TRACCIA DI STUDIO. Insiemistica. Operazioni tra insiemi
|
|
- Fiora Romeo
- 6 anni fa
- Visualizzazioni
Transcript
1 TRACCIA DI STUDIO Raramente un evento si verifica con certezza o è impossibile: in genere, esiste un incertezza sul risultato in quanto legato anche all effetto del caso. Lo strumento idoneo allo studio e alla previsione dei fenomeni casuali o aleatori è rappresentato dalla teoria della probabilità. Insiemistica. Operazioni tra insiemi Il formalismo delle probabilità si richiama al concetto di insieme inteso come una collezione di elementi aventi in comune una o più caratteristiche. Un insieme può essere finito, infinito o vuoto a seconda del numero di elementi che racchiude e si rappresenta graficamente con figure geometriche mediante un diagramma di Venn. Ogni insieme può contemplare sottoinsiemi e tutti appartengono a un insieme generale che è l insieme universo o spazio campione. Con più insiemi, attraverso diverse operazioni, si possono formare particolari insiemi: unione (costituito da tutti gli elementi che appartengono ad almeno uno degli insiemi di partenza); intersezione (gli elementi devono appartenere contemporaneamente a tutti gli insiemi coinvolti nell operazione); sottrazione (comprende tutti gli elementi di un insieme con l esclusione di quelli che appartengono agli insiemi da sottrarre); prodotto (contempla le coppie di elementi derivate da tutte le possibili associazioni di ciascun elemento di un insieme con ciascun elemento dell altro). Teoria e calcolo delle probabilità La probabilità rappresenta il tentativo di quantificare la capacità di manifestarsi di un fenomeno o evento (intesa come risultato favorevole o successo dell evento). Il verificarsi di un evento semplice esclude qualsiasi altro risultato di uno stesso spazio campione: gli eventi semplici sono quindi tra loro incompatibili, o mutuamente esclusivi, ed esaustivi perché esauriscono tutto lo spazio campione. La teoria della probabilità si basa sulla frequenza relativa di successi dell evento considerato e quindi viene espressa in valori relativi o percentuali: la probabilità zero si riferisce all evento impossibile e la probabilità uno (o cento) all evento certo. Associando a ciascun evento la probabilità di successo, la somma delle probabilità di tutti gli eventi di uno spazio campione corrisponde a uno. Gli eventi composti contemplano l associazione di più eventi semplici; il calcolo delle loro probabilità segue due regole fondamentali: principio della somma: la probabilità di più eventi mutuamente esclusivi si ricava come somma delle singole probabilità (si basa sul concetto di unione di insiemi); principio del prodotto: la probabilità di eventi che si devono verificare tutti (in contemporaneità o in successione) si ottiene come prodotto delle singole probabilità (si basa sul concetto di intersezione di insiemi). Occorre inoltre distinguere tra: probabilità indipendenti: il risultato di un evento non coinvolge il risultato di un altro evento (gli eventi sono tra loro indipendenti); probabilità condizionate: il risultato di un evento modifica lo spazio campione dei risultati e quindi la probabilità di successo di altri eventi (gli eventi sono tra loro dipendenti). Il principio del prodotto permette anche di verificare se due eventi siano tra loro indipendenti. Distribuzioni di probabilità L insieme delle probabilità di tutti i possibili risultati di un evento composto, basato sulle ripetizioni (o prove) indipendenti di un evento semplice, rappresenta una distribuzione di probabilità. Le principali distribuzioni sono: per variabili casuali discrete: distribuzione binomiale. In questo caso, un singolo evento può avere solo due risposte (successo/insuccesso, sì/no, sano/malato). Tale distribuzione è definita dalla probabilità di successo del singolo evento semplice e dal numero di prove effettuate; essa tende a diventare simmetrica all aumentare del numero delle prove; distribuzione di Poisson. Consiste in una semplificazione della binomiale quando la probabilità di successo dell evento semplice è molto bassa e il numero di prove elevato. È sufficiente la media per definirla;
2 per variabili casuali continue: distribuzione gaussiana. Si tratta di un caso limite della binomiale, che per un numero teoricamente infinito di prove diventa continua. Di elezione per molte variabili biologiche quantitative, è definita da media e deviazione standard (o varianza); la distribuzione presenta una forma a campana simmetrica intorno alla media con media, moda e mediana coincidenti. Permette di stabilire la probabilità di riscontrare valori entro un determinato intervallo, ma i calcoli risultano complessi; distribuzione z (gaussiana standardizzata). Qualsiasi gaussiana può essere convertita, mediante una semplice trasformazione di variabile, in un unica distribuzione adimensionale con media zero e deviazione standard (e varianza) uno. Di questa distribuzione esistono tabelle predisposte che permettono, con semplici calcoli, di stabilire la probabilità di osservare casualmente valori entro un intervallo prescelto. In particolare, si considerano due intervalli importanti sotto l aspetto statistico: il 95% dei valori della distribuzione sono compresi tra 1.96z e 1.96z, e il 99% tra,58z e,58z. ESERCIZI 1. Sotto l aspetto probabilistico, come si possono definire gli eventi sano e malato?. Due eventi sono indipendenti quando si escludono a vicenda. Vero? 3. Gli eventi sesso e gruppo sanguigno 0 sono eventi indipendenti. Vero o falso? 4. In un indagine tra il personale sanitario, i dipendenti di sesso femminile sono stati classificati secondo lo stato civile (C coniugata e N non coniugata, separata, vedova) e il titolo di studio (0 licenza media inferiore, 1 licenza media superiore, diploma professionale, 3 laurea, 4 laurea e specializzazione). Definire lo spazio campione per la scelta a caso di una dipendente tra: a) tutti i soggetti di sesso femminile; b) tutte le dipendenti non coniugate; c) tutte le dipendenti almeno laureate. 5. In un reparto ospedaliero, sono ricoverati 39 pazienti (R): 19 con la patologia M 1, 3 con la patologia M e 8 con entrambe. Quanti sono i ricoverati per altre patologie e qual è la probabilità di selezionarne casualmente uno? 6. Una scatola contiene palline bianche e 5 palline gialle. Si estrae a caso una pallina e, al suo posto, viene messa nella scatola una pallina dell altro colore. Le palline vengono rimescolate e un altra pallina viene estratta a caso. Calcolare la probabilità che essa sia bianca.. In una classe formata da 15 maschi e 9 femmine vengono scelti a caso 4 studenti per essere interrogati. Qual è la probabilità che i primi tre siano maschi e il quarto femmina? 8. Un urna contiene 3 palline bianche, 4 nere e 13 gialle. Estraendone a caso simultaneamente, calcolare la probabilità che siano entrambe dello stesso colore. 9. In tabella sono stati organizzati i dati riferiti a quante volte in un anno sono state ricoverate 650 persone.
3 N. ricoveri N. individui % Totale Calcolare la probabilità che un individuo scelto a caso sia stato ricoverato: a) o 3 volte; b) un numero pari di volte; c) meno di 3 o almeno. 10. Dimostrare che i possibili risultati della somma ottenuta dal lancio di due dadi non sono equiprobabili. 11. Si lancia quattro volte di seguito una moneta. a) Qual è la probabilità di ottenere testa solamente al primo lancio? b) Qual è la probabilità di ottenere almeno tre teste? c) Come possiamo definire l insieme delle probabilità dei possibili risultati del lancio? d) Quante teste ci possiamo aspettare? 1. Qual è la probabilità che un individuo, estratto a caso da una popolazione con peso medio kg e deviazione standard 5 kg, pesi tra 60 e 80 kg? 13. Per quali valori una distribuzione gaussiana raggiunge l asse delle ascisse? 14. Usando la tabella della distribuzione gaussiana standardizzata, calcolare l area inferiore a, superiore a 1 e compresa tra 3 e 3. Quale significato è possibile attribuire ai valori trovati? RISPOSTE 1. Sano e malato sono modalità della mutabile qualitativa stato di salute. Si tratta di eventi semplici, mutuamente esclusivi ed esaustivi perché insieme esauriscono lo spazio campione.. È falso. Non si deve confondere il concetto di indipendenza con quello di mutua esclusività. Due eventi sono indipendenti quando il verificarsi di uno non influenza la probabilità di verificarsi dell altro: il risultato di un test diagnostico di un paziente non può influenzare il risultato del test di un altro paziente; sono mutuamente esclusivi quando un evento esclude la possibilità che si verifichi l altro: il risultato positivo di un test esclude il risultato negativo (indipendentemente dalla correttezza della refertazione). 3. Vero. Si presume che il sesso non influenzi il gruppo sanguigno di un soggetto. Sesso e gruppo sanguigno 0 danno luogo a eventi composti con le intersezioni (M 0) e (F 0), mutuamente esclusive, come spazio campione. L indipendenza tra le due variabili è verificata se P(0) P(M 0) e di conseguenza P(0) P(F 0), cioè se la percentuale generale di soggetti con gruppo 0 è la stessa di quella presentata dai soli maschi e dalle sole femmine.
4 4. La soluzione più semplice si ottiene facendo riferimento al prodotto degli insiemi stato civile e titolo di studio riferito alle sole femmine. Nel quadro che si ottiene, vengono evidenziati gli spazi campione da utilizzare per le scelte. Da notare che si tratta di situazioni condizionate che riducono lo spazio campione: infatti, a) è condizionata dal sesso, b) dallo stato civile e c) dal titolo di studio. Stato civile C N a C0 C1 C C3 C4 c b N0 N1 N N3 N Titolo di studio 5. Problemi di questo tipo sono in genere semplificati utilizzando una soluzione grafica (diagramma di Venn). Dopo aver definito nel diagramma tutti i possibili sottoinsiemi, si inseriscono i valori numerici corrispondenti, seguendo una successione logica determinata dalle informazioni che di volta in volta diventano attribuibili senza ambiguità. In questo caso, un dato iniziale sicuro è rappresentato dal sottoinsieme dei pazienti con entrambe le patologie M 1 M 8, un secondo si ricava dal fatto che gli individui affetti solo dalla patologia M 1 devono essere M 1 \M e, analogamente, gli affetti solo da M risultano M \M La rappresentazione completa del diagramma di Venn è: Ω = R = 39 M 1 = 19 M = 3 M 1 \ M = 11 M 1 M = 8 M \ M 1 = 15 M 1 M = 5 Si perviene alla risposta al primo quesito: M 1 M R(M 1 M ) 39 ( ) 5. Dal momento che una probabilità è assimilabile al successo, al verificarsi cioè dell evento considerato, rispetto a tutti i risultati possibili: P M 1 M M 1 M % 9 Il procedimento di calcolo appare utile soprattutto in riferimento a situazioni più complesse. 6. Alla prima estrazione, le probabilità di scelta sono P(B 1 ) e P(G 1) 5. Per la seconda estrazione, viene modificato lo spazio campione, quindi la seconda è condizionata dalla prima: se la prima volta è stata estratta una pallina bianca, lo spazio campione sarà diventato di una bianca e sei gialle, quindi: P(B B 1 ) 1. Nel caso di una prima estrazione gialla, il nuovo spazio campione sarà composto da tre
5 bianche e quattro gialle, e di conseguenza P(B G 1 ) 3. Poiché estrarre alla prima una bianca o una gialla sono eventi mutuamente esclusivi e interessa la loro unione, si applica il principio della somma. La probabilità complessiva di estrarre una pallina bianca alla seconda estrazione sarà quindi: P(B ) P(B 1 B ) P(G 1 B ) P(B 1 ) P(B B 1 ) P(G 1 ) P(B G 1 ) % Le probabilità di partenza sono: P(M) e P(F) 3 ; le successive sono invece condizionate dal fatto che uno studente già interrogato non lo sarà una seconda volta nella stessa giornata, quin di viene modificato lo spazio campione. La successione obbligata delle scelte prevede una intersezione di risultati, per cui occorre applicare il principio del prodotto: P(M 1 M M 3 F 4 ) P(M 1 ) P(M M 1 ) P(M 3 M M 1 ) P(F 4 M 3 M M 1 ) % Lo spazio campione è costituito da 0 palline e le probabilità iniziali sono P(B), P(N) 0 0, P(G) L estrazione di una seconda pallina determina una variazione dello spazio campione (simultaneità non significa che viene rimessa nell urna la prima pallina). P(B N G) P(B) P(N) P(G) P(B 1 ) P(B B 1 ) P(N 1 ) P(N N 1 ) P(G 1 ) P(G G 1 ) % Le percentuali della tabella vengono assimilate a probabilità: a) P( 3) P() P(3) % b) P( 4 6 8) P() P(4) P(6) P(8) % c) P(< 3 ) P(1) P() P() P(8) P(9) % Per non introdurre errori di arrotondamento, i calcoli si potevano fare partendo dalle frequenze assolute. Per la risposta c) il valore infatti risulta, più correttamente: P(< 3 ) P(1) P() P() P(8) P(9) 56.8%. 650
6 10. Per definire lo spazio campione dei risultati, si può ricorrere a un prodotto di insiemi: dado dado Da cui risulta che: P(), P(3),, P() ,, P(1) 1. I risultati sono mutuamente 36 esclusivi ed esaustivi, ma non equiprobabili. 11. a) P(T) P(T) 1, quindi P(T 1 T T 3 T 4 ) P(T 1 T T 3 T 4 ) P(T 1 ) P(T ) P(T 3 ) P(T 4 ) b) P(almeno 3T) P(3T o4t) P(3T 4T) P(3T) P(4T). Si può verificare empiricamente (non avendo conoscenze del calcolo combinatorio) che, nei quattro lanci, tre teste si possono ottenere in quattro modi diversi (T 1 T T 3 T, 4 T 1 T T T 3 4, T 1 T T 3 T 4 et T 1 T 3 T 4 ) e quattro teste in un modo solo, per cui P(3T 4T) P(3T) P(4T) % c) Si tratta di una distribuzione di probabilità per dati qualitativi dicotomici: è una distribuzione binomiale. d) Il risultato atteso di teste è la media della distribuzione x Np 4 1, alla quale si associa una variabilità s N p q La variabile è quantitativa e continua, per cui si fa riferimento alla distribuzione gaussiana standardizzata. Occorre calcolare la porzione di area compresa tra 60 e 80 kg ai cui valori corrispondono rispettivamenti i valori z 60 (60 5 ) kg kg 0.48 e z (80 ) kg Un grafico della gaussiana con evidenziata la porzione di area che interessa favorisce i calcoli successivi, evitando errori. Facendo riferi- 5 kg mento alla tabella della distribuzione z, si rileva che la probabilità esterna a z 0.48 (nell uso della ta-
7 bella si considera il valore assoluto) nelle due code è L area di interesse tra 0.48 e 0 risulta quindi Con analogo procedimento, si calcola la porzione di area tra 0 e 0.3 e, con la somma delle due aree, si perviene alla probabilità richiesta: P(60 kg < peso < 80kg) P(z 60 < z < z 80 ) P( 0.48 < z < 0) P(0 < z < 0.3) %. Si poteva pervenire allo stesso risultato considerando P(z 60 < z < z 80 ) P(z > 0.48) P(z > 0.3) o, in alternativa, P(z 60 < z < z 80 ) P(z < 0.3) P(z < 0.48) kg z 13. Non lo raggiunge mai. Allontanandosi dalla media, tende asintoticamente all asse (si avvicina sempre di più senza arrivare a toccarlo). In questo modo, la curva comprende qualsiasi valore, anche infinitamente piccolo o grande, e quindi il 100% delle misure teoriche. 14. Per z, l area nelle due code è 0.046; interessa solo la coda di sinistra, per cui si dimezza e diventa Con analogo ragionamento, l area superiore a 1 risulta L area esterna a z 3 (in valore assoluto e quindi nelle due code) è 0.003; la porzione di area interna risulta I valori trovati corrispondono alle probabilità di riscontrare casualmente una misura entro o oltre gli intervalli desiderati. Si possono riferire a misure espresse con qualsiasi scala quantitativa purché seguano una distribuzione gaussiana. Possiamo dire che la probabilità di osservare una misura inferiore a µ σ è il.3%, superiore a µ σ è circa il 16%, compresa tra µ 3σ e µ 3σ risulta il 99.%.
3.1 La probabilità: eventi e variabili casuali
Capitolo 3 Elementi di teoria della probabilità Abbiamo già notato come, per la ineliminabile presenza degli errori di misura, quello che otteniamo come risultato della stima del valore di una grandezza
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliTRACCIA DI STUDIO. Indici di dispersione assoluta per misure quantitative
TRACCIA DI STUDIO Un indice di tendenza centrale non è sufficiente a descrivere completamente un fenomeno. Gli indici di dispersione assolvono il compito di rappresentare la capacità di un fenomeno a manifestarsi
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliIntroduzione al Calcolo delle Probabilità
Introduzione al Calcolo delle Probabilità In tutti quei casi in cui le manifestazioni di un fenomeno (EVENTI) non possono essere determinate a priori in modo univoco, e i risultati possono essere oggetto
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliLezione 3 Calcolo delle probabilità
Lezione 3 Calcolo delle probabilità Definizione di probabilità La probabilità è lo studio degli esperimenti casuali e non deterministici Se lanciamo un dado sappiamo che cadrà ma non è certo che esca il
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
DettagliEsercizi su variabili aleatorie discrete
Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare
Dettagli1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3.
Corso di Laurea INTERFACOLTÀ - Esercitazione di Statistica n 6 ESERCIZIO 1: 1. Descrivere gli spazi campionari dei seguenti esperimenti casuali: 1. lancio di un dado 2. lancio di due dadi 3. lancio di
DettagliNOZIONI DI CALCOLO DELLE PROBABILITÀ
NOZIONI DI CALCOLO DELLE PROBABILITÀ ESPERIMENTO CASUALE: un esperimento si dice casuale quando gli esiti (manifestazioni o eventi) non possono essere previsti con certezza. PROVA: le ripetizioni, o occasioni
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 1 Abbiamo visto: Definizioni di statistica, statistica inferenziale, probabilità (interpretazione
DettagliCompiti tematici dai capitoli 2,3,4
Compiti tematici dai capitoli 2,3,4 a cura di Giovanni M. Marchetti 2016 ver. 0.8 1. In un indagine recente, i rispondenti sono stati classificati rispetto al sesso, lo stato civile e l area geografica
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliC.I. di Metodologia clinica
C.I. di Metodologia clinica Modulo 5. I metodi per la sintesi e la comunicazione delle informazioni sulla salute Quali errori influenzano le stime? L errore casuale I metodi per la produzione delle informazioni
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliStatistica. Lezione 4
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela
DettagliProbabilità e Distribuzione Normale Lezione 3
Last updated April 26, 2016 Probabilità e Distribuzione Normale Lezione 3 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Statistica=scienza dell incertezza
DettagliLA DISTRIBUZIONE NORMALE (Vittorio Colagrande)
LA DISTRIBUZIONE NORMALE (Vittorio Colagrande) Allo scopo di interpolare un istogramma di un carattere statistico X con una funzione continua (di densità), si può far ricorso nell analisi statistica alla
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliMATEMATICA. a.a. 2014/15
MATEMATICA a.a. 2014/15 5. Introduzione alla probabilità: Definizioni di probabilità. Evento, prova, esperimento. Eventi indipendenti e incompatibili. Probabilità condizionata. Teorema di Bayes CONCETTI
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
DettagliΨ PSICOMETRIA. Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE
Ψ PSICOMETRIA Corso di laurea triennale (classe 34) STATISTICA INFERENZIALE STATISTICA INFERENZIALE CAMPIONE caratteristiche conosciute POPOLAZIONE caratteristiche sconosciute STATISTICA INFERENZIALE STIMA
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliScopo del Corso: Lezione 1. La Probabilità. Organizzazione del Corso e argomenti trattati: Prerequisiti:
Lezione 1 La Probabilità Scopo del Corso: Introduzione alla probabilità e alle procedure di inferenza statistica Introduzione ad alcune importanti tecniche di analisi multivariata dei dati Organizzazione
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 3
Sperimentazioni di Fisica I mod. A Statistica - Lezione 3 A Garfagnini, M Mazzocco, C Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Teoria della Probabilità L ineliminabile
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliCorso di Statistica. Distribuzioni di probabilità per variabili casuali discrete. Prof.ssa T. Laureti a.a
Corso di Statistica Distribuzioni di probabilità per variabili casuali discrete Prof.ssa T. Laureti a.a. 2013-2014 1 Variabili casuale di Bernoulli La v.c. di Bernoulli trae origine da una prova nella
DettagliEsercizi sulle distribuzioni di probabilità.
Esercizi sulle distribuzioni di probabilità. - Quali sono i tre presupposti per poter applicare correttamente il modello di distribuzione binomiale? o i risultati possibili sono due eventi complementari
DettagliVedi: Probabilità e cenni di statistica
Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità
DettagliESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE
ESERCIZI SU EVENTI E VARIABILI ALEATORIE DISCRETE Docente titolare: Irene Crimaldi 26 novembre 2009 Es.1 Supponendo che la probabilità di nascita maschile e femminile sia la stessa, calcolare la probabilità
DettagliPROBABILITA. DEFINIZIONE: Ogni singolo risultato di un esperimento casuale si chiama evento elementare
PROBABILITA La teoria della probabilità si applica ad esperimenti aleatori o casuali: ossia, esperimenti il cui risultato non è prevedibile a priori. Ad esempio, lancio di un dado, lancio di una moneta,
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)
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
DettagliCalcolo delle probabilità
Calcolo delle probabilità Definizione di Spazio Campionario Definizioni di Probabilità Eventi mutuamente esclusivi Eventi indipendenti Principio della somma Principio del prodotto Eventi certi : è certo
DettagliLa PROBABILITA è un numero che si associa ad un evento E ed esprime il grado di aspettativa circa il suo verificarsi.
La maggior parte dei fenomeni, ai quali assistiamo quotidianamente, può manifestarsi in vari modi, ma è quasi sempre impossibile stabilire a priori quale di essi si presenterà ogni volta. La PROBABILITA
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 05-6 P.Baldi Lista di esercizi, 8 gennaio 06. Esercizio Si sa che in una schedina
DettagliCalcolo delle Probabilità Soluzioni 1. Spazio campionario ed eventi
ISTITUZIONI DI STATISTICA A. A. 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
DettagliÈ l insieme di tutti i possibili esiti di un esperimento aleatorio; si indica generalmente con il simbolo.
A Ripasso Terminologia DOMADE Spazio campionario Evento Evento certo Evento elementare Evento impossibile Evento unione Evento intersezione Eventi incompatibili Evento contrario RISPOSTE È l insieme di
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Elementi di calcolo delle probabilità CdL Infermieristica Pediatrica ed
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
Dettagli3) In una distribuzione di frequenza si può ottenere più di una moda Vero Falso
CLM C Verifica in itinere statistica medica 13-01-2014 1) Indicate a quale categoria (Qualitativa, qualitativa ordinabile, quantitativa discreta, quantitativa continua) appartengono le seguenti variabili:
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
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
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliCalcolo della probabilità
Calcolo della probabilità GLI EVENTI Un evento è un fatto che può accadere o non accadere. Se esso avviene con certezza si dice evento certo, mentre se non può mai accadere si dice evento impossibile.
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
DettagliSOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 1 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA 1 Esercizio 0.1 Dato P (A) = 0.5 e P (A B) = 0.6, determinare P (B) nei casi in cui: a] A e B sono incompatibili; b] A e B sono indipendenti;
DettagliVARIABILI ALEATORIE Una moneta equilibrata viene lanciata più volte. Qual è la probabilità che al 6 lancio:
VARIABILI ALEATORIE. Una moneta equilibrata viene lanciata più volte. Qual è la probabilità che al lancio: a) si abbia testa per la prima volta? b) Si sia avuto testa almeno una volta? c) Si sia avuta
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
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 / 51 Introduzione Il Calcolo delle
DettagliCompiti tematici capp. 5,6
Compiti tematici capp. 5,6 a cura di Giovanni M. Marchetti 2016 ver. 0.6 Indice Esercizi dai compiti a casa (HW..................................... 8 1. Se X e Y sono due variabili casuali independenti,
DettagliDistribuzione Gaussiana - Facciamo un riassunto -
Distribuzione Gaussiana - Facciamo un riassunto - Nell ipotesi che i dati si distribuiscano seguendo una curva Gaussiana è possibile dare un carattere predittivo alla deviazione standard La prossima misura
DettagliCALCOLO DELLE PROBABILITA
CALCOLO DELLE PROBABILITA Italo Nofroni Statistica medica - Facoltà di Medicina Sapienza - Roma Nella ricerca scientifica, così come nella vita, trionfa l incertezza Chi guiderà il prossimo governo? Quanto
DettagliISTOGRAMMI E DISTRIBUZIONI:
ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Il modello binomiale Da studi interni è noto che il 35% dei clienti del Supermercato GD paga
DettagliLa variabilità. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione [1/2] Gli indici di variabilità consentono di riassumere le principali caratteristiche di una distribuzione (assieme alle medie) Le
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliProva d'esame di Statistica I - Corso Prof.ssa S. Terzi
Prova d'esame di Statistica I - Corso Prof.ssa S. Terzi Esercizio 1 Data la variabile casuale X con funzione di densità f(x) = 2x, per 0 x 1; f(x) = 0 per x [0, 1], determinare: a) P( - 0,5 < X< 0,7) b)
DettagliMetodi quantitativi per i mercati finanziari
Metodi quantitativi per i mercati finanziari Esercizi di probabilità Spazi di probabilità Ex. 1 Sia Ω = {1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}. Siano A e B sottoinsiemi di Ω tali che A = {numeri pari},
DettagliCALCOLO delle PROBABILITA
Eventi certi : è certo che si verifichino es. il prossimo mese sarà luglio, domani sorgerà il sole Eventi probabili: non è certo che si verifichino es. domani pioverà? Quanti giorni di ricovero avrà quel
DettagliLe variabili casuali o aleatorie
Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore
DettagliSoluzioni degli esercizi proposti
Soluzioni degli esercizi proposti.9 a La cardinalità dell insieme dei numeri,..., 0 n che sono multipli di 5 è 0n 5. Dunque, poiché siamo in una condizione di equiprobabilità, la probabilità richiesta
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliCALCOLO DELLE PROBABILITA' risultato non può essere previsto con certezza ogni risultato possibile di un esperimento
CALCOLO DELLE PROBABILITA' Esperimento o prova Evento Spazio Campionario (Ω) una qualsiasi operazione il cui risultato non può essere previsto con certezza ogni risultato possibile di un esperimento insieme
DettagliEsercizi svolti di statistica. Gianpaolo Gabutti
Esercizi svolti di statistica Gianpaolo Gabutti (gabuttig@hotmail.com) 1 Introduzione Questo breve documento contiene lo svolgimento di alcuni esercizi di statistica da me svolti durante la preparazione
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliCalcolo delle probabilità
Calcolo delle probabilità Definizione di Spazio Campionario Definizione di Probabilità Eventi mutuamente esclusivi Eventi indipendenti Pricipio della somma Principio del prodotto Eventi certi : è certo
Dettagli{ } corrisponde all uscita della faccia i-esima del dado. La distribuzione di probabilità associata ( )
Università di Trento - Corsi di Laurea in Ingegneria Civile e in Ingegneria per l Ambiente e il Territorio - 2017/18 Analisi Matematica 1 - professore Alberto Valli 2 foglio di esercizi 25 settembre 2017
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliEsercitazione 7 del corso di Statistica (parte 1)
Esercitazione 7 del corso di Statistica (parte 1) Dott.ssa Paola Costantini 5 Marzo 011 Esercizio 1 Sullo spazio campionario: = 1,,,, 5,, 7,,, considerando l esperimento casuale estrazione di un numero,
DettagliProbabilità delle cause:
Probabilità delle cause: Probabilità condizionata 2 Teorema delle probabilità composte A B) A) B/A) 3 Teorema delle probabilità totali B )! 4 Teorema delle probabilità delle cause n i A! B ) A / B ) B
DettagliVariabile Casuale Normale
Variabile Casuale Normale Variabile Casuale Normale o Gaussiana E una variabile casuale continua che assume tutti i numeri reali, è definita dalla seguente funzione di densità: 1 f( x) = e σ 2 π ( x µ
DettagliLa SCALA di Probabilità varia tra 0.00 e 1.00.
CHE COS E LA PROBABILITA La probabilità è la MISURA dell incertezza di un evento, cioè come noi classifichiamo gli eventi rispetto alla loro incertezza. La SCALA di Probabilità varia tra 0.00 e 1.00. 0.00
DettagliCENNI DI CALCOLO DELLE PROBABILITÀ (Vittorio Colagrande)
CENNI DI CALCOLO DELLE PROBABILITÀ (Vittorio Colagrande) Il Calcolo delle Probabilità trova molte applicazioni in Medicina, Biologia e nelle Scienze sociali. Si possono formulare in modo più appropriato
DettagliEsperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità
Esperimentazioni di Fisica 1 Elementi di Calcolo delle Probabilità Università Roma Tre - Dipartimento di Matematica e Fisica 3 novembre 2016 Introduzione La probabilità nel linguaggio comune I E probabile
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 2010-11 P.Baldi Lista di esercizi 3. Corso di Laurea in Biotecnologie Esercizio 1 Una v.a. X segue una legge N(2, ). Calcolare a1) P(X 1) a2) P(2
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliCampionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1
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:
DettagliSTATISTICA 1 ESERCITAZIONE 8
STATISTICA 1 ESERCITAZIONE 8 Dott. Giuseppe Pandolfo 18 Novembre 2013 CALCOLO DELLE PROBABILITA Elementi del calcolo delle probabilità: 1) Esperimento: fenomeno caratterizzato da incertezza 2) Evento:
Dettaglip. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30 P50 29/01 14:30 Laboratorio (via Loredan) 03/02 14:30 P50 05/02 14:30 P50
p. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30 P50 29/01 14:30 Laboratorio (via Loredan) 03/02 14:30 P50 05/02 14:30 P50 p. 1/2 INFORMAZIONI Prossime lezioni Giorno Ora Dove 27/01 14:30
DettagliTeorema del Limite Centrale
Teorema del Limite Centrale Problema. Determinare come la media campionaria x e la deviazione standard campionaria s misurano la media µ e la deviazione standard σ della popolazione. È data una popolazione
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? Esempio Gioco la schedina mettendo
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA La distribuzione di probabilità e un modello matematico, uno schema di riferimento, che ha caratteristiche note e che può essere utilizzato per rispondere a delle domande derivate
DettagliProva scritta di STATISTICA. CDL Biotecnologie. (Programma di Massimo Cristallo - A)
Prova scritta di STATISTICA CDL Biotecnologie (Programma di Massimo Cristallo - A) 1. Un associazione di consumatori, allo scopo di esaminare la qualità di tre diverse marche di batterie per automobili,
Dettagli