Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛
|
|
- Cristina Di Giacomo
- 7 anni fa
- Visualizzazioni
Transcript
1 Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata una regola che assegna a ciascun valore che la variabile può assumere la corrispondente probabilità pobab Esempio: lancio di monete; v.c.= numero di teste uscite P() P() TTT ⅛ 0 ⅛ TTC ⅛ ⅜ TCT ⅛ ⅜ CTT ⅛ ⅛ TCC ⅛ CTC ⅛ CCT ⅛ CCC 0 ⅛ P() 0 Variabile statistica e variabile casuale Variabile statistica: deriva dalla classificazione di dati rilevati, cioè viene definita empiricamente una volta conosciuti i dati ed averli classificati. Variabile casuale (): assume valori nello spazio dei numeri reali secondo una funzione di probabilità P() Il concetto di variabile casuale è strettamente legato a quello di esperimento, a quello, cioè, di una prova il cui risultato è incerto. E diverso, dunque, dal concetto di variabile definita su una popolazione, di cui io posso conoscere o meno il valore che questa assume sulle singole unità, ma rispetto alla quale non c è nulla di incerto. Distribuzione di probabilità della v.c : ad ogni possibile valore della v.c si associa una probabilità v.c. discreta P() 0 ⅛ ⅜ ⅜ ⅛ f P Assumono un numero finito di valori,,, n, con probabilità p p p con probabilità p, p,, p n
2 Distribuzione di probabilità della v.c : ad ogni possibile valore della v.c si associa una probabilità v.c. discreta P() 0 ⅛ ⅜ ⅜ ⅛ f P P() TTT 50? TTC 49? TCT..? CTT..? TCC..? CTC..? CCT? CCC 0? Esistono delle formule algebriche che consentono di calcolare, per ciascun valore di una variabile casuale, la probabilità che esso si verifichi discrete Assumono un numero finito di valori,,, n, con probabilità p, p,, p n Nel caso discreto, la funzione definisce la funzione di probabilità della v.c. che rappresenta quella funzione che associa ad ognuno dei possibili valori i la corrispondente probabilità: f P i i Esempio: Lancio di tre monete v.c. Numero di teste uscite PC C C f P 0 0 P T C C C T C C C T f P P T T C T C T C T T f P f P P T T T discrete Esempio: Lancio di tre monete v.c. Numero di teste uscite f 0 P 0 f P f P f P 0 (numero di teste). La funzione di probabilità di tipo discreto soddisfa le condizioni: f 0 f i.. i i discrete In molti casi, può essere necessario trovare la probabilità che la v.c. assuma un valore inferiore o uguale ad un dato valore k. Tale probabilità viene definita probabilità cumulata ed è descritta dalla funzione di ripartizione, che viene indicata con F( k ). Quindi, se,,, n sono i valori possibili di ordinati in senso crescente, la probabilità cumulata sarà: F k f f f k Esempio: Lancio di tre monete v.c. Numero di teste uscite f 0 P 0 F 0 f P F f P F f P F F() 0 (numero di teste)
3 continue Una variabile casuale continua è una v.c. che può assumere un numero infinito di valori compresi in un intervallo di ampiezza finita o infinita. A differenza di quanto accade nel caso discreto, non è possibile ottenere la probabilità che la variabile assuma un qualsiasi valore interno all intervallo sommando le probabilità dei singoli punti che lo compongono, in quanto i punti sono infiniti e una somma infinita di valori finiti non può dare l unità unità. continue Una variabile casuale è, allora, continua se esiste una funzione tale che: b P a b f d a dove a e b sono numeri reali qualsiasi, con a<b. Funzione di densità di probabilità: la funzione matematica per cui l area sottesa alla funzione, corrispondente ad un certo intervallo, è uguale alla probabilità che assuma un valore in quell intervallo Il c.d. paradosso della continuità viene risolto ricorrendo al concetto di area, assegnando probabilità a singoli intervalli piuttosto che a singoli punti e rappresentando le probabilità come delle aree su degli intervalli. continue Proprietà della funzione di densità di probabilità (f.d.p.): ) f(=)=0 (la probabilità di ottenere esattamente il risultato è generalmente nulla anche se l evento non è strettamente impossibile) continue Funzione di ripartizione: i F P f d ) 0 ) f d (l area sottesa alla funzione è uguale a )
4 n Valore atteso di una v.c discreta: E i P i Varianza di una v.c discreta: n i i P i Valore atteso di una v.c continua: i E f d Varianza di una v.c continua: f d Esempio Un amico ci propone un gioco i cui risultati ti possono essere A, B o C con probabilità bilità di realizzarsi pari, rispettivamente, a 0,, 0, e 0,7. Se esce A, sivincono0euro, se esce B se ne vincono 0 mentre se esce C se ne perdono 0. Ci si chiede quale sarà il guadagno, o la perdita, che ci si deve attendere per un numero elevato di giocate. E chiaro che il risultato del gioco sarà dato dall ammontare che si vince quando si presenta A o B, ognuno moltiplicato per le rispettive probabilità, sommato all ammontare che si perde quando si presenta C, ponderato con la rispettiva probabilità. Avremo dunque: 0 0, 0 0, 0 0,7 Il gioco ha, cioè, un valore negativo, e più precisamente una perdita di a partita. I euro non rappresentano l ammontare lammontareche si perde in una singola giocata ma ciò che si perderebbe in media, per partita, se si giocasse un numero elevato di volte (infatti, nella singola giocata o si vincono 0 o 0 euro o se ne perdono 0, ma non se ne potranno mai perdere ). Questa somma, tuttavia, rappresenta una sintesi dei diversi risultati del gioco, i quali portano a perdere, in media, euro ogni giocata, e quindi non si avrà interesse a giocare perché il gioco non è equo. La variabile casuale di Bernoulli ~ Ber(p) La variabile casuale di Bernoulli ~ Ber(p) E una v.c. che trae origine i da una prova nella quale interessa verificare se l evento E si è verificato o meno. E legata a prove di tipo dicotomico (o dicotomizzabili) i cui due possibili risultati vengono indicati con i termini successo () e insucesso (0), (senza per questo intendere che l evento successo sia necessariamente un evento piacevole! ) Formalmente, una v.c. discreta si definisce v.c. di Bernoulli se assume il valore con probabilità p e il valore 0 con probabilità -p. La sua distribuzione di probabilità è: P p p I suoi momenti caratteristici risultano essere: E p ; Var p p ; N.B. La varianza della v.c. di Bernoulli assume valore ao massimo (/4) quando è p=/. E questo, infatti, il caso di massima incertezza, in cui risulta più difficile prevedere il risultato.
5 La v.c. binomiale i Esperimento binomiale: n prove bernoulliane (ogni prova può avere solo due possibili risultati) indipendenti, ognuna delle quali ha la stessa probabilità di successo successo o insuccesso; probabilità costante in tutte le prove estrazioni indipendenti (estrazioni con ripetizione). V.C. Binomiale : numero di successi in n prove p: probabilità di successo in una prova -p: probabilità di insuccesso in una prova Un esempio (Borra S., Di Ciaccio A. Statistica) Da un collettivo di donne incinte ne sono state estratte a caso tre. Ciascuna di loro aspetta un solo bambino. La probabilità che nasca un maschio a ciascuna di loro è nota e pari a 0,50. ) D: possibili esiti MoF ) D: possibili esiti M o F ) D: possibili esiti MoF n= prove bernoulliane nasce un maschio ) D D ~Ber(0,50) 0 nasce una femmina ) nasce un maschio D D ~Ber(0,50) 0 nasce una femmina ) nasce un maschio D ~Ber(0,50) D 0 nasce una femmina Un esempio -qual è la probabilità che si abbiano 0 maschi? -qual è la probabilità che si abbia maschio? -qual è la probabilità che si abbiano maschi? -qual è la probabilità che si abbiano maschi? Sequenza : D(femmina), D(femmina), D(maschio) (-p) (-p) p= ( - p) p= 0,4 Sequenza : D(femmina), D(maschio), D(femmina) (-p) p (-p) = ( - p) p= 0,4 Sequenza : D(maschio), D(femmina), D(femmina) p (-p) (-p) = ( -p) p= 0,4 Un esempio P( maschio)= P(Sequenza o Sequenza o Sequenza)= = p ( - p) = 0,7 Numero di possibili sequenze di maschio e femmine: Numero di prove: n= Numero di successi: =! n! n!! n n n!!! P p p p p! n-! n
6 Un esempio Un sistema informativo aziendale deve raccogliere, processare, immagazzinare e distribuire informazione al fine di facilitare i processi di pianificazione, decisione e controllo. Uno dei compiti del sistema informativo consiste in una revisione degli ordini di vendita della società per individuare eventuali errori nella forma o nell informazione contenuta. Presso una casa farmaceutica la probabilità che un ordine venga giudicato insoddisfacente dal sistema informativo è stimata pari a 0,. Sulla base di questa informazione, la società vuole calcolare la probabilità che si abbia un certo numero di segnalazioni in un dato campione di ordini di vendita. Un esempio Per esempio se in un giorno vengono realizzati quattro ordini di vendita, -qual è la probabilità che si abbiano 0 ordini scorretti? -qual è la probabilità che si abbia ordine scorretto? -qual è la probabilità che si abbiano ordini scorretti? -qual è la probabilità che si abbiano ordini scorretti? -qual è la probabilità che si abbiano 4 ordini scorretti? Sequenza Primo ordine Secondo ordine Terzo ordine Quarto ordine Segnalato Segnalato Non segnalato Segnalato p=0, p=0, -p=0,9 p=0, P( ordini segnalati nella sequenza precedente)= p p (-p) p = p ( - p) = 0,009 Un esempio Sequenza : segnalato, segnalato, non segnalato, segnalato p p (-p) p=p ( - p) = 0,009 Sequenza : segnalato, segnalato, segnalato, non segnalato p p p (-p) = p ( - p) = 0, Sequenza : segnalato, non segnalato, segnalato, segnalato p (-p) p p=p ( - p) = 0,009 Sequenza 4: non segnalato, segnalato, segnalato, segnalato (-p) p p p=p ( - p) = 0,009 Un esempio Numero di possibili sequenze: 4 P( ordini scorretti) = 4 0,0009 = 0,006
7 La v.c. binomiale i Distribuzione di probabilità di : numero di combinazioni in cui possono presentarsi successi in n prove. La v.c. binomiale i Esempi per n=7 e n=0 (p=0,5) n n n! P p p p p! n-! n numero di prove effettuate proporzione di casi che realizzano un successo nella popolazione p (0<p<) E np Var np p ~ Bin(n,p) La v.c. binomiale i relativa n E n proporzione di successi in n prove p p p Var n n La v.c. binomiale: i un esempio Esperimento: 50 lanci di una moneta v.c : numero di teste uscite in 50 lanci numero di prove effettuate: 50 (n) probabilità di successo in un lancio: / 50 50! P 6 6 6! 50-6! n n! P p p p p! n-! n n
8 La v.c. binomiale: i un esempio Dall'inventario di 4 automobili spedite ad un gruppo di rivenditori, risulta che automobili avevano difetti nell'installazione della radio. Qual è la probabilità che un particolare rivenditore che abbia ricevuto automobili: a) Le riceva tutte con radio difettose? b) Non ne riceva nessuna con radio difettosa? c) Ne riceva almeno una con radio difettosa? automobili estratte a caso dalla produzione esperimento binomiale probabilità di successo (la radio è difettosa) p=/4 v.c : numero di radio difettose in auto estratte a caso dalla produzione a) Qual è la probabilità che un particolare rivenditore che abbia ricevuto automobili le riceva tutte con radio difettose? P(=)? n= p=/4=0,5 -p= 075 0,75 n n! P p p p p! n-!! n n 0,5 0,75 0,5 0,75! -! P b) Qual è la probabilità che un particolare rivenditore che abbia ricevuto automobili non ne riceva nessuna con radio difettosa? P(=0)? n= p=/4=0,5 -p= 0,75 n n! P p p p p! n-! n n c) Qual è la probabilità che un particolare rivenditore che abbia ricevuto automobili ne riceva almeno una con radio difettosa? n= p=/4=0,5 -p= 0,75 P(>=) =P(=)+P(=)+ P(=)=-P(=0)! P ,5 05 0, ,5 05 0, ! -0! 0 0
9 La variabile casuale di Poisson Si consideri una prova che può avere solo due possibili esiti chiamati, successo e insuccesso. Si è interessati a contare quante volte si verifica l evento successo in un certo arco temporale prefissato (oppure anche in un certo ambito spaziale: ad esempio un area prefissata). La v.c. di Poisson misura la probabilità di ottenere successi riferendosi però non più a n prove bernoulliane ma ad un ambito circoscritto, temporale o spaziale. Es.: Clienti ad uno sportello bancario in un giorno Telefonate al centralino VV.FF. in un ora Auto al casello autostradale ogni ora ma anche n di globuli rossi per mm di sangue n di errori tipografici per pagina stampata La variabile casuale di Poisson Una v.c. di Poisson soddisfa i seguenti postulati che valgono per qualsiaisi sottointervallo considerato. La probabilità del manifestarsi dell evento è costante su tutta la durata dell osservazione (in qualsiasi sottointervallo).. L intervallo può essere suddiviso in sottointervalli sui quali la probabilità del verificarsi di un evento è piccola e la probabilità del manifestarsi di più di un successo in un sottointervallo (o in una sottoarea) è trascurabile (di fatto possiamo porla pari a zero) rispetto alla probabilità che se ne verifichi uno solo. Il manifestarsi di un evento in un sottointervallo non influenza la probabilità del manifestarsi di un evento in un altro sottointervallo. Gli eventi sono, cioè, indipendenti. La variabile casuale di Poisson Al centralino dei Vigiliili del Fuoco di Macerata arrivano in media chiamate in un ora V.C di Poisson: numero di chiamate che arrivano al centralino dei Vigili del Fuoco di Macerata in un ora 0 ora P() minuto P() La variabile casuale di Poisson ~ Po() Se si osserva un processo di Poisson, il numero di eventi che si manifestano in ogni intervallo è una v.c. di Poisson. Se tali eventi si manifestano al tasso costante, il valore di indicherà il numero di eventi che, in media, si manifesterà per ogni sottointervallo. In una v.c. di Poisson gli eventi si manifestano al tasso costante. Definizione: Una v.c., discreta, segue una distribuzioneib i di Poisson con parametro se assume i valori 0,,, con probabilità definite dalla funzione: P e! ; Var E (e è il numero di Nepero, pari a.7)
10 La variabile casuale di Poisson P e! Esercizio: ~ Po() In un centro commerciale, tra le e le 0 arrivano, in media, 7 clienti al minuto. Supponendo che il numero di clienti si distribuisca secondo una legge di Poisson, si calcoli: la probabilità che in un minuto arrivino clienti la probabilità che in un minuto arrivino meno di clienti la probabilità che in tre minuti arrivino 0 clienti Esercizio: Un libro di 00 pagine contiene 0 errori di stampa. Scegliendo a caso una pagina, si calcoli: la probabilità che ci siano errori la probabilità che ci siano più di errori La variabile casuale di Poisson ~ Po() Differenza tra la distribuzione di Poisson e la binomiale Per una distribuzione binomiale il numero n di prove è finito e il numero di successi non può superare n. Per una distribuzione di Poisson, il numero di prove è essenzialmente infinito e il numero di successi può essere infinitamente grande anche se la probabilità di avere successi diventa molto piccola al crescere di Approssimazione della distribuzione di Poisson alla Binomiale Quando n la distribuzione di Poisson con parametro =np può servire come approssimazione alla legge binomiale di parametri n e p Approssimazione della distribuzione di Poisson alla Binomiale La v.c. normale Esercizio: La probabilità bilità che una persona sia allergica ad un farmaco è pari a 0, Scegliendo a caso un gruppo di 000 persone, determinare: la probabilità che più di persone siano allergiche la probabilità che nessuna sia allergica
11 La v.c. normale Spessore di 0000 rondelle di ottone prodotte da un azienda Spessori Frequenze (in cm) relative < Da 0.00 a Da 0.0 a Da 0.04 a Da 0.06 a Da00a a Da a Da 0.09 a Da a Da a Da 0.09 a Da a > Totale 0000 La v.c. normale. Curva degli errori casuali nella misurazione di una grandezza fisica. Distribuzione di una caratteristica di una popolazione. Dimensione effettiva di oggetti prodotti in serie, che si cerca di produrre in modo identico Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti. Punto di flesso a distanza dalla media Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e 6% Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti. Punto di flesso a distanza dalla media 4. Circa il 6% dei casi è compreso nell intervallo ±
12 Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e 95% Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti. Punto di flesso a distanza dalla media 4. Circa il 6% dei casi è compreso nell intervallo ± 5. Circa il 95% dei casi è compreso nell intervallo ± Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e 99% Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti. Punto di flesso a distanza dalla media 4. Circa il 6% dei casi è compreso nell intervallo ± 5. Circa il 95% dei casi è compreso nell intervallo ± 6. Circa il 99% dei casi è compreso nell intervallo ± Una variabile casuale segue una distribuzione Normale, con media e varianza, se la sua funzione di densità di probabilità è data da: f e Una variabile casuale segue una distribuzione Normale, con media evarianza, se la sua funzione di densità di probabilità è data da: f e Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica Caratteristiche della distribuzione Normale. Forma campanulare e simmetrica. Media, mediana e moda coincidenti. Media, mediana e moda coincidenti. Punto di flesso a distanza dalla media. Punto di flesso a distanza dalla media 4. Circa il 6% dei casi è compreso nell intervallo ± 4. Circa il 6% dei casi è compreso nell intervallo ± 5. Circa il 95% dei casi è compreso nell intervallo ± 5. Circa il 95% dei casi è compreso nell intervallo ± 6. Circa il 99% dei casi è compreso nell intervallo ± 6. Circa il 99% dei casi è compreso nell intervallo ± 7. Un aumento o una diminuzione della media determina uno slittamento, a parità di forma, della curva sull asse delle. 7. Un aumento o una diminuzione della media determina uno slittamento della curva, a parità di forma, sull asse delle.. Un aumento o una diminuzione della varianza determina, rispettivamente, una minore o una maggiore concentrazione di valori attorno al valore medio.
13 La v.c. normale ~ N, f Proprietà: e =media; =sqm è simmetrica intorno a il massimo di (moda) si ha in corrispondenza di = punti di flesso: = Mo = Me i valori della curva normale dipendono da e Una macchina produce biscotti il cui peso si distribuisce come una Normale, con media pari a 5 grammi e scarto quadratico medio pari a 0, grammi. Scegliendo a caso un biscotto, qual è la probabilità che abbia un peso è compreso tra 5, grammi e 5,0 grammi? y e 5 5, 5,0 P 5 5, 5,0 50 5,0 5, ~ N(5;0,04) = 5 = 0, e standardizzata Una macchina produce biscotti il cui peso si distribuisce come una Normale, con media pari a 5 grammi e scarto quadratico medio pari a 0, grammi. Scegliendo a caso un biscotto, qual è la probabilità che abbia un peso è compreso tra 5, grammi e 5,0 grammi? Qualsiasi distribuzione Normale può essere ricondotta ad una distribuzione con media nulla e varianza unitaria mediante la trasformazione: Z La tavola della distribuzione normale standardizzata E Z E 0 0 Var Z Z ~ N = 0 = Var Le aree sotto la curva Normale standardizzata possono essere calcolate e tabulate una volta per tutte!
14 La v.c. normale standardizzata ~ N 0, Z f Proprietà: = 0 = Z e il massimo di si iha per =0 punti di flesso: = i valori della curva normale standardizzata sono tabulati standardizzata 5 5, 5,0 ~ N = 5 = 0, Qual è la probabilità che il biscotto pesi tra 5, e 5,0 grammi? Fr P 5, 5, 0 Z ~ N = 0 = Quali sono i valori standardizzati di =5, e =5,0? 5, 5 Z 0, 6 0, 5,0 5 Z, 5 0, 0,6,5 0 Z standardizzata 5 5, 5,0 ~ N = 5 = 0, Qual è la probabilità che il biscotto pesi tra 5, e 5,0 grammi? Z 0 0,6,5 Z Fr P 5, 5, 0 0,075 ~ N = 0 = Quali sono i valori standardizzati di =5, e =5,0? Qual è la probabilità compresa tra Z =0,6 e Z =,5? Fr P 06 0,6 Z,5 5 0, 4 0,57 0,075 standardizzata Un impresa produce pomodori ed il processo di inscatolamento è stato regolato in modo tale che in ogni barattolo venga introdotta, in media, una quantità di pomodori pari a etti. Lo s.q.m. del peso netto effettivo è 0, etti e si suppone che i pesi siano distribuiti normalmente. Si determini i la probabilità bilità che un barattolo preso a caso contenga una quantità di pomodori compresa tra e, etti. : peso inscatolato ~ N(; 0,) Z ~ N(0,) 0, P(<<,)??
15 standardizzata P 0,, 0,, P Z P 0 Z standardizzata L altezza di un gruppo di ragazzi è distribuita normalmente con media 0cm e scarto quadratico medio 0cm. Calcolare la probabilità che un ragazzo scelto a caso dal gruppo abbia una statura superiore a 90cm. Approssimazione della distribuzione binomiale I parametri e sono noti, si vuole conoscere la probabilità che la v.c. assuma valori compresi all interno dell intervallo a, b (a<b). a b Pa b P Pza Z z b Se n è grande Z Z np ~ Z 0, npq p n ~ Z 0 0, pq n
16 Approssimazione della distribuzione binomiale Esempio: determinare la probabilità che, lanciando 400 volte un dado, la faccia 5 compaia almeno 60 volte Lancio di un dado esperimento binomiale probabilità di successo (la faccia uscita è il 5) p=/6=0,7 v.c : numero di uscite della faccia 5 in 400 lanci Dove e come studiare S. Borra, A. Di Ciaccio (00) Statistica ti ti Metodologie per le scienze economiche e sociali McGraw-Hill. Cap. 9 (escluso paragrafi 9.6, 9.., 9..4, 9..5, 9.). D. Piccolo (004) Statistica per le decisioni Il Mulino. Cap. 9 (escluso paragrafi 9.7, 9., 9.9), Cap. 0. P ,7 60 P Z, ,7 0, P Z File esercizi variabili casuali e distribuzioni campionarie.pdf Riepilogo Variabili casuali discrete Funzione di probabilità Funzione di ripartizione Valore atteso Varianza Variabili casuali continue Funzione di densità di probabilità Funzione di ripartizione Valore atteso Varianza Distribuzione di Bernoulli, binomiale, binomiale relativa Distribuzione di Poisson Approssimazione della distribuzione di Poisson alla Binomiale Distribuzione Normale Distribuzione Normale standardizzata Approssimazione della distribuzione standardizzata alla Binomiale
Le variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛
Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata una regola che assegna a ciascun valore che la variabile può assumere
DettagliLe variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛
Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliCorso di Statistica. Distribuzioni di probabilità per variabili casuali discrete. Prof.ssa T. Laureti a.a
Corso di Statistica Distribuzioni di probabilità per variabili casuali discrete Prof.ssa T. Laureti a.a. 2013-2014 1 Variabili casuale di Bernoulli La v.c. di Bernoulli trae origine da una prova nella
DettagliParametri e statistiche. Parametri e statistiche. Distribuzioni campionarie. Popolazione Parametri Valori fissi, Statistiche o Stimatori.
Parametri e statistiche Popolazione Parametri Valori fissi, spesso non noti Campione Statistiche o Stimatori Variabili casuali, le cui determinazioni dipendono dalle particolari osservazioni scelte Parametri
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
DettagliLezione 3 Calcolo delle probabilità
Lezione 3 Calcolo delle probabilità Definizione di probabilità La probabilità è lo studio degli esperimenti casuali e non deterministici Se lanciamo un dado sappiamo che cadrà ma non è certo che esca il
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
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
DettagliDistribuzioni di probabilità discrete. Prof.ssa Fabbri Francesca Classe 5C
Distribuzioni di probabilità discrete Prof.ssa Fabbri Francesca Classe 5C Esempio Consideriamo un urna con 6 palline Verdi e 4 palline Gialle; estraiamo senza reimmissione 3 palline e valutiamo l evento:
DettagliElementi di base su modello binomiale e modello normale
Elementi di base su modello binomiale e modello normale (alcune note) Parte 1: il modello binomiale Di fondamentale importanza nell analisi della qualità sono i modelli. I due principali modelli statistico-probablistici
DettagliStatistica. Esercitazione 10. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice. V.C.
uniforme Bernoulli binomiale di Esercitazione 10 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 55 Outline uniforme Bernoulli binomiale di 1 uniforme 2 Bernoulli 3 4
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliDISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici
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
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 3: Variabili aleatorie discrete notevoli
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 3: Variabili aleatorie discrete notevoli Esperimenti binari ripetuti o esperimenti bernoulliani (Bernoulli
DettagliLeggi di distribuzione
Leggi di distribuzione 1 Esercizio 0.1 Una sorgente binaria genera le cifre 0 e 1 in modo casuale, con probabilità 0.4 e 0.6, rispettivamente. Calcolare la probabilità che, in una sequenza a 5 cifre, si
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA La distribuzione di probabilità e un modello matematico, uno schema di riferimento, che ha caratteristiche note e che può essere utilizzato per rispondere a delle domande derivate
DettagliPROBABILITA E STATISTICA Docente: Bruno Gobbi
UNIVERSITA DEGLI STUDI DI VERONA PROBABILITA E STATISTICA Docente: Bruno Gobbi LE VARIABILI CASUALI DISCRETE VARIABILE CASUALE - DEFINIZIONE Si definisce Variabile Casuale una grandezza che, associata
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA A.A. 2010/2011 - Distribuzione binomiale - Distribuzione Normale Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona DISTRIBUZIONI TEORICHE DI PROBABILITA
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Tipologia di v.a. v.a. discreta numero finito di valori (infinità numerabile) x 1 x 2,, x k con probabilità p 1 p 2, p k Esempio:
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliVariabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliCorso di laurea in Economia e Commercio Anno accademico 2016-17 Corso di Statistica (clec, cleif A-K) Marco Gherghi Lezione: L14 Argomento: www.docenti.unina.it/marco.gherghi gherghi@unina.it Le variabili
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 s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si
DettagliControllo Statistico della Qualità (alcune note) A cura della Prof.ssa Paola Vicard e della Prof.ssa Flaminia Musella
Controllo Statistico della Qualità (alcune note) A cura della Prof.ssa Paola Vicard e della Prof.ssa Flaminia Musella Syllabus del modulo (20 ore) Introduzione Alcuni richiami alle nozioni fondamentali
DettagliModelli di probabilità
Modelli di probabilità Corso di STATISTICA Ordinario di, Università di Napoli Federico II Professore supplente, Università della Basilicata a.a. 0/0 Obiettivo dell unità didattica Definire i concetti di
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Variabili casuali Esercizio 1. Determinare la distribuzione di probabilità e la funzione di ripartizione della variabile
DettagliOutline. 1 v.c. continue. 2 v.c. Normale. 3 v.c. Esponenziale. Lezione 13. A. Iodice. v.c. continue. v.c. Normale. v.c.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 48 Outline 1 2 3 () Statistica 2 / 48 Variabili casuali continue Una variabile casuale X è continua
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
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
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.
DettagliVariabili aleatorie. Variabili aleatorie
Variabili aleatorie Distribuzione binomiale Si supponga che uno studente affronti un esame composto da domande chiuse. Una sola delle 5 alternative di risposta proposta per ciascuna domanda è vera Supponiamo
DettagliES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi
ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliDistribuzioni di probabilità nel continuo
Distribuzioni di probabilità nel continuo Prof.ssa Fabbri Francesca Classe 5C Variabili casuali continue Introduzione: Una Variabile Casuale o Aleatoria è una grandezza che, nel corso di un esperimento
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 Tabelle riportate alla fine del documento. Esercizio 1 Un chimico che lavora per una fabbrica di batterie, sta cercando una batteria
DettagliTeorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliStatistica. Lezione : 18, 19. Variabili casuali
Corsi di Laurea: a.a. 2017-18 Diritto per le Imprese e le istituzioni Scienze dell Amministrazione e Consulenza del Lavoro sienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliEsercitazione 1 del corso di Statistica (parte 2)
Esercitazione del corso di Statistica (parte Dott.ssa Paola Costantini 8 Gennaio 0 Esercizio n Compro due cassette contenenti 0 piante di rosa che ancora devono sbocciare. Nella prima cassetta ci sono
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
DettagliStatistica. V Scuola Estiva AISV La statistica come strumento di analisi nelle scienze umanistiche e comportamentali
Elementi di Inferenza Statistica Variabili casuali V Scuola Estiva AISV La statistica come strumento di analisi nelle scienze umanistiche e comportamentali Soriano nel Cimino (VT), 6 Ottobre 2009 Pier
DettagliEsercitazione # 3. Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti
Statistica Matematica A Esercitazione # 3 Binomiale: Esercizio # 1 Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti 1. mai 2. almeno una volta 3. quattro volte Esercizio #
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
DettagliSTATISTICA (2) ESERCITAZIONE 1. Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 1 29.01.2014 Dott.ssa Antonella Costanzo Esercizio 1. Modelli discreti di probabilità: le v.c. binomiale e geometrica (come caso particolare della v.c. binomiale negativa)
DettagliPROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE. 1. La variabile aleatoria di Bernoulli e la variabile aleatoria binomiale
PROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE In questa scheda vedremo due famiglie di variabili aleatorie (una discreta e una continua), che ci serviranno per descrivere uno dei risultati
DettagliLe v.c. si utilizzano come modelli di riferimento per studiare la realtà
Le v.c. si utilizzano come modelli di riferimento per studiare la realtà Ogni carattere nelle sue varie manifestazioni è determinato da cause costanti e da cause accidentali modello di riferimento dallo
Dettagli10. VARIABILI CASUALI MULTIPLE
. VARIABILI CASUALI MULTIPLE.. Introduzione La definizione di v.c. può essere facilmente estesa al caso in cui a ciascun evento elementare che costituisce è associata una coppia di numeri reali così come
DettagliLe variabili casuali discrete
Piano Lauree Scientifiche in Statistica AA 27/8 Azione C: Formazione Insegnanti Le variabili casuali discrete Giovanni De Luca giovanni.deluca@uniparthenope.it Sommario o Definizione e caratteristiche
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliFunzioni di probabilità per variabili casuali discrete e continue
Funzioni di probabilità per variabili casuali discrete e continue Prof.ssa Antonella Bitetto Facoltà di Economia Aziendale, Dipartimento di Management Università degli Studi di Torino PER USO DIDATTICO
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
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:
DettagliCorso di Laurea: Diritto per le Imprese e le istituzioni a.a Statistica. Probabilità. Lezioni : 11, 12. Docente: Alessandra Durio
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a. 2016-17 Statistica Probabilità Lezioni : 11, 12 Docente: Alessandra Durio 1 Contenuti 1. Variabili casuali notevoli DISCRETE (uniforme, di
DettagliUna variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico).
VARIABILI CASUALI 1 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l esito di una estrazione del Lotto; il risultato di una
DettagliVariabile casuale Normale
Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza
Dettaglivalore probabilità
ESERCIZIO 1 Sia X il numero di unità di un certo prodotto acquistate da un generico cliente di un supermercato. Si supponga ch X abbia la seguente distribuzione valore probabilità 0 0.4 1 0.2 2 0.2 3 0.1
DettagliTutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliVARIABILI CASUALI CONTINUE
p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale continua può assumere tutti gli infiniti valori appartenenti ad un intervallo di numeri reali. p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale
DettagliMATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)
Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012
DettagliV.C. RETTANGOLARE o UNIFORME
V.C. RETTANGOLARE o UNIFORME La v.c. continua RETTANGOLARE o UNIFORME descrive il modello probabilistico dell equiprobabilità. [ a b] X, con densità di probabilità associata: P( x) 1 b a con P(x) costante.
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliCompiti tematici capp. 5,6
Compiti tematici capp. 5,6 a cura di Giovanni M. Marchetti 2016 ver. 0.6 Indice Esercizi dai compiti a casa (HW..................................... 8 1. Se X e Y sono due variabili casuali independenti,
DettagliV.C. UNIFORME. 1 n. con funzione di probabilità associata: MODA(X): la distribuzione Uniforme è zeromodale.
V.C. UNIFORME La v.c. discreta UNIFORME descrive il modello probabilistico dell equiprobabilità. I valori della v.c.u. sono dati dai primi n numeri naturali: x = 1, 2,, (n-1), n con funzione di probabilità
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliEsercitazione di Statistica Distribuzioni (Uniforme discreta e continua/ Binomiale/ Poisson) 18/11/2015
Esercitazione di Statistica Distribuzioni (Uniforme discreta e continua/ Binomiale/ Poisson) 18/11/2015 Esercizio 1 Il responsabile delle risorse umane di un azienda ha constatato che vi è un turn-over
DettagliES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita
ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 3 Abbiamo visto: Definizione di partizione di Teorema di Bayes Definizione di variabile aleatoria
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliSOLUZIONI DEL 2 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA
SOLUZIONI DEL 0 TEST DI PREPARAZIONE ALLA 1 a PROVA INTERMEDIA Esercizio 0.1 Una moneta non truccata viene lanciata 10 volte. Calcolare la probabilità che non esca mai testa. Quale risulta la probabilità
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliEsercitazione 4 del corso di Statistica (parte 2)
Esercitazione 4 del corso di Statistica (parte ) Dott.ssa Paola Costantini Febbraio Esercizio n. Il tempo di percorrenza del treno che collega la stazione di Roma Termini con l aeroporto di Fiumicino è
DettagliDISTRIBUZIONI DI PROBABILITA (parte 3) 1 / 34
DISTRIBUZIONI DI PROBABILITA (parte 3) 1 / 34 Distribuzione Binomiale 2 / 34 La più importante distribuzione di probabilità per variabili casuali discrete è la distribuzione binomiale. Questa distribuzione
Dettagli4. Si supponga che il tempo impiegato da una lettera spedita dall Italia per arrivare a destinazione segua una distribuzione normale con media
Esercizi sulle distribuzioni, il teorema limite centrale e la stima puntuale Corso di Probabilità e Inferenza Statistica, anno 007-008, Prof. Mortera 1. Sia X la durata in mesi di una valvola per radio.
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
DettagliV.C. RETTANGOLARE o UNIFORME
V.C. RETTANGOLARE o UNIFORME La v.c. continua RETTANGOLARE o UNIFORME descrive il modello probabilistico dell equiprobabilità. [ a b] X, con densità di probabilità associata: P( x) 1 b a con P(x) costante.
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it In un urna vi sono N/2 palline bianche e N/2 palline nere. Si supponga di estrarre un campione con ripetizione di dimensione n. Si
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica.3 - La distribuzione normale Tempi di reazione Registrati i tempi di reazione (in millisecondi) a uno stimolo (n = 30). Classe Freq Freq relative Densità
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
DettagliProbabilità: teoremi e distribuzioni
Probabilità: teoremi e distribuzioni OBIETTIVO DIDATTICO DELLA LEZIONE Illustrare le più importanti distribuzioni di probabilità che vengono utilizzate in statistica Distribuzioni di probabilità 1. La
Dettagli9. VARIABILI CASUALI
9. VARIABILI CASUALI 9. Definizione di variabile casuale In molte situazioni reali l interesse è rivolto non tanto agli eventi che possono verificarsi nel corso di un esperimento, quanto al valore numerico
Dettagli