Il trattamento dei dati
|
|
- Bianca Turco
- 5 anni fa
- Visualizzazioni
Transcript
1 I.S.S. Ferraris-Pancaldo, Savona 22 marzo 2011 Il trattamento dei dati (Una introduzione) alla statistica dei dati di EEE Sandro Squarcia Dipartimento di Fisica e Sezione INFN di Genova Via Dodecaneso 33, Genova squarcia@ge.infn.it
2 Le scienze sperimentali
3 Errore dei sensi Spesso i nostri sensi si ingannano E possibile confondere un immagine tridimensionale con una bidimensionale? Perché Euclide? Per le geometrie dei due elementi di spicco del quadro René Magritte, Le passeggiate di Euclide, 1955
4 Osservazione sperimentale L eterno mistero del mondo è nella sua comprensibilità Albert Einstein Osservando il mondo ci accorgiamo della varietà dei sistemi che lo compongono e la loro stabilità nel tempo (passaggio dall oggetto al concetto) Questi oggetti possono essere osservati e misurati Dal 1600 col metodo scientifico: osservazioni via via sempre più precise
5 Concetto di misura I differenti fenomeni fisici vengono osservati e rappresentati da leggi e relazioni matematiche che contemplano delle quantità dette osservabili Un osservabile è oggetto di una misura Una misura è il risultato di procedure che permettono di identificare un carattere con un valore numerico o con un attributo Esistono caratteristiche che, nel tempo, restano costanti (ad es. sesso, luogo, data di nascita, ) e altre che invece variano (ad es. età, peso, altezza, stato civile, )
6 Ricerca scientifica La ricerca può essere deduttiva (data una legge teorica nota cerco verifica tramite più misure) ovvero induttiva (partendo dai dati sperimentali cerco di determinare una legge generale) La finalità può essere descrittiva: (osservazione di un campione estratto da una popolazione o di tutta la popolazione) analisi demoscopica ovvero comparativa (confronto tra campioni o situazioni diverse) confronto tra due teorie oppure longitudinale (esame di un campione nel tempo) follow-up di un evento clinico
7 Tipi di misura Alla base di ogni ricerca c è la misura La misura è di tipi differenti e può utilizzare Scala nominale o categorica (solo qualitativa) - solo confronti di tipo uguale/diverso Scala ordinale o per ranghi (semiqualitativa) - classifica gerarchica (maggiore/minore) Scala quantitativa intervallare (o di rapporto) - massima informazione - presuppone l esistenza di un unità di misura - può stabilire rapporti di uguaglianza - può definire la differenza tra due misure questa è la vera definizione di misura fisica!
8 Scala nominale Per misure qualitative di alcune osservabili occorre utilizzare scale nominali o categoriche L attribuzione ad una categoria deve sempre escludere l inserimento in un altra La situazione più semplice è la classificazione in due categorie mutuamente escludentesi (sesso) Ad ogni categoria può essere associato un numero di per identificare univocamente il tipo maschio (M) = 1, femmina (F) = 2 nessuna indicazione sulla importanza relativa o come misura della grandezza: non esiste l unità di misura!
9 Esempio Nella misura dello stato civile che osservabili si presentano? celibe/nubile, coniugato/a, separato/a, divorziato/a, vedovo/a Tutte queste osservabili sono dicotomiche dato che possono assumere solo due valori (binari) opposti tra loro
10 Scala ordinale Scala ordinale o per ranghi si usa per misure semiqualitative Ogni osservazione si identifica come valore di una categoria che segue un ordine gerarchico classificazione con criterio maggiore/minore (gradi nell esercito: sergente < capitano) Non esistendo un unità di misura, gli intervalli tra le diverse classificazioni non hanno nessun significato dal punto di vista matematico Scala Mercalli: non è vero che un terremoto di magnitudo 6 = 2 terremoti di magnitudo 3!
11 Scala Mercalli Proprio perché non esiste un unità di misura non è possibile effettuare somme e differenze né una valutazione qualitativa in termini energetici
12 Scala Richter Misura fisica: usa l unità di misura dell energia (il joule) Meglio della scala Mercalli (ma con che errore?)
13 Scala quantitativa Le scale quantitative sono (invece) il risultato di un procedimento di misura fisica Avendo definito opportune unità di misura è possibile valutare se due misure sono diverse, qual è la maggiore e l entità della loro differenza Si definiscono scale intervallari o di rapporto a seconda che esista o meno uno zero assoluto (il punto di origine del conteggio o della misura) Le misure di peso, lunghezza, velocità usano, ad esempio, scale di rapporto e anche la temperatura espressa nel S.I. in gradi kelvin (0 K = o C)
14 Misura fisica Per effettuare una misura occorre utilizzare uno strumento che ha una sua sensibilità Ad esempio la sensibilità di: - una riga da geometra è 1 mm, - un metro da sarto è 1 cm, - un misuratore di distanza (auto) è di 100 m Ogni misura fisica ha tre caratteristiche: 1)l unità di misura scelta (m, kg, s, K, A, cd, mol) 2)il valore della misura 3)l indeterminazione (errore) della misura Non ha nessun senso dare più cifre significative di quelle dell errore di misura
15 Misure fisiche ed errori Ogni risultato di una misura è affetto da errore che dipende dalla sensibilità dello strumento Δx utilizzato per misurarla v = x ± Δx ERRORE MASSIMO Se l indeterminazione è più grande della sensibilità occorre operare N misure differenti il valore v è dato dalla media delle misure m e l errore s x della misura è dato dalla deviazione standard v = m ± s x ERRORE STATISTICO
16 Descrivere i risultati
17 Metodologia Una qualsiasi ricerca statistica richiede di operare delle misure fisiche che sono il campione di una popolazione ossia dell insieme di tutti i possibili risultati e si suddivide in differenti fasi: Pianificazione della ricerca (scelta campione) Rilevazione e raccolta dei dati Controllo dei dati (incompletezze e sbagli ) Organizzazione dei dati Sintesi e rappresentazione dei dati Interpretazione e presentazione dei risultati
18 Esempio E possibile esprimere le seguenti informazioni di età: 25, 9, 7, 10, 5, 11, 27, 20, 17, 16, 19, 35 in una scala nominale? Maggiorenni: 5 (25, 27, 20, 19, 35) Minorenni: 7 (9, 7, 10, 5, 11, 17, 16) Età pari: 3 (10, 20, 16) Età dispari: 9 (25, 9, 7, 5, 11, 27, 17, 19, 35) Queste operazioni provocano però una perdita di informazione!
19 Raggruppamenti Sia data l altezza (in cm) di 51 persone presentazione dei dati in forma più leggibile Spoglio N TOT = = 51
20 Tabelle cm n % cm n % cm n % cm n % Certo ora è un po meglio! si possono dare le percentuali v % = n / N TOT = 100 % ma un disegno (plot), forse, sarebbe più chiaro
21 Istogramma Presentano i dati in forma più immediata (Grafico a barre) Poco chiaro! si può però apprezzare il range dei valori
22 Diagramma (Grafico a punti) Dati ancora confusi Occorre compattare i dati in classi (vedi spoglio) perdendo però dell informazione!
23 Istogrammi 3D Numero eventi < >180 Classi di altezza (cm) Cominciamo ad esserci (il 3D è un sovrappiù)! I dati sono presentati in modo chiaro anche se manca un elemento fondamentale: gli assi devono sempre essere indicati!
24 Areogrammi Molto utilizzati dai giornali Scientifico!? 29% 29% 14% 8% 8% <160 cm 8% 14% 8% 14% 14% cm cm 27% cm 27% cm >180 cm Diagramma a torta visualizzazione immediata e spettacolare
25 Indici statistici
26 Indici di tendenza centrale Tabelle di dati e rappresentazioni grafiche sono notevoli strumenti di divulgazione ma non sintesi dell informazione Scopo della statistica è quello di evidenziare determinate situazioni ricavandole da un collettivo di misure Operiamo quindi una scelta di un indice che possa meglio rappresentare in modo obiettivo una massa di informazioni Poiché una sintesi comporta una perdita d informazione occorre privilegiare l indice che minimizza questa perdita
27 Medie analitiche La media (aritmetica semplice) le considera tutte m = x i / N i = 1, N La medie pesata (o ponderata) utilizza la frequenza f i di ciascuna osservazione m = f i x i / f i i = 1, N ovvero la frequenza relativa w i = f i / N (peso) poiché f i = N m = w i x i i = 1, N
28 Moda La media non può essere utilizzata in presenza di misure con ordini di grandezza molto diversi Viene quindi utilizzata la moda ossia l indicazione del gruppo più numeroso (quello con frequenza maggiore) ovvero più alla moda Vi possono essere più valori di moda: Distribuzioni monomodali e plurimodali Altezze
29 Mediana La mediana indica il valore centrale delle osservazioni dividendole in due parti uguali molto utilizzata per distribuzioni disomogenee In questo caso il valore è unico e può essere un numero intero o un numero frazionario Alte zze mediana Il valore 169 cm divide i dati in due parti quasi uguali (24 inferiori e 23 superiori)
30 Indici di dispersione Due distribuzioni possono avere stessa media, moda e mediana ma essere del tutto differenti a causa della dispersione dei dati Il più elementare indice di dispersione è l intervallo di variazione, ossia il range Scarto di ogni misura rispetto alla media ε i = x i m ε i = 0 Devianza δ = (x i m) 2 0
31 Varianza La devianza non tiene conto del numero di dati Per inserire questa dipendenza: varianza s 2 = (x i m) 2 / N Ovvero la varianza corretta s 2 = (x i m) 2 / (N 1) ove ν = N 1 sono osservazioni indipendenti conoscendo N 1 variabili e la varianza possiamo univocamente determinare la N esima variabile che ha permesso di calcolare la varianza stessa
32 Deviazione standard La variabilità di una distribuzione può essere espressa da un indice di tendenza centrale e da un indice di dispersione (stesse unità di misura!) Deviazione standard (o scarto quadratico medio) s = s 2 = [ (x i m) 2 / (N 1) ] dispersione media di una serie di dati Errore standard o deviazione standard della media s m = s / N errore non sui singoli dati ma sulla loro media!
33 Esempio Il valore di una lunghezza x, misurata con uno strumento di sensibilità 0.1 cm, ha dato risultati 1.4, 1.7, 1.6, 1.7, 1.4 [cm] <x> = 1 + ( ) / 5 = 1.56 cm s 2 = [2 ( ) 2 + ( ) ( ) 2 ] / 4 = s = s 2 = cm = cm 2 La grandezza ha valore 1.56 cm, indeterminazione 0.15 cm ed errore statistico 0.15 / 4 = 0.07 cm Il valore della lunghezza è quindi espressa come x = (1.56 ± 0.07) cm
34 Risultati delle misure
35 Misure fisiche ed errori Ogni risultato di una misura è affetto da un errore che dipende dalla sensibilità dello strumento utilizzato per misurarla (3 volte!) Se l indeterminazione è minore della sensibilità il valore vero della misura è dato dalla misura stessa (x) e l indeterminazione (Δx) è data dalla sensibilità dello strumento v = x ± Δx ERRORE MASSIMO Non ha senso utilizzare strumenti troppo sensibili (lunghezza di una strada con uno strumento al cm!)
36 Sensibilità strumenti Se l indeterminazione è maggiore della sensibilità occorre operare N misure (almeno dieci!) poiché ogni misura è diversa dall altra Il valore vero v è dato dalla media delle misure e l errore s x è dato dalla deviazione standard v = <x> ± s x In questo caso si può stimare che la miglior predizione del valor vero sia data da v = <x> ± s m = <x> ± (s x / N) s m = (s x / N) ERRORE STANDARD
37 Cifre significative Non ha senso esprimere una misura con più cifre significative di quelle con cui è stato misurato Se l errore non viene riportato si assume che questo sia sull ultima cifra significativa Dire che una città ha abitanti è differente dal dire che ha (circa) abitanti Perché non dando l errore si suppone che N = (12324 ± 1) abitanti N = (12000 ± 1) abitanti Ben diverso se la città ha proprio circa abitanti con una indeterminazione di 100 abitanti N = (12000 ± 100) abitanti = (120 ± 1) 10 2 abitanti
38 Errori relativi Si dice errore relativo l indeterminazione della misura divisa per il valore della misura stessa Nel caso citato: ± 1 abitanti Errore relativo = Δx / x = ± 100 abitanti Errore relativo = Δx / x = 0.8 % Dare gli errori con una (massimo due) cifre! utilizzare le potenze di 10 per esprimere il valore N = (12000 ± 100) abitanti = (120 ± 1)10 2 abitanti
39 Errori statistici Ogni misura può essere affetta da differenti cause di errori probabilisticamente indipendenti tra loro Si può dimostrare che la distribuzione degli errori statistici è distribuita come una gaussiana Distribuzione di Gauss σ (deviazione standard) μ (valor medio) x G(x; μ, σ) = [1 / ( 2π)σ] exp [(x - μ) 2 / 2σ 2 ]
40 Distribuzione delle misure Tra μ σ x μ + σ vi sono il 68.3 % delle misure Tra μ 2σ x μ + 2σ si trovano il 95.5 % Tra μ 3σ x μ + 3σ vi sono il 99.7 % Al di fuori di 3σ vi sono il quindi il 0.3 % dei dati 0.15 % 68.3% 0.15 % 95.5 % 99.7 % I dati al di fuori di 3σ sono sbagliati?
41 Propagazione degli errori Prendiamo un rettangolo di larghezza x = (300 ± 6) m (2%) e lunghezza y = (100 ± 3) m (3%) x y D = = 200 m P = 2x + 2y = = 800 m A = x y= = m 2 = m 2 ok, ma gli errori?
42 Gli errori si sommano Somma e differenza Se gli errori sono massimi ΔD = Δx + Δy = = 9 m ΔP = 2 Δx + 2 Δy = = 18 m Se gli errori sono statistici ε D = ε x + ε y = = 9 m ε P = 2 ε x + 2 ε y = = 18 m D = (200 ± 9) m (4.5%) P = (800 ± 18) m = (80 ± 2) 10 m (6%)
43 Moltiplicazione e divisione Si devono utilizzare gli errori relativi Se gli errori sono massimi ΔA/A = Δx/x + Δy/y = = 0.05 ΔA = = 1500 m 2 A = (30.0 ± 1.5) 10 3 m 2 (5%) Se gli errori sono statistici (ε D /D) 2 = (ε x /x) 2 + (ε y /y) 2 = (0.02) 2 + (0.03) 2 = ε D = D = = 1081 A = (30 ± 1) 10 3 m 2 (3.5%)
44 Indeterminazione di una misura I valori di una misura non sono definiti ma variano in un intervallo di valori Δx (sensibilità strumentale) σ (indeterminazione) x (valore misurato) μ (valor medio) In molti casi però occorre sapere in anticipo basandosi su dati conosciuti o stimati il comportamento di un certo apparato
45 Caso di eventi rari La distribuzione di Gauss vale per campioni numerosi (>10!). Nel caso di eventi rari occorre utilizzare la distribuzione di Poisson P(k; λ) = (λ k e λ ) / k! k = 0, 1, 2. Distribuzione discreta con media μ = λ con varianza σ 2 = λ con deviazione standard σ = λ Il valore della distribuzione è dato da λ± λ
46 Distribuzione di Poisson 0,4 0,4 0,35 0,3 0,25 0,2 λ = 1 0,35 0,3 0,25 0,2 λ = 2 0,15 0,15 0,1 0, ,1 0, ,4 0,4 0,35 0,3 0,25 0,2 0,15 0,1 0, λ = All aumentare di λ la distribuzione di Poisson tende alla distribuzione di Gauss! 0,35 0,3 0,25 0,2 0,15 0,1 0, λ =
47 Conteggi Nel caso di conteggi si utilizza la distribuzione di Poisson λ± λ N ± N Se si hanno 100 conteggi il valore con l errore è: N ± N = 100 ± 10 Se il conteggio è solo 1: N ± N = 1 ± 1 (100%!) Che errore devo dare se vedo 49 macchine che passano durante un minuto per un casello autostradale? σ = 49 N = (49 ± 7) macchine
48 Interpretazione statistica
49 Perchéèimportante? Dati interpretati in modo scorretto o carente possono portare a conclusioni devianti o errate Proprio perché la statistica sembra facile tutti si sentono autorizzati a dare valutazioni Se tu mangi due polli ed io nessuno per la statistica ne mangiamo uno a testa (Trilussa) Ma anche i giornali (media) non scherzano Ricordate la polemica sulle emittenti di Radio Vaticana?
50 Dati male interpretati La Repubblica del 14/3/2001: Trovata una probabilità di leucemie infantili 6.06 volte superiore alla media entro 2 km dalla Stazione radio!! In effetti si parla di rischio ma inteso come probabilità di rischio
51 Come si può restare insensibili? Ma l opinione pubblica?
52 Problema statistico Probabilità = numero casi leucemie in Italia abitanti italiani Nel raggio di 2 km dalle antenne p = num. casi leucemia nel raggio di 2 km abitanti in un raggio di 2 km = 0.16 Un caso di leucemia! 1 diviso 0.16 = 6 Differenza tra probabilità e rischio Nel caso di eventi rari occorre utilizzare la stastistica di Poisson e non quella di Gauss!
53 Strano? In un dado a sei facce la probabilità che esca una faccia è 1/6 Lancio per una sola volta un dado: esce 3! Posso affermare che il 3 è 6 volte più probabile di tutte le altre facce???
54 Statistica inferenziale
55 Relazione tra dati Possono esistere in una ricerca connessioni tra dati differenti che possono legare caratteristiche: qualitative (professione figlio verso prof. padre) quantitative (peso verso altezza) Se ci interessiamo di dati quantitativi Correlazione: due variabili x, y interscambiabili tra loro (non esiste rapporto di antecedenza e conseguenza tra x ed y o viceversa) Regressione: ricerca della relazione funzionale tra variabile dipendente y ed una indipendente x
56 Altezza (cm) Correlazione Altezza verso peso (su un campione di 169 pazienti) Peso (kg) Non esiste una relazione funzionale univoca ma a un aumento del peso normalmente corrisponde un aumento dell altezza! Correlazione positiva o diretta
57 Correlazione negativa Tempo in minuti Voti di un test verso il tempo impiegato Voto in trentesimi Non esiste una relazione funzionale univoca ma vi è una tendenza a rispondere correttamente in meno tempo Correlazione negativa od indiretta
58 Correlazione nulla Voti di ginnastica Voti fisica verso voti ginnastica Voti di fisica In questo caso, quando la variabile x aumenta, la variabile y può sia aumentare che diminuire Assenza di correlazione
59 Relazione funzionale Peso (g) 2,00 1,50 1,00 0,50 0,00 Trazione di un filo di rame Lunghezza (cm) Esiste una funzione lineare y = ax + b le deviazioni dall andamento lineare sono dovuti da errori di misura Correlazione completa
60 Coefficiente di correlazione Il coefficiente di Pearson indica la correlazione R= (x i <x>)(y i <y>)/ (x i <x>) 2 (y i <y>) 2 R assume tutti i numeri reali tra -1 R 1 correlazione negativa completa ( 1), assenza di correlazione (0), correlazione positiva completa (+1) l indicatore generale della correlazione è R 2 per R 2 > 0.5 si ha buona correlazione funzionale N.B. correlazione non implica relazione causale (se x è la causa allora y ne è l effetto)
61 Validità della correlazione Pensione annua (in ) rispetto ad anni contributi R = 0, R buono e valido cresce costantemente all aumentare degli anni di contributi R = 0, R ingannevole cresce rapidamente, ha un massimo e poi tende a decrescere
62 Regressione Correlazione: x e y sono variabili interscambiabili In un problema di regressione le due variabili non svolgono più un ruolo simmetrico ricerca di una relazione funzionale y = f(x) La variabile x (predeterminata dal ricercatore) è quella calcolata con la precisione maggiore - variabile y con distribuzione normale errori statistici σ y x uguali e gaussiani - osservazioni sulle y i siano indipendenti dalle x i y = a x + b Retta di regressione
63 Minimi quadrati Peso (kg) Altezze (cm) Il valore che minimizza la distanza (quadratica) tra il valore y i sperimentale e il valore y i teorico y = x R 2 = R =
64 Estrapolazione y = x In base alla retta di regressione posso calcolare quanto dovrebbe pesare, in media, una persone di 150 cm 170 cm 190 cm 210 cm = kg = kg = kg = kg
65 Dati EEE HV A*B media A*B , , ,6 346,2 39 valori presi con 7 differenti HV 5 grandezze A*B a 8000 V con media 304, ma perché un valore 144 anomalo?
66 Dati reali Parte dei dati presi a Genova ORA HV R L ch*sc A*B Valor medio sui 5 dati: 304 ± 82 Su tutti i 39 valori A*B: 331 ± 36 valori entro 3σ sono tra 224 e 438 escludo 144 Valor medio sui restanti 4 dati: 334 ± 18
67 Conclusione Documentare tutte le prese dati riportando sempre le condizioni al contorno Scrivere le singole misure con il relativo errore e l unità di misura utilizzata Calcolare la propagazione degli errori con il corretto numero di cifre significative Effettuate i fit richiesti utilizzando i pacchetti statistici con intelligenza La verifica e l interpretazione dei dati è sempre la parte più avvincente di ogni ricerca!
68 Parlare oscuramente lo sa fare ognuno ma chiaro pochissimi (Galileo Galilei) Grazie per l attenzione!
Dipartimento di Fisica a.a. 2003/2004 Fisica Medica 2 Indici statistici 22/4/2005
Dipartimento di Fisica a.a. 23/24 Fisica Medica 2 Indici statistici 22/4/25 Ricerca statistica La ricerca può essere deduttiva (data una legge teorica nota cerco verifica tramite più misure) ovvero induttiva
DettagliSMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Decisione clinica 19/1/2005
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Decisione clinica 19/1/2005 Probabilità e frequenza Pratica quotidiana usa questi concetti in modo diffuso Probabilità definita come quante
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
DettagliElementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
DettagliParametri statistici
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Parametri statistici 24/1/2005 Deviazione standard della media La variabilità di una distribuzione può quindi essere espressa da un indice
DettagliNota dell editore Presentazione
Autori Nota dell editore Presentazione XI XIII XV 1 Conoscenze preliminari per l osservazione biostatistica 1 Variabilità biologica e implicazioni statistiche 1 Variabili e costanti 2 Concetto di misura
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
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
DettagliScale di Misurazione Lezione 2
Last updated April 26, 2016 Scale di Misurazione Lezione 2 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura II anno, II semestre Tipi di Variabili 1 Scale di Misurazione 1. Variabile
DettagliProgrammazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di
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
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
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;
DettagliUNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:
UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 2 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazione dei dati Rappresentazione
Dettagli7. STATISTICA DESCRITTIVA
7. STATISTICA DESCRITTIVA Quando si effettua un indagine statistica si ha a che fare con un numeroso insieme di oggetti, detto popolazione del quale si intende esaminare una o più caratteristiche (matricole
DettagliInterpretazione dei dati
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Interpretazione dei dati 13/2/2006 Saper interpretare i dati Dati interpretati in modo scorretto o carente possono portare a conclusioni
DettagliTRACCIA DI STUDIO. Indici di dispersione assoluta per misure quantitative
TRACCIA DI STUDIO Un indice di tendenza centrale non è sufficiente a descrivere completamente un fenomeno. Gli indici di dispersione assolvono il compito di rappresentare la capacità di un fenomeno a manifestarsi
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
Dettaglile scale di misura scala nominale scala ordinale DIAGNOSTICA PSICOLOGICA lezione si basano su tre elementi:
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it si basano su tre elementi: le scale di misura sistema empirico: un insieme di entità non numeriche (es. insieme di persone; insieme
DettagliCOME SI STUDIANO MOLTISSIME MISURE?
COME SI STUDIANO MOLTISSIME MISURE? Pb1 In una indagine sanitaria si riscontrano i seguenti dati, relativamente ad un certo tipo di infezione batterica: Area immuni a rischio infetti Nord 46 12 25 Centro
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:
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
DettagliSMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Campionamento 21/1/2005
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Campionamento 21/1/2005 Importanza del campionamento Permette di trarre conclusioni o fare previsioni limitando l'osservazione solo a un gruppo
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)
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:
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:
DettagliINDICATORI DI TENDENZA CENTRALE
INDICATORI DI TENDENZA CENTRALE INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore rappresentativo indice che riassume o descrive i dati e dipende dalla
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
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
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
DettagliProf. Anna Paola Ercolani (Università di Roma) Lez Indicatori di tendenza centrale
INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore rappresentativo indice che riassume o descrive i dati e dipende dalla scala di misura dei dati in
DettagliAnalisi Statistica dei Dati Sperimentali. M. Trimarchi e P. La Rocca
Analisi Statistica dei Dati Sperimentali M. Trimarchi e P. La Rocca Misura delle Grandezze Fisiche Misure dirette Confronto con un campione dell unità di misura Lunghezze Metro Misure indirette Operazioni
DettagliStatistica Elementare
Statistica Elementare 1. Frequenza assoluta Per popolazione si intende l insieme degli elementi che sono oggetto di una indagine statistica, ovvero l insieme delle unità, dette unità statistiche o individui
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
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 1 A. I dati riportati nella seguente tabella si riferiscono
DettagliIndice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
DettagliBIN = 15 um l [um] Minimum um. Data_31misure_ l [um] Maximum Points 102, , um 1.3 um
1 2 Data_31misure_070318 BIN = 15 um Minimum 80 Maximum Sum 120 3176,7 Points Mean Median 31 102,47419 102,9 102.5 um RMS Std Deviation Variance Std Error 102,7225 7,2559846 52,649312 1,3032133 7.3 um
DettagliAppunti di statistica ed analisi dei dati
Appunti di statistica ed analisi dei dati Indice generale Appunti di statistica ed analisi dei dati...1 Analisi dei dati...1 Calcolo della miglior stima di una serie di misure...3 Come si calcola μ...3
DettagliElaborazione 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,
DettagliINDICATORI DI TENDENZA CENTRALE
INDICATORI DI TENDENZA CENTRALE INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore rappresentativo è indice che riassume o descrive i dati e dipende
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
Dettagli3) In una distribuzione di frequenza si può ottenere più di una moda Vero Falso
CLM C Verifica in itinere statistica medica 13-01-2014 1) Indicate a quale categoria (Qualitativa, qualitativa ordinabile, quantitativa discreta, quantitativa continua) appartengono le seguenti variabili:
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliElaborazione dei dati sperimentali. Problemi di Fisica
Problemi di Fisica Elaborazione dei dati sperimentali Nella seguente tabella riportiamo alcune regole per esprimere ualunue numero mediante una potenza di 0: 00000000 = 0 9 456789 = 45,6789 0 4 3, = 0,3
DettagliLa statistica descrittiva prima parte. a cura della prof.ssa Anna Rita Valente
La statistica descrittiva prima parte a cura della prof.ssa Anna Rita Valente INTRODUZIONE La statistica è una disciplina all ordine del giorno basta sfogliare un giornale per trovare dati statistici sui
DettagliEsercizi su distribuzioni doppie, dipendenza, correlazione e regressione (Statistica I, IV Canale)
Esercizi su distribuzioni doppie, dipendenza, correlazione e regressione (Statistica I, IV Canale) Esercizio 1: Un indagine su 10.000 famiglie ha dato luogo, fra le altre, alle osservazioni riportate nella
DettagliINDICATORI DI TENDENZA CENTRALE
Psicometria (8 CFU) Corso di laurea triennale INDICATORI DI TENDENZA CENTRALE Torna alla pri ma pagina INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
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
DettagliESERCIZI DI STATISTICA SOCIALE
ESERCIZI DI STATISTICA SOCIALE FREQUENZA ASSOLUTA Data una distribuzione semplice di dati, ovvero una serie di microdati, si chiama frequenza assoluta di ogni modalità del carattere studiato il numero
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
DettagliTutta la scienza è fondata sulle misure (Helmholtz)
Tutta la scienza è fondata sulle misure (Helmholtz) L acquisizione di una osservazione come DATO SCIENTIFICO richiede che : osserviamo un fenomeno lo quantifichiamo correttamente lo confrontiamo con altri
DettagliStatistica descrittiva
Luigi Vajani Statistica descrittiva r,,, I o -:i f e l ~ 1 (f"i I - / I I - ETASLIBRI Indice XIII Presentazione Parte prima - Introduzione 3 Capitolo 1 - Concetti generali 1.1 - Introduzione; l.2 - La
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 075-585 2708 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliElementi di Probabilità e Statistica
Elementi di Probabilità e Statistica Statistica Descrittiva Rappresentazione dei dati mediante tabelle e grafici Estrapolazione di indici sintetici in grado di fornire informazioni riguardo alla distribuzione
Dettaglia.a Esercitazioni di Statistica Medica e Biometria Corsi di Laurea triennali Ostetricia / Infermieristica Pediatrica I anno
a.a. 2007-2008 Esercitazioni di Statistica Medica e Biometria Corsi di Laurea triennali Ostetricia / Infermieristica Pediatrica I anno Dott.ssa Daniela Alessi daniela.alessi@med.unipmn.it 1 Argomenti:
DettagliCorso di Laurea in Economia Aziendale. Docente: Marta Nai Ruscone. Statistica. a.a. 2015/2016
Corso di Laurea in Economia Aziendale Docente: Marta Nai Ruscone Statistica a.a. 2015/2016 1 Indici di posizione GLI INDICI DI POSIZIONE sono indici sintetici che evidenziano le caratteristiche essenziali
DettagliEsplorazione dei dati
Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione
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
DettagliLa Statistica: introduzione e approfondimenti
La Statistica: introduzione e approfondimenti Definizione di statistica Che cosa è la statistica? La statistica è una disciplina scientifica che trae i suoi risultati dalla raccolta, dall elaborazione
DettagliModelli e procedure per l educazione degli adulti
CdL SEAFC a.a. 2016-2017 II semestre Pedagogia sperimentale. Modelli e procedure per l educazione degli adulti francesco.agrusti@uniroma3.it T6. Modelli e procedure di valutazione Ultimo appuntamento con
DettagliStatistica Corso di laurea in Biotecnologie I esonero - 19 aprile 2010
Statistica Corso di laurea in Biotecnologie I esonero - 9 aprile 00 Esercizio Determinare, a P X ; b PX < /; c il terzo quartile della distribuzione, nei casi ix N, ; iix variabile aleatoria continua con
DettagliMedia: è la più comune misura di tendenza centrale. Può essere calcolata per variabili numeriche.
Misure di tendenza centrale e di variabilità: Media: è la più comune misura di tendenza centrale. Può essere calcolata per variabili numeriche. Il valore medio di una variabile in un gruppo di osservazioni
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
DettagliEsercizi di statistica descrittiva. Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena / 30
Esercizi di statistica descrittiva Giulia Simi (Università di Siena) Istituzione di matematica e fondamenti di Biostatistica Siena 2015-2016 1 / 30 Esercizio 1 Nel rilevare l altezza di un gruppo di reclute,
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
DettagliProbabilità e statistica
Probabilità e statistica The formulation of a problem is often more essential than its solution which may be merely a matter of mathematical or experimental skill. Albert Einstein Farsi la domanda giusta
DettagliCorso di STATISTICA EGA - Classe 1 aa Docenti: Luca Frigau, Claudio Conversano
Corso di STATISTICA EGA - Classe 1 aa 2017-2018 Docenti: Luca Frigau, Claudio Conversano Il corso è organizzato in 36 incontri, per un totale di 72 ore di lezione. Sono previste 18 ore di esercitazione
DettagliLa statistica. Scienza che studia con metodi matematici fenomeni collettivi.
La statistica Scienza che studia con metodi matematici fenomeni collettivi. I dati statistici Popolazione, carattere e frequenza Popolazione: insieme di elementi su cui si effettua l indagine statistica.
Dettagli-Validità di un test diagnostico: Sensibilità e Specificità
SLIDES DEL CORSO DI STATISTICA Prof. R. Di Mascio Programma svolto a.a. 2005/06 - Il metodo statistico - Dati e informazioni di tipo statistico - Archiviazione dei dati - Sintesi dei dati in tabelle -
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
Dettaglicon fogli di calcolo Docente del laboratorio: Maria Silvia Pini
Statistica descrittiva con fogli di calcolo Docente del laboratorio: Maria Silvia Pini Frequenze Campione X: un insieme di N osservazioni {x 1,x x N } misurati con Scala di misura Y con K categorie [y
DettagliL istogramma dei nomi degli studenti presenti può essere descritto tranquillamente da un istogramma a barre. L istogramma dei voti riportati ad un
Gli istogrammi L istogramma è una rappresentazione grafica di una distribuzione di frequenza di una certa grandezza, ossia di quante volte in un insieme di dati si ripete lo stesso valore. Esistono diversi
Dettagliesercitazione1 12/10/2015
esercitazione1 12/10/2015 VARIABILE CLASSIFICAZIONE TIPOLOGIA Peso vivo del cavallo Ora della deposizione dell uovo Colore mantello Presenza corna Latte prodotto N. uova prodotte Presenza speroni alle
DettagliMatematica con elementi di Informatica
Statistica descrittiva ed inferenziale Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche
DettagliUNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:
UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Donatella Siepi donatella.siepi@unipg.it tel: 075 5853525 4 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazione dei dati Rappresentazione
DettagliMisure di dispersione (o di variabilità)
08/04/014 Misure di dispersione (o di variabilità) Range Distanza interquartile Deviazione standard Coefficiente di variazione Misure di dispersione 7 8 9 30 31 9 18 3 45 50 x 9 range31-74 x 9 range50-941
DettagliStefania Taralli Anno Accademico 2017/2018 1
L unità statistica Caratteri e modalità CORSO DI FONDAMENTI E METODI PER L'ANALISI EMPIRICA NELLE SCIENZE SOCIALI Introduzione al corso Lezione 2: L'analisi quantitativa dei dati per la sintesi dei fenomeni
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
DettagliStatistica. Lezione 1
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 1 a.a 2011-2012 Dott.ssa Daniela
DettagliElementi di statistica
Scuola media G. Ungaretti Elementi di statistica Prof. Enrico Castello Ti insegnerò a conoscere i criteri organizzatori di una tabella di dati distinguere frequenze assolute e frequenze percentuali determinare
DettagliSTATISTICA NOZIONI DI BASE
STATISTICA NOZIONI DI BASE Italo Nofroni Statistica medica - Sapienza - Roma Si definisce statistica la scienza cha ha per oggetto la raccolta, l analisi e l interpretazione dei dati (intensità e/o frequenze)
DettagliIndicatori di Posizione e di Variabilità. Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica
Indicatori di Posizione e di Variabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica Indici Sintetici Consentono il passaggio da una pluralità
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
DettagliPROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA
PROCEDURE/TECNICHE DI ANALISI / MISURE DI ASSOCIAZIONE A) ANALISI DELLA VARIANZA PROCEDURA/TECNICA DI ANALISI DEI DATI SPECIFICAMENTE DESTINATA A STUDIARE LA RELAZIONE TRA UNA VARIABILE NOMINALE (ASSUNTA
DettagliL analisi dei dati. Primi elementi. EEE- Cosmic Box proff.: M.Cottino, P.Porta
L analisi dei dati Primi elementi Metodo dei minimi quadrati Negli esperimenti spesso si misurano parecchie volte due diverse variabili fisiche per investigare la relazione matematica tra le due variabili.
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliErrori sistematici e casuali
Errori sistematici e casuali Errori Casuali Tempo di reazione nel far partire o fermare l orologio: Può essere sia in eccesso che in difetto (ad esempio partenza e arrivo), quindi l errore può avere segno
DettagliVariabilità o Dispersione Definizione Attitudine di un fenomeno ad assumere diverse modalità
Punti deboli della media aritmetica Robustezza: sensibilità ai valori estremi Non rappresentava nei confronti di distribuzioni asimmetriche. La media aritmetica è un valore rappresentativo nei confronti
DettagliIl modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009)
Il modello di regressione (VEDI CAP 12 VOLUME IEZZI, 2009) Quesito: Posso stimare il numero di ore passate a studiare statistica sul voto conseguito all esame? Potrei calcolare il coefficiente di correlazione.
DettagliL'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale
L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni
DettagliSoggetto Genere Costo del soggiorno Titolo di studio
Esercitazione n. 1 Corso di Statistica Università della Basilicata Prof. Roberta Siciliano La tabella seguente raccoglie i dati grezzi, relativamente ad un gruppo di 30 turisti per i quali sono state osservate
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
Dettagli3. rappresentare mediante i grafici ritenuti più idonei le distribuzioni di frequenze assolute dei diversi caratteri;
Esercizio 1 Il corso di Statistica è frequentato da 10 studenti che presentano le seguenti caratteristiche Studente Sesso Colore Occhi Voto Soddisfazione Età Stefano M Nero 18 Per niente 21 Francesca F
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
DettagliTutorato di Chimica Analitica 2016/2017
Tutorato di Chimica Analitica 2016/2017 Friendly reminder La notazione scientifica Modo per indicare un risultato con numerose cifre decimali come prodotto di una potenza di 10 esempio Cifre significative
Dettagli