Fondamenti statistici : Test d Ipotesi (1)
|
|
- Emanuele Ferraro
- 6 anni fa
- Visualizzazioni
Transcript
1 Fondamenti statistici : Test d Ipotesi (1) Ipotesi statistica: È una assunzione formulata su un particolare aspetto della popolazione considerazioni teoriche Informazioni relative a popolazioni analoghe Informazioni relative a popolazioni collegate a quella indagata Politecnico di Milano Dipartimento di Elettrotecnica 1
2 Fondamenti statistici : Test d Ipotesi (2) Ipotesi statistica non parametrica: L ipotesi riguarda la forma della distribuzione di un carattere della distribuzione Politecnico di Milano Dipartimento di Elettrotecnica 2
3 Fondamenti statistici : Test d Ipotesi (3) Ipotesi statistica parametrica: È una ipotesi legata ai valori dei parametri di una distribuzione di probabilità (es.: media, varianza, frequenza). Tipo di ipotesi: Semplice { H 0 : θ = θ 0 (Ipotesi nulla) { H : 1 θ θ (Ipotesi alternativa bilaterale) 0 Composta H 1 : θ θ 0 } H 1 : θ θ 0 (Ipotesi alternativa unidirezionale) Politecnico di Milano Dipartimento di Elettrotecnica 3
4 Fondamenti statistici : Test d Ipotesi (4) Verifica d Ipotesi statistica: Osservazione di un campione casuale della popolazione Calcolo della statistica (Funzione Test) Definizione della regola di decisione: l insieme dei valori della funzione test che porta al rifiuto dell ipotesi nulla è detta regione critica o regione di rifiuto Regione di accettazione Politecnico di Milano Dipartimento di Elettrotecnica 4
5 Fondamenti statistici : Test d Ipotesi (5) Individuazione della regione critica: La distribuzione del carattere nella popolazione il parametro Il sistema di ipotesi a confronto La funzione Test La probabilità di commettere gli errori di prima e seconda specie Politecnico di Milano Dipartimento di Elettrotecnica 5
6 Fondamenti statistici : Test d Ipotesi (6) Tipi di errori: Errore di I specie: Ipotesi nulla rifiutata quando è vera Errore di II specie: Ipotesi nulla non rifiutata quando non è vera α= P{errore di I specie}= P{rifiutare H 0 H 0 èvera} β= P{errore di II specie}= P{accettare H 0 H 0 èfalsa} Politecnico di Milano Dipartimento di Elettrotecnica 6
7 Fondamenti statistici : Test d Ipotesi (7) Le procedure di verifica d ipotesi richiedono di specificare il valore della probabilità assegnata all errore di I specie α (rischio) α = livello di significatività del test; consente di individuare il punto di confine tra la regione critica e quella di accettazione La probabilità di commettere un errore di I specie è legata alla dimensione della regione critica e quindi alla soglia di significatività individuata da α Politecnico di Milano Dipartimento di Elettrotecnica 7
8 Verifica d ipotesi sul valore medio Politecnico di Milano Dipartimento di Elettrotecnica 8
9 Fondamenti statistici : Implicazioni del Test d Ipotesi (1) La possibilità di accettare l ipotesi nulla quando è falsa determina l errore di II specie. E possibile determinarne il valore calcolando la probabilità: P H H ( H / H ) Indica la possibilità di accettare l ipotesi H 0 quando invece risulta vera l ipotesi H 1 1 : θ = θ : θ = θ 1 0 = β Politecnico di Milano Dipartimento di Elettrotecnica 9
10 Fondamenti statistici : Implicazioni del Test d Ipotesi (2) Nel caso di test unilaterale destro P ( H / H ) P( θ θ H ) = β 0 1 = c / 1 Nel caso di test unilaterale sinistro P ( H / H ) P( θ θ H ) = β 0 1 = c / 1 Nel caso di test bilaterale P ( ) ( ' '' H / H P θ θ θ H ) = β 0 1 = c c / 1 Politecnico di Milano Dipartimento di Elettrotecnica 10
11 Fondamenti statistici : Implicazioni del Test d Ipotesi (3) Nel caso di test unilaterale destro sulla media con varianza nota: β ( ) ( ) ( ) c i θ P H / H = P X x / H = P Z H i µ = 0 1 c 1 / 1 x σ / n La probabilità β, assegnati α ed n, è funzione del parametro θ. E possibile, assegnato α, tracciare una famiglia di curve al variare di n. Politecnico di Milano Dipartimento di Elettrotecnica 11
12 Fondamenti statistici : Implicazioni del Test d Ipotesi (4) Probabilità di errore di I specie: Concludere che il processo è fuori controllo quando non lo è Probabilità di errore di II specie: Concludere che il processo è sotto controllo quando non lo è Politecnico di Milano Dipartimento di Elettrotecnica 12
13 Fondamenti statistici : Implicazioni del Test d Ipotesi (5) Esempio: Fasce elastiche per pistoni di automobili: µ = 74 mm σ = 0,01 mm n = 5 Scelto α si ha che 100(1-α)% dei campioni cadono tra: 74+Z α /2 (σ ) e 74- Z α /2 (σ ) con σ ' = Per Z α /2 = 3 Limiti di controllo a 3 σ σ n Politecnico di Milano Dipartimento di Elettrotecnica 13
14 Fondamenti statistici : Implicazioni del Test d Ipotesi (6) H 0 : µ=74 H 1 : µ 74 Politecnico di Milano Dipartimento di Elettrotecnica 14
15 Fondamenti statistici : Implicazioni del Test d Ipotesi (7) µ 3σ µ 2σ µ σ µ µ+σ µ+2σ µ+3σ 68.26% 95.46% 99.73% Politecnico di Milano Dipartimento di Elettrotecnica 15
16 Fondamenti statistici : Implicazioni del Test d Ipotesi (8) 100(1-α)% = 99,73% Errore di I specie: 0,0027 µ 3σ µ 2σ µ σ µ µ+σ µ+2σ µ+3σ 68.26% 95.46% 99.73% 27 volte ogni campioni La probabilità che un punto superi uno dei limiti a 3-sigma è 0,00135 Politecnico di Milano Dipartimento di Elettrotecnica 16
17 Fondamenti statistici : Lunghezza media delle sequenze Lunghezza media delle sequenze (ARL, Average Run Lenght): ARL = 1 p Tempo medio al segnale (ATS, Average Time to Signal): ATS = ARL h Politecnico di Milano Dipartimento di Elettrotecnica 17
18 Fondamenti statistici : Lunghezza media delle sequenze : esempio La probabilità che un punto cada fuori dai limiti di controllo a 3σ è: 0,0027 µ 3σ µ 2σ µ σ µ µ+σ µ+2σ µ+3σ 68.26% 95.46% 1 ARL = p = 1 0,0027 = % Politecnico di Milano Dipartimento di Elettrotecnica 18
19 Fondamenti statistici : Dimensione minima del campione n z 1 α 2 ε σ 2 Politecnico di Milano Dipartimento di Elettrotecnica 19
20 Fondamenti statistici : Definizioni Inferenza statistica: insieme di metodi statistici, basati sul calcolo della probabilità, tendenti a valutare i risultati di una indagine campionaria Il collettivo statistico oggetto di inferenza prende il nome di popolazione (N) La parte di collettivo sottoposta all osservazione prende il nome di campione (n) Rappresentatività Correttezza Campione casuale Politecnico di Milano Dipartimento di Elettrotecnica 20
21 CONTROLLO PER ACCETTAZIONE (1) Tutte quelle attività che hanno lo scopo di verificare la rispondenza dei materiali grezzi, semilavorati o finiti che provengono dall esterno o dall interno dell azienda Accettazione di componenti / parti di fornitura esterna Controllo di lotti di fornitura (da parte del fornitore o da parte del cliente) Controllo di processi Controllo di prodotti Controllo di dati Politecnico di Milano Dipartimento di Elettrotecnica 21
22 CONTROLLO PER ACCETTAZIONE (2) In uno scambio commerciale vengono stabilite le regole per verificare: L aderenza alle specifiche La frazione massima di elementi difettosi ammessi dal fornitore La frazione massima di elementi difettosi ammessi dal produttore Politecnico di Milano Dipartimento di Elettrotecnica 22
23 CONTROLLO PER ACCETTAZIONE (3) Effettuati dal fornitore Evitare il rifiuto del prodotto da parte del committente Effettuati dal produttore Evitare di accettare materiale non conforme Politecnico di Milano Dipartimento di Elettrotecnica 23
24 IL CAMPIONAMENTO STATISTICO (1) Il piano di campionamento è l insieme delle regole che definiscono: La partita o il lotto di elementi (grezzi, semi finiti, finiti) da considerare Dimensione del campione da estrarre Condizioni di accettazione o di rifiuto Caratteristica di qualità richiesta dalla specifica tecnica: LQA: livello di qualità accettabile LQT: livello di qualità tollerabile Politecnico di Milano Dipartimento di Elettrotecnica 24
25 IL CAMPIONAMENTO STATISTICO (2) Distribuzione gaussiana f ( x) = σ 1 2 x µ 1 2 σ * e 2π Politecnico di Milano Dipartimento di Elettrotecnica 25
26 IL CAMPIONAMENTO STATISTICO (3) La conformità del lotto è valutata in base al numero di unità conformi che costituiscono il campione Rifiutare il lotto che dovrebbe essere accettato Accettare il lotto che dovrebbe essere rifiutato Politecnico di Milano Dipartimento di Elettrotecnica 26
27 IL CAMPIONAMENTO STATISTICO (4) Rischio del fornitore: R f Rifiuto del lotto che dovrebbe essere accettato essendo di qualità uguale o migliore di quella specificata dal LQA Rischio del committente: R c Accoglimento del lotto che dovrebbe essere rifiutato essendo di qualità peggiore di quella specificata negli accordi dal LQT Politecnico di Milano Dipartimento di Elettrotecnica 27
28 IL CAMPIONAMENTO STATISTICO: I PIANI DI CAMPIONAMENTO (5) Dimensione del lotto: N Dimensione del campione: n numero di accettazione : n a Numero massimo di elementi difettosi ammessi nel campione numero di rifiuto : n r Numero massimo di elementi difettosi nel campione che determinano il rifiuto LQA= n a /n LQT= n r /n Percentuale di pezzi difettosi: p Probabilità d accettare il lotto: P(A) Politecnico di Milano Dipartimento di Elettrotecnica 28
29 IL CAMPIONAMENTO STATISTICO: I PIANI DI CAMPIONAMENTO (6) Semplice: l accettazione dipende dal controllo di un solo campione Doppi: l accettazione dipende dal controllo di due campioni Multipli: l accettazione dipende dal controllo di più campioni Sequenziali: l accettazione del lotto dipende dal risultato ottenuto dopo ogni elemento collaudato Politecnico di Milano Dipartimento di Elettrotecnica 29
30 IL CAMPIONAMENTO STATISTICO (7) La probabilità d accettare o rifiutare un lotto, per uno stesso piano di campionamento, viene descritta mediante la curva caratteristica operativa Distribuzione binomiale Distribuzione di Poisson n elevato e p piccolo Politecnico di Milano Dipartimento di Elettrotecnica 30
31 IL CAMPIONAMENTO STATISTICO (8) Distribuzione Binomiale: P( A) na k = p 1 k = 0 n k ( ) n p k Possiamo pensare di costruire la Curva Caratteristica Operativa a partire dalla tabella: p 1 p 2 p 3 p m P(A) P(A 1 ) P(A 2 ) P(A m ) Politecnico di Milano Dipartimento di Elettrotecnica 31
32 IL CAMPIONAMENTO STATISTICO (8) Distribuzione di Poisson: P( A) n = A ( np) k k = 0! k e np Da utilizzare per valori elevati di n e p piccolo Politecnico di Milano Dipartimento di Elettrotecnica 32
33 IL CAMPIONAMENTO STATISTICO (9) Accettazione o rifiuto dei lotti La curva operativa illustra i comportamento di un qualsiasi piano di campionamento Fissato R f (α) e R c (β) si possono determinare LQA e LQT Politecnico di Milano Dipartimento di Elettrotecnica 33
34 IL CAMPIONAMENTO STATISTICO (10) P 0 = limite superiore per la frazione difettosa del lotto ritenuta accettabile P1 = limite inferiore per la frazione difettosa del lotto ritenuta da rifiutare CURVA CARATTERISTICA OPERATIVA È un diagramma che indica la probabilità di accettazione di lotti in funzione della difettosa presente negli stessi α = rischio del produttore o fornitore β = rischio del cliente Politecnico di Milano Dipartimento di Elettrotecnica 34
35 IL CAMPIONAMENTO STATISTICO: Esempio IL CONTROLLO PER CAMPIONAMENTO Considerazioni e risultati relativi a campioni con diversa numerosità: La scelta della dimensione del campione deve essere un giusto compromesso tra sicurezza del risultato e tempi / costi di esecuzione. Si consideri il seguente esempio. Politecnico di Milano Dipartimento di Elettrotecnica 35
36 IL CAMPIONAMENTO STATISTICO: Esempio (2) Politecnico di Milano Dipartimento di Elettrotecnica 36
37 Affidabilità e Controllo Qualità IL CAMPIONAMENTO STATISTICO (11) TABELLA PER IL CONTROLLO ORDINARIO PER CAMPIONAMENTO SEMPLICE PER ATTRIBUTI Politecnico di Milano Dipartimento di Elettrotecnica 37
38 IL CAMPIONAMENTO STATISTICO (12) LIVELLO DI COLLAUDO Il livello di collaudo scelto determina il potere discriminante della prova. Il livello S1 è quello con minor potere discriminante, il livello III è quello con maggior potere discriminante. Salvo diversa indicazione e per normali necessità si usa Il livello II. I livelli speciali S1, S2, S3, S4 sono usati quando sono necessarie numerosità di campione piccole, e possono o devono essere tollerati i rischi determinati dal minor potere discriminante (ad es. controlli su materiali ricavati da un processo continuo). La scelta di collaudo ordinario, rinforzato o ridotto (vedi oltre) è completamente indipendente dal livello di collaudo scelto. Politecnico di Milano Dipartimento di Elettrotecnica 38
39 IL CAMPIONAMENTO STATISTICO (13) Piano di Campionamento Ordinario Politecnico di Milano Dipartimento di Elettrotecnica 39
40 IL CAMPIONAMENTO STATISTICO (14) Piano di Campionamento Ridotto Politecnico di Milano Dipartimento di Elettrotecnica 40
41 IL CAMPIONAMENTO STATISTICO (15) Piano di Campionamento Rinforzato Politecnico di Milano Dipartimento di Elettrotecnica 41
42 IL CAMPIONAMENTO STATISTICO (16) Regole di commutazione tra i piani di campionamento Politecnico di Milano Dipartimento di Elettrotecnica 42
43 IL CAMPIONAMENTO STATISTICO: SINTESI QUANDO È NECESSARIO Prove distruttive Grandi quantitativi Controlli molto onerosi QUANDO È OPPORTUNO Per ridurre i costi di controllo Per stimolare il fornitore all autocontrollo e al miglioramento Quando il livello di qualità ha raggiunto valori elevati che non giustificano un controllo al 100% FASI PRINCIPALI DEL CONTROLLO PER CAMPIONAMENTO Stabilire in anticipo la frazione difettosa accettabile Definire la numerosità del campione, sulla base della confidenza statistica richiesta e della complessità / costo della prova Effettuare materialmente il controllo Nota: è sbagliato considerare aprioristicamente che un controllo al 100% dia più garanzie di un controllo statistico! Politecnico di Milano Dipartimento di Elettrotecnica 43
IL COLLAUDO IN ACCETTAZIONE A.A. 2006/2007
IL COLLAUDO IN ACCETTAZIONE A.A. 2006/2007 Il Il collaudo in accettazione Il risultato di una attività produttiva non è mai perfettamente ripetibile E necessario verificare che i prodotti abbiano la qualità
DettagliL AFFIDABILITA NELLA FASE DI PRODUZIONE
9. L AFFIDABILITA NELLA FASE DI PRODUZIONE Ed.1 del 14/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 9 1 L AFFIDABILITA IN PRODUZIONE ATTIVITA CHIAVE PER L AFFIDABILITA
DettagliTest per l omogeneità delle varianze
Test per l omogeneità delle varianze Le carte di controllo hanno lo scopo di verificare se i campioni estratti provengono da un processo produttivo caratterizzato da un unico valore dello s.q.m. σ. Una
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliLezione 16. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 16. A. Iodice. Ipotesi statistiche
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 23 Outline 1 2 3 4 5 6 () Statistica 2 / 23 La verifica delle ipotesi Definizione Un ipotesi statistica
DettagliEsercitazione 8 del corso di Statistica 2
Esercitazione 8 del corso di Statistica Prof. Domenico Vistocco Dott.ssa Paola Costantini 6 Giugno 8 Decisione vera falsa è respinta Errore di I tipo Decisione corretta non è respinta Probabilità α Decisione
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
DettagliCorso di Statistica Esercitazione 1.8
Corso di Statistica Esercitazione.8 Test su medie e proporzioni Prof.ssa T. Laureti a.a. 202-203 Esercizio Un produttore vuole monitorare i valori dei livelli di impurità contenute nella merce che gli
DettagliUn esempio. Ipotesi statistica: supposizione riguardante: un parametro della popolazione. la forma della distribuzione della popolazione
La verifica delle ipotesi In molte circostanze il ricercatore si trova a dover decidere quale, tra le diverse situazioni possibili riferibili alla popolazione, è quella meglio sostenuta dalle evidenze
DettagliCAPACITÀ DEL PROCESSO
CAPACITÀ DEL PROCESSO Un certo processo è adatto a produrre qualcosa rispettando le specifiche? Prima di affermare che un processo abbia una CAPACITÀ ben DEFINITA è necessario assicurarsi che questo dimostri
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliSTATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE
DettagliVerifica di ipotesi: approfondimenti
1. Il -value Verifica di iotesi: arofondimenti Il test si uò effettuare: Determinando reventivamente le regioni di accettazione di H 0 e H 1 er lo stimatore considerato (sulla base del livello α e osservando
DettagliCapitolo 9 Verifica di ipotesi: test basati su un campione
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 9 Verifica di ipotesi: test basati su un campione Insegnamento: Statistica Corsi di Laurea Triennale in Economia Facoltà di Economia, Università
DettagliEsempio (Azzalini, pp. 6-15)
Inferenza statistica procedimento per indurre le caratteristiche non note di un aggregato a partire dalle informazioni disponibili su una parte di esso. Obiettivo del corso presentare la teoria ed i metodi
DettagliLa verifica delle ipotesi
La verifica delle ipotesi Se abbiamo un idea di quale possa essere il valore di un parametro incognito possiamo sottoporlo ad una verifica, che sulla base di un risultato campionario, ci permetta di decidere
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE. a.a.
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 1,00 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,00 CDF empirica
DettagliTest di ipotesi. Test
Test di ipotesi Test E una metodologia statistica che consente di prendere una decisione. Esempio: Un supermercato riceve dal proprio fornitore l assicurazione che non più del 5% delle mele di tipo A dell
DettagliDISTRIBUZIONI DI CAMPIONAMENTO
DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,
DettagliSOLUZIONI ESERCITAZIONE NR. 8 Test statistici
SOLUZIONI ESERCITAZIONE NR. 8 Test statistici ESERCIZIO nr. 1 Un campione casuale di dieci pazienti di sesso maschile in cura per comportamenti aggressivi nell ambito del contesto familiare è stato classificato
DettagliFondamenti di Psicometria. La statistica è facile!!! VERIFICA DELLE IPOTESI
Fondamenti di Psicometria La statistica è facile!!! VERIFICA DELLE IPOTESI INFERENZA STATISTICA Teoria della verifica dell ipotesi : si verifica, in termini probabilistici, se una certa affermazione relativa
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliIl test statistico e le ipotesi Regione di accettazione e rifiuto Test con ipotesi nulla semplice Il p-value Errori di I e II tipo Funzione di potenza
1 La verifica di ipotesi Il test statistico e le ipotesi Regione di accettazione e rifiuto Test con ipotesi nulla semplice Il p-value Errori di I e II tipo Funzione di potenza Contenuti: Capitolo 13 libro
DettagliEsercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/2003 e del 14/1/2003
Esercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/003 e del 14/1/003 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore
DettagliGli errori nella verifica delle ipotesi
Gli errori nella verifica delle ipotesi Nella statistica inferenziale si cerca di dire qualcosa di valido in generale, per la popolazione o le popolazioni, attraverso l analisi di uno o più campioni E
DettagliConfronto tra due popolazioni Lezione 6
Last updated May 9, 06 Confronto tra due popolazioni Lezione 6 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Concetti visti nell ultima lezione Le media
DettagliTest d Ipotesi Introduzione
Test d Ipotesi Introduzione Uno degli scopi più importanti di un analisi statistica è quello di utilizzare i dati provenienti da un campione per fare inferenza sulla popolazione da cui è stato estratto
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle abelle riportate alla fine del documento. Esercizio 1 La concentrazione media di sostanze inquinanti osservata nelle acque di un fiume
DettagliCapitolo 10 Test delle ipotesi
Capitolo 10 Test delle ipotesi 1 Stima e verifica di ipotesi Modello di popolazione e campionamento: La popolazione viene descritta da una variabile aleatoria dipendente da un parametro incognito. Si ipotizza
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 6 1 Test ed intervalli di confidenza per una popolazione Esercizio n. 1 Il calore (in calorie
DettagliTest d ipotesi: confronto fra medie
Test d ipotesi: confronto fra medie Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona CONFRONTO FRA MEDIE 1) confronto fra una media campionaria e una media di popolazione
DettagliC.I. di Metodologia clinica
C.I. di Metodologia clinica Modulo 5. I metodi per la sintesi e la comunicazione delle informazioni sulla salute Quali errori influenzano le stime? L errore casuale I metodi per la produzione delle informazioni
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio Il contenuto di nicotina di una certa marca di sigarette è 0,25 milligrammi con una deviazione standard di 0,015. Un associazione
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
Dettagli5.5 Procedura generale per la formulazione di un test
ca e ilprincipale problema per i test di ipotesi consiste nello scegliere la migliore regione "'''illle. In generale si può notare che maggiore è la regione critica maggiore è la probabi- iere un errore
DettagliAnalisi della varianza: I contrasti e il metodo di Bonferroni
Analisi della varianza: I contrasti e il metodo di Bonferroni 1 Contrasti In molti problemi risulta importante stabilire, nel caso venga rifiutata l ipotesi nulla, di uguaglianza delle medie µ j delle
DettagliIl Test di Ipotesi Lezione 5
Last updated May 23, 2016 Il Test di Ipotesi Lezione 5 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Il test di ipotesi Cuore della statistica inferenziale!
DettagliLa statistica nei processi di misura
Laboratorio Materiali e Servizi per l Industria La statistica nei processi di misura 15 dicembre 2016 Pubblicazione del Centro Istruzione GEST Labs - Riproduzione vietata - Enrico Galbiati 1 Misura della
DettagliI appello di calcolo delle probabilità e statistica
I appello di calcolo delle probabilità e statistica A.Barchielli, L. Ladelli, G. Posta 8 Febbraio 13 Nome: Cognome: Matricola: Docente: I diritti d autore sono riservati. Ogni sfruttamento commerciale
DettagliVerifica delle ipotesi: Binomiale
Verifica delle ipotesi: Binomiale Esercizio Nel collegio elettorale di una città, alle ultime elezioni il candidato A ha ottenuto il 4% delle preferenze mentre il candidato B il 6%. Nella nuova tornata
DettagliIntroduzione ai test statistici
UNIVERSITÀ DI BOLOGNA FACOLTÀ DI MEDICINA VETERINARIA LAUREA IN SANITA E QUALITA DEI PRODOTTI DI ORIGINE ANIMALE Introduzione ai test statistici Un esempio introduttivo Controllo della rispondenza del
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.11 - Principi dell inferenza statistica - Campionamento - Distribuzione campionaria di una media e di una proporzione - Intervallo di confidenza di una media e di
DettagliCapitolo 8. Probabilità: concetti di base
1 Capitolo 8 Probabilità: concetti di base Statistica - Metodologie per le scienze economiche e sociali 2/ed S. Borra, A. Di Ciaccio Copyright 2008 The McGraw-Hill Companies srl 2 Concetti primitivi di
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliProva Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE IMPRESE (Milano, )
Università degli Studi di Milano Bicocca Scuola di Economia e Statistica Corso di Laurea in Economia e Amministrazione delle Imprese (ECOAMM) Prova Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE
DettagliCognome e Nome:... Matricola e corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 2014 Cognome e Nome:................................................................... Matricola e corso di laurea:...................................................
DettagliPrefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura
INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Verifica d ipotesi Esempio di logica di un test statistico Prova d esame con 10 quesiti a quiz 4 possibili risposte per ogni quesito
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliProbabilità e Distribuzione Normale Lezione 3
Last updated April 26, 2016 Probabilità e Distribuzione Normale Lezione 3 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Statistica=scienza dell incertezza
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliStatistica Metodologica
Statistica Metodologica Esercizi di Probabilita e Inferenza Silvia Figini e-mail: silvia.figini@unipv.it Problema 1 Sia X una variabile aleatoria Bernoulliana con parametro p = 0.7. 1. Determinare la media
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra, A. Di Ciaccio - McGraw Hill Es.. Soluzione degli esercizi del capitolo 4 4. Il sistema d ipotesi è: μ 7, H : μ 7, Essendo 0 : t,
DettagliIl campionamento statistico
Lezione 13 Gli strumenti per il miglioramento della Qualità Il campionamento statistico Aggiornamento: 19 novembre 2003 Il materiale didattico potrebbe contenere errori: la segnalazione e di questi errori
DettagliVerifica di ipotesi. Parte VI. Verifica di ipotesi
Parte VI Verifica di ipotesi Definizione (Sistema di ipotesi) Nell ambito di un modello statistico parametrico, un sistema di ipotesi statistiche è costituito da due congetture, incompatibili, sul parametro
DettagliProva d'esame di Statistica I - Corso Prof.ssa S. Terzi
Prova d'esame di Statistica I - Corso Prof.ssa S. Terzi Esercizio 1 Data la variabile casuale X con funzione di densità f(x) = 2x, per 0 x 1; f(x) = 0 per x [0, 1], determinare: a) P( - 0,5 < X< 0,7) b)
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
1 STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono
DettagliVerona, 16/04/2010 Controllo in accettazione secondo la norma UNI ISO UNI 2859
Verona, 16/04/2010 Controllo in accettazione secondo la norma UNI ISO UNI 2859 Ing. Gianni Campatelli Accademia Italiana del Sei Sigma Agenda 1. Contesto normativo 2. Campionamento per variabili ed attributi
DettagliSOLUZIONE. a) Calcoliamo il valore medio delle 10 misure effettuate (media campionaria):
ESERCIZIO SU TEST STATISTICO (Z, T e χ ) Da una ditta di assemblaggio di PC ci viene chiesto di controllare la potenza media dissipata da un nuovo processore, che causa a volte problemi di sovraccarico
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliLezione VII: t-test. Prof. Enzo Ballone
Lezione VII: t-test Cattedra di Biostatistica Dipartimento di Scienze Biomediche, Università degli Studi G. d Annunzio di Chieti Pescara Prof. Enzo Ballone Un terzo problema: si considerino 2 campioni
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliIl controllo statistico di processo
Il controllo statistico di processo (SPC, Statistical Process Control) Queste note NON sostituiscono il testo di riferimento ma sono finalizzate ad agevolare lo studio del testo stesso. Il controllo statistico
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
DettagliSTATISTICA ESERCITAZIONE 13
STATISTICA ESERCITAZIONE 13 Dott. Giuseppe Pandolfo 9 Marzo 2015 Errore di I tipo: si commette se l'ipotesi nulla H 0 viene rifiutata quando essa è vera Errore di II tipo: si commette se l'ipotesi nulla
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 9-Introduzione alla statistica inferenziale (vers. 1.2, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliCognome e Nome:... Corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 201 Cognome e Nome:................................................................... Corso di laurea:.......................................................................
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
DettagliZ-test, T-test, χ 2 -test
Z-test, T-test, χ 2 -test Francesco Corrias Chiara Todaro DIMA 13 febbraio 2012 Francesco Corrias Chiara Todaro (DIMA) Z-test, T-test, χ 2 -test 13 febbraio 2012 1 / 19 Verifica d ipotesi Definizione (Test
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliMetodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione
Metodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 giugno 26 Statistica Esercizio Sia {X n } n una famiglia di v.a. di media µ e varianza σ 2. Verificare che X = n n X i σ 2 = n (X i µ) 2 S 2 = n
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI VERIFICA DI IPOTESI PER IL CONFRONTO TRA DUE PROPORZIONI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI VERIFICA DI IPOTESI PER IL CONFRONTO TRA DUE PROPORZIONI IL PROBLEMA Si vuole verificare se un nuovo trattamento per la cura dell otite è più efficace
DettagliProva scritta di STATISTICA. CDL Biotecnologie. (Programma di Massimo Cristallo - A)
Prova scritta di STATISTICA CDL Biotecnologie (Programma di Massimo Cristallo - A) 1. Un associazione di consumatori, allo scopo di esaminare la qualità di tre diverse marche di batterie per automobili,
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
Dettaglif (a)δa = C e (a a*)2 h 2 Δa
Distribuzione di Gauss Se la variabile non e` discreta ma puo` variare in modo continuo in un certo intervallo e ad ogni suo valore resta assegnata una probabilita` di verificarsi, dalla distribuzione
DettagliStatistica inferenziale. La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione.
Statistica inferenziale La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione. Verifica delle ipotesi sulla medie Quando si conduce una
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
DettagliEsercizi riassuntivi di Inferenza
Esercizi riassuntivi di Inferenza Esercizio 1 Un economista vuole stimare il reddito medio degli abitanti di una cittadina mediante un intervallo al livello di confidenza del 95%. La distribuzione del
DettagliCaratterizzazione dei consumi energetici (parte 3)
ESERCITAZIONE 4 Caratterizzazione dei consumi energetici (parte 3) 4.1 CuSum: elementi di analisi statistica Il diagramma delle somme cumulate dei residui in funzione del tempo (CuSum) può essere in generale
DettagliIpotesi statistiche (caso uno-dimensionale) Ipotesi poste sulla (distribuzione di) popolazione per raggiungere una decisione sulla popolazione stessa
Ipotesi statistiche (caso uno-dimensionale) Ipotesi poste sulla (distribuzione di) popolazione per raggiungere una decisione sulla popolazione stessa L ipotesi che si vuole testare: H 0 (ipotesi nulla)
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4.1 I principali test statistici per la verifica di ipotesi: Il test t Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico
DettagliCALCOLO DELLE PROBABILITÀ - 9 giugno 1998 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ - 9 giugno 1998 1. Dati gli eventi A,B,C, ognuno dei quali implica il successivo, e tali che P (A) è metà della probabilità di B, che a sua volta ha probabilità metà di quella
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
Dettagli