1. Richiami di Statistica. Stefano Di Colli

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "1. Richiami di Statistica. Stefano Di Colli"

Transcript

1 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli

2 Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche del modello in esame e controllato I dati non sperimentali derivano dall osservazione del comportamento reale delle variabili di interesse, al di fuori di un contesto sperimentale 2

3 Dati: Fonti e Tipi I dati su entità diverse osservati per un solo periodo sono detti dati sezionali (cross section) I dati su una singola entità raccolti in momenti diversi scadenzati per unità temporali sono detti serie storiche (time series) I dati panel (o longitudinali) sono relativi a entità diverse e riferibili a due o più unità temporali 3

4 Definizione classica Probabilità La probabilità di un risultato è la proporzione tra il numero di casi in cui esso si verifica (favorevoli) e il totale dei casi possibili n Pr( e ) = lim e n n L insieme di tutti i casi possibili è detto spazio campionario Ω. L evento è un sottoinsieme dello spazio campionario 4

5 Definizione: Variabili casuali La Variabile Casuale (vc) è una funzione definita nello spazio campione Ω, l insieme degli eventi elementari. Essa associa ad ogni evento di Ω un numero reale L insieme dei valori che una vc può assumere in una prova specifica si dice supporto della vc Una vc può essere discreta o continua 5

6 Variabili casuali Esempio 1: La variabile casuale che descrive l esperimento lancio di un dado associa a ciascuna faccia del dado un numero intero compreso fra 1 e 6 Esempio 2: quotazione di un indice azionario. La gamma degli esiti possibili è infinita e la variabile casuale associa a ciascun risultato dell attività di contrattazione un numero reale positivo (il prezzo) 6

7 Variabili casuali discrete Una v.c. discreta è una corrispondenza tra gli eventi di Ω ed un insieme discreto (finito o numerabile) di numeri reali Una vc discreta è nota se si conoscono i valori che può assumere e le rispettive probabilità. In altre parole ne è nota la distribuzione di probabilità Condizione necessaria e sufficiente affinchè la vc sia ben definita è che le prob. p i soddisfino 1) p 0, i= 1,2,... 2) i i= 1 p i = 1 7

8 Variabili casuali continue Una vc è continua se può assumere tutti i valori in un qualsiasi intervallo reale Una vc continua è nota se, per ogni x 0 reale e prefissato, è nota la probabilità che tale vc assuma un valore in un intervallo di ampiezza infinitesima Pr( x < X x + dx) = f ( x ) dx Dove f(x) è la funzione di densità della vc continua X 8

9 Variabili casuali continue (II) Alcune proprietà della funzione di densità Pr( x1 < X x2 ) = f ( xdx ) Pr( X = x ) = Pr( x < X x ) = f ( xdx ) = x x 2 1 Condizioni necessarie e sufficienti perché una vc continua sia ben definita sono i) ( ) 0 ii) + f x f ( xdx ) = 1 x 0 x 0 9

10 Funzione di ripartizione La funzione di ripartizione è definita nello stesso modo per entrambi i tipi di vc, anche se il calcolo si sviluppa con metodi diversi La funzione di ripartizione F(x 0 ) di una vc X è definita dalle relazioni seguenti: F( x0 ) = Pr( X x0 ) = x 0 x x 0 p i f ( wdw ) 10

11 Funzione di ripartizione (II) È la distribuzione di probabilità cumulata, cioè la prob che una vc sia < o = a un certo valore La funzione di ripartizione ha le seguenti proprietà: 1) ( ) è non decrescente, cioè 2) Fx x1 < x2 F x1 F x2 lim F( x) = 0; lim F( x) = 0 x x + 3) Fx ( ) è continua da destra, cioè: 0 ( ) ( ) lim F( x) = F( x ) x x

12 Valore medio di una vc Data una vc X ben definita, il valor medio di X è dato dalle seguenti quantità: E ( X ) = + i = 1 x p Il simbolo E(X) deriva dall inglese Expectation, ad indicare che si tratta di un termine di sintesi della vc X. i i xf ( x ) dx 12

13 Valore medio di una vc (II) Si può anche definire il valore medio di una funzione di X, come X 2, X 3,, X r. In questo caso i valori E(X), E(X 2 ), E(X 3 ),, E(X r ) si chiamano momenti della vc. Proprietà: Se esiste (finito) il valore E(X r ), allora esistono anche i momenti E(X s ) per tutti i valori s r 13

14 Valore medio di una vc (III) L operatore E è lineare, cioè per ogni α e β costanti si ha E( αx+ βy ) = αe( X) + βe( Y) da cui, ponendo β = 0, si ha E(αX) = αe(x). Invece, ponendo α = 1 e β =1: E( X± Y) = E( X) ± E( Y) cioè il valor medio di una somma o di una differenza è uguale alla somma (differenza) dei valori medi 14

15 Valore medio di una vc (IV) Dato che una costante c è una vc discreta X che assume valore c con prob 1, il valor medio di una costante è E(c)=c Pr (X=c)= c 1 = c La relazione di linearità può essere generalizzata ad una successione di costanti α i e di vc X i E( α X ) = α E( X ) i i i i i= 1 i= 1 15

16 La variabile casuale scarto Se si sottrae alla vc X una costante µ = E(X), la vc che ne deriva, X µ, si definisce scarto. Il valor medio dello scarto è sempre 0 E(X µ) = E(X) E[E(X)] = 0 La distribuzione della vc scarto consente di valutare il rischio attraverso il valor medio del quadrato dello scarto E(X µ) 2 16

17 La Varianza La varianza di una vc X è data dalla quantità 2 ( x i µ ) pi 2 i= 1 = = + 2 ( ) ( ) Var ( X) E( X µ ) x µ f x dx La varianza gode di alcune proprietà i) Var (X) = 0 se e solo se Pr (X = c) = 1 ii) Var (cx) = c 2 Var (X) iii) Var(X±c) = Var (X) iv) Var(X) = E(X 2 ) [E(X)] 2 17

18 Variabili casuali standardizzate Se la vc non è degenere e possiede valor medio E(X) = µ e varianza Var(X) = E(X µ) 2 =σ 2 si può definire la vc standardizzata Z come Z X E( X ) X µ = = Var ( X ) σ dove E(Z) = 0 e Var(Z) = 1 Il coefficiente di asimmetria e di curtosi di X 3 4 X µ X µ Asym ( X) = E E Z ; Kurt X E = = = E Z σ σ 18 ( 3) ( ) ( 4)

19 La Covarianza Date due vc discrete X e Y con valori medi E(X)= µ x e E(Y)= µ y, si definisce covarianza il valore medio del prodotto degli scarti: k h, = ( ) ( )( ) x y = i x j y ij i= 1 j= 1 (, ) ( )( ) Cov X Y E X µ Y µ x µ y µ p Da cui Cov(X,Y)=E(XY)-E(X)E(Y) La covarianza misura la variazione congiunta tra le vc considerate 19

20 La Covarianza Per qualsiasi costante a, b, c, d la covarianza gode delle seguenti proprietà i) Cov(X,Y)=Cov(Y,X) ii) Cov(X,X)=Var(X) iii) Cov(a +b X, Y)=Cov(X, a +by)=b Cov(X, Y) iv) Cov(a +b X, c +dy)= bd Cov(X,Y) 20

21 La Correlazione Si prenda la covarianza tra le variabili standard., si ottiene il coefficiente di correlazione lineare di Bravais e Pearson X µ x y (, ) xy, Y µ Cov X Y Corr ( X Y) = E = = σ σx σ y Var ( X ) Var ( X ) σx σ y Tenuto della relazione tra covarianza, varianza e valori medi, si può calcolare anche come E( XY) E( X) E( Y) Corr ( X, Y) = 2 2 ( 2) [ ( )] ( 2 ) ( ) [ ] E X E X E Y E Y 21

22 La variabile casuale Normale Una vc continua si dice Normale (o Gaussiana) con parametri µ e σ 2 e si indica con N~(µ, σ 2 ) se è definita su tutto l asse reale con funz. di densità f ( x ) = 1 2 σ 2 e 1 2 ( x µ ) 2 La Normale è importante per tre motivi: i) diversi fenomeni continui seguono una normale, ii) può approssimare varie distr. discrete; iii) è alla base dell inferenza statistica σ 2 22

23 La variabile casuale Normale (II) I momenti caratteristici della Normale sono E(X)= µ ; Var(X)= σ 2 ; Asym(X)=0; Kurt(X)=3 Le principali caratteristiche sono: i) La funzione f(x) è definita su tutto l asse reale ii) È simmetrica rispetto alla media (retta x = µ) iii) Moda e mediana coincidono con il valor medio iv) Ha forma a campana v) È completamente individuata da µ e σ 23

24 La Normale standardizzata La Normale standardizzata ha la funzione di densità: φ( z ) Ha media zero e varianza unitaria 1 z 2 Si dispone di appropriate tavole statistiche che forniscono valori delle aree sotto la curva (probabilità) = 1 2 La combinazione lineare di vc Normali e indipendenti è ancora una vc normale e 2 24

25 La Chi-quadrato La somma di g vc Normali standardizzate e indipendenti al quadrato è una vc continua sul supporto (0, + ) detta Chi-quadrato X~χ 2 (g) È caratterizzata dal parametro g, detto gradi di libertà della vc Chi-quadrato La funzione di densità è asimmetrica positiva I momenti caratteristici sono E(X)=g ; Var(X)=2g; Asym(X)= 8/ g ; Kurt(X)=3+12/g 25

26 La Chi-quadrato 26

27 La F di Fisher È il rapporto tra due vc Chi-quadrato indipendenti tra loro e divise per i rispettivi gradi di libertà Se X 1 ~χ 2 (g1) e X 2 ~χ 2 (g2) sono due Chi-quadrato indipendenti si definisce vc F di Fisher, indicata da X~F (g1, g2), la vc X / g X = X / g Ha una funzione di densità asimmetrica positiva 27

28 La t di Student Se Z~N(0, 1) e indipendente da Y~χ 2 (g), allora si definisce t di Student (Y~ t (g) ) la vc X = Il quadrato di una t è una F con g 1 =1 e g 2 =2 Z Ha fd simmetrica, con media 0 e tende a una N Per valori di g piccoli è leptocurtica, il che la rende adatta a fenomeni che assumono con più frequenza valori estremi / Y g 28

29 La t di Student 29

30 Convergenza La successione di vc X n (per n =1,2, ) converge alla vc Y per n che tende a + se: Convergenza in distribuzione: la funzione di ripartizione di X n tende per n + ad approssimare la funzione di ripartizione di Y Convergenza in media quadratica: il valore medio E(X n - Y) 2 0 per n + 30

31 Legge dei grandi numeri Constatazioni sperimentali: a) Ripetendo nelle medesime condizioni un esperimento casuale, al crescere del numero delle prove la frequenza relativa di un evento tende a stabilizzarsi b) La media rilevata su un campione di osservazioni si stabilizza al crescere della dimensione campionaria convergendo verso la media della popolazione 31

32 Legge dei grandi numeri La frequenza relativa di un evento converge alla sua probabilità 32

33 Teorema del Limite Centrale Il Teorema del Limite Centrale è stato definito centrale da Polya (1920) perché vc di forma qualunque tendono a convergere verso una distribuzione centrata sulla media, la Normale Il TLC asserisce che la somma di una successione di vc iid e con varianza finita converge in distribuzione al vc Normale 33

34 Teorema del Limite Centrale Nella formulazione di Lindeberg e Lévy Se X n è una successione di vc iid co valore medio µ e varianza 0 < σ 2 < + allora la vc somma standardizzata Z n tende ad avere la stessa distribuzione della vc Normale standardizzata Z ~(0, 1) 1 n X µ S nµ n σ n σ/ n i n i= 1 d Zn = = Z N (0,1) 34

35 Variabili casuali doppie Distribuzioni congiunte: La distribuzione di probabilità congiunta di due variabili casuali discrete, X e Y, rappresenta la probabilità che tali vc assumano simultaneamente valori x e y La somma delle probabilità di tutte le possibili combinazioni (x, y) è pari a uno La distribuzione di probabilità congiunta è espressa dalla funzione Pr(X=x, Y=y) 35

36 Variabili casuali doppie Distribuzione di probabilità marginale: è la distribuzione di probabilità della singola variabile casuale Y, da distinguersi rispetto alla distribuzione congiunta di Y rispetto a X La distribuzione marginale di Y può essere calcolata a partire da quella congiunta di Y e X sommando le probabilità di tutti i possibili risultati per i quali Y assume un valore specifico l Pr( Y = y) = Pr( X = x, Y = y) i= 1 i 36

37 Variabili casuali doppie Distribuzione condizionata di Y data X: è la distribuzione di una vc Y condizionatamente al fatto che un altra vc X assuma uno specifico valore La probabilità condizionata di Y data X=x è Pr( Y = yx = x ) = Pr( X = x, Y = y ) Pr( X = x) Aspettativa condizionata di Y data X: è detta anche media condizionata di Y data X ed è la media della distribuzione condizionata di Y data X k E( Y X = x) = y Pr( Y= y, X = x) i= 1 i i 37

38 Variabili casuali doppie Legge delle aspettative iterate: E E ( Y X ) = E ( Y ) ovvero la media di Y è la media ponderata delle aspettative di Y data X, con pesi dati dalla distribuzione di probabilità di X. Se X assume l valori x 1,, x l l i= 1 ( i) E( Y ) = E Y X = x Pr( X = x ) Varianza condizionata di Y data X: è la varianza della distribuzione condizionata di Y data X k i= 1 ( ) 2 var( Y X = x) = yi E Y X = x Pr( Y = yi X = x) i 38

39 Variabili casuali doppie Indipendenza: due vc X e Y sono indipendentemente distribuite se conoscere il valore di una di esse non fornisce alcuna informazione circa l altra X e Y si dicono indipendenti se la distribuzione di Y data X è uguale alla distribuzione marginale di Y Pr( Y = y X = x) = Pr( Y = y) da cui si può affermare che la distribuzione congiunta di di due variabili casuali indipendenti è il prodotto delle loro distribuzioni marginali Pr( X = xy, = y) = Pr( X = x)pr( Y = y) 39

40 Variabili casuali doppie La distribuzione normale multivariata: la distribuzione normale può essere generalizzata per descrivere la distribuzione congiunta di un gruppo di vc Se si considerano soltanto due vc si dice normale bivariata 1) Se X e Y hanno una distribuzione normale bivariata con cov σ XY e a e b sono due costanti, allora ax+by ha una distribuzione normale ( µ, 2 ) X µ Y σx σy abσ XY ax+ by a + b a + b + 40

41 Variabili casuali doppie 2) Se un gruppo di vc ha una distribuzione normale multivariata, la distribuzione marginale di ciascuna delle variabili è normale (segue dalla 1) ponendo a =1 e b =0) 3) Se vc con distribuzione normale mulivariata hanno covarianza nulla, tali variabili sono indipendenti 41

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Valori caratteristici di distribuzioni

Valori caratteristici di distribuzioni Capitolo 3 Valori caratteristici di distribuzioni 3. Valori attesi di variabili e vettori aleatori In molti casi è possibile descrivere adeguatamente una distribuzione di probabilità con pochi valori di

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

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

Statistica Applicata all edilizia: alcune distribuzioni di probabilità Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 7 marzo 20 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana

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

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

Anno Accademico 2014-2015. Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA

Anno Accademico 2014-2015. Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA Statistica, CLEA p. 1/68 Anno Accademico 2014-2015 Corso di Laurea in Economia Aziendale Università di Bologna STATISTICA Monia Lupparelli monia.lupparelli@unibo.it http://www2.stat.unibo.it/lupparelli

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

Prelazione. Lista delle Figure. Lista delle Tabelle

Prelazione. Lista delle Figure. Lista delle Tabelle Indice Prelazione Indice Lista delle Figure Lista delle Tabelle VI IX XV XVI 1 Nozioni Introduttive 1 1.1 Inferenza Statistica 1 1.2 Campionamento 5 1.3 Statistica e Probabilità 7 1.4 Alcuni Problemi e

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni di Statistica e Statistica Economica Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo

Dettagli

STATISTICA DESCRITTIVA BIVARIATA

STATISTICA DESCRITTIVA BIVARIATA STATISTICA DESCRITTIVA BIVARIATA Si parla di Analisi Multivariata quando su ogni unità statistica, appartenente ad una determinata popolazione, si rileva un certo numero s di caratteri X 1, X 2,,X s. Si

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

1 Modelli di variabili aleatorie continue

1 Modelli di variabili aleatorie continue Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,

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

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

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

UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA. Programma del modulo di STATISTICA I (6 crediti)

UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA. Programma del modulo di STATISTICA I (6 crediti) UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA Programma del modulo di STATISTICA I (6 crediti) ECOCOM (lettere A-Lh): ECOCOM (lettere Li-Z): ECOBAN: ECOAMM (Lettere A-Lh):

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

Probabilità II Variabili casuali discrete

Probabilità II Variabili casuali discrete Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una

Dettagli

VARIABILI ALEATORIE MULTIVARIATE (vers. 1/11/2013)

VARIABILI ALEATORIE MULTIVARIATE (vers. 1/11/2013) VARIABILI ALEATORIE MULTIVARIATE (vers. 1/11/213) Daniela De Canditiis modulo di CdP di teoria dei segnali - Ingegneria dell informazione - (Sapienza - Latina) VARIABILI ALEATORIE MULTIVARIATE Molto spesso

Dettagli

Indice Prefazione xiii 1 Probabilità

Indice Prefazione xiii 1 Probabilità Prefazione xiii 1 Probabilità 1 1.1 Origini del Calcolo delle Probabilità e della Statistica 1 1.2 Eventi, stato di conoscenza, probabilità 4 1.3 Calcolo Combinatorio 11 1.3.1 Disposizioni di n elementi

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

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza. VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della

Dettagli

6. Modelli statistici: analisi della regressione lineare

6. Modelli statistici: analisi della regressione lineare BIOSTATISTICA 6. Modelli statistici: analisi della regressione lineare Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

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

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

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 17/2/215 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema di

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

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

La categoria «ES» presenta (di solito) gli stessi comandi

La categoria «ES» presenta (di solito) gli stessi comandi Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:

Dettagli

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana

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

Esercizi di Statistica

Esercizi di Statistica Esercizi di Statistica Selezione di esercizi proposti durante le esercitazioni dei corsi di Statistica tenute presso la Facoltà di Economia dell Università di Salerno Versione del 17 ottobre 2006 2 Per

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

LE VARIABILI CASUALI A 1, A 2.,..., A k., p 2.,..., p k. generati da una specifica prova sono necessari ed incompatibili:

LE VARIABILI CASUALI A 1, A 2.,..., A k., p 2.,..., p k. generati da una specifica prova sono necessari ed incompatibili: LE VARIABILI CASUALI Introduzione Data prova, ad essa risultano associati i k eventi A, A,..., A k con le relative probabilità p, p,..., p k. I k eventi A i generati da una specifica prova sono necessari

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

Coppie di variabili aleatorie. In questo capitolo il concetto di variabile aleatoria viene generalizzato al caso di una coppia.

Coppie di variabili aleatorie. In questo capitolo il concetto di variabile aleatoria viene generalizzato al caso di una coppia. Capitolo 6 Coppie di variabili aleatorie In questo capitolo il concetto di variabile aleatoria viene generalizzato al caso di una coppia di variabili aleatorie: si mostra in particolare che in questo caso

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

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

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

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Calcolo delle probabilità Il Sig. Rossi abita nella città X e lavora nella città Y, poco distante.

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

La Funzione Caratteristica di una Variabile Aleatoria

La Funzione Caratteristica di una Variabile Aleatoria La Funzione Caratteristica di una Variabile Aleatoria La funzione caratteristica Φ densità di probabilità è f + Φ ω = ω di una v.a., la cui x, è definita come: jωx f x e dx E e j ω Φ ω = 1 La Funzione

Dettagli

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri

Dettagli

2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale

2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk

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

Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo

Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo Calcolo delle Probabilità A.A. 2013/2014 Corso di Studi in Statistica per l Analisi dei dati Università degli Studi di Palermo docente Giuseppe Sanfilippo http://www.unipa.it/sanfilippo giuseppe.sanfilippo@unipa.it

Dettagli

LE FIBRE DI UNA APPLICAZIONE LINEARE

LE FIBRE DI UNA APPLICAZIONE LINEARE LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini

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

Inferenza statistica. Inferenza statistica

Inferenza statistica. Inferenza statistica Spesso l informazione a disposizione deriva da un osservazione parziale del fenomeno studiato. In questo caso lo studio di un fenomeno mira solitamente a trarre, sulla base di ciò che si è osservato, considerazioni

Dettagli

CORSO DI LAUREA IN OTTICA E OPTOMETRIA CORSO DI INFORMATICA E STATISTICA DANIELE.MONTANINO@UNISALENTO.IT

CORSO DI LAUREA IN OTTICA E OPTOMETRIA CORSO DI INFORMATICA E STATISTICA DANIELE.MONTANINO@UNISALENTO.IT CORSO DI LAUREA IN OTTICA E OPTOMETRIA CORSO DI INFORMATICA E STATISTICA DANIELE.MONTANINO@UNISALENTO.IT CONVENZIONE SULLE CIFRE SIGNIFICATIVE La convenzione usata sul troncamento delle cifre è troncare

Dettagli

Statistica descrittiva

Statistica descrittiva Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

a) Osserviamo innanzi tutto che dev essere x > 0. Pertanto il dominio è ]0, + [. b) Poniamo t = log x. Innanzi tutto si ha:

a) Osserviamo innanzi tutto che dev essere x > 0. Pertanto il dominio è ]0, + [. b) Poniamo t = log x. Innanzi tutto si ha: ESERCIZIO - Data la funzione f (x) = (log x) 6 7(log x) 5 + 2(log x) 4, si chiede di: a) calcolare il dominio di f ; ( punto) b) studiare la positività e le intersezioni con gli assi; (3 punti) c) stabilire

Dettagli

Esercizi: i rendimenti finanziari

Esercizi: i rendimenti finanziari Esercizi: i rendimenti finanziari Operazioni algebriche elementari Distribuzione e dipendenza Teoria di probabilità Selezione portafoglio p. 1/25 Esercizio I Nella tabella sottostante relativa all indice

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

Università degli Studi di Milano

Università degli Studi di Milano Università degli Studi di Milano Laurea in Scienza della Produzione e Trasformazione del Latte Note di Calcolo delle Probabilità e Statistica STEFANO FERRARI Analisi Statistica dei Dati Note di Calcolo

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

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI DI STATISTICA PER IDROLOGIA Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

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

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

Inferenza Statistica a.a. 2010/2011. Docente Dott.a Daniela Nappo daniela.nappo@unina.it

Inferenza Statistica a.a. 2010/2011. Docente Dott.a Daniela Nappo daniela.nappo@unina.it Inferenza Statistica a.a. 2010/2011 Docente Dott.a Daniela Nappo daniela.nappo@unina.it Programma del corso Richiami delle variabili casuali Richiami di inferenza (stima e stimatore, stima puntuale ed

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

Statistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.

Statistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2. Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni

Dettagli

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ Prof. Francesco Tottoli Versione 3 del 20 febbraio 2012 DEFINIZIONE È una scienza giovane e rappresenta uno strumento essenziale per la scoperta di leggi e

Dettagli

ESERCIZI DI RIEPILOGO 2. 7 jj(addi

ESERCIZI DI RIEPILOGO 2. 7 jj(addi ESERCIZI DI RIEPILOGO 2 ESERCIZIO 1 Da un comune mazzo di 52 carte francesi (13 carte per ognuno dei quattro semi: picche, cuori, fiori e quadri) viene estratta casualmente una carta. Definiti gli eventi:

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

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

PROVA DI VERIFICA DEL 24/10/2001

PROVA DI VERIFICA DEL 24/10/2001 PROVA DI VERIFICA DEL 24/10/2001 [1] Il prodotto di due numeri non nulli è maggiore di zero se: a. il loro rapporto è maggiore di zero, b. il loro rapporto è minore di zero, c. il loro rapporto è uguale

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

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

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it A.Studio dell interdipendenza tra variabili: riepilogo Concetto relativo allo studio delle relazioni tra

Dettagli

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

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k

u 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure

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

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 39 Introduzione Come si è detto,

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli

LEZIONI DI STATISTICA E CALCOLO DELLE PROBABILITA STATISTICA

LEZIONI DI STATISTICA E CALCOLO DELLE PROBABILITA STATISTICA LEZIONI DI STATISTICA E CALCOLO DELLE PROBABILITA UMBERTO MAGAGNOLI Materiale per il Corso di lezioni di STATISTICA Laurea magistrale in Matematica Facoltà di Scienze Matematiche, Fisiche e Naturali Università

Dettagli

Appunti: elementi di Probabilità

Appunti: elementi di Probabilità Università di Udine, Facoltà di Scienze della Formazione Corso di Laurea in Scienze e Tecnologie Multimediali Corso di Matematica e Statistica (Giorgio T. Bagni) Appunti: elementi di Probabilità. LA PROBABILITÀ..

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

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE STATISTICA DESCRITTIVA SCHEDA N. : REGRESSIONE LINEARE Nella Scheda precedente abbiamo visto che il coefficiente di correlazione fra due variabili quantitative X e Y fornisce informazioni sull esistenza

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Statistica. A.A. 2014/2015 CREDITI (CFU): 9 CORSO DI LAUREA IN ECONOMIA E COMMERCIO (Verona)

Statistica. A.A. 2014/2015 CREDITI (CFU): 9 CORSO DI LAUREA IN ECONOMIA E COMMERCIO (Verona) Statistica A.A. 2014/2015 CREDITI (CFU): 9 CORSO DI LAUREA IN ECONOMIA E COMMERCIO (Verona) DOCENTE: Marco Minozzo (marco.minozzo@univr.it) TELEFONO: 045-8028234 ORARIO DI RICEVIMENTO: martedì 12:00 13:00

Dettagli