Statistica di base. Luca Mari, versione

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Statistica di base. Luca Mari, versione 31.12.13"

Transcript

1 Statistica di base Luca Mari, versioe Coteuti Moda...1 Distribuzioi cumulate...2 Mediaa, quartili, percetili...3 Sigificatività empirica degli idici ordiali...3 Media...4 Acora sulla media...4 Ua ota sul calcolo della media... Statistiche di dispersioe...6 Variaza e deviazioe stadard...6 Deviazioe stadard...7 Disuguagliaza di Chebyshev...8 Disuguagliaza di Chebyshev: dimostrazioe...8 Disuguagliaza di Chebyshev: verifica umerica...9 Statistiche ulteriori...9 U esempio: la curva di Lorez e l idice di Gii...9 Campioi multivariati...11 Campioi bivariati...11 Distribuzioi cogiute, codizioali e margiali: dipedeza statistica...12 Covariaza e coefficiete di correlazioe campioaria...13 Correlazioe e causalità...14 Campioi di statistiche campioarie...1 Il teorema del limite cetrale...17 I pricipali cocetti itrodotti i questo capitolo aalisi bivariata...11 asimmetria...9 campioe bivariato e multivariato...11 coefficiete di correlazioe campioaria...14 covariaza campioaria...14 curtosi...9 curva di Lorez...1 deviazioe stadard campioaria...7 diagramma di dispersioe...11 dipedeza statistica...13 distribuzioe codizioale...12 distribuzioe cogiuta...12 distribuzioe cumulata...2 distribuzioe margiale...13 distribuzioe uimodale, bimodale e multimodale...2 disuguagliaza di Chebyshev...8 gradezze correlate...12 idice di Gii...1 media aritmetica... media campioaria...4 media pesata... mediaa...3 moda...1 percetile...3 quartile...3 stimatore...1 teorema del limite cetrale...17 variaza campioaria...7 Moda L iformazioe coteuta i ua distribuzioe può essere sitetizzata, i particolare mediate tre idici di posizioe : la moda, la mediaa, la media. Si chiama moda di ua distribuzioe la categoria (e o la frequeza) a cui corrispode la frequeza (assoluta o relativa) massima della distribuzioe Aalisi dei Dati Sperimetali e Statistica 1

2 Per esempio, la moda della distribuzioe di frequeze assolute: [ C j f j] [ = C 1 C 2 C ] (tale duque che il campioe è costituito da 1 elemeto ella categoria C 1, 3 elemeti ella categoria C 2, 2 elemeto ella categoria C 3 ) è la categoria C 2 (corrispodete al fatto che lo studete i questioe ha preso più voti ella categoria C 2 = {22,...,2} che elle categorie C 1 = {18,...,21} e C 2 = {26,...,3}. Ua distribuzioe può avere più mode, e i tal caso si chiama multimodale (e bimodale el caso particolare di due mode); altrimeti si chiama uimodale. La moda viee idividuata semplicemete a partire dalle frequeze della distribuzioe, e quidi è sempre defiita, ache el caso i cui sull isieme delle categorie o sia presete alcua struttura algebrica (per esempio, data ua popolazioe costituita dai comui di ascita di u isieme di persoe, la moda può essere calcolata, e corrispode al comue che ha la più elevata frequeza di ascita tra le persoe i questioe, beché sull isieme dei comui o siao defiite relazioi empiricamete sigificative). D altra parte, sull isieme delle categorie è spesso presete ua struttura algebrica, e i particolare u ordie; i questi casi, proprio basadosi sull ordiameto delle categorie è possibile adottare ella sitesi degli idici più iformativi della moda. Distribuzioi cumulate Suppoiamo duque che sull isieme delle categorie sia presete ua relazioe d ordie empiricamete sigificativa, C 1 <C 2 <...; è allora sigificativo cotare il umero di elemeti della successioe fio a ua data categoria iclusa. Per esempio, categorizzado i voti presi da studeti mediate C 1 = {18,19}, C 2 = {2,21}, C 3 = {22,23}, C 4 = {24,2}, C = {26,27}, C 6 = {28,3}, tali categorie sarebbero certamete ordiate, el seso che u voto ella categoria C j è migliore di uo della categoria C i se i<j. Suppoiamo che la distribuzioe dei voti sia: [ C 1 C 2 C 3 C 4 C C ] (e quidi la moda è la categoria C 3 ) C1 C2 C3 C4 C C6 Grazie al fatto che le categorie soo ordiate, possiamo cocludere che = 8+4 studeti hao preso u voto fio a 21, = u voto fio a 23 e così via. Si può allora costruire ua uova distribuzioe, chiamata cumulata, i cui per ogi categoria si cosidera la frequeza dei voti presi fio a quella categoria: [ C j ' j] [ = C 1 C 2 C 3 C 4 C C ] o i termii di frequeze relative: [ C j f ' j] [ = C 1 C 2 C 3 C 4 C C 6,16,24,48,66,8 1 ] Aalisi dei Dati Sperimetali e Statistica 2

3 C1 C2 C3 C4 C C6 Data ua distribuzioe cumulata è facile otteere la distribuzioe di base, secodo la seguete logica: la frequeza (cosideriamo il caso delle frequeze assolute; per le frequeze relative il discorso è lo stesso) per la prima categoria è la stessa, 1 =' 1 ; la frequeza per la secoda categoria è pari alla frequeza cumulata per la secoda categoria meo la frequeza cumulata per la prima categoria, 2 = ' 2 ' 1 (ell esempio, il umero di studeti co voto 2 o 21 è pari a 12 8); i geerale, duque, j =' j ' j 1. Poiché, dato u campioe e delle categorie, è spesso più immediato ricavare la distribuzioe cumulata, co questa semplice formula si può otteere quidi la distribuzioe di base. Mediaa, quartili, percetili Si chiama mediaa di ua distribuzioe la categoria che cotiee il % della distribuzioe cumulata. La mediaa è cioè la categoria cetrale della distribuzioe ua volta che i valori i soo stati ordiati i ordie crescete: il primo % della distribuzioe sta etro la mediaa, il secodo % sta oltre la mediaa. Nell esempio precedete: [ C 1 C 2 C 3 C 4 C C ] che cotiee voti, etro le prime 3 categorie soo coteuti = 24 voti, quidi appea meo della metà: la mediaa è la categoria C 4, come è chiaro ache dalla cumulata: [ C 1 C 2 C 3 C 4 C C 6,16,24,48,66,8 1 ] Si oti perciò che la moda e la mediaa (quado esiste) di ua distribuzioe o ecessariamete coicidoo. Quado la mediaa è defiita, si possoo defiire ache altri idici di posizioe ordiale: i quartili: il primo / secodo / terzo quartile soo le categorie a cui corrispode il primo 2% / % / 7% della distribuzioe cumulata rispettivamete (e segue che la mediaa coicide co il secodo quartile); ell esempio, i quartili soo rispettivamete C 3, C 4 e C ; se il secodo quartile idica il cetro della distribuzioe, il primo e il terzo quartile foriscoo u iformazioe sulla dispersioe della distribuzioe stessa itoro a tale categoria cetrale; i percetili: il primo / secodo /... percetile è la categoria a cui corrispode il primo 1% / 2% /... della distribuzioe cumulata (e segue che la mediaa coicide co il ciquatesimo percetile). Sigificatività empirica degli idici ordiali Metre la moda di ua distribuzioe è sempre defiita, la mediaa è defiita solo se sull isieme delle categorie è presete ua relazioe d ordie empiricamete sigificativa; ma quale criterio ci cosete di stabilire se ua relazioe è, apputo, empiricamete sigificativa? Cosideriamo il caso di u esperimeto i cui u usuale dado a 6 facce è stato laciato 1 volte e i cui risultati soo stati sitetizzati i ua distribuzioe a 6 categorie, ogua corrispodete a ua faccia del dado, per esempio: [ C 1 C 2 C 3 C 4 C C ] No ci soo problemi a idetificare la moda: è la categoria corrispodete alla faccia che è uscita co maggiore frequeza (i questo caso le categorie soo due C 3 e C : la distribuzioe è bimodale); ell ipotesi che le categorie siao ordiate, C 1 <C 2 <..., possiamo costruire la distribuzioe cumulata: [ C 1 C 2 C 3 C 4 C C ] Aalisi dei Dati Sperimetali e Statistica 3

4 da cui si vede che la mediaa è C 3. Ma queste categorie soo ordiate? Apparetemete sembrerebbe di sì, dato che il umero 1 che idetifica ua faccia è miore del umero 2 che idetifica u altra faccia, e così via. Ma suppoiamo di coprire ogi faccia del dado co u etichetta colorata, usado u colore diverso per ogi faccia, e quidi di effettuare l esperimeto, otteedo la stessa distribuzioe riportata sopra (i cui, per esempio, C 1 =etichetta rossa, C 2 =etichetta verde,...); le categorie ora o soo ordiate (rosso o è é miore é maggiore di verde) e quidi la distribuzioe cumulata e la mediaa o possoo essere calcolate, beché la distribuzioe di parteza sia la stessa. L applicabilità di u idice ordiale dipede duque o dai simboli co cui si idetificao le categorie della distribuzioe ma dalla preseza di ua relazioe empirica di ordie tra le categorie. Media Isieme co moda e mediaa, u terzo idice che sitetizza l iformazioe di u campioe x i è la media campioaria m( x i ), defiita come: m x i = 1 i =1 x i La media è sigificativa solo se è empiricamete sigificativo sommare gli elemeti della successioe x i (i effetti è sufficiete ua codizioe più debole per esempio la media è sigificativa per valori di temperatura la cui somma pure o è empiricamete sigificativa ma o approfodiremo questa distizioe qui). Questa codizioe è raramete soddisfatta su categorie costituite da più elemeti dell isieme supporto A per esempio, se C 1 = {18,19} e C 2 = {2,21}, come si calcola C 1 +C 2? e quidi la media è spesso calcolata sulla partizioe più fie di A, i cui ogi categoria cotiee u solo elemeto (quidi i pratica su A stesso); data ua distribuzioe: C=[ C j f j] co N categorie C j, ogua co frequeza assoluta j, la media è allora: N m C = 1 C j f j j=1 (attezioe: N è il umero delle categorie, è il umero di elemeti del campioe) o ache, se si cosidera la distribuzioe C R delle frequeze relative r j : N m C R = C j r j j=1 Per esempio, la media del campioe di voti: x i = 26,24, 3,24,21, 2,18, 2,2,3 si può calcolare direttamete sul campioe: m x i = oppure a partire dalla distribuzioe di frequeze assolute: C=[ C j f j] [ = ] (tralasciado di idicare le categorie a frequeza ulla): m C = oppure acora a partire dalla distribuzioe di frequeze relative: C R =[ C j r j ] [ = ,1,1,2,3,1,2] si ha che: m C R =18,1 21,1 24,2... Acora sulla media La statistica: m x i = 1 i =1 x i Aalisi dei Dati Sperimetali e Statistica 4

5 si chiama media aritmetica. Ua versioe più geerale della media aritmetica è la media pesata: w i x i i =1 w i scritta più semplicemete come: w i x i el caso i cui: w i =1 itrodotta apputo per poter pesare i modo diverso, attraverso il vettore di pesi w i, il cotributo alla media dei vari termii x i. La media sulla distribuzioe di frequeze assolute: C=[ C j f j] è calcolata duque come: N m C = 1 C j f j j=1 (si oti il coefficiete di ormalizzazioe: è uguale al umero degli elemeti del campioe, e o al umero di categorie della distribuzioe!), metre la media sulla distribuzioe di frequeze relative: C R =[ C j r j ] è pari a: N m C R = C j r j j=1 Come si vede, tali medie possoo essere iterpretate come medie sulle categorie pesate mediate le frequeze, assolute o relative. La media è u operatore itero, cioè è sempre maggiore o uguale del valore della categoria miima e sempre miore o uguale del valore della categoria massima: C 1 m C C N Ciò forisce u criterio di validazioe (ella forma di codizioe ecessaria) del calcolo della media. Se la distribuzioe è simmetrica, vale ioltre che mediaa e media soo uguali e coicidoo co la categoria cetrale. Il cofroto tra mediaa e media è particolarmete iteressate proprio i codizioi di asimmetria della distribuzioe: metre per defiizioe la mediaa divide il campioe su cui la distribuzioe è costruita i due parti della stessa umerosità, può accadere che la gra parte degli elemeti del campioe sia sopra, o sotto, la media. Si cosideri per esempio il caso di u campioe di 1 elemeti, 99 dei quali a valore 2 e uo solo a valore 1. La media è duque 1,99 e perciò il 99% degli elemeti del campioe è sopra la media! La cosegueza è perciò evidete: se si è iteressati a ua statistica che divida il campioe i parti uguali, occorre impiegare la mediaa, e o la media. A ua coclusioe aaloga si giuge prededo i cosiderazioe u caso complemetare, i cui i u campioe di 1 elemeti 99 hao valore 1 e uo ha valore, per esempio, 1. La media è ( )/1=1,99, duque be superiore al valore del 99% degli elemeti del campioe, metre la mediaa (e i effetti tutti i percetili fio al ovatottesimo) rimae acorata al valore 1. Ua ota sul calcolo della media Dato u campioe x i, si vede facilmete che la media del campioe derivato ax i +b (co a e b costati, a ) si può calcolare idifferetemete come: m a x i b = 1 a x i b i =1 oppure come: a m x i b= a i =1 x i b Aalisi dei Dati Sperimetali e Statistica

6 La media soddisfa duque la proprietà per cui m a x i b =a m x i b, cioè è u operatore lieare. Questa proprietà forisce u utile strumeto per semplificare il calcolo della media stessa. U esempio, el caso semplice i cui si cosidera a = 1 e quidi m x i =m x i b b : per calcolare la media del campioe x i = 26,24,3, 24,22,2 si può calcolare dapprima la media del campioe derivato x i 24 = 2,, 6,, 2,1 =7/6 (duque assumedo b = 24) e quidi otteere la media del campioe iiziale da x i =7/6 24, avedo co ciò applicato la proprietà precedete come segue: dati a = 1 e b = 24, abbiamo calcolato la media di x i 24, che sappiamo essere uguale alla media di x i 24 ; ma da m x i 24 =m x i 24 si ottiee apputo che m x i =m x i Aalogamete, si può duque facilmete mostrare che la media di u campioe somma di due campioi è uguale alla somma delle medie dei due campioi: m( x i +y i ) = m( x i )+m( y i ) Statistiche di dispersioe Moda, mediaa e media foriscoo u iformazioe, progressivamete sempre più specifica, sul baricetro della distribuzioe, ma o idicao quato i valori della distribuzioe stessa soo dispersi itoro a tale baricetro: se tra le categorie della distribuzioe o è defiito emmeo u ordie, l uica iformazioe di dispersioe che si può otteere è il umero delle categorie che cotegoo almeo u elemeto; se tra le categorie della distribuzioe è defiito u ordie ma o la somma, il primo e il terzo quartile idicao quato la distribuzioe è dispersa rispetto alla mediaa, e le categorie miima e massima che cotegoo almeo u elemeto foriscoo u idicazioe della dispersioe complessiva della distribuzioe stessa. Più iteressate è il caso di distribuzioi per cui è empiricamete sigificativo calcolare la media Per esempio le segueti tre distribuzioi (ogua di elemeti): hao la stessa media (la categoria 3) ma soo evidetemete molto diverse. Variaza e deviazioe stadard Dato che si può calcolare lo scarto x i m di ogi elemeto x i dalla media m del campioe x i (per semplicità scriviamo m x =m x i ), come statistica di dispersioe si potrebbe pesare di adottare la media degli scarti: 1 x i m x ma o è ua buoa idea, poiché scarti positivi e egativi si compesao. Ifatti: Aalisi dei Dati Sperimetali e Statistica 6

7 x i m x = x i m x = x i x i / = x i x i = i =1 Si potrebbero allora predere i cosiderazioe le distaze x i m x, adottado quidi come statistica di dispersioe la media delle distaze (e quidi la distaza media), cioè: 1 x i m x ma o è la scelta abituale. Per varie ragioi (che o approfodiamo qui), gli scarti dalla media m x si cosiderao i forma quadratica, x i m x 2, e li si ormalizza dividedo per 1 ivece che per, otteedo i questo modo: s 2 x i = 1 x 1 i m x 2 chiamata variaza campioaria (ota: il fattore di ormalizzazioe è ivece 1/ el caso i cui si cosideri che x i è l itera popolazioe, ivece di u suo campioe). La variaza ha però il problema che o è dimesioalmete omogeea ai valori del campioe (per esempio, se x i, e quidi ache m x, è misurato i metri, s 2 è misurato i metri quadrati). Per questo, ivece della variaza si impiega tipicamete la sua radice quadrata: s x i = 1 1 x i m x 2 (per semplicità potremo idicare s x i ache come s x ) chiamata deviazioe stadard campioaria (o ache scarto tipo campioario). Deviazioe stadard Nel caso i cui sia data ua distribuzioe C co N categorie C j, ogua co frequeza assoluta f j, gli scarti quadratici rispetto alla media m x soo C j m x 2 ; la deviazioe stadard si calcola allora: N s C = 1 1 f j C j m 2 j=1 Riprededo l esempio precedete, per le tre distribuzioi: la deviazioe stadard è rispettivamete: =1,11 1,43 2,2 49 Si oti che, a differeza della media, la deviazioe stadard o è u operatore lieare, e quidi i geerale: s a x i b a s x i b Poiché, d altra parte: x i m x i 2 = x i b m x i b 2 cioè gli scarti dalla media soo ivariati per traslazioe del campioe, ache la deviazioe stadard è ivariate per traslazioe del campioe: s x i b =s x i No è poi difficile dimostrare che, per a>: s a x i =as x i (e quidi ache che per la variaza: s 2 a x i =a 2 s 2 x i ). E immediato verificare che la deviazioe stadard è u operatore o egativo, cioè: s x Aalisi dei Dati Sperimetali e Statistica 7

8 e i particolare che s x = el caso i cui gli elemeti del campioe hao tutti lo stesso valore. Si oti ifie che la deviazioe stadard di u campioe somma di due campioi, s( x i +y i ), i geerale o è uguale alla somma delle deviazioi stadard dei due campioi, s( x i )+s( y i ): come vedremo, per il calcolo di s( x i +y i ) occorre teer coto ache della relazioe che itercorre tra i due campioi. Disuguagliaza di Chebyshev L importaza della deviazioe stadard è tale che la si usa spesso come uità di misura della dispersioe itoro alla media, per esempio riportado i risultati di misurazioi ella forma m x ±s x o, più i geerale, m x ±k s x, per k positivo (e geeralmete maggiore o uguale di 1). Al proposito è rilevate l'iformazioe circa quati elemeti del campioe x i stao etro k, k>, deviazioi stadard dalla media, cioè quati elemeti soo coteuti ell itervallo m x ks x, m x ks x. Ua soluzioe a questo problema è data dalla fodametale disuguagliaza di Chebyshev. Sia dato u campioe x i di elemeti, co media m x e deviazioe stadard s x. Sia: S k ={x i : x i m x ks x } l isieme degli elemeti del campioe che distao dalla media etro k deviazioi stadard, e sia # S k la cardialità (cioè il umero degli elemeti) dell isieme S k. La disuguagliaza di Chebyshev idica allora che la frazioe # S k / ha u valore miimo (e quidi, iversamete, che la frazioe degli elemeti che distao più di k deviazioi stadard da m x ha u valore massimo), che dipede solo da k, e i particolare: # S k 1 1 k 2 Per esempio, etro 2s x dalla media è coteuto almeo il 7% (1 1/4 = 3/4) degli elemeti del campioe, ed etro 3s x almeo l 89% (1 1/9 = 8/9 = 89%) degli elemeti. Nota: poiché il rapporto # S k / è u umero o egativo, la disuguagliaza di Chebyshev è sigificativa solo per k>1. Il fatto importate di questa disuguagliaza è che essa si applica a ogi possibile campioe, a prescidere dalla forma della distribuzioe (come si vedrà el seguito trattado di particolari distribuzioi, cooscedo la forma della distribuzioe tipicamete la disuguagliaza può essere resa più strigete: i particolare per campioi che seguoo la distribuzioe gaussiaa, etro 1s x dalla media è coteuto il 68% del campioe, e i questo caso la disuguagliaza di Chebyshev o forisce alcu limite, ed etro 2s x e 3s x soo coteuti il 9% e il 99,7% rispettivamete, be più elevati del 7% e 89% che si ottegoo dalla disuguagliaza di Chebyshev). Disuguagliaza di Chebyshev: dimostrazioe La dimostrazioe di questo teorema è semplice, e merita di essere studiata. Riprededo la defiizioe di variaza, si ha che: 1 s x 2 = x i m x 2 La somma a destra può essere divisa i due parti: x i m x 2 = x i m x 2 x i m x 2 x i S k x i S k etrambe o egative, e quidi tralasciado il primo termie si ottiee: 1 s 2 x x i m x 2 x i S k Poiché questa somma è calcolata sugli elemeti della popolazioe che distao dalla media almeo k deviazioi stadard, per ogi termie vale che: x i m x 2 k 2 2 s x e quidi vale a maggior ragioe che: 1 s 2 x k 2 2 s x x i S k e poiché la somma viee ripetuta # S k volte: 1 s x 2 k 2 s x 2 # S k Dividedo etrambi i termii per s x 2 k 2 si ottiee: Aalisi dei Dati Sperimetali e Statistica 8

9 1 k 2 # S k da cui: 1 k 2 1 k 2 1 # S k e ifie: # S k 1 1 k 2 1 k k 2 che è quato si voleva dimostrare. Disuguagliaza di Chebyshev: verifica umerica Per u campioe x i dato, la verifica della validità della disuguagliaza di Chebyshev per u certo valore di k, k>1, richiede duque i segueti passi: calcolare la media m x del campioe; calcolare la deviazioe stadard s x del campioe; calcolare gli estremi dell itervallo m x ks x e m x ks x ; calcolare il umero # S k degli elemeti del campioe ell itervallo dato, cioè tali che m x ks x x i m x ks x ; cofrotare # S k / co 1 1/k 2, per verificare apputo che # S k / 1 1/ k 2. Nota: la validità della disuguagliaza di Chebyshev è dimostrata (i pratica: tale disuguagliaza è la tesi di u teorema), e duque questa verifica umerica o può fallire (o, detto altrimeti: se fallisce, cioè se risulta falso che # S k / 1 1/ k 2 per qualche k, ciò sigifica che soo stati compiuti degli errori i uo o più dei passi idicati). Statistiche ulteriori I aggiuta a media e deviazioe stadard, altre due statistiche vegoo spesso impiegate per caratterizzare la forma delle distribuzioi. La asimmetria (i iglese skewess) campioaria: 1 = 1 2 x 3 i m x s tale che: 1 = se la distribuzioe è simmetrica; 1 se la distribuzioe ha la coda siistra più luga (e quidi è più orietata verso i valori miori della media); 1 se la distribuzioe ha la coda destra più luga (e quidi è più orietata verso i valori maggiori della media). La curtosi (i iglese kurtosis) campioaria: 1 2 = x i m x s tale che: 2 = se la distribuzioe è gaussiaa; 2 se la distribuzioe è meo cocetrata itoro alla media di ua gaussiaa (e quidi ha u picco meo stretto, come el caso della distribuzioe uiforme); 2 se la distribuzioe è più cocetrata itoro alla media di ua gaussiaa (e quidi ha u picco più stretto, come el caso di ua distribuzioe i cui quasi tutti i valori soo cocetrati i ua sola categoria). U esempio: la curva di Lorez e l idice di Gii Dato u campioe x i, che suppoiamo ordiato, e duque x 1 x 2... x (ipotizziamo ache x i ), è iteressate valutare il grado di uiformità degli elemeti del campioe, ell ipotesi che: Aalisi dei Dati Sperimetali e Statistica 9

10 si ha uiformità massima quado tutti gli elemeti del campioe soo uguali; si ha uiformità miima quado i primi 1 elemeti del campioe soo uguali e l -esimo elemeto è diverso, e molto maggiore, degli 1 precedeti (u campioe del geere si chiama sigoletto, i iglese sigleto). U modo per rappresetare graficamete questa iformazioe è mediate la cosiddetta curva di Lorez, defiita avedo come valori i ascissa: z =, z i =i/,,..., e i ordiata: L(z )=, L( z i )= i x j j=1 x j j=1 e duque tale che sia gli argometi z i sia i valori L(z i ) soo ell itervallo [,1]. Tre esempi di questa curva soo: curva α: uiformità massima curva β: uiformità miima curva γ: uiformità itermedia corrispodeti rispettivamete a ua codizioe di uiformità massima (curva α: u campioe di 2 elemeti tutti uguali), a ua di uiformità miima (curva β: i primi 24 elemeti hao valore, il veticiquesimo ha valore 1), e ifie a ua uiformità itermedia (curva γ: x i =i). L iformazioe su questo cocetto di grado di uiformità può essere sitetizzata i ua statistica ota come idice di Gii. Poedo ello stesso grafico le tre curve precedeti: allo scopo di aalizzare il campioe rappresetato dalla curva γ rispetto alle due codizioi estreme, rappresetate dalle curve α e β, si può cofrotare l area delimitata dalle curve α e γ rispetto all area delimitata dalle curve α e β; se tale rapporto è: pari a, cioè γ=α, il campioe i esame è massimamete uiforme; pari a 1, cioè γ=β, il campioe i esame è miimamete uiforme; maggiore di e miore di 1, il campioe i esame ha u uiformità itermedia, ed è tato più uiforme quato miore è tale rapporto. L idice di Gii può essere calcolato co la seguete formula: Aalisi dei Dati Sperimetali e Statistica 1

11 1 2 G x i = 1 1 i x i x i Campioi multivariati Le etità che si cosiderao, e da cui si ottegoo i dati che soo oggetto dell aalisi statistica, soo geeralmete caratterizzate da più gradezze (el caso di oggetti fisici potrebbero essere lughezza, massa, carica elettrica,...), a ogua delle quali è applicabile quato abbiamo discusso fiora: ogi gradezza ha u isieme supporto A, per ogi gradezza si può otteere u campioe, cioè ua successioe x i di valori, oguo apparteete ad A, e tale campioe può essere quidi descritto mediate ua distribuzioe e sitetizzato co la moda ed evetualmete la mediaa, la media e la deviazioe stadard. I questo modo, le gradezze si cosiderao idipedetemete le ue dalle altre. I certi casi, si è però iteressati alla relazioe tra le gradezze: al variare di ua gradezza X come varia ua secoda gradezza Y? Se X cresce, cresce ache Y? oppure si riduce? oppure la variazioe di Y o porta alcua iformazioe sulla variazioe di X? Quado gli idividui che si predoo i esame soo caratterizzati oguo da ua k-upla di valori, k 2, e quidi u campioe è ua successioe di k-uple, il campioe stesso si chiama multivariato, e bivariato el caso particolare i cui le gradezze i esame soo 2. Se le gradezze fossero k = 3, lughezza, massa, carica elettrica, e gli idividui del campioe fossero = 4, il campioe stesso potrebbe essere l i, m i, q i = 1,2,3, 4,,6, 8,6,4, 4,7,2, a idicare che, per esempio, la massa del secodo idividuo vale e la carica elettrica del terzo idividuo vale 4. Itroduciamo qui alcui pricipi di base dell aalisi bivariata, co cui si studiao le relazioi campioarie tra coppie di gradezze, duque el caso k = 2. Campioi bivariati Cosideriamo due gradezze, X e Y, che possoo essere cotemporaeamete valutate su u isieme di etità, e sia x i, y i il campioe bivariato otteuto, essedo x i il sottocampioe dei valori di X e y i il sottocampioe dei valori di Y. Ipotizzado che gli isiemi supporto per X e Y siao almeo ordiati, ogi coppia x i, y i può essere appropriatamete rappresetata come u puto su u piao X Y. Cosiderado solo le prime due gradezze el campioe dell esempio precedete, si otterrebbe u grafico come quello seguete, che si chiama diagramma di dispersioe (i iglese scatter diagram; ei fogli di calcolo ache diagramma X-Y ): U caso molto semplice di relazioe tra X e Y si preseta quado ogi valore x i è legato al corrispodete valore y i attraverso u espressioe della forma y i =a x i b co a, corrispodete el diagramma di dispersioe a ua retta di pedeza crescete se a> o decrescete se a<: è questa ua situazioe di relazioe determiistica tra le due gradezze, el seso che il valore x i determia il valore y i (e viceversa, data l ivertibilità della fuzioe). Più iteressate dal puto di vista statistico è ua situazioe come quella illustrata i questo diagramma: Aalisi dei Dati Sperimetali e Statistica 11

12 i cui si mostra acora la preseza di ua relazioe tra le due gradezze al crescere di ua, cresce, geeralmete, ache l altra ma seza che ciò sia strettamete determiistico: i puti si dispogoo itoro a ua retta, ma o su di essa. Potrebbe essere, per esempio, il caso della relazioe tra altezza e peso di u isieme di persoe: beché o i modo determiistico, all aumetare dell altezza aumeta geeralmete ache il peso. I casi di questo geere si può duque cercare di valutare o solo se le due gradezze hao ua relazioe, ma ache, e più specificamete, come e quato, i seso statistico, soo i relazioe l ua co l altra, i breve quato soo correlate. La preseza di correlazioe forisce u iformazioe di carattere statistico: la coosceza del valore di X forisce u iformazioe almeo parziale sul valore di Y. Distribuzioi cogiute, codizioali e margiali: dipedeza statistica Quato cosiderato a proposito della relazioe tra campioi e distribuzioi el caso uivariato si applica ache a campioi bivariati: per ogua delle due gradezze X e Y si può defiire u isieme di categorie, {X j } e {Y k }, così che ogi elemeto x i, y i appartiee a ua e ua sola coppia di categorie X j,y k. La distribuzioe che si ottiee corrispode a ua tabella del tipo (el caso di frequeze assolute): Y Y 1... Y k... X X 1 1,1 1,k... X j j,1 j,k i cui j,k è il umero di elemeti del campioe bivariato tali che x i appartiee alla categoria X j e y i appartiee alla categoria Y k. Questa tabella descrive la distribuzioe cogiuta delle gradezze X e Y rispetto alle categorie date. La geerica riga j-esima della tabella cotiee la distribuzioe dei valori di Y calcolata sulle sole coppie i cui il valore di X appartiee alla categoria X j, e chiamata perciò distribuzioe codizioale di Y data la categoria X j, scritto i breve distribuzioe di Y X j, dove duque il simbolo è da leggere dato, cioè apputo codizioato a : Y Y 1... Y k... X X 1 1,1 1,k... X j j,1... j,k Aalogamete per ogi categoria Y k si può cosiderare la distribuzioe codizioale di X Y k : Y Y 1... Y k... Aalisi dei Dati Sperimetali e Statistica 12

13 X X 1 1,1 1,k X j j,1 j,k Acora a partire da questa tabella si possoo poi itrodurre i totali parziali per ogi riga e per ogi coloa: Y Y 1... Y k... Σ X 1 1,1 1,k Σ k 1,k X X j j,1 j,k Σ k j,k Σ Σ j j,1... Σ j j,k... Si ottegoo le distribuzioi margiali per X (ultima coloa) e per Y (ultima riga). Data la distribuzioe cogiuta di XY, le distribuzioi codizioali e le distribuzioi margiali cosetoo di comiciare a studiare la possibile dipedeza tra la gradezza X e la gradezza Y. L idea è semplice. Suppoiamo di voler ivestigare se per esempio i valori di Y dipedoo dai valori di X, cioè, cocretamete, se la coosceza del fatto che u certo idividuo ha u certo valore X j per X porta iformazioe sul valore che quello stesso idividuo ha per Y: se la risposta fosse positiva dovremmo osservare che le distribuzioi di Y X j e Y (opportuamete ormalizzate) soo diverse tra loro. I tal caso si dice che Y ha ua dipedeza statistica da X j. Viceversa, se le distribuzioi di Y X j e Y soo uguali allora sapere che X vale X j o è iformativo relativamete a Y, e perciò Y è idipedete statisticamete da X j. Covariaza e coefficiete di correlazioe campioaria Al fie di giugere a caratterizzare quatitativamete il grado di correlazioe tra due gradezze X e Y, che cotiuiamo a supporre essere più che solo ordiali, calcoliamoe i valori medi, m x e m y (il rombo rosso el diagramma sotto), e cosideriamo gli scarti x i m x y i m y : se x i m x e y i m y oppure x i m x e y i m y (cioè se il puto x i, y i sta ei quadrati 1 o 3), il prodotto è positivo; se ivece i segi soo discordi, x i m x e y i m y oppure x i m x e y i m y (cioè se il puto x i, y i sta ei quadrati 2 o 4), il prodotto è egativo Prediamo ora i esame la somma: Aalisi dei Dati Sperimetali e Statistica 13

14 x i m x y i m y : se, come i questo caso, i puti si addesao ei quadrati 1 e 3, tale somma è positiva e si dice che c è correlazioe positiva tra le gradezze X e Y del campioe: al crescere di ua, cresce ache l altra; se i puti si addesao ei quadrati 2 e 4, la somma è egativa e si dice che c è correlazioe egativa tra le gradezze X e Y del campioe: al crescere di ua, l altra decresce; se ifie i puti soo più o meo omogeeamete sparsi ei quattro quadrati, la somma cotiee termii positivi e termii egativi, che si compesao e quidi producoo u valore vicio all origie del grafico, e i tal caso si dice che c è correlazioe bassa, e al limite ulla, tra le gradezze X e Y del campioe. La statistica che si ottiee se si ormalizza la somma precedete dividedola per 1: x i m x y i m y cov x i, y i = 1 si chiama covariaza campioaria, i aalogia co la variaza campioaria, che ifatti può essere scritta: x i m x x i m x s 2 x = 1 Si oti che la covariaza campioaria ha uità di misura uguale al prodotto delle uità di misura di X e Y. Dividedo acora per il prodotto delle deviazioi stadard campioarie s x e s y, si ottiee perciò u coefficiete adimesioale: ( x i m x )( y i m y ) i= 1 R( x i, y i )=R x, y = = cov( x i, y i ) ( 1)s x s y s x s y chiamato coefficiete di correlazioe campioaria, che assume valori tra 1 (completa correlazioe lieare egativa: i puti del campioe bivariato soo disposti lugo ua retta a pedeza egativa) e 1 (completa correlazioe lieare positiva: i puti del campioe bivariato soo disposti lugo ua retta a pedeza positiva), co il valore cetrale,, che corrispode all asseza di correlazioe. Ifie, come avevamo mostrato che la media di u campioe somma di due campioi è uguale alla somma delle medie dei due campioi: m( x i +y i ) = m( x i )+m( y i ) possiamo chiederci a questo puto come si possa calcolare la deviazioe stadard di u campioe somma di due campioi, s( x i +y i ). Al proposito vale l iteressate risultato: s 2 ( x i +y i ) = s 2 ( x i )+s 2 ( y i )+2cov( x i,y i ) (aturalmete, per poter sommare gli elemeti di due campioi essi devoo avere la stessa uità di misura, e quidi la formula risulta corretta dal puto di vista dimesioale). Duque, quado i due campioi hao covariaza ulla la variaza di u campioe somma di due campioi è uguale alla somma delle variaze dei due campioi; el caso geerale, occorre ivece teer coto ache delle relazioi tra i due campioi, formalizzate apputo mediate la covariaza. Correlazioe e causalità Nell aalisi della correlazioe tra gradezze è ecessario evitare di cofodere correlazioe e causalità; date due gradezze X e Y: se X implica Y (cioè il valore di X determia il è causa del valore di Y) allora c è correlazioe tra X e Y D altra parte: se c è correlazioe tra X e Y, o ecessariamete X implica Y o Y implica X (la situazioe di correlazioe seza causalità potrebbe essere dovuta a ciò che a volte si chiama semplice coicideza ma cosa soo le coicideze?, oppure per esempio al fatto che sia X sia Y soo gli effetti di ua stessa causa, che duque determia la loro correlazioe seza rederli causalmete dipedeti). La differeza tra questi due cocetti si ota ache dal fatto che: la correlazioe è simmetrica (se X è correlato co Y allora Y è ugualmete correlato co X, poiché R x, y =R y, x ); Aalisi dei Dati Sperimetali e Statistica 14

15 la causalità è atisimmetrica (se X è causa di Y allora Y o può essere causa di X). Si oti che questa cosiderazioe si applica ache al caso determiistico i cui R x, y =1, situazioe che o implica che tra X e Y ci sia ua relazioe causale. Qualche esempio (da wikipedia). Qual è l errore? Si osserva che c è ua forte correlazioe tra umero di pompieri dedicati a spegere u icedio e dimesioi dell icedio, e se e coclude che il umero di pompieri dedicati determia le dimesioi degli icedi. Si osserva che c è ua forte correlazioe tra dormire co le scarpe ai piedi e svegliarsi co il mal di testa, e se e coclude che dormire co le scarpe ai piedi causa il mal di testa. Si osserva che c è ua forte correlazioe tra umero di gelati veduti e umero di morti per aegameto, e se e coclude che i gelati soo u importate causa di aegameto. Si osserva che c è ua forte correlazioe iversa tra umero di assalti di pirati a avi ed effetti del riscaldameto globale, e se e coclude che la macaza di pirati causa riscaldameto globale.... e come iterpretare i termii causali le relazioe (di correlazioe determiistica) tra pressioe e temperatura i u gas perfetto? Campioi di statistiche campioarie Suppoiamo che almeo i liea di pricipio l itera popolazioe di riferimeto x i, costituita da elemeti, sia dispoibile e che duque, sempre almeo i liea di pricipio, sia possibile calcolare su di essa le statistiche di base, e i particolare la media m x. Suppoiamo ioltre che per qualche ragioe (per esempio per ridurre i costi di acquisizioe dei dati) si cosideri opportuo operare o sull itera popolazioe, ma solo su uo o più suoi campioi y i j, oguo di 1, 1 1, elemeti. Le statistiche calcolate su tali campioi foriscoo u iformazioe sulle corrispodeti statistiche, igote, della popolazioe. I particolare, di ogi campioe è possibile calcolare la media, m j ; il problema che ci poiamo è allora: che relazioe c è tra le medie campioarie m j e la media della popolazioe m x? La risposta ei due casi estremi è semplice: se 1 = (cioè se il campioe coicide co la popolazioe), m j = m x ; se 1 = 1 (cioè se il campioe coicide co u sigolo elemeto dell isieme supporto), m j o porta alcua iformazioe diversa dal campioe stesso. Nei casi itermedi, 1< 1 <, m j porta u iformazioe su m x pur seza coicidere, i geerale, co m x stessa: se il campioe y i j è costituito di elemeti scelti seza alcu criterio defiito (e quidi si potrebbe dire: i modo casuale, beché cosa ciò sigifichi o sia così chiaro) dalla popolazioe x i, allora al variare del campioe ache la media campioaria m j varierà i modo casuale itoro a m x, e quato maggiore è la umerosità 1 del campioe tato più sarà stabile, cioè tato meo varierà, m j. I geerale, si dice a questo proposito che m j è uo stimatore di m x (che tradizioalmete verrebbe chiamata la media vera ), e che è i geerale uo stimatore tato migliore (el seso di: tato più stabilmete vicio a m x ) quato maggiore è il umero 1 di elemeti del campioe. E fodametale otare qui che, dato il fatto che ogi campioe y i j è otteuto i modo casuale, le medie dei vari campioi, m 1, m 2,... o coiciderao, pur essedo tutte stimatori della stessa media della popolazioe m x. Si geera i questo modo u campioe m j di medie campioarie. Questa situazioe può essere formalizzata i modo elegate come segue. Suppoiamo che dalla popolazioe x i siao otteuti 2 campioi y i j oguo costituito da 1 elemeti (duque,..., 1 e j=1,..., 2 ), ua situazioe sitetizzabile ella tabella: campioe 1... campioe j... campioe 2 elemeto 1 y 1,1 y 1,j y 1,2... elemeto i y i,1 y i,j y i,2... elemeto 1 y 1,1 y 1,j y 1,2 media campioaria m 1 m j m 2 Aalisi dei Dati Sperimetali e Statistica 1

16 Cosideriamo, iazitutto, u geerico campioe y i, duque ua coloa della tabella: si può supporre che oguo dei suoi elemeti, y 1,..., y 1 sia il valore assuto da ua variabile casuale (o ache: variabile aleatoria ), Y 1,..., Y 1 ; i simboli: Y i = y i (si oti la otazioe, abituale i statistica: la lettera maiuscola idica ua variabile potrebbe essere per esempio ua gradezza fisica, metre la lettera miuscola idica u valore della variabile). Allora l ipotesi che tutti gli elemeti del campioe y i siao otteuti, seza polarizzazioe, dalla stessa popolazioe corrispode all ipotesi che tutte le variabili casuali Y i abbiao la stessa distribuzioe. Ne segue duque che se si ripete l operazioe di campioameto, e quidi si ottegoo 2 campioi y i 1,..., y i 2, ogi 2 -upla y i,1,..., y i,2 cotiee 1 valori della stessa variabile casuale Y i. Ogi media campioaria m j è perciò uo stimatore della variabile (Y Y 1 )/ 1. Che dire allora di m( m j ) = m m, cioè la media del campioe delle medie campioarie? Per defiizioe: m m =m Y 1... Y 1 1 Per la liearità della media: m Y 1... Y 1 1 = m 1... m 1 1 e per l ipotesi che le variabili casuali Y i abbiao la stessa distribuzioe, e quidi m 1 = m 2 =... m x : m 1... m 1 = 1m x =m x 1 1 La media delle medie campioarie approssima ( stima apputo) la media della popolazioe: al crescere della cardialità 1 dei campioi y i j, la media delle medie m m è sempre più simile a m x. Riprededo i cosiderazioe il campioe delle medie campioarie m j, si può studiare ora la sua deviazioe stadard, s( m j ) = s m, per chiedersi i particolare se essa coicida, a meo di approssimazioe, co la deviazioe stadard campioaria s j dei campioi y i j. Secodo la formalizzazioe appea itrodotta, si tratta duque di studiare: s m =s Y 1... Y 1 1 Si può dimostrare 2 che, el caso i cui le 1 variabili casuali Y i abbiao correlazioe ulla, vale che: s 2 m =s Y 1... Y 1 1 = s s e poiché si assume che le variabili casuali Y i abbiao la stessa distribuzioe: s 2 m = 2 1 s x = s 2 x Ricordado poi che la deviazioe stadard s x della popolazioe è stimata dalle deviazioi stadard campioarie, cioè s x s j, vale allora che: s m s j 1 Il campioe delle medie campioarie ha ua deviazioe stadard approssimativamete pari alla deviazioe stadard di u geerico campioe divisa per la radice quadrata del umero degli elemeti del campioe stesso. Mettiamo alla prova questo risultato fodametale co u esempio. Suppoiamo che la distribuzioe della popolazioe x i sia (a meo di approssimazioi) uiforme, cioè che le frequeze delle categorie siao almeo approssimativamete uguali, e che i campioi y i j siao scelti i modo da seguire ach essi ua distribuzioe uiforme (è quello che ci si aspetta, i questo caso, da u campioameto casuale, che o produca distorsioi): a causa della maggiore stabilità del campioe m j rispetto a oguo dei campioi y i j, si può costatare che il campioe m j o è più uiforme, ma ha ua forma a campaa (chiamata gaussiaa o ache ormale ), simmetrica e cetrata i m x. Aalisi dei Dati Sperimetali e Statistica 16

17 Per esempio, da ua popolazioe di = 1 valori scelti uiformemete ell itervallo [,1] (istogramma a siistra) è otteuto u certo umero di campioi y i j, oguo di 1 = valori, e se e ricava la distribuzioe delle medie campioarie m j (a destra): Come si vede, il campioe m j è molto più cocetrato itoro a m x di quato o lo siao la popolazioe x i e quidi i campioi y i j : ci si può duque aspettare che la deviazioe stadard del campioe delle medie campioarie, s m, sia miore delle deviazioi stadard dei campioi, s j. Il teorema del limite cetrale Il fatto che i codizioi come quelle specificate per l esempio precedete le medie campioarie (e quidi ache le somme di elemeti di campioi) siao approssimativamete distribuite secodo ua gaussiaa è u caso particolare di u risultato più geerale, formalizzato el teorema del limite cetrale: la somma di k variabili casuali idipedeti otteute da ua stessa distribuzioe, co media m x e deviazioe stadard s x, approssima sempre meglio, al crescere di k, ua distribuzioe gaussiaa, e ciò idipedetemete dalla forma della distribuzioe da cui le variabili casuali soo otteute; tale distribuzioe gaussiaa attrattore ha media km x e deviazioe stadard k s x / k= k s x. I cosegueza, se ivece della somma delle k variabili casuali si cosidera la loro media, la distribuzioe gaussiaa attrattore ha media m x e deviazioe stadard s x / k, esattamete come otteuto sopra. Questo teorema rede coto del fatto che i molte situazioi sperimetali le distribuzioi soo approssimabili mediate gaussiae, e quidi giustifica la scelta già citata di chiamare ache ormali tali distribuzioi. Aalisi dei Dati Sperimetali e Statistica 17

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al

Dettagli

CAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE

CAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE CAPITOLO SETTIMO GLI INDICI DI FORMA SOMMARIO: 1. Itroduzioe. - 2. Asimmetria. - 3. Grafico a scatola (box plot). - 4. Curtosi. - Questioario. 1. INTRODUZIONE Dopo aver aalizzato gli idici di posizioe

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 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 / 19 Iterdipedeza lieare fra variabili quatitative

Dettagli

Metodi statistici per l analisi dei dati

Metodi statistici per l analisi dei dati Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

Analisi statistica dell Output

Analisi statistica dell Output Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?

Dettagli

DISTRIBUZIONI DOPPIE

DISTRIBUZIONI DOPPIE DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad

Dettagli

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

LA VERIFICA DELLE IPOTESI SUI PARAMETRI LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività

Dettagli

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE LORENZO BRASCO. Teoremi di Cesaro Teorema di Stolz-Cesaro. Siao {a } N e {b } N due successioi umeriche, co {b } N strettamete positiva, strettamete crescete e ilitata. Se esiste

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1 ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO Agela Doatiello 1 Esercizio. E stato tabulato il peso di ua certa popolazioe

Dettagli

V Tutorato 6 Novembre 2014

V Tutorato 6 Novembre 2014 1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe

Dettagli

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi. Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.

Dettagli

Successioni. Grafico di una successione

Successioni. Grafico di una successione Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario

Dettagli

SUCCESSIONI E SERIE NUMERICHE

SUCCESSIONI E SERIE NUMERICHE SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua

Dettagli

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni Statistica I, Laurea trieale i Ig. Gestioale, a.a. 2011/12 Registro delle lezioi Lezioe 1 (28/9, ore 11:30). Vedere la registrazioe di Barsati, dispoibile alla pagia http://users.dma.uipi.it/barsati/statistica_2011/idex.html.

Dettagli

Le carte di controllo

Le carte di controllo Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità

Dettagli

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15 Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.

Dettagli

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02% RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base

Dettagli

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1)

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) I umeri aturali hao u ordie; ogi umero aturale ha u successivo (otteuto aggiugedo 1), e ogi umero aturale diverso da zero ha u precedete (otteuto sottraedo 1).

Dettagli

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati

Dettagli

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2 Uiversità degli Studi di Bergamo - Corsi di laurea i Igegeria Edile e Tessile Idici di posizioe e variabilità Esercitazioe 2 1. Nella seguete tabella si riporta la distribuzioe di frequeza del cosumo i

Dettagli

Successioni ricorsive di numeri

Successioni ricorsive di numeri Successioi ricorsive di umeri Getile Alessadro Laboratorio di matematica discreta A.A. 6/7 I queste pagie si voglioo predere i esame alcue tra le più famose successioi ricorsive, presetadoe alcue caratteristiche..

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagia Giovaa Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secodaria di secodo grado UNITÀ CAMPIONE Edizioi del Quadrifoglio à t i U 2 Radicali I questa Uità affrotiamo

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di

Dettagli

Capitolo uno STATISTICA DESCRITTIVA BIVARIATA

Capitolo uno STATISTICA DESCRITTIVA BIVARIATA Capitolo uo STATISTICA DESCRITTIVA BIVARIATA La statistica bidimesioale o bivariata si occupa dello studio del grado di dipedeza di due caratteri distiti della stessa uità statistica. E possibile, ad esempio,

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si

Dettagli

Esercizi riguardanti limiti di successioni

Esercizi riguardanti limiti di successioni Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse

Dettagli

LA DERIVATA DI UNA FUNZIONE

LA DERIVATA DI UNA FUNZIONE LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:

Dettagli

8. Quale pesa di più?

8. Quale pesa di più? 8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora

Dettagli

5. Le serie numeriche

5. Le serie numeriche 5. Le serie umeriche Ricordiamo che ua successioe reale è ua fuzioe defiita da N, evetualmete privato di u umero fiito di elemeti, a R. Solitamete si idica ua successioe co la lista dei suoi valori: (a

Dettagli

Campi vettoriali conservativi e solenoidali

Campi vettoriali conservativi e solenoidali Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile

Dettagli

Foglio di esercizi N. 1 - Soluzioni

Foglio di esercizi N. 1 - Soluzioni Foglio di esercizi N. - Soluzioi. Determiare il domiio della fuzioe f) = log 3 + log 3 3)). Deve essere + log 3 3) > 0, ovvero log 3 3) >, ovvero prededo l espoeziale i base 3 di etrambi i membri) 3 >

Dettagli

Il confronto tra DUE campioni indipendenti

Il confronto tra DUE campioni indipendenti Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo

Dettagli

Anno 5 Successioni numeriche

Anno 5 Successioni numeriche Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai

Dettagli

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte. ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie

Dettagli

Il test parametrico si costruisce in tre passi:

Il test parametrico si costruisce in tre passi: R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica

Dettagli

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1 Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia

Dettagli

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6 SUCCESSIONI Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La serie

Dettagli

Selezione avversa e razionamento del credito

Selezione avversa e razionamento del credito Selezioe avversa e razioameto del credito Massimo A. De Fracesco Dipartimeto di Ecoomia politica e statistica, Uiversità di Siea May 3, 013 1 Itroduzioe I questa lezioe presetiamo u semplice modello del

Dettagli

Calcolo Combinatorio (vers. 1/10/2014)

Calcolo Combinatorio (vers. 1/10/2014) Calcolo Combiatorio (vers. 1/10/2014 Daiela De Caditiis modulo CdP di teoria dei segali Igegeria dell Iformazioe - sede di Latia, CALCOLO COMBINATORIO Pricipio Fodametale del Calcolo Combiatorio: Si realizzio

Dettagli

Approfondimenti di statistica e geostatistica

Approfondimenti di statistica e geostatistica Approfodimeti di statistica e geostatistica APAT Agezia per la Protezioe dell Ambiete e per i Servizi Tecici Cos è la geostatistica? Applicazioe dell aalisi di Rischio ai siti Cotamiati Geostatistica La

Dettagli

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia)

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia) Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia) Massimo A. De Fracesco Uiversità di Siea December 18, 2013 1 ichiami su utilità attesa e avversioe al rischio Prima di cosiderare il

Dettagli

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la

Dettagli

PARTE QUARTA Teoria algebrica dei numeri

PARTE QUARTA Teoria algebrica dei numeri Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)

Dettagli

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x. ANALISI MATEMATICA Area dell Igegeria dell Iformazioe Appello del 5.0.0 TEMA Esercizio Si cosideri la fuzioe f(x = arcsi log x. Determiare il domiio di f e discutere il sego. Discutere brevemete la cotiuità

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Il modello di Regressioe Prof. Livia De Giovai statistica@dis.uiroma.it Esercizio Solitamete è accertato che aumetado il umero di uità prodotte, u idustria possa ridurre i costi

Dettagli

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1 SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:

Dettagli

Campionamento stratificato. Esempio

Campionamento stratificato. Esempio ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete

Dettagli

Principi base di Ingegneria della Sicurezza

Principi base di Ingegneria della Sicurezza Pricipi base di Igegeria della Sicurezza L aalisi delle codizioi di Affidabilità del sistema si articola i: (i) idetificazioe degli sceari icidetali di riferimeto (Eveti critici Iiziatori - EI) per il

Dettagli

Successioni. Capitolo 2. 2.1 Definizione

Successioni. Capitolo 2. 2.1 Definizione Capitolo 2 Successioi 2.1 Defiizioe Ua prima descrizioe, più ituitiva che rigorosa, di quel che itediamo per successioe cosiste i: Ua successioe è ua lista ordiata di oggetti, avete u primo ma o u ultimo

Dettagli

II-9 Successioni e serie

II-9 Successioni e serie SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La

Dettagli

CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli:

CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli: PROPOSTA DI UN PROTOCOLLO DI PROVE PER IL CONTROLLO DELLE CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE FINALITÀ Nel campo edile l utilizzo di rivestimeti esteri da riportare sulle

Dettagli

Random walk classico. Simulazione di un random walk

Random walk classico. Simulazione di un random walk Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S = S0 X k, co X k = k= co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti

Dettagli

STATISTICA 1 parte 2/2 STATISTICA INFERENZIALE

STATISTICA 1 parte 2/2 STATISTICA INFERENZIALE STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI

Dettagli

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone Numerazioe biaria Pagia di 9 easy matematica di Adolfo Scimoe SISTEMI DI NUMERAZIONE Sistemi di umerazioe a base fissa Facciamo ormalmete riferimeto a sistemi di umerazioe a base fissa, ad esempio el sistema

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

Distribuzione di un carattere

Distribuzione di un carattere Distribuzioe di u carattere Dopo le fasi di acquisizioe e di registrazioe dei dati, si passa al loro cotrollo e quidi alle loro elaborazioe. Si defiisce distribuzioe uitaria semplice di u carattere l elecazioe

Dettagli

Serie numeriche e serie di potenze

Serie numeriche e serie di potenze Serie umeriche e serie di poteze Sommare u umero fiito di umeri reali è seza dubbio u operazioe che o può riservare molte sorprese Cosa succede però se e sommiamo u umero ifiito? Prima di dare delle defiizioi

Dettagli

che sono una l inversa dell altra; l insieme dei messaggi cifrati C i cui elementi sono indicati con la lettera c.

che sono una l inversa dell altra; l insieme dei messaggi cifrati C i cui elementi sono indicati con la lettera c. I LEZIONE Il ostro iteto è aalizzare i dettaglio i metodi di cifratura che si soo susseguiti el corso della storia prestado particolare attezioe all impiato matematico che e cosete la realizzazioe Iiziamo

Dettagli

Modelli multiperiodali discreti. Strategie di investimento

Modelli multiperiodali discreti. Strategie di investimento Modelli multiperiodali discreti Cosideriamo ora modelli discreti cioè co u umero fiito di stati del modo multiperiodali, cioè apputo co più periodi. Il prototipo di questa classe di modelli è il modello

Dettagli

Introduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche

Introduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche Itroduzioe alla Statistica descrittiva Defiizioi prelimiari È la scieza che studia i feomei collettivi o di massa. U feomeo è detto collettivo o di massa quado è determiato solo attraverso ua molteplicità

Dettagli

Corso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015

Corso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015 Corso di Elemeti di Impiati e mahie elettriche Ao Aademico 014-015 Esercizio.1 U trasformatore moofase ha i segueti dati di targa: Poteza omiale A =10 kva Tesioe omiale V 1 :V =480:10 V Frequeza omiale

Dettagli

EQUAZIONI ALLE RICORRENZE

EQUAZIONI ALLE RICORRENZE Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo

Dettagli

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio Radicali Per itrodurre il cocetto di radicali che già avete icotrato alle medie quado avete imparato a calcolare la radice quadrata e cubica dei umeri iteri, abbiamo bisogo di rivedere il cocetto di uzioe

Dettagli

Teorema 13. Se una sere converge assolutamente, allora converge:

Teorema 13. Se una sere converge assolutamente, allora converge: Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 03: Riferimeti: R.Adams, Calcolo Differeziale.- Si cosiglia vivamete di fare gli esercizi del testo. Covergeza assoluta e

Dettagli

Random walk classico. Simulazione di un random walk

Random walk classico. Simulazione di un random walk Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S S0 X k, co X k k co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti e ideticamete

Dettagli

CAPITOLO 5 TEORIA DELLA SIMILITUDINE

CAPITOLO 5 TEORIA DELLA SIMILITUDINE CAPITOLO 5 TEORIA DELLA SIMILITUDINE 5.. Itroduzioe La Teoria della Similitudie ha pricipalmete due utilizzi: Estedere i risultati otteuti testado ua sigola macchia ad altre codizioi operative o a ua famiglia

Dettagli

3.1 Il principio di inclusione-esclusione

3.1 Il principio di inclusione-esclusione Capitolo 3 Calcolo combiatorio 3.1 Il pricipio di iclusioe-esclusioe Il calcolo combiatorio prede i cosiderazioe degli isiemi fiiti particolari e e cota il umero di elemeti. Questo può dar luogo ad iteressati

Dettagli

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014)

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014) Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia per maager. Prima versioe, marzo 2013; versioe aggiorata, marzo 2014) Massimo A. De Fracesco Uiversità di Siea March 14, 2014 1 Prezzo

Dettagli

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazioe di Gras Date due variabili biarie a e b, i quale misura posso assicurare che i ua popolazioe da ogi osservazioe di a segue ecessariamete quella di b? E

Dettagli

Alcuni parametri statistici di base

Alcuni parametri statistici di base Alcui parametri statistici di base Misure di tedeza cetrale: media mediaa moda Misure di dispersioe: itervallo di variazioe scarto medio variaza deviazioe stadard coefficiete di variazioe Popolazioe di

Dettagli

5 ln n + ln. 4 ln n + ln. 6 ln n + ln

5 ln n + ln. 4 ln n + ln. 6 ln n + ln DOMINIO FUNZIONE Determiare il domiio della fuzioe f = l e e + e + e Deve essere e e + e + e >, posto e = t si ha t e + t + e = per t = e e per t = / Il campo di esisteza è:, l, + Determiare il domiio

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2006

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2006 ESAME DI STAT DI LICE SCIENTIFIC CRS DI RDINAMENT 006 Il cadidato risolva uo dei due problemi e 5 dei 0 quesiti i cui si articola il questioario. PRBLEMA U filo metallico di lughezza l viee utilizzato

Dettagli

Distribuzioni di probabilità Unità 79

Distribuzioni di probabilità Unità 79 Prerequisiti: - Primi elemeti di probabilità e statistica. - Nozioi di calcolo combiatorio. - Rappresetazioe di puti e rette i u piao cartesiao. Questa uità iteressa tutte le scuole ad eccezioe del Liceo

Dettagli

Capitolo Decimo SERIE DI FUNZIONI

Capitolo Decimo SERIE DI FUNZIONI Capitolo Decimo SERIE DI FUNZIONI SUCCESSIONI DI FUNZIONI I cocetti di successioe e di serie possoo essere estesi i modo molto aturale al caso delle fuzioi DEFINIZIONE Sia E u sottoisieme di  e, per ogi

Dettagli

Dispense di probabilità e statistica *

Dispense di probabilità e statistica * IFORMATICA E STATISTICA PER OTTICA E OPTOMETRIA Dispese di probabilità e statistica * Daiele Motaio Uiversità degli Studi del Saleto e-mail: daiele.motaio@le.if.it web: http://www.le.if.it/~motai/ Questa

Dettagli

Capitolo 2 CALCOLO DELLE PROBABILITÀ

Capitolo 2 CALCOLO DELLE PROBABILITÀ CORSO DI LAUREA IN ECONOMIA AZIENDALE (Note didattiche) Bruo Chiadotto Fabrizio Cipollii Capitolo CALCOLO DELLE PROBABILITÀ Il calcolo delle probabilità, ato el cotesto dei giochi d azzardo si è sviluppato

Dettagli

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa I umeri complessi Pagie tratte da Elemeti della teoria delle fuzioi olomorfe di ua variabile complessa di G. Vergara Caffarelli, P. Loreti, L. Giacomelli Dipartimeto di Metodi e Modelli Matematici per

Dettagli

INTRODUZIONE ALLA STATISTICA

INTRODUZIONE ALLA STATISTICA Liceo Scietifico -Idirizzo giuridico ecoomico aziedale -Idirizzo operatore turistico Via Rossi/Casacampora, 3-80056 Ercolao (Na) Tel. (+39)08 7396340 (+39)08 7774666 - Fax (+39) 08739669 Cod. Mecc NAISO00G

Dettagli

Serie numeriche: esercizi svolti

Serie numeriche: esercizi svolti Serie umeriche: esercizi svolti Gli esercizi cotrassegati co il simbolo * presetao u grado di difficoltà maggiore. Esercizio. Dopo aver verificato la covergeza, calcolare la somma delle segueti serie:

Dettagli

Terzo appello del. primo modulo. di ANALISI 18.07.2006

Terzo appello del. primo modulo. di ANALISI 18.07.2006 Terzo appello del primo modulo di ANALISI 18.7.26 1. Si voglioo ifilare su u filo delle perle distiguibili tra loro solo i base alla dimesioe: si hao a disposizioe perle gradi di diametro di 2 cetimetri

Dettagli

I appello - 29 Giugno 2007

I appello - 29 Giugno 2007 Facoltà di Igegeria - Corso di Laurea i Ig. Iformatica e delle Telecom. A.A.6/7 I appello - 9 Giugo 7 ) Studiare la covergeza putuale e uiforme della seguete successioe di fuzioi: [ ( )] f (x) = cos (

Dettagli

STIME E LORO AFFIDABILITA

STIME E LORO AFFIDABILITA TIME E LORO AFFIDABILITA L idea chiave su cui si basa l aalisi statistica è che si ossoo eseguire osservaioi su u camioe di soggetti e che da questo si ossoo comiere iferee sulla oolaioe raresetata da

Dettagli

Capitolo 8 Le funzioni e le successioni

Capitolo 8 Le funzioni e le successioni Capitolo 8 Le fuzioi e le successioi Prof. A. Fasao Fuzioe, domiio e codomiio Defiizioe Si chiama fuzioe o applicazioe dall isieme A all isieme B ua relazioe che fa corrispodere ad ogi elemeto di A u solo

Dettagli

Capitolo 6 Teoremi limite classici

Capitolo 6 Teoremi limite classici Capitolo 6 Teoremi limite classici Abstract I Teoremi limite classici, la legge dei gradi umeri e il teorema limite cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia

Dettagli

CAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE

CAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE CAPITOLO UNDICESIMO VARIABILI CASUALI SOMMARIO:. Itroduzioe. -. Variabili casuali discrete. - 3. La variabile casuale di Beroulli. - 4. La variabile casuale biomiale. -. La variabile casuale di Poisso.

Dettagli

Progressioni aritmetiche

Progressioni aritmetiche Progressioi aritmetiche Comiciamo co due esempi: Esempio Cosideriamo la successioe di umeri:, 7,, 5, 9, +4 +4 +4 +4 +4 La successioe è tale che si passa da u termie al successivo aggiugedo sempre +4. Si

Dettagli

Complementi di Matematica e Statistica

Complementi di Matematica e Statistica Uiversità di Bologa Sede di Forlì Ao Accademico 009-00 Complemeti di Matematica e Statistica (Alessadro Lubisco) Aalisi delle compoeti pricipali INDICE Idice... i Aalisi delle compoeti pricipali... Premessa...

Dettagli

Appunti su rendite e ammortamenti

Appunti su rendite e ammortamenti Corso di Matematica I Facoltà di Ecoomia Dipartimeto di Matematica Applicata Uiversità Ca Foscari di Veezia Fuari Stefaia, fuari@uive.it Apputi su redite e ammortameti 1. Redite Per redita si itede u isieme

Dettagli

SERIE NUMERICHE Esercizi risolti. 2 b) n=1. n n 2 +n

SERIE NUMERICHE Esercizi risolti. 2 b) n=1. n n 2 +n SERIE NUMERICHE Esercizi risolti. Applicado la defiizioe di covergeza di ua serie stabilire il carattere delle segueti serie, e, i caso di covergeza, trovare la somma: = + b) = + +. Verificare utilizzado

Dettagli

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale

Dettagli

Statistica descrittiva

Statistica descrittiva Statistica descrittiva idici idici (o misure) di posizioe media campioaria di osservazioi x, x,..., x x i x= per campioi x ì ripetuti ciascuo co frequeza f i x= x i f i Posto y i =a x i b : y=a x mediaa

Dettagli

Appunti sulla MATEMATICA FINANZIARIA

Appunti sulla MATEMATICA FINANZIARIA INTRODUZIONE Apputi sulla ATEATIA FINANZIARIA La matematica fiaziaria si occupa delle operazioi fiaziarie. Per operazioe fiaziaria si itede quella operazioe ella quale avviee uo scambio di capitali, itesi

Dettagli