Determinazione della curva di probabilità
|
|
- Gino Valenti
- 6 anni fa
- Visualizzazioni
Transcript
1 Determinazione della curva di probabilità.si selezionano alcuni tipi di distribuzione, tra i quali sembra più agionevole effettuare la ricerca;.si individua il tipo di distribuzione che meglio si presta a nterpretare le osservazioni. attitudine di un dato tipo di legge (normale, lognormale etc.) a nterpretare le osservazioni disponibili si può valutare, prima ancora i aver determinato i valori da assegnare ai parametri che la aratterizzano, disegnando la spezzata della frequenza cumulata elativa su carte speciali (carte probabilistiche) nelle quali tutte le urve di probabilità di un certo tipo risultano rappresentate da rette.
2 Le carte probabilistiche e carte probabilistiche sono specifiche per ogni tipo di funzione di robabilità (log-normale, Gumbel,..) e vengono costruite in modo ale che le curve di probabilità della funzione corrispondente vi engono rappresentate da rette. ossono essere utilizzate per verificare l ammissibilità della funzione i probabilità prescelta per descrivere il campione, ancor prima di timare i parametri: e il tipo di funzione di distribuzione prescelto è adatto ad nterpretare le osservazioni, i punti devono addensarsi intorno ad una etta.
3 Le carte probabilistiche e carte probabilistiche sono dei grafici, nei quali è riportata in scissa la variabile casuale x, ed in ordinata il valore della robabilità cumulata P(X x) o P(X x), il tempo di ritorno, o la ariabile ridotta della distribuzione, deformando opportunamente la cala in modo tale che la funzione di ripartizione possa essere appresentata da una retta (ad esempio per la distribuzione normale asta porre in ordinata la variabile normale standard).
4 La carta probabilistica log-normale
5 Statistica idrologica La carta probabilistica di Gumbel Carte probabilistiche
6 Carte probabilistiche e plotting position er riportare un punto sulla carta probabilistica, è necessario onoscere di esso il valore x e la probabilità P(X x) o P(X x). Se i arametri della distribuzione non sono stati ancora determinati, non possibile calcolare la probabilità attraverso le formule consuete. elle carte probabilistiche viene quindi utilizzata n approssimazione della probabilità di superamento, detta plotting osition. pprossimazione normalmente utilizzata: F ( X x ) m N + dove m : N : posizione del dato nella serie ordinata in senso decrescente, numerosità del campione
7 Carte probabilistiche e plotting position opo aver riportato i valori sulla carta probabilistica, ed avere ccertato che si addensano intorno ad una retta, è possibile: utilizzare direttamente il diagramma per identificare la retta che meglio regolarizza i valori (p.es. tramite il metodo dei minimi quadrati); ppure: procedere in modo analitico alla determinazione dei parametri (p. es. tramite il metodo dei momenti) e quindi riportare la retta risultante sul grafico al fine di valutarne la capacità descrittiva (questo metodo è preferibile).
8 figure riportano le carte obabilistiche di Gumbel relative ai lori di precipitazione massima nuale di durata pari ad e 24 ore. rette introdotte nei grafici sono elle stimate tramite il metodo dei omenti. Infatti nelle carte viene portata in ascissa la variabile dotta ed in ordinata il dato. y pplicazione: stazione pluviografica di rento x ε x y α + α ε r es.: ε rappresenta il valore ll intercetta dall applicazione del etodo dei momenti si ricava (h) 7.7 massimi annuali ( ora) massimi annuali 24 ore (mm) Stazione pluviografica di rento Cartogramma probabilistico di GUMBEL y: variabile ridotta Stazione di rento - ( ) cartogramma probabilistico di GUMBEL Extr.Val Expected Observed Extr.Val Expected Observed
9 Stima dei parametri Metodo dei momenti successivi: si impone che i momenti ampionari coincidano con quelli della popolazione e quindi si issano i parametri della distribuzione. Metodo della massima verosimiglianza: si determinano i parametri n modo che sia massima la probabilità che siano stati estratti i ampioni osservati dalla popolazione (migliore ma più complesso, a olte coincidente col metodo dei momenti). Atri Metodi (metodo dei minimi quadrati, degli stimatori analoghi, el minimo Chi-quadrato, della minima distanza)
10 Metodo dei Momenti ata una distribuzione caratterizzata da k parametri incogniti, questi engono stimati esprimendoli come funzione dei primi k momenti ella popolazione e quindi sostituendo ai momenti della popolazione i omenti campionari. I UGUAGLIANO I MOMENI CAMPIONARI AI MOMENI EORICI DELLE DISRIBUZIONI I AIBUISCE A CIASCUN MOMENO DELLA OPOLAZIONE IL VALORE DEL CORRISPONDENE OMENO DEL CAMPIONE ESRAO DA QUELLA OPOLAZIONE
11 Metodo dei Momenti: Esempio i voglia stimare media µ e varianza σ 2 aratterizzata da una distribuzione normale. di una popolazione la media µµ è il momento di ordine uno e viene stimato ponendo m con m n n x i i la varianza σ 2 µ 2 (µ ) 2 è legata al momento di ordine due, viene timata ponendo σ 2 s 2 con n ( x m) 2 i 2 i s
12 Metodo dei Momenti: osservazioni ANAGGI: la estrema semplicità che rende il metodo dei momenti pplicabile facilmente a situazioni in cui sarebbe troppo complesso pplicarne altri. VANAGGI: se si deve stimare il valore della funzione di un arametro è in generale meglio stimare tale valore direttamente nvece che il parametro e quindi applicare la funzione. Per queste agioni il metodo di massima verosimiglianza deve essere preferito, uando possibile, al metodo dei momenti.
13 Metodo della Massima Verosimiglianza
14 Metodo della Massima Verosimiglianza
15 Metodo della Massima Verosimiglianza
16 est Statistici er verificare la correttezza delle ipotesi: si esegue un frequency test on: χ 2 (grezzo ma semplice); Kolmogorov-Smirnov (migliore ma più complesso).
17 est statistico di Pearson o del χ 2 er verificare l adattamento del campione ad una distribuzione eorica occorre che sia verificata la disuguaglianza: Χ 2 k ( i Npi ) 2 N 2 χ Np α i i ( k s ) numero di classi in cui si è diviso il campione i numero di valori del campione compreso nella i-esima classe, numerosità del campione, i probabilità teorica che un osservazione sia compresa nella i-esima classe ari alla differenza della funzione di ripartizione calcolate agli estremi di ciascuna lasse numero dei parametri della distribuzione teorica che si considera -α 2 (k-s-) valore di una variabile casuale Chi quadro con k-s- gradi di libertà
18 est di Kolmogorov-Smirnov er verificare l adattamento del campione ad una distribuzione eorica occorre che sia verificata la disuguaglianza: D N max i [ P( xi ) FS ( xi )] Dα (x i ): probabilità cumulate secondo il modello s(x i ): frequenze empiriche di non superamento calcolate utilizzando la formula di Blom. er N maggiore di 35 valgono le seguenti statistiche: α 0.05 α 0. 0
19 Calcolo dei valori di assegnato tempo di ritorno L EMPO DI RIORNO E LEGAO ALLA CORRISPONDENE ROBABILIA DI NON SUPERAMENO DALLA RELAZIONE ( x ) na volta determinato il tempo di ritorno r, si calcola il valore della robabilità di non superamento P(x) corrispondente tramite la eguente relazione: P P( [ x x ] P( x) x ) R
20 ( ) ( ) [ ] ( ) ( )] ln ln x ln ln w x ) x F ( ) x F ( ) x X P ( ) x X P ( : è poiché ) x F ( ln ln x e exp x F x α ε ε α ε α ε α Esempio di applicazione: Esempio di applicazione: distr distr. di. di Gumbel Gumbel eterminazione del valore di x caratterizzato da un tempo di ritorno
21 Esempio di applicazione: distr.. di Gumbel AZIONE PLUVIOGRAFICA DI RENO rincipali statistici del campione e valori dei parametri della istribuzione di probabilità di GUMBEL tima dei parametri ε e α con il metodo dei momenti. Durata (ore) N casi minimo massimo media Deviazione standard ε α
22 Esempio di applicazione: distr.. di Gumbel AZIONE PLUVIOGRAFICA DI RENO rincipali statistici del campione e valori dei parametri della istribuzione di probabilità di GUMBEL tima dei parametri ε e α con il metodo dei momenti. empo di ritorno () w Durata
Università della Calabria
Università della Calabria FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Civile CORSO DI IDROLOGIA N.O. Prof. Pasquale Versace SCHEDA DIDATTICA N 3 CURVE DI PROBABILITÀ PLUVIOMETRICA A.A. 00- CURVE
DettagliCorso di Idrologia A.A Piogge intense. Antonino Cancelliere. Dipartimento di Ingegneria Civile e Ambientale Università di Catania
Corso di Idrologia A.A. 2011-2012 Piogge intense Antonino Cancelliere Dipartimento di Ingegneria Civile e Ambientale Università di Catania Elaborazione delle piogge intense Obiettivi: 1. Determinazione
DettagliCOMUNE DI CONSIGLIO DI RUMO
COMUNE DI CONSIGLIO DI RUMO Provincia di Como Aggiornamento della componente geologica, idrogeologica e sismica di supporto al Piano di Governo del Territorio - L.R. 1/05 e successive modifiche. ANALISI
DettagliRichiami di probabilità e statistica
Richiami di probabilità e statistica Una variabile casuale (o aleatoria) X codifica gli eventi con entità numeriche x ed è caratterizzata dalla funzione di distribuzione di probabilità P(x) : P(x)=Pr ob[x
DettagliProblema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T?
Problema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T? Il problema dell'inferenza: dato un campione, individuare la distribuzione di probabilità da cui ha avuto origine.
DettagliAnalisi Statistica dei Valori Estremi Massimi Annuali delle Portate del fiume Serio
dei Massimi Annuali delle Portate del fiume Serio UNIVERSITÀ DEGLI STUDI DI PALERMO Corso di Laurea Magistrale in Ingegneria Gestionale Analisi Statistica del Rischio Analisi Statistica dei Valori Estremi
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Ines Campa Probabilità e Statistica - Esercitazioni
DettagliEsercizio n 1. Esercizio n 2. Esercizio n 3. Corso di Idrologia 22 giugno 2010 Prova Scritta
Esercizio n 1 Le ordinate di un idrograa unitario definito a passo orario sono (in m /s/): 50, 0, 18, 6 e 1. Calcolare l area del bacino, la curva a S e l idrograa unitario definito a passo bio-orario
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
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
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
DettagliCURVE DI DURATA: Introduzione e Rappresentazione analitica
CURVE DI DURATA: Introduzione e Rappresentazione analitica Premesse Si definisce durata di una portata Q riferita ad una sezione di misura, l'intervallo di tempo in cui le portate naturali del corso d
DettagliStatistica a lungo termine: calcolo dell onda di progetto
Esercitazione Statistica a lungo termine: calcolo dell onda di progetto Sulla base delle misure ondametriche effettuate dalla boa di Ponza si calcoli, utilizzando la distribuzione di probabilità di Gumbel,
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,
Dettagli1. Il tempo di ritorno di progetto ed il concetto di rischio idrologico.
ELABORAZIONE STATISTICO PROBABILISTICA DELLE GRANDEZZE IDROLOGICHE ESTREME. Introduzione Quale che sia la tecnica di indagine, anche la più semplice, adottata per lo studio di un determinato fenomeno naturale,
DettagliAnalisi e scelta dei dati di input
Analisi e scelta dei dati di input Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 24 Aprile 2006 Francesca Mazzia (Univ. Bari) Analisi e
DettagliArgomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell '
Lezione 2 Argomenti della lezione: La statistica inferenziale: concetti di base Campionamento Stima Distribuzione campionaria Popolazione (o universo) Insieme di tutti gli elementi cui si rivolge il ricercatore
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
DettagliProbabilità e Statistica
Probabilità e Statistica Intervalli di confidenza Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob. e Stat. 1
DettagliFACOLTA DI INGEGNERIA
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 5 ARGOMENTO: VERIFICA DEL MODELLO
DettagliStima della portata di piena: un esempio
Stima della portata di piena: un esempio Giuseppe Pino APAT Dipartimento Nucleare, Rischio Tecnologico e Industriale 1 aprile 2008 Stima della portata di massima piena Obiettivo: determinare la portata
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2017/2018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Marco Pietro Longhi Probabilità e Statistica
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
DettagliInsegnamento di Idrologia. Esercitazione n. 1. 1) che il tempo di ritorno della portata di progetto deve essere di 200 anni;
Insegnamento di Idrologia Esercitazione n. 1 Si vuole costruire un argine lungo l'adda, nei pressi di Fuentes, in provincia di Sondrio. Per l'analisi idrologica sono disponibili i massimi annuali della
DettagliINTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 2 Concetti di base
INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte Concetti di base Pagina CONCETTI STATISTICI DI PARTENZA - DESCRITTORI DI UNA VARIABILE RANDOM - GRAFICI UTILI - DISTRIBUZIONI
DettagliStudi sugli eventi estremi per stima delle portate di piena
Studi sugli eventi estremi per stima delle portate di piena Un obiettivo degli studi sugli eventi estremi idrometeorologici è la determinazione dell idrogramma delle portate di piena (o almeno della portata
DettagliUNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA
UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA CORSO DI COSTRUZIONI IDRAULICHE A.A. 00-0 PROF. LUIGI DA DEPPO ING. NADIA URSINO ESERCITAZIONE N : Progetto
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 7 1. Utilizzando le tavole della distribuzione
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
DettagliDI IDROLOGIA TECNICA PARTE III
FACOLTA DI INGEGNERIA Laurea Specialistica in Ingegneria Civile N.O. Giuseppe T. Aronica CORSO DI IDROLOGIA TECNICA PARTE III Idrologia delle piene Lezione XIX: I metodi indiretti per la valutazione delle
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliStudi sugli eventi estremi per stima delle portate di piena
Studi sugli eventi estremi per stima delle portate di piena Un obiettivo degli studi sugli eventi estremi idrometeorologici è la determinazione dell idrogramma delle portate di piena (o almeno della portata
Dettaglit (min) UH (1/min) Tabella 1. Idrogramma unitario
Esercizio n 1 Assegnato l idrogramma unitario riportato in tabella 1 calcolare l idrogramma alla sezione di chiusura di un bacino di 500 ha a fronte dello ietogramma di pioggia totale riportato in tabella
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
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
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 II Esonero - 15 Gennaio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 014/015 II Esonero - 15 Gennaio 015 1 3 4 5 6 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
Dettagli9. Test del χ 2 e test di Smirnov-Kolmogorov. 9.1 Stimatori di massima verosimiglianza per distribuzioni con densità finita
9. Test del χ 2 e test di Smirnov-Kolmogorov 9. Stimatori di massima verosimiglianza per distribuzioni con densità finita Supponiamo di avere un campione statistico X,..., X n e di sapere che esso è relativo
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Analisi e scelta dei dati di input Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Dati di input Per l esecuzione di una
DettagliLa famiglia delle distribuzioni GEV - I
La famiglia delle distribuzioni GEV - I La distribuzione generalizzata degli eventi estremi (GEV) è la distribuzione teoricamente attesa per i massimi all interno di blocchi temporali di dimensione molto
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
DettagliLE PROVE DI AFFIDABILITA
4. LE PROVE DI AFFIDABILITA Ed.1 del 14/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 4 1 LE PROVE DI AFFIDABILITA SI RICAVANO INFORMAZIONI RELATIVE AD UN CAMPIONE E SI
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Intervalli di confidenza Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. La distribuzione Normale (o di Gauss)
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in medicina e chirurgia - Corso di Statistica
DettagliCondizione di progetto: Periodo di Ritorno
Condizione di progetto: Periodo di Ritorno L occorrenza di un nuovo evento puo essere considerato un esperimento tipo Bernoulli che genera solo due eventi incompatibili, tipo successo insuccesso. p = probabilità
DettagliGli intervalli di confidenza. Intervallo di confidenza per la media (σ 2 nota) nel caso di popolazione Gaussiana
Statistica Lez. 1 Gli intervalli di confidenza Intervallo di confidenza per la media (σ nota) nel caso di popolazione Gaussiana Sia X una v.c Gaussiana di media µ e varianza σ. Se X 1, X,..., X n è un
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, -..
Dettagli4. Stime & Test. Corso di Simulazione. Anno accademico 2008/09
Anno accademico 2008/09 Media campionaria X 1, X 2,..., X n v.c. indipendenti con distribuzione F, e: E[X i ] = µ Var[X i ] = σ 2, i = 1,..., n Media campionaria: X n è uno stimatore di µ. È uno stimatore
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
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
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,
DettagliInferenza su una popolazione
Inferenza su una popolazione La distribuzione di x(m) ha media pari a μ, quindi x(m) è uno stimatore non distorto della media della popolazione μ. Per fare inferenza sulla media dobbiamo avere un CCS,
DettagliSTIMA DEI PARAMETRI. METODO DEI MOMENTI.
STIMA DEI PARAMETRI. Esistono diversi metodi per la stima dei parametri: Metodo grafico di interpolazione su carta probabilistica. Metodo dei momenti. Metodo della massima verosimiglianza. Metodo degli
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015 1 2 3 4 5 6 7 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
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)
DettagliIntervallo di confidenza
Intervallo di confidenza Prof. Giuseppe Verlato, Prof. Roberto de Marco Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima
DettagliLa famiglia delle distribuzioni GEV - I
La famiglia delle distribuzioni GEV - I La distribuzione generalizzata degli eventi estremi (GEV) è la distribuzione teoricamente attesa per i massimi all interno di blocchi temporali di dimensione molto
DettagliI modelli probabilistici
e I modelli probabilistici Finora abbiamo visto che esistono modelli probabilistici che possiamo utilizzare per prevedere gli esiti di esperimenti aleatori. Naturalmente la previsione è di tipo probabilistico:
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliPAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore
PAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore medio, Errore quadratico medio (eqm), Deviazione standard,
DettagliESERCITAZIONE N. 7 corso di statistica
ESERCITAZIONE N. 7corso di statistica p. 1/15 ESERCITAZIONE N. 7 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 7corso di statistica p. 2/15 Introduzione Variabili aleatorie continue
Dettaglix ;x Soluzione Gli intervalli di confidenza possono essere ottenuti a partire dalla seguente identità: da cui si ricava: IC x ;x = +
ESERCIZIO 6.1 Si considerino i 0 campioni di ampiezza n = estratti da una popolazione X di N = 5 elementi distribuiti normalmente, con media µ = 13,6 e σ = 8,33. A partire dalle 0 determinazioni della
DettagliIntervallo di confidenza.
Intervallo di confidenza annarita.vestri@uniroma1.it campione inferenza popolazione Media Riportare sempre anche la deviazione standard Stima puntuale di Media, dev.standard, numerosità Qualche semplice
Dettaglideve utilizzarsi la variabile t ν,α/2 , dove n è il numero di gradi di libertà pari al numero delle misure diminuito di 1 (ν=n-1).
Indice 1. Frequenza e Probabilità. Parametri Statistici 3. Curva di Gauss 4. isure poco numerose: t di student nel caso non sia possibile effettuare un numero di misure adeguato (n
DettagliLE PROVE DI AFFIDABILITA LE PROVE DI AFFIDABILITA
4. LE PROVE DI AFFIDABILITA Ed. del 4/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 4 LE PROVE DI AFFIDABILITA SI RICAVANO INFORMAZIONI RELATIVE AD UN CAMPIONE E SI UTILIZZANO
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
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 8 Abbiamo visto: Metodi per la determinazione di uno stimatore Metodo di massima verosimiglianza
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità
Università del Piemonte Orientale Corsi di Laurea Triennale di Area Tecnica Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di Gauss) CdL Area Tecnica -
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
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
DettagliLa distribuzione normale o distribuzione di Gauss
La distribuzione normale o distribuzione di Gauss Gauss ha dimostrato che secondo questa legge si possono ritenere distribuiti gli errori accidentali di misura di una qualsivoglia grandezza. Densità di
Dettagli6. Applicazione di curve di probabilità pluviometrica in ambito di verifica.
6. Applicazione i curve i probabilità pluviometrica in ambito i verifica. Viene qui riportato un esempio i applicazione i curve i probabilità pluviometrica per la eterminazione el perioo i ritorno i un
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
DettagliIndice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
DettagliIntervallo di confidenza
Intervallo di confidenza Prof. Giuseppe Verlato, Prof. Roberto de Marco Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima
DettagliIntervallo di confidenza
Intervallo di confidenza Prof. Giuseppe Verlato, Prof. Roberto de Marco Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure relative a una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
Dettaglisi tratta del test del chi-quadro di adattamento e di quello di indipendenza. 1 l ipotesi che la popolazione segua una legge fissata;
di : dado : normale Finora abbiamo visto test d ipotesi per testare ipotesi differenti, ma tutte concernenti il valore atteso di una o due popolazioni. In questo capitolo vediamo come testare 1 l ipotesi
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
DettagliFin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili.
Sistemi di variabili casuali Fin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili. Esempi: - il massimo annuale della
DettagliIL PALLINOMETRO SCOPO
IL PALLINOMETRO SCOPO Verifica del fatto che gli errori casuali nella misura di una grandezza fisica ripetuta molte volte nelle stesse condizioni sperimentali seguono la distribuzione normale di Gauss.
DettagliCONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI
CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,
DettagliAnalisi statistica in simulazione
Analisi statistica in simulazione Aspetto fondamentale in simulazione, a volte sottovalutato Corrette interpretazione dei risultati Analisi dei dati di di input definizione e parametrizzazione del modello
DettagliAnalisi statistica classica. Analisi statistica in simulazione. Stima della media. Stima della media
Analisi statistica in simulazione Analisi statistica classica Aspetto fondamentale in simulazione, a volte sottovalutato Corrette interpretazione dei risultati Analisi dei dati di di input definizione
DettagliIL PALLINOMETRO SCOPO
IL PALLINOMETRO SCOPO Verifica del fatto che gli errori casuali nella misura di una grandezza fisica ripetuta molte volte nelle stesse condizioni sperimentali seguono la distribuzione normale di Gauss.
DettagliFondamenti di statistica per il miglioramento genetico delle piante. Antonio Di Matteo Università Federico II
Fondamenti di statistica per il miglioramento genetico delle piante Antonio Di Matteo Università Federico II Modulo 2 Variabili continue e Metodi parametrici Distribuzione Un insieme di misure è detto
DettagliSTIME STATISTICHE. Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 2/2
p. 1/1 INFORMAZIONI Prossime lezioni Giorno Ora Dove 10/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 17/02 14:30 P50 23/02 14:30 P50 25/02 14:30 Aula informatica (6-7 gruppi) 02/03 14:30 P50 04/03
DettagliFacoltà di ECONOMIA Corso di Statistica a.a. 2005/2006 Esame del 27/09/2006 Calcolo delle Probabilità e Inferenza
Esame del 27/09/2006 Calcolo delle Probabilità e Inferenza 1. Si consideri un urna contenente 10 palline numerate di forma uguale ma di diverso colore (R=rosso, V=verde, N=nero). Numero 1 2 3 4 5 6 7 8
DettagliANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI
IDROLOGIA Analisi esplorativa di serie di dati ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI P Claps IDROLOGIA Analisi esplorativa di serie di dati Rappresentazione tabellare della serie storica Sequenza
DettagliDISTRIBUZIONI DI PROBABILITA PER L IDROLOGIA
DISTRIBUZIONI DI PROBABILITA PER L IDROLOGIA 8 ottobre 06 INDICE i Indice Richiami di statistica applicata all Idrologia. Distribuzioni di probabilità............................... Stimatori.........................................3
Dettaglilezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1
lezione n. 6 (a cura di Gaia Montanucci) METODO MASSIMA VEROSIMIGLIANZA PER STIMARE β 0 E β 1 Distribuzione sui termini di errore ε i ε i ~ N (0, σ 2 ) ne consegue : ogni y i ha ancora distribuzione normale,
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
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
DettagliVIII Indice 2.6 Esperimenti Dicotomici Ripetuti: Binomiale ed Ipergeometrica Processi Stocastici: Bernoul
1 Introduzione alla Teoria della Probabilità... 1 1.1 Introduzione........................................ 1 1.2 Spazio dei Campioni ed Eventi Aleatori................ 2 1.3 Misura di Probabilità... 5
Dettagli