Introduzione alla Teoria degli Errori

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Introduzione alla Teoria degli Errori"

Transcript

1 Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non perché basata su informazioni infinitamente esatte, ma perché la sua metodologia consente di conoscere il valore dell indeterminazione associata ad esse, ovvero di conoscere il limite del contenuto di informazioni che esse portano. ) Esempio: in ogni caso dobbiamo tenere conto almeno dell errore di sensibilità dello strumento utilizzato per una riga millimetrata l errore di sensibilità è per un calibro ventesimale 1 mm 0,05 mm

2 errori sistematici spostano il risultato delle misure in una stessa direzione (per eccesso o per difetto) teorici: fenomeni individuabili ma trascurati impropriamente (sasso nel pozzo...) strumentali: possono essere individuati e corretti usando strumenti migliori (taratura bilancia, dilatazione termica righello di metallo, ecc...) personali: legati all uso dello strumento (errore di parallasse,...) 3 errori accidentali aleatori e imprevedibili, ma possono essere valutati misure ripetute il risultato di un esperimento è una variabile aleatoria (non predicibile a priori, in senso deterministico). Questo comportamento stocastico è sia contenuto nella natura del fenomeno studiato, che conseguenza delle inevitabili incertezze dell apparato sperimentale. 4

3 Nel caso di misure ripetibili, lo sparpagliamento dei risultati dà una indicazione preziosa dell errore delle misure (e del probabile valore vero ). Esempio: supponiamo di misurare il periodo di oscillazione di un pendolo con un cronometro di precisione. Ripetendo la misura troviamo che i risultati non sono sempre gli stessi:,3 s,4 s,5 s,4 s possiamo ragionevolmente supporre che la miglior stima del periodo sia il valore medio. Come errore possiamo considerare la semidispersione massima: x = 1 n n i=1 x i x = x max x min ( ) x x min x max 5 Si presentano due possibili casi: a causa della scarsa sensibilità strumentale misure ripetute forniscono lo stesso risultato lo strumento permette di evidenziare la non-riproducibilità (in parte intrinseca, in parte dovuta all apparato strumentale) del fenomeno in esame: il fenomeno sfugge al completo controllo fluttuazioni di misura 6

4 Rappresentazione di fenomeni casuali Abbiamo precedentemente esaminato il caso di un esperimento in cui l insieme dei possibili risultati (spazio campione) risulta finito e discreto lancio di due dadi a sei facce 7 Nel caso di una variabile aleatoria continua si definisce la funzione densità di probabilità (PDF): p(x) = lim x 0 P(x, x) x p(x) P(a x b) = b a p(x)dx x 8

5 La pdf deve essere normalizzata : + ˆx = E(x) = p(x)dx = 1 Si definisce valore di aspettazione della variabile aleatoria: + xp(x)dx La stessa definizione vale per qualsiasi funzione della variabile aleatoria: E{f(x)} = Si dimostrano le seguenti proprietà: + f(x)p(x)dx E(k) = k E(kf) = ke(f) E(f + g) = E(f) + E(g) E è un operatore lineare. 9 Come si misura la dispersione della variabile attorno al valore di aspettazione (valore medio)? E[ˆx x] = E[x] ˆx = 0 Allora introduciamo lo scarto quadratico medio : E[(ˆx x) ] = σ σ σ σ = x varianza della distribuzione deviazione standard errore statistico Se i risultati di una misura fluttuano, essi sono delle variabili casuali che dipendono dalle condizioni sperimentali. La media di questa variabile casuale è il valore più significativo del risultato. La deviazione standard misura l incertezza da attribuire al risultato. 10

6 Tra le distribuzioni discrete più importanti ricordiamo la distribuzione binomiale e quella di Poisson. Tra le distribuzioni continue più importanti in fisica (e non solo) trattiamo la distribuzione normale o di Gauss se le cause di non riproducibilità della misura sono in gran numero, se i loro effetti sono relativamente piccoli, dello stesso ordine di grandezza ed hanno uguale probabilità di assumere valori maggiori o minori della media, si trova che il risultato delle misure segue la distribuzione di Gauss g(x) = 1 σ (x ˆx) π e σ 11 g(x) = 1 σ (x ˆx) π e σ 1

7 Probabilità che x sia compreso tra a e b: P(a x b) = b a g(x)dx Non esiste una espressione analitica per l integrale a destra. Consultando le tavole degli integrali si trova una proprietà interessante della varianza per la distribuzione normale: P( x ˆx σ) = ˆx σ ˆx σ g(x)dx = 0,68 ˆx σ ˆx ˆx + σ 13 Anche potendo fare ipotesi sulla distribuzione dei dati sperimentali (della quale si postula l esistenza), non sono in genere noti a priori i parametri della distribuzione (valore medio e varianza). Da un insieme di misure ripetute, che rappresenta un campione delle misure possibili, dobbiamo trovare la miglior stima possibile di questi parametri 14

8 Giustificazione della media aritmetica come miglior stima del valore medio della distribuzione: x = 1 n xi la media aritmetica dipende dai dati sperimentali è quindi una variabile aleatoria! Vediamo dunque quale è il valore di aspettazione della media aritmetica E{ x} = 1 E{xi } = 1 nˆx = ˆx n n si dice quindi che la media aritmetica è un estimatore del valore medio della distribuzione 15 essendo la media aritmetica una variabile aleatoria possiamo anche calcolarne la varianza: σ ( x) = E{( x ˆx) } = σ (x) n In parole povere: qualunque sia la distribuzione delle la media aritmetica è distribuita attorno al valore vero e lo sparpagliamento decresce al crescere della dimensione del campione: se facessi infinite misure media aritmetica e valore medio coinciderebbero esattamente! x i 16

9 Giustificazione della varianza empirica come miglior stima della varianza della distribuzione dal momento che la varianza della pdf è definita come lo scarto quadratico medio dal valor medio della distribuzione, verrebbe naturale definire il seguente estimatore s = (xi x) ma questa scelta comporta il seguente problema, se n=1 allora s=0! n Per ovviare a questa difficoltà si definisce varianza empirica: s = (xi x) n 1 che per n=1 è correttamente indeterminata. 17 Si dimostra che la varianza empirica è un estimatore della varianza della distribuzione: E{s } = 1 n 1 E{ [(x i ˆx) + (ˆx x)] } = = σ (x) Vi risparmio il calcolo della varianza della varianza... Bisognerebbe tenere in mente che per usare lo scarto quadratico medio occorrono almeno una decina di misure... 18

10 Istogrammi e distribuzione limite 19 Supponiamo di misurare il tempo di caduta (in s) di una pallina per 50 volte... 1,6 1,30 1,9 1,41 1,44 1,38 1,4 1,15 1,49 1,3 1,37 1,59 1,4 1,33 1,15 1,35 1,37 1,31 1,41 1,35 1,8 1,30 1,31 1,6 1,3 1,45 1,40 1,33 1,34 1,41 1,39 1,7 1,41 1,5 1,31 1,45 1,19 1,39 1,41 1,7 1,46 1,34 1,44 1,37 1,35 1,30 1,35 1,53 1,3 1,5 ci proponiamo di visualizzare come si distribuiscono i dati sperimentali 0

11 La variabile aleatoria in questione (il tempo di caduta) è una variabile continua. Per visualizzare al meglio i dati costruiamo un istogramma a intervalli: intervalli numero di dati 1,1 ; 1,17 1,17 ; 1, 1 1, ; 1,7 4 1,7 ; 1,3 10 1,3 ; 1, ,37 ; 1,4 1 1,4 ; 1,47 7 1,47 ; 1,5 1 1,5 ; 1,57 1,57 ; 1, ,5 7,5 3,75 0 1,1 1,17 1, 1,7 1,3 1,37 1,4 1,47 1,5 1,57 1,6

12 Vediamo che i dati si distribuiscono attorno ad un picco. Eseguendo infinite misure e aumentando di conseguenza il numero di intervalli otterremo una distribuzione limite continua. Per poter confrontare l istogramma a barre con la distribuzione continua conveniamo di definire l altezza di ogni barra in modo che: f k k = n k N Es. nell intervallo [1,3;1,37] cadono 10 misure delle 50 effettuate, quindi: k = 0,05 s N = 50 n k = 10 } f k = 0, 4 s 1 3 Possiamo stimare il valore medio e la varianza dei dati del nostro esempio facendo uso della media aritmetica e della varianza empirica: x = 1,35 s σ = 0,09 s Confrontiamo il nostro istogramma a barre con la distribuzione normale con i parametri trovati sopra: g(x) = 1 σ (x ˆx) π e σ 4

13 5 A proposito della scelta degli intervalli: la dimensione degli intervalli deve essere tale da essere non inferiore alla sensibilità dello strumento utilizzato per fare le misure il numero di intervalli deve essere tale da rappresentare adeguatamente la distribuzione. Attenzione però: aumentare molto il numero di intervalli (a parità di numero di misure fatte) aumenta le fluttuazioni statistiche 6

14 7 Esercitazione di laboratorio 1. Formare 8 gruppi di lavoro; ciascun gruppo ha in dotazione una riga millimetrica, un calibro decimale o ventesimale e un pacchetto con una coppia di dadi, qualche decina di chiodi, un oggetto metallico.. Misurare con la riga e con il calibro le dimensioni dell'oggetto per determinarne il volume con l'errore associato. 3. Eseguire 100 lanci ciascuno di una moneta e scrivere la sequenza dei risultati. A lanci conclusi costruire la distribuzione delle frequenze e delle probabilità per 5, 50, 75 e 100 tentativi. Mettere insieme i risultati del gruppo. 4. Eseguire 100 lanci del doppio dado per gruppo. A lanci conclusi costruire la distribuzione delle frequenze e delle probabilità per 5, 50, 75 e 100 tentativi. 5. Misurare la lunghezza dei chiodi con il calibro (ognuno deve misurare tutti i chiodi del gruppo) e riportare il risultato in una tabella preliminare. Organizzare i dati riportando le misure in una tabella in ordine crescente e accompagnandole con le frequenze di uscita. Costruire tre istogrammi cambiando la larghezza dei sottointervalli. Calcolare la media aritmetica e la deviazione standard sperimentale associate all'insieme di dati. Provare a costruire la curva gaussiana teorica che è associata alla media aritmetica e alla deviazione standard risultante. 8

15 Propagazione degli errori nelle misure indirette 9 Consideriamo due grandezze omogenee a e b con incertezze a e b S S max min = = a± a b± b Somma ( a+ a) + ( b+ b) = ( a+ b) + ( a+ b) ( a a) + ( b b) = ( a+ b) ( a+ b) ( ) S = S max + S min = a + b S = S max S min = a + b ( ) 30

16 D D max min = = Differenza D = a b ( a+ a) ( b b) = ( a b) + ( a+ b) ( a a) ( b+ b) = ( a b) ( a+ b) ( ) D = D max + D min ( ) D = D max D min = a b = a + b 31 Prodotto P = ab P P max min = = ( a+ a)( b+ b) = ( ab) + ( b a+ a b+ a b) ( a a)( b b) = ( ab) ( b a+ a b a b) b ( ) P = a b + b a b a a 3

17 Errore relativo x± x Si definisce errore relativo: ε r = x x Domanda: misuro una strada lunga 10 km con un incertezza di 100 m ed un chiodo lungo 4 cm con una incertezza di 1 mm. Quale misura risulta più precisa? 33 Introdotto l errore relativo la regola del prodotto può essere riscritta come segue: Prodotto P = a b + b a P P = a a + b b 34

18 Quoziente Q = a b Per esercizio provate che anche in questo caso vale: Q = a b + b a b Q Q = a a + b b 35 Funzione di una variabile q = q(x) x± x q =? q q best q x x best x dq = dq dx dx 36

19 q = q(x best + x) q(x best ) una approssimazione fondamentale asserisce che: q(x + u) q(x) dq dx u dunque assumendo l errore su x piccolo abbastanza da trascurare i termini di ordine superiore: q = dq dx x 37 Regola generale Se una grandezza G è funzione di più grandezze a, b, c, cioè G=f(a,b,c,.) allora l errore massimo G è dato da: G = f a a 0 a + f b b 0 b + f c c 0 c +... Dove a0, b0, c0,. Sono le misure e a, b, c, sono le incertezze. 38

20 Cifre significative e rappresentazione delle misure La cifra più significativa è quella, diversa da zero, più a sinistra La cifra meno significativa è quella più a destra, diversa da zero, se non c è la virgola decimale. Se c è la virgola decimale la cifra meno significativa è quella più a destra, anche se è zero. Tutte le cifre tra la più e la meno significativa comprese sono le cifre significative convenzionalmente gli errori di misura si riportano con una sola cifra significativa (unica eccezione se la cifra più significativa dell errore è 1 o si possono tenere due cifre significative). Nel rappresentare correttamente il risultato di una misura si procede nel modo seguente: Si arrotonda l errore ad una sola cifra significativa Si arrotonda la misura ricordando che la cifra meno significativa deve essere quella sulla quale cade l errore G = 14,83 m G = 0, 67 m 0, 7 m 14,83 m G 0,7 m G = (14, 8±0,7) m 40

21 Esempio 1 Supponiamo di voler determinare il volume di un cilindro. Le grandezze che possono essere misurate sono: il diametro d e l altezza h. V = d 4 h d± d h± h V V = d d 0 V d+ h Da cui si ottiene h 0 h V = dh d 4 + d 4 h 41 Esempio : area del rettangolo Siano a= 37.55± 0.05mm b= 68.35± 0.05mm A = ab= mm A = a b+ b a= 0.05(37.55) (68.35) = 5.95mm A 5mm A = (567±5) mm a b 4

22 Supponiamo di avere a che fare con due grandezze i cui errori sono casuali (statistici) e le due grandezze siano tra loro indipendenti: x± x y± y Consideriamo la somma. E improbabile che le incertezze sulle due misure contribuiscano contemporaneamente a spostare per eccesso (o per difetto) la misura della somma. L espressione della propagazione per gli errori massimi: (x + y) = x + y Rappresenta una stima per eccesso. Si dimostra che vale: ( (x + y)) = ( x) + ( y) 43 ( (x + y)) = ( x) + ( y) y (x + y) x (x + y) = ( x) + ( y) 44

23 45

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

Dettagli

l insieme delle misure effettuate costituisce il campione statistico

l insieme delle misure effettuate costituisce il campione statistico Statistica negli esperimenti reali si effettuano sempre un numero finito di misure, ( spesso molto limitato ) l insieme delle misure effettuate costituisce il campione statistico Statistica descrittiva

Dettagli

Gli errori. Capitolo 2. 2.1. Errori casuali e sistematici

Gli errori. Capitolo 2. 2.1. Errori casuali e sistematici Capitolo Gli errori.1. Errori casuali e sistematici Ogni processo di misura di una grandezza fisica, anche se condotto nel modo più attento possibile e con lo strumento più sofisticato a disposizione,

Dettagli

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili: Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette

Dettagli

Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE. Ing. Ricci Andrea Simone

Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE. Ing. Ricci Andrea Simone Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE Ing. Ricci Andrea Simone INCERTEZZA DI MISURA - Introduzione X SISTEMA Y Misura > complesso di attività volte alla valutazione

Dettagli

STRUMENTI DI MISURA: GENERALITÁ

STRUMENTI DI MISURA: GENERALITÁ STRUMENTI DI MISURA: GENERALITÁ Sono dispositivi che ci forniscono il valore delle grandezze Sono di 2 tipi ANALOGICO: se il valore delle misure si legge su una scala graduata (c è continuità nell indicazione)

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

Slide Cerbara parte1 5. Le distribuzioni teoriche

Slide Cerbara parte1 5. Le distribuzioni teoriche Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Un po di statistica. Christian Ferrari. Laboratorio di Matematica Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ

LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ Prof. Francesco Tottoli Versione 3 del 20 febbraio 2012 DEFINIZIONE È una scienza giovane e rappresenta uno strumento essenziale per la scoperta di leggi e

Dettagli

Elementi di Statistica descrittiva Parte I

Elementi di Statistica descrittiva Parte I Elementi di Statistica descrittiva Parte I Che cos è la statistica Metodo di studio di caratteri variabili, rilevabili su collettività. La statistica si occupa di caratteri (ossia aspetti osservabili)

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

Teoria degli errori. Stefano Brocchi stefano.brocchi@unifi.it. Stefano Brocchi Teoria degli errori 1 / 107

Teoria degli errori. Stefano Brocchi stefano.brocchi@unifi.it. Stefano Brocchi Teoria degli errori 1 / 107 Teoria degli errori Stefano Brocchi stefano.brocchi@unifi.it Stefano Brocchi Teoria degli errori 1 / 107 Errori ed incertezza Ogni qual volta eseguiamo una misura, dobbiamo aspettarci un errore sulla misura

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

UNIVERSITA DEGLI STUDI DI FIRENZE Facoltà di Scienze M.F.N. Corso di Laurea in Fisica. Prof. Roberto Falciani. Prof.

UNIVERSITA DEGLI STUDI DI FIRENZE Facoltà di Scienze M.F.N. Corso di Laurea in Fisica. Prof. Roberto Falciani. Prof. UIVERSITA DEGLI STUDI DI FIREZE Facoltà di Scienze M.F.. Corso di Laurea in Fisica Prof. Roberto Falciani Prof. Andrea Stefanini Appunti aggiuntivi al corso di ESPERIMETAZIOI I Analisi statistica degli

Dettagli

DEFINIZIONE Una grandezza fisica è una classe di equivalenza di proprietà fisiche che possono essere misurate mediante un rapporto.

DEFINIZIONE Una grandezza fisica è una classe di equivalenza di proprietà fisiche che possono essere misurate mediante un rapporto. «Possiamo conoscere qualcosa dell'oggetto di cui stiamo parlando solo se possiamo eseguirvi misurazioni, per descriverlo mediante numeri; altrimenti la nostra conoscenza è scarsa e insoddisfacente.» (Lord

Dettagli

ESERCIZI DI FISICA (A)

ESERCIZI DI FISICA (A) ESERCIZI DI FISICA (A) Operazioni tra grandezze fisiche e cifre significative 1. Determinare quante cifre significative hanno i seguenti numeri: (a) 0,75; (b) 8,051; (c) 152,46; (d) 12,00; (e) 4,5 10 2

Dettagli

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a) Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:

Dettagli

Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali Note A.A. 2009-10 C. Meneghini. 1 misura ed errori di misura

Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali Note A.A. 2009-10 C. Meneghini. 1 misura ed errori di misura Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali ote A.A. 009-10 C. Meneghini 1 misura ed errori di misura La misura è il processo che permette di determinare il valore di una

Dettagli

Scheda n.5: variabili aleatorie e valori medi

Scheda n.5: variabili aleatorie e valori medi Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata

Dettagli

Errori di una misura e sua rappresentazione

Errori di una misura e sua rappresentazione Errori di una misura e sua rappresentazione Il risultato di una qualsiasi misura sperimentale è costituito da un valore numerico (con la rispettiva unità di misura) ed un incertezza (chiamata anche errore)

Dettagli

DISTRIBUZIONI DI PROBABILITÀ

DISTRIBUZIONI DI PROBABILITÀ 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 LE PRINCIPALI DISTRIBUZIONI

Dettagli

La distribuzione Gaussiana

La distribuzione Gaussiana Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione

Dettagli

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI DI STATISTICA PER IDROLOGIA Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

ELEMENTI DI CALCOLO DELLE PROBABILITA

ELEMENTI DI CALCOLO DELLE PROBABILITA Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

Tutorato di Probabilità e Statistica

Tutorato di Probabilità e Statistica Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità

Dettagli

ISI MANUALE PER CORSI QUALITÀ CONTROLLO STATISTICO DEL PROCESSO MANUALE DI UTILIZZO ISI PAGINA 1 DI 9

ISI MANUALE PER CORSI QUALITÀ CONTROLLO STATISTICO DEL PROCESSO MANUALE DI UTILIZZO ISI PAGINA 1 DI 9 CONTROLLO STATISTICO DEL PROCESSO MANUALE DI UTILIZZO ISI PAGINA 1 DI 9 INTRODUZIONE 1.0 PREVENZIONE CONTRO INDIVIDUAZIONE. L'approccio tradizionale nella fabbricazione dei prodotti consiste nel controllo

Dettagli

INCERTEZZA DI MISURA

INCERTEZZA DI MISURA L ERRORE DI MISURA Errore di misura = risultato valore vero Definizione inesatta o incompleta Errori casuali Errori sistematici L ERRORE DI MISURA Errori casuali on ne si conosce l origine poiche, appunto,

Dettagli

Laboratorio di fisica per PAS Proposito di questo modulo: Fornire ai docenti gli strumenti teorici e pratici per affrontare esperimenti di laboratorio dal punto di vista quantitativo. Effettuare alcune

Dettagli

Lezioni del Corso di Fondamenti di Metrologia Meccanica

Lezioni del Corso di Fondamenti di Metrologia Meccanica Facoltà di Ingegneria Lezioni del Corso di Fondamenti di Metrologia Meccanica A.A. 2005-2006 Prof. Paolo Vigo Indice 1. Errori ed Incertezze 2. Errori Sistematici ed Accidentali 3. Proprietà degli Strumenti

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

Statistica inferenziale

Statistica inferenziale Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo

Dettagli

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione) Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

Statistica descrittiva: prime informazioni dai dati sperimentali SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni

Dettagli

SPC e distribuzione normale con Access

SPC e distribuzione normale con Access SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,

Dettagli

STATISTICA E PROBABILITá

STATISTICA E PROBABILITá STATISTICA E PROBABILITá Statistica La statistica è una branca della matematica, che descrive un qualsiasi fenomeno basandosi sulla raccolta di informazioni, sottoforma di dati. Questi ultimi risultano

Dettagli

Esperienze del primo semestre del Laboratorio di Fisica I

Esperienze del primo semestre del Laboratorio di Fisica I Esperienze del primo semestre del Laboratorio di Fisica I 25 settembre 2003 Meccanica Pendolo semplice Il pendolo semplice, che trovate montato a fianco del tavolo, è costituito da una piccola massa (intercambiabile)

Dettagli

8 Elementi di Statistica

8 Elementi di Statistica 8 Elementi di Statistica La conoscenza di alcuni elementi di statistica e di analisi degli errori è importante quando si vogliano realizzare delle osservazioni sperimentali significative, ed anche per

Dettagli

1 Valore atteso o media

1 Valore atteso o media 1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è

Dettagli

Appunti: elementi di Probabilità

Appunti: elementi di Probabilità Università di Udine, Facoltà di Scienze della Formazione Corso di Laurea in Scienze e Tecnologie Multimediali Corso di Matematica e Statistica (Giorgio T. Bagni) Appunti: elementi di Probabilità. LA PROBABILITÀ..

Dettagli

VARIABILI ALEATORIE E VALORE ATTESO

VARIABILI ALEATORIE E VALORE ATTESO VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Incertezza intrinseca delle misure ovvero Una introduzione alla teoria degli errori

Incertezza intrinseca delle misure ovvero Una introduzione alla teoria degli errori Incertezza intrinseca delle misure ovvero Una introduzione alla teoria degli errori Nella scienza la parola errore non implica il solito significato di sbaglio o svista. Errore in una misura scientifica

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI

GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI SISTEMA NAZIONALE PER L'ACCREDITAMENTO DI LABORATORI DT-000 GUIDA PER LA VALUTAZIONE E LA ESPRESSIONE DELL INCERTEZZA NELLE MISURAZIONI INDICE parte sezione pagina 1. INTRODUZIONE. FONDAMENTI.1. Misurando,

Dettagli

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo

Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO Pasquale Iandolo Laboratorio analisi ASL 4 Chiavarese, Lavagna (GE) 42 Congresso Nazionale SIBioC Roma

Dettagli

MISURAZIONI E MISURE

MISURAZIONI E MISURE MISURAZIONI E MISURE Nel momento in cui studiamo una proprietà di un corpo materiale, vediamo se questa risponde in modo positivo o negativo alla nostra considerazione. Possiamo includerlo o escluderlo

Dettagli

Statistica. L. Freddi. L. Freddi Statistica

Statistica. L. Freddi. L. Freddi Statistica Statistica L. Freddi Statistica La statistica è un insieme di metodi e tecniche per: raccogliere informazioni su un fenomeno sintetizzare l informazione (elaborare i dati) generalizzare i risultati ottenuti

Dettagli

Indici di dispersione

Indici di dispersione Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo

Dettagli

matematica probabilmente

matematica probabilmente IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

Risolvi le seguenti equazioni e disequazioni fra [ 0 ; 2 π ]

Risolvi le seguenti equazioni e disequazioni fra [ 0 ; 2 π ] IV A GAT PRIMA VERIFICA DI MATEMATICA 3 ottobre 0 Risolvi le seguenti equazioni e disequazioni fra [ 0 ; π ].. 3... 6. 7. 8. Risultati:. = π/6 e = 7π/6. =π/ ; =π/6 ; =π/6 3. =π/3 ; =π/3. =π/3 ; =π/3. π/

Dettagli

RAPPRESENTAZIONE DEI DATI

RAPPRESENTAZIONE DEI DATI Rappresentazione dei Dati RAPPRESENTAZIONE DEI DATI Quando si dispone di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente Quandoil si loro dispone

Dettagli

Grafici delle distribuzioni di frequenza

Grafici delle distribuzioni di frequenza Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma

Dettagli

OCCUPATI SETTORE DI ATTIVITA' ECONOMICA

OCCUPATI SETTORE DI ATTIVITA' ECONOMICA ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

MODULO 1 Le grandezze fisiche

MODULO 1 Le grandezze fisiche MODULO 1 Le grandezze fisiche Quante volte, ogni giorno, utilizziamo il metro, i secondi, i kilogrammi Ma forse non sappiamo quante menti di uomini ingegnosi hanno dato un senso a quei simboli per noi

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

Statistica Applicata all edilizia: alcune distribuzioni di probabilità Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 7 marzo 20 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana

Dettagli

Funzioni in due variabili Raccolta di FAQ by Andrea Prevete

Funzioni in due variabili Raccolta di FAQ by Andrea Prevete Funzioni in due variabili Raccolta di FAQ by Andrea Prevete 1) Cosa intendiamo, esattamente, quando parliamo di funzione reale di due variabili reali? Quando esiste una relazione fra tre variabili reali

Dettagli

APPUNTI SUI METODI PERT-C.P.M.

APPUNTI SUI METODI PERT-C.P.M. APPUNTI SUI METODI PERT-C.P.M. (corso di ricerca operativa) A cura di: Antonio Scalera 1 PERT/C.P.M. I metodi Pert e C.P.M. studiano lo sviluppo di un progetto attraverso la programmazione delle attività

Dettagli

Laboratorio di Fisica Sperimentale

Laboratorio di Fisica Sperimentale Università degli Studi Roma La Sapienza DIPARTIMENTO DI FISICA Laboratorio di Fisica Sperimentale Corso di Laurea in Ingegneria Meccanica Anno Accademico 4/5 1 a Esperienza di Laboratorio 19/5/5 Nome e

Dettagli

Statistiche campionarie

Statistiche campionarie Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle

Dettagli

10 CONTROLLO STATISTICO DELLA QUALITÀ

10 CONTROLLO STATISTICO DELLA QUALITÀ 10 CONTROLLO STATISTICO DELLA QUALITÀ 10.2.2 Il controllo di un processo Considerazioni sulle carte di controllo A fianco del numero di elementi non conformi delle carte di controllo p e pn e del numero

Dettagli

La Distribuzione Normale (Curva di Gauss)

La Distribuzione Normale (Curva di Gauss) 1 DISTRIBUZIONE NORMALE o CURVA DI GAUSS 1. E la più importante distribuzione statistica continua e trova numerose applicazioni nello studio dei fenomeni biologici. 2. Fu proposta da Gauss (1809) nell'ambito

Dettagli

Statistica descrittiva

Statistica descrittiva Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento

Dettagli

Modulo didattico sulla misura di grandezze fisiche: la lunghezza

Modulo didattico sulla misura di grandezze fisiche: la lunghezza Modulo didattico sulla misura di grandezze fisiche: la lunghezza Lezione 1: Cosa significa confrontare due lunghezze? Attività n 1 DOMANDA N 1 : Nel vostro gruppo qual è la matita più lunga? DOMANDA N

Dettagli

CONTROLLI STATISTICI

CONTROLLI STATISTICI CONTROLLI STATISTICI Si definisce Statistica la disciplina che si occupa della raccolta, effettuata in modo scientifico, dei dati e delle informazioni, della loro classificazione, elaborazione e rappresentazione

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità Luca Mari, versione 2.3.15 Contenuti La generazione combinatoria di campioni...1 L algebra dei campioni...4 Il calcolo delle frequenze relative dei campioni...5 Indipendenza

Dettagli

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010 LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno

Dettagli

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI

E NECESSARIO RICORRERE ALLE VARIABILI CASUALI IL CONCETTO DI VARIABILE CASUALE Associare una misura di probabilità al verificarsi di un certo evento (come esito di un esperimento) non sempre è sufficiente a risolvere gran parte dei problemi reali

Dettagli

Statistica descrittiva univariata

Statistica descrittiva univariata Statistica descrittiva univariata Elementi di statistica 2 1 Tavola di dati Una tavola (o tabella) di dati è l insieme dei caratteri osservati nel corso di un esperimento o di un rilievo. Solitamente si

Dettagli

Controllo Statistico della Qualità. Qualità come primo obiettivo dell azienda produttrice di beni

Controllo Statistico della Qualità. Qualità come primo obiettivo dell azienda produttrice di beni Controllo Statistico della Qualità Qualità come primo obiettivo dell azienda produttrice di beni Qualità come costante aderenza del prodotto alle specifiche tecniche Qualità come controllo e riduzione

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Esercitazioni 2013/14

Esercitazioni 2013/14 Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta

Dettagli

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale)

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale) Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione

Dettagli

Note sull esperienza Misura di g versione 1, Francesco, 7/05/2010

Note sull esperienza Misura di g versione 1, Francesco, 7/05/2010 Note sull esperienza Misura di g versione 1, Francesco, 7/05/010 L esperienza, basata sullo studio di una molla a spirale in condizioni di equilibrio e di oscillazione, ha diversi scopi e finalità, tra

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda

Dettagli

Matlab per applicazioni statistiche

Matlab per applicazioni statistiche Matlab per applicazioni statistiche Marco J. Lombardi 19 aprile 2005 1 Introduzione Il sistema Matlab è ormai uno standard per quanto riguarda le applicazioni ingegneristiche e scientifiche, ma non ha

Dettagli

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

Elementi di statistica descrittiva I 31 Marzo 2009

Elementi di statistica descrittiva I 31 Marzo 2009 Il Concetti generali di Statistica) Corso Esperto in Logistica e Trasporti Elementi di Statistica applicata Elementi di statistica descrittiva I Marzo 009 Concetti Generali di Statistica F. Caliò franca.calio@polimi.it

Dettagli

1 Grandezze Fisiche. Dimensioni. Unità di Misura 2.

1 Grandezze Fisiche. Dimensioni. Unità di Misura 2. UNIVERSITA DEGLI STUDI DI FIRENZE - Corso di Laurea in Matematica Appunti per il corso di Laboratorio di Fisica 1 - A.A. 2009-2010, estratti dagli appunti del Prof. Roberto Falciani e del Prof. Andrea

Dettagli

DETERMINAZIONI SPERIMENTALI ED ERRORI. confrontare quella grandezza con un'altra di riferimento, ad essa omogenea, detta unità di misura.

DETERMINAZIONI SPERIMENTALI ED ERRORI. confrontare quella grandezza con un'altra di riferimento, ad essa omogenea, detta unità di misura. DETERMINAZIONI SPERIMENTALI ED ERRORI MISURARE UNA GRANDEZZA = confrontare quella grandezza con un'altra di riferimento, ad essa omogenea, detta unità di misura. LUNGHEZZA metro (m) distanza percorsa dalla

Dettagli

Matematica Applicata. Probabilità e statistica

Matematica Applicata. Probabilità e statistica Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180

Dettagli

Corso di Fisica generale

Corso di Fisica generale Corso di Fisica generale Liceo Scientifico Righi, Cesena Anno Scolastico 2014/15 1C Introduzione alla Incertezza della Misura Sperimentale I Riccardo Fabbri 1 (Dispense ed esercizi su www.riccardofabbri.eu)

Dettagli