Statistica. Alfonso Iodice D Enza iodicede@unina.it
|
|
- Erico Gioacchino Mauro
- 8 anni fa
- Visualizzazioni
Transcript
1 Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16
2 Outline 1 () Statistica 2 / 16
3 Outline 1 2 () Statistica 2 / 16
4 Outline 1 2 () Statistica 2 / 16
5 La media geometrica La definizione di media geometrica deriva dal criterio di Chisini, definendo f(.) come prodotto delle modalità x 1, x 2,..., x n. Ricordando la relazione generale f(x 1, x 2,..., x n ) = f(µ g, µ g,..., µ g ) in questo caso risulta essere () Statistica / 16
6 La media geometrica La definizione di media geometrica deriva dal criterio di Chisini, definendo f(.) come prodotto delle modalità x 1, x 2,..., x n. Ricordando la relazione generale f(x 1, x 2,..., x n ) = f(µ g, µ g,..., µ g ) in questo caso risulta essere n n (x i ) = (x 1 x 2... x n ) = (µ g ) = µ n g i=1 i=1 () Statistica / 16
7 La media geometrica La definizione di media geometrica deriva dal criterio di Chisini, definendo f(.) come prodotto delle modalità x 1, x 2,..., x n. Ricordando la relazione generale f(x 1, x 2,..., x n ) = f(µ g, µ g,..., µ g ) in questo caso risulta essere n n (x i ) = (x 1 x 2... x n ) = (µ g ) = µ n g i=1 i=1 da cui µ g = n n (x i ) i=1 () Statistica / 16
8 Esempio di calcolo della media geometrica Un esempio di applicazione della media geometrica: si consideri il deposito in banca di un ammontare di capitale pari ad 1 per un periodo di 5 anni. i tassi di interesse i percepiti in ciascun anno sono rispettivamente i 1 = 0.08, i 2 = 0.0, i = 0.06, i 4 = 0.07, i 5 = 0.05 () Statistica 4 / 16
9 Esempio di calcolo della media geometrica Un esempio di applicazione della media geometrica: si consideri il deposito in banca di un ammontare di capitale pari ad 1 per un periodo di 5 anni. i tassi di interesse i percepiti in ciascun anno sono rispettivamente i 1 = 0.08, i 2 = 0.0, i = 0.06, i 4 = 0.07, i 5 = 0.05 Rendita del capitale Capitale inizio primo anno: 1 Capitale fine primo anno: i 1 = 1 + i 1 () Statistica 4 / 16
10 Esempio di calcolo della media geometrica Un esempio di applicazione della media geometrica: si consideri il deposito in banca di un ammontare di capitale pari ad 1 per un periodo di 5 anni. i tassi di interesse i percepiti in ciascun anno sono rispettivamente i 1 = 0.08, i 2 = 0.0, i = 0.06, i 4 = 0.07, i 5 = 0.05 Rendita del capitale Capitale inizio primo anno: 1 Capitale fine primo anno: i 1 = 1 + i 1 Capitale inizio secondo anno: 1 + i 1 Capitale fine secondo anno: (1 + i 1 ) + (1 + i 1 ) i 2 = (1 + i 1 ) (1 + i 2 ) () Statistica 4 / 16
11 Esempio di calcolo della media geometrica Rendita del capitale Capitale inizio terzo anno: (1 + i 1 ) (1 + i 2 ) Capitale fine terzo anno: (1 + i 1 ) (1 + i 2 ) (1 + i ) () Statistica 5 / 16
12 Esempio di calcolo della media geometrica Rendita del capitale Capitale inizio terzo anno: (1 + i 1 ) (1 + i 2 ) Capitale fine terzo anno: (1 + i 1 ) (1 + i 2 ) (1 + i ) Capitale inizio quarto anno: (1 + i 1 ) (1 + i 2 ) (1 + i ) Capitale fine quarto anno: (1 + i 1 ) (1 + i 2 ) (1 + i ) (1 + i 4 ) () Statistica 5 / 16
13 Esempio di calcolo della media geometrica Rendita del capitale Capitale inizio quinto anno: (1 + i 1 ) (1 + i 2 ) (1 + i ) (1 + i 4 ) Capitale fine fine anno: (1 + i 1 ) (1 + i 2 ) (1 + i ) (1 + i 4 ) (1 + i 5 ) () Statistica 6 / 16
14 Esempio di calcolo della media geometrica Il problema trovare il tasso di interesse i costante tale da produrre la stessa rendita di capitale. Formalmente (1+i 1 ) (1+i 2 )... (1+i 5 ) = (1+i) (1+i)... (1+i) che equivale al criterio di Chisini con f(.) funzione moltiplicativa, con x j = (1 + i j ). () Statistica 7 / 16
15 Esempio di calcolo della media geometrica Il problema trovare il tasso di interesse i costante tale da produrre la stessa rendita di capitale. Formalmente (1+i 1 ) (1+i 2 )... (1+i 5 ) = (1+i) (1+i)... (1+i) che equivale al criterio di Chisini con f(.) funzione moltiplicativa, con x j = (1 + i j ). 1 + i = 5 (1 + i 1 ) (1 + i 2 )... (1 + i 5 ) = 5 ( ) ( )... ( ) = = = = essendo (1 + i) = , il tasso fisso da noi cercato i = () Statistica 7 / 16
16 Indici di e tipo di caratteri la moda si applica a tutte le tipologie di caratteri la mediana (quartili, quantili in generale) si applica a tutte le tipologie di caratteri le cui modalità sono ordinabili (mutabili rettilinee e variabili) la media aritmetica si applica alle sole variabili quantitative () Statistica 8 / 16
17 Il concetto di variabilità si definisce come l attitudine di un fenomeno ad assumere modalità differenti. può essere misurata in diversi modi: () Statistica 9 / 16
18 Il concetto di variabilità si definisce come l attitudine di un fenomeno ad assumere modalità differenti. può essere misurata in diversi modi: variabilità delle singole modalità x 1, x 2,..., x n rispetto ad un indice di mutua variabilità variabilità delle modalità x 1, x 2,..., x n ordinate in modo crescente (usando la f. di ripartizione) variabilità delle frequenze relative (applicabile anche a mutabili) () Statistica 9 / 16
19 Requisiti per variabilità Un indice per la misura della variabilità deve avere le seguenti caratteristiche () Statistica 10 / 16
20 Requisiti per variabilità Un indice per la misura della variabilità deve avere le seguenti caratteristiche un indice di variabilità deve assumere valori maggiori o uguali a 0 () Statistica 10 / 16
21 Requisiti per variabilità Un indice per la misura della variabilità deve avere le seguenti caratteristiche un indice di variabilità deve assumere valori maggiori o uguali a 0 un indice di variabilità calcolato su una distribuzione di costanti ugulae a 0 () Statistica 10 / 16
22 Requisiti per variabilità Un indice per la misura della variabilità deve avere le seguenti caratteristiche un indice di variabilità deve assumere valori maggiori o uguali a 0 un indice di variabilità calcolato su una distribuzione di costanti ugulae a 0 aggiungendo una costante alla variabile osservata, il valore dell indice non deve cambiare () Statistica 10 / 16
23 Definizione di varianza un indice che misura la variabilità di una variabile X rispetto alla media aritmetica. In particolare la varianza σ 2 data dalla media dei quadrati degli scarti (delle modalità dalla media) () Statistica 11 / 16
24 Definizione di varianza un indice che misura la variabilità di una variabile X rispetto alla media aritmetica. In particolare la varianza σ 2 data dalla media dei quadrati degli scarti (delle modalità dalla media) σ 2 = (x 1 µ) 2 + (x 2 µ) (x n µ) 2 = n = 1 n (x i µ) 2 n i=1 () Statistica 11 / 16
25 Definizione di varianza un indice che misura la variabilità di una variabile X rispetto alla media aritmetica. In particolare la varianza σ 2 data dalla media dei quadrati degli scarti (delle modalità dalla media) σ 2 = (x 1 µ) 2 + (x 2 µ) (x n µ) 2 = n = 1 n (x i µ) 2 n i=1 per dati organizzati in frequenze (seriazione) σ 2 = (x 1 µ) 2 n 1 + (x 2 µ) 2 n (x k µ) 2 n k = n 1 + n n k = 1 k (x i µ) 2 n i n i=1 () Statistica 11 / 16
26 Esempio di calcolo della varianza Data la variabile X : numero di esami sostenuti prima di quello di statistica osservata su un collettivo di n = 6 studenti () Statistica 12 / 16
27 Esempio di calcolo della varianza Data la variabile X : numero di esami sostenuti prima di quello di statistica osservata su un collettivo di n = 6 studenti () Statistica 12 / 16
28 Esempio di calcolo della varianza Data la variabile X : numero di esami sostenuti prima di quello di statistica osservata su un collettivo di n = 6 studenti sar dunque σ 2 = 1 n (x i µ) 2 = 50.8 n 6 i=1 = () Statistica 12 / 16
29 Massima variabilità () Statistica 1 / 16
30 Massima variabilità può crescere indefinitamente perchè gli scarti delle modalità dalla media possono essere illimitatamente grandi () Statistica 1 / 16
31 Massima variabilità può crescere indefinitamente perchè gli scarti delle modalità dalla media possono essere illimitatamente grandi La situazione di massima variabilità per un collettivo con media µ, si ha quando su n modalità, n 1 sono nulle ed una sola modalità x 0 i = nµ σ 2 1 n (x i µ) 2 = 1 n n ((n 1)(0 µ)2 + (nµ µ) 2 ) = i=1 = 1 n ((n 1)µ2 + µ 2 (n 1) 2 ) = = 1 n ((n 1)µ2 + µ 2 (n n)) = = 1 n (µ2 n(n 1)) = µ 2 (n 1) () Statistica 1 / 16
32 Le propriet della varianza gode di alcune importanti propriet di seguito riportate: () Statistica 14 / 16
33 Le propriet della varianza gode di alcune importanti propriet di seguito riportate: 1 di X sempre un numero non negativo ( 0) 2 di X pari a 0 se e solo se X una costante Se alla variabile X si aggiunge una costante, σ x non cambia 4 Se si moltiplica la variabile X per una costante b, si avr σ x = b 2 σ 2 x () Statistica 14 / 16
34 Le propriet della varianza Le propriet e 4 dipendono dalla propriet di linearit della media aritmetica: si consideri Y = a + bx, con a e b costanti. Dalla propriet risulta che µ y = a + bµ x. Calcolando la varianza di Y si avr: σy 2 = 1 n (y i µ y ) 2 = n = 1 n = 1 n = b 2 1 n 1=1 n (y i (a + bµ x )) 2 = 1 n 1=1 n (bx i bµ x ) 2 = 1 n 1=1 n (a + bx i a bµ x ) 2 = 1=1 n b 2 (x i µ x ) 2 = 1=1 n (x i µ x ) 2 = b 2 σx 2 i=1 () Statistica 15 / 16
35 Lo scarto quadratico medio (standard deviation) Una difficoltà di interpretazione della varianza dipende dal fatto che tale indice espresso nell unità di misura al quadrato della variabile cui si riferisce. Per ovviare a questo problema si utilizza lo scarto quadratico medio σ, dato da () Statistica 16 / 16
36 Lo scarto quadratico medio (standard deviation) Una difficoltà di interpretazione della varianza dipende dal fatto che tale indice espresso nell unità di misura al quadrato della variabile cui si riferisce. Per ovviare a questo problema si utilizza lo scarto quadratico medio σ, dato da σ = 1 n (x i µ) n 2 i=1 () Statistica 16 / 16
37 Lo scarto quadratico medio (standard deviation) Una difficoltà di interpretazione della varianza dipende dal fatto che tale indice espresso nell unità di misura al quadrato della variabile cui si riferisce. Per ovviare a questo problema si utilizza lo scarto quadratico medio σ, dato da σ = 1 n (x i µ) n 2 i=1 dall esempio precedente risulta dunque σ = = () Statistica 16 / 16
38 Il coefficiente di variazione (CV è un indice assoluto, dipende quindi dall unità di misura della variabile. Un indice relativo di variabilità è il coefficiente di variazione CV. E dato da CV = σ µ essendo un numero puro consente il confronto fra fenomeni rilevati in momenti diversi o espressi in unità di misura diverse () Statistica 17 / 16
39 Il coefficiente di variazione (CV è un indice assoluto, dipende quindi dall unità di misura della variabile. Un indice relativo di variabilità è il coefficiente di variazione CV. E dato da CV = σ µ essendo un numero puro consente il confronto fra fenomeni rilevati in momenti diversi o espressi in unità di misura diverse Limiti di utilizzo del CV è defnito solo se µ > 0 se µ 0 il CV tende a diventare molto grande () Statistica 17 / 16
40 Variabilità e modalità ordinate In caso di variabili con modalità ordinabili è possibile definire degli variabilità derivati dalla funzione di ripartizione empirica. Data la distribuzione unitaria ordinata di modalità {1, 5, 7, 1, 14, 15, 18, 18, 22, 2, 24, 25, 27, 28, 29} () Statistica 18 / 16
41 Variabilità e modalità ordinate In caso di variabili con modalità ordinabili è possibile definire degli variabilità derivati dalla funzione di ripartizione empirica. Data la distribuzione unitaria ordinata di modalità {1, 5, 7, 1, 14, 15, 18, 18, 22, 2, 24, 25, 27, 28, 29} il range (o campo di variazione) è dato da R(X) = max(x i ) min(x i = 29 1 = 27 il range inter-quartile (o campo di variazione interquartile) è dato da IQR(X) = Q Q 1 = 25 1 = 12 () Statistica 18 / 16
42 Variabilità e modalità ordinate In caso di variabili con modalità ordinabili è possibile definire degli variabilità derivati dalla funzione di ripartizione empirica. Data la distribuzione unitaria ordinata di modalità {1, 5, 7, 1, 14, 15, 18, 18, 22, 2, 24, 25, 27, 28, 29} il range (o campo di variazione) è dato da R(X) = max(x i ) min(x i = 29 1 = 27 il range inter-quartile (o campo di variazione interquartile) è dato da IQR(X) = Q Q 1 = 25 1 = 12 () Statistica 18 / 16
43 Mutua variabilità In presenza di caratteri trasferibili (reddito, risorde energetiche, consumo di beni) è di maggior interesse lo studio della variabilità tra le singole unità statistiche piuttosto che la variabilità rispetto a un centro. () Statistica 19 / 16
44 Mutua variabilità In presenza di caratteri trasferibili (reddito, risorde energetiche, consumo di beni) è di maggior interesse lo studio della variabilità tra le singole unità statistiche piuttosto che la variabilità rispetto a un centro. Differenza media semplice tale indice rappresenta la media dei valori assoluti delle differenze calcolate rispetto a tutte le possibili coppie di modalità. Esso corrisponde a = n i j=1 x i x j n(n 1) la quantità al denominatore (n(n 1)) rappresenta il numero di possibili coppie di n osservazioni. () Statistica 19 / 16
45 Mutua variabilità Dato un carattere X osservato su n = 4 osservazioni {7, 14, 18, 24} () Statistica 20 / 16
46 Mutua variabilità Dato un carattere X osservato su n = 4 osservazioni {7, 14, 18, 24} Differenza media semplice Il valore di sarà in questo caso = = = () Statistica 20 / 16 =
47 mutua variabilità: minimo e massimo l indice assume il valore minimo ( = 0) quando tutte le modalità coincidono: in questo caso le differenze semplici sono nulle l indice assume il valore massimo quando tutte le modalità tranne una sono nulle: in tal caso si ha che = 2µ Dunque assume valore nell intervallo [0, 2µ]: è possibile ottenere una versione normalizzata: R = 2µ tale indice viene denominato rapporto di concentrazione di Gini () Statistica 21 / 16
48 La concentrazione In caso di caratteri trasferibili è interessante considerare il grado di vicinanza all equidistribuzione, situazione in cui tutte le unità detengono lo stesso ammontare del carattere. La concentrazione indica quanto il collettivo osservato sia lontano/vicino rispetto all equidistribuzione. Da cui, () Statistica 22 / 16
49 La concentrazione In caso di caratteri trasferibili è interessante considerare il grado di vicinanza all equidistribuzione, situazione in cui tutte le unità detengono lo stesso ammontare del carattere. La concentrazione indica quanto il collettivo osservato sia lontano/vicino rispetto all equidistribuzione. Da cui, la concentrazione è pari a 0 se tutte le unità detengono lo stesso ammontare del carattere la concentrazione è massima se l intero ammontare del carattere è detenuto da una sola osservazione () Statistica 22 / 16
50 Indice di concentrazione Si consideri un carattere trasferibile (reddito, risorsa) distribuito tra n modalità, si considerino poi p i e q i, rispettivamente: p i = i n q i = i j=1 x j n j=1 x j () Statistica 2 / 16
51 Indice di concentrazione Si consideri un carattere trasferibile (reddito, risorsa) distribuito tra n modalità, si considerino poi p i e q i, rispettivamente: p i = i n q i = i j=1 x j n j=1 x j p i è la frazione cumulata dei primi i redditieri q i, ammontare del reddito detenuto dai primi i redditieri () Statistica 2 / 16
52 Indice di concentrazione Le differenze (p i - q i ) 0, sono misure dirette della concentrazione. La media aritmetica della versione normalizzata di tali differenze rappresenta il rapporto di concentrazione di Gini. n 1 i=1 ( p i q i p i n 1 i=1 p i )p i = n 1 i=1 (p i q i ) n 1 i=1 p i () Statistica 24 / 16
53 Esempio di calcolo concentrazione Si considerino i fatturati in milioni di euro di un collettivo di otto aziende prodottrici di componenti per auto () Statistica 25 / 16
54 Esempio di calcolo concentrazione Si considerino i fatturati in milioni di euro di un collettivo di otto aziende prodottrici di componenti per auto () Statistica 25 / 16
55 Esempio di calcolo concentrazione Si considerino i fatturati in milioni di euro di un collettivo di otto aziende prodottrici di componenti per auto NOTA: le modalità (X) sono state ordinate in modo crescente () Statistica 25 / 16
56 Esempio di calcolo concentrazione Si considerino i fatturati in milioni di euro di un collettivo di otto aziende prodottrici di componenti per auto NOTA: le modalità (X) sono state ordinate in modo crescente n 1 i=1 (p i q i ) n 1 = = i=1 p i () Statistica 25 / 16
57 Rappresentazione grafica: la curva di Lorenz Partendo dai dati nell esempio precedente, la curva di Lorenz è la spezzata passante per i punti di coordinate (p i, q i ). () Statistica 26 / 16
58 Rappresentazione grafica: la curva di Lorenz Partendo dai dati nell esempio precedente, la curva di Lorenz è la spezzata passante per i punti di coordinate (p i, q i ). () Statistica 26 / 16
59 Rappresentazione grafica: la curva di Lorenz Partendo dai dati nell esempio precedente, la curva di Lorenz è la spezzata passante per i punti di coordinate (p i, q i ). () Statistica 26 / 16
60 Rappresentazione grafica: la curva di Lorenz Partendo dai dati nell esempio precedente, la curva di Lorenz è la spezzata passante per i punti di coordinate (p i, q i ). () Statistica 26 / 16
61 Rappresentazione grafica: la curva di Lorenz Partendo dai dati nell esempio precedente, la curva di Lorenz è la spezzata passante per i punti di coordinate (p i, q i ). () Statistica 26 / 16
62 Il concetto di mutabilità In caso di variabili qualitative la variabilità del carattere espressa in termini di mutabilità, definita come l attitudine di un carattere ad assumere differenti modalità qualitative. () Statistica 27 / 16
63 Il concetto di mutabilità In caso di variabili qualitative la variabilità del carattere espressa in termini di mutabilità, definita come l attitudine di un carattere ad assumere differenti modalità qualitative. perfetta omogeneità: tutte le unità statistiche assumono la stessa modalità del carattere qualitativo massima disomogeneità: le modalità del carattere hanno tutte la stessa frequenza assoluta (relativa) () Statistica 27 / 16
64 Il concetto di mutabilità In caso di variabili qualitative la variabilità del carattere espressa in termini di mutabilità, definita come l attitudine di un carattere ad assumere differenti modalità qualitative. perfetta omogeneità: tutte le unità statistiche assumono la stessa modalità del carattere qualitativo massima disomogeneità: le modalità del carattere hanno tutte la stessa frequenza assoluta (relativa) Le situazioni intermedie sono caratterizzate da un diverso grado di eterogeneità. () Statistica 27 / 16
65 eterogeneità L eterogeneità misura la variabilità delle frequenze relative (f 1, f 2,..., f k ) delle k modalità del carattere. () Statistica 28 / 16
66 eterogeneità L eterogeneità misura la variabilità delle frequenze relative (f 1, f 2,..., f k ) delle k modalità del carattere. minima eterogeneità: si manifesta una sola modalità j la cui frequenza relativa f j = 1: un indice di eterogeneità deve avere valore 0 in questo caso massima eterogeneità: Le frequenze relative sono tutte uguali: f i = 1 k, con i = 1,..., k e k numero di modalità del carattere () Statistica 28 / 16
67 Indici di eterogeneità: l indice di Gini (G) L indice per la misura della eterogeneità proposto da Gini dato da k G = 1 i=1 f 2 i () Statistica 29 / 16
68 Indici di eterogeneità: l indice di Gini (G) L indice per la misura della eterogeneità proposto da Gini dato da k G = 1 i=1 in caso di minima eterogeneità, G = 0 in caso di massima eterogeneità l indice assume valore G = 1 1 k f 2 i () Statistica 29 / 16
69 Indici di eterogeneità: l indice di Gini (G) L indice per la misura della eterogeneità proposto da Gini dato da k G = 1 i=1 in caso di minima eterogeneità, G = 0 in caso di massima eterogeneità l indice assume valore G = 1 1 k Avendo definito il valore massimo dell indice, possibile ottenerne la versione normalizzata G f 2 i G = k G k 1 () Statistica 29 / 16
70 Esempio di applicazione dell indice di Gini (G) Una nuova azienda informatica immette sul mercato una gamma di prodotti. Dopo i primi sei mesi la vendita dei prodotti risulta ripartita tra le varie categorie secondo la seguente distribuzione di frequenze: () Statistica 0 / 16
71 Esempio di applicazione dell indice di Gini (G) Una nuova azienda informatica immette sul mercato una gamma di prodotti. Dopo i primi sei mesi la vendita dei prodotti risulta ripartita tra le varie categorie secondo la seguente distribuzione di frequenze: La colonna promo riguarda le frequenze delle vendite per categoria di prodotto dopo una politica di promozioni sui diversi prodotti () Statistica 0 / 16
72 Esempio di applicazione dell indice di Gini (G) () Statistica 1 / 16
73 Esempio di applicazione dell indice di Gini (G) k G = 1 fi 2 = 1 [(0.2094) 2 + i=1 + (0.55) 2 + (0.17) (0.1071) 2 + (0.1964) 2 ] = = = 0.76 () Statistica 1 / 16
74 Esempio di applicazione dell indice di Gini (G) k G = 1 fi 2 = 1 [(0.2094) 2 + i=1 + (0.55) 2 + (0.17) (0.1071) 2 + (0.1964) 2 ] = = = 0.76 l indice in versione normalizzata G dato da G = k G k 1 = =.8165/4 = () Statistica 1 / 16
75 Esempio di applicazione dell indice di Gini (G) () Statistica 2 / 16
76 Esempio di applicazione dell indice di Gini (G) k G promo = 1 fi 2 = 1 [(0.045) 2 + i=1 + (0.1824) 2 + (0.0074) (0.281) 2 + (0.1777) 2 ] = = = () Statistica 2 / 16
77 Esempio di applicazione dell indice di Gini (G) k G promo = 1 fi 2 = 1 [(0.045) 2 + i=1 + (0.1824) 2 + (0.0074) (0.281) 2 + (0.1777) 2 ] = = = l indice in versione normalizzata G dato da G promo = k G k 1 = =.678/4 = Risultando essere G > G promo si pu concludere che la politica di promozioni ha fatto diminuire l eterogeneità (aumentare l omogeneità) delle vendite nelle diverse categorie di prodotti () Statistica 2 / 16
78 Indici di eterogeneità: l indice di Shannon (H) L indice per la misura della eterogeneità proposto da Shannon k H = f i log(f i ) i=1 () Statistica / 16
79 Indici di eterogeneità: l indice di Shannon (H) L indice per la misura della eterogeneità proposto da Shannon H = k f i log(f i ) i=1 in caso di minima eterogeneità, H = 0 in caso di massima eterogeneità l indice assume valore H = log(k) () Statistica / 16
80 Indici di eterogeneità: l indice di Shannon (H) L indice per la misura della eterogeneità proposto da Shannon H = k f i log(f i ) i=1 in caso di minima eterogeneità, H = 0 in caso di massima eterogeneità l indice assume valore H = log(k) Avendo definito il valore massimo dell indice, possibile ottenerne la versione normalizzata H H = H log(k) () Statistica / 16
81 Esempio di applicazione dell indice di Shannon (H) () Statistica 4 / 16
82 Esempio di applicazione dell indice di Shannon (H) k H = f i log(f i ) = i=1 = 0, 2094 log(0, 2094)+ + 0, 55 log(0, 55)+ + 0, 17 log(0, 17)+ + 0, 1071 log(0, 1071) log(0, 1964) = = () Statistica 4 / 16
83 Esempio di applicazione dell indice di Shannon (H) k H = f i log(f i ) = i=1 = 0, 2094 log(0, 2094)+ + 0, 55 log(0, 55)+ + 0, 17 log(0, 17)+ + 0, 1071 log(0, 1071) log(0, 1964) = = l indice in versione normalizzata H dato da H = H log(k) = = () Statistica 4 / 16
84 Esempio di applicazione dell indice di Shannon (H) () Statistica 5 / 16
85 Esempio di applicazione dell indice di Shannon (H) k H promo = f i log(f i ) = i=1 = log(0.045)+ + 0, 1824 log(0.1824) log(0.0074) log(0.281) log(0.1777) = = 1.81 () Statistica 5 / 16
86 Esempio di applicazione dell indice di Shannon (H) k H promo = f i log(f i ) = i=1 = log(0.045)+ + 0, 1824 log(0.1824) log(0.0074) log(0.281) log(0.1777) = = 1.81 l indice in versione normalizzata H promo dato da H promo = H log(k)) = = () Statistica 5 / 16
87 La forma di una distribuzione Due distribuzioni aventi stessa e variabilità possono differire per forma. In altre parole, la forma dipende dal valore delle modalità più piccole (o più grandi) del valore centrale della distribuzione. () Statistica 6 / 16
88 La forma di una distribuzione Due distribuzioni aventi stessa e variabilità possono differire per forma. In altre parole, la forma dipende dal valore delle modalità più piccole (o più grandi) del valore centrale della distribuzione. Aspetti che caratterizzano la forma di una distribuzione sono asimmetria curtosi () Statistica 6 / 16
89 La forma di una distribuzione Due distribuzioni aventi stessa e variabilità possono differire per forma. In altre parole, la forma dipende dal valore delle modalità più piccole (o più grandi) del valore centrale della distribuzione. Aspetti che caratterizzano la forma di una distribuzione sono asimmetria curtosi () Statistica 6 / 16
90 Asimmetria distribuzione simmetrica rettangolare () Statistica 7 / 16
91 Asimmetria distribuzione simmetrica campanulare () Statistica 7 / 16
92 Asimmetria distribuzione asimmetrica positiva () Statistica 7 / 16
93 Asimmetria distribuzione asimmetrica negativa () Statistica 7 / 16
94 Indici di asimmetria indice normalizzato di asimmetria A Tale indice la versione normalizzata della differenza tra media e mediana, dal momento che σ risulta essere in qualunque caso tale che σ µ Me A = µ Me σ Tale indice varia nell intervallo [ 1, 1]. () Statistica 8 / 16
95 Indici di asimmetria indice normalizzato di asimmetria A Tale indice la versione normalizzata della differenza tra media e mediana, dal momento che σ risulta essere in qualunque caso tale che σ µ Me A = µ Me σ Tale indice varia nell intervallo [ 1, 1]. se A > 0 allora la distribuzione asimmetrica positiva se A < 0 allora la distribuzione asimmetrica negativa se A = 0 allora la distribuzione simmetrica () Statistica 8 / 16
96 Indice normalizzato di asimmetria Si considerino tre studenti, A, B e C che nei primi 9 esami hanno riportato i seguenti voti: A = {18, 20, 21, 2, 25, 26, 27, 27, 0} B = {22, 2, 24, 24, 25, 27, 29, 29, 0} C = {21, 22, 2, 24, 25, 26, 27, 28, 29} () Statistica 9 / 16
97 Indice normalizzato di asimmetria Si considerino tre studenti, A, B e C che nei primi 9 esami hanno riportato i seguenti voti: A = {18, 20, 21, 2, 25, 26, 27, 27, 0} B = {22, 2, 24, 24, 25, 27, 29, 29, 0} C = {21, 22, 2, 24, 25, 26, 27, 28, 29} A (A) = µ Me σ = = () Statistica 9 / 16
98 Indice normalizzato di asimmetria Si considerino tre studenti, A, B e C che nei primi 9 esami hanno riportato i seguenti voti: A = {18, 20, 21, 2, 25, 26, 27, 27, 0} B = {22, 2, 24, 24, 25, 27, 29, 29, 0} C = {21, 22, 2, 24, 25, 26, 27, 28, 29} A (A) = µ Me σ = = A (B) = µ Me σ = = () Statistica 9 / 16
99 Indice normalizzato di asimmetria Si considerino tre studenti, A, B e C che nei primi 9 esami hanno riportato i seguenti voti: A = {18, 20, 21, 2, 25, 26, 27, 27, 0} B = {22, 2, 24, 24, 25, 27, 29, 29, 0} C = {21, 22, 2, 24, 25, 26, 27, 28, 29} A (A) = µ Me σ = = A (B) = µ Me σ = = A (C) = µ Me σ = = 0 () Statistica 9 / 16
100 Indici di asimmetria Standardizzazione di una variabile L operazione di standardizzazione consiste nel sottrarre a ciascuna modalita x i la media µ, dividendo poi per lo scarto quadratico medio σ. Tale operazione consente il confronto tra distribuzioni con medie e varianze diverse. z i = x i µ σ () Statistica 40 / 16
101 Indici di asimmetria () Statistica 41 / 16
102 Indici di asimmetria () Statistica 42 / 16
103 Indici di asimmetria () Statistica 4 / 16
104 Indici di asimmetria indice di asimmetria di Fisher γ γ = 1 n (z i ) = 1 n n i=1 n ( xi µ i=1 σ ) () Statistica 44 / 16
105 Indici di asimmetria indice di asimmetria di Fisher γ γ = 1 n (z i ) = 1 n n i=1 n ( xi µ i=1 σ ) se γ > 0 allora la distribuzione asimmetrica positiva se γ < 0 allora la distribuzione asimmetrica negativa se γ = 0 allora la distribuzione simmetrica () Statistica 44 / 16
106 Indice di asimmetria di Fisher γ Si considerino tre studenti, A, B e C che nei primi 9 esami hanno riportato i seguenti voti: A = {18, 20, 21, 2, 25, 26, 27, 27, 0} B = {22, 2, 24, 24, 25, 27, 29, 29, 0} C = {21, 22, 2, 24, 25, 26, 27, 28, 29} () Statistica 45 / 16
107 Indice di asimmetria di Fisher γ Si considerino tre studenti, A, B e C che nei primi 9 esami hanno riportato i seguenti voti: A = {18, 20, 21, 2, 25, 26, 27, 27, 0} B = {22, 2, 24, 24, 25, 27, 29, 29, 0} C = {21, 22, 2, 24, 25, 26, 27, 28, 29} n n ( ) xi µ ( ) = + γ (A) = 1 (z i ) = 1 n n σ.887 i=1 i=1 ( ) ( ) = () Statistica 45 / 16
108 Indice di asimmetria di Fisher γ γ (B) = 1 n (z i ) = 1 n ( ) xi µ ( ) = + n n σ i=1 i=1 ( ) ( ) = () Statistica 46 / 16
109 Indice di asimmetria di Fisher γ γ (B) = 1 n (z i ) = 1 n ( ) xi µ ( ) = + n n σ i=1 i=1 ( ) ( ) = γ (C) = 1 n (z i ) = 1 n ( ) xi µ = n n σ i=1 i=1 ( ) ( ) = ( ) () Statistica 46 / 16
Prova di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliLezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria
Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Standardizzazione di una variabile Standardizzare una variabile statistica
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliStatistica (Prof. Capitanio) Slide n. 1. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Statistica (Prof. Capitanio) Slide n. 1 Materiale di supporto per le lezioni. Non sostituisce il libro di testo MEDIA GEOMETRICA M g = x g = n n x i i=1 1 PROPRIETA 1) Identità di prodotto ( ) n n M =
DettagliStatistica. Alfonso Iodice D Enza
La per Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 1 Outline 1 La La per () Statistica 2 / 1 Outline La per 1 La 2 per () Statistica 2 / 1 Outline
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliEsercizi di Statistica
Esercizi di Statistica Selezione di esercizi proposti durante le esercitazioni dei corsi di Statistica tenute presso la Facoltà di Economia dell Università di Salerno Versione del 17 ottobre 2006 2 Per
DettagliGrafici delle distribuzioni di frequenza
Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliSTATISTICA ECONOMICA STATISTICA PER L ECONOMIA
STATISTICA ECONOMICA STATISTICA PER L ECONOMIA a.a. 2009-2010 Facoltà di Economia, Università Roma Tre Archivio Statistico delle Imprese Attive (ASIA) L archivio è costituito dalle unità economiche che
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliMisure della dispersione o della variabilità
QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.
DettagliPer forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media.
FORMA DI UNA DISTRIBUZIONE Per forma di una distribuzione si intende il modo secondo il quale si dispongono i valori di un carattere intorno alla rispettiva media. Le prime informazioni sulla forma di
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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it A.Studio dell interdipendenza tra variabili: riepilogo Concetto relativo allo studio delle relazioni tra
Dettagli[ Analisi della. concentrazione] di Luca Vanzulli. Pag. 1 di 1
[ Analisi della concentrazione] di Luca Vanzulli Pag. 1 di 1 LA CONCENTRAZIONE NELL ANALISI DELLE VENDITE L analisi periodica delle vendite rappresenta un preziosissimo indicatore per il monitoraggio del
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
DettagliCapitolo 6. Soluzione degli esercizi a cura di Rosa Falotico
Capitolo 6 Soluzione degli esercizi a cura di Rosa Falotico Esercizio 6.1 Dopo aver notato che quando le modalità si presentano con frequenze unitarie, la formula per il calcolo della media si semplifica,
DettagliFacoltà di ECONOMIA Corso di Statistica a.a. 2005/2006 Esame del 27/09/2006 Statistica descrittiva
Esame del 27/09/2006 Statistica descrittiva 1. Un grossista di apparecchiature informatiche ha rilevato l ammontare totale in migliaia di euro degli ordini effettuati nel 2005 dai suoi principali clienti
DettagliStatistica. Alfonso Iodice D Enza iodicede@unicas.it
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 2 Outline 1 2 3 4 () Statistica 2 / 2 Misura del legame Data una variabile doppia (X, Y ), la misura
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 39 Introduzione Come si è detto,
DettagliCome descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca
Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliOCCUPATI SETTORE DI ATTIVITA' ECONOMICA
ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
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
DettagliSTATISTICA DESCRITTIVA. Le misure di tendenza centrale
STATISTICA DESCRITTIVA Le misure di tendenza centrale 1 OBIETTIVO Individuare un indice che rappresenti significativamente un insieme di dati statistici. 2 Esempio Nella tabella seguente sono riportati
DettagliLa teoria dell offerta
La teoria dell offerta Tecnologia e costi di produzione In questa lezione approfondiamo l analisi del comportamento delle imprese e quindi delle determinanti dell offerta. In particolare: è possibile individuare
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
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
DettagliESERCIZI DI STATISTICA DESCRITTIVA
ESERCIZI DI STATISTICA DESCRITTIVA ES1 Data la seguente serie di dati su Sesso e Altezza di 8 pazienti, riempire opportunamente due tabelle per rappresentare le distribuzioni di frequenze dei due caratteri,
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliStatistica descrittiva
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento
DettagliLa dissomiglianza tra due distribuzioni normali
Annali del Dipartimento di Scienze Statistiche Carlo Cecchi Università degli Studi di Bari Aldo Moro - Vol. X (2011): 43-50 Editore CLEUP, Padova - ISBN: 978-88-6129-833-0 La dissomiglianza tra due distribuzioni
DettagliMetodi Matematici e Informatici per la Biologia----31 Maggio 2010
Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 COMPITO 4 (3 CREDITI) Nome: Cognome: Matricola: ISTRUZIONI Gli esercizi che seguono sono di tre tipi: Domande Vero/Falso: cerchiate V o
Dettagli2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale
BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk
DettagliIndici (Statistiche) che esprimono le caratteristiche di simmetria e
Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica
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
DettagliLezione n. 2 (a cura di Chiara Rossi)
Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,
DettagliPrestito Obbligazionario Banca di Imola SpA 185^ Emissione 02/04/2007-02/04/2010 TV% Media Mensile (Codice ISIN IT0004219223)
MODELLO DI CONDIZIONI DEFINITIVE relative alla Nota Informativa sul Programma di Offerta di Prestiti Obbligazionari denominati Obbligazioni Banca di Imola SPA a Tasso Variabile Media Mensile Il seguente
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Un breve riepilogo: caratteri, unità statistiche e collettivo UNITA STATISTICA: oggetto dell osservazione
DettagliI punteggi zeta e la distribuzione normale
QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario
DettagliFUNZIONI ELEMENTARI - ESERCIZI SVOLTI
FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione
DettagliStatistica descrittiva
Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di indicatori sintetici che individuano, con un singolo valore, proprieta` statistiche di un campione/popolazione rispetto
DettagliAnalisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA
Analisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA 1 Distribuzione di frequenza Punto vendita e numero di addetti PUNTO VENDITA 1 2 3
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliFunzioni. Funzioni /2
Funzioni Una funzione f è una corrispondenza tra due insiemi A e B che a ciascun elemento di A associa un unico elemento di B. Si scrive: f : A B l'insieme A si chiama il dominio della funzione f, l'insieme
DettagliINDICI DI TENDENZA CENTRALE
INDICI DI TENDENZA CENTRALE NA Al fine di semplificare la lettura e l interpretazione di un fenomeno oggetto di un indagine statistica, i dati possono essere: organizzati in una insieme di dati statistici
DettagliSOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015
SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 015 1. Indicando con i minuti di conversazione effettuati nel mese considerato, la spesa totale mensile in euro è espressa dalla funzione f()
DettagliSoluzioni Esercizi elementari
Soluzioni sercizi elementari Capitolo. carattere: itolo di Studio, carattere qualitativo ordinato modalità: Diploma, Licenza media, Laurea, Licenza elementare unità statistiche: Individui. carattere: Fatturato,
DettagliAnteprima Finale Categoria Corsi di Statistica
1 di 8 08/04/2011 9.01 SiS-Scuola-28-SEZIONE STATISTICA fad TC128STAT Quiz Finale Categoria Corsi di Statistica Tentativo 1 Sei collegato come piero zulli. (Esci) Info Risultati Anteprima Modifica Anteprima
DettagliEsercitazioni del corso di Statistica Prof. Mortera a.a. 2008/2009
Esercitazioni del corso di Statistica Prof. Mortera a.a. 2008/2009 Esercizi di statistica descrittiva 1. Secondo i dati ISTAT 1997 sull occupazione, la Lombardia e il Veneto presentano le seguenti distribuzione
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva
Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione
DettagliStatistica descrittiva: prime informazioni dai dati sperimentali
SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni
DettagliStatistica Applicata all edilizia Lezione 2: Analisi descrittiva dei dati
Lezione 2: Analisi descrittiva dei dati E-mail: orietta.nicolis@unibg.it 1 marzo 2011 Prograa 1 Analisi grafica dei dati 2 Indici di posizione Indici di dispersione Il boxplot 3 4 Prograa Analisi grafica
DettagliESAME DI STATISTICA Nome: Cognome: Matricola:
ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # Esercizi Statistica Descrittiva Esercizio I gruppi sanguigni di persone sono B, B, AB, O,
DettagliLA STATISTICA NEI TEST INVALSI
LA STATISTICA NEI TEST INVALSI 1 Prova Nazionale 2011 Osserva il grafico seguente che rappresenta la distribuzione percentuale di famiglie per numero di componenti, in base al censimento 2001. Qual è la
DettagliIl mercato di monopolio
Il monopolio Il mercato di monopolio Il monopolio è una struttura di mercato caratterizzata da 1. Un unico venditore di un prodotto non sostituibile. Non ci sono altre imprese che possano competere con
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA. Programma del modulo di STATISTICA I (6 crediti)
UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA Programma del modulo di STATISTICA I (6 crediti) ECOCOM (lettere A-Lh): ECOCOM (lettere Li-Z): ECOBAN: ECOAMM (Lettere A-Lh):
DettagliDott.ssa Caterina Gurrieri
Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo
DettagliESERCIZIO N 4. Fatturato Supermercati [0;500) 340 [500;1000) 368 [1000;5000) 480 [5000;10000) 37 [10000;20000) 15 taglia = 1240
ESERCIZIO N 4 Fatturato Supermercati [0;500) 340 [500;1000) 368 [1000;5000) 480 [5000;10000) 37 [10000;20000) 15 taglia = 1240 PUNTO a CALCOLO MODA E QUARTILI La moda rappresenta quell'elemento del campione
DettagliL ANALISI PER INDICI
Obiettivo dell analisi per indici è la valutazione delle scelte dell imprenditore attraverso la misurazione degli effetti economici, finanziari e patrimoniale prodotti dalle stesse. La corretta misurazione
DettagliEsercitazione relativa al cap. 10 INVESTIMENTI
Esercitazione relativa al cap. 10 INVESTIMENTI GLI INVESTIMENTI FINANZIARI SONO ACQUISTI DI ATTIVITA FINANZIARIE EFFETTUATE NELL ASPETTATIVA DI RICEVERNE UN RENDIMENTO. I PIU IMPORTANTI SONO: - I DEPOSITI
Dettagli2 Argomenti introduttivi e generali
1 Note Oltre agli esercizi di questa lista si consiglia di svolgere quelli segnalati o assegnati sul registro e genericamente quelli presentati dal libro come esercizio o come esempio sugli argomenti svolti
DettagliTeoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26
Indice L attività di recupero 6 Funzioni Teoria in sintesi 0 Obiettivo Ricerca del dominio e del codominio di funzioni note Obiettivo Ricerca del dominio di funzioni algebriche; scrittura del dominio Obiettivo
Dettagliquesta somma infinita rappresenta una progressione geometrica di ragione 1/(1+i) il cui valore è:
' Mercato della moneta ' 1) Il prezzo dei titoli: A) non è influenzato dalle operazioni di mercato aperto della banca centrale *B) si riduce quando aumenta i C) sono vere sia A che B D) aumenta quando
DettagliParte II Indice. Operazioni aritmetiche tra valori rappresentati in binario puro. Rappresentazione di numeri con segno
Parte II Indice Operazioni aritmetiche tra valori rappresentati in binario puro somma sottrazione Rappresentazione di numeri con segno modulo e segno complemento a 2 esercizi Operazioni aritmetiche tra
Dettagli19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE
19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE Nell inferenza è spesso richiesto il calcolo di alcuni valori critici o di alcune probabilità per le variabili casuali che sono state introdotte
DettagliAREA COMMERCIO. I dati relativi al Commercio sono stati forniti dall Ufficio Commercio del Comune di Aosta e riguardano gli anni dal 2002 al 2011.
AREA COMMERCIO I dati relativi al Commercio sono stati forniti dall Ufficio Commercio del Comune di Aosta e riguardano gli anni dal 2002 al 2011. 1 Autorizzazioni commerciali rilasciate suddivise per genere.
DettagliSOLUZIONI D = (-1,+ ).
SOLUZIONI. Data la funzione f() ( ) ln( ) a) trova il dominio di f b) indica quali sono gli intervalli in cui f() risulta positiva e quelli in cui risulta negativa c) determina le eventuali intersezioni
DettagliAnalisi delle relazioni tra due caratteri
Analisi delle relazioni tra due caratteri Le misure di connessione misurano il grado di associazione tra due caratteri qualsiasi sotto il profilo statistico (e non causale in quanto non è compito della
DettagliCapitolo 2 Distribuzioni di frequenza
Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.
DettagliGrafici di redditività BREAK-EVEN ANALYSIS
Grafici di redditività BREAK-EVEN ANALYSIS 1 Analisi del punto di equilibrio o di pareggio Consiste nella determinazione grafica o matematica del quantitativo di vendita al quale i costi totali e i ricavi
DettagliCalcolo del Valore Attuale Netto (VAN)
Calcolo del Valore Attuale Netto (VAN) Il calcolo del valore attuale netto (VAN) serve per determinare la redditività di un investimento. Si tratta di utilizzare un procedimento che può consentirci di
DettagliDeterminare il livello produttivo che consente di rendere minimo il costo medio, nonché il suo valore corrispondente.
ESERCIZI SVOLTI SU COMPORTAMENTO DELL IMPRESA di G.Garofalo 1. Nota la funzione di costo totale CT = 1 + 3 + 70 Determinare le funzioni di costo: - fisso e medio fisso - variabile e medio variabile - medio
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliSistemi di Numerazione Binaria NB.1
Sistemi di Numerazione Binaria NB.1 Numeri e numerali Numero: entità astratta Numerale : stringa di caratteri che rappresenta un numero in un dato sistema di numerazione Lo stesso numero è rappresentato
DettagliRichiami di teoria della domanda di moneta
Richiami di teoria della domanda di moneta Parte seconda La teoria della preferenza della liquidità di Keynes Keynes distingue tre moventi principali per cui si detiene moneta. Transattivo Precauzionale
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA
Seconda Lezione DISTRIBUZIONE DI FREQUENZA Frequenza assoluta: è il numero puro di casi per quella modalità Frequenze relative: sono il rapporto tra la frequenza assoluta con cui si manifesta una modalità
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo
DettagliINDICE PREFAZIONE VII
INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione
DettagliConfronto tra full costing tradizionale e activity based costing
Esercitazioni svolte 2012 Scuola Duemila 1 Esercitazione n. 25 Confronto tra full costing tradizionale e activity based costing Emanuele Perucci La produzione della Topolino s.p.a. si articola su una gamma
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
Dettagli1. Richiami di Statistica. Stefano Di Colli
1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliElementi di Statistica
Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle
DettagliUNIVERSITA DEGLI STUDI DI SASSARI DIPARTIMENTO DI SCIENZE ECONOMICHE E AZIENDALI MACROECONOMIA - Anno accademico 2015-2016, I semestre
UNIVERSIT DEGLI STUDI DI SSSRI DIPRTIMENTO DI SCIENZE ECONOMICHE E ZIENDLI MCROECONOMI - nno accademico 2015-2016, I semestre Soluzioni esercitazione (seconda parte del programma), 11122015 PRTE ) 1) Si
DettagliSTATISTICA SOCIALE Corso di laurea in Scienze Turistiche - A.A. 2007/2008 Esercizi di riepilogo - 14 dicembre 2007
STATISTICA SOCIALE Corso di laurea in Scienze Turistiche - A.A. 2007/2008 Esercizi di riepilogo - 14 dicembre 2007 Esercizio 1 In Tabella 1 è riportato il numero di crediti maturati al 30 settembre 2007
DettagliSTATISTICA DESCRITTIVA UNIVARIATA
Capitolo zero: STATISTICA DESCRITTIVA UNIVARIATA La STATISTICA è la scienza che si occupa di fenomeni collettivi che richiedono lo studio di un grande numero di dati. Il termine STATISTICA deriva dalla
Dettagli