5. Statistica bivariata - Correlazione e regressione
|
|
- Violetta Viviani
- 6 anni fa
- Visualizzazioni
Transcript
1 Strumeti matematici per la statistica descrittiva Gli strumeti matematici, che sarao illustrati, cosetoo di effettuare l elaborazioe dei dati: questa fase dell idagie statistica, cosiste ella trasformazioe dei dati grezzi rilevati, i uovi dati, ricavati matematicamete, dotati della proprietà di essere sitetici, idicativi ed iterpretabili ai fii della scoperta delle leggi che regolao il feomeo i oggetto. Questo metodo di idagie scietifica, che è caratteristico delle disciplie sperimetali, è il metodo iduttivo: co tale metodo si passa dal particolare all uiversale; ifatti, dall osservazioe di alcui fatti particolari, si giuge a formulare ua regola, o legge, uiversale, cioè valida per tutti gli altri fatti aaloghi, ma o osservati direttamete. 1. Idici di posizioe cetrale o medie 1.1 Media aritmetica 1.2 Media geometrica 1.3 Media quadratica 1.4 Media armoica 1.5 Moda 1.6 Mediaa 2. Idici di dispersioe o di variabilità 2.1 Rage o campo di variazioe 2.2 Scarto semplice medio 2.3 Scarto quadratico medio 2.4 La distribuzioe ormale 2.5 Idici relativi di variabilità 3. Rapporti statistici (umeri idici) 4. Metodo dei miimi quadrati - iterpolazioe 5. Statistica bivariata - Correlazioe e regressioe 1
2 1. Idici di posizioe cetrale o medie Defiizioe: u valore medio di u isieme di dati umerici {x 1, x 2,., x } è u particolare umero, risultato di ua opportua operazioe-fuzioe f(x 1,x 2,.,x ), che, da solo, è capace di rappresetare siteticamete l itero isieme dei predetti dati e che, per scopi prefissati, è ad esso sostituibile, cioè è quel umero che sostituito alle x i lascia ivarito il risultato operato dalla f. Gli idici di posizioe cetrale o medie assumoo sempre u valore (umero) compreso tra il miimo ed il massimo dei dati csiderati: mi{x i } umero Max{x i } 1.1 Media aritmetica Si defiisce media aritmetica di più umeri, quel valore che sostituito ai dati, lascia ivariata la loro somma. La media aritmetica (semplice) dell isieme di dati umerici {x 1,x 2,.,x } è: µ= x 1+x 2 +.+x x i = Esempio - Calcola la media aritmetica µ dei dati riportati ella seguete tabella: Disciplie Voti di Masssimo Ita. 7 Lat. 6 Igl. Fra. Sto. Fil. 7 Sci. 7 Mat. 6 Fis. 6 Ed.A. Ed.F 9 µ= F 7, 27 La media aritmetica poderata dell isieme di dati umerici {x 1,x 2,.,x }, aveti ciascuo il corrispodete peso {p 1,p 2,.,p } è: µ= x 1 p 1 +x 2 p 2 +.+x p x = i p i p 1 +p 2 +.+p p i Esempio - Calcola la media aritmetica poderata µ dei dati riportati ella seguete tabella: verifiche di Mat. Voti di Masssimo Peso dei voti 1^ 7 1 2^ 6 0,7 3^ 0,5 4^ 1 µ= ,7+ 0, ,3 1+0,7+0,5+1+0,3 5^ 9 0,3 F 7, 31 2
3 Defiizioe: le differeze(x 1 µ),(x 2 µ),,(x µ) tra ciascu dato e la media aritmetica si chiamao scarti semplici degli x i da µ. La somma degli scarti è ulla: (x 1 µ)+(x 2 µ)+...+(x µ)= Proprietà (x 1 µ)=0 La relazioe si dimostra e si comprede facilmete, ifatti gli scarti positivi e quelli egativi si eutralizzao a viceda. Se su ciascuo degli valori {x 1,x 2,,x } si opera la trasformazioe y i = ax i +b (a e b R) si ottiee µ y =aµ+b 1.2 Media geometrica Si defiisce media geometrica di più umeri, quel valore che sostituito ai dati, lascia ivariato il loro prodotto. Si utilizza la media geometrica quado ha seso moltiplicare fra loro i dati ststistici, per esempio ella ricerca del taso medio ella capitalizzazioe composta o quado, i geerale, i dati variao i progressioe geometrica. La media geometrica (semplice) dell isieme di dati umerici {x 1,x 2,,x } è: x G = x 1 x 2 x Esempio - Nel 2010 u bee costava C 1 =2000 euro; el 2011 si è registrato u aumeto del 10%, che porta al costo C 2 ; el 2012 u ulteriore aumeto del 15%, che porta al costo C 3 e el 2013 u aumeto del 9%, che porta al costo C 4 (aumeti sempre riferiti all ao precedete). Calcolare il costo C 4 di quel bee el 2013 e l aumeto medio auo i% (media degli aumeti i 1 %=10%, i 2 %=15%, i 3 %=9%): C 2 =C 1 +C 1 0,1=C 1 (1+0,1)=C 1 1,1; C 3 =C 2 1, 15; C 4 =C 3 1, 09 quidi C 4 =2000 1,1 1, 15 1, 09 = 2757,70; Per determiare l aumeto medio auo i si deve risolvere l equazioe 2000(1+i) 3 = 2757, 70 (dalla legge della capitalizzazioe composta) ,1 1, 15 1, 09 1+i= = 3 1,1 1, 15 1, 09=1, 113 i=0, 113, i%=11,3% 2000 Pertato l aumeto medio auo è stato dell 11,3%. 3
4 Osservo che 3 1,1 1, 15 1, 09 è la media geometrica di (1+i 1 ), (1+ i 2 ), (1+ i 3 ). La media geometrica poderata dell isieme di dati umerici {x 1,x 2,.,x }, aveti ciascuo il corrispodete peso {p 1,p 2,,p } è: N p x G = x 1 p1 x 2 p2 x con = p i Proprietà La media geometrica (semplice o poderata)di umeri positivi coicide co la media aritmetica (semplice o poderata) degli logaritmi dei sigoli umeri: Logx G = logx 1+logx 2 +.+logx La media geometrica delle poteze{x 1 h,x 2 h,,x h } è (x G ) h. 1.3 Media quadratica Si defiisce media quadratica di più umeri, quel valore che sostituito ai dati, lascia ivariata la somma dei loro quadrati. Si usa quado ha iteresse calcolare u valore medio di superfici. La media quadratica (semplice) dell isieme di dati umerici {x 1,x 2,.,x } è: x Q = x 1 2 +x x x i = Esempio - Si hao tre quadrati di lamiera di uguale spessore co i lati di 11 cm, 7 cm e 19 cm. Calcolare il lato l di tre quadrati uguali fra loro i modo che la superficie totale sia ivariata: l 2 +l 2 +l 2 = l= = 13, 30 cm 3 La media quadratica poderata dell isieme di dati umerici{x 1,x 2,.,x }, aveti ciascuo il corrispodete peso {p 1,p 2,.,p } è: x Q = x 2 p 1 1 +x 22 p 2 + +x 2 p x i2 p i = p i p i 1.4 Media armoica 4
5 Si defiisce media armoica di più umeri, quel valore che sostituito ai dati, lascia ivariata la somma dei reciproci. Si applica quado ha seso calcolare il reciproco dei dati, per es (velocità media, resisteze i parallelo, capacità i serie, potere di acquisto medio di ua moeta...). La media armoica (semplice) dell isieme di dati umerici {x 1,x 2,.,x } è: x A = = x 1 x 2 x 1 x i La media armoica poderata dell isieme di dati umerici {x 1,x 2,.,x }, aveti ciascuo il corrispodete peso {p 1,p 2,.,p } è: p i x A = p 1 + p p p i = p i x 1 x 2 x x i Esempio 1 - U automobilista ha percorso 150 km alla velocità di 75 km/h, poi 270 km alla velocità di 90km/h ed ifie 400 km alla velocitò di 0 km/h. Calcolare la velocità media v: v= = 20 = 2 km/h Esempio 2 - La formula per la capacità C equivalete a quella di codesatori C 1, C 2,..., C collegati i serie è: C= C= C 1 C 2 C C 1 C 2 C quidi la capacità equivalete è la media armoica delle capacità. Proprietà La somma degli scarti dei sigoli valori dalla media armoica è ulla. Osservazioe: per u isieme di dati umerici positivi {x 1, x 2,., x }, vale la seguete relazioe: x A x G µ x Q 5
6 1.5 La moda Defiizioe: si dice moda o valore ormale di ua distribuzioe di frequeze, la modalità o il valore della variabile al quale corrispode la massima frequeza. Ua distribuzioe statistica può avere più mode o ache essua: La distribuzioe 1,2,2,2,3,5,5 ha moda 2 La distribuzioe 1,2,2,2,3,5,5,5 ha moda 2 e 5 La distribuzioe 1,1,2,2,3,3,5,5 o ha moda perchè essu termie ha frequeza maggiore di altri. Esempio - Dalla seguete tabella si evice che la moda della variabile spesa è 2500 euro. N. famiglie Spesa per ferie (euro) La mediaa Defiizioe: data ua successioe di valori x 1,x 2,,x, ordiati i seso o decrescete, si dice mediaa il valore che bipartisce la successioe, ossia il valore o iferiore a metà dei valori e o superiotre all altra metà. Esempi - Trovare la mediaa per le segueti distribuzioi :. dispari di dati 5, 7, 11, 13, 15 mediaa 11. pari di dati 5, 7, 11, 13, 15, 17 mediaa = Idici di dispersioe o di variabilità La varabilità è l attitudie che la gradezza i oggetto ha di assumere valori più o meo diversi fra loro. I pratica, dopo aver calcolato uo o più valori medi, i dati rilevati si possoo presetare i modo più o meo disperso attoro a tali valori medi, quidi si cerca di evideziare e descrivere i modo sitetico tale dispersioe mediate oppurtui idici. Esempio - Aalizziamo i dati riportati ella seguete tabella: voti elle prove scritte di matematica di tre allievi Filippo Ilaria Pietro
7 Grafici delle frequeze dei voti: Si ota che, a parità di media aritmetica (µ=6), le tre successioi di voti presetao ua misura diversa della variabilità - dispersioe attoro a tale valore medio: i voti di Filippo soo quelli meo dispersi, metre i voti di Pietro soo i più dispersi o a variabilità più alta. Poichè essuo dei valori medi è i grado di dare iformazioi sulla misura della variabilità dei dati, è ecessario itrodurre idici appropriati, detti idici di dispersioe o di variabilità. 2.1 Rage o campo di variazioe (d) Def.: il campo di variazioe d è dato dalla differeza tra il dato massimo ed il dato miimo; tale dato equivale al miimo itervallo che cotiee tutti i dati. d=max{x i } mi{x i } 7
8 Esempio: il campo di variazioe dei voti - di Filippo è d = 7-5 = 2, - di Ilaria è d = - 4 = 4, - di Pietro è d = 9-3 = Scarto semplice medio (S) Def.: lo scarto semplice medio S è uguale alla media aritmetica, semplice o poderata, dei valori assoluti degli scarti di ciascu dato x i dalla media aritmetica µ. S= x1 µ + x2 µ +.+ x µ x i µ cioè S= S= x i µ p i p i (media poderata) Osservazioe: si dimostra e si comprede facilmete che (x i µ) =0. Esempio: lo scarto semplice medio dei voti - di Filippo è S = di Ilaria è S = di Pietro è S = Itepretazioe dei risultati: mediamete i voti = 2 4 = 1 2 = 0,5 = 6 4 = 3 2 = 1,5 = 10 4 = 5 2 =2,5. - di Filippo si discostao dalla media (6) di ua frazioe pari a 1/2 di voto, - di Ilaria si discostao dalla media di ua frazioe pari a 3/2 di voto, - di Pietro si discostao dalla media di ua frazioe pari a 5/2 di voto, quidi i voti di di Pietro, discostadosi dalla media del 6, mediamete di 2,5, presetao u grado di variabilità maggiore (soo più dispersi) di quelli di Ilaria e di Filippo. I voti di Filippo soo i meo dispersi. 2.3 Variaza e scarto quadratico medio (σ 2,σ)
9 Def.: la variaza σ 2 è la media aritmetica, semplice o poderata, dei quadrati degli scarti. σ 2 = (x1 µ)2 +(x2 µ) 2 +.+(x µ) 2 cioè σ 2 (x i µ) 2 = σ 2 (x i µ) 2 p i = (media poderata) p i Osservazioe: si dimostra facilmete che σ 2 =µ x 2 µ 2 ifatti, idicado co µ x 2 la media aritmetica degli x 2 i : σ 2 = (x i µ) 2 2 = x i 2µ x i +µ 2 =µ x 2 2µ 2 +µ 2 =µ x 2 µ 2. Quidi la variaza è uguale alla differeza fra la media aritmetica semplice o poderata dei quadrati dei termii e il quadrato della media. Def.: lo scarto quadratico medio σ (deviazioe stadard) è la radice quadratata della variaza, cioè la media quadratica, semplice o poderata, degli scarti dei valori dalla media aritmetica. σ= (x1 µ)2 +(x2 µ) 2 +.+(x µ) 2 cioè σ= (x i µ) 2 σ= (x i µ) 2 p i p i (media poderata) Esempio : cique successive rilevazioi della temperatura di ua giorata hao forito il seguete isieme di dati: x 0 C , determiare: a) la media aritmetica µ ; b) il campo di variazioe d; c) lo scarto semplice medio S; d) lo scarto quadratico medio σ. Per rispodere ai quesiti coviee compilare la seguete tabella: 9
10 dati x scarti x-µ val. ass. scarti x-µ scarti al quadrato (x-µ) µ=24,4-6,4-2,4-0,4 +3,6 +5,6 (x µ)=0 6,4 2,4 0,4 3,6 5,6 x µ =1,4 40,96 5,76 0,16 12,96 31,36 (x µ) 2 = 91, 20 quidi, ecco le risposte: a) µ=24,4-24,4 0 C è la temperatura media della giorata; b) d=x max x mi = 30-1= C è il campo di variazioe (escursioe termica); c) S= 1,4 =3, 6-3, 6 0 C è di quato le temperature rilevate si discostao 5 mediamete dal loro valor medio 24,4 0 C; 91, 20 d) σ= =4, 27-4, 27 0 C è u altro idice di variabilità che dice, co 5 risultato diverso, di quato le temperature rilevate si discostao mediamete dal loro valor medio. Osservazioi sull importaza dello scarto quadratico medio: Lo scarto quadratico medio σ (deviazioe stadard, scarto tipico) è il più importate tra tutti gli idici di variabilità, preferibile al campo di variazioe d, perchè troppo grossolao, e allo scarto semplice medio S, perchè σ: a) è più sesibile di S, dimostradosi capace di percepire più itesamete ache lievissimi mutameti della variabilità; b) è maggiore di S, cosicchè cosete di evideziare meglio ache le più piccole differeze delle variabilità allorchè si cofrotao due isiemi di dati statistici; c) è molto importate per lo studio di quella otevole distribuzioe di frequeze che è la distribuzioe ormale. Osservazioe geerale: gli idici di dispersioe soo ivariati per traslazioe, cioè data la serie di valori x 1, x 2,..., x il rage d, lo scarto semplice medio S e lo scarto quadratico medio σ, rimagoo ivariati per la uova serie (traslata di h) x 1 +h, x 2 +h,..., x +h. 2.4 La distribuzioe ormale 10
11 Esempio di distribuzioe di frequeze di tipo ormale. Aalizzare il grafico della distribuzioe delle frequeze dei segueti dati (risultato di u test d igresso, assegato ad u campioe casuale di 100 studeti iscritti al 1 ao di Igegeria): voti frequeze Istogramma corrispodete alla tabella: aalisi del grafico: media (µ= = 6), moda e mediaa coicidoo 100 e valgoo 6; il grafico è a forma di campaa; la maggior parte dei voti è addesata elle viciaze della media. Perchè il termie ormale Tutte le volte che ua distribuzioe di frequeze porta ad ua situazioe simile a quella presetata ell esempio, si dice che essa è ua distribuzioe ormale, perchè la sua rappresetazioe grafica tede al grafico (campaa perfetta) della fuzioe ormale di Gauss, i grado di descrivere molti feomei el campo della fisica, della medicia-biologia, della sociologia, della psicologia, che si distribuiscoo ormalmete co frequeze più elevate ei valori cetrali e co frequeze progressivamete miori verso gli estremi della variabile. E detta ache curva degli errori accidetali i quato, soprattutto elle disciplie fisiche, la distribuzioe degli errori commessi el misurare ripetutamete ua stessa gradezza, è molto bee approssimata da questa curva. Fuzioe ormale di Gauss: 11
12 y= 1 σ 2π e (x µ)2 2σ 2 Caratteristiche della curva di Gauss (gaussiaa) a) è simmetrica rispetto al valore medio µ; b) media, moda e mediaa coicidoo; c) è asitotica, co asitoto la retta y=0 ( lim f(x)=0) ; x ± d) è crescete per x<µ, decrescete per x>µ ; e) preseta due puti di flesso per x=µ±σ ; f) l area sotto la curva vale 1, essedo 1 la probabilità che si verifichi u valore x ell itervallo ]- ;+ [; g) posizioe, forma e distribuzioe delle frequeze soo caratterizzate da µ e σ: 12
13 2.5 Idici relativi di variabilità Gli idici d, S, σ soo espressi ella stessa uità di misura dei dati da elaborare, quidi servoo per cofrotare le variabilità di dati omogeei. Per cofrotare successioi di dati o omogeei si devoo usare gli idici relativi di variabilità: campo di variazioe relativo: d r = d µ scarto semplice medio relativo: S r = S µ 13
14 scarto quadratico medio relativo: σ r = σ µ Facedo riferimeto ai dati dell esempio precedete (i 2.3), si ottiee: campo di variazioe relativo: scarto semplice medio relativo: scarto quadratico medio relativo: d r = 12 0 C =0, 49 24,4 0 C S r = 3, 6 0 C =0, 15 24,4 0 C σ r = C =0, 17 24,4 0 C Esempio : data la seguete distribuzioe di frequeze riguardate ua successioe di 10 voti, determiare: a) la media aritmetica dei voti; b) la misura della variabilità dei voti, mediate l uso della deviazioe stadard (scarto q.m.); c) il cofroto delle variabilità delle due successioi di dati riportate ella tabella dell esempio 1 e ella seguete. 4 a) media poderata dei voti µ= b) deviazioe stadard σ = dati (voti) x frequeze f x i f i = =6,5 f i 10 (x i µ) 2 f i = f i, =0, 92 scarti x-µ scarti al quadr. (x-µ) 2 frequeze f prodotti (x-µ) 2 f -1,5-0,5 +0,5 +1,5 (x µ)=0 2,25 0,25 0,25 2, f = 10 2,25 1,25 0,50 4,50 (x µ)2 f =,5 c) Per cofrotare le variabilità dei due isiemi o omogeei di dati, si devoo usare gli idici relativi di variabilità: per le temperature dell esempio 1 si ha σ r = σ µ = 4, 26 0 C =0, 17, 24,4 0 C 14
15 per i voti dell esempio 2 si ha σ r = σ 0, 92 = =0, 14. µ 6,5 Coclusioe: gli idici relativi ci iformao, i riferimeto ai dati aalizzati, che la variabilità delle temperature è maggiore di quella dei voti. Nessu cofroto, fra dati o omogeei, è possibile mediate gli idici assoluti. 3. Numeri Idici I umeri idici soo rapporti, espressi i percetuali, fra itesità di u certo feomeo i tempi o i luoghi diversi e possoo essere: a) umeri idici a base fissa che si calcolao scegliedo u dato come base (o il primo, o l ultimo, o u valore medio) e dividedo gli altri dati per la base, moltiplicadolo il risultato per 100; b) umeri idici a base mobile (soprattutto per serie storiche), che si ricavao prededo, per ciascuo, come base il dato precedete. Esempio: I umeri idici a base fissa mettoo i evideza, meglio dei dati grezzi, la variazioe dei dati rispetto alla base. I umeri idici a base mobile evideziao la variazioe di u dato rispetto al dato precedete. 4. Metodo dei miimi quadrati - iterpolazioe Il metodo dei miimi quadrati è ua tecica molto utile per determiare la fuzioe che rappreseti el migliore dei modi la relazioe che può esistere fra due gradezze X e Y delle quali si cooscoo alcui valori o dati rilevati. 15
16 Procedimeto: a) si rilevao i dati (x i ; y i ) delle gradezze X e Y (per es.: X peso applicato e Y allugameto di ua molla); b) si rappresetao le coppie di dati (x i ; y i ) mediate tabella e diagramma a dispersioe; c) il diagramma a dispersioe suggerisce quale tipo di fuzioe scegliere per l iterpolazioe, di solito poliomiale di 1 o grado - espoeziale - y = a b x y = ax + b 2 o grado - y = ax 2 + bx + c 3 o grado - y = ax 3 + bx 2 + cx + d 4 o grado - y = ax 4 + bx 3 + cx 2 + dx + e logaritmica - y = a lx + b iperbole - y = 1, ecc.... ax+b d) Scelta la fuzioe, si calcolao i parametri a, b, c,... mediate formule ote, ricavate dall applicazioe di u fodametale teorema di aalisi alla codizioe di accostameto: per otteere la migliore fuzioe iterpolate (o perequatrice) è ecessario e sufficiete determiare i valori dei parametri a, b, c,... i modo che sia miima la somma dei quadrati delle differeze fra i valori rilevati y i e i valori teorici ŷ i : (y i ŷ i ) 2 = miima ( per la fuzioe poliomiale di 1 0 grado: (y i ax i b) 2 = miima ) e) Calcolo del coefficiete di determiazioe ρ 2 (R 2 ), che idica quato il modello scelto (fuzioe iterpolate) è aderete al feomeo oggetto di studio (dati rilevati). Per l iterpolazioe lieare R 2 è semplicemete il quadrato del coefficiete di correlazioe: ( ) 2 ρ 2 σxy = co σ xy= (x i µ x )(y i µ y ) cov(x;y)= σ x σ y 0 ρ 2 1 ρ 2 =1 idica u adattameto perfetto del modello ai dati; ρ 2 = 0 idica che il modello utilizzato o si adatta ai dati rilevati. 16
17 Esempio 1 Data la seguete tabella di dati rilevati per le gradezze X ey, mediate foglio di calcolo, tracciare il diagramma a dispersioe, richiededo al software di calcolare la fuzioe iterpolate e il relativo coefficiete di determiazioe. Soluzioe 17
18 Osserva come l iterpolazioe lieare si adatti meglio, rispetto a quella 2 2 logaritmica, ai dati della tabella: R lieare > R logaritmica Formule per l iterpolazioe lieare (poliomio di primo grado) Scelta la fuzioe del tipo y = ax + b si determiao i parametri a e b mediate le segueti formule: a= x i y i x i y i x 2 i ( ( ) x i ) 2 calcolato il coeff. ag. a, si ottiee b yi xi b= a b=µ y aµ x y= ax+µ y aµ x Cocludedo l equazioe della retta iterpolate fra puti oti è: y µ y =a(x µ x ) Osservazioi Il puto di coordiate (µ x,µ y ) è il baricetro della distribuzioe. la formula ( ) può essere scritta i modo più semplice i termii di scarti x i =x i µ x e y i =y i µ y : a= xi y i ( xi ) 2 = σ xy σ x 2. Esempio 2 Calcolare la retta iterpolate e il relativo coefficiete di determiazioe R 2 per i dati riportati ella tabella dell esempio 1. Soluzioe x i e y i soo gli scarti: x i =(x i µ x ); y i =(y i µ y ) 1
19 a= σ xy σ x 2 = 10,5 16,5 F 0, equazioe retta : y µ y=a(x µ x ) y=0, x 0, ; y=0, x ( ) 2 ρ 2 σxy = = (10,5)2 σ x σ y 16,5 7 F 0, ρ2 F1 idica u buo adattameto del modello ai dati. 5. Statistica bivariata - Correlazioe e regressioe La statistica uidimesioale si occupa di studiare ua sola variabile o mutabile. La statistica bidimesioale o bivariata si occupa dello studio cogiuto di due caratteri distiti. I particolare il problema è quello di vedere se esiste fra essi u legame associativo e i caso positivo di misurare l etità. Il caso più importate è la classificazioe rispetto a due caratteri (voto i storia e i matematica per gli allievi di ua classe, peso e altezza per gli atleti di ua certa disciplia); le distribuzioi di frequeza, per rilevazioi di questo tipo, si rappresetao co tabelle a doppia etrata, che possoo essere: a) di cotigeza se i due caratteri soo etrambi qualitativi (mutabile statistica doppia); es.: distribuzioe degli abitati di ua regioe per provicia e sesso; b) di correlazioe se i due caratteri soo etrambi quatitativi (variabile statistica doppia); es.: distribuzioe delle abitazioi di ua città per umero dei vai e per umero dei compoeti della famiglia; c) miste se uo dei due caratteri è quatitavo e l altro e qualitativo; es.: distribuzioe dei suicidi i ua regioe per età e per sesso. Esempio di tabella mista: distribuzioe delle frequeze di u campioe di allievi di u istituto scolastico, per umero di ligue straiere coosciute e per le modalità magro regolare, grasso: 19
20 Da ogi tabella a doppia etrata si possoo ricavare due tabelle a semplice etrata riguardate oguo dei due caratteri. Ifatti, se si cosiderao i valori dei totali dei dati di riga e dei totali di ogi coloa, si hao due tabelle a semplice etrata che vegoo dette distribuzioi margiali: Dalla tabella a doppia etrata e teedo coto delle distribuzioi margiali, si può valutare se i caratteri cosiderati soo idipedeti: Def.: Due caratteri A e B soo idipedeti se le frequeze relative del carattere A (p.es. peso) si mategoo ugualmete distribuite i tutte le modalità co cui compare il carattere B(p.es. ligue straiere coosciute) e viceversa. Per esempio, cosiderato il carattere y di A, si ha f 2,1 B 1 = f 2,2 B 2 = f 2,3 B 3 e f 2,1 +f 2,2 +f 2,3 =A 2. Segue ioltre il teorema: se due caratteri soo idipedeti, allora f i,k= A i B k N, co N il totale del campioe; dimostrazioe: se i caratteri soo idipedeti, allora f i,1 = f i,2 = f i, per tutta la B 1 B 2 B riga i-esima, quidi si può scrivere j=1 f i,j = f i,k B B j=1 k A i = f i,k N f i,k = A i B k k B k N 20
21 I due caratteri cosiderati ell esempio soo idipedeti, ifatti: e dal teorema, per esempio f 2,3 = A 2 B 3 N = Correlazioe e regressioe F 6; f 1,2 = A 1 B 2 N = 23 1 F 5. 4 Nella Statistica descrittiva è importate lo studio della coessioe che è la ricerca di evetuali relazioi, di dipedeza ed iterdipedeza, itercorreti tra due variabili statistiche X, Y; esso prede il ome di correlazioe se lo scopo è quello di accertare ed esprimere l itesità del legame di iterdipedeza tra le variabili, cioè di vedere se esse si ifluezao reciprocamete, ed allora si sceglirà, come mezzo tecico, u idice (coefficiete di correlazioe ρ); regressioe se lo scopo è quello di ricercare ed illustrare legami di dipedeza fra le variabili X, Y, determiado, co il metodo dei miimi quadrati, ua fuzioe, detta fuzioe di regressioe, che permetta di valutare le variazioi della Y al variare della X e viceversa. Se la fuzioe prescelta è la retta si parlerà di regressioe lieare. Calcolo della Correlazioe Per misurare la variabilità cogiuta di due varibili X e Y si itroduce la covariaza di X e di Y: (x i µ x )(y i µ y ) σ xy = cov(x;y)= o ache σ xy =µ xy µ x µ y co µ xy = x i y i ifatti: (x i µ x )(y i µ y ) σ xy = = 1 ( (x i y i ) (x i µ y ) (y i µ x )+ (µ x µ y ))=µ xy 2µ x µ y + µ x µ y =µ xy µ x µ y. 21
22 La covariaza è il valor medio del prodotto degli scarti corrispodeti di X e di Y e si usa per defiire il coefficiete di correlazioe lieare di Bravais-Pearso, che viee assuto come idice: ρ= σ xy σ x σ y = cov(x;y) σ x σ y Il coefficiete di correlazioe di Bravais-Pearso è il rapporto fra la covariaza e il prodotto degli scarti quadratici medi di X e Y. Proprietà dell idice di correlazioe lieare: 1 ρ 1 ρ = 1 1<ρ<0 ρ = 0 0<ρ<1 ρ = 1 la correlazioe è perfetta iversa (o egativa) la correlazioe è iversa (o egativa) o esiste correlazioe lieare la correlazioe è diretta (o positiva) la correlazioe è perfetta diretta (o positiva) N.B. se o esiste correlazioe lieare (ρ=0) potrebbe, però, sussistere ua correlazioe curviliea. Esempio 3 22
23 Calcolare la covariaza e il coefficiete di correlazioe per le variabili X e Y co i dati riportati ella tabella dell esempio 1. Soluzioe Calcolo delle medie aritmetice µ x e µ y : µ x = =7 ; µ y = =5 Calcolo gli scarti quadratici medi σ x e σ y : σ x = σ y = (x i µ x ) 2 = (1 7)2 +(3 7) 2 +.+(14 7) 2 (y i µ y ) 2 = (1 5)2 +(2 5) 2 +.+(9 5) 2 = 16,5 = 7 F 2, 646 F4, 062 Calcolo la covariaza σ xy = cov(x;y): (x i µ x )(y i µ y ) σ xy = = (1 7) (1 5)+(3 7) (2 5)+.+(14 7) (9 5) = 10,5 Calcolo il coefficiete di correlazioe ρ : ρ= σ xy = cov(x;y) F σ x σ y σ x σ y 10,5 F 0, 977 4, 062 2, 646 0<ρ<1 e ache ρ F 1, quidi fra i dati rilevati, relativi alle gradezze X e Y, vi è ua buoa correlazioe diretta (o positiva). Calcolo della Regressioe lieare Date due variabili statistiche X e Y co associati dati rilevati x i e y i ci si prefigge di determiare ua fuzioe matematica, i questo cotesto di tipo lieare, che esprima la relazioe fra tali variabili: y = ax +b retta di regressioe di y i x e, se ha seso logico ache x = a y + b retta di regressioe di x i y. Si procede applicado le segueti formule, ricavate mediate il metodo dei miimi quadrati: 23
24 xi y y µ y =a(x µ x ) co a= i ( ) 2 = σxy 2 xi σ x a è il coefficiete di regressioe di y i x x µ x =a (y µ y ) co a xi y = i ( ) 2 = σxy 2 yi σ y a è il coefficiete di regressioe di x i y Osservazioi: le rette di regressioe lieare passao per il baricetro (µ x ;µ y ) e redoo miima la somma dei dei quadrati degli scarti. ρ= σ xy =± a a σ x σ y ( ifatti: a a = σ ( ) xy σ2 σxy x σ2 = σxy 2=ρ 2) y σ x σ y Esempio 4 La seguete distribuzioe doppia rappreseta il peso i kg di u eoato ei primi 12 mesi: a) rappresetare il grafico a dispersioe; 24
25 b) trovare le coordiate del baricetro; c) calcolare la covariaza; d) determiare l equazioe della retta di regressioe di y i x (la regressioe di x i y o ha seso logico) e il coefficiete di determiazioe ρ 2. a) Grafico a dispersioe Soluzioe Per rispodere ai quesiti b,c,d basta compilare la seguete tabella: x i e y i soo gli scarti: x i =(x i µ x ); y i =(y i µ y ) b) Coordiate del baricetro: (µ x ;µ y ) (6, 50;6, 23) 25
26 c) Covariaza: σ xy = cov(x;y)= (x i µ x )(y i µ y ) = 5,0 d) Retta di regressioe di y i x e coefficiete di determiazioe: y µ y =a(x µ x ) co a= xi y i ( xi ) 2 = σ xy σ x 2 5, 0 = F 0, , 92 y 6, 23 F 0, 466(x 6, 50) y F 0, 466x +3, ( ) 2 ρ 2 σxy (5, 0)2 = = σ x σ y 11, 92 2, 95 F 0, 957 R2 F1 idica u buo adattameto del modello ai dati. 26
Gli Indici di VARIABILITA
Elemeti di Statistica descrittiva Gli Idici di VARIABILITA - Campo di variazioe - Scarto dalla media - Variaza - Scarto quadratico medio - Coefficiete di variazioe Idici di Variabilità I valori medi soo
DettagliFonti e strumenti statistici per la comunicazione
Foti e strumeti statistici per la comuicazioe Prof.ssa Isabella Migo A.A. 018-019 Idici Medi Esercizio:calcolo media soluzioe Numeri addetti xi i xi * i 10 18 180 1 15 180 14 5 350 16 10 160 18 9 5 0 18
DettagliLezione 9. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 9. A. Iodice
Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie 1 2 3 ρ xy come coefficiete calcolo di ρ xy 4 () Statistica 2 / 26 Misura dell iterdipedeza
DettagliElementi di statistica descrittiva. Tabella dei dati :
- - Elemeti di statistica descrittiva I dati riportati sotto si riferiscoo a 20 studeti uiversitari che frequetavao u corso di Statistica e soo stati raccolti facedo compilare ad ogi studete il seguete
DettagliQuartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliQuartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliCaso studio 9. Distribuzioni doppie. Esempi
7/3/16 Caso studio 9 Si cosideri la seguete tabella che riporta i dati dei Laureati el 4 dei tre pricipali gruppi di corsi di laurea, per codizioe occupazioale a tre ai dalla laurea (Fote: ISTAT, Idagie
DettagliDaniela Tondini
Daiela Todii dtodii@uite.it Facoltà di Bioscieze e Tecologie agro-alimetari e ambietali e Facoltà di Medicia Veteriaria C.L. i Biotecologie Uiversità degli Studi di Teramo 1 La mediaa o valore mediao M
DettagliUNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:
UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Doatella Siepi doatella.siepi@uipg.it tel: 075 5853525 05 dicembre 2014 6 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazioe dei
DettagliREGRESSIONE LINEARE E POLINOMIALE
REGRESSIONE LINEARE E POLINOMIALE Nota ua tabella di dati relativi alle osservazioi di due gradezze X e Y, è aturale formulare ipotesi su quale possa essere ua ragioevole fuzioe che rappreseti o che approssimi
DettagliEsercitazioni di Statistica Dott. Danilo Alunni Fegatelli
Esercitazioi di Statistica Dott. Dailo Alui Fegatelli dailo.aluifegatelli@uiroma.it Esercizio. Su 0 idividui soo stati rilevati la variabile X (geere) e (umero di auto possedute) X F F M F M F F M F M
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 21 Misura della dipedeza di u carattere
DettagliVariabilità o Dispersione Definizione Attitudine di un fenomeno ad assumere diverse modalità
Variabilità o Dispersioe Defiizioe Attitudie di u feomeo ad assumere diverse modalità Le medie o bastao Esempio: caratteri quatitativi Codomiio A u.s. Numero televisori u 8 u 8 u3 8 u4 8 u5 8 Me=M=8 Codomiio
DettagliLa correlazione e la regressione. Antonello Maruotti
La correlazioe e la regressioe Atoello Maruotti Outlie 1 Correlazioe 2 Associazioe tra caratteri quatitativi Date due distribuzioi uitarie secodo caratteri quatitativi X e Y x 1 x 2 x y 1 y 2 y associate
DettagliEsercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati
Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli
DettagliEsempio: distribuzione di frequenze. =, Pagina 90. Esempio: distribuzione di frequenze
Esempio: distribuzioe di frequeze Distribuzioe degli studeti di SDC frequetati la facoltà ell a.a. 001/00 per Num. Corsi Frequetati 83 K 7 = + + + + + + = = Num. Corsi Freq. i 1 15 43 3 103 4 80 5 3 6
DettagliLezione 4 Corso di Statistica. Francesco Lagona
Lezioe 4 Corso di Statistica Fracesco Lagoa Uiversità Roma Tre F. Lagoa (fracesco.lagoa@uiroma3.it) 1 / 23 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
DettagliCosto manutenzione (euro)
Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Idici di posizioe Esercizio 1: Data la seguete distribuzioe uitaria del carattere X 4 2 4 2 6 4 0 4 0 2 4 4 (1) calcolare
DettagliSTATISTICA 1 ESERCITAZIONE 5
STATISTICA ESERCITAZIONE 5 Dott. Giuseppe Padolfo 28 Ottobre 203 VARIABILITA IN TERMINI DI DISPERSIONE DA UN CENTRO Cetro Me o μ La dispersioe viee misurata come sitesi delle distaze tra le uità statistiche
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliLE MISURE DI TENDENZA CENTRALE
STATISTICA DESCRITTIVA LE MISURE DI TENDENZA CENTRALE http://www.biostatistica.uich.itit OBIETTIVO Esempio: Nella tabella seguete soo riportati i valori del tasso glicemico rilevati su 0 pazieti: Idividuare
DettagliDaniela Tondini
Daiela Todii dtodii@uite.it Facoltà di Medicia Veteriaria C.L. i Tutela e Beessere Aimale Uiversità degli Studi di Teramo Nella ricerca scietifica e tecologica è importate misurare la reale efficacia di
DettagliLE MISURE DI SINTESI (misure di tendenza centrale)
STATISTICA DESCRITTIVA LE MISURE DI SINTESI (misure di tedeza cetrale) http://www.biostatistica.uich.itit OBIETTIVO Altezza degli studeti 004-05 (cm) Tabella dei dati Idividuare u idice che rappreseti
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Migo A.A. 017-018 Facoltà di Scieze Politiche, Sociologia, Comuicazioe Corso di laurea Magistrale i «Orgaizzazioe e marketig per la comuicazioe
Dettagli5. INDICI DI DISUGUAGLIANZA
UNIVERSITA DEGLI STUDI DI PERUGIA DIPARTIMENTO DI FILOSOFIA SCIENZE SOCIALI UMANE E DELLA FORMAZIONE Corso di Laurea i Scieze per l'ivestigazioe e la Sicurezza. INDICI DI DISUGUAGLIANZA Prof. Maurizio
DettagliEsperimentazioni di Fisica 1. Prova scritta del 1 febbraio 2016 SOLUZIONI
Esperimetazioi di Fisica 1 Prova scritta del 1 febbraio 2016 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 7 10/09/2015 1. (12 Puti) Quesito. La variabile casuale cotiua x ha ua distribuzioe
DettagliLezione 4 Corso di Statistica. Domenico Cucina
Lezioe 4 Corso di Statistica Domeico Cucia Uiversità Roma Tre D. Cucia (domeico.cucia@uiroma3.it) 1 / 22 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare
DettagliInsiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi:
Isiemi umerici Soo oti l isieme dei umeri aturali: N {1,, 3,, l isieme dei umeri iteri relativi: Z {0, ±1, ±, ±3, N {0 ( N e, l isieme dei umeri razioali: Q {p/q : p Z, q N. Si ottiee questo ultimo isieme,
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile
DettagliLezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice.
La Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie La 1 2 La 3 4 () Statistica 2 / 26 Trimmed mea - La aritmetica risete della preseza di valori
DettagliLezioni del Corso di Fondamenti di Metrologia Meccanica
Facoltà di Igegeria Lezioi del Corso di Fodameti di Metrologia Meccaica A.A. 005-006 Prof. Paolo Vigo Idice. Frequeza e Probabilità. 3. Curva di Gauss 4. Altre Distribuzioi Frequeza e Probabilità Me spiego:
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Migo A.A. 019-00 Facoltà di Scieze Politiche, Sociologia, Comuicazioe Corso di laurea Magistrale i «Orgaizzazioe e marketig per la comuicazioe
DettagliLo studio della relazione lineare tra due variabili
Lo studio della relazioe lieare tra due variabili X e caratteri etrambi quatitativi X variabile idipedete variabile dipedete * f ( ) f(): espressioe fuzioale che descrive la legge di dipedeza di da X 1
Dettagli5. INDICI DI VARIABILITA'
UNIVERSITA DEGLI STUDI DI PERUGIA DIPARTIMENTO DI FILOSOFIA SCIENZE SOCIALI UMANE E DELLA FORMAZIONE Corso di Laurea i Scieze per l'ivestigazioe e la Sicurezza. INDICI DI VARIABILITA' Prof. Maurizio Pertichetti
DettagliPRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 21 ottobre 2015 COMPITO B
FIRMA DELLO STUDENTE Cogome PRIMA PROVA INTERMEDIA DI STATISTICA (COD. 30001/6045/5047/4038/371/377) 21 ottobre 2015 Nome Numero di matricola Corso di Laurea Cod. corso COMPITO B Ai fii della valutazioe
DettagliElementi di statistica
Elemeti di statistica La misura delle gradezze fisiche può essere effettuata direttamete o idirettamete. Se la misura viee effettuata direttamete si parla di misura diretta; se essa viee dedotta attraverso
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it
Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA
UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Migo A.A. 2015-2016 Facoltà di Scieze Politiche, Sociologia, Comuicazioe Corso di laurea Magistrale i «Orgaizzazioe e marketig per la comuicazioe
DettagliLA MISURA IN PSICOLOGIA
Prof. Giulio Vidotto (Uiversità di Padova) Lez. 3 - Distribuzioe ormale e stadardizzazioe delle misure Argometi della lezioe Stadardizzazioe Distribuzioe Normale Distribuzioe Normale Stadard Stadardizzazioe
DettagliDistribuzione normale
Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).
DettagliDistribuzione normale o gaussiana
Distribuzioe ormale o gaussiaa Ua variabile radom si dice distribuita ormalmete (o secodo ua curva gaussiaa) se la sua fuzioe di desità di probabilità è del tipo: f () ( ) ep co - rappreseta il valore
DettagliSTATISTICA 1 ESERCITAZIONE 3
Frequeze STATISTICA 1 ESERCITAZIONE 3 Dott. Giuseppe Padolfo 20 Ottobre 2014 Esercizio 1 Costruire u grafico a barre e u diagramma a torta per la variabile Sesso rappresetata ella tabella seguete. Variabile
DettagliIl Metodo dei Minimi Quadrati: Alcuni Esempi Svolti. Alessandro Zaccagnini
Il Metodo dei Miimi Quadrati: Alcui Esempi Svolti Alessadro Zaccagii alessadro.zaccagii@uipr.it 14 ottobre 5 Capitolo 1 Modelli lieari 1.1 Defiizioi Ricordiamo le defiizioi: soo date coppie di umeri reali
DettagliSoluzione CPS 22/6/04. I parte. (1). Chiamiamo C l evento l individuo scelto ha il colesterolo alto, V, O e NL rispettivamente
Soluzioe CPS 22/6/04 I parte 1. Chiamiamo C l eveto l idividuo scelto ha il colesterolo alto, V, O e NL rispettivamete è vegetariao, è oivoro e o magia latticii. I dati soo: P C = 0.4, P O C = 0.75, P
DettagliUniversità degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno
Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto
Dettagli7. ASSOCIAZIONE TRA CARATTERI
UNIVERSITA DEGLI STUDI DI PERUGIA DIPARTIMENTO DI FILOSOFIA SCIENZE SOCIALI UMANE E DELLA FORMAZIONE Corso di Laurea i Scieze per l'ivestigazioe e la Sicurezza 7. ASSOCIAZIONE TRA CARATTERI Prof. Maurizio
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a Esame del STATISTICA
FACOLTÀ DI SOCIOLOGIA a. a. 011 01 Esame del 11-01-01 STATISTICA ESERCIZIO 1 U idagie sulle abitudii alimetari dei requetatori di u cetro itess ha moitorato il umero di caè cosumati i u gioro ormale e
DettagliStatistica. Lezioni : 11, 12. Statistica Descrittiva Bivariata 2. a.a
Corsi di Laurea: Diritto per le Imprese e le istituzioi Scieze dell Ammiistrazioe e Cosuleza del Lavoro sieze Iterazioali dello Sviluppo e della Cooperazioe a.a. 2017-18 Statistica Statistica Descrittiva
Dettagli7. ASSOCIAZIONE TRA CARATTERI
UNIVERSITA DEGLI STUDI DI PERUGIA DIPARTIMENTO DI FILOSOFIA SCIENZE SOCIALI UMANE E DELLA FORMAZIONE Corso di Laurea i Scieze per l'ivestigazioe e la Sicurezza 7. ASSOCIAZIONE TRA CARATTERI Prof. Maurizio
DettagliCOME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)
COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x
Dettagli1.6 Serie di potenze - Esercizi risolti
6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo
DettagliLe successioni: intro
Le successioi: itro Si cosideri la seguete sequeza di umeri:,, 2, 3, 5, 8, 3, 2, 34, 55, 89, 44, 233, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi 2 mesi i u allevameto!
DettagliEsercitazioni del Corso di Probabilitá e Statistica Lezione 6: Stime di parametri puntuali e per intervalli
Esercitazioi del Corso di Probabilitá e Statistica Lezioe 6: Stime di parametri putuali e per itervalli Stefao Patti 1 19 geaio 005 Defiizioe 1 Ua famiglia di desitá f(, θ) ad u parametro (uidimesioale)
DettagliStatistica. Lezione 5
Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it
DettagliProgrammazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fodameti di Iformatica Ester Zumpao Programmazioe co Foglio di Calcolo Cei di Statistica Descrittiva Lezioe 3 Formule e Fuzioi Fuzioi Formule predefiite per il calcolo di espressioi matematiche complesse
DettagliSUCCESSIONI DI FUNZIONI
SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe
Dettagli11 Simulazione di prova d Esame di Stato
Simulazioe di prova d Esame di Stato Problema Risolvi uo dei due problemi e 5 dei quesiti i cui si articola il questioario I u sistema di riferimeto cartesiao ortogoale è assegata la seguete famiglia di
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa
DettagliSERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n.
SERIE DI POTENZE Esercizi risolti Esercizio x 2 + 2)2. Esercizio 2 + x 3 + 2 3. Esercizio 3 dove a è u umero reale positivo. Esercizio 4 x a, 2x ) 3 +. Esercizio 5 x! = x + x 2 + x 6 + x 24 + x 20 +....
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
DettagliLezione III: Variabilità. Misure di dispersione o di variabilità. Prof. Enzo Ballone. Lezione 3a- Misure di dispersione o di variabilità
Lezioe III: Variabilità Cattedra di Biostatistica Dipartimeto di Scieze Biomediche, Uiversità degli Studi G. d Auzio di Chieti Pescara Prof. Ezo Balloe Lezioe a- Misure di dispersioe o di variabilità Misure
DettagliAnalisi I - IngBM COMPITO A 17 Gennaio 2015 COGNOME... NOME... MATRICOLA... VALUTAZIONE =...
Aalisi I - IgBM - 2014-15 COMPITO A 17 Geaio 2015 COGNOME........................ NOME............................. MATRICOLA....................... VALUTAZIONE..... +..... =...... 1. Istruzioi Gli esercizi
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Migo A.A. Facoltà di Scieze Politiche, Sociologia, Comuicazioe Corso di laurea Magistrale i «Orgaizzazioe e marketig per la comuicazioe d'impresa»
DettagliAnalisi e Geometria 1
Aalisi e Geometria Politecico di Milao Igegeria Preparazioe al primo compito i itiere. Risolvere el campo complesso l equazioe z z = 4z.. Sia f la fuzioe a valori complessi defiita da f(z = per ogi z D,
DettagliAnalisi I - IngBM COMPITO B 17 Gennaio 2015 COGNOME... NOME... MATRICOLA... VALUTAZIONE =...
Aalisi I - IgBM - 2014-15 COMPITO B 17 Geaio 2015 COGNOME........................ NOME............................. MATRICOLA....................... VALUTAZIONE..... +..... =...... 1. Istruzioi Gli esercizi
Dettagli4 - Le serie. a k = a k. S = k=1
4 - Le serie E veiamo ad uo degli argometi più ostici (ma ache più iteressati) dell aalisi: le serie. Ricordiamo brevemete cos è ua serie e cosa vuol dire covergeza per ua serie. Defiizioe 1. Data ua successioe
DettagliSTATISTICA 1 ESERCITAZIONE 4
STATISTICA 1 ESERCITAZIONE 4 Dott. Giuseppe Padolfo 21 Ottobre 2013 Percetili: i valori che dividoo la distribuzioe i ceto parti di uguale umerosità. Esercizio 1 La seguete tabella riporta la distribuzioe
DettagliFormulario (versione del 3/10/2015)
Uiversità degli Studi della Basilicata C.d.L. Ecoomia Aziedale Statistica a.a. 04/05 Docete: E. Di Nardo Frequeze Formulario versioe del 3/0/05 taglia campioe casuale x,..., x campioe casuale ordiato x...
DettagliMetodi quantitativi per l analisi dello sviluppo
Metodi quatitativi per l aalisi dello sviluppo Esercizio Si è rilevato il umero di ospedali (X) e la spesa saitaria i milioi di euro (Y), per 7 regioi, otteedo i segueti risultati: Ospedali (X) 5 7 4 6
DettagliProbabilità e Statistica (cenni)
robabilità e Statistica (cei) remettiamo la distizioe tra i due cocetti: Defiizioe: dato il verificarsi di u eveto si defiisce la probabilità per l eveto cosiderato il rapporto tra il umero dei casi favorevoli
Dettagli= = 32
Algabra lieare (Matematica CI) - 9 Algebra delle matrici - Moltiplicazioe Euple, righe e coloe Notazioe I algebra lieare giocao u ruolo importate le coppie, tere,, ple ordiate di umeri reali; cosi come
DettagliUna funzione delle osservazioni campionarie è una statistica che, nel contesto della stima di un parametro, viene definita stimatore.
Stimatori e stime Teoria della stima Supporremo che sulla popolazioe sia defiita ua variabile X la cui distribuzioe, seppure icogita, è completamete caratterizzata da u parametro q o da u isieme di parametri
DettagliArgomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica
Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Stima Cicchitelli cap. 6 Argometi Defiizioe di stimatore Proprietà degli stimatori (campioi fiiti): No distorsioe Efficieza relativa
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica e Biometria
Uiversità del Piemote Orietale Corso di Laurea Trieale di Ifermieristica Pediatrica ed Ostetricia Corso di Statistica e Biometria Statistica descrittiva: Dati umerici: statistiche di tedeza cetrale e di
DettagliPROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD e 4038) 15 gennaio 2003
PROVA SCRITTA DI STATISTICA CLEA-CLEFIN-CLELI (COD. 5047 e 408) 5 geaio 00 SOLUZIONI Il uovo direttore di ua Baca di Credito Cooperativo si trova ad affrotare ua verteza di tipo sidacale che riguarda la
DettagliScrivere su ogni foglio NOME e COGNOME. Le risposte devono essere giustificate sui fogli protocollo e riportate nel foglio RISPOSTE.
CORSO DI CALCOLO DELLE PROBABILITÀ (o modulo) - PROVA d esame del 6/06/200 - Laurea Quadrieale i Matematica - (Prof. Nappo) Scrivere su ogi foglio NOME e COGNOME. Le risposte devoo essere giustificate
DettagliStatistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice
Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5
DettagliFUNZIONI ELEMENTARI RICHIAMI SULLE DISEQUAZIONI E GRAFICI DEDUCIBILI. Angela Donatiello 1
FUNZIONI ELEMENTARI RICHIAMI SULLE DISEQUAZIONI E GRAFICI DEDUCIBILI Agela Doatiello 1 Ua fuzioe del tipo f() = m + q, co m e q umeri reali, è ua FUNZIONE LINEARE. Il umero q è detto INTERCETTA o ORDINATA
DettagliPrecorso di Matematica, aa , (IV)
Precorso di Matematica, aa 01-01, (IV) Poteze, Espoeziali e Logaritmi 1. Nel campo R dei umeri reali, il umero 1 e caratterizzato dalla proprieta che 1a = a, per ogi a R; per ogi umero a 0, l equazioe
Dettagli( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ
LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a
DettagliFonti e strumenti statistici per la comunicazione
Foti e strumeti statistici per la comuicazioe Prof.ssa Isabella Migo A.A. 019-00 Idici Medi La mediaa Media di posizioe calcolabile solo se il carattere è ordiabile. Valore della distribuzioe che divide
DettagliLA INTERPOLAZIONE Appartamenti venduti nel 2006 da un agenzia immobiliare di Treviso.
LA INTERPOLAZIONE Appartameti veduti el 006 da u agezia immobiliare di Treviso. superficie (mq) prezzo (k ) segue 10 160 45 70 80 95 85 110 64 98 106 140 10 170 50 80 100 150 90 15 115 165 140 165 98 145
DettagliCorso di Statistica - Esercitazione 1
Corso di Statistica - Esercitazioe 1 Dott. Davide Buttarazzi d.buttarazzi@uicas.it Esercizio 1 La seguete tabella riporta dati riguardati la produzioe di tastiere per computer risultate difettose. Causa
DettagliFacoltà di Scienze MM.FF.NN. Corso di Laurea in Matematica - A.A Prova scritta di Analisi Matematica I del c.1.
Prova scritta di Aalisi Matematica I del 25-5-1998 - c.1 1) Per ogi umero N, 2, siao dati 2 umeri reali positivi a 1, a 2,...a, b 1, b 2,...b. Provare, usado il Pricipio di Iduzioe, che a 1 + a 2 +...
Dettaglipoco significativo. RAPPORTI INDICI / NUMERI INDICI RAPPORTI DI COMPOSIZIONE RAPPORTI DI DENSITÀ RAPPORTI DI DURATA RAPPORTI DI RIPETIZIONE AD ESEMPIO
Spesso bisoga cofrotare far di loro 2 o più dati statistici che si riferiscoo a feomei rilevati o i spazi/luoghi diversi o i tempi diversi o comuque i ambiti diversi e che quidi risetoo dell UNITÀ DI MISURA
DettagliSTUDIO DEL LANCIO DI 3 DADI
Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio
DettagliParte V La descrizione dei fenomeni attraverso la statistica
64 Parte V La descrizioe dei feomei attraverso la statistica Dai capitoli presedeti è stato possibile verificare l importaza odale che il sistema iformativo detiee elle scelte di piaificazioe territoriale.
DettagliEsercitazione di riepilogo II
Esercitazioe di riepilogo II I questa esercitazioe faremi u ripasso geerale: rappresetazioi grafiche, medie e variaze; la correlazioe; la regressioe. 1 Esercizio 1 Gli stipedi degli impiegati di u ufficio
Dettagli1. Saper conteggiare il numero totale di scelte in uno schema ad albero. 2. Saper risolvere problemi con permutazioni, disposizioni e combinazioni
Settimo modulo: Probabilità e statistica Obiettivi. Saper coteggiare il umero totale di scelte i uo schema ad albero 2. Saper risolvere problemi co permutazioi, disposizioi e combiazioi 3. Saper calcolare
DettagliCorso di Statistica - Esercitazione 2
Corso di Statistica - Esercitazioe 2 Dott. Davide Buttarazzi d.buttarazzi@uicas.it Esercizio 1 La seguete tabella riporta dati relativi al giudizio espresso da alcui clieti sulla qualità dell ultimo modello
DettagliProbabilità CENNI DI PROBABILITÀ
CENNI DI PROBABILITÀ Itroduzioe I queste pagie verrao esposti i breve i cocetti base della teoria delle probabilità. Lo scopo è quello di forire le basi i modo che siao più compresibile l uso che e viee
DettagliFormulazione del problema - 1
Formulazioe del problema - Date due variabili aleatorie X e Y si tratta di cercare ua relazioe lieare tra esse. Sappiamo già che se il modulo del coefficiete di correlazioe o vale esattamete, le determiazioi
DettagliTEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11
1 TEORIA DELLE MATRICI Dato u campo K, defiiamo matrice ad elemeti i K di tipo (m, ) u isieme di umeri ordiati secodo m righe ed coloe i ua tabella rettagolare del tipo a11 a12... a1 a21 a22... a2 A =.........
DettagliFUNZIONI ELEMENTARI RICHIAMI SULLE DISEQUAZIONI E TRASLAZIONI. Angela Donatiello 1
FUNZIONI ELEMENTARI RICHIAMI SULLE DISEQUAZIONI E TRASLAZIONI Agela Doatiello 1 Ua fuzioe del tipo f() = m + q, co m e q umeri reali, è ua FUNZIONE LINEARE. Il umero q è detto INTERCETTA o ORDINATA ALL
DettagliProgramma della parte introduttiva: Lezione 4
Programma della parte itroduttiva: Lezioe 4 Cap. 3 Presetazioe e cofroto tra misure Cap. 4 Propagazioe delle icertezze Cap 5 Misure ripetute e stimatori 1 Stimatori statistici Suppoiamo di aver sei misure,
Dettagliy f x x x 1 0;1 y 1 (l equazione deve essere invariante per trasformazioni x x, f x ax x 1 0;1 f x x x 1 0;1 S x dx x % f x ax bx cx d x 0;1
Esame di Stato 8 Problema ; y f x x x L equazioe della curva che descrive il profilo sull itera mattoella si ottiee simmetrizzado tale fuzioe rispetto agli assi e all origie (ovviamete o è l equazioe di
Dettagli