN SCIENZE NATURALI II Modulo di Matematica con elementi di statistica. Esercitazioni A.A. 009.00. Tutor: Mauro Soro, p.soro@tin.it Integrali definiti Risolvere
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
DettagliISTOGRAMMI E DISTRIBUZIONI:
ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI
DettagliElementi di base su modello binomiale e modello normale
Elementi di base su modello binomiale e modello normale (alcune note) Parte 1: il modello binomiale Di fondamentale importanza nell analisi della qualità sono i modelli. I due principali modelli statistico-probablistici
Dettagli3 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 7 febbraio 2012
3 CERTAMEN NAZIONALE DI PROBABILITA E STATISTICA FELICE FUSATO Fase di Istituto 7 febbraio 2012 1) Non sfogliare questo fascicolo finché l insegnante non ti dice di farlo. 2) E ammesso l utilizzo di calcolatrici
DettagliEsercitazione di Statistica Distribuzioni (Uniforme discreta e continua/ Binomiale/ Poisson) 18/11/2015
Esercitazione di Statistica Distribuzioni (Uniforme discreta e continua/ Binomiale/ Poisson) 18/11/2015 Esercizio 1 Il responsabile delle risorse umane di un azienda ha constatato che vi è un turn-over
DettagliStatistica. Esercitazione 10. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice. V.C.
uniforme Bernoulli binomiale di Esercitazione 10 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 55 Outline uniforme Bernoulli binomiale di 1 uniforme 2 Bernoulli 3 4
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 2 1 Distribuzione normale Esercizio 1 Sia X una variabile aleatoria Normale N (5, ). Facendo
DettagliINFERENZA STATISTICA I (CANALE B)
INFERENZA STATISTICA I (CANALE B) FORMULE E TAVOLE PER L ESAME a.a. 2003/04 Indice A. Formule 2 B. Quantili di una distribuzione normale standard 4 C. Quantili di una distribuzione t di Student 5 D. Quantili
DettagliESERCIZI DI RIEPILOGO 1
ESERCIZI DI RIEPILOGO 1 ESERCIZIO 1 La tabella seguente contiene la distribuzione di frequenza della variabile X = età (misurata in anni) per un campione casuale di bambini: x i 4.6 8 3.2 3 5.4 6 2.6 2
Dettaglip k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4
CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliVariabili casuali II
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliEsercitazione # 3. Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti
Statistica Matematica A Esercitazione # 3 Binomiale: Esercizio # 1 Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti 1. mai 2. almeno una volta 3. quattro volte Esercizio #
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Caratteri e distribuzioni di frequenza Esercizio 1: Stabilire la tipologia dei seguenti caratteri (Qualitativo Nominale,
DettagliStatistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi
Esercitazione 14 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 14 Ex.1: Verifica Ipotesi sulla media (varianza nota) Le funi prodotte da un certo macchinario hanno una
DettagliCampionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
Dettaglia) 36/100 b) 1/3 c)
Da un urna contenente 10 palline, di cui 6 bianche e 4 nere, si estraggono due palline. Determinare la probabilità del seguente evento E=«le due palline sono bianche» nel caso di estrazioni a) con rimbussolamento
DettagliEsercizi riassuntivi di Inferenza
Esercizi riassuntivi di Inferenza Esercizio 1 Un economista vuole stimare il reddito medio degli abitanti di una cittadina mediante un intervallo al livello di confidenza del 95%. La distribuzione del
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliDistribuzione di Probabilità
Distribuzione di Probabilità Sia X variabile con valori discreti X 1, X 2,..., X N aventi probabilità p 1, p 2,..., p N ( i p i = 1) (X variabile discreta aleatoria, o stocastica, o casuale, random) Funzione
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it TIPI DI MEDIA: GEOMETRICA, QUADRATICA, ARMONICA Esercizio 1. Uno scommettitore puntando una somma iniziale
DettagliEsercitazioni di Statistica Matematica A Lezione 2. Variabili con distribuzione gaussiana
Esercitazioni di Statistica Matematica A Lezione 2 Variabili con distribuzione gaussiana.) Una bilancia difettosa ha un errore sistematico di 0.g ed un errore casuale che si suppone avere la distribuzione
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 2010-11 P.Baldi Lista di esercizi 3. Corso di Laurea in Biotecnologie Esercizio 1 Una v.a. X segue una legge N(2, ). Calcolare a1) P(X 1) a2) P(2
DettagliESERCIZI PROBABILITA I
ESERCIZI PROBABILITA I ESERCIZIO 1 Il rendimento annuo di un titolo viene descritto mediante una distribuzione normale. I e III quartile del rendimento sono uguali a, rispettivamente, -0.1 e 0.3. Si calcoli
DettagliSTATISTICA SERALE (NOF) Appello del 12/07/12 Effettuare i calcoli arrotondando alla seconda cifra decimale A PARTE PRIMA
Appello del 12/07/12 A PARTE PRIMA 1) Enunciare e dimostrare le due proprietà della media aritmetica. 2) Il prospetto che segue si riferisce ad una parte della distribuzione per età delle donne italiane
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliPROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE
Matematica e statistica: dai dati ai modelli alle scelte wwwdimaunige/pls_statistica Responsabili scientifici MP Rogantin e E Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
DettagliESERCITAZIONE IV - Soluzioni
umero di omicidi ESERCITAZIOE IV - Soluzioni Esercizio I. a),00 12,00 10,00 8,00 6,00 4,00 2,00 0,00 0 5 10 15 20 25 Popolazione povera (%) b) Poiché i due caratteri in analisi sono quantitativi per calcolare
Dettagli