SOLUZIONI ESERCITAZIONE NR. 8 Test statistici
|
|
- Adelaide Motta
- 6 anni fa
- Visualizzazioni
Transcript
1 SOLUZIONI ESERCITAZIONE NR. 8 Test statistici ESERCIZIO nr. 1 Un campione casuale di dieci pazienti di sesso maschile in cura per comportamenti aggressivi nell ambito del contesto familiare è stato classificato sulla base del numero di ore di quality time in grado di ritagliarsi durante la settimana. Seguono i dati grezzi rilevati: Supponendo noto che il campione in esame provenga da una popolazione Normale caratterizzata da varianza del numero di ore di quality time settimanali pari a 4, si risponda ai seguenti quesiti: 1. si verifichi se ad un livello di significativitá del 99% sia possibile concludere che il campione in esame provenga da una popolazione caratterizzata da numero medio di ore di quality time settimanali pari a 3 Il campione casualmente selezionato dalla popolazione dei pazienti di sesso maschile in cura per comportamenti aggressivi in famiglia si deve ragionevolmente ritenere come risultato di altrettante estrazioni condotte senza reinserimento, ossia nei termini di campione casuale semplice. Supponendo, peró, che un ampiezza campionaria di n 10 soggetti possa ritenersi sufficientemente grande e allo stesso tempo piccola rispetto la numerositá della popolazione statistica in questione, le tecniche di estrazione con e senza reinserimento si dimostrano condurre a risultati equivalenti da un punto di vista probabilistico. In definitiva, sulla base di tali premesse, il campione in esame puó essere inteso come bernoulliano. Si indichi dunque con X la variabile casuale che interpreti il numero di ore di quality time settimanali dei pazienti di sesso maschile in cura per comportamenti aggressivi nell ambito del contesto familiare; per quanto esplicitato dal testo dell esercizio: X N (µ, 4), ossia ci si trova nelle condizioni iniziali di popolazione Normale caratterizzata da varianza σ 2 nota. Evidentemente, il parametro della popolazione oggetto di inferenza é l ignoto numero medio µ di ore di quality time settimanali e, con riferimento ad esso, si é interessati a verificare la seguente ipotesi nulla bilaterale: H 0 : µ 3, ossia l ipotesi secondo cui la popolazione in questione sia caratterizzata da numero medio di ore di quality time settimanali pari a µ 0 3. Ai fini della verifica della presente ipotesi, poiché nota la varianza della popolazione e bilaterale l ipotesi nulla di interesse, si deve necessariamente eseguire uno Z test a due code, con regione critica (regione di rifiuto di H 0 ) composta dalle due code della statistica test X µ 0 σ2 /n N (0.1),
2 sotto le quali la probabilitá di un errato rifiuto di H 0, α, viene equamente ripartita. Il campione bernoulliano osservato fornisce media campionaria del fenomeno statistico in questione: x 1 n 10 i1 x i 1 ( ) Inoltre, essendo il livello di significativitá del test pari a 0.99 (99%), risulta: 1 α 0.99, α 0.01, α , pertanto il valore critico, ossia il valore della statistica test che divide, unitamente al proprio simmetrico, la zona di accettazione di H 0 dalla regione critica, z α/2 z 0.005, che lascia alla propria destra una probabilitá pari a 0.005, é tale che: P (Z z ) 0.005; essendo pari a 1 l area sottesa dalla curva a campana che rappresenta la funzione di densitá della variabile casuale Normale standard, si ha che: da cui: 1 P (Z < z ) 0.005, P (Z < z ) Dalle tavole della variabile casuale Normale standard, risulta, in corrispondenza della riga intestata con 2.5 e della colonna intestata con.08, ossia in corrispondenza di z 2.58: P (Z 2.58) , ossia z 2.58 identifica lo Z score di interesse. Si rifiuta dunque H 0 a livello 99% se il valore sperimentale della statistica test é tale che: x µ 0 σ2 /n 2.58 o x µ 0 σ2 /n Poiché: e x µ 0 σ2 /n / > < 2.58, il valore sperimentale cade nella regione di accettazione di H 0, dunque si accetta H 0 al 99% di livello di significativitá, ossia, sulla base dell evidenza sperimentale ottenuta, l ipotesi proposta dal testo dell esercizio deve ritenersi fondata.
3 2. Si determini il p value e sulla base di esso si dia conferma della conclusione tratta al punto 1 In generale, il p value si identifica operativamente nella probabilitá che sotto H 0 vera la statistica test assuma valori pari a quello osservato o piú sfavorevoli rispetto ad esso nei confronti di H 0. Nel presente caso, avendo riscontrato come valore sperimentale z 1.13 > 0, i valori della statistica test piú sfavorevoli rispetto ad esso nei confronti di H 0 sono quelli alla relativa destra. In definitiva, essendo pari a 1 l area totale sotto la curva a campana che rappresenta la funzione di densitá della variabile casuale Normale standard, il p value risulta: ( ) X µ0 p value P σ2 /n 1.13 P (Z 1.13) 1 P (Z < 1.13) 1 P (Z 1.13) ; a questo punto, ai fini della determinazione di P (Z 1.13) é possibile ricorrere alle tavole della variabile casuale Normale standard, dalle quali, incentrando l attenzione sulla casella giacente sull intersezione tra la riga intestata con 1.1 (parte intera e prima cifra dopo la virgola di z 1.13) e la colonna intestata con.03 (seconda cifra dopo la virgola di z 1.13), risulta: Pertanto: e poiché: P (Z 1.13) p value 1 P (Z 1.13) p value > α 2, il valore sperimentale cade nella regione di accettazione di H 0, dunque si accetta H 0 ad un livello di significativitá del 99%: ció conferma la conclusione tratta al punto 1. ESERCIZIO nr. 2 Per giustificare la loro richiesta di aumento di stipendio, gli impiegati di una ditta di vendite per corrispondenza affermano di riuscire ad evadere mediamente un ordine d acquisto in non piú di 13 minuti. Al fine di verificare l attendibilitá di quanto sostenuto dagli impiegati, il direttore generale della ditta in questione effettua una verifica dei tempi di evasione di 16 ordini casualmente selezionati registrando un tempo medio di evasione di 14 minuti ed una varianza campionaria corretta di 100 minuti 2. Ció premesso, supponendo che il tempo di evasione di un ordine d acquisto possa essere ragionevolmente interpretato da una variabile casuale Normale, si verifichi ad un livello di significativitá del 95% se la richiesta degli impiegati debba ritenersi fondata Il campione casualmente selezionato dalla popolazione degli ordini d acquisto della ditta di vendite per corrispondenza in questione si deve ragionevolmente ritenere come risultato di
4 altrettante estrazioni condotte senza reinserimento, ossia nei termini di campione casuale semplice. Supponendo, peró, che un ampiezza campionaria di n 16 ordini possa ritenersi sufficientemente grande e allo stesso tempo piccola rispetto la numerositá della popolazione statistica in questione, le tecniche di estrazione con e senza reinserimento si dimostrano condurre a risultati equivalenti da un punto di vista probabilistico. In definitiva, sulla base di tali premesse, il campione in esame puó essere inteso come bernoulliano. Si indichi dunque con X la variabile casuale che interpreti il tempo di evasione degli ordini d acquisto della ditta in questione; per quanto esplicitato dal testo dell esercizio: X N ( µ, σ 2), con σ 2 ignota, ossia ci si trova nelle condizioni iniziali di popolazione Normale caratterizzata da varianza σ 2 ignota. Evidentemente, il parametro della popolazione oggetto di inferenza é l ignoto tempo medio µ di evasione degli ordini d acquisto e, con riferimento ad esso, si é interessati a verificare la seguente ipotesi nulla unilaterale sinistra: H 0 : µ 13, che traduce formalmente l affermazione proposta dal testo dell esercizio secondo cui gli impiegati della ditta siano in grado di evadere mediamente un ordine d acquisto in non piú di µ 0 13 minuti. Ai fini della verifica della presente ipotesi, poiché non nota la varianza della popolazione e unilaterale sinistra l ipotesi nulla di interesse, si deve necessariamente eseguire un T test ad una coda, con regione critica (regione di rifiuto di H 0 ) rappresentata dalla coda di destra della statistica test X µ 0 S2 /n T n 1, coda sotto la quale viene posta l intera probabilitá di un errato rifiuto di H 0, α. A tal proposito, con riferimento al campione bernoulliano osservato, sono noti dal testo dell esercizio la media campionaria del fenomeno statistico in questione: e la relativa varianza campionaria corretta: x 14 s Inoltre, essendo il livello di significativitá del test pari a 0.95 (95%), risulta: 1 α 0.95, α 0.05, pertanto dalle tavole della variabile casuale T di Student con g n gradi di libertá, si ricava il valore critico, ossia il valore della statistica test che separa la zona di accettazione di H 0 dalla regione critica e che lascia alla propria destra probabilitá pari a 0.05: t n 1,α t 15,
5 Si rifiuta dunque H 0 a livello 95% se il valore sperimentale della statistica test é tale che: x µ 0 s2 /n Poiché: e x µ 0 s2 /n / < , il valore sperimentale cade nella regione di accettazione di H 0, dunque si accetta H 0 al 95% di livello di significativitá, ossia, sulla base dell evidenza sperimentale ottenuta, l affermazione degli impiegati in questione deve ritenersi fondata. ESERCIZIO nr. 3 Si supponga che nell ambito di un campione casuale di 50 pazienti diabetici aventi subito una perdita di peso, 20 di essi si siano dichiarati consumatori di antidepressivi. Inoltre, si supponga noto che nella popolazione di soggetti sani aventi subito una perdita di peso la proporzione di uso di antidepressivi sia pari a 0.3. Ció premesso, si risponda ai seguenti quesiti: 1. si verifichi se ad un livello di significativitá del 90% la proporzione di uso di antidepressivi nella popolazione dei pazienti diabetici aventi subito una perdita di peso sia non inferiore di quella relativa ai soggetti sani, esplicitando il riferimento teorico a cui si é fatto ricorso Il campione casualmente selezionato dalla popolazione dei pazienti diabetici aventi subito una perdita di peso si deve ragionevolmente ritenere come risultato di altrettante estrazioni condotte senza reinserimento, ossia nei termini di campione casuale semplice. Supponendo, peró, che un ampiezza campionaria di n 50 pazienti possa ritenersi sufficientemente grande e allo stesso tempo piccola rispetto la numerositá della popolazione statistica in questione, le tecniche di estrazione con e senza reinserimento si dimostrano condurre a risultati equivalenti da un punto di vista probabilistico. In definitiva, sulla base di tali premesse, il campione in esame puó essere inteso come bernoulliano. Ció premesso, si indichi con X la variabile casuale discreta che assuma valore 1 in corrispondenza dei pazienti diabetici facenti uso di antidepressivi (classificabili come successi) e valore 0 in corrispondenza dei pazienti diabetici non facenti uso di antidepressivi (classificabili come insuccessi). Evidentemente, il parametro della popolazione oggetto di inferenza é l ignota proporzione p di pazienti diabetici aventi subito una perdita di peso facenti uso di antidepressivi e, con riferimento ad essa, si é interessati a verificare la seguente ipotesi nulla unilaterale destra: H 0 : p 0.3,
6 ossia l ipotesi secondo cui la proporzione dei facenti uso di antidepressivi nella popolazione dei pazienti diabetici sia non inferiore a quella riscontrata nella popolazione dei soggetti sani pari a p Disponendo di un campione di tipo bernoulliano ed essendo l ampiezza campionaria n 50 sufficientemente grande per applicare il Teorema Centrale del Limite, ai fini della verifica della presente ipotesi, é possibile eseguire uno Z test approssimato per grandi campioni ad una coda, con regione critica (regione di rifiuto di H 0 ) rappresentata dalla coda di sinistra della statistica test ˆP p 0 p0 (1 p 0 ) /n N (0, 1), coda sotto la quale viene posta l intera probabilitá di un errato rifiuto di H 0, α. A tal proposito, con riferimento al campione bernoulliano osservato, essendo 50 i1 x i 20 il numero di pazienti diabetici aventi subito una perdita di peso che tra gli n 50 considerati sono stati classificati come successi (poiché facenti uso di antidepressivi), l ignota proporzione p dei facenti uso di antidepressivi nella popolazione dei pazienti diabetici aventi subito una perdita di peso puó essere stimata puntualmente mediante la frequenza relativa campionaria di successi, che risulta: ˆp 1 n 50 i1 x i Inoltre, essendo il livello di significativitá del test approssimativamente pari a 0.90 (90%), risulta: 1 α 0.90, α 0.10, pertanto il valore critico, ossia il valore della statistica test che divide la zona di accettazione di H 0 dalla regione critica, z α z 0.10, che lascia alla propria sinistra una probabilitá pari a 0.10, presenta simmetrico tale che: P (Z z 0.10 ) 0.10; essendo pari a 1 l area sottesa dalla curva a campana che rappresenta la funzione di densitá della variabile casuale Normale standard, si ha che: da cui: 1 P (Z < z 0.10 ) 0.10, P (Z < z 0.10 ) Dalle tavole della variabile casuale Normale standard, risulta, in corrispondenza della riga intestata con 1.2 e della colonna intestata con.08, ossia in corrispondenza di z 1.28: P (Z 1.28) ,
7 ossia z 1.28 identifica lo Z score di interesse. Si rifiuta dunque H 0 a livello approssimativamente pari al 90% se il valore sperimentale della statistica test é tale che: ˆp p 0 p0 (1 p 0 ) /n Poiché: ˆp p 0 p0 (1 p 0 ) /n (1 0.3) / / e > 1.28, il valore sperimentale cade nella regione di accettazione di H 0, dunque si accetta H 0 ad un livello di significativitá approssimativamente pari al 90%, ossia, sulla base dell evidenza sperimentale ottenuta, l ipotesi proposta dal testo dell esercizio deve ritenersi fondata. 2. Si determini il p value e sulla base di esso si dia conferma della conclusione tratta al punto 1 Nel presente caso, avendo riscontrato come valore sperimentale z 1.54, i valori della statistica test piú sfavorevoli rispetto ad esso nei confronti di H 0 sono quelli alla relativa sinistra. Il p value risulta dunque: ( ) ˆP p 0 p value P p0 (1 p 0 ) /n 1.54 P (Z 1.54) , poiché, incentrando l attenzione sulla casella della tavola della variabile casuale Normale standard giacente sull intersezione tra la riga intestata con 1.5 (parte intera e prima cifra dopo la virgola di z 1.54) e la colonna intestata con.04 (seconda cifra dopo la virgola di z 1.54), risulta: P (Z 1.54) Pertanto, poiché: p value > 0.10 α, il valore sperimentale cade nella regione di accettazione di H 0, dunque si accetta H 0 ad un livello di significativitá approssimativamente pari al 90%.
8 ESERCIZIO nr. 4 Al fine di verificare la qualitá della produzione di una certa fabbrica, un ingegnere controlla il numero di pezzi difettosi prodotti da tre macchinari differenti, ottenendo i seguenti risultati: Macchina 1 Macchina 2 Macchina 3 Pezzi non difettosi Pezzi difettosi Ciò premesso, si verifichi ad un livello di significativitá del 95% se il macchinario utilizzato non influenzi il numero di pezzi difettosi della produzione della fabbrica in questione. La tabella a doppia entrata proposta dal testo dell esercizio, completata con le distribuzioni di frequenza marginali campionarie dei due fenomeni in questione, risulta come segue: Macchina 1 Macchina 2 Macchina 3 f i. Pezzi non difettosi Pezzi difettosi f.j Ció premesso, il campione casualmente selezionato dalla produzione di pezzi della fabbrica in questione si deve ragionevolmente ritenere come risultato di altrettante estrazioni condotte senza reinserimento, ossia nei termini di campione casuale semplice. Supponendo, peró, che un ampiezza campionaria di n 575 di pezzi di produzione possa ritenersi sufficientemente grande e allo stesso tempo piccola rispetto la numerositá dei pezzi prodotti dalla fabbrica, le tecniche di estrazione con e senza reinserimento si dimostrano condurre a risultati equivalenti da un punto di vista probabilistico. In definitiva, sulla base di tali premesse, il campione di pezzi in esame puó essere inteso come bernoulliano. L esercizio richiede di verificare ad un livello di signifivcativitá del 95% l ipotesi nulla: H 0 : χ 2 0, ossia l ipotesi secondo cui i fenomeni statistici in questione siano statisticamente indipendenti nell ambito della popolazione rappresentata dalla produzione dei pezzi della fabbrica in questione. A tal fine, essendo l ampiezza campionaria sufficientemente grande, é possibile eseguire il Test Chi-Quadrato di Indipendenza per grandi campioni, test ad una coda con regione critica rappresentata dalla coda di destra della statistica test: χ 2 Chi Quadrato (g), che, sotto l ipotesi nulla vera, si identifica approssimativamente in una variabile casuale Chi-Quadrato caratterizzata da gradi di libertá pari a: g (h 1) (k 1) 1 2 2, essendo h 2 e k 3, rispettivamente, le dimensioni di riga e di colonna della tabella a doppia entrata in questione.
9 Ricorrendo alla relativa formulazione alternativa, il valore sperimentale della statistica test Chi-Quadrato risulta: ( 2 ) 3 f χ 2 ij 2 n 1 ; f i. f.j i1 j1 procedendo per righe, i contributi delle 6 celle della tabella a doppia entrata in questione al calcolo del χ 2 basato sulla relativa formulazione alternativa risultano come segue: f 2 11 f 1. f , In definitiva: f 2 12 f 1. f , f 2 13 f 1. f , f 2 21 f 2. f , f 2 22 f 2. f , f 2 23 f 2. f χ ( ) 575 ( ) Essendo il livello di significativitá del presente test approssimativamente pari a 0.95 (95%), risulta: 1 α 0.95, α 0.05; dalle tavole della variabile casuale Chi-Quadrato, in corrispondenza della riga g 2 e della colonna α 0.05, risulta , che identifica il valore critico del test (che lascia alla propria destra probabilitá pari a 0.05). In definitiva, poiché: χ , si rifiuta l ipotesi nullla di indipendenza statistica tra i due fenomeni in questione nella popolazione in esame ad un livello di significativitá approssimativamente pari al 95%.
FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 21/09/2011
FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 1/9/11 ESERCIZIO 1 (+3++3) La seguente tabella riporta la distribuzione di frequenza dei valori di emoglobina nel sangue (espressi
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliCapitolo 11 Test chi-quadro
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corsi di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
Dettaglia) Usando i seguenti livelli di significatività, procedere alla verifica di ipotesi, usando come ipotesi alternativa un'ipotesi unidirezionale:
ESERCIZIO 1 Da studi precedenti, il responsabile del rischio di una grande banca sa che l'ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto è pari a 240.
DettagliSTATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
1 STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono
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
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliInferenza statistica
Inferenza statistica Marcella Montico e Lorenzo Monasta Servizio di epidemiologia e biostatistica Inferenza statistica: insieme di metodi che permette di generalizzare i risultati ottenuti dai dati raccolti
Dettagliˆp(1 ˆp) n 1 +n 2 totale di successi considerando i due gruppi come fossero uno solo e si costruisce z come segue ˆp 1 ˆp 2. n 1
. Verifica di ipotesi: parte seconda.. Verifica di ipotesi per due campioni. Quando abbiamo due insiemi di dati possiamo chiederci, a seconda della loro natura, se i campioni sono simili oppure no. Ci
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliCorso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 15: Metodi non parametrici
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 15: Metodi non parametrici 1 Metodi non parametrici Statistica classica La misurazione avviene con
DettagliEsercitazioni di statistica
Esercitazioni di statistica Intervalli di confidenza Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 10 Dicembre 2014 Stefania Spina Esercitazioni di statistica 1/43 Stefania Spina
Dettagli1 L estrazione di radice
1 L estrazione di radice Consideriamo la potenza 3 2 = 9 di cui conosciamo: Esponente 3 2 = 9 Valore della potenza Base L operazione di radice quadrata consiste nel chiedersi qual è quel numero x che elevato
DettagliEsercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa.
Statistica Matematica A Esercitazione # 6 DUE MEDIE CON VARIANZE NOTE: Esercizio # Le ditte A e B producono sfere luminose. Una volta attivata la reazione chimica che rende luminosa una di queste sfere,
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
- metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 8 home - indice In base agli arrotondamenti effettuati nei calcoli, si
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI I METODI PER IL CONFRONTO DI MEDIE (Campioni non indipendenti) Prof.ssa G. Serio, Prof. P. Trerotoli, Cattedra di Statistica Medica, Università di Bari
DettagliANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti A cura di: Ing.
DettagliSTIMA DELLA VARIANZA CAMPIONARIA
STIMA DELLA VARIANZA CAMPIONARIA Abbiamo visto che una stima puntuale corretta per il valore atteso µ delle variabili aleatorie X i è x n = (x 1 +.. + x n )/n. Una stima puntuale della varianza σ 2 delle
DettagliSTATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
DettagliIl test (o i test) del Chi-quadrato ( 2 )
Il test (o i test) del Chi-quadrato ( ) I dati: numerosità di osservazioni che cadono all interno di determinate categorie Prima di tutto, è un test per confrontare proporzioni Esempio: confronto tra numero
DettagliEsercizio assegnato in data 28 novembre
Esercizio assegnato in data 28 novembre Un commerciante all ingrosso acquista articoli da regalo a 10 al pezzo. Su tutta la merce acquistata, ottiene uno sconto del 10% sul prezzo d acquisto, se ordina
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Università di Venezia Esame di Statistica A-Di Prof. M. Romanazzi 22 Gennaio 2016 Cognome e Nome..................................... N. Matricola.......... Valutazione Il punteggio massimo teorico di
DettagliIstituzioni di Statistica 1 Esercizi su tabelle di contingenza
Istituzioni di Statistica 1 Esercizi su tabelle di contingenza Esercizio 1 Per stimare la percentuale di fumatori nella popolazione italiana adulta viene intervistato un campione di 60 donne e uno di 40
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4. Esercizi di Inferenza Statistica Gianmarco Altoè Dipartimento di Psicologia Università di Cagliari, Anno Accademico 2011-2012 Esercizio 4.1 - I due esami Nella seguente
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA A.A. 2010/2011 - Distribuzione binomiale - Distribuzione Normale Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona DISTRIBUZIONI TEORICHE DI PROBABILITA
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Indici di posizione e di variabilità Prof. Livia De Giovanni lstatistica@dis.uniroma1.it Esercizio 1 Data la seguente distribuzione unitaria del carattere X: X : 4 2 4 2 6 4
Dettagli12) Metodo dei minimi quadrati e linea di tendenza
12) Metodo dei minimi quadrati e linea di tendenza 43 Si supponga di avere una tabella di dati {y exp i} i=1,,n in funzione di altri dati {x i } i=1,,n che siano il risultato di una qualche misura sperimentale.
DettagliCampionamento La statistica media campionaria e la sua distribuzione
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliESERCITAZIONE DI LABORATORIO A: VERIFICA DI STRUMENTAZIONE DI LABORATORIO
ESERCITAZIONE DI LABORATORIO A: VERIFICA DI STRUMENTAZIONE DI LABORATORIO La prova ha come scopo quello di verificare se uno strumento, o una particolare funzione di misura di uno strumento multifunzione,
DettagliCapitolo 7. Distribuzioni campionarie. Statistica. Levine, Krehbiel, Berenson
Levine, Krehbiel, Berenson Statistica Capitolo 7 Distribuzioni campionarie Insegnamento: Statistica Applicata Corsi di Laurea in "Scienze e tecnologie Alimentari" Unità Integrata Organizzativa Agraria,
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliEsercizio 1. Si rilevano le variabili età, altezza e peso di 18 pazienti:
Esercizio 1 Si rilevano le variabili età, altezza e peso di 18 pazienti: N. 1 2 3 4 5 6 7 8 9 10 età 25 31 24 25 27 20 19 22 22 21 altezza 185 167 163 155 172 170 182 160 175 184 peso 73 80 60 45 73 60
DettagliSTATISTICA: esercizi svolti sulla MEDIA ARITMETICA
STATISTICA: esercizi svolti sulla MEDIA ARITMETICA 1 1 MEDIA ARITMETICA 2 1 MEDIA ARITMETICA 1. La seguente tabella riporta il numero di persone divise per sesso che si sono presentate durante l anno 1997
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Rappresentazioni grafiche Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si consideri la seguente distribuzione delle industrie tessili secondo il fatturato
Dettaglinormopeso <=25 sovrappeso 25-29.9 obesità I 30-34.9 obesità II 35-39.9 obesità III >=40
E stato condotto uno studio relativo all effetto di una dieta sul BMI Body mass index in relazione al grado di obesità in un campione di adulti maschi avente le seguenti classi normopeso
DettagliLezione 4 a - Misure di dispersione o di variabilità
Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 7 home - indice In base agli arrotondamenti effettuati nei calcoli,
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Variabili casuali Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio Determinare se le funzioni seguenti: 0.0 se x < 0. se x = g(x) = 0.5 se x = 0.7 se x = 3 se x =
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliANALISI CHIMICO FARMACEUTICA I
Prof. Gianluca Sbardella : 089 969770 : gsbardella@unisa.it L INCERTEZZA E LE CIFRE SIGNIFICATIVE Tutte le misure sono affette da un certo grado di incertezza la cui entità può dipendere sia dall operatore
DettagliTema d esame del 15/02/12
Tema d esame del 15/0/1 Volendo aprire un nuovo locale, una catena di ristoranti chiede ad un consulente di valutare la posizione geografica ideale all interno di un centro abitato. A questo scopo, avvalendosi
DettagliMISURE DI SINTESI 54
MISURE DI SINTESI 54 MISURE DESCRITTIVE DI SINTESI 1. MISURE DI TENDENZA CENTRALE 2. MISURE DI VARIABILITÀ 30 0 µ Le due distribuzioni hanno uguale tendenza centrale, ma diversa variabilità. 30 0 Le due
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra A. Di Ciaccio - McGraw Hill s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si
DettagliESERCIZI. La seguente tabella riporta la classificazione delle famiglie italiane secondo il reddito dichiarato (in milioni di lire) nel 1983:
ESERCIZI ESERCIZIO_1 La seguente tabella riporta la classificazione delle famiglie italiane secondo il reddito dichiarato (in milioni di lire) nel 1983: Reddito Numero di famiglie (in migliaia) 0 6 1.128
DettagliEsercizio 1 Questa tabella esprime i tempi di durata di 200 apparecchiature elettriche:
Istituzioni di Statistica 1 Esercizi su indici di posizione e di variabilità Esercizio 1 Questa tabella esprime i tempi di durata di 200 apparecchiature elettriche: Durata (ore) Frequenza 0 100? 100 200
DettagliIstituzioni di Statistica 1 Esercizi su strumenti grafici e funzione di frequenza relativa cumulata
Istituzioni di Statistica 1 Esercizi su strumenti grafici e funzione di frequenza relativa cumulata Esercizio 1 La seguente tabella riguarda il tempo per passare da 0 a 100 km/h di 17 automobili tedesche
DettagliMetodi e tecniche di analisi dei dati nella ricerca psico-educativa Parte III
Laboratorio Metodi e tecniche di analisi dei dati nella ricerca psico-educativa Parte III Laura Palmerio Università Tor Vergata A.A. 2005/2006 MISURAZIONE Misurare le variabili Assegnazione di valori numerici
DettagliIl Metodo Cinematico lineare, comunemente anche detto Metodo della Corrivazione, si basa su alcune considerazioni:
Teoria del metodo Cinematico Il Metodo Cinematico lineare, comunemente anche detto Metodo della Corrivazione, si basa su alcune considerazioni: - gocce di pioggia cadute contemporaneamente in punti diversi
DettagliProcedura operativa per la gestione della funzione di formazione classi prime
Procedura operativa per la gestione della funzione di formazione classi prime Questa funzione viene fornita allo scopo di effettuare la formazione delle classi prime nel rispetto dei parametri indicati
DettagliSintesi dei dati in una tabella. Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6)
Sintesi dei dati in una tabella Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6) Sintesi dei dati Spesso si vuole effettuare una sintesi dei dati per ottenere indici
DettagliSCHEDA 13A: ADEGUAMENTO DEI TRATTORI A CINGOLI MODELLO FIAT 411C E SIMILI (FIAT 451C, FIAT 455C, etc.)
SCHEDA 13A: ADEGUAMENTO DEI TRATTORI A CINGOLI MODELLO FIAT 411C E SIMILI (FIAT 451C, FIAT 455C, etc.) Il presente documento è stato realizzato nell ambito dell attività di ricerca prevista: dalla convenzione
DettagliMisure di dispersione (o di variabilità)
14/1/01 Misure di dispersione (o di variabilità) Range Distanza interquartile Deviazione standard Coefficiente di variazione Misure di dispersione 7 8 9 30 31 9 18 3 45 50 x = 9 range=31-7=4 x = 9 range=50-9=41
DettagliLavoro Quantità. si determinino prodotto marginale e medio del fattore lavoro.
Microeconomia, Esercitazione 3. A cura di Giuseppe Gori (giuseppe.gori@unibo.it) 1 Esercizi. 1.1 Produzione/1 Data una certa tecnologia di produzione definita solo nell input lavoro (o, in alternativa,
DettagliSOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale
SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale ESERCIZIO nr. 1 I Presidi delle scuole medie superiori di una certa cittá italiana hanno indetto tra gli studenti dell ultimo anno una
DettagliIncertezza di Misura: Concetti di Base
Incertezza di Misura: Concetti di Base Roberto Ottoboni Dipartimento di Elettrotecnica Politecnico di Milano 1 Il concetto di misura Nella sua accezione più comune si è sempre inteso come misura di una
DettagliEsercizi sui sistemi di equazioni lineari.
Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la
DettagliDETERMINAZIONE DEI DIAMETRI E CONTROLLO FRA LABORATORI
Gruppo Interregionale Fibre Coordinamento Tecnico Interregionale della Prevenzione nei Luoghi di Lavoro C.T.I.P.L.L. CLASSIFICAZIONE DI MMVFs DETERMINAZIONE DEI DIAMETRI E CONTROLLO FRA LABORATORI Studio
DettagliAnalisi sequenziale (rollback)
Esempio La ditta Colaco è valutata 150000 dollari. Vuole decidere se immettere nel mercato una nuova bevanda a base di latte e cioccolato, denominata Chocola. Colaco ha tre alternative Alternativa 1 effettuare
DettagliQualche esercizio di riepilogo
Anno accademico 2015-16 Corso di laurea in ECONOMIA E COMMERCIO (CLEC) Corso di STATISTICA (A-K) - (Prof. M. Gherghi ) Qualche esercizio di riepilogo Esercizio 1 Nella tabella seguente vengono riportati
DettagliPROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE
Matematica e statistica: dai dati ai modelli alle scelte wwwdimaunige/pls_statistica Responsabili scientifici MP Rogantin e E Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliALCUNI ELEMENTI DI VERIFICA DI IPOTESI STATISTICHE Vittorio Colagrande
ALCUNI ELEMENTI DI VERIFICA DI IPOTESI STATISTICHE Vittorio Colagrande Altro problema dell inferenza è quello della verifica di ipotesi: si ipotizza su una caratteristica di una popolazione oggetto di
DettagliStatistica. Esercitazione 10. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice. V.C.
uniforme Bernoulli binomiale di Esercitazione 10 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 55 Outline uniforme Bernoulli binomiale di 1 uniforme 2 Bernoulli 3 4
DettagliTempo a disposizione: 150 minuti. 1 È dato l endomorfismo f : R 3 R 3 definito dalle relazioni
Università degli Studi di Catania Anno Accademico 2014-2015 Corso di Laurea in Informatica Prova in itinere di Matematica Discreta (12 CFU) 17 Aprile 2015 Prova completa Tempo a disposizione: 150 minuti
DettagliConcetti principale della lezione precedente
Corso di Statistica medica e applicata 9 a Lezione Dott.ssa Donatella Cocca Concetti principale della lezione precedente I concetti principali che sono stati presentati sono: Variabili su scala nominale
DettagliSCHEDA N 8 DEL LABORATORIO DI FISICA
SCHEDA N 1 IL PENDOLO SEMPLICE SCHEDA N 8 DEL LABORATORIO DI FISICA Scopo dell'esperimento. Determinare il periodo di oscillazione di un pendolo semplice. Applicare le nozioni sugli errori di una grandezza
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica La distribuzione delle statistiche campionarie Teorema del limite centrale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio (Scozzafava) Una ferrovia metropolitana
DettagliStatistica. Esercitazione 16. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 16 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 24 Studio della relazione tra due variabili Commonly Asked Questions Qual è la relazione tra la spesa
Dettagli20/04/2015. Retrospettivi Caso-controllo. Prospettici Per Coorte
OSSERVAZIONALI DATI AGGREGATI DATI INDIVIDUALI ECOLOGICI TRASVERSALI ANALITICI CASO-CONTROLLO PER COORTE malattia Retrospettivi Caso-controllo studio malattia Prospettici Per Coorte Un gruppo di persone
DettagliRisoluzione dei triangoli rettangoli
Risoluzione dei triangoli rettangoli In questa dispensa esamineremo il problema della risoluzione dei triangoli rettangoli. Riprendendo la definizione di seno e coseno, mostreremo come questi si possano
DettagliGestione Stato di Famiglia
HELP DESK Nota Salvatempo 0004 MODULO PAGHE Gestione Stato di Famiglia Quando serve La gestione dello Stato di famiglia serve ai fini dell applicazione delle detrazioni d imposta per familiari a carico,
DettagliCome utilizzare i riferimenti assoluti e relativi in Microsoft Excel
Come utilizzare i riferimenti assoluti e relativi in Microsoft Excel In un foglio elettronico, le celle sono identificate mediante delle coordinate; in genere, sono utilizzate le lettere per identificare
DettagliESAME DI STATO LICEO SCIENTIFICO MATEMATICA 2011
ESAME DI STATO LICEO SCIENTIFICO MATEMATICA PROBLEMA La funzione f ( ) ( )( ) è una funzione dispari di terzo grado Intercetta l asse nei punti ;, ; e ; Risulta f per e per è invece f per e per f ' risulta
DettagliEsercitazione n. 5 di Metodologia della Ricerca Psicologica
Esercitazione n. di Metodologia della Ricerca Psicologica Quesito 1: Un ricercatore intende studiare la conoscenza e gli atteggiamenti che hanno gli operatori del diritto delle applicazioni psicogiuridiche.
DettagliEsercizio. Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a. [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m
Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m Vale la [1] perché per le proprietà delle potenze risulta a m a
DettagliLA LUNGHEZZA DEI GENI UMANI (Es4.1)
STATISTICA INFERENZIALE: le caratteristiche della popolazione complessiva sono indotte da quelle osservate su un campione estratto dalla popolazione stessa(esempio exit poll) PROBLEMA: dato un campione
DettagliTEST DI INGRESSO. Al seguente indirizzo puoi trovare il test di matematica di base per scienze biotecnologiche http://www.testingressoscienze.
TEST DI INGRESSO http://www.smfn.unipi.it/prova_ingresso/verifica2009.aspx Al precedente sito internet puoi trovare un esempio pubblico di test di matematica di base e un test di matematica di base del
Dettaglia.a Esercitazioni di Statistica Medica e Biometria Corsi di Laurea triennali Ostetricia / Infermieristica Pediatrica I anno
a.a. 2007-2008 Esercitazioni di Statistica Medica e Biometria Corsi di Laurea triennali Ostetricia / Infermieristica Pediatrica I anno Dott.ssa Daniela Alessi daniela.alessi@med.unipmn.it 1 Argomenti:
DettagliESERCIZIO SOLUZIONE. 13 Aprile 2011
ESERCIZIO Un corpo di massa m è lasciato cadere da un altezza h sull estremo libero di una molla di costante elastica in modo da provocarne la compressione. Determinare: ) la velocità del corpo all impatto
DettagliI diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito.
TEST DI AUTOVALUTAZIONE - SETTIMANA I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Si considerino gli
DettagliInterpolazione Statistica
Interpolazione Statistica Come determinare una funzione che rappresenti la relazione tra due grandezze x e y a cura di Roberto Rossi novembre 2008 Si parla di INTERPOLAZIONE quando: Note alcune coppie
DettagliESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo
ESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo 1 La seguente tabella riporta le frequenze relative riguardanti gli studenti di un università e gli esiti dell esame da essi sostenuto. Qual è la percentuale
DettagliINDICAZIONI PER LA RICERCA DEGLI ASINTOTI VERTICALI
2.13 ASINTOTI 44 Un "asintoto", per una funzione y = f( ), è una retta alla quale il grafico della funzione "si avvicina indefinitamente", "si avvicina di tanto quanto noi vogliamo", nel senso precisato
DettagliTEOREMA DEL RESTO E REGOLA DI RUFFINI
TEOREMA DEL RESTO E REGOLA DI RUFFINI ALCUNI TEOREMI IMPORTANTI Prendiamo una divisione intera tra numeri: 6 : 3 = 2. Il resto di questa divisione è 0, e questo significa che moltiplicando il quoziente
DettagliParte 6 Esercitazione sull accesso ai file
Gestione dei dati Parte 6 Esercitazione sull accesso ai file Maurizio Lenzerini, Riccardo Rosati Facoltà di Ingegneria Sapienza Università di Roma Anno Accademico 2012/2013 http://www.dis.uniroma1.it/~rosati/gd/
DettagliINDAGINE SUL CLIMA DI FIDUCIA DELLE FAMIGLIE SAMMARINESI. Indagine sul clima di fiducia delle famiglie sammarinesi 2007
REPUBBLICA DI SAN MARINO UFFICIO PROGRAMMAZIONE ECONOMICA E CENTRO ELABORAZIONE DATI E STATISTICA INDAGINE SUL CLIMA DI FIDUCIA DELLE FAMIGLIE SAMMARINESI 2007 Ufficio Programmazione Economica, Centro
DettagliDocumento non definitivo
STUDIO DI SETTORE VG52U ATTIVITÀ 82.92.10 IMBALLAGGIO E CONFEZIONAMENTO DI GENERI ALIMENTARI ATTIVITÀ 82.92.20 IMBALLAGGIO E CONFEZIONAMENTO DI GENERI NON ALIMENTARI Luglio 2012 Documento non definitivo
DettagliESERCIZI. Regressione lineare semplice CAPITOLO 12 Levine, Krehbiel, Berenson, Statistica II ed., 2006 Apogeo
Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova Docenti: Prof. L. Salmaso, Dott. L. Corain ESERCIZI Regressione lineare semplice
DettagliFluNews Rapporto Epidemiologico Settimanale
Numero 11, del 1 Febbraio 213 FluNews Rapporto Epidemiologico Settimanale Aggiornamento alla 6 settimana del 213 ( - 1 Febbraio 213) Il presente rapporto integra i risultati di differenti sistemi di sorveglianza
DettagliNUVOLA COMUNICAZIONI
NUVOLA COMUNICAZIONI Indice Del Manuale 1 - Introduzione al Manuale Operativo 2 - Come creare una comunicazione 2.1 Creare una categoria 2.2 Creare una Comunicazione 2.2.1 Come utilizzare gli editor di
Dettagli