Elaborazione statistica di dati
|
|
- Ippolito Mauro
- 5 anni fa
- Visualizzazioni
Transcript
1 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: accuratezza strumento di misura migliore della variabilità dei manufatti Per la presenza di errori casuali, ripetendo più volte la misura di una stessa grandezza, si può ottenere una serie di valori diversi. 3 Una serie di valori di misure casualmente diverse può essere ottenuta anche misurando una sola volta diversi elementi, nominalmente uguali, di una produzione industriale. 4
2 Esempio di serie di dati: Lo spessore di dadi estratti dalla produzione di una macchina Ogni serie di valori estratta dalla totalità dei valori possibili può essere considerato un campione. Esistono vari metodi per estrarre un campione che sia rappresentativo dell'universo. Qui si considerano campioni estratti casualmente
3 Al sottoinsieme di n valori estratti dall insieme dei valori possibili viene dato il nome di campione; l intero insieme di dati N viene definito popolazione (o universo). media m= x CAMPIONE varianza s = n = n x i i= n- n (x i -x) i = 9 La media gode della proprietà di rendere minima la somma dei quadrati degli scarti. Inoltre la somma algebrica degli scarti rispetto al valore medio è nulla. La radice quadrata della varianza s, costituisce una stima della dispersione delle misure intorno al valore medio, al pari di s, ma ha il pregio di avere le stesse dimensioni delle misure x.
4 I due parametri precedenti nel caso della popolazione, o universo composto di N elementi, si indicano con i simboli: N µ= x N i i= I dati possono essere raggruppati in diversi modi. Una prima forma di raggruppamento si può osservare nella tabella. σ = = N i N ( x i µ ) 3 4 Una forma di raggruppamento molto più usata è quella delle classi di intervalli di appartenenza, che non è necessario abbiano tutti la stessa ampiezza. 5 6
5 Raggruppando per intervalli: Limiti delle classi > di mm < di mm Valore centrale della classe Frequenza assoluta Frequenza Densità di percentuale frequenza x j (mm) f j f p = f j n (%) fp x Frequenza cumulata percentuale j f k (%) n k= 6,6 6,7 6,65 3,73,73,73 6,7 6,8 6,75 6 5,45,545 8,8 6,8 6,9 6,85,9,9 9,9 6,9 6, 6,95 3,9,9 4, 6, 6, 6,5 6 3,64,364 63,64 6, 6, 6,5 9,9,99 8,73 6, 6,3 6,5,, 9,73 6,3 6,4 6,35 6 5,45,545 98,8 6,4 6,5 6,45,8,8, Il numero dei dati che appartengono a una determinata classe j si chiama frequenza della classe e viene indicato con f j. 7 8 Il raggruppamento in k classi o sottogruppi, G...G j...g k, avviene secondo il valore, ad esempio se a è il minimo degli x i e b il massimo: Ad ogni classe G i è associato il numero di elementi che vi appartengono, f i. Si definisce frequenza relativa percentuale della classe il parametro: se x = b- a k x i G a+ ( j- ) x x < a+ j x i j f f i, = n pi f p,i è compreso nell'intervallo [-]% 9
6 Raggruppando per intervalli: La probabilità p i di ottenere la misura all interno dell intervallo che definisce la classe G i vale: p i = lim n fi n Limiti delle classi > di mm < di mm Valore centrale della classe Frequenza assoluta Frequenza Densità di percentuale frequenza x j (mm) f j f p = f j n (%) fp x Frequenza cumulata percentuale j f k (%) n k= 6,6 6,7 6,65 3,73,73,73 6,7 6,8 6,75 6 5,45,545 8,8 6,8 6,9 6,85,9,9 9,9 6,9 6, 6,95 3,9,9 4, 6, 6, 6,5 6 3,64,364 63,64 6, 6, 6,5 9,9,99 8,73 6, 6,3 6,5,, 9,73 6,3 6,4 6,35 6 5,45,545 98,8 6,4 6,5 6,45,8,8, Rappresentazione dei dati raggruppati in classi Nell esempio precedente per ognuna delle classi G i è stata definita la probabilità p i che una misura appartenga all intervallo della classe i- esima. 3 4
7 La densità di probabilità è l insieme delle probabilità p i assegnate alle k classi. La rappresentazione della densità di probabilità può essere fatta o con l istogramma delle frequenze o con il poligono delle frequenze, cioè mediante k punti discreti. 5 Per variabili discrete valgono le seguenti relazioni: K p = ; p = p i= i st, i= s k k i i i i i= i= µ = px σ = p( x µ ) p s,t rappresenta la probabilità cumulata delle classi da s a t ovvero del verificarsi che : x x x s t i t 6 Frequenza_relativa [%] % = Percentuale di dati con valore compreso in questa classe valore centrale della classe 7 Frequenza relativa [%] Poligono delle frequenze G x [mm] 8
8 Un diagramma di tipo diverso si ottiene rappresentando le frequenze cumulate. In corrispondenza al limite superiore di ogni classe si riporta la frequenza relativa percentuale dei dati che hanno una misura inferiore a quel limite. Frequenze cumulate percentuali N i= ( f ) = p i (Vedi pag. ) k = 4 k ( f p ) = i i= % dati che assumono valori minori di x k limite superiore della classe mm 3 frequenza relativa distribuzione di Gauss Frequenza relativa LE DISTRIBUZIONI DI PROBABILITA x (mm) 3 3
9 Variabili continue Nell esempio precedente se si considera la variabile altezza (prescindendo dalla sua misura) quello che si ottiene è una variabile continua. Ogni valore dell altezza è possibile e la distribuzione di probabilità è rappresentata da una funzione continua LA DISTRIBUZIOINE GAUSSIANA O NORMALE Il teorema limite centrale afferma che la distribuzione gaussiana permette di descrivere in maniera soddisfacente tutti quei fenomeni fisici caratterizzati dalla sovrapposizione di un elevato numero di effetti deboli indipendenti aventi loro natura statistica a media nulla
10 Distribuzione gaussiana (o normale) ( x ) µ σ f(x) = σ π e Esempio: distribuzione della variabile somma probabilità di a B = a A = b B = b A = 5% probabilità di a B + b B = 5% probabilità valore basso = 5% probabilità di a B + b A = 5% probabilità valore medio = 5% probabilità di a A + b B = 5% probabilità di a A + b A = 5% probabilità valore alto = 5% f(x) σ π Distribuzione di a a B a A Distribuzione di b Distribuzione di a+b µ b σ 37 B b A 38 frequenza relativa distribuzione di gauss Frequenza relativa x (mm) 39 Distribuzione normale standard z= x - µ f(z) = σ σ Il valor medio è nullo e la varianza è pari ad σ f(z) z π e 5 4
11 F(z) = p(z i z) Frequenze cumulate.4.3. Utilità della funzione cumulativa: F(z ) F(z) = p(z i z) F (z) F(z ) z Grafico delle Frequenze cumulate Il valor medio è in corrispondenza del 5% di probabilità cumulata z p(z i [z,z ]) = p(z i < z ) - p(z i < z ) p(z i [z,z ]) = F(z ) - F(z ) z z 4 Distribuzione di probabilità simmetrica: ( < z) = ( > z) pz i ( z) pz i p z i > = ( F( z)) Valori notevoli p(z i >z) p(z i <z) = F(z).. z ANALISI DEI DATI A CAMPIONE p( x µ < σ) = 68. p( x µ < σ) =. 95 p( x µ < 3σ) = z
12 I modelli di distribuzione statistica permettono di determinare la probabilità che ha una singola misura di avere un certo scarto dal valore medio. Si pensi di estrarre dalla totalità delle misure (universo) alcuni campioni costituiti ciascuno da n elementi. Le medie dei campioni, considerate come variabili statistiche hanno una dispersione inferiore a quella dei singoli elementi Data una distribuzione qualsiasi di elementi con media m e scarto quadratico s, se si raggruppano gli elementi a caso in campioni sufficientemente numerosi, n= 5-6, la distribuzione delle medie segue quasi fedelmente la legge di distribuzione normale (di Gauss). 47 Inoltre la media di tali medie è ancora m e lo scarto quadratico si riduce a: σ(x) = σ (x) n per questo motivo è sempre opportuno ripetere più volte una misura e prendere come migliore stima il valore medio 48
13 Esclusione dei valori meno probabili Il criterio di Chauvenet Nel campo dell analisi sperimentale è frequente trovare, in una serie di misure, qualche dato che non concorda con gli altri. Il criterio di Chauvenet dà la possibilità di formulare un giudizio di accettazione dei dati in base a considerazioni di tipo statistico CRITERIO DI CHAUVENET In una serie di n dati sperimentali, se alcuni valori presentano uno scostamento dal valore medio che ha probabilità di verificarsi inferiore di /(n), allora quei valori devono essere scartati. Scarto ridotto x x, s, si = x i - s determinare z: z s i s z i > Si F p = ( z) n =.5 n SCARTARE IL DATO 5 5
14 La spiegazione discende da semplici considerazioni sulla distribuzione:.5 n ANALISI DELLA NORMALITA DI UNA DISTRIBUZIONE.5 n z z z Il grafico di probabilità normale Il test del chi-quadro I valori appartenenti a questo intervallo esterno possono essere eliminati (si noti che la probabilità associata ai due semi-intervalli è effettivamente pari a /n) grafico di probabilità normale IL GRAFICO DI PROBABILITÀ NORMALE Si vuole verificare se la distribuzione dei dati sperimentali può essere rappresentata mediante la legge di Gauss o meno Cambio scala sulle ordinate y y 3 Si ottiene una retta 56
15 x x s = s x x x = x s s 3 x x Distribuzione iper-normale x x x 3 x Distribuzione ipo-normale Distribuzione asimmetrica
16 Distribuzione bimodale IL TEST DEL χ Permette di valutare quantitativamente, su base statistica, se una serie di dati appartiene ad un tipo di distribuzione (non necessariamente normale). 6 6 IL TEST DEL Χ PROCEDURA ( o j aj) χ K = f f j= fa K è il numero di classi in cui si sono suddivisi i dati f oj è la frequenza assoluta osservata per la classe j f aj è la frequenza assoluta aspettata in base alla distribuzione che si vuole provare j 63 ) Calcolare: K ( j aj) χ = f o f j= f a j 64
17 PROCEDURA ) Definire il rischio d errore α e calcolare: PROCEDURA 3) Calcolare il numero di gradi di libertà ν : p α α =, p = ν = K PROCEDURA 4) Dalle tabelle determinatre: (, ), (, ) χ p ν χ p ν 5) Eseguire il test: PROCEDURA (, ) < < (, ) χ p ν χ χ p ν Se verificato, non vi sono ragioni statistiche, per rifiutare il modello di distribuzione sottoposto a test
Elaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliEsclusione dei valori meno probabili Il criterio di Chauvenet
Esclusione dei valori meno probabili Il criterio di Chauvenet Nel campo dell analisi sperimentale è frequente trovare, in una serie di misure, qualche dato che non concorda con gli altri. 1 Il criterio
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
DettagliSignificato probabilistico di σ: su 100 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo
Significato probabilistico di σ: su 1 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo x σ, x + σ e 99.7 nell intervallo x 3 σ, x + 3 Se si considerano campioni
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
DettagliUlteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 2
Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliStatistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici)
Statistica La statistica può essere vista come la scienza che organizza ed analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva:
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliIndici di. tendenza centrale: posizione: variabilità e dispersione: -quantili -decili -percentili. -Media -Moda -Mediana
Indici di posizione: -quantili -decili -percentili tendenza centrale: -Media -Moda -Mediana variabilità e dispersione: -Devianza - Varianza -Deviazione standard Indici di tendenza centrale Indici di tendenza
DettagliSTIME STATISTICHE. Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 2/2
p. 1/1 INFORMAZIONI Prossime lezioni Giorno Ora Dove 10/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 17/02 14:30 P50 23/02 14:30 P50 25/02 14:30 Aula informatica (6-7 gruppi) 02/03 14:30 P50 04/03
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliLa distribuzione delle frequenze. T 10 (s)
1 La distribuzione delle frequenze Si vuole misurare il periodo di oscillazione di un pendolo costituito da una sferetta metallica agganciata a un filo (fig. 1). A Figura 1 B Ricordiamo che il periodo
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
DettagliOsservazioni e Misura. Teoria degli errori
Osservazioni e Misura ella misura di una grandezza fisica gli errori sono inevitabili. Una misura non ha significato se non viene stimato l errore. Teoria degli errori La teoria degli errori cerca di trovare
DettagliVedi: Probabilità e cenni di statistica
Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliESAME. 9 Gennaio 2017 COMPITO A
ESAME 9 Gennaio 2017 COMPITO A Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
Dettaglidistribuzione normale
distribuzione normale Si tratta della più importante distribuzione di variabili continue, in quanto: 1. si può assumere come comportamento di molti fenomeni casuali, tra cui gli errori accidentali; 2.
DettagliStatistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici)
Statistica La statistica può essere vista come la scienza che organizza ed analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva:
Dettaglif (a)δa = C e (a a*)2 h 2 Δa
Distribuzione di Gauss Se la variabile non e` discreta ma puo` variare in modo continuo in un certo intervallo e ad ogni suo valore resta assegnata una probabilita` di verificarsi, dalla distribuzione
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliQuestionario 1. Sono assegnati i seguenti dati
Questionario 1. Sono assegnati i seguenti dati 30 30 10 30 50 30 60 60 30 20 20 20 30 20 30 30 20 10 10 40 20 30 10 10 10 30 40 30 20 20 40 40 40 dire se i dati illustrati sono unità statistiche valori
DettagliLa variabilità. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione [1/2] Gli indici di variabilità consentono di riassumere le principali caratteristiche di una distribuzione (assieme alle medie) Le
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
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
DettagliArgomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell '
Lezione 2 Argomenti della lezione: La statistica inferenziale: concetti di base Campionamento Stima Distribuzione campionaria Popolazione (o universo) Insieme di tutti gli elementi cui si rivolge il ricercatore
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 7: Basi di statistica Campione e Popolazione Estrazione da una popolazione (virtualmente infinita) di
DettagliEsercizi. Esercizio 1. Date le funzioni f(x) = x 2 3x + 2 e g(x) = 2x 1,
Esercizi Esercizio 1. Date le funzioni f(x) = x 2 3x + 2 e g(x) = 2x 1, (a) dire quanto vale f g e qual è il suo insieme di definizione; (b) dire quanto vale g f e qual è il suo insieme di definizione;
DettagliStatistica. Matematica con Elementi di Statistica a.a. 2017/18
Statistica La statistica è la scienza che organizza e analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva: dalla mole di dati
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
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
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
Dettaglip. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali.
p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica
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
DettagliDistribuzione degli Errori di Misura. La distribuzione normale
Distribuzione degli Errori di Misura La distribuzione normale Errori casuali e sistematici Gli errori vengono generalmente suddivisi in due categorie: errori casuali ed errori sistematici. Gli errori casuali
DettagliLa funzione di distribuzione Gaussiana normale
La funzione di distribuzione Gaussiana normale Nicola Morganti 25 aprile 2004 Indice Proprietà fondamentali 2 Standard Normal Density Function 3 3 Esempio applicativo 5 Proprietà fondamentali L utilizzo
DettagliINTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 2 Concetti di base
INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte Concetti di base Pagina CONCETTI STATISTICI DI PARTENZA - DESCRITTORI DI UNA VARIABILE RANDOM - GRAFICI UTILI - DISTRIBUZIONI
DettagliLe variabili casuali o aleatorie
Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore
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
DettagliStatistica. Matematica con Elementi di Statistica a.a. 2015/16
Statistica La statistica è la scienza che organizza e analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva: dalla mole di dati
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
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 4 Abbiamo visto: Distribuzioni discrete Modelli probabilistici nel discreto Distribuzione uniforme
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
DettagliUniversità del Piemonte Orientale Corsi di Laurea triennale di area tecnica. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità
Università del Piemonte Orientale Corsi di Laurea triennale di area tecnica Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione binomiale La distribuzione Normale (o di
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale indicabile con un indice (indice
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
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
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
DettagliFondamenti di statistica per il miglioramento genetico delle piante. Antonio Di Matteo Università Federico II
Fondamenti di statistica per il miglioramento genetico delle piante Antonio Di Matteo Università Federico II Modulo 2 Variabili continue e Metodi parametrici Distribuzione Un insieme di misure è detto
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
DettagliLaboratorio di Chimica Fisica. Analisi Statistica
Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliPOPOLAZIONE E CAMPIONI
p. 1/2 POPOLAZIONE E CAMPIONI POPOLAZIONE insieme di tutti quegli elementi che hanno almeno una caratteristica comune (persone, oggetti,misure, osservazioni). Consideriamo il caso di caratteristiche associate
DettagliINFORMAZIONI. p. 1/23
p. 1/23 INFORMAZIONI Prossime lezioni Giorno Ora Dove Giovedi 11/02 14:30 Laboratorio (via Loredan) Martedi 16/02 14:30 P50 Lunedi 22/02 09:30 P50 Martedi 23/02 14:30 P50 Giovedi 25/02 14:30 Aula informatica
DettagliDistribuzione di Frequenza: Esempio
Statistica La statistica è la scienza che organizza e analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva: dalla mole di dati
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
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
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
Dettagli( ) ( ) ( e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da:
e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da: p ( ) ( c < X < b) f ( x) LA VC NORMALE O GAUSSIANA Una vc si dice normale o gaussiana (da Gauss che la propose come
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
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
Dettaglideve utilizzarsi la variabile t ν,α/2 , dove n è il numero di gradi di libertà pari al numero delle misure diminuito di 1 (ν=n-1).
Indice 1. Frequenza e Probabilità. Parametri Statistici 3. Curva di Gauss 4. isure poco numerose: t di student nel caso non sia possibile effettuare un numero di misure adeguato (n
DettagliEsperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI
Esperimentazioni di Fisica 1 Prova d esame del 20 febbraio 2018 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 6 01/02/2018 1. (12 Punti) Quesito. In un esperimento è stata misurata la grandezza Y in funzione
DettagliStatistica. Campione
1 STATISTICA DESCRITTIVA Temi considerati 1) 2) Distribuzioni statistiche 3) Rappresentazioni grafiche 4) Misure di tendenza centrale 5) Medie ferme o basali 6) Medie lasche o di posizione 7) Dispersione
DettagliCOMUNE DI CONSIGLIO DI RUMO
COMUNE DI CONSIGLIO DI RUMO Provincia di Como Aggiornamento della componente geologica, idrogeologica e sismica di supporto al Piano di Governo del Territorio - L.R. 1/05 e successive modifiche. ANALISI
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:
DettagliStatistica descrittiva in una variabile
Statistica descrittiva in una variabile Dott. Nicola Pintus A.a. 2018-2019 Cosa è la statistica? La statistica è la scienza che studia con metodi matematici fenomeni collettivi. La statistica descrittiva
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliSeconda Lezione. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010 DISTRIBUZIONE DI FREQUENZA
Seconda Lezione "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
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
DettagliPAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore
PAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore medio, Errore quadratico medio (eqm), Deviazione standard,
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.
DettagliModulo III. Definizione ed elementi di calcolo delle probabilità Le variabili casuali La distribuzione normale e la normale standardizzata
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea triennale Tecniche della Prevenzione PERCORSO SRTAORDINARIO 2007/08 Insegnamento di STATISTICA MEDICA Docente:Dott.ssa Egle
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliDistribuzioni statistiche
Distribuzioni statistiche L operazione di determinazione delle modalità del carattere per ciascuno degli elementi del collettivo origina una distribuzione del collettivo secondo il carattere considerato.
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
DettagliStatistica Inferenziale Soluzioni 3. Verifica di ipotesi
ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
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
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015 1 2 3 4 5 6 7 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliCALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO
CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO In chimica analitica un settore importante riguarda il calcolo dell errore e la valutazione della significatività di una misura. Generalmente nell
DettagliLA DISTRIBUZIONE NORMALE. La distribuzione Gaussiana. Dott.ssa Marta Di Nicola
LA DISTRIBUZIONE NORMALE http://www.biostatistica.unich.itit «È lo stesso delle cose molto piccole e molto grandi. Credi forse che sia tanto facile trovare un uomo o un cane o un altro essere qualunque
DettagliProbabilità e Statistica
Probabilità e Statistica Intervalli di confidenza Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob. e Stat. 1
DettagliCORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità Lezioni di Statistica VARIABILITA Si definisce variabilità la proprietà di alcuni fenomeni di assumere
DettagliLezione 13 Corso di Statistica. Domenico Cucina
Lezione 13 Corso di Statistica Domenico Cucina Università Roma Tre D. Cucina (domenico.cucina@uniroma3.it) 1 / 20 obiettivi della lezione comprendere il concetto di variabile aleatoria continua familiarizzare
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.11 - Principi dell inferenza statistica - Campionamento - Distribuzione campionaria di una media e di una proporzione - Intervallo di confidenza di una media e di
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliIndici di posizione e dispersione per distribuzioni di variabili aleatorie
Indici di posizione e dispersione per distribuzioni di variabili aleatorie 12 maggio 2017 Consideriamo i principali indici statistici che caratterizzano una distribuzione: indici di posizione, che forniscono
Dettagli5 DETERMINAZIONE DELL'INCERTEZZA TIPO COMPOSTA Grandezze d'ingresso incorrelate Grandezze d'ingresso correlate...
INDICE PREMESSA 1 0 INTRODUZIONE 3 1 SCOPO E CAMPO DI APPLICAZIONE 4 DEFINIZIONI 5.1 Termini metrologici generali... 5. Il termine "incertezza"... 6.3 Termini specifici della presente Guida... 6 3 CONCETTI
Dettagli