Esempio. Le variabili casuali/3. X = x i è un evento. Si supponga che che le seguenti coppie di lettere siano equiprobabili
|
|
- Leonzia Pappalardo
- 8 anni fa
- Visualizzazioni
Transcript
1 E u prodotto dell esperimeto Le variabili casuali/3 La variabile casuale è ua fuzioe che associa ad ogi eveto dell'uiverso degli eveti uo ed u solo umero reale. Esempio Si suppoga che che le segueti coppie di lettere siao equiprobabili L'itroduzioe della "X" semplifica l'uiverso degli eveti perché lo trasloca ell'asse reale Sia "X" la variabile casuale: X=umero di vocali ella coppia Variabile casuale a) Costruire la distribuzioe di probabilità b) Rappresetarla graficamete X = x i è u eveto a) La corrispodeza tra eveti e valori della X è uivoca, ma o ecessariamete biuivoca: u dato valore della X può derivare da eveti diversi
2 Esercizio U esperimeto saggia la praticabilità del gree di ua buca da golf co il tiro di 4 pallie. L esito è icerto, ma riteiamo che la probabilità di madare la pallia i buca sia del 70%. Idichiamo co Y= umero di pallie i buca. A) Quali soo gli eveti di iteresse? B) Quali probabilità soo associate ai valori della Y? ( ) ( ) ( ) ( ) ( ) ( ) ( ) 0000,,, ; 000,,, ; 000,,, ; 00,,, ; 000,,, ; 00,,, ; 00,,, ; S = ( 0,,, )( 000,,, ); ( 00,,, );( 00,,, ); ( 0,,,);( 0,,, 0) ;( 0,,,); ( 0,,, );(,,,); a 4 a P[ ( xxxx,,, )]= ; dove a = umero di " " ella quatera Y { 034,,,, }; PY ( = y)= { , , , 0. 46, } Riflessioe Se l obiettivo dell esperimeto è lo studio della variabile casuale perché o cocetrarsi direttamete sulla sua fuzioe di distribuzioe (X, p)? Studio delle V.C. discrete Ua v.c. discreta è ota attraverso la sua distribuzioe di probabilità formata dai valori possibili e dalle probabilità loro associate Esperimeto Eveti che geerao il valore della X a Probabilità 0 frazioe (discreto) area (cotiuo b Valore (discreto) Valori (cotiuo) X Il miuscolo idica i valori possibili cioè Perchè le costituiscao delle probabilità è ecessario che: DISTRIBUZIONE DI PROBABILITA' I feomei soggetti alla sorte o ascoo co il loro bravo modello, ma occorre decifrarlo, se possibile, i u opportuo esperimeto. Dopo che ciò è avveuto e per tutti i casi ricoosciuti aaloghi si può adottare direttamete il modello di distribuzioe. Esempio Numero di teste i u lacio di tre moete equilibrate
3 Sitesi delle variabili casuali I particolare Si possoo ricodurre le v.c. a pochi parametri descrittivi delle caratteristiche pricipali: CENTRALITA - VARIABILITA - ASIMMETRIA Media aritmetica poderata (Valore atteso) EX ( )= xp i= i i già discusse per le rilevazioi empiriche. dove E sta per Expectatio cioè aspettativa, valore atteso Variaza L'idea è che il verificarsi più o meo probabile di certi eveti risulta legato ad aspetti compresibili e oti della variabile casuale. Simbologia e defiizioi o cambiao: si sostituiscoo le frequeze co le probabilità σ ( X) = xi pi µ i=
4 Esempio U modello assega le probabilità ai valori secodo la formula di seguito riportata e di cui è dato u esempio i figura per = Esercizio La autocarrozzeria RUG.PAL effettua 5 diverse categorie di iterveti ed ogi settimaa ripete lo stesso umero di iterveti per ogi categoria. pi ()= i per i = 0,,,, ; Gli icassi soo i segueti: a) Qual'è l'icasso atteso per ua settimaa qualsiasi? Calcolare il valore atteso i µ= i = = i= 0 b) Qual'è la variaza dell'icasso atteso? Esercizio Equità dei giochi Calcolare lo scarto quadratico medio se =0 Alcui feomei si maifestao co probabilità speculari rispetto al cetro. U modello che rispode a tale requisito è: p i = µ=0; σ=4.45 Qui si può adoperare il foglio elettroico ( ) i* i 6 ( )( ) ; i = 0,,,, U gioco d azzardo si dice EQUO se le poste dei giocatori soo proporzioali alle rispettive probabilità di vicita ESEMPIO: Nel lacio del dado l uscita sigola è data 5:. Per ua putata di 5, i caso di vicita dovrei icassare 30 (i miei 5 più 5 di vicita. Se perdo, il baco dovrebbe tratteere solo restituire 4 per compesare le sue maggiori probabilità: = = La speraza matematica E(G) è l importo certo che si è disposti a pagare per ricevere i cambio u importo aleatorio maggiore
5 Equità dei giochi/ Se p è la probabilità di vicere ua scommessa G i cui vi sia la promessa di vicere ua cifra x co probabilità p e di perdere y co probabilità (-p) l esito atteso è: E( G)= xp y( p)= xp y + yp = ( x + y) p y Perché il gioco sia equo si deve avere y x EG ( )= 0 ( x+ yp ) y = 0 p =, p x + y = x + y Ovvero: p x = y p Se perdo co probabilità/30, quado vico debbo icassare X = = = 9 Esempio Nella roulette americaa decidete di giocare $ Y sul ero co P(N)=8/38 e P(N c )=0/38 (i questo tipo di roulette ci soo lo 0 ed il 00 di colore verde). Se esce il ero ricevete Y (iclusivi della vostra putata). E u gioco equo? 0 X = 38 0 = = Se il gioco fosse equo putado 7$ se e dovrebbero icassare 7+.*7 cioè la giocata più l equa vicita. Ivece di (.*7)=56.97 di vicita il casiò dà 54. Questo si spiega per le spese orgaizzative, di mautezioe e gestioe, ma lo scarto dell % è alto. La tassa sulla stupidità Se Ciccillo si gioca 5 per u ambo sulla ruota di Cagliari (perché comicia co la sua lettera) la sua aspettativa di guadago è 7090 x = 800 = = Il gestore pada ivece 50 volte la posta cioè 50. La differeza è i parte da attribuire alle spese di orgaizzazioe, ma possoo icidere co ua decurtazioe del 30%? Il lotto ed altri giochi gestiti dallo stato soo iiqui e sarebbe stupido giocarci qualora ci fossero alterative più coveieti Tuttavia, la tassa sulla dabbeaggie dei giocatori trova parziale giustificazioe ell iteresse pubblico co cui si impiegao i fodi così otteuti. Dal discreto al cotiuo Le distribuzioi di probabilità già viste servoo a rappresetare delle caratteristiche discrete L isieme dei valori possibili è formato da puti isolati che possoo essere cotati cioè posti i corrispodeza biuivoca co l isieme dei umeri aturali. Soo iadatte per descrivere il comportameto di quatità i cui valori ricadoo i u itervallo di umeri reali: Distaze,pesi, altezze, etc. Per affrotare questi aspetti è ecessario ampliare il ostro bagaglio di strumeti d'aalisi
6 La fuzioe di desità La fuzioe di desità di ua v.c. cotiua "X" è Le ^ deriva dal fatto che la probabilità o può essere egativa. La ^ estede a tutto l'asse reale il campo di variazioe della X. L'itervallo (a,b) dove f(x)>0 è detto SUPPORTO della v.c. Nota sulla distribuzioe di probabilità I geere, la distribuzioe di u dato aspetto delle uità iserite ella popolazioe o può essere ricostruita a partire dalle dalla situazioe sperimetale. Talvolta lo schema probabilistico forisce distribuzioi del tutto itrattabili. La 3^ deriva dal fatto che l'eveto certo deve avere probabilità il simbolo " " idica l'itegrale della f(x) i (a,b) cioè la misura dell'area sottesa alla curva della fuzioe f(x) ell'itervallo (a,b) N.B. La f(x) o dà la probabilità di X, ma è proporzioale alla probabilità che X ricada i u itervallo ifiitesimo cetrato su X. Compito della Statistica è di defiire dei "modelli" di distribuzioe e di aiutare a scegliere quello più adatto alla particolare situazioe di studio. Tra i tati modelli proposti e sviluppati dalla statistica studieremo i dettaglio solo il modello gaussiao La curva ormale (o gaussiaa) E' il modello di probabilità più oto e più usato i statistica Sigificato del parametro "µ" La desità è uimodale e l ordiata massima si raggiuge per X=µ (la moda) π La tilde si legge distribuito come x µ σ e X ~ N( µ, σ) h( x)= ; <µ< ; σ > 0 σ π Media aritmetica µ Variaza σ Quidi, il parametro µ rappreseta il valore più probabili oché il valore atteso e quello che bipartisce il supporto dei valori. Cambiado µ si modifica la collocazioe del grafico La curva è simmetrica itoro a µ L adameto campaulare e simmetrico della curva Normale sta ad idicare che: ) Gli scostameti egativi dal cetro soo altrettato probabili di quelli positivi; ) I valori soo addesati itoro al cetro; 3) Gli scostameti si verificao co probabilità decrescete ma mao che divetao gradi i valore assoluto. Al variare di µ il grafico resta ialterato ella sua forma. Si modifica solo la sua localizzazioe: più a destra se µ aumeta; più a siistra se µ dimiuisce
7 Sigificato del parametro "σ" Il σ corrispode allo scarto quadratico medio. La curvatura del grafico della distribuzioe ormale cambia due volte iflessioe i corrispodeza dei puti x=µ ± σ. Ioltre La fuzioe di ripartizioe La formula della Normale è complicata e l'itegrale Quidi è calcolato co metodi di approssimazioe umerica Al dimiuire di σ : > due puti di flesso tedoo ad accetrarsi; > L ordiata massima aumeta a causa del maggiore addesameto itoro al cetro della distribuzioe. Esprime la probabilità di osservare u valore della ormale tra a e b Curva ormale stadardizzata Geeralizzazioe E possibile esprimere la v.c. Normale i uità stadard Le tre diverse ormali Soo ricoducibli ad ua sola co la trasformazioe. σ= σ= σ= La fuzioe di desità è ora Idicata co N(0,) Z=(X-µ)/σ Come è oto le variabili stadardizzate hao media zero e variaza uo Le aree sottese a X~(µ,σ) soo idetiche a quelle Della Z~N(0,) dopo aver trasformato la X i uità stadard
8 Calcolo delle aree sottese alla curva =DISTRIB.NORM.ST() Esercizio Importaza della ormale Sia X ormale co media µ=6 e deviazioe stadard σ=5. Risiede el fatto che moltissimi feomei possoo esservi rappresetati. Ifatti, la ormale serve da efficace approssimazioe di molte altre variabili casuali cotiue e discrete. Già el 7 secolo, Galileo discusse il comportameto delle misurazioi delle distaze astroomiche avedo i mete il modello ormale della compesazioe tra errori di sego opposto.
9 Uso della ormale/ Si è rilevato l errore (rispetto ad u valore prefissato) el peso di u campioe di 60 lotti µ= ˆ. 683, s = Uso della ormale/ Suppoiamo che le vedite di vestiti di u egozio specializzato seguao la distribuzioe Normale co ua media di 36 vedite al gioro ed ua deviazioe stadard di 9 vedite al gioro. Calcolare la probabilità che i u dato gioro si vedao più di vestiti Ipotizziamo che tali valori siao validi per tutti i possibili lotti. Se si sceglie a caso u lotto, qual è la probabilità che l errore el peso sia compreso tra -0.5 e P( 05. x 05. )= P z = P 038. z = Φ( 07. ) Φ( 038. )= = 0. % ( ) La t di Studet Questo modello è molto simile a quello gaussiao, ma ha code più "spesse (ordiate estreme più alte) χ (chi-quadrato) Questo modello è defiito per i soli o egativi e preseta ua marcata asimmetria positiva Ache i questo caso l'elemeto caratterizzate soo "i gradi di libertà" cioè g La variaza è superiore all'uità, ma si avvicia ad uo all'aumetare di "" ( ) = ( ) = E χ g, Var χ g Per g superiore a 30 la distribuzioe del χ si avvicia a quella gaussiaa L'elemeto caratterizzate della t di Studet soo "i gradi di libertà" cioè l'ampiezza campioaria ridotta di ua uità: -. ( "-" è il parametro della t di Studet) Per ogi grado di libertà esiste ua t di Studet, sebbee queste divetio poco distiguibili per 60. La distribuzioe del χ si icotra ello studio campioario della variabilità. Questa è importate elle aalisi cliiche e el cotrollo della qualità RA NGE 0. CM 6 ARTERY INDEX Questa v.c. è stata aalizzata da W.S. Gosset, el 906, che firmò l'articolo co lo pseudoimo "STUDENT" ed è da allora ota come "La t di Studet" ADULT SIZE
10 Riassuto L esperimeto casuale è ua prova il cui esito è soggetto alla sorte I geere o siamo iteressati a tutto l esperimeto, ma a suoi aspetti particolari: le variabili casuali. Esperimeto Scelta casuale di ua persoa abboata ad ua pay-tv Variabili casuali Caale su cui è sitoizzata la TV al mometo del cotatto (omiale) Numero di cambi di caale ogi 5 miuti (discreta) Tempo di accesioe domeicale ella fascia oraria 4-8 (cotiua) Casuale è l esperimeto, casuali sarao i valori osservati. Le variabili casuali soo figlie dell esperimeto casuale Riassuto/ Ad ogi modalità della variabile omiale o discreta, l esperimeto casuale forisce i dote ua probabilità: i forma tabellare o co ua formula Esperimeto Scelta casuale di ua persoa iscritta elle liste elettorali del comue di Serrao Variabili casuali Coalizioe per cui ha itezioe di votare Coalizioe Tedeza Destra 0.3 Cetro 0. Siistra 0. Altre Numero di votazioi a cui ha partecipato 3 ( i ) p per i i = =,,, altrove VOTE DEMOCRAT Riassuto/3 Per le variabili cotiue l assegazioe può avveire solo per classi di modalità ovvero co ua fuzioe di desità Esperimeto Corso di chiusura di u titolo alla borsa valori Variabile casuale Tasso di redimeto i base al valore di chiusura Riassuto/4 Le probabilità (come tabella o come formula) derivao: Dalle codizioi sperimetali Dall aspetto descritto dalla variabile casuale Da iformazioi aggiutive Classi di probabilità Tasso Probabilit da -5.0 a da -.5 a da 0.0 a da +.5 a da +5.0 a La statistica ha elaborato molti modelli sia per le variabili omiali e discrete che per le variabili cotiue. Molti possoo essere studiati e approfoditi el libro di testo (appredimeto libero) Fuzioe di desità ( ) x + 5 hx ( )= 75 0 x 75 ( ) 5< x 0 0< x Nel prosieguo aalizzeremo: U solo tipo di esperimeto: estrazioe di u campioe da ua lista di uità U solo modello di variabile casuale: la ormale
11 Statistica descrittiva ed ifereziale L escussioe delle uità del campioe rispetto alle variabili produce il data set { } C= X, X,, X cioè m osservazioi su di uità. Nel ostro corso m= o. Statistica descrittiva La STATISTICA DESCRITTIVA mira alla orgaizzazioe, all aalisi tabellare e grafica oché al calcolo di gradezze sitetiche di ciò che si è riveuto ella rilevazioe E ache ota come aalisi esplorativa (Exploratory Data Aalisys) proposta soprattutto dall americao J.W. Tukey el 977 Si parla di STATISTICA DESCRITTIVA se il data set è aalizzato per quello che è seza uo sfodo su cui proiettare i dati Emitteti Ascolti Emitteti Ascolti Emitteti Ascolti Emitteti Ascolti Radiouo 766 Radioverderai 79 R.D.S. 67 Lattemiele 45 Radiodue 637 Isoradio 594 Rete Radio cuore 35 Radiotre 458 Radio deejay 3687 RTL 0.5 Radio Maria 05 Stereorai 8 Radio italia SMI 378 Radio Radicale 54 Italia Network 056 CNR 468 Radio Motecarlo 460 Radio Kiss Kiss 393 Kiss Kiss Italia Classic 786 I breve, si cofigura come ua trattazioe prelimiare idispesabile per affrotare uo studio complesso. Utilizza teciche elemetari, soprattutto grafiche. Valore massimo per Radiouo; miimo per Isoradio; c è u gruppo che si addesa itoro a ascolti. Le reti pubbliche soo più diffuse di quelle commerciali Statistica ifereziale Logica della Ifereza statistica Iizia laddove il data set è visto come la puta di u iceberg. Le situazioi i cui la statistica si è più affermata soo gli esperimeti replicabili all ifiito I dati soo solo ua delle possibili realizzazioi e riguardao ache gli ascolti che potevao esserci, ma o ci soo stati oché gli ascolti che ci sarao o potrao esserci i futuro. Le esigeze cooscitive si limitao spesso a poche caratteristiche dell esperimeto: valore atteso e variaza di ua o più variabili. Tali caratteristiche soo spesso i parametri del modello che descrive il comportameto delle variabili casuali. ES PE RIM EN T O MODELLO I che modo ed i che misura possiamo estedere agli ascolti poteziali le quatità calcolate sui valori osservati? Questa è STATISTICA INFERENZIALE Il modello di casualità è approssimabile dalla variabile casuale ormale Come sfruttare al meglio le iformazioi del campioe per determiare il valore dei parametri? PA RA M E T RI Ca m p io e
12 Le procedure ifereziali Ciò che iteressa il ostro corso è: La stima putuale E' la procedura più semplice: i base alle osservazioi campioarie si ottiee il valore da sostituire al parametro da stimare LA STIMA DEI PARAMETRI PUNTUALE: quado si propoe u sigolo valore come stima di u parametro dell variabile casuale. INTERVALLARE: quado si propoe u vetaglio di valori ragioevoli come stime. Valori possibili el campioe LA VERIFICA DI IPOTESI Da esperieze precedeti o dalla logica delle idagii si può supporre che i parametri abbiao determiati valori. Soo compatibili co le risultaze campioarie? C'è da aspettarsi u certo scarto tra la stima putuale ed il parametro icogito, ma i geere o coosciamo é l'etità é il sego dell errore Gli stimatori Lo stimatore è ua fuzioe NOTA dei valori iclusi i u campioe casuale. Il suo valore è la STIMA E caratteristica quatitativa della popolazioe dalla quale il campioe è stato estratto. Esempi di stimatori: ESEMPIO: Stimatore e stima Quale stipedio si può aspettare la maager di ua USL? Si sceglie u campioe casuale diciamo di =3 maager già i servizio e si calcola il valore atteso della loro retribuzioe. Suppoiamo che sia il valore "65 mila euro" è ua STIMA del salario ipotetico, la media campioaria è uo STIMATORE del salario. La stima è il valore assuto dallo stimatore per u campioe cioè i uo specifico puto dell uiverso dei campioi =θ^ il valore può variare da campioe a campioe Uo stimatore è detto aturale se ciò che si calcola el campioe è i stretta aalogia co ciò che si deve stimare ella popolazioe Stima Valori possibili del parametro θ
13 Esempio L'estrazioe del campioe produce la -tupla i cui elemeti soo le osservazioi campioarie Ogi -tupla, a sua volta, produce u valore dello stimatore Esempio: Si esamia u campioe casuale di 0 imprese e si rileva X il umero di dipedeti regolari. Il valore della X è casuale perché o è certa quale azieda fiirà el campioe Calcoliamo alcui stimatori Osservazioi campioarie La distribuzioe degli stimatori Lo stimatore è ua variabile casuale coessa all esperimeto: estrazioe casuale di u campioe. Cooscere la sua distribuzioe ci serve per descrivere l adameto dei risultati che si possoo osservare replicado il piao di campioameto. Dobbiamo ricordare che Stimare qualcosa sigifica dare u valore a quel qualcosa La stima otteuta da u campioe può essere diversa da quella otteuta co u altro campioe La stima tede differire dal parametro da stimare, ma se coosciamo la distribuzioe campioaria dello stimatore possiamo quatificare probabilisticamete l errore La distribuzioe degli stimatori/ Per costruire la distribuzioe di uo stimatore si debboo cosiderare tutti i possibili campioi di ampiezza prefissata "" Esempio: Ua popolazioe è composta dai valori {, 3, 5}. Si estrae, co reimmissioe, u campioe di ampiezza =. Idichiamo co X il valore osservato ella ª estrazioe e co X quello osservato ella ª. Costruiamo la distribuzioe dello stimatore Basta elecare tutti i campioi di ampiezza = otteibili dalla popolazioe e vedere che valori assume "T". La distribuzioe degli stimatori/3 Degli stimatori ci iteressa : il valore atteso: E(T) k i i= ( ) ( ) = = ET TPr T T il valore atteso è il valore della media aritmetica di "T" calcolata su tutti i possibili campioi di ampiezza. E otteuto come somma poderata dei valori distiti T di moltiplicati per le rispettive probabilità. i Se la media E(T)=θ cioè il parametro da stimare, allora T è uo stimatore NON DISTORTO I valori soo poi accorpati per assegare correttamete le probabilità: Lo scarto E(T) - θ è detto Bias (baias)
14 La distribuzioe degli stimatori/4 illustrazioe La variaza: σ k ( ) = i ( ) i= k Ti T T E T Pr T T = ET k i= [ ] ( = i) [ ] ( ) Bias elevato, moderata variabilità Bias moderato, elevatata variabilità La variaza dello stimatore dà ua idicazioe delle fluttuazioi campioarie cioè quatifica le differeze tra i suoi valori poteziali ei diversi campioi. Se la variaza dello stimatore tede a zero all aumetare dell ampiezza del campioe, allora lo stimatore è cosiderato CONSISTENTE (COERENTE) Bias elevato, elevata variabilità Bias moderato, moderata variabilità Esempio Riprediamo la distribuzioe della statistica ella popolazioe {,3,5} e per campioi di ampiezza = Scelta tra stimatori diversi Per ogi parametro della v.c. può proporsi più di uo stimatore Poiché lo stimatore idica come utilizzare le iformazioi campioarie per stimare i parametri oi sceglieremo quello che Calcoliamo il valore atteso e la variaza di "T" Distribuzioe dello stimatore Le utilizza TUTTE (cioè lo stimatore o deve disperdere alcua iformazioe di quelle icluse el campioe). Le utilizza i modo EFFICIENTE (cioè o deve essere possibile avere migliore coosceza di ciò che è icogito cambiado stimatore) I media T assume valore 7.6 co ua variaza vicio a ceto. Per stabilire tali codizioi dovremmo cooscere la distribuzioe dello stimatore, ma può bastare la coosceza del suo valore atteso e della variaza.
15 Statistiche L Gli stimatori che più ci iteressao soo delle fuzioi delle osservazioi campioarie {X,X,,X } del tipo: Legge dei gradi umeri Di solito si igora la variabile casuale che può descrivere i modo soddisfacete u dato aspetto della popolazioe. Di cosegueza o è possibile costruire la distribuzioe di uo stimatore. L = i= w X i () i Ioltre, uo stesso stimatore ha ua distribuzioe campioaria diversa i dipedeza del tipo di variabile casuale che descrive la popolazioe. C è ua via d uscita? La legge dei gradi umeri! dove gli soo dei "pesi" che esprimoo il cotributo a L " delle diverse osservazioi faceti parti dello stimatore. La otazioe X (i) idica che i valori delle osservazioi campioarie soo state ordiate i seso crescete. Se la distribuzioe o è ota, ma il campioe casuale è abbastaza umeroso e le estrazioi soo idipedeti (o virtualmete tali) è possibile approssimare la distribuzioe degli stimatori co il MODELLO NORMALE Le statistiche L (cioè lieari) soo tali perché le osservazioi campioarie vi compaioo co poteza uo Suppoiamo che : Teorema del limite cetrale siao estrazioi casuali co reimmissioe da ua popolazioe descritta da ua v.c. co variaza fiita Allora, all'aumetare di "", il poligoo delle frequeze dello stimatore espresso i uità stadard L E( L) σ( L ) dove L = i= w X i () i Esempi Somma del lacio di dadi (sorte beiga) S = X + X + +X ES ( ) = *3.5; σ ( S) = 35 ; Z = S *3.5 * per = Tede ad essere be approssimato dalla curva Normale stadardizzata ) Il bias e la variaza tedoo a zero Oscillazioi di u titolo di borsa (sorte selvaggia) Alcue di queste possoo essere catastrofiche o superpositive e o c è covergeza alla ormale perché la variaza è ifiita
16 Quicux ) Le biglie etrao ell imbuto dai vari fori ) Le biglie escoo dall imbuto ua alla volta 3) Le biglie rimbalzao a caso tra i vari pioli 4) Ogi biglia imbocca uasola scaalatura T.L.C. / Il teorema del limite cetrale è u risultato fodametale della statistica Co esso è possibile stabilire la distribuzioe di vari stimatori seza cooscere quale sia il modello che descrive la casualità dell esperimeto Ad esempio, per la media campioaria: Risultato fiale X ~ N µ, σ La media campioaria è u caso particolare di statistica L co pesi W i =/ per i=,,, Quado può essere applicato tale risultato? ) Le estrazioi campioarie debboo essere idipedeti. ) L'ampiezza del campioe deve essere grade. 3) L aspetto cosiderato deve essere il risultato di molte cocause 4) No ci deve essere ua causa predomiate rispetto alle altre Esempio Qual'è la probabilità che u feomeo soggetto a variazioi casuali esprima ua media campioaria compresa i ±σ/ dalla media della popolazioe di parteza? Occorre calcolare: Esercizio La produzioe di ua liea di biscotti utilizza macchiari tali che il coteuto i grammi delle cofezioi sia ua v.c. X co µ=450 e σ=30. Calcolare la probabilità che il coteuto medio di ua scatola di 5 cofezioi sia almeo di 460g. il peso medio è ua v.c. data dalla media dei sigoli pesi: sfruttado il T.L.C. si ha: Se la produzioe è realizzata i modo da o geerare dipedeza elle varie cofezioi ricorroo le codizioi del T.L.C. e quidi
17 Stima delle proporzioi Spesso si è iteressati a sapere quale porzioe "π" di ua popolazioe possiede ua certa caratteristica (uità speciali) Se si estrae u campioe casuale co reimmissioe si è di frote ad u variabile casuale biaria (0,) i cui il " è la estrazioe di ua uità speciale co "π" come probabilità di otteerla. Distribuzioe della frazioe campioaria Poichè il umeratore della frazioe è la somma di "" variabili biarie ricorroo le codizioi del T.L.C. per cui la distribuzioe di "H", all'aumetare di "", diveta: Lo stimatore aturale di "π" è : X i se la i esima è speciale i= H = co X i = 0 altrimeti ESEMPIO Ua partita di circuiti itegrati iclude il 30% di pezzi difettosi. Si estrae u campioe casuale di 500 pezzi. Qual'è la probabilità che la frazioe di pezzi difettosi sia iferiore a 0.3? Quidi H è ua statistica L. La legge dei gradi umeri scatta se Esercizio Schema dell ifereza statistica I u campioe casuale di =00 studeti si soo trovate 36 (H=0.8) d'accordo sull'uiversità "a distaza come equivalete a quella da loro frequetata. Determiare la probabilità che, replicado il campioe, la proporzioe campioaria rimaga compresa tra.5 e = ( ) H P(. 5 H 4. 5)= P = P. 0 Z = ( ) il 97% di TUTTI I POSSIBILI campioi costruiti ipotizzado che sia π=0.8 avrà ua proporzioe compresa tra il.5% ed il 4.5%,
18 Test delle ipotesi No si è più alla ricerca di u valore (o u itervallo di valori) da sostituire al parametro icogito, ma si deve stabilire quale, tra due ipotesi, è più probabilmete VERA Se la decisioe si potesse basare sulla coosceza totale si avrebbe ua coclusioe defiitiva: l'ipotesi è VERA o FALSA. Come i molte scieze sperimetali o potremo dimostrare vera o falsa ua affermazioe. Potremo solo affermare: è più coerete o meo coerete co i ostri dati campioari. Formalismo dei Test L'IPOTESI STATISTICA H 0 è ua asserzioe verificabile su di ua variabile casuale. I geere riguarda i suoi parametri. Suppoiamo di cooscere la fuzioe di desità della v.c.: f(x;θ) di cui igoriamo il valore del parametro θ. I geere, la H 0 ipotizza u certo valore del parametro e e valuta la sua coformità co i dati campioari È detta ulla perché, di H 0 : θ θ 0 = 0 solito, iete cambia se viee accettata il valore è scelto i base a varie cosiderazioi: Dalla logica dell'esperimeto Da esperieze precedeti o idagii pilota E' u livello critico (baselie) E' u livello desiderato Formalismo del Test/ Cosideriamo L'UNIVERSO DEI CAMPIONI di ampiezza cioè l'isieme di tutte le possibili realizzazioi della -tupla La statistica test E l aello di cogiuzioe tra uiverso dei campioi e valori del parametro =3 La distribuzioe della statistica test T(X;θ) è fuzioe: I tale spazio, il campioe estratto è solo u puto. ( ) Del campioe casuale X, X,, Del parametro da stimare: θ X L'idea del test è di assegare ad ogi campioe ua probabilità detta LIVELLO OSSERVATO DI SIGNIFICATIVITA (p-value) Le statistiche test più i uso soo del tipo: TX;θ T θ σ T ( )= ( ) e i base a questo decidere sull ipotesi H 0. Spesso T(X;θ) è lo stimatore aturale del parametro a cui soo riferite le ipotesi
19 ESEMPIO: Applicazioe/ Ua docete sa che -storicamete- i risultati dei suoi esami scritti hao µ=5, σ=3. Però, ell ultima prova, i risultati dei primi 0 compiti soo molto scadeti. Che si tratti u corso ad alta desità di ciucci? Ipotesi ulla H0 : ( µ 5) = 0 Ipotesi alterativa H : µ< 5 Applicazioe/ N.B. si è sostituito l eveto puto µ=3 co l eveto itervallo µ 3 Come statistica test sembra ovvio scegliere la media campioaria. La docete rifiuterà H 0 se il voto medio osservato el campioe sarà molto più piccolo di 5. Il fatto che si rifiuti H 0 o implica ecessariamete che accetti H. Potrebbe ache decidere di riviare la decisioe i attesa di avere più dati. L ipotesi alterativa è iserita soprattutto per stabilire la direzioe del test Applicazioe/3 Dopo aver corretto altri 5 compiti risulta che, su questi, si ha ˆµ=7 A questo puto sorge u altro dubbio: che l assistete del corso, imbraato come ua foca, abbia mischiato i compiti co quelli della classe advaced Ipotesi ulla H0 : ( µ 5) = 0 Ipotesi alterativa H : µ> 5 La direzioe del test è ora verso i valori alti poiché i valori iferiori a 5 o fao sorgere questo tipo di dubbio Lo scarto 5-7 è poco compatibile co l ipotesi sebbee o ci siao evideze fortissime cotro. U valore superiore maggiore o uguale di 7 lo si può trovare ell % dei campioi da popolazioi aveti media 5. L assistete si salva. ˆ P( µ ˆ 7 µ= 5 ) P µ P Z..... = ( ) = = 0 5 Esempio La dott.ssa Agelia Romao propoe ua procedura d'ufficio che riduce i tempi medi rispetto agli attuali µ=75 miuti, pur coservado lo stesso σ=9. Ipotesi ulla H0 : ( µ 75) = 0 Ipotesi alterativa H : µ< 75 Si cosidera u campioe di =5 pratiche. Quidi la media del c -sotto H- 0 sarà approssimata dalla gaussiaa co µ=75 e σ=9/ 5=.80 Nel campioe si trova µ=69 ˆ. 8 Qual è la probabilità di otteere u valore della statistica test iferiore o uguale del valore osservato se ma media della popolazioe è 75? ˆ. ˆ P( µ ˆ µ= 75 ) P µ P.... = µ = 0 009
20 Esempio L'ammiistratore delegato, Sig.ra Rosetta Gaudio, di ua fabbrica di peumatici sta valutado la modifica della trama del prodotto leader. Lo studio di fattibilità segala che la uova trama è coveiete se la vita media dei prodotti supera le miglia i codizioi stadard. Ipotesi ulla H0 : ( µ 0' 000) = 0 Ipotesi alterativa H : µ> 0' 000 U campioe di =6 prototipi viee provato dado luogo a Si sa che σ= L'ammiistratore Gaudio che deve fare? ˆ P( µ ˆ µ= ) P µ = µ ˆ ˆ P P.. = µ < = P-value Idica la probabilità che valori della statistica test -iferiori o uguali a quello osservato- siao sopravveuti solo per effetto della sorte. Quidi, il P-value misura la probabilità di sbagliare, elle codizioi date, se si rifiuta l ipotesi ulla Nuova procedura ammiistrativa Ipotesi ulla H0 : ( µ 75) = 0, P value = La uova procedura potrebbe essere o migliorativa rispetto alla vecchia solo i casi su 000 (circa). E bee rifiutare H 0 Nuovo peumatico Ipotesi ulla H0 : ( µ 0' 000) = 0, P value = La uova trama è migliorativa circa ua volta su 3. No è cosigliabile rifiutare H 0. Precisazioi Rispetto all'ipotesi che il parametro abbia u valore prefissato ci soo tre casi: H0 : θ = θ0 ; H : θ < θ 0 H0: θ = θ0 ; H : θ > θ 0 H0: θ = θ0 H : θ = θ 0 Nei primi due il test è uidirezioale (o ad ua coda), el terzo è bidirezioale (o a due code). Guida Se P -value %. Aldilà di ogi ragioevole dubbio si può rifiutare H 0 Se % P -value 5%. Ci soo buoe ragioi per rifiutare H 0 Se 5% P -value 0%. Ci soo ragioi per rifiutare H 0, ma o soo del tutto coviceti Se P -value > 0%. E cosigliabile o rifiutare H 0 Coda iferiore Coda superiore p-value I valori soo solo apparetemete bassi. p-value p-value Le codizioi di applicabilità dei test (ad esempio la distribuzioe ormale) soo valide solo i parte). Il giudizio sull'etità dello scarto tra valore campioario ed ipotesi è espresso i base alla distribuzioe della statistica test Di cosegueza, solo ua forte evideza può covicere a rifiutare l ipotesi ulla (agolatura coservativa)
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
DettagliCONCETTI 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
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
DettagliIl 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
DettagliStatistica (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
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
DettagliSUCCESSIONI 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
DettagliSuccessioni. 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
DettagliLA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT
LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT La gestioe, il cotrollo ed il migliorameto della qualità di u prodotto/servizio soo temi di grade iteresse per l azieda. Il problema della qualità
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
DettagliMatematica 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
Dettagli8. Quale pesa di più?
8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora
DettagliElementi di matematica finanziaria
Elemeti di matematica fiaziaria 18.X.2005 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate
DettagliV 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
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
DettagliEQUAZIONI ALLE RICORRENZE
Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo
DettagliSTATISTICA 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
Dettagli52. 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
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
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
DettagliCampionamento stratificato. Esempio
ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete
DettagliSTATISTICA 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
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
DettagliESEMPIO 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
DettagliLA 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:
Dettagli1 Limiti di successioni
Esercitazioi di matematica Corso di Istituzioi di Matematica B Facoltà di Architettura Ao Accademico 005/006 Aa Scaramuzza 4 Novembre 005 Limiti di successioi Esercizio.. Servedosi della defiizioe di ite
DettagliAnalisi 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?
DettagliSintassi 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:
DettagliSoluzione 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
DettagliLa matematica finanziaria
La matematica fiaziaria La matematica fiaziaria forisce gli strumeti ecessari per cofrotare fatti fiaziari che avvegoo i mometi diversi Esempio: Come posso cofrotare i ricavi e i costi legati all acquisto
DettagliESERCIZI 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
DettagliUniversità 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
DettagliAnno 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
DettagliNumerazione 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
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
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative
DettagliSUCCESSIONI 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:
DettagliEsercizi 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
DettagliPARTE 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)
DettagliCalcolo 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
DettagliCorso 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.
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
DettagliSUCCESSIONI 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
DettagliIL 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
DettagliANALISI 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
DettagliRandom 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
DettagliSistemi e Tecnologie della Comunicazione
Sistemi e ecologie della Comuicazioe Lezioe 4: strato fisico: caratterizzazioe del segale i frequeza Lo strato fisico Le pricipali fuzioi dello strato fisico soo defiizioe delle iterfacce meccaiche (specifiche
DettagliSerie 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:
DettagliTecnica 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
DettagliTeorema 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
DettagliProva 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
DettagliSTIME 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
DettagliTest 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
DettagliAppunti sulla MATEMATICA FINANZIARIA
INTRODUZIONE Apputi sulla ATEATIA FINANZIARIA La matematica fiaziaria si occupa delle operazioi fiaziarie. Per operazioe fiaziaria si itede quella operazioe ella quale avviee uo scambio di capitali, itesi
DettagliStatistica 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.
DettagliIMPLICAZIONE 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
DettagliRendita perpetua con rate crescenti in progressione aritmetica
edita perpetua co rate cresceti i progressioe aritmetica iprediamo l'esempio visto ella scorsa lezioe di redita perpetua co rate cresceti i progressioe arimetica: Questa redita può ache essere vista come
DettagliDISTRIBUZIONI 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
DettagliCorso di Statistica Canale E Bini, Cutillo A.A. 2017/2018. Esercitazione di riepilogo n.8 Test di ipotesi Soluzioni
Corso di Statistica Caale E Bii, Cutillo A.A. 17/18 Esercitazioe di riepilogo.8 Test di ipotesi Soluzioi Esercizio 1 A seguito della sostituzioe di u macchiario per il cofezioameto di caffè, il resposabile
DettagliRisposte. 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
DettagliSelezione avversa e razionamento del credito
Selezioe avversa e razioameto del credito Massimo A. De Fracesco Dipartimeto di Ecoomia politica e statistica, Uiversità di Siea May 3, 013 1 Itroduzioe I questa lezioe presetiamo u semplice modello del
DettagliCorso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale.
Corso di laurea i Matematica Corso di Aalisi Matematica -2 Dott.ssa Sadra Lucete Fuzioi poteza ed espoeziale. Teorema. Teorema di esisteza della radice -esima. Sia N. Per ogi a R + esiste uo ed u solo
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliLe onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione
Le ode elettromagetiche Origie e atura, spettro delle ode e.m., la polarizzazioe Origie e atura delle ode elettromagetiche: Ua carica elettrica che oscilla geera u campo elettrico E che oscilla e a questo
DettagliCAPITOLO 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.
DettagliFoglio 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 >
DettagliRandom 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
Dettagli19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5
Il 16 dicembre 015 ero a Napoli. Ad u agolo di Piazza Date mi soo imbattuto el "matematico di strada", come egli si defiisce, Giuseppe Poloe immerso el suo armametario di tabelle di umeri. Il geiale persoaggio
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
DettagliSERIE 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.
DettagliApprofondimenti 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
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
Dettagli5 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
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
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
DettagliCalcolo 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
DettagliEsercitazioni 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
DettagliStatistica 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
DettagliLimiti di successioni
Argometo 3s Limiti di successioi Ua successioe {a : N} è ua fuzioe defiita sull isieme N deiumeriaturaliavalori reali: essa verrà el seguito idicata più brevemeteco{a } a èdettotermie geerale della successioe
DettagliDistribuzione normale
Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).
DettagliAppunti di STATISTICA
Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliPercorsi di matematica per il ripasso e il recupero
Giacomo Pagia Giovaa Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secodaria di secodo grado UNITÀ CAMPIONE Edizioi del Quadrifoglio à t i U 2 Radicali I questa Uità affrotiamo
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliInteresse e formule relative.
Elisa Battistoi, Adrea Frozetti Collado Iteresse e formule relative Esercizio Determiare quale somma sarà dispoibile fra 7 ai ivestedo oggi 0000 ad u tasso auale semplice del 5% Soluzioe Il diagramma del
DettagliTerzo appello del. primo modulo. di ANALISI 18.07.2006
Terzo appello del primo modulo di ANALISI 18.7.26 1. Si voglioo ifilare su u filo delle perle distiguibili tra loro solo i base alla dimesioe: si hao a disposizioe perle gradi di diametro di 2 cetimetri
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliCapitolo 27. Elementi di calcolo finanziario EEE 2015-2016
Capitolo 27 Elemeti di calcolo fiaziario EEE 205-206 27. Le diverse forme dell iteresse Si defiisce capitale (C) uo stock di moeta dispoibile i u determiato mometo. Si defiisce iteresse (I) il prezzo d
Dettagli1. 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
DettagliESERCIZI SULLE SERIE
ESERCIZI SULLE SERIE Studiare la atura delle segueti serie. ) cos 4 + ; ) + si ; ) + ()! 4) ( ) 5) ( ) + + 6) ( ) + + + 7) ( log ) 8) ( ) + 9) log! 0)! Studiare al variare di x i R la atura delle segueti
DettagliProbabilità 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:
DettagliDisposizioni semplici. Disposizioni semplici esercizi
Disposizioi semplici Ua disposizioe (semplice) di oggetti i k posti (duque 1 < k < ) è ogi raggruppameto di k oggetti, seza ripetizioi, scelti fra gli oggetti dati, cioè ciascuo dei raggruppameti ordiati
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE LORENZO BRASCO. Teoremi di Cesaro Teorema di Stolz-Cesaro. Siao {a } N e {b } N due successioi umeriche, co {b } N strettamete positiva, strettamete crescete e ilitata. Se esiste
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliIntroduzione 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
DettagliCampi 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
DettagliI numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa
I umeri complessi Pagie tratte da Elemeti della teoria delle fuzioi olomorfe di ua variabile complessa di G. Vergara Caffarelli, P. Loreti, L. Giacomelli Dipartimeto di Metodi e Modelli Matematici per
Dettagli