Mo=V Max La distribuzione di frequenza si dice unimodale quando la Moda è unica, oppure bimodale quando la Moda è definita da due valori
|
|
- Oliviero Antonella
- 6 anni fa
- Visualizzazioni
Transcript
1 Sitetizzao u isieme di misure co u uico valore rappresetativo Idicatori di tedeza cetrale e di posizioe Dati qualitativi Idice (Idicatore) Defiizioe Dati Formula Nota Nomiale Ordiale Gamma Tabella aggiorata al: 26 ovembre 2011 Ampiezza dell'isieme dei dati grezzi G=x max x mi Scale Dati cosiderabili sia qualitativi che quatitativi Dati quatitativi Itervalli equivaleti Grezzi No Sì Sì Sì A= G k Ampiezza delle classi Raggruppati i classi k= umero delle classi No Sì Sì Sì Rapporti equivaleti Moda (o Valore modale) Moda (o Classe modale) Valore più frequete ella distribuzioe osservata Grezzi Raggruppati i classi Mo=V Max La distribuzioe di frequeza si dice uimodale quado la Moda è uica, oppure bimodale quado la Moda è defiita da due valori Sì Sì Sì Sì Media aritmetica (m o x soprassegato quado ci si riferisce al campioe, μ quado ci si riferisce alla popolazioe) Somma delle misure osservate diviso il umero delle osservazioi fatte Media aritmetica per dati raggruppati x i * x = valore i-esimo i =1 m, x= * = umero dei casi Proprietà della Media: Grezzi 1) la somma degli scarti dei sigoli valori dalla media è sempre uguale a zero 2) la somma dei quadrati degli scarti di ciascu valore dalla media è miore della somma degli scarti degli stessi valori da u qualsiasi altro umero (proprietà dei miimi quadrati) 1) si moltiplica la frequeza di ogi classe per il valore tipico corrispodete al Puto medio della classe 2) si somma e poi si divide per il umero dei casi m, x= k c=1 x c f c * x = valore tipico di ciascua classe * f = frequeza associata alla X c-esima * k = umero dei diversi valori * = umero dei casi Grezzi: 1) si ordiao le categorie 2) si calcolao le frequeze cumulate 3) si idetifica la posizioe mediaa 4) si trova, tramite la distribuzioe delle frequeze cumulate, il "valore" corrispodete POSMe= 1 2 Me= x POSMe * POSMe = caso idividuato * = umero dei casi * dispari: valore corrispodete a POSMe * pari: Media aritmetica dei valori attoro a POSMe Nota: se >30 al umeratore si può scrivere soltato ivece che +1 No Sì Sì Mediaa (Me o Md) Valore che occupa la posizioe cetrale i ua distribuzioe ordiata Raggruppati i classi: Formula geerale quado si ha a che fare co dati cotiui POSMe= 1 2 Me= X li POSMe f licum Amp f i Procedura: 1) si idividua la posizioe mediaa POSMe 2) tra le frequeze cumulate si idividua quella che "cotiee" POSMe 3) si trova il valore x, o la classe, che corrispode alla frequeza cumulata 4) ifie si calcola il valore esatto della Mediaa co la secoda formula, dove: Xli = limite reale iferiore della classe che cotiee la Mediaa flicum = frequeza cumulata della classe precedete a quella che cotiee la Mediaa Amp = ampiezza della classe che cotiee la Mediaa fi = frequeza della classe che cotiee la Mediaa Nota: le cosiderazioi fatte per la Mediaa soo valide per qualsiasi Quatile No esiste, ma si possoo cosiderare i valori subito prima e subito dopo No Sì Sì l l Pagia 1
2 Sitetizzao u isieme di misure co u uico valore rappresetativo Tabella aggiorata al: 26 ovembre 2011 Idicatori di tedeza cetrale e di posizioe Dati qualitativi Idice (Idicatore) Defiizioe Dati Formula Nota Nomiale Ordiale Scale Dati cosiderabili sia qualitativi che quatitativi Dati quatitativi Itervalli equivaleti Rapporti equivaleti Puto medio o cetrale (detto ache Xcetrale, Xc) Semisomma dei limiti iferiore e superiore p m = l l i s 2 Grezzi l = limite (iferiore e superiore) No Sì Sì Sì Quartile Decile Cetile (o Percetile) Detti geeralmete Quatili: valori della distribuzioe i corrispodeza dei quali la distribuzioe viee suddivisa i 4, 10 o 100 parti Grezzi: trovata la posizioe dei vari Quatili, si legge il valore corrispodete V PosQi Nota: per i dati raggruppati i classi si rimada alla relativa formula della Mediaa per poi aturalmete adattarla PosQ i = 1 4 i PosD i = 1 10 i PosC i = i Se la posizioe calcolata o è u itero, per trovare il valore corrispodete si applica la formula: V = V s V i q V i Vs = valore superiore Vi =valore iferiore q = la quatità che eccede la posizioe del Vi rappreseta No soltato la Sì Sì posizioe Pagia 2
3 Specificao la variabilità dei dati Idicatori di Variabilità (o Dispersioe) Dati qualitativi Idice (Idicatore) Defiizioe Dati Formula Nota Nomiale Ordiale Campo di Variazioe Tabella aggiorata al: 26 ovembre 2011 Esprime l'ampiezza della variazioe dei valori misurati Scale Dati cosiderabili sia qualitativi che quatitativi Dati quatitativi Itervalli equivaleti Grezzi Molto sesibile a valori aberrati. Corrispode alla Gamma. Se la distribuzioe di frequeza è i classi si calcola la differeza tra i puti medi delle classi estreme (sup e if) C v = x max x mi C v = p m Ksup p m Kif Rapporti equivaleti Differeza iterquatilica (DI) Idice di variabilità delle misure DI =Q 3 Q 1 o molto Raggruppati i classi No Sì Sì sigificativa Scarto Semplice Medio (SSM) o Scostameto Variaza (idicata co s 2 o V (x) quado ci si riferisce al campioe, σ 2 (sigma quadro) se ci si riferisce alla popolazioe) Media delle differeze, i valore assoluto, della Media della distribuzioe Media del quadrato degli scostameti dalla Media. La parte al umeratore viee defiita deviaza e può essere scomposta Grezzi Questo idice è molto meo usato rispetto alla variaza i=1 Poiché la somma degli scarti dalla media è zero, si sommao gli scarti x i x 2 elevati al quadrato. Se >30 al deomiatore si può mettere soltato al posto di -1. Il fatto che la Variaza è u valore quadratico e che quidi Grezzi s 2 i=1 = o ha la stessa uità di misura della Media, la rede poco descrittiva 1 ell'osservazioe immediata dei dati; per questo si usa spesso la Deviazioe stadard Raggruppati i classi c=1 k = umero delle classi Formula abbreviata (utile se si dispoe di ua calcolatrice) SSM= s 2 = s 2 = k 2 x i i=1 x i x f c x c x 2 f c i=1 x i 2 I pratica è sufficiete calcolare le somme delle x i e delle x i2. Deviazioe stadard (o scarto quadratico medio) Idica di quato, mediamete, i dati osservati si discostao dalla loro Media ed è la radice quadrata della Variaza s= i =1 Si idica co s se si tratta di dati osservati su campioi, metre si idica Grezzi x i x 2 co σ (sigma) se si tratta di distribuzioi teoriche riferite alla popolazioe. Spesso si idica ache come DS(x) s= k j =1 f j x c j x 2 Raggruppati i classi Rappreseta u idicatore di dispersioe relativa Coefficiete di Variazioe (CV) Sitetizza il rapporto tra la Deviazioe stadard e la Media CV = s x 100 Idica la dispersioe dei puteggi usado come uità di misura la media dei puteggi stessi: è quidi u idicatore di variabilità relativa Pagia 3
4 Utilizzati per adeguare la misura ad ua scala stadard co Media e Variaza ote Stadardizzazioe Dati qualitativi Idice (Idicatore) Defiizioe Dati Formula Nota Nomiale Ordiale puto z Stadardizzazioe dei valori della x attraverso i puti z Tabella aggiorata al: 27 ovembre 2011 Idica la posizioe del dato i termii di distaza dalla media La Distribuzioe Normale (DN) viee trasformata i Distribuzioe Normale Stadard (DNS) co μ=0 e σ=1 trasformado i valori della x i puti z z i = x i x s Se il puto z è egativo, sigifica che xi è al di sotto della Media, viceversa, se il puto z è positivo, xi è u valore sopra alla Media. * * * È possibile procedere a trasformazioi lieari dei puti z attraverso la formula: Y =a bz Y = x sz Scale Dati cosiderabili sia qualitativi che quatitativi Dati quatitativi T =50 10 z Valori di a e b per la formula: Questa trasformazioe i lieare evita i valori M = 50 scala T puti z egativi e decimali dei S = 10 puti z Itervalli equivaleti a = Media b = Deviazioe stadard Grezzi Dopodiché si possoo stadardizzare i valori della x co la formula dei puti z. I tal modo diveta possibile utilizzare u'uica Tavola (Tav. A) dove soo riportate le aree della curva i corrispodeza dei diversi valori di z Rapporti equivaleti scala ste (stadard te) Permette di otteere ua uova scala co 10 categorie stadardizzate puti z ste=5,5 2 z i Valori di a e b per la formula: M = 5,5 S = 2 scala staie (stadard ie) Permette di otteere ua uova scala co 9 categorie stadardizzate puti z staie=5 2 z i Valori di a e b per la formula: M = 5 S = 2 età metale età metale = puteggio otteuto attraverso dei test specifici Q.I.= --- età croologica 100 QI Quoziete di itelligeza puti z Procedura No No Sì No QI = z Q.I. 1) si calcola il puto z del Q.I. 2) si fa la trasformazioe lieare co i valori di a e b: M=100 e s=15 puti St puti z St=5 1 z i Valori di a e b per la formula: M = 5 S = 1 POSx è la posizioe che il valore di x occupa ella distribuzioe dei valori che deve essere prevetivamete ordiata i maiera crescete RP x i = POS x i Grezzi Nota: aturalmete è possibile calcolare ache i Raghi Quartili o Decili No Sì Sì Sì sostituedo il 100 al umeratore co, rispettivamete, 4 o 10 Pagia 4
5 Stadardizzazioe Raghi percetili (o quartili o decili) Il Rago percetile di u puteggio x, RP(x), è la percetuale di dati che assumoo u valore uguale o miore di x POScl xi = f licum x x li f ai i 1) si ordiao le classi (iseredo ache quelle macati) 2) si calcolao le frequeze cumulate 3) si idetifica la classe che cotiee il valore x 4) si determia la POScl(xi) Raggruppati i classi 5) si trasforma la posizioe i RP No Sì Sì Sì RP x i = POScl x i flicum = frequeza cumulata fio alla classe precedete xli = limite reale iferiore della classe che iclude x ai = ampiezza della classe che iclude x fi = frequeza della classe puto t (distribuzioe t di Studet ) La distribuzioe t di Studet viee utilizzata per defiire degli itervalli di cofideza per la media di ua popolazioe t i = X M i σ σ = s 1 Se la distribuzioe campioaria della media (DCM) o ha forma ormale (tipicamete quado <=30), se la variaza della popolazioe (σ 2 ) o è ota, allora si fa riferimeto alla distribuzioe "t di Studet" co dove (-1) gradi di libertà (GDL). No cooscedo la variaza della popolazioe (σ 2 ), la verifica dell'ipotesi sulla media della popolazioe (μ) si effettua sostituedo alla Deviazioe stadard (errore stadard) σ la sua stima Pagia 5
6 Scarto Semplice Medio (SSM) Valori (Xi) Xi-Media 4 0, , , ,250 4,25 5,500 Media = 4 δ= 1,375 Pagia 6
7 Variaza e Deviazioe stadard Valori (Xi) Xi-Media (Xi-Media) 2 4-0,250 0,06 7 2,750 7,56 2-2,250 5,06 4-0,250 0,06 4,25 12,75 Media = 4 s 2 = 4,250 Variaza s= 2,062 Deviazioe stadard Pagia 7
8 Proprietà della DCM Proprietà della Distribuzioe Campioaria della Media (DCM) rispetto alla Distribuzioe della popolazioe Parametri della Distribuzioe della popolazioe Parametri della Distribuzioe Campioaria della Media (DCM) Deviazioe Caso Media Variaza Forma Ampiezza () Media Variaza stadard (errore Forma stadard) 1 Nota Qualsiasi >30 x = 2 x = 2 x = Normale 2 Nota Normale Qualsiasi x = 2 x = 2 Normale x = 3 Igota Normale >30 2 x = s 2 x = campioe x = s campioe 1 1 Normale 4 Igota Normale 30 x = 2 x = s 2 campioe x = s campioe 1 1 t di Studet Pagia 8
9 chi quadrato chi quadrato Tipo formaggio Prefereze (fo) fo: frequeze osservate F1 20 ft: frequeze teoriche F2 39 F k Tipo formaggio F1 Prefereze (fo) 20 ft=/k 28 fo-ft -8 (fo-ft) 2 64 (fo-ft) 2 /ft 2,29 F ,32 F ,32 6,93 chi 2 Residuo stadardizzato Tipo formaggio F1 Prefereze (fo) 20 ft=/k 28 fo-ft -8 radice di ft 5,29 (fo-ft)/radice di ft -1,51 verifico se >±2 No F ,29 2,08 Sì F ,29-0,57 No Legeda iput formule risultato Pagia 9
10 Verifica delle ipotesi sulla forma della distribuzioe el caso di due campioi Verifica delle ipotesi sulla forma della distribuzioe el caso di due campioi Tavola di cotigeza: composizioe della tabella della distribuzioe dei soggetti per le varie categorie e calcolo dei margiali A B C =1A+1B+1C =2A+2B+2C =1A+2A =1B+2B =1C+2C =tot (righe+coloe) frequeze margiali di coloa ovvero: A B C frequeza margiale di riga Calcolo delle frequeze teoriche (ft): si calcolao per ogi cella moltiplicado i corrispodeti totali margiali di riga e di coloa e dividedo il prodotto per il totale geerale (ell'ipotesi che H0 sia vera) A B C 1 11,33 10,52 12, ,67 15,48 17,86 Cofroto tra frequeze osservate (fo) e frequeze teoriche (ft) Cella 1-A fo 20 ft 11,33 (fo-ft) 8,67 (fo-ft) 2 75,11 (fo-ft) 2 /ft 6,63 1-B 6 10,52-4,52 20,46 1,94 1-C 8 12,14-4,14 17,16 1,41 2-A 8 16,67-8,67 75,11 4,51 2-B 20 15,48 4,52 20,46 1,32 2-C 22 17,86 4,14 17,16 0,96 16,78 Chi 2 (X 2 ) Calcolo del Residuo stadardizzato per capire quale dei valori è più sigificativo Cella fo ft (fo-ft) (fo-ft)/ la radice di ft Verifica se è > 2 1-A 20 11,33 8,67 2,57 Sì C'è ua relazioe sigificativa 1-B 6 10,52-4,52-1,39 No 1-C 8 12,14-4,14-1,19 No 2-A 8 16,67-8,67-2,12 Sì C'è ua relazioe sigificativa 2-B 20 15,48 4,52 1,15 No 2-C 22 17,86 4,14 0,98 No Nota: calcolo semplificato del chi quadrato el caso di tabelle di cotigeza 2x2 A B A+B C D C+D A+B B+D N (totale) chi 2 N AD BC 2 = A B C D A C B D Pagia 10
11 Tabella sulla correlazioe lieare Livello di misura Relazioe tra 2 variabili misurate almeo su scale a itervalli equivaleti Relazioe tra 2 variabili dicotomiche e ordiali Idice di correlazioe r di Bravais-Pearso r phi Relazioe tra 1 variabile dicotomica e 1 variabile misurata almeo su scala a itervalli equivaleti r puto-biseriale (r pb ) Relazioe tra 2 variabili misurate su scala ordiale Relazioe tra 1 variabile su scala ordiale e 1 su scala a itervalli o rapporti equivaleti ρ (rho) di Spearma (rs) Pagia 11
12 r di Pearso (per variabili a livello degli itervalli equivaleti) r di Pearso Cosumo pro capite di Tasso di mortalità per cacro sigarette el 1930 ai polmoi el 1950 Nazioe X Y XY X 2 Y 2 Islada Norvegia Svezia Daimarca Australia Olada Caada Svizzera Filadia Gra Bretaga Stati Uiti N X Y XY X 2 Y 2 Legeda iput umeratore ,45 XY-(( X* Y)/N) formule deomiatore ,32 Radice( X 2 -(( X) 2 )/N) * Radice( Y 2 -(( Y) 2 )/N) risultato r di Pearso= 0,738 Verifica delle ipotesi Co -2 gdl la r di Pearso si distribuisce come la t di Studet t= 3,277 t=r*radice((-2)/(1-r2)) 500 Diagramma di dispersioe (L. Evagelisti) Scatterplot 400 Valori della Y Nazioe Valori della X Pagia 12
13 rphi Variabili a b c d e f g h i j X Y r phi (per variabili dicotomiche e ordiali) Legeda Dom Y iput 1 0 formule 1 fa fb p Dom X risultato 0 fc fd q p' q' Dom X Dom Y r phi 0,07 r phi = ((fa*fd) (fb*fc)) / radice(p*p'*q*q') chi 2 0,04 chi 2 = * r 2 phi Pagia 13
14 puto-biseriale (rpb) r pb (puto-biseriale) Test attitudiale cui si può rispodere giusto (Y=1) o errato (Y=0) Esempio: verificare, p.e., se l item 3 va ello stesso verso del totale del test Domada: quado u soggetto ha u puteggio alto el test, rispode correttamete all'item 3 e viceversa? Soggetti Item 1 Item 2 Item 3 Item 4 Item 5 Item 6 Item 7 Tot (X) Tot (X) M X X-M (X-M) 2 a ,636 1,364 1,860 b ,636 2,364 5,587 c ,636 0,364 0,132 d ,636-2,636 6,950 e ,636 0,364 0,132 f ,636-2,636 6,950 g ,636-0,636 0,405 h ,636 1,364 1,860 i ,636 2,364 5,587 l ,636-1,636 2,678 m ,636-0,636 0, ,636 (X-M) 2 = (X-M) 2 /= 32,55 2,96 Legeda Procedura per passi Deviazioe stadard (s x ) radice( (X-M) 2 /)= 1,72 iput 1) calcolo la media del totale quado Item 3 =1 5,250 formule valori calcolati maualmete 2) calcolo la media del totale quado Item 3 =0 3) calcolo della deviazioe stadard (s x ) 3,000 1,72 risultato 4) coteggio degli co valore 1 8 5) coteggio degli co valore 0 6) 1 / 7) 0 / 8) radice(( 1 /)*( 0 /)) 9) calcolo del puto biseriale r pb 2 10) calcolo r pb 3 0,73 0,27 0,45 0,58 0,34 11) trasformazioe di r pb i t di Studet 2,150 Calcolo della s x della variabile cotiua Pagia 14
15 rs (o rho) di Spearma (correlazioe tra raghi) rho di Spearma C è cocordaza tra le due graduatorie? Soggetti X Y d = X-Y a b c d e d 2 = 20 Legeda iput rs= 1 - (6 * d 2 ) / ( * ( 2-1) formule rs= 0 valori calcolati maualmete risultato se 30: valori tabulati di rs i fuzioe di α e di se > 30: si trasforma rs i t di Studet co (-2) gdl d 2 t di Studet= rs * radice (( 2)/(1 - rs)) t di Studet= 0 Pagia 15
16 Regressioe semplice Y ' =a bx Regressioe semplice VI variabile VD variabile Valore teorico Per il calcolo dell'errore idipedete dipedete della VD stadard della stima soggetti X Y XY X 2 Y 2 Y' (Y-Y') (Y-Y') 2 a ,750 0,250 0,063 b ,875-6,875 47,266 c ,375-5,375 28,891 d ,000 2,000 4,000 e ,375 6,625 43,891 f ,500-4,500 20,250 g ,125 7,875 62,016 = ,38 Medie= 4,143 38,429 b= N XY X Y N X 2 X 2 a= Y b X b (coefficiete agolare)= 9,125 a (itercetta)= 0, Retta di regressioe (iterpolazioe della uvola dei puti) s e = Y Y ' 2 N 2 s e (errore stadard della stima)= 41,275 Y Y Y' 20 Legeda iput formule risultato X Pagia 16
Alcuni 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
DettagliDomande di teoria. Chiorri, C. (2014). Fondamenti di psicometria - Risposte e soluzioni Capitolo 3
Chiorri, C. (0). Fodameti di psicometria - Risposte e soluzioi Capitolo Domade di teoria. Per le caratteristiche geerali vedi paragrafo. p. 79. Per le procedure di calcolo vedi per la moda pp. 79-8, per
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
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
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
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
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
DettagliApprofondimento 3.3. Calcolare gli indici di posizione con dati metrici singoli e raggruppati in classi
Chiorri, C. (201). Fodameti di psicometria - Approfodimeto. 1 Approfodimeto. Calcolare gli idici di posizioe co dati metrici sigoli e raggruppati i classi 1. Dati metrici sigoli Quado l iformazioe è a
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
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
DettagliES 1.3. Data la distribuzione unitaria di una variabile quantitativa X. la media aritmetica di X è data dal rapporto tra il totale n
ES 1.3 1 Media e variaza Data la distribuzioe uitaria di ua variabile quatitativa X x 1... x i... x, la media aritmetica di X è data dal rapporto tra il totale x i e il umero delle uità rilevate: x = 1
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
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:
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
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
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
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
DettagliAnemia. Anemia - percentuali
1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14
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
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
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,
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
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
DettagliApprofondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie
Approfodimeto 2.1 Scalig degli stimoli mediate il metodo del cofroto a coppie Il metodo del cofroto a coppie di Thurstoe (Thurstoe, 1927) si basa sull assuzioe che la valutazioe di u oggetto o di uo stimolo
DettagliRegressione e correlazione
Regressioe e correlazioe Regressioe e correlazioe I molti casi si osservao gradezze che tedoo a covariare, ma () Se c è ua relazioe di dipedeza fra due variabili, ovvero se il valore di ua variabile (dipedete)
DettagliStrumenti 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
DettagliQuesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:
Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,
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
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
DettagliConfronto di due misure Campioni indipendenti
Statistica7 /11/015 Cofroto di due misure Campioi idipedeti o meglio.. rispodere al quesito Due serie di misure soo state estratte dalla stessa popolazioe (popolazioe comue o idetica) o soo state estratte
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
Dettagli1.5 - Variabilità, concentrazione e asimmetria
.5 - Variabilità, cocetrazioe e asimmetria G. Alleva - Statistica - Parte.5 Obiettivo: Misura della variabilità di ua distribuzioe statistica Mutabilità, Dispersioe, Variabilità, Eterogeeità E l attitudie
DettagliIntervalli di Fiducia
di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica
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
DettagliStima della media di una variabile X definita su una popolazione finita
Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di tatistica A-Di Prof. M. Romaazzi 27 Geaio 2015 ogome e Nome..................................... N. Matricola.......... Valutazioe l puteggio massimo teorico di questa prova
DettagliCorso di Statistica. Test per differenza tra medie e proporzioni. Prof.ssa T. Laureti a.a
Corso di Statistica Test per differeza tra medie e proporzioi Prof.ssa T. Laureti a.a. -3 Corso di Statistica a.a. -3 DEIM, Uiv.TUSCIA - Prof.ssa Laureti Test basati su campioi idipedeti proveieti da due
DettagliLezione 8. Statistica sociale Laurea specialistica in Progettazione e gestione del turismo culturale
Statistica sociale Laurea specialistica i Progettazioe e gestioe del turismo culturale Lezioe 8 Itroduzioe all aalisi aalisi statistica dei dati (2) Gialuca Domiutti Si presetao quidi alcue misure statistiche
DettagliProf.ssa Paola Vicard
Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa
DettagliDistribuzioni per unità
Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa ota si occupa dell illustrazioe
DettagliRelazioni statistiche
Relazioi statistiche Idipedeza: asseza di qualsiasi relazioe tra due caratteri I caso di preseza di u legame, questo può essere di: Coessioe: relazioe reciproca tra due caratteri qualitativi Dipedeza:
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
DettagliTitolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli
Titolo della lezioe Dal campioe alla popolazioe: stima putuale e per itervalli Itroduzioe Itrodurre il cocetto di itervallo di cofideza Stima di parametri per piccoli e gradi campioi Stimare la proporzioe
DettagliStimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini
Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica
DettagliScheda n.6: legame tra due variabili; correlazione e regressione
Scheda.6: legame tra due variabili; correlazioe e regressioe October 26, 2008 Covariaza e coefficiete di correlazioe Date due v.a. X ed Y, chiamiamo covariaza il umero Cov (X, Y ) = E [(X E [X]) (Y E [Y
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
DettagliSoluzioni Esercizi Capitolo 2
Soluzioi Esercizi Capitolo Esercizio a. La scala di misura della variabile "tipo di disturbo di persoalità" è la scala omiale, per cui l'iformazioe a disposizioe è limitata al fatto di sapere che u paziete
DettagliTEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0
TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si
DettagliDispensa di STATISTICA DESCRITTIVA
UNIVERSITÀ DEGLI STUDI DI BARI FACOLTÀ DI SCIENZE MM.FF.NN Dispesa di STATISTICA DESCRITTIVA Modulo di Probabilità e Statistica (corsi A-B) Laurea Trieale i SCIENZE BIOLOGICHE Ao Accademico 2010/2011 docete:
DettagliEsercitazioni del corso: STATISTICA
A. A. Esercitazioi del corso: STATISTICA Sommario Esercitazioe : Matrice di dati Distribuzioi uivariate Rappresetazioi grafiche Idici di Posizioe Statistica a. a. - RICHIAMI MATEMATICI ) Approssimazioe
DettagliSTATISTICA 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
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
Dettagli2.2 - La dipendenza assoluta e parametrica
. - La dipedeza assoluta e parametrica Tabelle a doppia etrata X\Y Y Y Y j Y c X j c. X j c. X i i i ij X k k k kj...j ic i. kc k..c.. per i assegato: i. c ij j per j assegato:.j k ij i k c ij i j.....
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
DettagliLE 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
Dettagli3. Calcolo letterale
Parte Prima. Algera 1) Moomi Espressioe algerica letterale 42 Isieme di umeri relativi, talui rappresetati da lettere, legati fra loro da segi di operazioi. Moomio Espressioe algerica che o cotiee le operazioi
DettagliTavole di Contingenza Connessione
Tavole di Cotigeza Coessioe Ua tavola di cotigeza per due geerici feomei X e Y è ua rappresetazioe simbolica di ua tabella a doppia etrata y 1 y y j y k x 1 11 1 1j 1k 1 x 1 j k x i i1 i ik i x h h1 h
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al
DettagliIntroduzione all Analisi di Fourier. Prof. Luigi Landini Ing. Nicola Vanello. (presentazione a cura di N. Vanello)
Itroduzioe all Aalisi di Prof. Luigi Ladii Ig. Nicola Vaello (presetazioe a cura di N. Vaello) ANALII DI FOURIER egali tempo cotiui: egali periodici egali aperiodici viluppo i serie di Itroduzioe alla
DettagliVERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE. Psicometria 1 - Lezione 12 Lucidi presentati a lezione AA 2000/2001 dott.
VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE Psicometria - Lezioe Lucidi presetati a lezioe AA 000/00 dott. Corrado Caudek Il caso più comue di disego sperimetale è quello i cui i soggetti vegoo
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE (Trasformazioni lineari Indici di covarianza e correlazione)
STATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE (Trasformazioi lieari Idici di covariaza e correlazioe) ) Trasformazioi lieari di variabili statistiche I varie situazioi si operao trasformazioi
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI TATITICA MEDICA ED EERCIZI I METODI PER IL CONFRONTO DI MEDIE (Campioi idipedeti) IL PROBLEMA oo stati rilevati i dati relativi alla frequeza cardiaca (misurata i battiti al miuto)
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
DettagliEsercitazioni di Statistica
Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso
DettagliStatistica - Esercitazione 1 Dott. Danilo Alunni Fegatelli
Statistica - Esercitazioe 1 Dott. Dailo Alui Fegatelli dailo.aluifegatelli@uiroma1.it Esercizio 1: Distribuzioi di frequeza (a) Religioe (b) Reddito familiare (c) Salario i Euro (d) Classe di reddito (I,
DettagliELEMENTI DI STATISTICA. Giancarlo Zancanella 2015
ELEMENTI DI STATISTICA Giacarlo Zacaella 2015 2 Itroduzioe I termii statistici soo molto utilizzati el liguaggio correte 3 Cos è la STATISTICA STATISTICA = scieza che studia i feomei collettivi o di massa
DettagliMateriale didattico relativo al corso di Matematica generale Prof. G. Rotundo a.a.2009/10
Materiale didattico relativo al corso di Matematica geerale Prof. G. Rotudo a.a.2009/10 ATTENZIONE: questo materiale cotiee i lucidi utilizzati per le lezioi. NON sostituisce il libro, che deve essere
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 +....
DettagliUniversità di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z)
Uiversità di Napoli Federico II, DISES, A.a. 215-16, CLEC, Corso di Statistica (L-Z) Corso di laurea i Ecoomia e Commercio (CLEC) Ao accademico 215-16 Corso di Statistica (L-Z) Maria Mario Lezioe: 22 Argometo:
DettagliMEDIE STATISTICHE. Media aritmetica, Media quadratica, Media Geometrica, Media Armonica
MEDIE STATISTICHE La raccolta dei dati e la successiva loro elaborazioe permettoo di trarre alcue coclusioi su u dato feomeo oggetto di studio. A questo fie si assume che u valore calcolato a partire dai
Dettagli6 Stima di media e varianza, e intervalli di confidenza
Si può mostrare che, per ogi fissato α, t,α z α, e t,α z α per + I pratica t,α e z α soo idistiguibili per 200. 6 Stima di media e variaza, e itervalli di cofideza Lo scopo esseziale della Statistica ifereziale
DettagliArgomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della
1 La stima putuale Argometi trattati: Stima putuale e stimatore Proprietà degli stimatori Stima putuale della media della popolazioe e sua distribuzioe Stima putuale di ua proporzioe e sua distribuzioe
DettagliIPSAA U. Patrizi Città di Castello (PG) Classe 5A Tecnico Agrario. Lezione di martedì 10 novembre 2015 (4 e 5 ora) Disciplina: MATEMATICA
IPSAA U. Patrizi Città di Castello (PG) Classe A Tecico Agrario Lezioe di martedì 0 ovembre 0 (4 e ora) Disciplia: MATEMATICA La derivata della fuzioe composta Fuzioe composta Df(g())f (g())g () Questa
DettagliInferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica
6/0/0 Corso di Statistica per l impresa Prof. A. D Agostio Ifereza statistica Per fare ifereza statistica si utilizzao le iformazioi raccolte su u campioe per cooscere parametri icogiti della popolazioe
DettagliIL CALCOLO COMBINATORIO
IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Intervalli di confidenza
iovaella@disp.uiroma.it http://www.disp.uiroma.it/users/iovaella Itervalli di cofideza Itroduzioe Note geerali La stima putuale permette di otteere valori per i parametri di ua fuzioe ma i alcui casi può
DettagliPROBLEMI DI INFERENZA SU MEDIE
PROBLEMI DI INFERENZA SU MEDIE STIMA PUNTUALE Il problema della stima di ua media si poe allorchè si vuole cooscere, sulla base di osservazioi campioarie, il valore medio μ che u dato carattere preseta
DettagliAppunti sui modelli lineari
Uiversità degli Studi di Bologa Facoltà di Scieze Statistiche Auti sui modelli lieari Agela Motaari ANNO ACCADEMICO 2004-2005 . INRODUZI ONE AI DAI MUL IVARI AI Esemio (Fote: Quattroruote, Marzo 996 =
Dettagli(sqm ottenuto dividendo per n-1 ) =
STATISTICA PER L ANALISI ORGANIZZATIVA AA 006-007 Per casa Soluzioi Esercizio.. Durate ua ricerca soo state rilevate le lughezze di tre differeti variabili ecoomiche per ciascuo di 50 paesi i via di sviluppo.
DettagliSoluzioni Esercizi Capitolo 3
Soluzioi Esercizi Capitolo 3 Esercizio 1 a. I u mazzo di carte fracesi lo spazio campioario è costituito da 52 elemeti. Nel caso dell'estrazioe di u fate, il umero di eveti favorevoli è 4, per cui la probabilità
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
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
DettagliMETODOLOGIA DELLA RICERCA EMPIRICA SULLA SOCIETA E LA FAMIGLIA
METODOLOGIA DELLA RICERCA EMPIRICA SULLA SOCIETA E LA FAMIGLIA Elemeti di statistica descrittiva Dispesa ad uso degli studeti A cura di Gia Carlo Blagiardo e Michela Cameletti Idice 1. Statistica descrittiva
Dettaglin=400 X= Km; s cor =9000 Km Livello di confidenza (1-α)=0,95 z(0,05)=1,96
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto 400 X34.000 Km; s cor 9000 Km Livello di cofideza
DettagliFUNZIONI RADICE. = x dom f Im f grafici. Corso Propedeutico di Matematica. Politecnico di Torino CeTeM. 7 Funzioni Radice RICHIAMI DI TEORIA
Politecico di Torio 7 Fuzioi Radice FUNZIONI RADICE RICHIAMI DI TEORIA f ( x) = x dom f Im f grafici. = = =7 =9. dispari R R -. - -. - - -. Grafici di fuzioi radici co pari pari [,+ ) [,+ ).. = = =6 =8
DettagliSoluzioni. Se l interallo avesse livello di confidenza 99%, al posto di 1,96 avremmo
Esercizio 1 Soluzioi 1. Ricordiamo che l ampiezza di u itervallo di cofideza è fuzioe della umerosità campioaria edellivellodicofideza. Aparità di tutto il resto, l ampiezza dimiuisce al crescere di eaumetaal
DettagliEsempio. Tabella a doppia entrata. n 2. n 24. n.6
Esempio Distribuzioe degli studeti di Scieze della Comuicazioe frequetati la facoltà ell a.a. 001/00 per Corso di Laurea e Numero di Corsi Frequetati Numero Corsi Frequetati CDL 1 3 4 5 6 7 STC 1 19 50
DettagliProbabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea trieale i Matematica II prova scritta sessioe estiva a.a. 8/9. U ura cotiee dadi di cui la metà soo equilibrati, metre gli altri soo stati maipolati i modo che, per ciascuo di essi,
DettagliStimatori corretti, stimatori efficaci e disuguaglianza di Cramer Rao
Stimatori corretti stimatori efficaci e disuguagliaza di Cramer Rao Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche Defiizioe. Sia {X X 2... X } u
DettagliTEORIA DEI CAMPIONI. Psicometria 1 - Lezione 10 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek
TEORIA DEI CAMPIONI Psicometria 1 - Lezioe 10 Lucidi presetati a lezioe AA 000/001 dott. Corrado Caudek 1 Nella teoria statistica per popolazioe si itede la totalità delle uità poteziali d'osservazioe.
DettagliSTATISTICA A K (63 ore)
STATISTICA A K (63 ore) Marco Riai mriai@uipr.it http://www.riai.it : stima della percorreza media delle vetture diesel di u certo modello al primo guasto =400 X =34.000 Km; s cor =9000 Km Calcolare l
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!
DettagliIntervalli di confidenza
Itervalli di cofideza Fracesco Lagoa Itroduzioe Questa dispesa riassume schematicamete i pricipali risultati discussi a lezioe sulla costruzioe di itervalli di cofideza. Itervalli di cofideza per la media
DettagliLe 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
DettagliINDICATORI DI TENDENZA CENTRALE
INDICATORI DI TENDENZA CENTRALE INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore rappresentativo indice che riassume o descrive i dati e dipende dalla
Dettagli2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)
Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,
DettagliMEDIE ALGEBRICHE E DI POSIZIONE
MEDIE ALGEBRICHE E DI POSIZIONE 0 Itroduzioe Tra le elaborazioi matematiche effettuate sui dati statistici rivestoo particolare importaza quelle che hao il compito di esprimere i diversi valori delle itesità
DettagliUnità Didattica N 32 Grandezze geometriche omogenee e loro misura
Uità Didattica N 3 Uità Didattica N 3 01) Classi di gradezze omogeee 0) Multipli e sottomultipli di ua gradezza geometrica 03) Gradezze commesurabili ed icommesurabili 04) Rapporto di due gradezze 05)
DettagliCopyright Esselibri S.p.A.
D Database Collezioe strutturata di dati (v.) orgaizzata i modo tale da rederla facilmete accessibile ad ua vasta gamma di programmi di applicazioe. Dati Iformazioi qualitative e/o quatitative strutturate
DettagliRicerca quantitativa. Obiettivi ricerca. Scelta campione. Metodi contatto. Informatizzazione e controllo dati. Analisi e interpretazione dati
Ricerca uatitativa Uiverso statistico di riferimeto Costruzioe liste Scelta campioe Metodi cotatto Iformatizzazioe e cotrollo dati Obiettivi ricerca Caratteri oggetto rilevazioe Aalisi e iterpretazioe
Dettagli