Statistica descrittiva

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Statistica descrittiva"

Transcript

1 Statistica descrittiva idici idici (o misure) di posizioe media campioaria di osservazioi x, x,..., x x i x= per campioi x ì ripetuti ciascuo co frequeza f i x= x i f i Posto y i =a x i b : y=a x mediaa m di osservazioi x x... x se è dispari: m=x / se è pari: m= x /x / moda puto di massimo della distribuzioe di frequeza ua distribuzioe co u solo puto di massimo è detta uimodale ua distribuzioe co più puti di massimo è detta plurimodale idici di dispersioe variaza di osservazioi x, x,..., x = x i x per campioi x ì ripetuti ciascuo co frequeza f i = x i x f i = x i f i x posto y i =a x i b : y =a x deviazioe stadard o scarto quadratico medio = rage di osservazioi x x... x differeza tra massima e miima osservazioe rage=x x p-esimo quatile (o 00p-esimo percetile) di di osservazioi x x... x p 0,, si cosidera il umero p se p o è itero: è l'itero successivo, Q p =x se p è itero: = p, Q p = x x quartili Q primo quartile: quatile per p = 0.5 Q secodo quartile: quatile per p = 0.5 (= mediaa) Q 3 terzo quartile: quatile per p = 0.75 differeza iterquartile (IQ IterQuartile age) IQ=Q 3 Q idici di forma coefficiete di asimmetria (sewess) s= x 3 i x se vale zero idica che la distribuzioe è simmetrica rispetto alla media se positivo deota ua coda verso destra se egativo deota ua coda verso siistra coefficiete di curtosi curt= x 4 i x misura quato la distribuzioe è apputita correlazioi covariaza di osservazioi cogiute di variabili {(x,y ), (x,y ),..., (x,y )}: xy = x i x y i y= x i y i x y se xy 0 x e y soo direttamete correlate: a valori gradi (piccoli) di x corrispodo valori gradi (piccoli) di y; se xy 0 x e y soo iversamete correlate: a valori gradi (piccoli) di x corrispodo valori piccoli (gradi) di y; se xy =0 x e y soo icorrelate; coefficiete di correlazioe xy = xy ; x xy y idice ormalizzato, adimesioale ed ivariate per trasformazioi lieari delle variabili regressioe lieare retta y= a xb che meglio approssima la uvola di puti x i, y i a= xy x ; b=y x xy x valori stimati y i =a x i b rappresetao i valori stimati di y a partire dalla retta di regressioe lieare residui r i = y i y i differeza tra i valori reali e stimati valore previsto y 0 = a x 0 b x 0 è u valore diverso dai valori x i già osservati cambiameto di scala log y=a log xb y=e b x a deviaza totale DEV TOT =DEV EG DEV ES = y i y DEV EG = y i y ; DEV ES = y i y i coefficiete di determiazioe = DEV EG = DEV ES = y DEV TOT DEV TOT ; 0 y tato più esso si avvicia ad uo tato più la fuzioe di regressioe trovata è buoa. Formulario di Probabilità e Statistica [ ] - Copyright 005 Nicola Asui *** ATTENZIONE: No posso garatire che le segueti iformazioi siao corrette. Usatele a vostro rischio. ***

2 Probabilità defiizioi eveti elemetari tutti i possibili esiti di u esperimeto aleatorio eveto ogi sottoisieme di uo spazio campioario discreto spazio campioario isieme di tutti gli eveti elemetari; può essere: discreto se gli elemeti soo u umero fiito o u'ifiità umerabile P { }= p cotiuo se è più umeroso (ad esempio: tutti i umeri reali i u certo itervallo) liguaggio isiemi, itero spazio campioario, isieme vuoto isieme A isieme A complemetare di A A B, (uioe) A B, (itersezioe) A B, ( sottrazioe = A B ) A B=, eveti disgiuti B A ( B icluso i A ) eveto certo eveto impossibile l'eveto si verifica eveti l'eveto o si verifica si verifica almeo uo dei due eveti gli eveti si verificao simultaeamete si verifica A e o si verifica B gli eveti soo icompatibili B implica A eveti A, B, C sottoisiemi di Ω A A= A A A= A A B=B A A B=B A A B C= A C C A B C = A C C A B C= A B A C A B C= A B A C A =A A = A = A = A A A= A A= A B= A B A B= A B A=A probabilità su Ω P : P [0,] P = P =0 P A= P A P A B=P AP B P A B P = A = = probabilità classica P A, co A i A j = se i j la probabilità di u eveto è il rapporto dei casi favorevoli ed il umero dei casi possibili posto Ω di N elemeti ( =,,.., N) e P { }= p, eveti elemetari equiprobabili, A eveto qualuque P A= P { }= p A = A A N = A A èil umerodi elemeti di A permutazioe di oggetti è ogi allieameto di oggetti distiti i caselle P =!= 3 di! ( fattoriale) 0!=! =!! = m, co m m! disposizioe di oggetti i posti è ogi allieameto di oggetti scelti tra oggetti distiti i posti D, =, co D, =P =! disposizioe co ripetizioe di oggetti i posti è ogi allieameto di oggetti scelti tra oggetti e ripetibili, i posti =, co D, combiazioe di oggetti di classe è ogi sottoisieme di elemeti dell'isieme di oggetti (modi per scegliere oggetti tra ) C, = D, = P =,! co ; 0 coefficiete Biomiale = =C, ; = ; 0 = = combiazioe co ripetizioe di oggetti scelti fra ogi gruppo formato di oggetti scelti fra, che possoo essere ripetuti (modi per disporre oggetti uguali i posti) = C, = permutazioe co ripetizioe di oggetti uguali fra loro a gruppi (allieameto i posti di oggetti) P,,... r! =!! r! Formulario di Probabilità e Statistica [ ] - Copyright 005 Nicola Asui *** ATTENZIONE: No posso garatire che le segueti iformazioi siao corrette. Usatele a vostro rischio. ***

3 probabilità codizioata probabilità dell'eveto A, codizioata a B P A B= P A B P B P A B=P B A=P A B PB=P B A P A P B A P A P A B= P B P A B= P A B probabilità totali P A= P A B j P B j, j= co j= B j =, B i B j = per i j, P B j 0 per ogi j caso otevole: P A=P A B P BP A B P B, co {B, B} partizioe di formula di Bayes P B A= P A B P B, per ogi P A B j P B j j= idipedeza di eveti eveti A, B idipedeti lo soo se soddisfao ua delle segueti codizioi P A B=P A P B P A B=P A P B A=P B famiglia di eveti idipedeti eveti A, A,..., A costituiscoo ua famiglia di eveti idipedeti se per ogi sottofamiglia di r eveti ( r ), la probabilità di itersezioe di questi r eveti è uguale al prodotto delle probabilità di ciascuo di essi: P A i A j =P A i P A j, per ogi coppia diidicii j P A i A j A =P A i P A j P A data ua famiglia di eveti idipedeti, ache sostituedo alcui A i co i complemetari A i, rimae ua famiglia di eveti idipedeti. Affidabilità di u sistema compoeti i serie il sistema fuzioa se e solo se fuzioao tutti i compoeti affidabilità (probabilità che il sistema fuzioi) a=a a a compoeti i parallelo il sistema fuzioa se e solo se fuzioa almeo u compoete affidabilità (probabilità che il sistema fuzioi) a= a a a variabili aleatorie e modelli probabilistici variabili aleatorie variabile aleatoria (v.a.) discreta è ua qualuque fuzioe: X : X I, co I è u'abbreviazioe di { : X I } legge (o distribuzioe) di ua v.a. applicazioe che associa ad ogi itervallo I il umero: P X I =P { : X I} desità discreta di X fuzioe che ad ogi valore assuto da X associa la probabilità che X assuma quel valore p X x =P X =x probabilità dell'eveto X I : P X I = x I p X x, purché la serie coverga v.a. idipedeti se scelti itervalli I, I,,I si ha P X I, X I,, X I =P X I P X I P X I valore atteso, o media, o speraza matematica X =EX = x p X x, per X discreta X =EX = t f X t dt, per X cotiua E ax b=a EX b, co a, b E X X X =EX EX EX E X X X =EX EX EX, co X, X,, X v.a.idipedeti Ef X = f x p X x, purché la serie coverga E ax b=aex b, per ogi a, b per v.a.cotiue E g X = g t f X tdt, per g : per v.a. cotiue variaza X v.a. discreta: X =VarX =E X EX =E X EX X v.a. cotiua: X =VarX =E X EX = VarX 0 VarX =E X EX Var c=0, per ogi costate c Var ax b=a VarX, per ogi a,b t f X t dt t f X t dt VarX = x EX p X x = x p X x EX Var X X X =VarX VarX VarX, co X i idipedeti deviazioe stadard o scarto quadratico medio X = X =VarX covariaza Cov X,Y =E X EX Y EY =E XY EX EY, co X, Y v.a. covariaza fiita Formulario di Probabilità e Statistica [ ] - Copyright 005 Nicola Asui *** ATTENZIONE: No posso garatire che le segueti iformazioi siao corrette. Usatele a vostro rischio. *** 3

4 Cov X, X =VarX Cov X,c=0, per ogi costatec Cov X,Y =CovY, X Cov X Y, Z=Cov X, ZCovY,Z Cov Y,Y Z =Cov X,Y Cov X,Z Cov ax, Y =acov X,Y Cov X,aY =acov X,Y Var X Y =VarX VarY Cov X,Y Cov X,Y VarX VarY dis.cauchy Swartz correlazioe due v.a. co variaza fiita si dicoo icorrelate se: Cov X,Y =0 i tal caso: Var X Y =Var X Var Y coefficiete di correlazioe di X, Y XY XY Cov X,Y X Y VarX VarY, dove XY se XY è vicio a zero: X e Y soo quasi idipedeti se XY è positivo: ad X grade corrispoderà i geere ua Y grade se XY è egativo: ad X grade corrispoderà i geere ua Y piccola se XY =± le v.a. soo ua fuzioe lieare dell'altra: Y =ax b stadardizzata di X è ua v.a. otteuta da ua v.a. X co media e variaza fiite: X = X X X EX =0 ; Var X = disuguagliaza di Cebicev sia X ua v.a. di valore atteso X e variaza X ogi 0 : P X X X, ovvero fiite, allora per P X X X =P X X X X X processo di Beroulli sequeza di esperimeti di Beroulli idipedeti di uguale parametro p esperimeto berulliao o prova di Beroulli è u esperimeto aleatorio che può avere solo due esiti possibili: successo : co probabilità p isuccesso : co probabilità (-p) p è il parametro della prova di Beroulli processo di Beroulli limitato il umero di prove è fiito berulliaa di parametro p X ~B p descrive l'esito di ogi prova di Beroulli p X = p ; p X 0= p EX = p ; VarX = p p la probabilità di otteere, i prove, ua particolare sequeza di successi e (-) isuccessi è: p p la probabilità di otteere, i prove, almeo u successo è: p Biomiale di parametri e p X ~B, p cota il umero complessivo di successi otteuti i prove (estrazioe co reimissioe) p X = p, =0,,,..., p EX =p ; VarX =p p s X = p p ; curt X =3 6p p p p p il umero di oggetti di tipo K che si trovao i u campioe di oggetti estratti co reimmissioe da u isieme di N oggetti che cotiee K oggetti di u tipo e (N-K) oggetti di u'altro è: X ~B, K N processo di Beroulli illimitato sequeza ifiita di prove Biomiale egativa di parametri - e p X ~B, p cota il umero di isuccessi che si ottegoo prima di otteere successi p X = p p, =0,,,... EX = p p ; VarX = p p il umero Y di prove ecessarie per otteere successi: P Y= =P X ==P X = = p p, per =,,,... Geometrica di parametro p X ~G p cota il umero di prove ecessarie per otteere il primo successo p X = p p, per =,,3,... EX = p ; VarX = p p Geometrica traslata di parametro p X ~G ' p cota il umero di isuccessi prima del primo successo p X = p p, per =0,,,... EX = p p ; VarX = p p Ipergeometrica di parametri (N, K, ) X ~G N, K,, co N ; N cota il umero di oggetti di tipo K che si trovao i u campioe di oggetti estratti seza reimmissioe da u isieme di N oggetti che cotiee K oggetti di u tipo e (N-K) oggetti di u altro. K p X N K =, co 0 ; K ; N K N EX = K N ; VarX = K N K N N N approssimazioe Biomiale per N (e quidi K) molto gradi (N > 0) è come se estraessimo co reimissioe: X ~G N, K, X ~B, K N, per N Formulario di Probabilità e Statistica [ ] - Copyright 005 Nicola Asui *** ATTENZIONE: No posso garatire che le segueti iformazioi siao corrette. Usatele a vostro rischio. *** 4

5 p X p p, per N, p= K N EX =p ; VarX =p p N N N (fattore di correzioe per la popolazioe fiita (< )) N Poisso di parametro λ > 0 Y ~P 0, co0 permette di descrivere quatitativamete situazioi i cui o abbiamo accesso ai valori di N e p, ma possediamo u uica iformazioe umerica: il parametro λ (umero medio di arrivi) p Y =e, per =0,,,! EY = ; VarY = s X = ; curt X =3 se X i ~P 0 i allora: X X X ~P 0 approssimazioe della Biomiale per N molto grade e p molto piccolo: X ~BN, p Y ~P 0 Np, P X = PY= processo Poisso di itesità ν permette di calcolare probabilità di eveti che accadoo i u certo itervallo di tempo diverso da quello su cui abbiamo iformazioi di parteza; posto =t co umero medio di arrivi ell'uità di tempo, il umero X t di arrivi ell'itervallo di tempo [0, t ] è dato da X t ~P 0 t t p X t =e t, per =0,,,! EX t =t ; VarX t = t variabili aleatorie cotiue desità cotiua f x determia la legge della v.a. cotiua X; è ua desità di probabilità P X I I f x : ; f x t dt, co I f x t 0, per ogi t ; f x t dt= P X =t=0, per ogi t (la probabilità che assuma u valore fissato è ulla (itegrale di u puto)) P X a=p X a P a X b=p ax b esempi di desità cotiue desità uiforme f X t= b a I t, a,b,ab a,b co I a,b t=, per t a, b I a,b t=0, per t a,b P X J = J (fuzioe idicatrice) b a I a, b t dt= a,b J b a desità di Cauchy f X t= t b P a X b= a =/arcta b arcta a t desità Normale Stadard curva a campaa di Gauss, o curva degli errori f X t= e t P a X b= a b / e t / dt fuzioe di ripartizioe di X (f.d.r.) equivale alla desità discreta el caso cotiuo F X t:[0,] F X t=p X t, per ogi t t F X t= f X y dy, per X cotiua F X t= p X x, per X discreta x t se t t, X t X t, P X t P X t, F X t è mootoacrescete F X t per t F X t0 per t F X b F X a=p X b P X a=p ax b, coa,b, ab la f.d.r. di ua v.a. cotiua è sempre ua fuzioe cotiua ei puti i cui la desità è cotiua; i questi puti è derivabile: ' t= f X t F X quatile α-esimo (q α ) P X q =, co q a,b, 0, variabili aleatorie legate al processo di Poisso legge Espoeziale di parametro ν Y ~Esp, co0 misura l'istate del primo arrivo i u processo di Poisso X t di itesità ν, o il tempo di attesa tra due arrivi successivi; è l'uico modello adeguato a rappresetare il tempo di vita di u apparecchio o soggetto ad usura F Y t= e t, per t0 F Y t=0, per t 0 f Y t =e t, per t0 f Y t =0, per t0 E Y = ; Var Y = s X = ; curt X =9 stimatore o distorto per legge Espoeziale U =T = X i Formulario di Probabilità e Statistica [ ] - Copyright 005 Nicola Asui *** ATTENZIONE: No posso garatire che le segueti iformazioi siao corrette. Usatele a vostro rischio. *** 5

6 = = X i X, stima di legge Gamma di parametri (itero positivo) e ν (itero positivo) Y ~, misura l'istate dell'eesimo arrivo i u processo di Poisso X t di itesità ν F Y t= e t t, per t0 =0! F Y t=0, per t 0 f Y t =e t t! =C,t e t, per t0, f Y t =0, per t0 C, =! E Y = ; Var Y = legge Gamma di parametri r e ν (reali positivi) Y ~ r, descrive il tempo di vita di u apparecchio la cui propesioe al guasto cresce col tempo, fio al limite ν f Y t =C r, t r e t, per t0 f Y t =0, per t0 E Y = r ; Var Y = r asseza di memoria P Y T t Y T =P Y t P Y T t=p Y t P Y T se ua v.a. cotiua soddisfa questa, allora ha legge Espoeziale se è cotiua e legge Geometrica traslata se discreta istataeous failure rate (propesioe istataea al guasto) Zt = f Y t F Y t per la legge Espoeziale: Zt =, per t0 per la legge Gamma: Zt =C t t =0! =! =0 t t desità di Weibull utile a rappresetare il tempo di vita di u apparecchio posto Zt =c t si trova: c t F Y t= e, co c t f Y t =c t e se 0 l'apparecchio ivecchia se 0 l'apparecchio migliora col tempo se =0 si ritrova la legge Espoeziale! modello Normale legge Normale stadard Z~N 0, F Z t= t y e dy t f Z t = t e t E Z =0 ; Var Z = t= t, simmetria calcoli co i quatili posto z quatile α-esimo della legge Normale stadard: z = z P Zz = P Zz = P Z z / = P Z z / = legge Normale (o gaussiaa) di media µ e variaza σ X ~N, rappreseta bee gli errori di approssimazioe F X t= t t f X t= t = e EX = ; Var X = sx =0 ; curt X =3 la v.a. Z= X ha legge Normale stadard posto X ~N,, X ~N, idipedeti: X X ~N, posto a,b : ax b~n a b, a relazioe tra legge Normale e legge Normale stadard Z~N 0, Z~N, X ~N, X ~N 0, errori Y =misura di ua gradezza fisica =valore vero X =errore di misura =errore sistematico E c =errore casuale =iacuratezza della misura X ~N,, X =E c E c ~N 0, E E c =0 EY = media campioaria se X i ~N, soo v.a. idipedeti ed ideticamete Formulario di Probabilità e Statistica [ ] - Copyright 005 Nicola Asui *** ATTENZIONE: No posso garatire che le segueti iformazioi siao corrette. Usatele a vostro rischio. *** 6

7 distribuite (i.i.d.): X ~N, E X = ; Var X = media campioaria stadardizzata S = X /, =,,3, teorema del limite cetrale P S t t per, t approssimazioe Normale Date X i v.a.i.i.d., EX i =, VarXi= co abbastaza grade: X N, ossia P X t t X i N, ossia P X i t t approssimazioe Normale di Gamma per grade: Y ~, Y N, F Y t=p Y t t approssimazioe Normale della Biomiale: approssimazioe utile i problemi di campioameto NOTA: vale se: p5 ; p5 Y ~B, p Y N p,p p t p F Y t=p Y, per v.a.cotiua t p p F Y =P Y 0.5 p p p, =0,,,,, per v.a.discreta mometi ed idici di forma per v.a. mometo r-esimo di X r ' =E X r r ' = x r p X x, per X discreta ' r = x r f X x dx, per X cotiua mometo r-esimo cetrato di X r =E X EX r r = x r p X x, co =EX, per X discreta r = x r f X xdx, per X cotiua coefficiete di asimmetria (sewess) di ua v.a. X co µ' 3 fiito misura l'assimetria di X rispetto al valore atteso s X = 3 =E 3/ [ X 3 ] coefficiete di curtosi di ua v.a. X co µ' 4 fiito misura quato la desità di X sia apputita curt X = 4 =E [ X 4 ], =EX, =Var X statistica ifereziale campioameto e stime defiizioi modello statistico famiglia di leggi di v.a., dipedeti da uo o più parametri icogiti: { p X x ;: I} è u vettore di parametri campioe casuale di ampiezza estratto da ua popolazioe di desità p X x ; è ua eupla di v.a. idipedeti e ideticamete distribuite (i.i.d) X, X,, X, ciascua avete legge p X x ;. stima di parametri e stimatori stima putuale dei parametri stimare il valore vero del parametro (o dei parametri) a partire dal campioe casuale stima del parametro p della popolazioe berulliaa p= x, co x i valorieffettivamete osservati statistica T è ua qualsiasi v.a. T fuzioe del campioe casuale X, X,, X di ampiezza estratto da ua popolazioe di legge p X x, : T = f X, X,, X, co f : stimatore del parametro ϑ statistica che viee usata per stimare il valore del parametro è corretto (o distorto) se ET = altrimeti è detto distorto stima del parametro ϑ = f x, x,, x, calcolato acampioameto eseguito stimatore cosistete var T 0 per, cot stimatore corretto di valore atteso della media campioaria E X = variaza della media campioaria Var X = legge dei gradi umeri P { X } 0, per stime stima di =h S X i X a campioameto effettuato:, variaza campioaria Formulario di Probabilità e Statistica [ ] - Copyright 005 Nicola Asui *** ATTENZIONE: No posso garatire che le segueti iformazioi siao corrette. Usatele a vostro rischio. *** 7

8 s x i x = stima popolazioe Normale = x =s se µ è ota: = X i stima popolazioe Gamma = x s leggi ; r = x s x i x legge Chi quadro co gradi di libertà Y ~X Y ~, X i soo v.a. idipedeti, ciascua di legge N(0,) f Y t =c t e t, per t0 f Y t =0, per t0 EY = ; Var Y = posto Y ~X, Y ~X idipedeti: Y Y ~X itervallo a cui ua v.a. di legge Chi quadro appartiee co probabilità α: PX Y X = approssimazioe Normale di Chi quadro per grade X N,, per grade PYt t X z approssimazioi Sia X i, X,, X u campioe casuale estratto da ua popolazioe di legge N,, allora: X i ~ X X i X ~ X S ~X S e X soo traloro idipedeti legge t di studet a gradi di libertà T~t ; co T = Z Y /, Z~N 0,, Y ~X f T t =c t, per t ET=0, trae per = per cui oesiste fiito per t la t di studet tede alla Normale stadard approssimazioi Sia X i, X,, X u campioe casuale estratto da ua popolazioe di legge N,, allora: X ~t S / calcoli co i quatili posto t quatile α-esimo della legge t(): P Tt = P Tt = P T t / = P T t / = t z, approssimazioe per 0 approssimazioe di quatili tramite iterpolazioe lieare y=mxq, equazioe della rettache passa per i puti {q, t q }, {q, t q } t x=t q t q t q q q x q, co q xq legge di fisher co m e gradi di libertà X ~F m, ; co X = U / m, U ~X m, V ~X V / ~F,m X PX F m,= P X F m, = F m, =F,m S S =F m, itervallo di cofideza al livello del 00α% per h(ϑ) Sia X, X,, X u campioe casuale estratto da ua popolazioe di desità f x ; ; siao T =t X, X,, X, T =t X, X,, X due statistiche, e sia h ua fuzioe del parametro che si vuole stimare; fissato u umero 0,, l'itervallo aleatorio (T, T ) si dice itervallo di cofideza al 00α% per h(ϑ) se: P T ht = a campioameto eseguito l'itervallo (t,t ) si dice calcolato al campioe ; h(ϑ) appartiee all'itervallo (t, t ) co ua cofideza del 00α%; t e t soo detti limiti di cofideza itervallo di cofideza per la media (di ua popolazioe Normale o popolazioe qualsiasi co grade 30 ) = X ±z = / X ±E S = X ±t, co variaza ota, co variazaicogita Formulario di Probabilità e Statistica [ ] - Copyright 005 Nicola Asui *** ATTENZIONE: No posso garatire che le segueti iformazioi siao corrette. Usatele a vostro rischio. *** 8

9 stima dell'ampiezza per limitare l'errore E 0 =t / E 0, co variaza ota itervallo di cofideza per la frequeza p valido per ua popolazioe beroulliaa e per gradi campioi 30 p= X ±z / X X ; se: x 5, x 5 stima dell'ampiezza per limitare l'errore E 0 = z / E 0 E 0 corrispode a metà dell'itervallo di cofideza. test di ipotesi ipotesi statistica è u'asserzioe sul valore vero di u parametro icogito; si dice semplice se specifica completamete il valore del parametro, altrimeti si dice composta ipotesi ulla H 0 H 0 : 0 ipotesi che si ritiee vera fio a prova cotraria ; rifiuteremo H 0 solo se i dati campioari forirao ua forte evideza statistica cotro di essa ipotesi alterativa H H : 0 ipotesi vera solo se H 0 è falsa errore di tipo I rifiutiamo H0 quado è vera; questo è cosiderato l'errore più grave errore di tipo II accettiamo H0 quado è falsa regioe critica o regioe di rifiuto è l'isieme dei possibili risultati campioari che portao a rifiutare H 0 data la regola di decisioe: si rifiuti H 0 set X, X,, X I : ={ x, x,,x :T x, x,, x I } la probabilità di rifiutare H 0 prima del campioameto: P T X, X,, X I ampiezza del test (o livello di sigificatività) =sup 0 P T X, X,, X I rappreseta la massima probabilità di rifiutare l'ipotesi ulla quado questa è vera; va stabilito piccolo a priori prima di eseguire il campioameto p-value umero pari al miimo livello di sigificatività a cui i dati campioari cosetoo di rifiutare l'ipotesi ulla; se p-value = 0 siamo praticamete certi di o sbagliare variaza campioaria pesata media pesata delle variaze campioarie di due campioi, m S = S X m S Y = m X i X Y i Y m test sulla media di ua popolazioe Normale di variaza ota z= x 0 / = 0 0 z z / 0 0 zz 0 0 z z test sulla media di ua popolazioe Normale di variaza icogita t= x 0 s / = 0 0 t t / 0 0 tt 0 0 t t test sulla frequeza p di ua popolazioe beroulliaa x p 0 z= p 0 p 0 / p= p 0 p p 0 z z / p p 0 p p 0 zz p p 0 p p 0 z z test sulla differeza di due medie co variaze ote estraiamo due campioi,m da due popolazioi ormali idipedeti co variaze ote; questo test o va usato quado ua variaza è almeo 4 volte l'altra z= X Y m X Y X = Y X Y z z / X Y X Y zz X Y X Y z z test sulla differeza di due medie co variaze icogite estraiamo due campioi, m da due popolazioi ormali idipedeti co variaze icogite; questo test o va usato quado ua variaza è almeo 4 volte l'altra X Y t= m S X m S Y m X = Y X Y t t / m X Y X Y tt m X Y X Y t t m el caso di campioi osservazioi accoppiate si cosiderao le differeze delle medie Formulario di Probabilità e Statistica [ ] - Copyright 005 Nicola Asui *** ATTENZIONE: No posso garatire che le segueti iformazioi siao corrette. Usatele a vostro rischio. *** 9

10 test su due frequeze di due popolazioi beroulliae idipedeti estraiamo due campioi, m da due popolazioi beroulliae idipedeti X ~B p, Y ~B p ; questa procedura è valida se x y m z= m x i 5 ; p p m p = p p p z z / p p p p zz p p p p z z ifereze su ua variaza X = s 0 co p= x m y m m y i 5 = X X / X X X X itervallo di cofideza s s, X X o X X / ifereze su due variaze estraiamo due campioi, m da due popolazioi ormali idipedeti co medie icogite; F = s X s Y X = Y X Y X Y X Y X Y X Y itervallo di cofideza s X,, m s Y F F F /, m F F /, m F F, m F F, m F, m s X s Y test Chi quadro di adattameto ha lo scopo di verificare se certi dati empirici si adattio bee ad ua distribuzioe teorica assegata; si costruisce la seguete tabella: classi A A... A freq. rel. attese p p... p freq. ass. attese p p... p freq. ass. osservate N N... N scarti quad. p N p N p... N pesati p p p Q le classi adrao accorpate i maiera tale che le frequeze assolute attese siao tutte maggiori o uguali a 5; Chi quadro calcolato dal campioe: Q= p i N i p i Q X per, co p i assegate a priori Q X r per, co p i calcolate dopo aver stimato r parametri icogiti fissato α, si stabilisce la regola di decisioe: si rifiuti H 0 se Q X r (si calcola tramite tabelle) il p-value corrispodete al valore Q è: =P X Q, co X ~X r test Chi quadro di idipedeza verifica l'idipedeza o meo di due variabili; si costruisce ua tabella di cotigeza di rs classi: A A... A r Tot. B... r B... r B s s s... rs s Tot.... r si costruisce ua tabella di rs classi: A A... A r B r... B... r B s s r s s... ciascua delle frequeze attese deve essere: si calcola il chi-quadro: r s ij i j Q= j= i j fissato α, si stabilisce la regola di decisioe: si rifiuti H 0 se QX r s (si calcola tramite tabelle) il p-value corrispodete al valore Q è: =P X Q, co X ~X r s i j 5 Formulario di Probabilità e Statistica [ ] - Copyright 005 Nicola Asui *** ATTENZIONE: No posso garatire che le segueti iformazioi siao corrette. Usatele a vostro rischio. *** 0

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

LA 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

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE 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

Dettagli

Il test parametrico si costruisce in tre passi:

Il test parametrico si costruisce in tre passi: R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica

Dettagli

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni Statistica I, Laurea trieale i Ig. Gestioale, a.a. 2011/12 Registro delle lezioi Lezioe 1 (28/9, ore 11:30). Vedere la registrazioe di Barsati, dispoibile alla pagia http://users.dma.uipi.it/barsati/statistica_2011/idex.html.

Dettagli

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti 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

Dettagli

STATISTICA 1 parte 2/2 STATISTICA INFERENZIALE

STATISTICA 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

Analisi statistica dell Output

Analisi statistica dell Output Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?

Dettagli

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15 Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di

Dettagli

Metodi statistici per l analisi dei dati

Metodi 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

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1 ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO Agela Doatiello 1 Esercizio. E stato tabulato il peso di ua certa popolazioe

Dettagli

Probabilità e Statistica I

Probabilità e Statistica I Probabilità e Statistica I Elvira Di Nardo (Dipartimeto di Matematica) Uiversità degli Studi della Basilicata e-mail:diardo@uibas.it http://www.uibas.it/uteti/diardo/home.html Tel:097/05890 Prerequisiti:

Dettagli

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI

LE 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

Dettagli

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche est o parametrici Il test di Studet per uo o per due campioi, il test F di Fisher per l'aalisi della variaza, la correlazioe, la regressioe, isieme ad altri test di statistica multivariata soo parte dei

Dettagli

Metodi statistici per l'analisi dei dati

Metodi 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

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative

Dettagli

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1 Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia

Dettagli

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte. ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie

Dettagli

Statistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice

Statistica. 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

Dettagli

Statistica di base. Luca Mari, versione 31.12.13

Statistica di base. Luca Mari, versione 31.12.13 Statistica di base Luca Mari, versioe 31.12.13 Coteuti Moda...1 Distribuzioi cumulate...2 Mediaa, quartili, percetili...3 Sigificatività empirica degli idici ordiali...3 Media...4 Acora sulla media...4

Dettagli

CAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE

CAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE CAPITOLO SETTIMO GLI INDICI DI FORMA SOMMARIO: 1. Itroduzioe. - 2. Asimmetria. - 3. Grafico a scatola (box plot). - 4. Curtosi. - Questioario. 1. INTRODUZIONE Dopo aver aalizzato gli idici di posizioe

Dettagli

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1 SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:

Dettagli

3.4 Tecniche per valutare uno stimatore

3.4 Tecniche per valutare uno stimatore 3.4 Teciche per valutare uo stimatore 3.4. Il liguaggio delle decisioi statistiche, stimatori corretti e stimatori cosisteti La teoria delle decisioi forisce u liguaggio appropriato per discutere sulla

Dettagli

Capitolo uno STATISTICA DESCRITTIVA BIVARIATA

Capitolo uno STATISTICA DESCRITTIVA BIVARIATA Capitolo uo STATISTICA DESCRITTIVA BIVARIATA La statistica bidimesioale o bivariata si occupa dello studio del grado di dipedeza di due caratteri distiti della stessa uità statistica. E possibile, ad esempio,

Dettagli

Le carte di controllo

Le 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

Dettagli

ANALISI STATISTICA DEI DATI

ANALISI STATISTICA DEI DATI AALISI STATISTICA DEI DATI STATISTICA E PROBABILITA' Misura di ua gradezza fisica Errori dovuti a: Strumeti di misura Parametri o cotrollabili da sperimetatore da valore vero gradezza varia da misura a

Dettagli

Foglio di esercizi N. 1 - Soluzioni

Foglio di esercizi N. 1 - Soluzioni Foglio di esercizi N. - Soluzioi. Determiare il domiio della fuzioe f) = log 3 + log 3 3)). Deve essere + log 3 3) > 0, ovvero log 3 3) >, ovvero prededo l espoeziale i base 3 di etrambi i membri) 3 >

Dettagli

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati

Dettagli

CAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE

CAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE CAPITOLO UNDICESIMO VARIABILI CASUALI SOMMARIO:. Itroduzioe. -. Variabili casuali discrete. - 3. La variabile casuale di Beroulli. - 4. La variabile casuale biomiale. -. La variabile casuale di Poisso.

Dettagli

LA DERIVATA DI UNA FUNZIONE

LA DERIVATA DI UNA FUNZIONE LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:

Dettagli

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02% RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al

Dettagli

Alcuni parametri statistici di base

Alcuni 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

Dettagli

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale

Dettagli

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazioe di Gras Date due variabili biarie a e b, i quale misura posso assicurare che i ua popolazioe da ogi osservazioe di a segue ecessariamete quella di b? E

Dettagli

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioi d impresa (Note didattiche) Bruo Chiadotto CALCOLO DELLE PROBABILITA Il calcolo delle probabilità, ato el cotesto dei giochi d azzardo

Dettagli

Un problema! La letteratura riporta che i pazienti affetti da cancro. = mesi

Un 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

Tutti i diritti di sfruttamento economico dell opera appartengono alla Esselibri S.p.A. (art. 64, D.Lgs. 10-2-2005, n. 30)

Tutti i diritti di sfruttamento economico dell opera appartengono alla Esselibri S.p.A. (art. 64, D.Lgs. 10-2-2005, n. 30) Copyright 2005 Esselibri S.p.A. Via F. Russo, 33/D 8023 Napoli Azieda co sistema qualità certificato ISO 400: 2003 Tutti i diritti riservati. È vietata la riproduzioe ache parziale e co qualsiasi mezzo

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Il modello di Regressioe Prof. Livia De Giovai statistica@dis.uiroma.it Esercizio Solitamete è accertato che aumetado il umero di uità prodotte, u idustria possa ridurre i costi

Dettagli

Principi base di Ingegneria della Sicurezza

Principi base di Ingegneria della Sicurezza Pricipi base di Igegeria della Sicurezza L aalisi delle codizioi di Affidabilità del sistema si articola i: (i) idetificazioe degli sceari icidetali di riferimeto (Eveti critici Iiziatori - EI) per il

Dettagli

Tecnica delle misurazioni applicate Esame del 4 dicembre 2007

Tecnica delle misurazioni applicate Esame del 4 dicembre 2007 Tecica delle misurazioi applicate Esame del 4 dicembre 7 Problema 1. Il propulsore Mod. WEC viee prodotto da ACME Ic. mediate u processo automatizzato: dati storici cofermao che la lavorazioe di ogi elemeto

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

SUCCESSIONI E SERIE NUMERICHE

SUCCESSIONI E SERIE NUMERICHE SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua

Dettagli

Approfondimenti di statistica e geostatistica

Approfondimenti di statistica e geostatistica Approfodimeti di statistica e geostatistica APAT Agezia per la Protezioe dell Ambiete e per i Servizi Tecici Cos è la geostatistica? Applicazioe dell aalisi di Rischio ai siti Cotamiati Geostatistica La

Dettagli

I appello - 29 Giugno 2007

I appello - 29 Giugno 2007 Facoltà di Igegeria - Corso di Laurea i Ig. Iformatica e delle Telecom. A.A.6/7 I appello - 9 Giugo 7 ) Studiare la covergeza putuale e uiforme della seguete successioe di fuzioi: [ ( )] f (x) = cos (

Dettagli

UNIVERSITÀ POLITECNICA DELLE MARCHE Dipartimento di Economia. Variabili Casuali. Giulio Palomba

UNIVERSITÀ POLITECNICA DELLE MARCHE Dipartimento di Economia. Variabili Casuali. Giulio Palomba UNIVERSITÀ POLITECNICA DELLE MARCHE Dipartimeto di Ecoomia Variabili Casuali Giulio Palomba Variabili casuali Idice Itroduzioe 5 Variabili casuali discrete 7. Variabile casuale degeere....................

Dettagli

Teorema 13. Se una sere converge assolutamente, allora converge:

Teorema 13. Se una sere converge assolutamente, allora converge: Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 03: Riferimeti: R.Adams, Calcolo Differeziale.- Si cosiglia vivamete di fare gli esercizi del testo. Covergeza assoluta e

Dettagli

Calcolo Combinatorio (vers. 1/10/2014)

Calcolo Combinatorio (vers. 1/10/2014) Calcolo Combiatorio (vers. 1/10/2014 Daiela De Caditiis modulo CdP di teoria dei segali Igegeria dell Iformazioe - sede di Latia, CALCOLO COMBINATORIO Pricipio Fodametale del Calcolo Combiatorio: Si realizzio

Dettagli

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x. ANALISI MATEMATICA Area dell Igegeria dell Iformazioe Appello del 5.0.0 TEMA Esercizio Si cosideri la fuzioe f(x = arcsi log x. Determiare il domiio di f e discutere il sego. Discutere brevemete la cotiuità

Dettagli

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2 Uiversità degli Studi di Bergamo - Corsi di laurea i Igegeria Edile e Tessile Idici di posizioe e variabilità Esercitazioe 2 1. Nella seguete tabella si riporta la distribuzioe di frequeza del cosumo i

Dettagli

Successioni. Grafico di una successione

Successioni. Grafico di una successione Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario

Dettagli

PARTE QUARTA Teoria algebrica dei numeri

PARTE QUARTA Teoria algebrica dei numeri Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)

Dettagli

Elementi di calcolo delle probabilità

Elementi di calcolo delle probabilità 1 Elemeti di calcolo delle probabilità 5 1. Itroduzioe La statistica è ua scieza, strumetale ad altre, cocerete la determiazioe dei metodi scietifici da seguire per raccogliere, elaborare e valutare i

Dettagli

Quesito 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 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,

Dettagli

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

1 Metodo della massima verosimiglianza

1 Metodo della massima verosimiglianza Metodo della massima verosimigliaza Estraedo u campioe costituito da variabili casuali X i i.i.d. da ua popolazioe X co fuzioe di probabilità/desità f(x, θ), si costruisce la fuzioe di verosimigliaza che

Dettagli

Modelli multiperiodali discreti. Strategie di investimento

Modelli multiperiodali discreti. Strategie di investimento Modelli multiperiodali discreti Cosideriamo ora modelli discreti cioè co u umero fiito di stati del modo multiperiodali, cioè apputo co più periodi. Il prototipo di questa classe di modelli è il modello

Dettagli

5 ln n + ln. 4 ln n + ln. 6 ln n + ln

5 ln n + ln. 4 ln n + ln. 6 ln n + ln DOMINIO FUNZIONE Determiare il domiio della fuzioe f = l e e + e + e Deve essere e e + e + e >, posto e = t si ha t e + t + e = per t = e e per t = / Il campo di esisteza è:, l, + Determiare il domiio

Dettagli

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1)

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) I umeri aturali hao u ordie; ogi umero aturale ha u successivo (otteuto aggiugedo 1), e ogi umero aturale diverso da zero ha u precedete (otteuto sottraedo 1).

Dettagli

Il confronto tra DUE campioni indipendenti

Il 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

Dettagli

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi. Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.

Dettagli

V Tutorato 6 Novembre 2014

V Tutorato 6 Novembre 2014 1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe

Dettagli

Costo manutenzione (euro)

Costo 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

Dettagli

(DA COMPLETARE!!) Esercizi per il corso di Calcolo delle Probabilità e Statistica Matematica per Scienze dell Informazione

(DA COMPLETARE!!) Esercizi per il corso di Calcolo delle Probabilità e Statistica Matematica per Scienze dell Informazione (DA COMPLETARE!!) Esercizi per il corso di Calcolo delle Probabilità e Statistica Matematica per Scieze dell Iformazioe NOTA Quado i problemi soo formulati el liguaggio ordiario, teere presete che la soluzioe

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si

Dettagli

Campi vettoriali conservativi e solenoidali

Campi vettoriali conservativi e solenoidali Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile

Dettagli

Distribuzioni di probabilità Unità 79

Distribuzioni di probabilità Unità 79 Prerequisiti: - Primi elemeti di probabilità e statistica. - Nozioi di calcolo combiatorio. - Rappresetazioe di puti e rette i u piao cartesiao. Questa uità iteressa tutte le scuole ad eccezioe del Liceo

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013

PROVE 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.

Dettagli

ESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO

ESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO ESERCIZI DI INFERENZA STATISTICA SVOLTI IN AULA DAL DOTT. CLAUDIO CONVERSANO ARGOMENTI TRATTATI: VARIABILI CASUALI DISCRETE VARIABILI CASUALI CONTINUE DISEGUAGLIANZA DI TCHEBYCHEFF TEOREMA DEL LIMITE CENTRALE

Dettagli

5. Le serie numeriche

5. Le serie numeriche 5. Le serie umeriche Ricordiamo che ua successioe reale è ua fuzioe defiita da N, evetualmete privato di u umero fiito di elemeti, a R. Solitamete si idica ua successioe co la lista dei suoi valori: (a

Dettagli

Random walk classico. Simulazione di un random walk

Random walk classico. Simulazione di un random walk Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S S0 X k, co X k k co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti e ideticamete

Dettagli

Random walk classico. Simulazione di un random walk

Random walk classico. Simulazione di un random walk Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S = S0 X k, co X k = k= co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti

Dettagli

Sommario lezioni di Probabilità versione abbreviata

Sommario lezioni di Probabilità versione abbreviata Sommario lezioi di Probabilità versioe abbreviata C. Frachetti April 28, 2006 1 Lo spazio di probabilità. 1.1 Prime defiizioi I possibili risultati di u esperimeto costituiscoo lo spazio dei campioi o

Dettagli

Capitolo 6 Teoremi limite classici

Capitolo 6 Teoremi limite classici Capitolo 6 Teoremi limite classici Abstract I Teoremi limite classici, la legge dei gradi umeri e il teorema limite cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia

Dettagli

Serie numeriche: esercizi svolti

Serie numeriche: esercizi svolti Serie umeriche: esercizi svolti Gli esercizi cotrassegati co il simbolo * presetao u grado di difficoltà maggiore. Esercizio. Dopo aver verificato la covergeza, calcolare la somma delle segueti serie:

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

Introduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche

Introduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche Itroduzioe alla Statistica descrittiva Defiizioi prelimiari È la scieza che studia i feomei collettivi o di massa. U feomeo è detto collettivo o di massa quado è determiato solo attraverso ua molteplicità

Dettagli

Successioni ricorsive di numeri

Successioni ricorsive di numeri Successioi ricorsive di umeri Getile Alessadro Laboratorio di matematica discreta A.A. 6/7 I queste pagie si voglioo predere i esame alcue tra le più famose successioi ricorsive, presetadoe alcue caratteristiche..

Dettagli

STIME E LORO AFFIDABILITA

STIME E LORO AFFIDABILITA TIME E LORO AFFIDABILITA L idea chiave su cui si basa l aalisi statistica è che si ossoo eseguire osservaioi su u camioe di soggetti e che da questo si ossoo comiere iferee sulla oolaioe raresetata da

Dettagli

Inferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica

Inferenza 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

Dettagli

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone Numerazioe biaria Pagia di 9 easy matematica di Adolfo Scimoe SISTEMI DI NUMERAZIONE Sistemi di umerazioe a base fissa Facciamo ormalmete riferimeto a sistemi di umerazioe a base fissa, ad esempio el sistema

Dettagli

Esercizi riguardanti limiti di successioni

Esercizi riguardanti limiti di successioni Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA STATISTICA DESCRITTIVA La statistica è sorta i tempi atichissimi co i cesimeti: storico quello di Augusto che, secodo la tradizioe cristiaa coivolse Maria e Giuseppe, giusto alla ascita di Gesù. Solo el

Dettagli

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio Radicali Per itrodurre il cocetto di radicali che già avete icotrato alle medie quado avete imparato a calcolare la radice quadrata e cubica dei umeri iteri, abbiamo bisogo di rivedere il cocetto di uzioe

Dettagli

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la

Dettagli

DISTRIBUZIONI DOPPIE

DISTRIBUZIONI DOPPIE DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad

Dettagli

Appunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15

Appunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15 Apputi di Statistica Matematica Ifereza Statistica Multivariata Ao Accademico 014/15 November 19, 014 1 Campioi e modelli statistici Siao Ω, A, P uo spazio di probabilità e X = X 1,..., X u vettore aleatorio

Dettagli

1. Distribuzioni campionarie legate alla distribuzione normale. 3. Intervallo bilatero di confidenza bilatero per la frazione p di una popolazione

1. Distribuzioni campionarie legate alla distribuzione normale. 3. Intervallo bilatero di confidenza bilatero per la frazione p di una popolazione Questi esempi vi potrao essere utili come riferimeto ella ricerca di itervalli di cofideza e test di ipotesi statistiche. Per gli aggiorameti potete visitare i siti www.boch.et o www.feaor.com. Per dubbi

Dettagli

Capitolo 2 CALCOLO DELLE PROBABILITÀ

Capitolo 2 CALCOLO DELLE PROBABILITÀ CORSO DI LAUREA IN ECONOMIA AZIENDALE (Note didattiche) Bruo Chiadotto Fabrizio Cipollii Capitolo CALCOLO DELLE PROBABILITÀ Il calcolo delle probabilità, ato el cotesto dei giochi d azzardo si è sviluppato

Dettagli

Dispense di probabilità e statistica *

Dispense di probabilità e statistica * IFORMATICA E STATISTICA PER OTTICA E OPTOMETRIA Dispese di probabilità e statistica * Daiele Motaio Uiversità degli Studi del Saleto e-mail: daiele.motaio@le.if.it web: http://www.le.if.it/~motai/ Questa

Dettagli

DIPENDENZA O CONNESSIONE. Ovvero quando la conoscenza della modalità di X presente su un unità è informativa della presenza della modalità di Y.

DIPENDENZA O CONNESSIONE. Ovvero quando la conoscenza della modalità di X presente su un unità è informativa della presenza della modalità di Y. DIPENDENZA O CONNESSIONE Due caratteri X e Y cogiutamete cosiderati si dicoo tra loro coessi quado le modalità di u carattere ifluezao il maifestarsi delle modalità dell altro. Ovvero quado la coosceza

Dettagli

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni

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

Dettagli

Successioni. Capitolo 2. 2.1 Definizione

Successioni. Capitolo 2. 2.1 Definizione Capitolo 2 Successioi 2.1 Defiizioe Ua prima descrizioe, più ituitiva che rigorosa, di quel che itediamo per successioe cosiste i: Ua successioe è ua lista ordiata di oggetti, avete u primo ma o u ultimo

Dettagli

Capitolo Decimo SERIE DI FUNZIONI

Capitolo Decimo SERIE DI FUNZIONI Capitolo Decimo SERIE DI FUNZIONI SUCCESSIONI DI FUNZIONI I cocetti di successioe e di serie possoo essere estesi i modo molto aturale al caso delle fuzioi DEFINIZIONE Sia E u sottoisieme di  e, per ogi

Dettagli

Anno 5 Successioni numeriche

Anno 5 Successioni numeriche Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai

Dettagli

Popolazione e Campione

Popolazione 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

Dettagli

Verifica d Ipotesi. Se invece che chiederci quale è il valore di una media in una popolazione (stima. o falsa? o falsa?

Verifica d Ipotesi. Se invece che chiederci quale è il valore di una media in una popolazione (stima. o falsa? o falsa? Verifica d Iotesi Se ivece che chiederci quale è il valore ua mea i ua oolazioe (stima utuale Se ivece e itervallo che chiederci cofideza) quale è il avessimo valore u idea ua mea su quello i ua che oolazioe

Dettagli

Proprietà asintotiche stimatori OLS e statistiche collegate

Proprietà asintotiche stimatori OLS e statistiche collegate Proprietà asitotiche stimatori OLS e statistiche collegate Eduardo Rossi 2 2 Uiversità di Pavia (Italy) Maggio 2014 Rossi Proprietà asitotiche Ecoometria - 2014 1 / 30 Sommario Risultati prelimiari Distribuzioe

Dettagli