CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI"

Transcript

1 VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita con la sua ipotesi alternativa devono necessariamente coprire tutte le possibilità e non possono sovrapporsi tra loro 3. V F Se il valore Z è usato per provare l ipotesi nulla che la media della popolazione uguaglia un numero dato, i valori negativi e positivi di Z porteranno a un rifiuto di H 0 4. V F Se l area della regione di rifiuto,α, è 0,05, le aree delle code combinate in un test a due code riguardanti la media della popolazione è 0,10 5. V F Se il valore Z che è usato per testare un ipotesi nulla non cade nella regione di rifiuto, la giusta decisione è di non rifiutare l ipotesi nulla 6. V F Il p value è il valore più piccolo di α per il quale si può rifiutare l ipotesi nulla 7. V F Se l ipotesi nulla è vera e la tua decisione è di rifiutarla,commetti un errore di I tipo 8. V F Sara Moretti ha finito di analizzare i dati e crede fermamente che l ipotesi nulla sia vera. Sfortunatamente,Sara non sa che i dati che ha raccolto erano inventati e l ipotesi alternativa è realmente vera. Sara ha commesso un errore di II tipo. 9. V F Per condurre un test sulla coda di sinistra per la media di una popolazione, l ipotesi alternativa H A dovrà essere che la popolazione superi un numero specifico. 10. V F Un modo per determinare se un test è sulla coda di destra o sulla coda di sinistra è che il segno < sia incluso nell ipotesi alternativa del test sulla coda di sinistra e che il segno > sia incluso nell ipotesi alternativa del test sulla coda di destra RISPOSTE: 1. Vero 6. Vero 2. Vero 7. Vero 3. Vero 8. Vero 4. Falso 9. Falso 5. Vero 10. Vero

2 SCELTE MULTIPLE 1. Delle seguenti comuni parole,quale si avvicina di più al significato d ipotesi? a) Esperimento b) Decisione c) Evento d) Supposizione 2. Ogni volta che un ipotesi è testata, la dimostrazione che è usata per determinare la validità viene da: a) Decisione b) Congettura c) Dato campione d) Teoria 3. Le tecniche per testare le ipotesi potrebbero essere utilizzate per indagare sulle congetture riguardo a quale dei seguenti concetti? a) Forma della distribuzione b) Media della popolazione c) Variabilità della popolazione d) Tutte quelle sopra 4. Le ipotesi riguardanti le variabili nominali consistono tipicamente in un affermazione riguardante della popolazione a) Media b) Proporzione c) Deviazione standard d) Mediana 5. Tutte le seguenti sono ipotesi possibili riguardanti i dati nominali eccetto: a) La percentuale di persone a favore della marca A è più grande della percentuale a favore della marca B b) Il profitto medio degli elettricisti supera quello dei carpentieri c) Il numero di proprietari con assicurazione a vita supera il numero con assicurazione auto d) Ci sono più montagne oltre i piedi in Perù rispetto che in India 6. Tre passi nella procedura per testare le ipotesi formali sono le seguenti: 1. calcolare la statistica test 2. impostare le ipotesi nulle e alternative 3. stabilire il livello di significatività e trovare il p value La corretta sequenza dei tre passi è. a) 2,1,3 b) 1,2,3 c) 2,3,1 d) 3,2,1

3 7. Un droghiere è interessato a scoprire se il peso medio di un pacco di carne venduto nel negozio è pari a 1 kg. Un ipotesi nulla appropriata per questo studio è: 8. Quale delle seguenti coppie di ipotesi nulle e alternative potrebbero essere usate in un test d ipotesi? 9. prendendo spunto dalle definizioni valide anche per la probabilità, le ipotesi nulle e le ipotesi alternative sono in pratica: a. mutuamente esclusive ed esaustive b. indipendenti e mutuamente esclusive c. indipendenti e esaustive d. mutuamente esclusive e indipendenti 10. lo strumento che permette di scegliere tra ipotesi nulle e ipotesi alternative è: a) Parametro della popolazione b) Distribuzione della popolazione c) Livello di significatività d) Valore del statistica test 11. Il valore della statistica test è calcolato a) Dai dati campionari b) Determinando il corrispondente parametro della popolazione c) Da tabelle statistiche d) Usando il valore di α 12. La regione di rifiuto è un intervallo di valori del test statistico che conduce a: a) Rifiutare le ipotesi alternative b) Porta a rifiutare le ipotesi nulle c) Rifiuta le ipotesi nulle d) Porta a prendere una decisione 13. Un test per i piccoli campioni della media è condotto quando: a. La deviazione standard della popolazione, σ, è conosciuta e la grandezza campionaria n<=50 b. La deviazione standard della popolazione, σ, non è conosciuta e la grandezza campionaria n<=50 c. La deviazione standard della popolazione, σ, è conosciuta e la grandezza campionaria n<=30

4 d. La deviazione standard della popolazione, σ,non è conosciuta e la grandezza campionaria n<= Quale grandezza campionaria permette di condurre un test per i grandi campioni della media dato che la deviazione standard della popolazione è sconosciuta? a. 30 b. 31 c. 29 d. Nessuna grandezza campionaria, il test non può esser condotto in questo caso 15. L area di rifiuto per un test a due code che usa la distribuzione standard normale è quell area sotto la quale la distribuzione giace a. Tra 0 il valore di soglia positivo per Z b. Tra il valore positivo di soglia per Z e il valore negativo di soglia di Z c. Tra 0 e il valore negativo di soglia di Z d. Alla destra del valore positivo di soglia di Z e alla sinistra del valore negativo di soglia di Z 16. La procedura corretta per trovare la regione di rifiuto per un test a due code prima di guardare al valore di soglia di Z nella tabella standard normale è di prendere il valore di α e a. Raddoppiarlo b. Dimezzarlo c. Usarne il valore assoluto d. Sottrarlo da Un manager di un ristorante pensa che il conto medio pagato dai suoi clienti sia di 25 euro. Per testare la sua ipotesi,registra i 50 conti successivi. Tutte sono sopra i 25 euro. Dunque può subito concludere che il conto medio pagato da tutti i suoi clienti a. Supera i 25 euro b. Sia uguale a 25 euro c. È meno di 25 euro d. Potrebbe essere maggiore,uguale o superiore a 25 euro 18. Hai appena condotto un test d ipotesi in cui hai trovato un p value di 0,052 e hai rifiutato H 0. quale affermazione sul livello di significatività,α, è vero? 19. In un test a due code della media dove α=0,05 e la deviazione standard della popolazione è conosciuta, quali sono i valori critici?

5 20. Per ogni test d ipotesi cosa si può dire riguardo ai due metodi per prendere le decisioni? a. Il metodo p value arriverà sempre alla stessa conclusione del metodo della regione di rifiuto b. Il metodo p value rifiuta H 0 più spesso rispetto al metodo della regione di rifiuto c. Il metodo p value rifiuta H 0 meno spesso rispetto al metodo della regione di rifiuto d. Solo un metodo può essere applicato in un dato test d ipotesi 21. Il p value è il valore per α per cui si può a. Più piccolo,rifiutare H 0 b. Più grande, rifiutare H 0 c. Più piccolo, rifiutare H A d. Più grande,rifiutare H A 22. Un manager di una stazione di benzina trova che anche un articolo pubblicato asserisce che i clienti fanno benzina con una media di 15 l di benzina ogni volta, gli ultimi 100 clienti hanno fatto una media di 13,5 l. Se il p value era 0,002, il manager può concludere che c è un di possibilità che potrebbe aver ottenuto una media campionaria di l se la media della popolazione è 23. È stato condotto recentemente uno studio che ha prodotto un p value di 0,001 dopo che erano stati analizzati tutti i dati. I ricercatori concludono correttamente che i dati sono a. Altamente compatibili con le ipotesi nulle b. Insufficienti a scrivere una conclusione e che è necessario raccogliere più dati c. Altamente compatibili con le ipotesi alternative d. Indicative di una regione di rifiuto delle ipotesi nulle 24. Un test d ipotesi è condotto con α=0,03 ed è calcolato un p value di 0,025. Il test è condotto una seconda volta con gli stessi dati campionari ma ora con α=0,02. Quali sono le rispettive conclusioni nel primo e nel secondo test? a. Rifiutare H 0,rifiutare H 0 b. Non rifiutare H 0, rifiutare H 0 c. rifiutare H 0, Non rifiutare H 0 d. Non rifiutare H 0,non rifiutare H 0

6 Usare le seguenti informazioni per rispondere alle domande I dati indicano che dovresti: situazione attuale H 0 vero H A vero Credere in H 0 A B Credere in H A C D 25. La definizione corretta mancante delle condizioni definite dalla cella A è a. commesso Errore di I tipo b. commesso errore di II tipo c. credi giustamente alle vera ipotesi nulla d. rifiuti correttamente l ipotesi nulla 26. La definizione corretta mancante delle condizioni definite dalla cella B è a. commesso Errore di I tipo b. commesso errore di II tipo c. credi giustamente alle vera ipotesi nulla d. rifiuti correttamente l ipotesi nulla 27. La definizione corretta mancante delle condizioni definite dalla cella C è a. commesso Errore di I tipo b. commesso errore di II tipo c. credi giustamente alle vera ipotesi nulla d. rifiuti correttamente l ipotesi nulla 28. La definizione corretta mancante delle condizioni definite dalla cella D è a. commesso Errore di I tipo b. commesso errore di II tipo c. credi giustamente alle vera ipotesi nulla d. rifiuti correttamente l ipotesi nulla 29. se la probabilità di commettere un errore di I tipo aumenta: a. α diminuisce b. β aumenta c. α+β aumenta d. β diminuisce 30. Le ipotesi nulle e alternative sono rispettivamente il paziente ha una malattia e il paziente non ha una malattia. Quale affermazione descrive una giusta conseguenza di commettere un errore del II tipo? a. Il paziente è curato per una malattia che non ha b. Il paziente non è curato per una malattia che ha c. Il paziente è curato per una malattia che ha d. Il paziente non è curato per nessuna malattia

7 31. Se il costo per una compagnia di commettere un errore di I tipo è molto vicino al costo di commettere un errore di II tipo, allora il valore di α dovrebbe essere: a. Piccolo,0,01 o meno b. Grande,0,01 o di più c. Vicino o proprio 0,05 d. Qualsiasi che sia comodo 32. Ogni volta che è condotto un test a due code, la procedura del test richiede che il simbolo del segno rimane nell ipotesi a. =,nulla b.,nulla c. >,alternativa d. =,alternativa 33. L ipotesi alternativa appropriata per un test a due code per determinare se la media del peso corporeo di tutti gli uomini che hanno partecipato a un corso in palestra è 80 kg, dovrebbe essere: 34. L ipotesi alternativa appropriata per un test sulla coda di sinistra per determinare se la media del peso corporeo di tutti gli uomini che hanno partecipato a un corso in palestra è meno 80 kg,dovrebbe essere: 35. L ipotesi nulla appropriata per un test sulla coda di destra per determinare se la media del peso corporeo di tutti gli uomini che hanno partecipato a un corso in palestra supera gli 80 kg, dovrebbe essere:

8 36. Quale coppia di ipotesi corrispondono a un test sulla coda di sinistra? 37. Devi verificare se il parametro della popolazione si è allontanato dai suoi valori precedenti in ogni direzione. Il test sarà: a. Sulla coda di destra b. Sulla coda di sinistra c. A due code d. Un test per piccoli campioni 38. Il proprietario di un ristorante pensa che il conto medio pagato dai suoi clienti sia più di 25 euro. Per testare la sua ipotesi, registra i 36 conti seguenti. Calcola una media campione di 26 euro e una deviazione campione standard di 4 euro e conduce il test d ipotesi al livello di significatività 0,05. Il p value è e decide che la sua richiesta è a. 0,067, confermata b. 0,134, confermata c. 0,134, non confermata d. 0,067, non confermata 39. Ogni volta che si conduce un test della media sulla coda di sinistra, la regione critica sotto la curva normale è l area sotto la curva che è collocata: a. Alla destra del valore critico Z b. Alla sinistra del valore critico Z c. Tra 0 e il valore critico Z d. Tra il valore critico Z e il valore critico +Z 40. Ogni volta che si conduce un test della media sulla coda di destra, la regione critica sotto la curva normale è l area sotto la curva che è collocata: a. Alla destra del valore critico +Z b. Alla sinistra del valore critico +Z c. Tra 0 e il valore critico +Z d. Tra il valore critico Zcutoff e il valore critico +Zcutoff

9 RISPOSTE:

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

Corso di Psicometria Progredito

Corso di Psicometria Progredito Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014

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

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

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

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

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1 Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo

Dettagli

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.

Dettagli

Capitolo 12 La regressione lineare semplice

Capitolo 12 La regressione lineare semplice Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara

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

Metodi statistici per le ricerche di mercato

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

Dettagli

STATISTICA IX lezione

STATISTICA IX lezione Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri

Dettagli

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che

Tema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x

Dettagli

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food

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

L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt

L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELL ROLE Six Sigma Master lack elt Dicembre, 009 Introduzione Nell esecuzione dei progetti Six Sigma è di fondamentale importanza sapere se

Dettagli

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso

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 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi

Dettagli

Domande a scelta multipla 1

Domande a scelta multipla 1 Domande a scelta multipla Domande a scelta multipla 1 Rispondete alle domande seguenti, scegliendo tra le alternative proposte. Cercate di consultare i suggerimenti solo in caso di difficoltà. Dopo l elenco

Dettagli

CAPITOLO 7 LE DISTRIBUZIONI CAMPIONARIE E GLI INTERVALLI DI CONFIDENZA

CAPITOLO 7 LE DISTRIBUZIONI CAMPIONARIE E GLI INTERVALLI DI CONFIDENZA SOLUZIONI 7.1 7.2 7.3 7.4 7.5 a) X=6,3 minuti b) 3,7 minuti CAPITOLO 7 LE DISTRIBUZIONI CAMPIONARIE E GLI INTERVALLI DI CONFIDENZA a) Quantitativo,discreto b) P=502/1004=0,5 o 50% c) Età,tipo di lavoro,

Dettagli

L Analisi della Varianza ANOVA (ANalysis Of VAriance)

L Analisi della Varianza ANOVA (ANalysis Of VAriance) L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

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

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

Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale

Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Facoltà di Scienze della Comunicazione Università di Teramo Scelta

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

Blanchard, Macroeconomia Una prospettiva europea, Il Mulino 2011 Capitolo IV. I mercati finanziari. Capitolo IV. I mercati finanziari

Blanchard, Macroeconomia Una prospettiva europea, Il Mulino 2011 Capitolo IV. I mercati finanziari. Capitolo IV. I mercati finanziari Capitolo IV. I mercati finanziari 1. La domanda di moneta La moneta può essere usata per transazioni, ma non paga interessi. In realtà ci sono due tipi di moneta: il circolante, la moneta metallica e cartacea,

Dettagli

LEZIONE n. 5 (a cura di Antonio Di Marco)

LEZIONE n. 5 (a cura di Antonio Di Marco) LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,

Dettagli

Esercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010

Esercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe

Dettagli

Analisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni

Analisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni Statistica Economica Materiale didattico a cura del docente Analisi dei residui Test Esatto di Fisher Differenza fra proporzioni 1 Analisi dei residui Il test statistico ed il suo p-valore riassumono la

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI DELLE FREQUENZE: IL TEST CHI 2 ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento

Dettagli

Metodi Matematici e Informatici per la Biologia----31 Maggio 2010

Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 COMPITO 4 (3 CREDITI) Nome: Cognome: Matricola: ISTRUZIONI Gli esercizi che seguono sono di tre tipi: Domande Vero/Falso: cerchiate V o

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

Capitolo 4. Elasticità. Principi di economia (seconda edizione) Robert H. Frank, Ben S. Bernanke. Copyright 2007 - The McGraw-Hill Companies, srl

Capitolo 4. Elasticità. Principi di economia (seconda edizione) Robert H. Frank, Ben S. Bernanke. Copyright 2007 - The McGraw-Hill Companies, srl Capitolo 4 Elasticità In questa lezione introdurremo il concetto di elasticità: un indicatore dell entità con cui domanda e offerta reagiscono a variazioni di prezzo, reddito ed altri elementi. Nella lezione

Dettagli

Capitolo 25: Lo scambio nel mercato delle assicurazioni

Capitolo 25: Lo scambio nel mercato delle assicurazioni Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel

Dettagli

Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita

Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita Primi esercizi per gli studenti del corso di Statistica ed Elementi di Probabilita NOTA 1 Gli esercizi sono presi da compiti degli scorsi appelli, oppure da testi o dispense di colleghi. A questi ultimi

Dettagli

Esercitazione n.2 Inferenza su medie

Esercitazione n.2 Inferenza su medie Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione

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

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0 Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice

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

Statistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice

Statistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo

Dettagli

La variabile casuale Binomiale

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

Dettagli

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

Capitolo 13: L offerta dell impresa e il surplus del produttore

Capitolo 13: L offerta dell impresa e il surplus del produttore Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:

Dettagli

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che

Dettagli

MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza

MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti. Enrico Saltari Università di Roma La Sapienza MICROECONOMIA La teoria del consumo: Alcuni Arricchimenti Enrico Saltari Università di Roma La Sapienza 1 Dotazioni iniziali Il consumatore dispone ora non di un dato reddito monetario ma di un ammontare

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

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

Dettagli

Indici di dispersione

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

Dettagli

MONOPOLIO, MONOPOLISTA

MONOPOLIO, MONOPOLISTA Barbara Martini OBIETTIVI IL SIGNIFICATO DI MONOPOLIO, IN CUI UN SINGOLO MONOPOLISTA È L UNICO PRODUTTORE DI UN BENE COME UN MONOPOLISTA DETERMINA L OUTPUT ED IL PREZZO CHE MASSIMIZZANO IL PROFITTO LA

Dettagli

e il calcolo percentuale

e il calcolo percentuale SCHEDA 1 Le proporzioni e il calcolo percentuale Gli obiettivi didattici Conoscere i concetti di proporzionalità diretta e inversa Conoscere il calcolo percentuale Saper applicare il calcolo percentuale

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

Test d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi

Test d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se

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

VERIFICA DELLE IPOTESI

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

Dettagli

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

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

Il campionamento statistico

Il campionamento statistico Lezione 13 Gli strumenti per il miglioramento della Qualità Il campionamento statistico Aggiornamento: 19 novembre 2003 Il materiale didattico potrebbe contenere errori: la segnalazione e di questi errori

Dettagli

Capitolo 25: Lo scambio nel mercato delle assicurazioni

Capitolo 25: Lo scambio nel mercato delle assicurazioni Capitolo 25: Lo scambio nel mercato delle assicurazioni 25.1: Introduzione In questo capitolo la teoria economica discussa nei capitoli 23 e 24 viene applicata all analisi dello scambio del rischio nel

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico

Dettagli

APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE

APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE 1. Proporzionalità diretta e proporzionalità inversa Analizziamo le seguenti formule Peso Lordo = Peso Netto + Tara Ricavo = Utile + Costo Rata = Importo + Interesse

Dettagli

Test statistici di verifica di ipotesi

Test statistici di verifica di ipotesi Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall

Dettagli

La logica statistica della verifica (test) delle ipotesi

La logica statistica della verifica (test) delle ipotesi La logica statistica della verifica (test) delle ipotesi Come posso confrontare diverse ipotesi? Nella statistica inferenziale classica vengono sempre confrontate due ipotesi: l ipotesi nulla e l ipotesi

Dettagli

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

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

Dettagli

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza. VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della

Dettagli

Il mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria

Il mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria Il mercato assicurativo: selezione avversa, fallimenti del mercato, menù di contratti, assicurazione obbligatoria Esercizio 1 Ci sono 2000 individui ciascuno con funzione di utilità Von Neumann-Morgestern

Dettagli

SPECTER OPS. L'obiettivo del giocatore agente è quello che il suo agente completi 3 su 4 missioni obiettivo qualsiasi

SPECTER OPS. L'obiettivo del giocatore agente è quello che il suo agente completi 3 su 4 missioni obiettivo qualsiasi SPECTER OPS REGOLE 2-3 giocatori: 1 agente e 2 cacciatori - Le 4 missioni obiettivo sono conosciute dai giocatori: si lancia il dado e si segnano col relativo gettone sul lato verde sulla plancia e sul

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

UNA LEZIONE SUI NUMERI PRIMI: NASCE LA RITABELLA

UNA LEZIONE SUI NUMERI PRIMI: NASCE LA RITABELLA UNA LEZIONE SUI NUMERI PRIMI: NASCE LA RITABELLA Tutti gli anni, affrontando l argomento della divisibilità, trovavo utile far lavorare gli alunni sul Crivello di Eratostene. Presentavo ai ragazzi una

Dettagli

13. Campi vettoriali

13. Campi vettoriali 13. Campi vettoriali 1 Il campo di velocità di un fluido Il concetto di campo in fisica non è limitato ai fenomeni elettrici. In generale il valore di una grandezza fisica assegnato per ogni punto dello

Dettagli

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014 Dipartimento di Economia Aziendale e Studi Giusprivatistici Università degli Studi di Bari Aldo Moro Corso di Macroeconomia 2014 1. Assumete che = 10% e = 1. Usando la definizione di inflazione attesa

Dettagli

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente

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

Capitolo 10 Z Elasticità della domanda

Capitolo 10 Z Elasticità della domanda Capitolo 10 Z Elasticità della domanda Sommario Z 1. L elasticità della domanda rispetto al prezzo. - 2. La misura dell elasticità. - 3. I fattori determinanti l elasticità. - 4. L elasticità rispetto

Dettagli

Economia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1

Economia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1 Economia Applicata ai sistemi produttivi 06.05.05 Lezione II Maria Luisa Venuta 1 Schema della lezione di oggi Argomento della lezione: il comportamento del consumatore. Gli economisti assumono che il

Dettagli

Esercitazione 9 Dott.ssa Sabrina Pedrini 29/04/2015. Domande a risposta multipla

Esercitazione 9 Dott.ssa Sabrina Pedrini 29/04/2015. Domande a risposta multipla Esercitazione 9 Dott.ssa Sabrina Pedrini 29/04/2015 Domande a risposta multipla 1) Il primo teorema dell economia del benessere sostiene che: a) L equilibrio competitivo dipende dal potere contrattuale

Dettagli

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.

Dettagli

4. Confronto tra medie di tre o più campioni indipendenti

4. Confronto tra medie di tre o più campioni indipendenti BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

TEMPO E RISCHIO. Il valore del denaro è funzione del tempo in cui è disponibile

TEMPO E RISCHIO. Il valore del denaro è funzione del tempo in cui è disponibile Esercitazione TEMPO E RISCHIO Il valore del denaro è funzione del tempo in cui è disponibile Un capitale - spostato nel futuro si trasforma in montante (capitale iniziale più interessi), - spostato nel

Dettagli

risulta (x) = 1 se x < 0.

risulta (x) = 1 se x < 0. Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente

Dettagli

Corso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.

Corso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr. Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame dell 11/1/2012 NOME COGNOME N. Matr. Rispondere alle domande nel modo più completo possibile, cercando di

Dettagli

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede

Dettagli

Capitolo 11 Test chi-quadro

Capitolo 11 Test chi-quadro Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova

Dettagli

Psicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE

Psicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una

Dettagli

LA STATISTICA NEI TEST INVALSI

LA STATISTICA NEI TEST INVALSI LA STATISTICA NEI TEST INVALSI 1 Prova Nazionale 2011 Osserva il grafico seguente che rappresenta la distribuzione percentuale di famiglie per numero di componenti, in base al censimento 2001. Qual è la

Dettagli

LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ

LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ LA MASSIMIZZAZIONE DEL PROFITTO ATTRAVERSO LA FISSAZIONE DEL PREZZO IN FUNZIONE DELLE QUANTITÀ In questa Appendice mostreremo come trovare la tariffa in due parti che massimizza i profitti di Clearvoice,

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 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del

Dettagli

Elementi di Psicometria

Elementi di Psicometria Elementi di Psicometria E2-Riepilogo finale vers. 1.2 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia) ElemPsico 2010-2011

Dettagli

LE CARTE DI CONTROLLO (4)

LE CARTE DI CONTROLLO (4) LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale

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

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

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

SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015

SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015 SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 015 1. Indicando con i minuti di conversazione effettuati nel mese considerato, la spesa totale mensile in euro è espressa dalla funzione f()

Dettagli

PSICOLOGIA. La ricerca nelle scienze sociali. Le tecniche di rilevazione dei dati. L'osservazione. il testo:

PSICOLOGIA. La ricerca nelle scienze sociali. Le tecniche di rilevazione dei dati. L'osservazione. il testo: il testo: 01 Le tecniche di rilevazione dei dati Le principali tecniche di raccolta dei dati si dividono in: tecniche descrittive: il ricercatore osserva ciò che sta studiando. Sono tecniche descrittive

Dettagli

Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C

Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato

Dettagli

CAPITOLO 10 I SINDACATI

CAPITOLO 10 I SINDACATI CAPITOLO 10 I SINDACATI 10-1. Fate l ipotesi che la curva di domanda di lavoro di una impresa sia data da: 20 0,01 E, dove è il salario orario e E il livello di occupazione. Ipotizzate inoltre che la funzione

Dettagli

LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE

LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile

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

Logica Numerica Approfondimento 1. Minimo Comune Multiplo e Massimo Comun Divisore. Il concetto di multiplo e di divisore. Il Minimo Comune Multiplo

Logica Numerica Approfondimento 1. Minimo Comune Multiplo e Massimo Comun Divisore. Il concetto di multiplo e di divisore. Il Minimo Comune Multiplo Logica Numerica Approfondimento E. Barbuto Minimo Comune Multiplo e Massimo Comun Divisore Il concetto di multiplo e di divisore Considerato un numero intero n, se esso viene moltiplicato per un numero

Dettagli

ISTITUTO COMPRENSIVO BARBERINO MUGELLO

ISTITUTO COMPRENSIVO BARBERINO MUGELLO IL PESO percorso didattico scuola primaria Sperimentazione didattica ISTITUTO COMPRENSIVO BARBERINO MUGELLO I bambini utilizzano spontaneamente il concetto di pesante? Collochiamo su un banco alcuni oggetti:

Dettagli