I punteggi zeta e la distribuzione normale

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "I punteggi zeta e la distribuzione normale"

Transcript

1 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 confrontarli con una distribuzione di frequenza di punteggi nota oppure di un gruppo di controllo. In effetti, qualunque dato acquista molto più significato se riferito ad un insieme di misure standard oppure desunte da particolari gruppi di individui o di oggetti. Così, a esempio, se ottieni in una prova di esame un punteggio di 62 non puoi sapere se si tratta di un punteggio buono o cattivo. Può essere veramente cattivo se la maggioranza degli studenti ha preso 100. Ma potrebbe anche darsi che il tuo punteggio è il migliore fra tutti. Solo una volta definita la distribuzione dei punteggi del gruppo di riferimento, questo dato diventa per noi significativo. La tecnica statistica che ci aiuta a dare senso ai vari punteggi è quella che li trasforma in punteggi z. I punteggi zeta Un punteggio z fa riferimento alla distanza positiva o negativa che un dato punteggio ha rispetto alla media. Cosse la media della distribuzione è 50 e il tuo punteggio è 62, ciò significa che esso si trova 12 punti sopra la media. Ma ciò non è sufficiente senza avere altri elementi di riferimento Questa distanza è notevole, tenendo conto dei punteggi presi dagli altri, oppure è poco significativa? Per interpretare un punteggio è necessario collocarlo in una data posizione, cioè assegnargli un posto preciso rispetto agli altri punteggi. Per fare questo in maniera precisa una strada abbastanza agevole consiste: a) nel considerare la distanza tra il vostro punteggio e la media; dividere tale distanza per la deviazione standard. In altre parole si tratta di misurare la distanza tra il punteggio 62 quello della media 50 usando come unità di misura la deviazione standard s. Un punteggio di 20 in una distribuzione con una media di 23 può essere indicato come -3. Possiamo anche esprimere questo valore in termini di scarti quadratici medi (o deviazione standard), presi come unità di misura. Così, se lo scarto quadratico medio è 1,5, a un punteggio pari a 20 può essere assegnato il valore -3 : 1,5 = -2, che significa 2 scostamenti quadratici medi al di sotto della media. Questa procedura, cioè la divisione dello scarto dalla media per la deviazione standard o scarto quadratico medio è denominata trasformazione del punteggio in punteggio standardizzato, o punteggio zeta, z. In qualche testo di statistica viene utilizzato il simbolo x per rappresentare lo scarto (X X), possiamo anche scrivere: z = x/s. 50

2 Ogni punteggio nella distribuzione può essere così trasformato in un punteggio z, che rappresenta pertanto lo scarto di un punteggio specifico dalla media aritmetica, espresso in termini di scarto quadratico medio o deviazione standard. Nel nostro caso il punteggio era 62, la media 50, di conseguenza la distanza del punteggio dalla media era 12. Se la deviazione standard è 6 si ottiene Quindi il punteggio 62 viene trasformato in un punteggio z = 2, il che significa che esso è di 2 deviazioni standard superiore alla media. Se, invece, il punteggio fosse stato di 48, esso sarebbe risultato uguale a -2, cioè inferiore alla media di due deviazioni standard. Per comprendere meglio il significato della trasformazione z, richiamiamo alcune delle sue principali proprietà. Tutte queste proprietà sono facilmente dimostrabili. 1. La somma dei punteggi z è zero: Σ z = La media dei punteggi z è zero: 3. La somma dei quadrati dei punteggi z è N. 4. Lo scarto quadratico medio e la varianza dei punteggi z è 1. Cioè Fig Una possibile distribuzione di punteggi con media uguale a 50 è deviazione standard 6. 51

3 Vedremo meglio tra poco l'importanza della trasformazione in punteggi z. Mediante la trasformazione z otteniamo una distribuzione che conserva i suoi caratteri fondamentali, ma che può essere facilmente confrontata con altre distribuzioni trasformate nella stessa maniera. I punteggi z, a differenza dei valori originali, permettono di confrontare la posizione di un qualunque soggetto nella distribuzione di un carattere con la posizione dello stesso soggetto nella distribuzione di un altro carattere. E bene ricordare ancora che l uso dei simboli in statistica distingue tra il caso in cui si tratti di una popolazione e il caso in cui si prenda in considerazione un suo campione. Nel primo caso si usano le lettere greche per indicare la media, µ, e per indicare lo scarto quadratico medio, σ. Nel secondo caso si usano le lettere latine. Quindi, se invece che di un campione noi utilizziamo dati provenienti da una popolazione utilizzeremo una formula del tutto simile, solo che alla media del campione X sostituiremo la media della popolazione µ e al posto della deviazione standard del campione s, utilizzeremo la deviazione standard σ della popolazione campione Per comprendere meglio queste due proprietà fondamentali della trasformazione z dobbiamo approfondire il concetto di distribuzione normale standardizzata. La distribuzione normale standardizzata Nelle scienze è importante individuare un modello di riferimento che consenta un più agevole studio dei problemi posti da un insieme di fenomeni. Spesso si tratta di un modello ideale. Nella meccanica esiste, a esempio, una macchina ideale. Qualcosa di simile esiste nell informatica con il modello di elaboratore di Turing. Nel caso della statistica si ha una distribuzione ideale a cui fare riferimento sistematicamente: è la cosiddetta distribuzione normale. Essa è stata individuata la prima volta nel 1733 da A. de Moivre, nato in Francia nel 1667 e vissuto e morto in Inghilterra nel K.F.Gauss (tedesco, ) la ha ripresa nella sua teoria degli errori. Per questo spesso tale distribuzione è detta distribuzione o curva di Gauss o curva gaussiana. Si tratta di una funzione matematica che si può esprimere mediante una formula precisa, abbastanza complessa. Eccola, come informazione. Dove: f(x) è la frequenza relativa di un particolare punteggio; e è una costante dal valore di circa 2,7183, π è una costante dal valore di circa 3, 1416; X è il punteggio osservato; µ è la media della popolazione; σ 2 è la varianza della popolazione. Nel caso in cui la media dei punteggi osservati è 50 e la varianza è 36 la curva normale o gaussiana assume la forma seguente. 52

4 Il grafico di questa funzione è una curva che ha la forma di una campana. Per questo è anche chiamata curva a campana. Dal momento che nella funzione sono presenti due parametri (la media e la varianza), si tratta di una famiglia di curve a campana, che rappresentano le relative distribuzioni normali. Nel caso in cui si trasformano i punteggi osservati in punteggi z si ottiene una particolare curva che ha media uguale a 0 (µ = 0) e la varianza uguale a 1 (σ 2 = 1) ed è chiamata distribuzione normale standardizzata. La distribuzione normale standardizzata è caratterizzata dal fatto di avere media aritmetica pari a zero e scarto quadratico medio pari ed uno cioè µ = 0 e σ = 1. Inoltre, l'area totale sotto la curva è pari ed 1,00. Esiste una percentuale fissa di casi che cadono tra due ascisse sotto la curva. Quindi, prendendo pochi punti di riferimento sulla curva normale è possibile affermare quanto segue: 1. Tra la media e uno scarto quadratico medio, cioè µ + σ, cade il 34,13% di tutti i casi, sia che lo si consideri il punto corrispondente allo scarto quadratico medio al di sopra della media, che al di sotto, cioè µ ± σ. Detto in altri termini, si può scrivere che il 34,13% dell area totale sotto la curva si trova tra la media e 1 scarto quadratico medio al di sopra della medie stesse, mentre il 34, 13% dell area totale cade tra la media e -1 scarto quadratico medio. 2. Tra la media e 2 scarti quadratici medi cade i1 47,72% del casi. Essendo la curva normale una curva simmetrica, come nel caso precedente, 47,72% di tutti i casi cade tra la media e -2 scarti quadratici medi. 3. Infine tra la media e 3 scarti quadratici medi al di sopra della stessa si trova il 49,87% di tutti i casi. Analogamente il 49,87% di tutti i casi cade tra la media e -3 scarti quadratici medi. Così, per riassumere, il 99, 74% di tutti i casi cade in un intervallo dl ampiezza ±3 σ, cioè ±3 scarti quadratici medi. Queste percentuali si possono desumere graficamente dalla figura seguente. 4. Il punto della curva normale che ha ascissa di valore -σ è un punto di flesso e in quel punto la curva normale da concava diventa convessa; il punto della curva normale che ha ascissa di valore +σ è anch esso un punto di flesso e in quel punto la curva normale da convessa diventa concava. Fig Relazioni tra la distanza dalla µ in σ e densità di probabilità sottesa dalla curva (area sotto la curva compresa tra σ e +σ, tra -2σ e +2σ, tra -3σ e +3σ. 53

5 Le caratteristiche fondamentali della curva che rappresenta la distribuzione z possono essere così riassunte. 1) Se consideriamo due punteggi z l area che sta sotto la porzione di curva normale determinata da questi due punteggio è facilmente calcolabile ed è proporzionale alla percentuale di punteggi che è compresa tra di essi. Così se consideriamo il punteggio medio (z = 0) e il punteggio z = 1. La lo spazio che sta sotto la porzione di curva individuata da questi due punteggi è proporzionale al 34,13% di tutti i punteggi. 2) La forma della curva normale è a campana; essa e poi simmetrica e quindi il valore di simmetria (skew) s 3 = 0; inoltre essa è mesocurtica e la sua curtosi è s 4 = 3. 3) Trasformando i punteggi di una variabile in punteggi z, in pratica ci troviamo ed avere dei nuovi punteggi espressi in termini di una comune unità di misura. Per ogni valore della variabile X esiste sulla curva normale un corrispondente valore z tale che l area al di là del valore z sulla curva normale è uguale all area che si trova al di là del punteggio X nella distribuzione originale. Così se abbiamo una popolazione in cui µ = 30 e σ = 10, lo z corrispondente alla media µ sarà ovviamente uguale a zero e lo z corrispondente a 1 scarto quadratico medio sarà pari a 1 o a -1 a seconda che il corrispondente valore X si trovi al di sopra od al di sotto della media aritmetica. 4) Possiamo dunque calcolare la percentuale di punteggi che sta al di sopra o al di sotto di un determinato punteggio trasformando questi in punteggi z. Dal momento che esiste un proporzione precisa tra area sotto la porzione di curva normale considerata e percentuale di punteggi corrispondenti, possiamo risalire da queste ultime percentuali e quelle originali. 5) Esistono tabelle mediante le quali è possibile determinare la percentuale di area che cade tra due punti qualsiasi di una distribuzione. Ciò si può fare semplicemente leggendo i valori tabulati delle aree sotto la curva normale. Confronto tra i punteggi di test diversi Come accennato, la trasformazione dei punteggi di test differenti in punteggi z consente di confrontare tra di loro i risultati di test differenti. In generale due test si presentano spesso differentemente sia per la loro struttura (numero di questioni, punteggi assegnati, ecc.), sia perché applicati a popolazioni assai diverse tra loro. Consideriamo come esempio l applicazione di tre test: un test di matematica, un test verbale, un test di logica. Per poter confrontare i risultati ottenuti nei tre test occorre avere a disposizione uno strumento comune di confronto: si tratta proprio della distribuzione z. Trasformando tutti i punteggi originali in punteggi z si ottengono punteggi confrontabili facilmente tra loro come dimostra la figura

6 Fig Illustrazione di come i punteggi z permettono di confrontare tra di loro test che presentano differenti medie e differenti deviazioni standard. Area sotto la curva normale e stima dei punteggi La Figura 5.1 indica la percentuale di area sotto la curva normale individuata da alcuni punteggi z, in particolare +1, -1, +2, -2, +3, -3. Questi punteggi individuano a partire da 0 alcune porzioni di area comprese sotto la curva normale espresse in termini percentuali. L intera area compresa sotto la curva vale 1, in percentuale 100%; tra 0 e +1 è compreso il 34,13% dell area totale (o 0,3413); tra +1 e +2 è compreso il 13,59% (o 0,1359) dell area totale; tra +2 e +3 è compreso il 2,15% (o 0,0215) dell area totale. Lo stesso vale simmetricamente per i punteggi -1, -2, -3. La cosa più interessante è data dal fatto che è possibile calcolare per ogni punteggio la percentuale di area sotto la curva normale da questi individuata per mezzo dell utilizzazione di una apposita tabella e dell suo di un apposito programma informatico. In queste dispense si tratta della Tabella A inclusa nell Appendice e intitolata Frazioni di area sotto la curva normale. In essa a ogni valore del punteggio z (nella prima colonna, colonna A), corrisponde un valore espresso mediante un numero decimale che indica la porzione di area sotto la curva normale compreso tra la media e quel punteggio (nella seconda colonna, colonna B) e la porzione di area sotto la curva che sta oltre la curva normale, sempre espressa mediante un numero decimale (terza colonna, colonna C). Primo esempio. In un distribuzione normale di punteggi ottenuti da una popolazione in un test di intelligenza la media è uguale a 100, µ = 100, e lo scarto quadratico medio è 16, σ = 16. Se un soggetto A ha ottenuto il punteggio di 125 e un secondo soggetto B ha ottenuto 93, qual è la loro posizione percentile? In casi come questo, occorre ricorrere alla tabella A(o a dati memorizzati in un programma informatico) che riporta il corrispettivo di un punteggio z. I grafici evidenziano la situazione nel caso del soggetto A e del soggetto B: 55

7 a) b) Fig Aree sotto la curva normale per i punteggi 125 e 93. Nel caso del soggetto A (Fig.5.4 a), il suo punteggio z può essere ottenuto mediante l uso della formula precedente: ( ) : 16 = 1,56. Nella tabella A già citata si trova che il 46,06 % dell area totale cade tra la media e 1,56 volte lo scarto quadratico medio. In questo caso al disopra della media, che si riferisce al 50% dell area. In totale si ha che la posizione percentile di A è ( ,06) = 96,06. Analogo procedimento si segue nel caso del soggetto B (Fig.5.4 b); z = (93 100) : 16 = - 0,44. Al punteggio z = - 0,44 corrisponde nella tabella citata la percentuale del 33%. La posizione percentile di conseguenza è 33. Secondo esempio. Nella stessa situazione precedente, qual è la percentuale di casi che cadono tra i punteggi 88 e 120? Osservando la figura seguente si comprende che occorre sommare la percentuale di area a sinistra della media e quella alla sua destra individuate dai rispettivi punti z. Questi sono: - 0,75 e 1,25. Le corrispondenti percentuali di area sotto la curva sono 39,44% e 27,34%. Complessivamente si ha che il 66,78 % (39, ,34) dei casi cade tra i punteggi 88 e 120. Fig Area sotto la curva normale per i punteggi tra 88 e 120. Un esempio particolare. Consideriamo due batterie di cannoni: batteria A e batteria B. Un punteggio 0 indica che il colpo è andato al bersaglio; un punteggio positivo che il colpo è andato oltre il bersaglio; uno negativo che è andato prima. Ecco i risultati ottenuti. 56

8 Tab Punteggi ipotetici per le batterie A e B. La loro media è la stessa, ma la dispersione è diversa. Le due batterie hanno quindi la stessa prestazione media, ma differente dispersione e differente scarto quadratico medio. La batteria B è stata di conseguenza più precisa della batteria A. L errore della batteria A è più ampio di quello della batteria B. I punteggi T Molti testi psicologici e sociologici vengono costruiti nella prospettiva di ottenere una distribuzione rappresentata approssimativamente da quella normale standardizzata dei punteggi. Poiché non è molto conveniente, e addirittura può essere fuorviante in alcuni casi, avere a che fare con distribuzioni contenenti parecchi valori negativi, si usa trasformare i punteggi z in punteggi T mediante la semplice equazione: T = z 57

9 Questa trasformazione fornisce una media pari a 50 ed uno scarto quadratico medio pari a 10, cosicché vengono eliminati tutti i valori negativi. Va anche ricordato che spesso i ricercatori arrotondano le cifre decimali all intero più vicino in modo da eliminare i decimali stessi. I punteggi T possono essere facilmente ritrasformati in punteggi z semplicemente mediante l equazione inversa della precedente, valida nel caso di distribuzioni normali. Sintesi In questa unità abbiamo mostrato l importanza dello scarto quadratico medio per il confronto della variabilità dei punteggi in differenti distribuzioni di frequenza di una stessa variabile, nonché l interpretazione di un punteggio nell ambito di una data distribuzione ed il confronto di più punteggi relativi a più variabili. Abbiamo anche mostrato come trasformare i dati originali in dati standardizzati (trasformazione z) nel caso di curve. normali standardizzate ed infine le varie caratteristiche della curva normale standardizzata. Alcuni problemi risolti hanno mostrato possibili applicazioni della trasformazione in punteggi z di dati provenienti da distribuzioni normali. Infine abbiamo analizzato lo scarto quadratico medio in termini di stima dell errore o di stima della precisione. Abbiamo mostrato l uso delle trasformazioni T come strumento conveniente per l eliminazione di valori negativi, che risultano dalla trasformazione z. Termini da ricordare Distribuzione normale standardizzata - Distribuzione di frequenza con media 0, varianza e scarto quadratico medio uguali a 1 e area totale sotto la curva uguale a 1. Punteggio standardizzato z - Punteggio che rappresenta il rapporto tra scarto del punteggio iniziale dalla media e scarto quadratico medio e che viene assunto come nuova unità di misura. Trasformazione T - Trasformazione della distribuzione di frequenza analoga a quella z, ma con valori che sono stati resi tutti positivi. Area sotto la curva normale individuata dai punteggi z Porzione di area sotto la curva normale compresa tra la media e un determinato punteggio z. Può essere espressa in termini percentuali o mediante numeri decimali. 58

10 Esercizi 1. Trova il valore dei punteggi z o punteggi standardizzati per i seguenti punteggi grezzi, sapendo che la media della popolazione è 5,5 e la deviazione standard 1. 5, 3, 6, 7, 6, 6, 5,,5,6, 8, 7, 5, 5 2. In una classe i voti di matematica sono due: orale e scritto. I voti sono espressi in decimi. La media della classe in matematica orale è 6, mentre la deviazione standard è 2; la media della classe in matematica scritta è 5,5, mentre la deviazione standard è 3. Paolo ha ricevuto 7 nello scritto di matematica e 8 nell orale. In quale delle due prove è riuscito meglio rispetto all andamento della classe? 3. Calcola la media, il campo di variazione, la varianza e la deviazione standard dei seguenti punteggi e relative frequenze: X f Qual è la porzione di area sotto la curva normale (in %) che corrisponde a: a) µ... b) µ + σ.... c) µ + 2 σ.... d) µ + 3 σ.... e) µ σ..... f) µ - 2 σ. g) µ - 3 σ. 59

Psicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE

Psicometria (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

Dettagli

Misure della dispersione o della variabilità

Misure 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.

Dettagli

Metodi statistici per le ricerche di mercato

Metodi 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

Dettagli

Slide Cerbara parte1 5. Le distribuzioni teoriche

Slide 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

Dettagli

La distribuzione Normale. La distribuzione Normale

La 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

Dettagli

LE FUNZIONI A DUE VARIABILI

LE FUNZIONI A DUE VARIABILI Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre

Dettagli

Il concetto di valore medio in generale

Il 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

Dettagli

Probabilità 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. 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:

Dettagli

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0 Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi 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

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Un 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

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

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.

Dettagli

1. Distribuzioni campionarie

1. 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

Dettagli

Guardiamo ora però la cosa da un altro punto di vista analizzando il seguente grafico a forma di torta. La torta in 5 parti

Guardiamo ora però la cosa da un altro punto di vista analizzando il seguente grafico a forma di torta. La torta in 5 parti L EQUIVALENZA FRA I NUMERI RAZIONALI (cioè le frazioni), I NUMERI DECIMALI (quelli spesso con la virgola) ED I NUMERI PERCENTUALI (quelli col simbolo %). Ora vedremo che ogni frazione (sia propria, che

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

La distribuzione Gaussiana

La 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

Dettagli

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Stima 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

Dettagli

Metodi statistici per le ricerche di mercato

Metodi 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

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI 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

LA STATISTICA NEI TEST INVALSI

LA 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

Dettagli

( x) ( x) 0. Equazioni irrazionali

( x) ( x) 0. Equazioni irrazionali Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004 ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può

Dettagli

SPC e distribuzione normale con Access

SPC e distribuzione normale con Access SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile

Dettagli

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede

Dettagli

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

Dettagli

OCCUPATI SETTORE DI ATTIVITA' ECONOMICA

OCCUPATI 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

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

Statistica inferenziale

Statistica inferenziale Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

SISTEMI DI NUMERAZIONE E CODICI

SISTEMI DI NUMERAZIONE E CODICI SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) 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

Dettagli

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008 Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi

Dettagli

Grafici delle distribuzioni di frequenza

Grafici 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

Dettagli

RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL

RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA 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

Dettagli

Capitolo 13: L offerta dell impresa e il surplus del produttore

Capitolo 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:

Dettagli

matematica probabilmente

matematica probabilmente IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e

Dettagli

Convertitori numerici in Excel

Convertitori numerici in Excel ISTITUTO DI ISTRUZIONE SUPERIORE G. M. ANGIOY CARBONIA Convertitori numerici in Excel Prof. G. Ciaschetti Come attività di laboratorio, vogliamo realizzare dei convertitori numerici con Microsoft Excel

Dettagli

Indici di dispersione

Indici 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

Dettagli

Capitolo 12 La regressione lineare semplice

Capitolo 12 La regressione lineare semplice Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara

Dettagli

Il riduttore di focale utilizzato è il riduttore-correttore Celestron f/ 6.3.

Il riduttore di focale utilizzato è il riduttore-correttore Celestron f/ 6.3. LE FOCALI DEL C8 Di Giovanni Falcicchia Settembre 2010 Premessa (a cura del Telescope Doctor). Il Celestron C8 è uno Schmidt-Cassegrain, ovvero un telescopio composto da uno specchio primario concavo sferico

Dettagli

= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520:

= variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del 2000 = 500; PIL del 2001 = 520: Fig. 10.bis.1 Variazioni percentuali Variazione percentuale di x dalla data zero alla data uno: x1 x 0 %x = 100% x 0 = variazione diviso valore iniziale, il tutto moltiplicato per 100. \ Esempio: PIL del

Dettagli

CALCOLO COMBINATORIO

CALCOLO COMBINATORIO CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

La dissomiglianza tra due distribuzioni normali

La 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

Dettagli

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO Pasquale Iandolo Laboratorio analisi ASL 4 Chiavarese, Lavagna (GE) 42 Congresso Nazionale SIBioC Roma

Dettagli

2. Leggi finanziarie di capitalizzazione

2. 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

Dettagli

Corrispondenze e funzioni

Corrispondenze e funzioni Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei

Dettagli

ESEMPIO 1: eseguire il complemento a 10 di 765

ESEMPIO 1: eseguire il complemento a 10 di 765 COMPLEMENTO A 10 DI UN NUMERO DECIMALE Sia dato un numero N 10 in base 10 di n cifre. Il complemento a 10 di tale numero (N ) si ottiene sottraendo il numero stesso a 10 n. ESEMPIO 1: eseguire il complemento

Dettagli

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

Statistica 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

Dettagli

Le funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1

Le funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1 Le funzioni continue A. Pisani Liceo Classico Dante Alighieri A.S. -3 A. Pisani, appunti di Matematica 1 Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato

Dettagli

CAPACITÀ DI PROCESSO (PROCESS CAPABILITY)

CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il

Dettagli

Statistica. Alfonso Iodice D Enza iodicede@unina.it

Statistica. Alfonso Iodice D Enza iodicede@unina.it Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16 Outline 1 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,

Dettagli

CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI

CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita

Dettagli

Il confronto fra proporzioni

Il confronto fra proporzioni L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,

Dettagli

Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : = y

Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : = y Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : ' = y y' = Consideriamo il punto P(,5) se eseguiamo tra trasformazione

Dettagli

Metodi Matematici e Informatici per la Biologia----31 Maggio 2010

Metodi 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

Dettagli

II.f. Altre attività sull euro

II.f. Altre attività sull euro Altre attività sull euro II.f È consigliabile costruire modelli in carta o cartoncino di monete e banconote, e farli usare ai bambini in varie attività di classe fin dal primo o al più dal secondo anno.

Dettagli

Appunti sulla Macchina di Turing. Macchina di Turing

Appunti sulla Macchina di Turing. Macchina di Turing Macchina di Turing Una macchina di Turing è costituita dai seguenti elementi (vedi fig. 1): a) una unità di memoria, detta memoria esterna, consistente in un nastro illimitato in entrambi i sensi e suddiviso

Dettagli

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale)

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale) Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

Dettagli

Analisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni

Analisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni Statistica Economica Materiale didattico a cura del docente Analisi dei residui Test Esatto di Fisher Differenza fra proporzioni 1 Analisi dei residui Il test statistico ed il suo p-valore riassumono la

Dettagli

Capitolo 2. Operazione di limite

Capitolo 2. Operazione di limite Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A

Dettagli

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.

Siamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo. DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti

Dettagli

I ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale

I ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che

Dettagli

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE

LE SUCCESSIONI 1. COS E UNA SUCCESSIONE LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe

Dettagli

CONTINUITÀ E DERIVABILITÀ Esercizi risolti

CONTINUITÀ E DERIVABILITÀ Esercizi risolti CONTINUITÀ E DERIVABILITÀ Esercizi risolti. Determinare kπ/ [cos] al variare di k in Z. Ove tale ite non esista, discutere l esistenza dei iti laterali. Identificare i punti di discontinuità della funzione

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

FUNZIONE REALE DI UNA VARIABILE

FUNZIONE REALE DI UNA VARIABILE FUNZIONE REALE DI UNA VARIABILE Funzione: legge che ad ogni elemento di un insieme D (Dominio) tale che D R, fa corrispondere un elemento y R ( R = Codominio ). f : D R : f () = y ; La funzione f(): A

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

Dettagli

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.

Dettagli

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010 LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -

Dettagli

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione

Dettagli

Il significato della MEDIA e della MEDIANA in una raccolta di dati numerici

Il significato della MEDIA e della MEDIANA in una raccolta di dati numerici Il significato della MEDIA e della MEDIANA in una raccolta di dati numerici Ogni qual volta si effettua una raccolta di dati di tipo numerico è inevitabile fornirne il valore medio. Ma che cos è il valore

Dettagli

Corso di Psicometria Progredito

Corso 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

Dettagli

ELEMENTI DI DEMOGRAFIA

ELEMENTI DI DEMOGRAFIA ELEMENTI DI DEMOGRAFIA 2. Caratteristiche strutturali della popolazione Posa Donato k posa@economia.unisalento.it Maggio Sabrina k s.maggio@economia.unisalento.it UNIVERSITÀ DEL SALENTO DIP.TO DI SCIENZE

Dettagli

Statistiche campionarie

Statistiche campionarie Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle

Dettagli

8 Elementi di Statistica

8 Elementi di Statistica 8 Elementi di Statistica La conoscenza di alcuni elementi di statistica e di analisi degli errori è importante quando si vogliano realizzare delle osservazioni sperimentali significative, ed anche per

Dettagli

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................

Dettagli

Statistica descrittiva

Statistica 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

Dettagli

Informatica. Rappresentazione dei numeri Numerazione binaria

Informatica. Rappresentazione dei numeri Numerazione binaria Informatica Rappresentazione dei numeri Numerazione binaria Sistemi di numerazione Non posizionali: numerazione romana Posizionali: viene associato un peso a ciascuna posizione all interno della rappresentazione

Dettagli

24 : 3 = 8 con resto 0 26 : 4 = 6 con resto 2

24 : 3 = 8 con resto 0 26 : 4 = 6 con resto 2 Dati due numeri naturali a e b, diremo che a è divisibile per b se la divisione a : b è esatta, cioè con resto 0. In questo caso diremo anche che b è un divisore di a. 24 : 3 = 8 con resto 0 26 : 4 = 6

Dettagli

Sia data la rete di fig. 1 costituita da tre resistori,,, e da due generatori indipendenti ideali di corrente ed. Fig. 1

Sia data la rete di fig. 1 costituita da tre resistori,,, e da due generatori indipendenti ideali di corrente ed. Fig. 1 Analisi delle reti 1. Analisi nodale (metodo dei potenziali dei nodi) 1.1 Analisi nodale in assenza di generatori di tensione L'analisi nodale, detta altresì metodo dei potenziali ai nodi, è un procedimento

Dettagli

1 Serie di Taylor di una funzione

1 Serie di Taylor di una funzione Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita

Dettagli

PROGRAMMA SVOLTO NELLA SESSIONE N.

PROGRAMMA SVOLTO NELLA SESSIONE N. Università C. Cattaneo Liuc, Corso di Statistica, Sessione n. 1, 2014 Laboratorio Excel Sessione n. 1 Venerdì 031014 Gruppo PZ Lunedì 061014 Gruppo AD Martedì 071014 Gruppo EO PROGRAMMA SVOLTO NELLA SESSIONE

Dettagli

INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I

INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I CeSe.Di. - Riorientamento nel primo anno delle superiori INTERPRETAZIONE DEI RISULTATI DEL QUESTIONARIO I dati Sezione 1 - AFFERMAZIONI GENERALI (10 item): affermazioni che afferiscono alle percezioni

Dettagli

Alessandro Pellegrini

Alessandro Pellegrini Esercitazione sulle Rappresentazioni Numeriche Esistono 1 tipi di persone al mondo: quelli che conoscono il codice binario e quelli che non lo conoscono Alessandro Pellegrini Cosa studiare prima Conversione

Dettagli

Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica. Indici di Affidabilità

Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica. Indici di Affidabilità Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica Indici di Affidabilità L Attendibilità È il livello in cui una misura è libera da errore di misura È la proporzione di variabilità della misurazione

Dettagli

Anno 5 4. Funzioni reali: il dominio

Anno 5 4. Funzioni reali: il dominio Anno 5 4 Funzioni reali: il dominio 1 Introduzione In questa lezione impareremo a definire cos è una funzione reale di variabile reale e a ricercarne il dominio. Al termine di questa lezione sarai in grado

Dettagli

Valori medi e misure della tendenza centrale

Valori medi e misure della tendenza centrale TERZA UNITA Valori medi e misure della tendenza centrale Una delle maggiori cause di confusione presso l uomo della strada nonché di diffidenza verso la statistica, considerata più un arte che una scienza,

Dettagli

risulta (x) = 1 se x < 0.

risulta (x) = 1 se x < 0. Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente

Dettagli

La pista del mio studio Riflettiamo sulla pista. Guida per l insegnante

La pista del mio studio Riflettiamo sulla pista. Guida per l insegnante Riflettiamo sulla pista Guida per l insegnante Obiettivi educativi generali Compito di specificazione - possiede capacità progettuale - è in grado di organizzare il proprio tempo e di costruire piani per

Dettagli

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI

FUNZIONI 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

Dettagli