Università del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Università del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica"

Transcript

1 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 Gauss) La distribuzione t di Student CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 1 Riprendiamo alcune definizioni: Qualsiasi caratteristica che può essere misurata categorizzata: variabile o Variabile che può assumere diversi valori per effetto del caso: variabile casuale o variabile aleatoria Le variabili possono essere categoriche (binarie, nominali, ordinali) o numeriche (discrete, continue). CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 2

2 Possiamo costruire in modo empirico la distribuzione di frequenza di una variabile in un gruppo di soggetti. es. CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 3 Potremmo compiere un passo successivo identificando una curva matematica che descriva l'andamento del grafico. In tal modo potremmo: - descrivere la distribuzione dei dati senza bisogno di mostrare la distribuzione di frequenza ma solo in base ai parametri della curva matematica. - confrontare gruppi di soggetti diversi in base ai parametri delle rispettive curve. - costruire una distribuzione di frequenza attesa, sulla base dei valori dei parametri. CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 4

3 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità ETA CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 6

4 L'uso di modelli matematici è comune alla maggior parte delle discipline: ad esempio, la curva esponenziale può essere usata per descrivere la crescita del numero di batteri in laboratorio, in assenza di condizioni limitanti y = ae bt I parametri sono a (numero iniziale) e b (velocità di crescita). Stimati questi parametri possiamo stimare il numero di batteri a determinati intervalli (t) dall'inizio dell'esperimento. - il parametro b corrisponde alla velocità di accrescimento, che possiamo confrontare per ceppi diversi CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 7 curve di crescita esponenziale b=0,4 b=0, n t CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 8

5 - La funzione matematica che descrive un fenomeno (biologico, statistico ecc ) è definita 'MODELLO'. In questo caso possiamo parlare di Modello Esponenziale della crescita batterica. - Un modello adeguato descrive gli aspetti importanti del fenomeno che vogliamo studiare, senza entrare in dettagli inutili. CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 9 In questo caso la curva a campana è un modello soddisfacente. CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 10

6 La distribuzione Gaussiana È la distribuzione di probabilità che meglio rappresenta molte variabili biologiche È la distribuzione di probabilità degli errori casuali È la distribuzione di probabilità delle statistiche campionarie È la distribuzione limite per altre distribuzioni di probabilità quando n CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 11 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 12

7 La distribuzione Gaussiana È la distribuzione di probabilità che meglio rappresenta molte variabili biologiche È la distribuzione di probabilità degli errori casuali È la distribuzione di probabilità delle statistiche campionarie È la distribuzione limite per altre distribuzioni di probabilità quando n CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 13 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 14

8 Distribuzione delle differenze tra glicemia misurata al polpastrello ed all avambraccio CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 15 La distribuzione Gaussiana È la distribuzione di probabilità che meglio rappresenta molte variabili biologiche È la distribuzione di probabilità degli errori casuali È la distribuzione di probabilità delle statistiche campionarie È la distribuzione limite per altre distribuzioni di probabilità quando n CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 16

9 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 17 La distribuzione Gaussiana È la distribuzione di probabilità che meglio rappresenta molte variabili biologiche È la distribuzione di probabilità degli errori casuali È la distribuzione di probabilità delle statistiche campionarie È la distribuzione limite per altre distribuzioni di probabilità quando n CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 18

10 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 19 La distribuzione gaussiana come modello di una distribuzione di probabilità empirica Es. istogramma che descrive la distribuzione di frequenza di una variabile numerica in un gruppo di 400 soggetti CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 20

11 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 21 Aumento progressivamente la suddivisione dell istogramma CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 22

12 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 23 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 24

13 Distribuzione di probabilità (teorica) Distribuzione di frequenza (empirica) CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 25 La forma della distribuzione di probabilità normale flesso - + CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 26

14 La formula della distribuzione normale. E definita da Media (µ) e Deviazione Standard (σ) f ( x) = 1 * exp σ 2π ( x µ ) 2 2σ 2 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 27 La distribuzione gaussiana o normale comprende una famiglia di curve, i cui parametri sono Media (µ) e Deviazione Standard (σ) CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 28

15 Media (µ): posizione centrale Deviazione Standard (σ): 'ampiezza' della curva CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 29 Il grafico seguente mostra due curve normali con DS=1 (curva nera) e DS=2 (c.rossa). Entrambe hanno media=0. y x0 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 30

16 Data una variabile la cui distribuzione di probabilità è gaussiana, possiamo misurare la probabilità corrispondente a determinati intervalli di valori CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 31 0,95 0,50 0,50 P=0,025 x = 1,960 P=0,025 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 32

17 0,975 X=1,960 0,025 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 33 0,95 P=0,05 X = 1,645 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 34

18 0,95 P=0,025 x = 1,960 P=0,025 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 35 Applicazione delle regole della distribuzione gaussiana Data una variabile con distribuzione gaussiana (es. la statura), sono interessato a calcolare la probabilità di osservare un soggetto con valore x (o superiore). Conosco i parametri che descrivono la distribuzione di probabilità (media: µ e Deviazione Standard: σ). Come procedo? CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 36

19 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 37 Calcolo il valore della statistica U, che mi consente di conoscere il valore di probabilità con l ausilio delle tavole della Distribuzione Normale Standardizzata Il calcolo della statistica U corrisponde ad una operazione di Normalizzazione. La statistica U indica la distanza tra x e la media, esprimendo la distanza in multipli della deviazione standard U dove: x: valore cui siamo interessati σ: deviazione standard nella popolazione µ: media nella popolazione = x µ σ U: deviata normale standardizzata corrispondente ai valori dati per (x, σ, µ). CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 38

20 Il calcolo di U corrisponde ad un operazione di standardizzazione. La curva iniziale viene dapprima centrata sullo 0 e quindi il valore sulle ascisse viene espresso in unità di deviazione standard CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 39 La curva iniziale CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 40

21 U = x µ σ La curva viene centrata sul valore 0 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 41 U = x µ σ il valore sulle ascisse viene espresso in unità di deviazione standard CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 42

22 Data una distribuzione normale con media µ e deviazione standard σ, il valore U, calcolato partendo dai valori dati per x, σ, µ e riportato sulle apposite tabelle indica la probabilità di osservare un valore compreso tra U e CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 43 da U a U CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 44

23 Distribuzione normale standardizzata Area sottesa alla curva tra U e U 0,00 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0, , , , , , , , , , ,1 0, , , , , , , , , , ,2 0, , , , , , , , , , ,3 0, , , , , , , , , , ,4 0, , , , , , , , , , ,5 0, , , , , , , , , , ,6 0, , , , , , , , , , ,7 0, , , , , , , , , , ,8 0, , , , , , , , , , ,9 0, , , , , , , , , , ,0 0, , , , , , , , , , ,1 0, , , , , , , , , , ,2 0, , , , , , , , , , ,3 0, , , , , , , , , , ,4 0, , , , , , , , , , ,5 0, , , , , , , , , , ,6 0, , , , , , , , , , ,7 0, , , , , , , , , , ,8 0, , , , , , , , , , ,9 0, , , , , , , , , , ,0 0, , , , , , , , , , ,1 0, , , , , , , , , , ,2 0, , , , , , , , , , ,3 0, , , , , , , , , , ,4 0, , , , , , , , , , ,5 0, , , , , , , , , , ,6 0, , , , , , , , , , ,7 0, , , , , , , , , , ,8 0, , , , , , , , , , ,9 0, , , , , , , , , , ,0 0, , , , , , , , , , ,1 0, , , , , , , , , , ,2 0, , , , , , , , , , ,3 0, , , , , , , , , , ,4 0, , , , , , , , , , ,5 0, , , , , , , , , , ,6 0, , , , , , , , , , ,7 0, , , , , , , , , , ,8 0, , , , , , , , , , ,9 0, , , , , , , , , , ,0 0, , , , , , , , , , ,1 0, , , , , , , , , ,00001 CdL Infermieristica 4,2 Pediatrica 0, ,00001 ed Ostetricia 0, Statistica 0, ,00001 Medica 0, Le distribuzioni 0, ,00001 teoriche 0,00001 di probabilità. 0, Viene sempre mantenuta la corrispondenza tra la distribuzione normale standard e la distribuzione normale di partenza CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 46

24 da U a U CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 47 da U a da X a U CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 48 X

25 Attenzione A volte le tabelle forniscono la probabilità calcolata secondo altri riferimenti, ad esempio tra - e U, oppure tra 0 ed U. prestate attenzione alle spiegazioni fornite insieme alle tavole. Si può comunque sempre passare da un sistema all altro sfruttando la regola delle probabilità complementari. CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 49 Probabilità cumulativa per la Distribuzione Normale Standard (p da - a U). La tavola indica il valore di P(u), dato il valore di U Second digit of U U CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 50

26 da - a U da U a + U CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 51 da - a U da U a + U CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 52

27 Alcuni valori utili da ricordare U = + 1,96 coda dx, 2,5% tra U = - 1,96 e U = 1,96 area centrale 95% U = - 1,96 coda sx, 2,5% CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 53 0,950 P=0,025 U = -1,960 U = 1,960 P=0,025 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 54

28 Esempio, quale sarà la probabilità di osservare un soggetto di statura inferiore a m 1,8672 data una popolazione con distribuzione gaussiana definita da altezza media 1,730 e deviazione standard 0,07? U = (1,8672-1,730) / 0,07 = + 1,96 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 55 Probabilità cumulativa per la Distribuzione Normale Standard. (p da - a U). La tavola indica il valore di P(u), dato il valore di U Second digit of U U CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 56

29 p=0,975 p = 0,025 U CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 57 Esempio, quale sarà la probabilità di osservare un soggetto di statura superiore a m 1,8672 data una popolazione con altezza media 1,730 e deviazione standard 0,07? U = (1,8672-1,730) / 0,07 = + 1,96 posso riferiremi alla tabella da U a oppure a quella da - a U, usando la regola delle probabilità di eventi complementari. CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 58

30 p=0,975 p = 0,025 U CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 59 Probabilità cumulativa per la Distribuzione Normale Standard (p da - a U). La tavola indica il valore di P(u), dato il valore di U Second digit of U U CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 60

31 Probabilità cumulativa per la Distribuzione Normale Standard. (p da - a U). La tavola indica il valore di P(u), dato il valore di U Second digit of U U CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 61 Attenzione Nelle tabelle spesso si fa riferimento al valore della distribuzione normale standard indicandolo come Z invece che come U. CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 62

32 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 63 Esempio, quale sarà la probabilità di osservare un soggetto di statura inferiore a m 1,5928 data una popolazione con altezza media 1,730 e deviazione standard 0,07? U = (1,5928-1,730) / 0,07 = - 1,96 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 64

33 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 65 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 66

34 Se U < 0 ho due possibilità: 1. Se dispongo della tabella con la distribuzione di z da - a + oppure da - a 0, ricavo direttamente il valore di probabilità. 2. altrimenti calcolo U = -1 * U e ricavo p quindi p = 1- p CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 67 U = -1 * -1,96 = 1,96 p = 0,975 p= 1-p = 1 0,975 = 0,025 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 68

35 Posso infine calcolare la probabilità di estrarre casualmente dalla popolazione un soggetto che ha un valore compreso entro un certo scostamento dalla media della popolazione, in entrambe le direzioni. p(x > µ+x oppure x < µ-x norm(µ,σ)) CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 69 Quale sarà la probabilità di osservare un soggetto la cui statura si scosta dalla media della popolazione di almeno m 0,1372?(data una popolazione con altezza media 1,730 e deviazione standard 0,07) Equivale al calcolo della probabilità di osservare: un soggetto con [altezza < (1,730-0,1372)] O un soggetto con [altezza > (1, ,1372)] CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 70

36 X = 1,730-0,1372 = 1,5928 X = 1, ,1372 = 1,8672 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 71?? CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 72

37 X = 1,730-0,1372 = 1,5928 X = 1, ,1372 = 1,8672 U = (1,5928-1,730) / 0,07 = - 1,96 U = (1,8672-1,730) / 0,07 = + 1,96 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 73 0,950 P=0,025 U = -1,960 U = 1,960 P=0,025 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 74

38 0, ,025 x = 1,5928 x = 1,8672 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 75 Esercizio Si consideri una popolazione con altezza distribuita come una Gaussiana con media (µ) = 172,5 cm e deviazione standard (σ) =6,25 cm. Qual è la probabilità di incontrare un individuo estratto da tale popolazione e di altezza superiore a cm 190? U = ( ,5) / 6,25 = 2,8 Da cui p= 0,00256 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 76

39 Esercizio Si consideri una popolazione con altezza distribuita come una Gaussiana con media (µ) = 172,5 cm e deviazione standard (σ) =6,25 cm. Qual è la probabilità che un individuo estratto da tale popolazione sia di altezza compresa tra cm 165 e 170? Qual è la probabilità che 2 individui estratti da tale popolazione siano entrambi di altezza compresa tra cm 165 e 170? CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 77 Esercizi consigliati da: Fowler et al, ed Edises. Cap 9 (p 225) es 4 Cap 9 (p 225) es 7 Cap 9 (p 225) es 10 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 78

40 Università del Piemonte Orientale Corsi di laurea triennale di area tecnica Corso di Statistica Medica La distribuzione t - student CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 79 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito alla distribuzione normale standard consente di misurare la probabilità di estrarre un campione con il valore dato (o valori più lontani dalla media della popolazione), conoscendo media e deviazione standard della popolazione. Z = ( X - µ)/ (σ/ n). Z = (149,14-145) / (2,53/ 15) = 6,34 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 80

41 Conclusione: la probabilità di estrarre un campione di 15 valori con media 149,14 da una popolazione con media 145 e deviazione standard 2,53 è inferiore a 0,0005. CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 81 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 82

42 Spesso non abbiamo informazioni sul parametro (il valore della deviazione standard nella popolazione). Come possiamo procedere? Usiamo la deviazione standard campionaria, che è una stima non distorta della deviazione standard nella popolazione. CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 83 In questo caso la soluzione adottata è quella di stimare la varianza della popolazione in base alla varianza del campione. Si ricorda infatti che l atteso della varianza campionaria calcolata con il denominatore (n-1) è una stima non distorta della varianza della popolazione. stima non distorta : stima non affetta da errore sistematico. CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 84

43 La varianza del campione (s 2 ) però è affetta da variabilità casuale rispetto alla varianza della popolazione (σ 2 ), a causa del campionamento. Pertanto non potremo usare statistiche basate sulla distribuzione normale standardizzata, che risulterebbe troppo poco conservativa. Gosset (che pubblicava con lo pseudonimo di Student) propose di utilizzare una famiglia di distribuzioni, con forma simmetrica e con ampiezza dipendente dal numero di osservazioni del campione: le funzioni di distribuzione t (o t di Student). CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 85 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 86

44 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità g.l CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 88

45 Il valore di t dipende dall ampiezza campionaria (n) e viene determinato dai gradi di libertà della distribuzione (pari a n-1) Per campioni molto numerosi i valori di t sono molto vicini ai valori di z Così come per la distribuzione normale, è possibile trasformare un osservazione in un valore di t quando sono note la media e la deviazione standard del campione: t = ( x x) s CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 89 La probabilità corrispondente all intervallo tra un dato t e si legge su apposite tabelle, come la seguente. Si noti che i valori di probabilità cumulativa esterni ad un dato valore di t sono maggiori man mano che si riduce il numero di gradi di libertà. La distribuzione t per 30 gradi di libertà è praticamente una distribuzione normale standardizzata. CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 90

46 Probabilità corrispondente al valore t (a due code) g.l. 0,500 0,400 0,300 0,200 0,100 0,050 0,020 0,010 0, ,000 1,376 1,963 3,078 6,314 12,706 31,821 63, , ,816 1,061 1,386 1,886 2,920 4,303 6,965 9,925 31, ,765 0,978 1,250 1,638 2,353 3,182 4,541 5,841 12, ,741 0,941 1,190 1,533 2,132 2,776 3,747 4,604 8, ,727 0,920 1,156 1,476 2,015 2,571 3,365 4,032 6, ,718 0,906 1,134 1,440 1,943 2,447 3,143 3,707 5, ,711 0,896 1,119 1,415 1,895 2,365 2,998 3,499 5, ,706 0,889 1,108 1,397 1,860 2,306 2,896 3,355 5, ,703 0,883 1,100 1,383 1,833 2,262 2,821 3,250 4, ,700 0,879 1,093 1,372 1,812 2,228 2,764 3,169 4, ,697 0,876 1,088 1,363 1,796 2,201 2,718 3,106 4, ,695 0,873 1,083 1,356 1,782 2,179 2,681 3,055 4, ,694 0,870 1,079 1,350 1,771 2,160 2,650 3,012 4, ,692 0,868 1,076 1,345 1,761 2,145 2,624 2,977 4, ,691 0,866 1,074 1,341 1,753 2,131 2,602 2,947 4, ,690 0,865 1,071 1,337 1,746 2,120 2,583 2,921 4, ,689 0,863 1,069 1,333 1,740 2,110 2,567 2,898 3, ,688 0,862 1,067 1,330 1,734 2,101 2,552 2,878 3, ,688 0,861 1,066 1,328 1,729 2,093 2,539 2,861 3, ,687 0,860 1,064 1,325 1,725 2,086 2,528 2,845 3, ,686 0,859 1,063 1,323 1,721 2,080 2,518 2,831 3, ,686 0,858 1,061 1,321 1,717 2,074 2,508 2,819 3, ,685 0,858 1,060 1,319 1,714 2,069 2,500 2,807 3, ,685 0,857 1,059 1,318 1,711 2,064 2,492 2,797 3, ,684 0,856 1,058 1,316 1,708 2,060 2,485 2,787 3, ,684 0,856 1,058 1,315 1,706 2,056 2,479 2,779 3, ,684 0,855 1,057 1,314 1,703 2,052 2,473 2,771 3, ,683 0,855 1,056 1,313 1,701 2,048 2,467 2,763 3, ,683 0,854 1,055 1,311 1,699 2,045 2,462 2,756 3, ,683 0,854 1,055 1,310 1,697 2,042 2,457 2,750 3, ,681 0,851 1,050 1,303 1,684 2,021 2,423 2,704 3, ,679 0,849 1,047 1,299 1,676 2,009 2,403 2,678 3, ,679 0,848 1,045 1,296 1,671 2,000 2,390 2,660 3, ,678 0,847 1,044 1,294 1,667 1,994 2,381 2,648 3, ,678 0,846 1,043 1,292 1,664 1,990 2,374 2,639 3, ,677 0,846 1,042 1,291 1,662 1,987 2,368 2,632 3, ,677 0,845 1,042 1,290 1,660 1,984 2,364 2,626 3, ,677 0,845 1,041 1,289 1,659 1,982 2,361 2,621 3,381 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 91 Esercizi consigliati da: Fowler et al, ed Edises. Cap 9 (p 225) es 11 Cap 9 (p 225) es 12 CdL Infermieristica Pediatrica ed Ostetricia - Statistica Medica - Le distribuzioni teoriche di probabilità. 92

La distribuzione Gaussiana

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

Dettagli

Carta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016

Carta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016 Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano

Dettagli

Statistica Inferenziale

Statistica Inferenziale Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica

Università del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -

Dettagli

Esercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa.

Esercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa. Statistica Matematica A Esercitazione # 6 DUE MEDIE CON VARIANZE NOTE: Esercizio # Le ditte A e B producono sfere luminose. Una volta attivata la reazione chimica che rende luminosa una di queste sfere,

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

ˆp(1 ˆp) n 1 +n 2 totale di successi considerando i due gruppi come fossero uno solo e si costruisce z come segue ˆp 1 ˆp 2. n 1

ˆp(1 ˆp) n 1 +n 2 totale di successi considerando i due gruppi come fossero uno solo e si costruisce z come segue ˆp 1 ˆp 2. n 1 . Verifica di ipotesi: parte seconda.. Verifica di ipotesi per due campioni. Quando abbiamo due insiemi di dati possiamo chiederci, a seconda della loro natura, se i campioni sono simili oppure no. Ci

Dettagli

Generazione di Numeri Casuali- Parte 2

Generazione di Numeri Casuali- Parte 2 Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica e Biometria. Statistica descrittiva

Università del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica e Biometria. Statistica descrittiva Università del Piemonte Orientale Corsi di Laurea Triennale di Area Tecnica Corso di Statistica e Biometria Statistica descrittiva 1 Statistica Funzioni Descrittiva Induttiva (inferenziale) Statistica

Dettagli

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi

Dettagli

Università del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a. 2002 2003. Corso di Statistica Medica. Inferenza sulle medie

Università del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a. 2002 2003. Corso di Statistica Medica. Inferenza sulle medie Università del Piemonte Orientale Corso di dottorato in medicina molecolare aa 2002 2003 Corso di Statistica Medica Inferenza sulle medie Statistica U Test z Test t campioni indipendenti con uguale varianza

Dettagli

Facciamo qualche precisazione

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

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica

Dettagli

Quantificare la variabilità dei processi ecologici

Quantificare la variabilità dei processi ecologici Scopo ecologia Quantificare la variabilità dei processi ecologici Comprensione dei meccanismi fondamentale per identificare gli effetti del disturbo antropico e per prevenire alterazioni su scala globale

Dettagli

MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE

MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE La distanza focale f di una lente convergente sottile è data dalla formula: da cui 1 f = 1 p + 1 q f = pq p + q dove p e q sono, rispettivamente, le

Dettagli

DISTRIBUZIONI DI PROBABILITÀ

DISTRIBUZIONI DI PROBABILITÀ Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI

Dettagli

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

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

Dettagli

Statistica inferenziale

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

Dettagli

Inferenza statistica. Statistica medica 1

Inferenza statistica. Statistica medica 1 Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella

Dettagli

Esercitazioni di statistica

Esercitazioni di statistica Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni

Dettagli

Slide Cerbara parte1 5. Le distribuzioni teoriche

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

Dettagli

Statistiche campionarie

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

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,

Dettagli

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008 Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi

Dettagli

Metodi statistici per le ricerche di mercato

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

Dettagli

UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA

UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA CORSO DI COSTRUZIONI IDRAULICHE A.A. 00-0 PROF. LUIGI DA DEPPO ING. NADIA URSINO ESERCITAZIONE N : Progetto

Dettagli

La mappatura dei geni umani. SCOPO conoscere la localizzazione dei geni per identificarne la struttura e la funzione

La mappatura dei geni umani. SCOPO conoscere la localizzazione dei geni per identificarne la struttura e la funzione La mappatura dei geni umani SCOPO conoscere la localizzazione dei geni per identificarne la struttura e la funzione Un grande impulso alla costruzione di mappe genetiche è stato dato da le tecniche della

Dettagli

VARIABILI ALEATORIE CONTINUE

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

Dettagli

Il campionamento statistico. prof. C.Guida

Il campionamento statistico. prof. C.Guida Il campionamento statistico prof. C.Guida Per determinare le caratteristiche fondamentali di una popolazione statistica non è sempre necessario analizzare tutta la popolazione, ma risulta sufficiente esaminare

Dettagli

Statistica descrittiva

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

Dettagli

Esercizi riassuntivi di probabilità

Esercizi riassuntivi di probabilità Esercizi riassuntivi di probabilità Esercizio 1 Una ditta produttrice di fotocopiatrici sa che la durata di una macchina (in migliaia di copie) si distribuisce come una normale con µ = 1600 e 2 = 3600.

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

Analisi della varianza

Analisi della varianza 1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della

Dettagli

STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio 2015. Modelli continui di probabilità: la v.c. uniforme continua

STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio 2015. Modelli continui di probabilità: la v.c. uniforme continua STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo febbraio 2015 Modelli continui di probabilità: la v.c. uniforme continua Esercizio 1 Anna ha una gift card da 50 euro. Non si sa se sia mai stata utilizzata

Dettagli

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

Dettagli

SOLUZIONE ESERCIZIO 1.1

SOLUZIONE ESERCIZIO 1.1 SOLUZIONE ESERCIZIO 1.1 La temperatura di fusione ed il coefficiente di espansione termica di alcuni metalli sono riportati nella tabella e nel diagramma sottostante: Metallo Temperatura di fusione [ C]

Dettagli

Analisi di dati di frequenza

Analisi di dati di frequenza Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato

Dettagli

p k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4

p k q n k = p n (k) = n 12 = 1 = 12 1 12 11 10 9 1 0,1208. q = 1 2 e si ha: p 12 (8) = 12 8 4 CAPITOLO QUARTO DISTRIBUZIONE BINOMIALE (O DI BERNOULLI) Molti degli esempi che abbiamo presentato nei capitoli precedenti possono essere pensati come casi particolari di uno schema generale di prove ripetute,

Dettagli

Esercizi sulla conversione tra unità di misura

Esercizi sulla conversione tra unità di misura Esercizi sulla conversione tra unità di misura Autore: Enrico Campanelli Prima stesura: Settembre 2013 Ultima revisione: Settembre 2013 Per segnalare errori o per osservazioni e suggerimenti di qualsiasi

Dettagli

ITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio

ITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO

Dettagli

Inferenza statistica

Inferenza statistica Inferenza statistica Si tratta di un complesso di tecniche, basate sulla teoria della probabilità, che consentono di verificare se sia o no possibile trasferire i risultati ottenuti per un campione ad

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

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

Dettagli

Statistica. Esercitazione 16. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice

Statistica. Esercitazione 16. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice Esercitazione 16 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 24 Studio della relazione tra due variabili Commonly Asked Questions Qual è la relazione tra la spesa

Dettagli

La Distribuzione Normale (Curva di Gauss)

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

Dettagli

MATEMATICA e COMPLEMENTI di MATEMATICA

MATEMATICA e COMPLEMENTI di MATEMATICA ALLEGATO N.8_b MATEMATICA e COMPLEMENTI di MATEMATICA DESTINATARI gli studenti delle classi: terze e quarte nuovo ordinamento RISULTATI DI APPRENDIMENTO DELL OBBLIGO D ISTRUZIONE, CHIAVE EUROPEA Padroneggiare

Dettagli

ESAME DI STATISTICA Nome: Cognome: Matricola:

ESAME DI STATISTICA Nome: Cognome: Matricola: ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli

Dettagli

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

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

Dettagli

Matlab per applicazioni statistiche

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

Dettagli

Piano di lavoro di Matematica

Piano di lavoro di Matematica ISTITUTO DI ISTRUZIONE SUPERIORE Liceo Scientifico ALDO MORO Istituto to Tecnico Via Gallo Pecca n. 4/6-10086 Rivarolo Canavese Tel 0124 454511 - Fax 0124 454545 - Cod. Fiscale 85502120018 E-mail: segreteria@istitutomoro.it

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

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

Dettagli

è decidere sulla verità o falsità

è decidere sulla verità o falsità I test di ipotesi I test di ipotesi Il test delle ipotesi consente di verificare se, e in quale misura, una determinata ipotesi (di carattere sociale, biologico, medico, economico, ecc.) è supportata dall

Dettagli

2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale

2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk

Dettagli

Analisi Univariata e Multivariata dei Dati Economici Bruno Ricca (Dipartimento di studi su risorse, impresa, ambiente e metodologie quantitative)

Analisi Univariata e Multivariata dei Dati Economici Bruno Ricca (Dipartimento di studi su risorse, impresa, ambiente e metodologie quantitative) Programma di studio AA 2008-2009 Analisi Univariata e Multivariata dei Dati Economici Bruno Ricca (Dipartimento di studi su risorse, impresa, ambiente e metodologie quantitative) Modulo unico 10 cfu corso

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

Analisi statistica degli errori

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

Dettagli

Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V

Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

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

Dettagli

Esercizi di Calcolo delle Probabilità e Statistica Matematica

Esercizi di Calcolo delle Probabilità e Statistica Matematica Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimento di Ingegneria Industriale e Scienze Matematiche Università Politecnica delle Marche 1. Esercizio (1 marzo 211 n.

Dettagli

Inferenza statistica

Inferenza statistica Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione in base ad informazioni ricavate da un campione. Inferenza statistica: indurre

Dettagli

Statistica Applicata all edilizia: alcune distribuzioni di probabilità

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

Dettagli

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)

Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana

Dettagli

Il confronto fra proporzioni

Il confronto fra proporzioni L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA

ESERCIZI DI STATISTICA DESCRITTIVA ESERCIZI DI STATISTICA DESCRITTIVA ES1 Data la seguente serie di dati su Sesso e Altezza di 8 pazienti, riempire opportunamente due tabelle per rappresentare le distribuzioni di frequenze dei due caratteri,

Dettagli

matematica probabilmente

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

Dettagli

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

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

Dettagli

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI STATISTICA 1 ESERCITAZIONE 1 Dott. Giuseppe Pandolfo 30 Settembre 2013 Popolazione statistica: insieme degli elementi oggetto dell indagine statistica. Unità statistica: ogni elemento della popolazione

Dettagli

DALLA POPOLAZIONE AL CAMPIONE: IL CALCOLO DI PROBABILITÁ

DALLA POPOLAZIONE AL CAMPIONE: IL CALCOLO DI PROBABILITÁ DALLA POPOLAZIONE AL CAMPIONE: IL CALCOLO DI PROBABILITÁ Andrea Onofri Dipartimento di Scienze Agrarie ed Ambientali Universitá degli Studi di Perugia Versione on-line: http://www.unipg.it/ onofri/rtutorial/index.html

Dettagli

ANALISI MULTIVARIATA

ANALISI MULTIVARIATA ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la

Dettagli

7. Si confronti la variabilità del carattere età nel gruppo dei maschi ed in quello delle femmine.

7. Si confronti la variabilità del carattere età nel gruppo dei maschi ed in quello delle femmine. Esercizio n. 1 Da un collettivo di 20 individui si è rilevata la seguente distribuzione univariata multipla relativa ai caratteri età, sesso, numero di automobili possedute: unità età sesso n.auto 1 35

Dettagli

Indice Aspetti generali sul campionamento da popolazioni finite Campionamento probabilistico Disegno campionario semplice

Indice Aspetti generali sul campionamento da popolazioni finite Campionamento probabilistico Disegno campionario semplice Indice 1 Aspetti generali sul campionamento da popolazioni finite.. 1 1.1 Rilevazionicensuarieerilevazionicampionarie... 1 1.2 Lineemetodologichediunarilevazionestatistica... 3 1.3 Popolazioni, etichette,

Dettagli

INDICE PREFAZIONE VII

INDICE PREFAZIONE VII INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione

Dettagli

ANALISI DEI DATI PER IL MARKETING 2014

ANALISI DEI DATI PER IL MARKETING 2014 ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it MISURE DI DISTANZA E SIMILARITA 1 SCOPI DEL CALCOLO Problema: misurare la diversità (ovvero la rassomiglianza) tra

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile

Dettagli

1 Modelli di variabili aleatorie continue

1 Modelli di variabili aleatorie continue Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,

Dettagli

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

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

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Esercitazione di riepilogo 23 Aprile 2013

Esercitazione di riepilogo 23 Aprile 2013 Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)

Dettagli

Istituzioni di Statistica e Statistica Economica

Istituzioni 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. 4 A. Si supponga che la durata in giorni delle lampadine prodotte

Dettagli

TEST DI AUTOVALUTAZIONE TEST SU DUE CAMPIONI

TEST DI AUTOVALUTAZIONE TEST SU DUE CAMPIONI TEST DI AUTOVALUTAZIONE TEST SU DUE CAMPIONI I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Statistica Parte A. Per verificare l efficacia di un farmaco

Dettagli

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema

Dettagli

Temi di Esame a.a. 2012-2013. Statistica - CLEF

Temi di Esame a.a. 2012-2013. Statistica - CLEF Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei

Dettagli

R - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre

R - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre 2013. Università Roma Tre R - Esercitazione 5 Lorenzo Di Biagio dibiagio@mat.uniroma3.it Università Roma Tre Lunedì 2 Dicembre 2013 Intervalli di confidenza (1) Sia X 1,..., X n un campione casuale estratto da un densità f (x,

Dettagli

Esercitazione Strumentazione virtuale

Esercitazione Strumentazione virtuale Esercitazione Strumentazione virtuale - 1 Esercitazione Strumentazione virtuale 1 - Oggetto Introduzione alla strumentazione virtuale. LabView: il pannello frontale e il diagramma a blocchi. Esempi: generatore

Dettagli

ELEMENTI DI STATISTICA PER IDROLOGIA

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

Dettagli

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 1 RAPPRESENTARE I DATI: TABELLE E GRAFICI Un insieme di misure è detto serie statistica o serie dei dati 1) Una sua prima elementare elaborazione può

Dettagli

VARIABILI ALEATORIE E VALORE ATTESO

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

Dettagli

Francesca Pierri Dipartimento di Economia Finanza e Statistica Università degli Studi di Perugia

Francesca Pierri Dipartimento di Economia Finanza e Statistica Università degli Studi di Perugia Francesca Pierri Dipartimento di Economia Finanza e Statistica Università degli Studi di Perugia Introduzione La ricerca accademica ha spesso evidenziato l esigenza di costruire indicatori delle performance

Dettagli

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

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

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2006/2007

Probabilità e Statistica Esercitazioni. a.a. 2006/2007 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

Dettagli

1. Distribuzioni campionarie

1. Distribuzioni campionarie Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie

Dettagli

La distribuzione Normale. La distribuzione Normale

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

Dettagli

I ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale

I ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale

SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale ESERCIZIO nr. 1 I Presidi delle scuole medie superiori di una certa cittá italiana hanno indetto tra gli studenti dell ultimo anno una

Dettagli

i=1 Y i, dove Y i, i = 1,, n sono indipendenti e somiglianti e con la stessa distribuzione di Y.

i=1 Y i, dove Y i, i = 1,, n sono indipendenti e somiglianti e con la stessa distribuzione di Y. Lezione n. 5 5.1 Grafici e distribuzioni Esempio 5.1 Legame tra Weibull ed esponenziale; TLC per v.a. esponenziali Supponiamo che X Weibull(α, β). (i) Si consideri la distribuzione di Y = X β. (ii) Fissato

Dettagli

Definizione unitaria delle coniche

Definizione unitaria delle coniche Autore/i: M.Maddalena Bovetti docente di matematica della Scuola Media Superione Titolo: Definizione unitaria delle coniche Collocazione: Difficoltà: Livello di scolarità: Periodo scolastico: Abstract:

Dettagli

I punteggi zeta e la distribuzione normale

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

Dettagli

Grafici delle distribuzioni di frequenza

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

Dettagli