Confronto di due misure Campioni indipendenti
|
|
- Giuliano Bevilacqua
- 6 anni fa
- Visualizzazioni
Transcript
1 Statistica7 /11/015 Cofroto di due misure Campioi idipedeti o meglio.. rispodere al quesito Due serie di misure soo state estratte dalla stessa popolazioe (popolazioe comue o idetica) o soo state estratte da due popolazioi diverse? Cioè se u trattameto effettuato su metà degli aimali iduce ua differeza fra le medie dei due gruppi. 1
2 L aalisi statistica o ha il potere di scoprire fatti uovi, é di forire coclusioi assolute (è solo uo strumeto come può esserlo ua bilacia). Lo scopo della statistica è quello di sottoporre le ipotesi scaturite dalla esperieza del professioista/ricercatore a dei test obbiettivi idipedeti dalla soggettività dello stesso. Caratteristica di tutti i test statistici è quella di forire sempre ua risposta i termii probabilistici: probabilità e mai di certezze. Tutti i test statistici cosistoo el mettere alla prova ipotesi che certe caratteristiche delle popolazioi siao uguali: testare cioè la ipotesi ulla per egare la possibiltà.
3 Tutti i test statistici cosetoo quidi di idividuare l esisteza (probabilistica) di differeze ma o di idividuare l esisteza (probabilistica) di idetità. Nel campo scietifico o è possibile dimostrare che due cose soo uguali. La media risulta statisticamete differete da quella di. = per p < 0,05 (oppure per p < 5%) oppure La media o risulta differire statisticamete da quella di (ache se i valori soo esattamete uguali può sempre essere u caso ). 3
4 La media o risulta statisticamete differete da quella di. La media e quella di soo probabilisticamete uguali La umerosità dei campioi esamiati era isufficiete per qualsiasi coclusioe scietificamete valida. 4
5 Tutto el campo della biologia applicata deve essere pesato per dimostrare ciò che determia differeze (=effetti). Perché o possiamo dimostrare uguagliaze. due farmaci hao lo stesso effetto! Frase comue ma: 5
6 Cofroto di medie e/o cofroto di variaze Ua popolazioe è caratterizzata da 3 parametri a). o g.l. (ella popolazioe geerica pari a ifiito) b) la media c) la deviazioe stadard (o altro idice di dispersioe, es. variaza ecc.). Due popolazioi possoo differire per le medie, per le variaza o per etrambe. Nella maggior parte dei casi il professioista/ biologo/ veteriario è iteressato ad appurare l esisteza di differeza fra le medie delle popolazioi. 6
7 Cofroto fra variaze Il cofroto delle variaze è utilizzato: Per lo studio della variabilità geetica di specie e di gruppo per valutare la precisioe di uo strumeto di misura oppure la precisioe di ua tecica o acora el cotrollo idustriale dei difetti di fabbricazioe ecc. ecc. 7
8 Cofroto fra medie Il test L aalisi della variaza Iiziamo aalizzado Il test 8
9 Il test Le differeze fra le medie, x, di campioi estratti da ua popolazioe e la media vera della popolazioe, μ, rapportate a: La deviazioe stadard vera, σ, della popolazioe L errore stadard stimato sm della vera deviazioe stadard (σ) della popolazioe Si distribuiscoo itoro allo Ø secodo la distribuzioe: Normale di t z ( x ) t ( x ) sm 9
10 Cosideriamo popolazioi e caratterizzate da due medie vere μ a e μ b Calcoliamo la differeza fra le medie che idichiamo co δ Cosideriamo campioi delle popolazioi e ; avremo delle medie x a e x b Calcoliamo la differeza fra le medie dei due campioi che idichiamo co d alogamete a quato fatto per la distribuzioe ormale stadardizzata possiamo utilizzare come uità di misura la σ e quidi defiire: diff. fra medie campioi meo diff. fra medie popolazioe deviazioe stadard vera (oppure stimata) ( d ) d ( d ) dsd 10
11 Le differeze fra le differeze delle medie dei campioi e la differeza fra le medie vere delle popolazioi di origie rapportata a: La deviazioe stadard La deviazioe stadard vera, della differeza σ d stimata della differeza ds d Si distribuiscoo itoro allo Ø secodo la distribuzioe Perfettamete aaloga alla precedete sulle sole differeze Normale di t z ( d ) d t ( d ) ds d 11
12 ds d deviazioe stadard delle differeze? I due campioi e possoo essere defiiti da u umero di idividui a e b Le medie dei campioi possiedoo u media x ed ua deviazioe stadard della media dalla media di popolazioe che è d.s. = σ/ d.s. d.s. d.s. * d.s. a * a a d.s. b * b b Valide solo se si estraggoo campioi dalla popolazioe! 1
13 diff.fra medie campioi - diff.fra medie popolazioe deviazioe stadard stimata ( d ) ds d Distribuzioe di t le popolazioi e uguali cioè μ a = μ b quidi δ = Ø Distribuzioe di t d ds d ( d ds d Ø) 13
14 d d È facile da calcolare, è solo la differeza fra le medie dei due campioi! ds d dsd U campioe estratto da si distribuisce itoro alla media co ua deviazioe stadard pari a: d.s. U campioe estratto da si distribuisce itoro alla media co ua deviazioe stadard pari a: d.s. La deviazioe stadard della differeza si distribuirà (o secodo la media di tutte e due) secodo la somma di tutte e due e cioè: ds d d.s. d.s. 14
15 Perché la somma e o la media (cioè la somma diviso )? Perché si tratta di differeze! ifatti: se estraiamo dei campioi da e le differeze d fra le medie trovate x a e x b si distribuiscoo simmetricamete itoro alla vera differeza δ. La variabilità attoro a questo valore sarà il risultato della variabilità di x a itoro a μ a e di x b itoro a μ b, ma che cosa accade? quado gli scarti soo dello stesso sego tutti e due positivi o tutti e due egativi la differeza tede ad essere più piccola di quella idividuale ma quado gli scarti soo di sego opposto la differeza sarà più grade e pari alla somma delle due differeze; la dispersioe totale (e quidi la relativa deviazioe stadard) sarà quidi pari alla somma delle due differeze! 15
16 dsd σ = σ * * = ds d La deviazioe stadard della popolazioe all ipotesi Ø è uica ma oi dispoiamo di due stime: ua a partire dal campioe ua a partire dal campioe 16
17 Soo due stime idipedeti della stessa deviazioe stadard. Due stime soo meglio di ua quidi possiamo combiarle (fare cioè u pool o stima combiata) Stima di σ ricavata dal campioe + Stima di σ ricavata dal campioe Perché? No devo dividere per per gli stessi motivi di prima ma solo fare la somma delle dispersioi; Le deviazioe stadard e le variaze o possiedoo però le proprietà additive (o le posso usare direttamete); le somme dei quadrati degli scarti ed i gradi di libertà possiedoo le proprietà additive (devo usare loro!). 17
18 La stima combiata quidi facedo: della variaza della popolazioe si otterrà La somma delle somme dei quadrati degli scarti diviso la somma dei gradi di libertà cioè i formule: ( x ( x) 1) ( x x) ( 1) ds d = * 18
19 19 ds d * = * = * * ) ( ) ( x x x x 1) ( 1) ( ) ( ) ( x x x x ds d d Distribuzioe di t
20 Distribuzioe di t = d ds d = d (x ( x x) ( x x) * * x ) = Formula fiale per il calcolo del valore di t i due campioi da cofrotare co i valori di t attesi riportati ella tabella redatta da Studet.
21 Formula fiale per il calcolo del valore di t i due campioi da cofrotare co i valori di t attesi riportati ella tabella redatta da Studet. Valore di t calcolato dalle due serie di misure Differeza fra le medie delle due serie di misure Diviso la radice quadrata di: somma dei quadrati degli scarti della prima serie più la somma dei quadrati degli scarti della secoda serie, il totale otteuto per il umero totale delle osservazioi e diviso per 1 il prodotto del umero totale meo due per il prodotto del umero dei dati della prima serie per la secoda serie. MDS o DMS Differeza fra le media corrispodete alla probabilità di x% dove x% è il valore di probabilità scelto a priori (es. p= 0,05 o p= 0,01) Miima Differeza Sigificativa 1
22 MDS ( x x ) t * ( x x) ( x x) * * Differeza miima fra le medie per essere sigificativa Valore di t per la radice quadrata di: somma dei quadrati degli scarti della prima serie più la somma dei quadrati degli scarti della secoda serie, il totale otteuto per il umero totale delle osservazioi e diviso il prodotto del umero totale meo due per il prodotto del umero dei dati della prima serie per la secoda serie.
23 Somma dei quadrati degli scarti Somma dei quadrati di ciascua osservazioe meo la somma dei valori di ciascua osservazioe elevata al quadrato e divisa per il umero delle osservazioi. 3
24 Il peso dei maschi è statisticamete differete da quello delle femmie? M = F per p < 0,05 (oppure o) PESO LL NSCIT DEI OVINI matricola PESO SESSO 1 40 F 40 M 3 47 F 4 50 M 5 40 F 6 50 F 7 38 F 8 38 F 9 47 M 10 4 F 4
25 F M = 7 3 media = 4, , SS= 18,86 5,67 d.s. = 4, , Poi lo cofroto co i valori tabellari per sapere se il valore di t trovato è compreso o meo ella oscillazioe casuale d (x x ) ( x x) ( x x) * * 5
26 quadrati scarti quadrati scarti F M F M F M F M ,143-5,667 4,59 3, ,857 4,333 3,59 18, ,143 1,333 4,59 1, ,857 61, ,143 17, ,143 17, ,143 0,00 = 7 3 somma= SS= 18,857 5,667 Somma^= DIVISO DIVISO tc= 143,14 656,33 6 media = 4,149-45,6667 = -3,538 VR=SS= 1,476 6,333 SS= 18, ,667 = 181,54 RDICEQUDRT VR=SS= 1,476 6,333 d.s. = 4,634 5,13 d.s. = 4,634 5,1316 e.s. = 1,7516,967 SS(-)= 3,538 + = , * = 10,8050 * = = 8 = g.l. 0,05954 = 10 DIVISO 1 PER 8 probabilità 3,538 0,3150 ds d= 10,8050 ds d = 3,871 t calcolato = 1,07 3,871 31,50% 6 VLORI TULTI T(0,05)=,306 T(0,01)= 3,355
27 probabilità % di u valore più elevato di t trascurado il sego. due code 0,5 0,4 0,3 0, 0,1 0,05 0,0 0,01 0,00 0,001 ua coda 0,5 0, 0,15 0,1 0,05 0,05 0,01 0,005 0,001 0,0005 g.l. 1 1,000 1,376 1,963 3,078 6,314 1,710 31,80 63, , ,60 0,816 1,061 1,386 1,886,90 4,303 6,965 9,95,37 31, ,765 0,978 1,50 1,638,353 3,18 4,541 5,841 10,15 1,94 4 0,741 0,941 1,190 1,533,13,776 3,747 4,604 7,173 8, ,77 0,90 1,156 1,476,015,571 3,365 4,03 5,893 6, ,718 0,906 1,134 1,440 1,943,447 3,143 3,707 5,08 5, ,711 0,896 1,119 1,415 1,895,365,998 3,499 4,785 5, ,706 0,889 1,108 1,397 1,860,306,896 3,355 4,501 5, ,703 0,883 1,100 1,383 1,833,6,81 3,50 4,97 4, ,700 0,879 1,093 1,37 1,81,8,764 3,169 4,144 4, ,697 0,876 1,088 1,363 1,796,01,718 3,106 4,05 4, ,695 0,873 1,083 1,356 1,78,179,681 3,055 3,930 4, ,694 0,870 1,079 1,350 1,771,160,650 3,01 3,85 4,1 14 0,69 0,868 1,076 1,345 1,761,145,64,977 3,787 4, ,691 0,866 1,074 1,341 1,753,131,60,947 3,733 4, ,690 0,865 1,071 1,337 1,746,10,583,91 3,686 4, ,689 0,863 1,069 1,333 1,740,110,567,898 3,646 3, ,688 0,86 1,067 1,330 1,734,101,55,878 3,610 3,9 19 0,688 0,861 1,066 1,38 1,79,093,539,861 3,579 3, ,687 0,860 1,064 1,35 1,75,086,58,845 3,55 3, ,686 0,859 1,063 1,33 1,71,080,518,831 3,57 3,819 0,686 0,858 1,061 1,31 1,717,074,508,819 3,505 3,79 3 0,685 0,858 1,060 1,319 1,714,069,500,807 3,485 3, ,685 0,857 1,059 1,318 1,711,064,49,797 3,467 3, ,684 0,856 1,058 1,316 1,708,060,485,787 3,450 3,75 6 0,684 0,856 1,058 1,315 1,706,056,479,779 3,435 3, ,684 0,855 1,057 1,314 1,703,05,473,771 3,41 3, ,683 0,855 1,056 1,313 1,701,048,467,763 3,408 3, ,683 0,854 1,055 1,311 1,699,045,46,756 3,396 3, ,683 0,854 1,055 1,310 1,697,04,457,750 3,385 3, ,681 0,851 1,050 1,303 1,684,01,43,704 3,307 3, ,679 0,848 1,045 1,96 1,671,000,390,660 3,3 3, ,678 0,846 1,043 1,9 1,664 1,990,374,639 3,195 3, ,677 0,845 1,04 1,90 1,660 1,984,364,66 3,174 3, ,675 0,84 1,037 1,8 1,646 1,96,330,581 3,098 3,300 ifiito 0,674 0,84 1,036 1,8 1,645 1,960,36,576 3,090 3,91 7 Tavola realizzata co la fuzioe ivt del foglio di calcolo
28 F M = 7 3 media = 4, , SS= 18,86 5,67 d.s. = 4, , e.s. = 1, , d (-)= 3, = * = + - = = g.l. Valore trovato valore tabulato < 1,07014,306 Il peso dei maschi o è statisticamete differete da quello delle femmie ds d = 10, ds d = 3, t calcolato = 1, t 0,05 =,306 t 0,01 = 3,355 P = 0, F M = 7 3 media = 4,1 s 45,7 s d.s. = 4,63 5,13 ota: lettere diverse idicao differeze sigificative per p<0,05 Co questa variabilità e questa umerosità dei pesi quale avrebbe dovuto essere stata la differeza fra i pesi per 8 essere cosiderata sigificativa?
29 + - = 8 = g.l. t 0,05 = t 0,01 =,306 3,355 t * ( x x) ( x x) * * MDS 0,05 = 7,58 MDS 0,01 = 11,08 9
30 La media di risulta statisticamete differete da quella di? = per p < 0,05 (oppure o)? PESI DI PESI DI = 6 5 media = 47, ,6 SS= 1.09,33 945,0 Poi cofrotalo co i valori tabellari per sapere se è compreso o meo ella oscillazioe casuale d (x x ) ( x x) ( x x) * * 30
31 = 6 5 media = 47, ,6 SS= 1.09,33 945,0 d.s. = 14, ,37053 d (-)=, = * = + - = = g.l. 3,3 ds = d 80, t calcolato =, Valore trovato valore tabulato >,4861,6 La media di differisce i modo sigificativo da quella di. t(9g.l.) 0,05 = t(9g.l.) 0,01 = P = 0,0348,6 3,5 = area esatta sotto la curva di t 47,3 è diverso da 69,8 per p< 0,05 poiché Valore trovato valore tabulato,4861 < 3,5 La differeza o è altamete sigificativa ma solo sigificativa. 31
32 Il valore di t trovato =,48 è più grade del valore di t per l'area del 95% (t =,6) quidi si trova meo del 5% delle volte. È sigificativo! Il valore di t trovato =,48 o è più grade del valore di t per l'area del 99% (t = 3,5) quidi si trova o meo del 1% delle volte o è quidi altamete sigificativo ma solo sigificativo!
33 Calcolo l e.s. per vedere quati decimali riportare e.s. di = 5, e.s. di 6, La prima cifra sigificativa è l uità quidi la media deve avere u decimale e la d.s. u decimale i più della media PESI DI PESI DI = 6 5 media = 47,3 a 69,6 b d.s. = 14,35 15,37 Nota: media co lettere diverse idicao ua differeza statisticamete sigificativa(cioè p=probabilità < 0,05) 33
34 Per covezioe è opportuo per meglio distiguere le due probabilità scelte arbitrariamete dal cosesso scietifico Differeza sigificativa Probabilità uguale o iferiore al 5% (o iferiore a 0,05) bbreviato p<0,05 si usao lettere miuscole per le medie e.g.: a,b,c,... si usa u asterisco per idicare la differeza Differeza altamete sigificativa Probabilità uguale o iferiore al 1% (o probabilità iferiore a 0,01) bbreviato p<0,01 si usao lettere maiuscole per le medie e.g.:,,c,... si usa due asterischi per idicare la differeza
35 Quale è la MDS per p = 0,01 e per p = 0,05 fra le due serie e? PESI DI PESI DI = 6 5 media = 47, ,6 SS= 1.09,33 945,0 d.s. = 14, , = 9 = g.l. t 0,05 =,6 t 0,01 = 3,5 t * ( x x) ( x x) * * 35
36 MDS 0,05 = MDS 0,01 = 0, ,14949 Devo calcolare gli e.s. Per decidere il umero di decimali! PESI DI PESI DI e.s. = 5, , pesi di = 6 5 media = 47,3 a 69,6 b d.s. = 14,35 15,4 ota: lettere diverse idicao differeze sigificative per p<0,05 36
37 Massima efficieza quado umero idividui uguale i ciascu gruppo 37
Alcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
DettagliUniversità degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno
Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto
DettagliAnemia. Anemia - percentuali
1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliStimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini
Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica
DettagliCosto manutenzione (euro)
Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più
DettagliEsercitazioni di Statistica
Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliQuesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:
Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,
DettagliTitolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli
Titolo della lezioe Dal campioe alla popolazioe: stima putuale e per itervalli Itroduzioe Itrodurre il cocetto di itervallo di cofideza Stima di parametri per piccoli e gradi campioi Stimare la proporzioe
DettagliStima della media di una variabile X definita su una popolazione finita
Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe
Dettaglin=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza
DettagliApprofondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie
Approfodimeto 2.1 Scalig degli stimoli mediate il metodo del cofroto a coppie Il metodo del cofroto a coppie di Thurstoe (Thurstoe, 1927) si basa sull assuzioe che la valutazioe di u oggetto o di uo stimolo
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa
DettagliTEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0
TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 21 Misura della dipedeza di u carattere
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI TATITICA MEDICA ED EERCIZI I METODI PER IL CONFRONTO DI MEDIE (Campioi idipedeti) IL PROBLEMA oo stati rilevati i dati relativi alla frequeza cardiaca (misurata i battiti al miuto)
DettagliQuartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliApprofondimento 3.3. Calcolare gli indici di posizione con dati metrici singoli e raggruppati in classi
Chiorri, C. (201). Fodameti di psicometria - Approfodimeto. 1 Approfodimeto. Calcolare gli idici di posizioe co dati metrici sigoli e raggruppati i classi 1. Dati metrici sigoli Quado l iformazioe è a
DettagliQuartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliProf.ssa Paola Vicard
Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa
DettagliEsercitazioni di Statistica Dott. Danilo Alunni Fegatelli
Esercitazioi di Statistica Dott. Dailo Alui Fegatelli dailo.aluifegatelli@uiroma.it Esercizio. Su 0 idividui soo stati rilevati la variabile X (geere) e (umero di auto possedute) X F F M F M F F M F M
DettagliStatistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice
Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di tatistica A-Di Prof. M. Romaazzi 27 Geaio 2015 ogome e Nome..................................... N. Matricola.......... Valutazioe l puteggio massimo teorico di questa prova
DettagliUniversità di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z)
Uiversità di Napoli Federico II, DISES, A.a. 215-16, CLEC, Corso di Statistica (L-Z) Corso di laurea i Ecoomia e Commercio (CLEC) Ao accademico 215-16 Corso di Statistica (L-Z) Maria Mario Lezioe: 22 Argometo:
DettagliLezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice.
La Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie La 1 2 La 3 4 () Statistica 2 / 26 Trimmed mea - La aritmetica risete della preseza di valori
DettagliCosa vogliamo imparare?
Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Statistica Matematica: Cocetti Fodametali Nell esperieza quotidiaa e ella pratica della professioe dell igegere occorre: predere decisioi e ciò ormalmete richiede la dispoibilità di specifiche iformazioi
DettagliINFERENZA o STATISTICA INFERENTE
INFERENZA o STATISTICA INFERENTE Le iformazioi sui parametri della popolazioe si possoo otteere sia mediate ua rilevazioe totale (o rilevazioe cesuaria) sia mediate ua rilevazioe parziale (o rilevazioe
Dettagli2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)
Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA
UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti
DettagliLa correlazione e la regressione. Antonello Maruotti
La correlazioe e la regressioe Atoello Maruotti Outlie 1 Correlazioe 2 Associazioe tra caratteri quatitativi Date due distribuzioi uitarie secodo caratteri quatitativi X e Y x 1 x 2 x y 1 y 2 y associate
DettagliSTUDIO DEL LANCIO DI 3 DADI
Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio
DettagliRadicali. Esistenza delle radici n-esime: Se n è pari: ogni numero reale non negativo (cioè positivo o nullo) ha esattamente una radice n-esima in R.
Radicali Radici quadrate Si dice radice quadrata di u umero reale a, e si idica co a, il umero reale positivo o ullo (se esiste) che, elevato al quadrato, dà come risultato a. Esisteza delle radici quadrate:
DettagliInferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica
6/0/0 Corso di Statistica per l impresa Prof. A. D Agostio Ifereza statistica Per fare ifereza statistica si utilizzao le iformazioi raccolte su u campioe per cooscere parametri icogiti della popolazioe
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it
Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:
DettagliLezioni di Matematica 1 - I modulo
Lezioi di Matematica 1 - I modulo Luciao Battaia 4 dicembre 2008 L. Battaia - http://www.batmath.it Mat. 1 - I mod. Lez. del 04/12/2008 1 / 28 -2 Sottosuccessioi Grafici Ricorreza Proprietà defiitive Limiti
DettagliUn problema! La letteratura riporta che i pazienti affetti da cancro. = mesi
CONFRONTO TRA DUE MEDIE U problema! La letteratura riporta che i pazieti affetti da cacro hao ua sopravviveza media di 38.3 mesi e deviazioe stadard di 43.3 mesi: µ 38.3mesi σ 43.3mesi (la distribuzioe
Dettagli( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ
LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a
DettagliDistribuzioni di probabilità
Itroduzioe Distribuzioi di robabilità Fio ad ora abbiamo studiato ua secifica fuzioe desità di robabilità, la fuzioe di Gauss, che descrive variabili date dalla somma di molti termii idiedeti es. ua misura
DettagliSoluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5.
60 Roberto Tauraso - Aalisi Calcolare la somma della serie Soluzioi + 3 R La serie può essere riscritta el modo seguete: + 4 3 9 Il umero può essere raccolto fuori dal sego di sommatoria: + 4 3 9 Si tratta
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
DettagliPolitecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo
Politecico di Milao - Ao Accademico 010-011 Statistica 086449 Docete: Alessadra Guglielmi Esercitatore: Stefao Baraldo Esercitazioe 8 14 Giugo 011 Esercizio 1. Sia X ua popolazioe distribuita secodo ua
Dettagli6 Stima di media e varianza, e intervalli di confidenza
Si può mostrare che, per ogi fissato α, t,α z α, e t,α z α per + I pratica t,α e z α soo idistiguibili per 200. 6 Stima di media e variaza, e itervalli di cofideza Lo scopo esseziale della Statistica ifereziale
DettagliIntervalli di confidenza
Itervalli di cofideza Fracesco Lagoa Itroduzioe Questa dispesa riassume schematicamete i pricipali risultati discussi a lezioe sulla costruzioe di itervalli di cofideza. Itervalli di cofideza per la media
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE (Trasformazioni lineari Indici di covarianza e correlazione)
STATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE (Trasformazioi lieari Idici di covariaza e correlazioe) ) Trasformazioi lieari di variabili statistiche I varie situazioi si operao trasformazioi
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA $! %! """ # &' ( )* &' + %, -. / %,! 0 -$ 34! % 3 3 3 3 )5* 3$&6 ( &7'* / $& : 3; / ( 8/ &* &')&56 &/ * : 5'9 $ : x A > x B I risultati del trial ci permettoo di decidere
DettagliORDINAMENTO 2010 SESSIONE STRAORDINARIA - QUESITI QUESITO 1
www.matefilia.it ORDINAMENTO 1 SESSIONE STRAORDINARIA - QUESITI QUESITO 1 Due osservatori si trovao ai lati opposti di u grattacielo, a livello del suolo. La cima dell edificio dista 16 metri dal primo
DettagliEsame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 9 luglio 27 Corso di Laurea Trieale i Matematica, Uiversità degli Studi di Padova). Cogome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto fiale Attezioe: si cosegao
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al
DettagliRISOLUZIONE MODERNA DI PROBLEMI ANTICHI
RISOLUZIONE MODERNA DI PROBLEMI ANTICHI L itelletto, duque, che o è la verità, o comprede mai la verità i modo così preciso da o poterla compredere (poi acora) più precisamete, all ifiito, perché sta alla
DettagliPREMESSA. = η valore medio della popolazione = σ deviazione standard della popolazione. Descrizione parametrica di una popolazione
PREMESSA Descrizioe parametrica di ua popolazioe Sappiamo che u famiglia parametrica di fuzioi desità di probabilità è defiita da uo o più parametri Θ = {θ, θ,., θ }. Ad esempio, la d.d.p. di tipo espoeziale
DettagliMetodi statistici per l'analisi dei dati
Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio
DettagliEsercitazioni del corso: ANALISI MULTIVARIATA
A. A. 9 1 Esercitazioi del corso: ANALISI MULTIVARIATA Isabella Romeo: i.romeo@campus.uimib.it Sommario Esercitazioe 4: Verifica d Ipotesi Test Z e test T Test d Idipedeza Aalisi Multivariata a. a. 9-1
Dettagli1.6 Serie di potenze - Esercizi risolti
6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo
DettagliStatistica inferenziale e mercati azionari
Statistica ifereziale e mercati azioari Di Cristiao Armellii, cristiao.armellii@alice.it Dalla statistica ifereziale sappiamo che se m = media del campioe s = scarto quadratico medio del campioe = umerosità
DettagliSTATISTICA A K (63 ore)
STATISTICA A K (63 ore) Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto =400 X =34.000 Km; s cor =9000 Km Calcolare l
DettagliUNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Risk Management
UNIVERSITÀ DEGLI STUDI DI BERGAMO Facoltà di Igegeria Corso di Risk Maagemet Prof. Filippo Stefaii Matrice di variaze-covariaze A.A. 009/00 Corso 600 Corso di Laurea Specialistica i Igegeria Edile Risk
DettagliMetodi statistici per l analisi dei dati
Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo
DettagliSUCCESSIONI DI FUNZIONI
SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe
DettagliProgramma (orientativo) secondo semestre 32 ore - 16 lezioni
Programma (orietativo) secodo semestre 32 ore - 6 lezioi 3 lezioi: successioi e serie 4 lezioi: itegrali 2-3 lezioi: equazioi differeziali 4 lezioi: sistemi di equazioi e calcolo vettoriale e matriciale
DettagliEsercizi di Probabilità e Statistica della 2 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova).
Esercizi di Probabilità e Statistica della 2 a settimaa (Corso di Laurea i Matematica, Uiversità degli Studi di Padova). Esercizio. Sia (Ω, A, P) uo spazio probabilizzato e B A o trascurabile. Dimostrare
DettagliStrumenti di indagine per la valutazione psicologica
Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe
DettagliIPSAA U. Patrizi Città di Castello (PG) Classe 5A Tecnico Agrario. Lezione di martedì 10 novembre 2015 (4 e 5 ora) Disciplina: MATEMATICA
IPSAA U. Patrizi Città di Castello (PG) Classe A Tecico Agrario Lezioe di martedì 0 ovembre 0 (4 e ora) Disciplia: MATEMATICA La derivata della fuzioe composta Fuzioe composta Df(g())f (g())g () Questa
DettagliRegressione e correlazione
Regressioe e correlazioe Regressioe e correlazioe I molti casi si osservao gradezze che tedoo a covariare, ma () Se c è ua relazioe di dipedeza fra due variabili, ovvero se il valore di ua variabile (dipedete)
DettagliPrecorso di Matematica, aa , (IV)
Precorso di Matematica, aa 01-01, (IV) Poteze, Espoeziali e Logaritmi 1. Nel campo R dei umeri reali, il umero 1 e caratterizzato dalla proprieta che 1a = a, per ogi a R; per ogi umero a 0, l equazioe
Dettagli1. Tra angoli e rettangoli
. Tra agoli e rettagoli Attività : il foglio A4 e le piegature Predi u foglio di carta A4 e piegalo a metà. Cota di volta i volta quati rettagoli si ottegoo piegado a metà più volte il foglio. Immagia
DettagliIl confronto tra DUE campioni indipendenti
Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo
DettagliNUMERICI QUESITI FISICA GENERALE
UMERICI (Aalisi Dimesioale). Utilizzado le iformazioi ricavabili dalla gradezza fisica che ci si aspetta come risultato e dai valori umerici foriti, idividuare, tra le espressioi riportate, quella/e dimesioalmete
DettagliLA VERIFICA DELLE IPOTESI SUI PARAMETRI
LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività
DettagliMatematica e Statistica: Modulo di Statistica - Prof. Federico Di Palma - Appello del 12 Febbraio
Matematica e Statistica: Modulo di Statistica - Prof. Federico Di Palma - Appello del 1 Febbraio 014 - Esercizio 1) I ua ricerca si è iteressati a verificare le dimesioi i micrometri di u graulocita eutrofilo.
DettagliLibri T ablet 1284 47 971 62 1123 75 1047 69 921 103 874 113 889 136
Esercitazioe 0 ESERCIZIO arco e Giulio hao due egozi i viale dei Giardii. arco vede libri, Giulio vede elettroica, tra cui tablet. arco e Giulio, avedo a disposizioe il umero di libri veduti ed il umero
DettagliSoluzioni. Se l interallo avesse livello di confidenza 99%, al posto di 1,96 avremmo
Esercizio 1 Soluzioi 1. Ricordiamo che l ampiezza di u itervallo di cofideza è fuzioe della umerosità campioaria edellivellodicofideza. Aparità di tutto il resto, l ampiezza dimiuisce al crescere di eaumetaal
DettagliLo studio della relazione lineare tra due variabili
Lo studio della relazioe lieare tra due variabili X e caratteri etrambi quatitativi X variabile idipedete variabile dipedete * f ( ) f(): espressioe fuzioale che descrive la legge di dipedeza di da X 1
DettagliMATEMATICA DEL DISCRETO elementi di calcolo combinatorio. anno acc. 2009/2010
elemeti di calcolo combiatorio ao acc. 2009/2010 Cosideriamo u isieme fiito X. Chiamiamo permutazioe su X u applicazioe biuivoca di X i sè. Ad esempio, se X = {a, b, c}, le permutazioi distite soo 6 e
DettagliDomande di teoria. Esercizi
Chiorri, C. (01). Fodameti di psicometria - Risposte e soluzioi Capitolo 11 1 omade di teoria 1. Vedi pp. 97-301. Vedi pp. 301-30 3. Vedi p. 30. Vedi pp. 30-307 5. Vedi p. 309 6. Vedi p. 309-31 7. Vedi
DettagliLE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI
Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità
DettagliCarte di controllo per attributi
Carte di cotrollo per attributi Il cotrollo per variabili o sempre è effettuabile misurazioi troppo difficili o costose troppe variabili che defiiscoo qualità di u prodotto le caratteristiche dei prodotti
DettagliScheda n.6: legame tra due variabili; correlazione e regressione
Scheda.6: legame tra due variabili; correlazioe e regressioe October 26, 2008 Covariaza e coefficiete di correlazioe Date due v.a. X ed Y, chiamiamo covariaza il umero Cov (X, Y ) = E [(X E [X]) (Y E [Y
DettagliELEMENTI DI STATISTICA. Giancarlo Zancanella 2015
ELEMENTI DI STATISTICA Giacarlo Zacaella 2015 2 Itroduzioe I termii statistici soo molto utilizzati el liguaggio correte 3 Cos è la STATISTICA STATISTICA = scieza che studia i feomei collettivi o di massa
DettagliTEORIA DEI CAMPIONI. Psicometria 1 - Lezione 10 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek
TEORIA DEI CAMPIONI Psicometria 1 - Lezioe 10 Lucidi presetati a lezioe AA 000/001 dott. Corrado Caudek 1 Nella teoria statistica per popolazioe si itede la totalità delle uità poteziali d'osservazioe.
DettagliEsercizi svolti. 1. Calcolare i seguenti limiti: log(1 + 3x) x 2 + 2x. x 2 + 3 sin 2x. l) lim. b) lim. x 0 sin x. 1 e x2 d) lim. c) lim.
Esercizi svolti. Calcolare i segueti iti: a log + + c ± ta 5 + 5 si π e b + si si e d + f + 4 5 g + 6 4 6 h 4 + i + + + l ± + log + log 7 log 5 + 4 log m + + + o cos + si p + e q si s e ta cos e u siπ
DettagliDEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE
DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA
DettagliLe carte di controllo
Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità
DettagliPrincipio di induzione: esempi ed esercizi
Pricipio di iduzioe: esempi ed esercizi Pricipio di iduzioe: Se ua proprietà P dipedete da ua variabile itera vale per e se, per ogi vale P P + allora P vale su tutto Variate del pricipio di iduzioe: Se
DettagliIl Teorema di Markov. 1.1 Analisi spettrale della matrice di transizione. Il teorema di Markov afferma che
1 Il Teorema di Marov 1.1 Aalisi spettrale della matrice di trasizioe Il teorema di Marov afferma che Teorema 1.1 Ua matrice di trasizioe regolare P su u isieme di stati fiito E ha ua uica distribuzioe
DettagliSTATISTICA 1 parte 2/2 STATISTICA INFERENZIALE
STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI
Dettagli(1 2 3) (1 2) Lezione 10. I gruppi diedrali.
Lezioe 0 Prerequisiti: Simmetrie di poligoi regolari. Gruppi di permutazioi. Cetro di u gruppo. Cetralizzate di u elemeto di u gruppo. Riferimeto al testo: [PC] Sezioe 5.4 I gruppi diedrali. Ogi simmetria
DettagliAppendice A. Elementi di Algebra Matriciale
ppedice. Elemeti di lgebra Matriciale... 2. Defiizioi... 2.. Matrice quadrata... 2..2 Matrice diagoale... 2..3 Matrice triagolare... 3..4 Matrice riga e matrice coloa... 3..5 Matrice simmetrica e emisimmetrica...
DettagliAppunti complementari per il Corso di Statistica
Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe
DettagliAritmetica 2016/2017 Esercizi svolti in classe Seconda lezione
Aritmetica 06/07 Esercizi svolti i classe Secoda lezioe Dare ua formula per 3 che o coivolga sommatorie Dato che sappiamo che ( + e ( + ( + 6 vogliamo esprimere 3 mediate, e poliomi i U idea possibile
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Intervalli di confidenza
iovaella@disp.uiroma.it http://www.disp.uiroma.it/users/iovaella Itervalli di cofideza Itroduzioe Note geerali La stima putuale permette di otteere valori per i parametri di ua fuzioe ma i alcui casi può
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO Che cosa sigifica cotare Tutti coosciamo la successioe dei umeri iteri Naturali N = {0, 1,,, } si tratta di ua struttura metale fodametale, chiaramete presete alla ostra ituizioe che
DettagliPROBABILITÀ SCHEDA N. 8 LA LEGGE DEI GRANDI NUMERI E IL TEOREMA CENTRALE DEL LIMITE Ovvero: ci si può fidare dell esperienza per stimare probabilità?
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) PROBABILITÀ SCHEDA N.
DettagliTavole di Contingenza Connessione
Tavole di Cotigeza Coessioe Ua tavola di cotigeza per due geerici feomei X e Y è ua rappresetazioe simbolica di ua tabella a doppia etrata y 1 y y j y k x 1 11 1 1j 1k 1 x 1 j k x i i1 i ik i x h h1 h
DettagliStatistica4-29/09/2015
Statistica4-29/09/2015 Raccogliere i dati con il maggior numero di cifre significative ed arrotondare eventualmente solo al momento dei calcoli (min. 3); nella grande maggioranza delle ricerche biologiche
DettagliAlcuni parametri statistici di base
Alcui parametri statistici di base Misure di tedeza cetrale: media mediaa moda Misure di dispersioe: itervallo di variazioe scarto medio variaza deviazioe stadard coefficiete di variazioe Popolazioe di
DettagliRelazioni statistiche
Relazioi statistiche Idipedeza: asseza di qualsiasi relazioe tra due caratteri I caso di preseza di u legame, questo può essere di: Coessioe: relazioe reciproca tra due caratteri qualitativi Dipedeza:
DettagliIL CALCOLO COMBINATORIO
IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso
Dettagli