Esercizi: i rendimenti finanziari

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Esercizi: i rendimenti finanziari"

Transcript

1 Esercizi: i rendimenti finanziari Operazioni algebriche elementari Distribuzione e dipendenza Teoria di probabilità Selezione portafoglio p. 1/25

2 Esercizio I Nella tabella sottostante relativa all indice CAC40 si chiede di riempire opportunamente le celle vuote. p t a t r t s t 01/07/ /08/ /09/ /10/ Soluzione Si usano le formule inverse di definizione dei rendimenti, iniziando a ricostruire il prezzo p 2. p 2 = ( 47.45) = p 3 = e ( ) = (oppure exp( )) p 4 = ( ) = p. 2/25

3 Esercizio II Siano noti i rendimenti assoluti di un titolo. Sapendo che il rendimento relativo del 01/08/2002 è s 2 =0.0325, si ricostruisca la serie dei prezzi p t. t 01/07/ a t 01/08/ /09/ /10/ /11/ /14/ Soluzione Sapendo che a 2 = p 2 p 1 =0.387 e sapendo che s 2 = p 2 p 1 p 1 = a 2 p 1 =0.0325, si ricava che p 1 = a 2 s 2 = = Le successive relazioni sono immediate, e si ha: p 2 = p 1 + a 2 = = fino ad ottenere p 6 = p 5 + a 6 = ( 0.308) = p. 3/25

4 Esercizio III Conoscendo la serie dei rendimenti relativi s t (in %), si determini: 1) la serie dei log-rendimenti r t 2) il rendimento nell intero periodo t =0, 1,...,5. 02/14/ t s t (in %) 02/15/ /18/ /19/ /20/ /21/ Soluzione Si tenga presente che in questo esempio lavorare con i dati in % È SBAGLIATO! La relazione tra rendimenti tiene sul dato grezzo non su quello modificato per agevolare la lettura (double-check!). 1. r 1 =ln(1+s 1 )=ln( )=ln( ) = %. 2. r SETT = 5 i=1 r i = = Il titolo ha perso circa lo 0.7% nella settimana. p. 4/25

5 Esercizio IV Data la seguente serie dei prezzi del titolo Banca Agricola Mantovana: Data p t 02/14/ /15/ /18/ /19/ /20/ /21/ a) si calcoli la serie dei corrispondenti rendimenti relativi; b) si applichi la formula di aggregazione temporale più opportuna per determinare il rendimento settimanale a partire da quelli giornalieri e se ne verifichi la validità. Commentare il risultato ottenuto. p. 5/25

6 Esercizio IV - soluzione Data p t s t 1+s t 02/14/ /15/ /18/ /19/ /20/ /21/ s SETT =( ) 1= s SETT =( )/9.267 = Il titolo ha perso il 4.06 % circa nella settimana. p. 6/25

7 Esercizio V Vengono riportati i prezzi di chiusura dei titoli Fiat ed E.Biscom t Fiat E.B 02/14/ /21/ Ipotizzando di possedere un portafoglio costituito da 2500 azioni E.Biscom e da 7500 azioni Fiat: a) si determini il rendimento (relativo e logaritmico) del portafoglio nella settimana di riferimento; b) Si determini il rendimento (relativo e logaritmico) dei singoli titoli nella settimana di riferimento e si proceda all aggregazione cross-section di tali rendimenti. Si commentino i risultati ottenuti p. 7/25

8 Esercizio V - soluzione p A 0 = = p A 1 = = s A =( )/ = r A =ln(199925/220310) = a) b) s Fiat = s E.B = r Fiat = r E.B = w Fiat = w E.B = I pesi sono calcolati al tempo 0, indicando con questa espressione che Fiat pesa il 52.83% circa, dato che w Fiat = = Le verifiche cross-section sono calcolate come: r A =ln[ exp( ) exp( )] = s A = ( ) ( ) = Il portafoglio A ha perso il 9.2% (o 9.7%) nella sett. di riferimento p. 8/25

9 Esercizio VI Conoscendo la seguente serie dei rendimenti relativi in percentuale del MIB 30: a) Si determini l indice di asimmetria e si dica se la serie è simmetrica o asimmetrica con livello di significatività del 5%; b) Si calcoli l indice di curtosi e si dica se la serie ha curtosi pari a 3 oppure diversa da 3, con il medesimo livello di significatività. c) Si calcoli il test JB e si dica se si può accettare la Gaussianità della serie in esame (al 5% di significatività). DATA t r t DATA t r t 15/02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /02/ /03/ /02/ p. 9/25

10 Esercizio VI - soluzione Il fatto che i dati siano in percentuale non deve trarre in inganno. Gli indici sk e ku sono normalizzati e non risentono dell unità di misura. a-1) Questa parte della soluzione è banale e ridondante (serve a prendere pratica con la simbologia). Si devono calcolare la media e la varianza, usando la calcolatrice. r =ˆµ R = r t = 1 ( ) = t=1 t=1 ˆσ R 2 = (r t r) 2 = 1 [ ( ) ( ) 2] 11 = (da cui si ricava) Ŝd R = ˆσ R = = a-2) Per calcolare sk ˆ R si inizia considerando gli scarti dalla media al cubo (no calcolatrice, in generale) dati da 1/11 [ ( ) ( ) 3] = Quindi: ˆ sk R = = p. 10/25

11 Esercizio VI - soluzione a-3) Si formula l ipotesi nulle H 0 : sk R =0contro l alternativa bilaterale H 1 : sk R 0. Si usa il test Z sk = SK ˆ R N(0, 1) sotto H 0. La 6/T realizzazione campionaria è quindi data da z sk = /11 =1.46 (minore di 2 in modulo) Il test cade nella zona di accettazione; questo significa che il fatto di avere osservato un valore diverso da zero in ŝk R è effetto del caso. La serie r t può essere pensata come la realizzazione di un processo stazionario R t con distribuzione marginale R simmetrica. p. 11/25

12 Esercizio VI - soluzione b-1) Per calcolare ku ˆ R si inizia considerando gli scarti dalla media alla quarta (no calcolatrice, in generale) dati da 1/11 [ ( ) ( ) 4] = Quindi: ˆ ku R = = b-2) Si formula l ipotesi nulle H 0 : ku R 3=0(o H 0 : ku R =3) contro l alternativa bilaterale H 1 : ku R 3 0(o H 1 : ku R 3). Si usa il test Z ku = data da KU ˆ R 3 24/T N(0, 1) sotto H 0. La realizzazione campionaria è quindi z ku = /11 = (minore di 2 in modulo) Il test cade nella zona di accettazione di H 0 ; questo significa che il fatto di avere osservato un valore diverso da 3 in ˆku R è ancora effetto del caso. La serie r t può essere pensata come la realizzazione di un processo stazionario R t la cui distribuzione marginale R ha code Gaussiane. p. 12/25

13 Esercizio VI - soluzione c) Per calcolare il test JB abbiamo già tutto quello che serve. Ricordando che la formula del test è jb = T [ [ ] 2 skr ˆ 1 [ ] ] 2 + kur ˆ si può sostituire ciò che occorre e si ottiene jb = 11 6 [[1.0832] [ ]2 ] = Tale numero, per α =0.05, va confrontato con il 95-esimo quantile di una χ 2 2, cioè quel numero z α tale per cui P (χ 2 2 z a lpha) =0.95. Si ha che z α =5.99. Il test cade nella zona di accettazione dell ipotesi nulla, cioè si può dire che la serie è Gaussiana. N.B. La congruenza dei diversi tests non è sempre assicurata, anche se per T grande solitamente la coerenza è garantita. p. 13/25

14 Esercizio VII Nella tabella sottostante sono riportati i valori della funzione di autocorrelazione stimata su una serie storica di 300 osservazioni. Nell ultima colonna vengono riportati i percentili della distribuzione χ 2 k. k ˆρ(k) 95-esimo quant. χ 2 k ) si dica quali valori della funzioni possono essere considerati significativi ad un livello di significatività del 5%; 2) si dica se vi è autocorrelazione fino al lag 4. E fino al lag 6? (si utilizzino gli opportuni percentili contenuti nell ultima colonna della tabella). p. 14/25

15 Esercizio VII - soluzione 1) I valori-soglia del test asintotico sono calcolati tramite i valori ±1.96 (T 0.5 ). Usare 2 (più facile da ricordare) può andare bene ugualmente. Le bande sono, quindi, ±0.113, da cui emerge che i valori ai lag k =5, 6 sono significativamente diversi da 0. 2) Il valore dei test Q nei lag richiesti è, rispettivamente, [ ] q 4 = ( ) =2.692, e 296 [ q 6 = ( ) ] = Si conclude che analizzando il blocco delle prime 4 AC l ipotesi nulla H 0 : ρ(1) =...= ρ(4) = 0 non si può rifiutare (2.692 <9.49). Al contrario, dall analisi del blocco delle prime 6 AC, l ipotesi nulla H 0 : ρ(1) =...= ρ(6) = 0 non si può accettare (34.62>12.59) e quindi almeno una delle 6 AC è statisticamente diversa da zero. Sono, infatti, i valori che eccedono le bande asintotiche a gonfiare il valore di q 6. N.B. Il p-value del test per q 6 vale (distrib.chi(34.62;6) in Excel). p. 15/25

16 Esercizio VIII Sia data la serie di rendimenti relativi (in %) dell indice di borsa inglese FTSE. Si sviluppino i seguenti punti: a) rappresentazione grafica di s t e s t+2 ; b) stima di ˆρ(2) e calcolo della significatività della stima al 5%. giorni t s t 23/08/ /08/ /08/ /08/ /08/ /08/ /09/ /09/ /09/ /09/ p. 16/25

17 Esercizio VIII - soluzione a) Il grafico si ottiene associando ad ogni valore al tempo t il corrispondente valore al tempo t +2, i.e. si rappresentano le coppie della seguente tabella con grafico a dispersione, dove è del tutto arbitraria la scelta delle coordinate (x, y) in virtù della proprietà di simmetria di cui gode il coefficiente di correlazione. t s t s t st s t p. 17/25

18 Esercizio VIII - soluzione b) La stima ˆρ(2) è il coefficiente di correlazione del grafico precedente. Quindi, per la proprietà di invarianza a trasformazioni lineari di cui gode il coeff. di corr. lineare, si può SEMPRE lavorare con i dati in %. Svolgendo i calcoli si ha: s = 1/T 10 t=1 s t =1/10 ( ) = ˆγ(0) = ( ) ( ) 2 10 = ˆγ(2) = ( )( ) +...+( )( ) 10 = Da questo si deduce che ˆρ(2) = = c) In questo esempio T è piccolo, quindi le bande asintotiche sono piuttosto ampie. I limiti sono dati da ± = ±0.62. Tuttavia, impostando l ipotesi H 0 : ρ(2) = 0, si deve accettare H 1 : ρ(2) 0dato che ˆρ(2) è inferiore al valore-soglia della banda di confidenza al 95%. In termini finanziari questo significa che (in media) ogni 2 giorni è lecito attendersi una inversione di tendenza nei rendimenti. p. 18/25

19 Esercizio - distribuzione Gaussiana Sia Y una v.c. Gaussiana con densità f Y (y) = 1 2π4 e 1 2( y 5 2 ) 2. 1) Si determinino media e varianza di Y. 2) Si calcolino Pr(Y 5) e Pr(Y 3). 3) Si calcolino Pr(3 Y 7), Pr(3 Y 6) e Pr(Y > 8). 4) Sia data S N(2, 9) incorrelata con Y si dica come è distribuita la v.c. R = Y + S. p. 19/25

20 Distribuzione Gaussiana - soluzione 1) Per la definizione di densità Gaussiana si ha immediatamente che la media è µ Y =5e la varianza è σy 2 =4. Il grafico di questa distribuzione può essere tracciato in Excel usando la funzione distrib.norm. 2) Si ha Pr(Y 5) = 0.5 per simmetria intorno alla media. Per calcolare Pr(Y 3) si dovrebbe calcolare 1 3 2π4 e 1 2( x 5 2 ) 2 dx (complicato, ma fattibile con Excel). Si preferisce standardizzare per poi usare le tabelle disponibile sui testi di base. In pratica so procede come segue: ( Y 5 Pr(Y 3) = Pr(Y 5 3 5) = Pr = Pr(Z 1) definendo la v.a. Z = Y 5 2 = F Z ( 1) = L integrale nascosto in Pr(Z 1) è quello tabulato sui libri. ) N(0, 1) p. 20/25

21 Distribuzione Gaussiana - soluzione 3) Conviene sfruttare la proprietà della df (che vale sempre, non solo per le v.c. Gaussiane), tale per cui, dati 2 numeri reali a e b, con a<bsi ha Pr(a Y b) =F Y (b) F Y (a). Si tenga anche presente del teorema della probabilità contraria Pr(Y > y)=1 Pr(Y y). Nel primo caso, tuttavia, si può sfruttare la simmetria dei 2 quantili rispetto al valore medio (µ Y =5) ed osservare che, per tale simmetria, Pr(Y > 7) = Pr(Y 3), da cui si evince che Pr(3 Y 7) = 1 2Pr(Y 3) = 1 2Pr(Z 1) = p. 21/25

22 Distribuzione Gaussiana - soluzione In generale, comunque, conviene standardizzare per confrontare il valore della df normale standardizzata con quelli riportati sul libro di inferenza di base. La probabilità successiva sarà quindi ( 3 5 Pr(3 Y 6) = Pr 2 Y = Pr( 1 Z 0.5) definendo la v.a. Z = Y 5 2 = F Z (0.5) F Z ( 1) = = Infine, utilizzando il teorema della prob. contraria, ( Y 5 Pr(Y > 8) = Pr 2 > ) ) =Pr(Z>1.5) = 1 Pr(Z 1.5) = 1 F Z (1.5) = p. 22/25

23 Distribuzione Gaussiana - soluzione 4) Usando i risultati teorici riportati nelle slides è immediato osservare che R è la somma di 2 Gaussiane incorrelate (e quindi indipendenti) e sarà quindi Gaussiana con E(R) =E(Y )+E(S) =5+2=7 e Var(R) =Var(Y )+Var(S)+2Cov(Y,S)=4+9+0=13 In altri termini si avrà, R N(7, 13). p. 23/25

24 Esercizio - momenti teorici Siano date 2.v.c Y N(0, 9) e S χ 2 5 con Cor(Y,S)=0.5. 1) Determinare quale funzione f applicata a Y porta ad avere una nuova v.c. R = f(y ) tale che R χ 2 1. Qui il trucco è quello di capire se si può trovare una riparametrizzazione tale che da Y si possa arrivare ad una v.c. Gaussiana standard. Prendendo, per esempio, la v.c. 1 Y N(0, 1) (1) 3 dato che E ( 1 3 Y ) = 1 3 E(Y )=0e ( Var 1 3 Y ) = ( ) Var(Y )= 1 9 9=1. (Hint: provare, come controprova, a vedere cosa succede usando, ad esempio, la trasformazione 2+9Y ). Pertanto il quadrato della v.c. dell espressione (1) è, per definizione, una chi-quadrato. Cioè, data la v.c. iniziale Y, la v.c. definita dalla trasformazione r = f(y) =( 1 3 y)2 genera il risultato cercato, i.e. R = [ 1 3 Y ] 2 χ 2 1. p. 24/25

25 Esercizio - momenti teorici 2) Definendo W = Y + S si calcolino media e varianza di W. Sebbene il dominio delle 2 v.c. sia differente, è comunque possibile studiare la v.a. W che somma le 2 v.c. di partenza. In particolare noi ci concentreremo sui momenti della v.c. W, anziché sulla sua df (che è complicata anche dalla correlazione tra Y e S). Comunque, adottando le formula standard per il calcolo dei momenti non occorre conoscere come è distribuita W. Si osservi che E(W )=E(Y )+E(S) =0+5=5 e Var(W )=Var(Y )+Var(S)+2Cov(Y,S) resta quindi da calcolare Cov(Y,S). Ricordando che Cor(Y,S)= Cov(Y,S) Sd Y Sd S si ha Cov(Y,S)= Concludendo Var(W ) =9+10+(2 4.74) p. 25/25

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 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

1. Richiami di Statistica. Stefano Di Colli

1. Richiami di Statistica. Stefano Di Colli 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche

Dettagli

Lezione n. 2 (a cura di Chiara Rossi)

Lezione n. 2 (a cura di Chiara Rossi) Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

Analisi di dati di frequenza

Analisi di dati di frequenza Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato

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

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

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

L Analisi della Varianza ANOVA (ANalysis Of VAriance)

L Analisi della Varianza ANOVA (ANalysis Of VAriance) L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

Scheda n.5: variabili aleatorie e valori medi

Scheda n.5: variabili aleatorie e valori medi Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata

Dettagli

Problema pratico: Test statistico = regola di decisione

Problema pratico: Test statistico = regola di decisione La verifica delle ipotesi statistiche Problema pratico: Quale, tra diverse situazioni possibili, riferite alla popolazione, è quella meglio sostenuta dalle evidenze empiriche? Coerenza del risultato campionario

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

Analizza/Confronta medie. ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107. Test t. Test t. t-test test e confronto tra medie chi quadrato

Analizza/Confronta medie. ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107. Test t. Test t. t-test test e confronto tra medie chi quadrato Analizza/Confronta medie ELEMENTI DI PSICOMETRIA Esercitazione n. 7-8-9-107 t-test test e confronto tra medie chi quadrato C.d.L. Comunicazione e Psicologia a.a. 2008/09 Medie Calcola medie e altre statistiche

Dettagli

Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B

Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Laurea in Ingegneria Meccatronica A.A. 2010 2011 n-dimensionali Riepilogo. Gli esiti di un esperimento aleatorio

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

Inferenza statistica. Statistica medica 1

Inferenza statistica. Statistica medica 1 Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella

Dettagli

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi

Dettagli

Soluzioni Esercizi elementari

Soluzioni Esercizi elementari Soluzioni sercizi elementari Capitolo. carattere: itolo di Studio, carattere qualitativo ordinato modalità: Diploma, Licenza media, Laurea, Licenza elementare unità statistiche: Individui. carattere: Fatturato,

Dettagli

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice

Riassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze

Dettagli

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x

Dettagli

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

1 BREVE RIPASSO DEI TEST STATISTICI 2 I TEST STATISTICI NEI SOFTWARE ECONOMETRICI E IL P-VALUE 3 ESERCIZI DI ALLENAMENTO

1 BREVE RIPASSO DEI TEST STATISTICI 2 I TEST STATISTICI NEI SOFTWARE ECONOMETRICI E IL P-VALUE 3 ESERCIZI DI ALLENAMENTO I TEST STATISTICI E IL P-VALUE Obiettivo di questo Learning Object è ripassare la teoria ma soprattutto la pratica dei test statistici, con un attenzione particolare ai test che si usano in Econometria.

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

La logica statistica della verifica (test) delle ipotesi

La logica statistica della verifica (test) delle ipotesi La logica statistica della verifica (test) delle ipotesi Come posso confrontare diverse ipotesi? Nella statistica inferenziale classica vengono sempre confrontate due ipotesi: l ipotesi nulla e l ipotesi

Dettagli

Esplorazione dei dati

Esplorazione dei dati Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione

Dettagli

Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria

Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Standardizzazione di una variabile Standardizzare una variabile statistica

Dettagli

! Si suppone che il peso della popolazione maschile di tesserati di una certa Federazione

! Si suppone che il peso della popolazione maschile di tesserati di una certa Federazione ! Un paziente non-fumatore (e che non ha mai fumato) si presenta dal medico in quanto lamenta una forma di tosse cronica. Il paziente viene sottoposto a una biopsia al polmone. La biopsia fornisce tre

Dettagli

Brugnaro Luca Boscaro Gianni (2009) 1

Brugnaro Luca Boscaro Gianni (2009) 1 STATISTICA PER LE PROFESSIONI SANITARIE - LIVELLO BASE Brugnaro Luca Boscaro Gianni (2009) 1 Perché la statistica Prendere decisioni Bibliografia non soddisfacente Richieste nuove conoscenze Raccolta delle

Dettagli

STATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia

STATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia STATISTICA GIUSEPPE DE NICOLAO Dipartimento di Informatica e Sistemistica Università di Pavia SOMMARIO V.C. vettoriali Media e varianza campionarie Proprietà degli stimatori Intervalli di confidenza Statistica

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

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

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

CORSO DI STATISTICA ED ELEMENTI DI INFORMATICA

CORSO DI STATISTICA ED ELEMENTI DI INFORMATICA ANNO ACCADEMICO 2013-2014 UNIVERSITA DEGLI STUDI DI TERAMO FACOLTA DI MEDICINA VETERINARIA CORSO DI STATISTICA ED ELEMENTI DI INFORMATICA CFU 5 DURATA DEL CORSO : ORE 35 DOCENTE PROF. DOMENICO DI DONATO

Dettagli

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

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

11. Analisi statistica degli eventi idrologici estremi

11. Analisi statistica degli eventi idrologici estremi . Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche

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

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

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180

Dettagli

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai

Dettagli

decidiamo, sulla base di un campione, se l ipotesi formulata è plausibile oppure no.

decidiamo, sulla base di un campione, se l ipotesi formulata è plausibile oppure no. LA VERIFICA D IPOTESI Alla base dell inferenza statistica vi è l assunzione che i fenomeni collettivi possano essere descritti efficacemente mediante delle distribuzioni di probabilità. Abbiamo già considerato

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

INDICE PREFAZIONE VII

INDICE PREFAZIONE VII INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

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

Elaborazione dei dati su PC Regressione Multipla

Elaborazione dei dati su PC Regressione Multipla 21 Elaborazione dei dati su PC Regressione Multipla Analizza Regressione Statistiche Grafici Metodo di selezione Analisi dei dati 21.1 Introduzione 21.2 Regressione lineare multipla con SPSS 21.3 Regressione

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

Test non parametrici. Test non parametrici. Test non parametrici. Test non parametrici

Test non parametrici. Test non parametrici. Test non parametrici. Test non parametrici Test non parametrici Test non parametrici Il test T di Student per uno o per due campioni, il test F di Fisher per l'analisi della varianza, la correlazione, la regressione, insieme ad altri test di statistica

Dettagli

Esercitazione di riepilogo 23 Aprile 2013

Esercitazione di riepilogo 23 Aprile 2013 Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)

Dettagli

Lineamenti di econometria 2

Lineamenti di econometria 2 Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione

Dettagli

Richiami di inferenza statistica

Richiami di inferenza statistica C Richiami di inferenza statistica SOMMARIO C.1. Un campione di osservazioni C.2. Un modello econometrico C.3. Stima della media di una popolazione C.4. Stima della varianza e di altri momenti della popolazione

Dettagli

Modello di regressione lineare

Modello di regressione lineare Modello di regressione lineare a cura di Giordano dott. Enrico enrico.giordano@meliorbanca.com Nel presente lavoro viene descritto in modo dettagliato (attraverso anche un impatto visivo), l analisi di

Dettagli

è decidere sulla verità o falsità

è decidere sulla verità o falsità I test di ipotesi I test di ipotesi Il test delle ipotesi consente di verificare se, e in quale misura, una determinata ipotesi (di carattere sociale, biologico, medico, economico, ecc.) è supportata dall

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

AEX. Statistica dei mercati monetari e finanziari. k 2. Order book. Giovanni De Luca A.A. 2007/2008

AEX. Statistica dei mercati monetari e finanziari. k 2. Order book. Giovanni De Luca A.A. 2007/2008 Giovanni De Luca Statistica dei mercati monetari e finanziari A.A. 2007/2008 10 8 6 4 2 0 0.05 0 200 400 600 0 10 20 30 0.5 SP500 15 vs 0.4 0.3 0.2 k 2 Σ ρk i=1 AEX 0.15 0.1 0.05 0 20 25 Order book Statistica

Dettagli

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007 Esercitazione I 7/4/007 In una scatola contenente 0 pezzi di un articolo elettronico risultano essere difettosi. Si estraggono a caso due pezzi, uno alla volta senza reimmissione. Quale è la probabilità

Dettagli

STATISTICA DESCRITTIVA UNIVARIATA

STATISTICA DESCRITTIVA UNIVARIATA Capitolo zero: STATISTICA DESCRITTIVA UNIVARIATA La STATISTICA è la scienza che si occupa di fenomeni collettivi che richiedono lo studio di un grande numero di dati. Il termine STATISTICA deriva dalla

Dettagli

STATISTICA INFERENZIALE

STATISTICA INFERENZIALE STATISTICA INFERENZIALE Premessa importante: si ipotizza che il comportamento della popolazione rispetto ad una variabile casuale X viene descritto attraverso una funzione parametrica di probabilità p

Dettagli

ESERCITAZIONE (7-11-13) Ing. Stefano Botelli

ESERCITAZIONE (7-11-13) Ing. Stefano Botelli FONDAMENTI di AUTOMATICA ESERCITAZIONE (7-11-13) Ing. Stefano Botelli NB in presenza di matrici 3x3 bisogna intuire che esiste un metodo risolutivo particolare perchè non verrà mai richiesto a lezione

Dettagli

i=1 Y i, dove Y i, i = 1,, n sono indipendenti e somiglianti e con la stessa distribuzione di Y.

i=1 Y i, dove Y i, i = 1,, n sono indipendenti e somiglianti e con la stessa distribuzione di Y. Lezione n. 5 5.1 Grafici e distribuzioni Esempio 5.1 Legame tra Weibull ed esponenziale; TLC per v.a. esponenziali Supponiamo che X Weibull(α, β). (i) Si consideri la distribuzione di Y = X β. (ii) Fissato

Dettagli

Excel Terza parte. Excel 2003

Excel Terza parte. Excel 2003 Excel Terza parte Excel 2003 TABELLA PIVOT Selezioniamo tutti i dati (con le relative etichette) Dati Rapporto tabella pivot e grafico pivot Fine 2 La tabella pivot viene messa di default in una pagina

Dettagli

STATISTICA DESCRITTIVA. Le misure di tendenza centrale

STATISTICA DESCRITTIVA. Le misure di tendenza centrale STATISTICA DESCRITTIVA Le misure di tendenza centrale 1 OBIETTIVO Individuare un indice che rappresenti significativamente un insieme di dati statistici. 2 Esempio Nella tabella seguente sono riportati

Dettagli

CENNI DI METODI STATISTICI

CENNI DI METODI STATISTICI Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento

Dettagli

Capitolo 11 Test chi-quadro

Capitolo 11 Test chi-quadro Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova

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

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

ANALISI DI CORRELAZIONE

ANALISI DI CORRELAZIONE ANALISI DI CORRELAZIONE Esempio: Dati raccolti da n = 129 studenti di Pavia (A.A. 21/2) Altezza (cm) Peso (Kg) Voto Algebra e Geometria Voto Fisica I Valutare la correlazione delle seguenti coppie: Peso

Dettagli

VARIABILI ALEATORIE E VALORE ATTESO

VARIABILI ALEATORIE E VALORE ATTESO VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della

Dettagli

LEZIONE n. 5 (a cura di Antonio Di Marco)

LEZIONE n. 5 (a cura di Antonio Di Marco) LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,

Dettagli

ELEMENTI DI CALCOLO DELLE PROBABILITA

ELEMENTI DI CALCOLO DELLE PROBABILITA Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica

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

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

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

Regressione Lineare con un Singolo Regressore

Regressione Lineare con un Singolo Regressore Regressione Lineare con un Singolo Regressore Quali sono gli effetti dell introduzione di pene severe per gli automobilisti ubriachi? Quali sono gli effetti della riduzione della dimensione delle classi

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato

Dettagli

A.1 Rappresentazione geometrica dei segnali

A.1 Rappresentazione geometrica dei segnali Appendice A Rappresentazione dei segnali A.1 Rappresentazione geometrica dei segnali Scomporre una generica forma d onda s(t) in somma di opportune funzioni base è operazione assai comune, particolarmente

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

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

1. Exponential smoothing. Metodi quantitativi per i mercati finanziari. Capitolo 5 Analisi dei prezzi. Consideriamo la media mobile esponenziale

1. Exponential smoothing. Metodi quantitativi per i mercati finanziari. Capitolo 5 Analisi dei prezzi. Consideriamo la media mobile esponenziale 1. Exponential smoothing Consideriamo la media mobile esponenziale Metodi quantitativi per i mercati finanziari XMA t = (1 α)xma t 1 + αp t come previsione del prezzo al tempo T + 1 sulla base dell insieme

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

UNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA

UNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA Seconda Lezione DISTRIBUZIONE DI FREQUENZA Frequenza assoluta: è il numero puro di casi per quella modalità Frequenze relative: sono il rapporto tra la frequenza assoluta con cui si manifesta una modalità

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 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

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

Esercitazione n.2 Inferenza su medie

Esercitazione n.2 Inferenza su medie Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

In un sistema (economico) un ampia varietà di eventi incerti possono determinare la ricchezza di uno o più individui del sistema.

In un sistema (economico) un ampia varietà di eventi incerti possono determinare la ricchezza di uno o più individui del sistema. Rischio In un sistema economico) un ampia varietà di eventi incerti possono determinare la ricchezza di uno o più individui del sistema. Alcuni esempi rappresentativi: - il verificarsi di un terremoto

Dettagli

Controllo Statistico della Qualità. Qualità come primo obiettivo dell azienda produttrice di beni

Controllo Statistico della Qualità. Qualità come primo obiettivo dell azienda produttrice di beni Controllo Statistico della Qualità Qualità come primo obiettivo dell azienda produttrice di beni Qualità come costante aderenza del prodotto alle specifiche tecniche Qualità come controllo e riduzione

Dettagli

l insieme delle misure effettuate costituisce il campione statistico

l insieme delle misure effettuate costituisce il campione statistico Statistica negli esperimenti reali si effettuano sempre un numero finito di misure, ( spesso molto limitato ) l insieme delle misure effettuate costituisce il campione statistico Statistica descrittiva

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

CORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL TEMPO

CORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL TEMPO CORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL EMPO ing Emanuele Zappa SEGNALI: grandezze di base nel dominio del tempo: Ampiezza picco-picco (pk.pk) Ampiezza massima positiva empo Ampiezza massima

Dettagli

Esercitazione Statistica Computazionale B Modelli di regressione lineare semplice Verifica di ipotesi - Analisi della varianza

Esercitazione Statistica Computazionale B Modelli di regressione lineare semplice Verifica di ipotesi - Analisi della varianza Esercitazione Statistica Computazionale B Modelli di regressione lineare semplice Verifica di ipotesi - Analisi della varianza 3 maggio 2005 Esercizio 1 Consideriamo l esempio del libro di testo Annette

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