obbligatorio - n. iscrizione sulla lista
|
|
- Giacomo Boscolo
- 5 anni fa
- Visualizzazioni
Transcript
1 appello ENE - docente: E. Piazza obbligatorio - n. iscrizione sulla lista se non ve lo ricordate siete fritti; o no? il presente elaborato si compone di x (ics) pagine Cognome Nome matr.n. Avvertimento: nello svolgimento degli esercizi se una quantità è indicata con il simbolo x continuare a chiamarla x, e se si chiama W non chiamarla X, e se si chiama t i non chiamarla x i, e se si chiama T n nonindicarlacon X n.sevoletescriveredipendentinonscriveteindipendenti,sedovete sottrarre non sommate. Si fanno troppi errori di distrazione. Mi raccomando: concentrazione. Si consiglia di lavorare con 3 decimali, arrotondando opportunamente. Problema 1. Quando il camaleonte Jordan caccia in primavera, il numero di insetti che riesce a catturare è ben descritto da un processo di Poisson. In mezz ora mediamente Jordan cattura 5 insetti. Indicare con N t il numero di insetti catturati nell intervallo di tempo(0; t], t misurata in minuti. 1.1 Si calcoli la probabilità che in 1 minuto il camaleonte Jordan catturi al massimo un insetto. N t rappresenta il numero di insetti catturati in t minuti. Sia ν il numero medio di insetti catturati in 1 minuto. Allora N t P(νt). Dato che il numero medio di insetti catturati in 30 minuti è pari a 30ν =5, si ottiene ν=1/6 e quindi N t P( 1 6 t). N 1 P( 1 6 ) rappresenta il numero di insetti catturati in 1 minuto; la probabilità che in 1 minuto il camaleonte catturi al massimo un insetto è quindi P(N 1 1)=P(N 1 =0)+P(N 1 =1)=e 1/ e 1/6 = Si calcoli la probabilità che in 2 minuti il camaleonte Jordan catturi più di 2 insetti. N 2 P( 1 3 ) rappresenta il numero di insetti catturati in 2 minuti; la probabilità che in 2 minuti il camaleonte catturi più di 2 insetti è quindi P(N 2 >2)=1 P(N 2 2)=1 P(N 1 =0) P(N 1 =1) P(N 2 =2) =1 e 1/3 1 3 e 1/ e 1/3 2 3 = Si calcoli, con una opportuna approssimazione, la probabilità che in 2 ore il camaleonte Jordan catturi almeno 25 insetti. Il numero di insetti catturati in 2 ore è N 120 P(20). La probabilità cercata può essere approssimata grazie al TCL (dato che λ=νt >5) nel seguente modo P(N )=1 P(N ) 1 φ =1 φ(1.0062)= Per sfamarsi, ogni giorno, il camaleonte Jordan deve catturare almeno 25 insetti. 1.4 Calcolare il numero n minimo di minuti che il camaleonte Jordan deve dedicare alla cattura di insetti ogni giorno, affinché la probabilità di sfamarsi risulti almeno pari al 25%. 1
2 Dobbiamo trovare t tale che P(N t 25) Poiché P(N ) <0.25 la soluzione sarà sicuramente data da un t > 120, che possiamo quindi determinare via approssimazione normale: 24.5 t/6 P(N t 25)=1 P(N t 24.5) 1 φ 0.25 t/ t/6 t/6 < z 0.25 =0.674 t >128.3 n=129. 2
3 Problema 2. Gli Scalari sono pesci d acqua dolce che amano vivere in un ambiente leggermente acido. Per abbassare il ph e rendere l acquario adatto agli Scalari, si possono usare vari metodi naturali come le foglie di Catappa o le pigne di Ontano. Si vuole testare se le foglie di Catappa producono un abbassamento medio del ph maggiore di quello causato dalle pigne di Ontano. A tal fine, si misurano gli abbassamenti di ph per 41 acquari trattati con foglie di Catappa e 31 acquari in cui sono state immerse pigne di Ontano. Elaborando i dati raccolti si ottengono le seguenti medie e varianze campionarie, c=1.0513, s 2 C= , ō=0.9689, s 2 O=0.2359, e i seguenti grafici dei quantili, affiancati dai relativi esiti del test di Shapiro-Wilk: 2.1 Possiamo considerare normale la diminuzione del ph per entrambi i trattamenti? Perché? Sia X C la diminuzione di ph per un acquario trattato con le foglie di Catappa e sia X O la diminuzione di ph per un acquario trattato con le pigne di Ontano. Siano µ C, σ 2 C e µ O, σ 2 O le relative medie e varianze. I Q-Q plot di entrambi i campioni sono approssimativamente distribuiti come due rette; inoltre il test di Shapiro-Wilk fornisce in entrambi i casi p-value alti (rispettivamente e ), quindi possiamo assumere la normalità di entrambe le diminuzioni. 2.2 Possiamo considerare uguali le varianze della diminuzione del ph per i due trattamenti? Rispondere mediante un opportuno test d ipotesi di livello 5%. Si specifichino ipotesi nulla, ipotesi alternativa, regione critica, condizioni d uso, risultato del test, tipo di conclusione (forte o debole). Eseguiamo un test per le ipotesi 3
4 H 0 : σ 2 C= σ 2 O H 1 : σ 2 C= σ 2 O Grazie alla normalità delle due diminuzioni, possiamo usare la regione critica di livello α RC α = f 0 = s2 C s 2 < f 1 α (n 2 C 1,n O 1) f 0 = s2 C O s 2 > fα (n 2 C 1,n O 1). O Inserendo i dati, otteniamo f 0 = e RC 0.05 ={f 0 <0.515)} {f 0 >2.01} quindi rifiutiamo l ipotesi nulla al 5% (p-value ): le varianze sono diverse (conclusione forte). 2.3 Stimare la differenza tra le due diminuzioni medie con un intervallo di confidenza bilatero al 95% IC 95%. Avendo le due diminuzioni diversa varianza, calcoliamo i gradi di libertà ν= s 2 2 C n C + s2 O no (s 2 C /nc)2 n C+1 + (s2 O /no)2 n O+1 2= con cui si calcola s 2 C IC 95% (µ C µ O )= c ō±t (48) + s2 O =0.0824± = n C n O = ± =( , ). 2.4 Abbiamo una forte evidenza statistica che le foglie di Catabba producano una diminuzione media del ph maggiore delle pigne di Ontano? Rispondere mediante un opportuno test d ipotesi di livello 1%. Si specifichino ipotesi nulla, ipotesi alternativa, regione critica, condizioni d uso, conclusione. Dobbiamo eseguire un test per le ipotesi H 0 : µ C µ O H 1 : µ C > µ O Avendo le due diminuzioni diversa varianza, usiamo la regione critica di livello α c ō t 0 = > t s 2 α (ν), C n C + s2 O no dove ν sono i gradi di libertà già calcolati. Inserendo i nostri dati, troviamo t 0 =0.834 t 0.01 (48)=2.41 e quindi non possiamo rifiutare l ipotesi nulla all 1%: non c è una forte evidenza statistica che le foglie di Catabba producano una diminuzione media del ph maggiore delle pigne di Ontanole. 4
5 Problema3. L infermiera Ambra è un po sbadata e si è dimenticata la quantità di paracetamolo che il medico ha prescritto per i due nuovi pazienti! Fortunatamente la sua amica Ingrid è molto previdente e, conoscendo la scarsa memoria dell amica, ha preso nota delle quantità di paracetamolo (in mg) somministrate ai 22 giovani pazienti del giorno precedente, e il loro peso corporeo (in kg). Ingrid suggerisce inoltre che la relazione tra queste due quantità possa essere descritta mediante un modello empirico gaussiano con responso la quantità Q di paracetamolo prescritta e predittore il peso P del paziente. Per verificare la validità del modello e inferire sui suoi parametri viene utilizzato il software R, ottenendo il seguente risultato: 3.1 Scrivere l equazione della retta di regressione stimata. ˆQ= P. 3.2 Commentare la validità del modello di regressione. Il modello utilizzato spiega buona parte della variabilità dei dati (il coefficiente di determinazione R 2 è molto alto, pari a0.9392). Le ipotesi gaussiane sugli errori sembrano essere verificate: il grafico dei residui è la classica nuvola e il Q-Q plot dei residui è abbastanza vicino a una retta (la coda destra si discosta un po dalla retta, ma questa può essere solo una fluttuazione dovuta allo scarso numero di dati utilizzati), ad indicare che l ipotesi di omoschedasticità e normalità degli errori sia verificata. Inoltre, il p-value del test di Shapiro-Wilk è alto (0.4007) quindi possiamo assumere gli errori normali. Il regressore P, e di conseguenza il modello di regressione stesso, sembra essere significativo (p-value del t test per β 1 =0 molto basso, pari a1.25e 13). L intercetta tuttavia non sembra essere significativamente diversa da zero. 3.3 Fornire una stima intervallare, di confidenza 99% (IC 99% ) di b 1 cioè della variazione media di Q corrispondente a un aumento unitario di P. 5
6 oppure IC 99% (β 1 )=ˆβ 1 ± (n 1) SS E t n 2 (0.995)=(10.72;14.86). IC 99% (β 1 )=ˆβ 1 ±SE(ˆβ 1 )t (n 2)=(10.72;14.86). 3.4 Aiuta Ambra, fornendole un intervallo al 90% (IC 90% ) per la quantità di paracetamolo prescritta a ciascuno dei suoi due nuovi pazienti, che pesano rispettivamente 19 kg e 25 kg. Può essere utile ricordare che var[b 0 ]= σ2 p 2 i n = σ 2 ( 1 n + p2 ). Per una nuova osservazione p 0 l intervallo di previsione al 90% è dato da: oppure dove non conosciamo e p. Ricaviamo SE(ˆβ 0 )= Per quanto riguarda Q 19 si ha: IC 90% (Q 0 )=ˆβ 0 +ˆβ 1 p 0 ±t n 2 (0.95) 1+ 1 IC 90% (Q 0 )=ˆβ 0 +ˆβ 1 p 0 ±t 0.95 (n 2)ˆσ n +(p 0 p) n +(p 0 p) 2 ˆσ 2 ˆσ 2 SE(ˆβ 1 )= = SE(ˆβ 1 ) = ˆσ 2 p 2 i 1 = ˆσ 2 n n + p2 SSE n 2.. p= SE(ˆβ 0 ) 2 Spp ˆσ 2 1 =17.08 n oppure IC 90% (Q 19 )= ±13.12 t 20 (0.95)=(217.6,262.9), IC 90% (Q 19 )= ±13.12 t 0.95 (20)=(217.6,262.9), Per quanto riguarda Q 25 si ha invece: oppure IC 90% (Q 25 )= ±14.26 t 20 (0.95)=(292.4,341.58). IC 90% (Q 25 )= ±14.26 t 0.95 (20)=(292.4,341.58). 3.5 Quale dei due intervalli è più attendibile? Perché? È più attendibile la previsione per il paziente che pesa 19 kg, in quanto, nonostante stiamo usando lo stesso buon modello e lo stesso livello, p 0 =19 è centrale rispetto ai dati utilizzati per elaborare e validare tale modello, mentre p 0 =25 è appena fuori dal range dei dati, e quindi potrebbe essere al di fuori del range di validità del modello. 6
obbligatorio - n. iscrizione sulla lista
02.09.2015 - appello di STATISTICA per studenti ENE - docente: E. Piazza obbligatorio - n. iscrizione sulla lista il presente elaborato si compone di 5 (cinque) pagine se non ve lo ricordate siete fritti;
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 7 Luglio 2011
Politecnico di Milano - Scuola di Ingegneria Industriale II Prova in Itinere di Statistica per Ingegneria Energetica 7 Luglio 2011 c I diritti d autore sono riservati. Ogni sfruttamento commerciale non
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliEsame di Statistica del 16 aprile 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola
Esame di Statistica del 16 aprile 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano
DettagliESAME. 9 Gennaio 2017 COMPITO A
ESAME 9 Gennaio 2017 COMPITO A Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. II Prova in Itinere di Statistica per Ingegneria Energetica 25 luglio 2011
Politecnico di Milano - Scuola di Ingegneria Industriale II Prova in Itinere di Statistica per Ingegneria Energetica 25 luglio 2011 c I diritti d autore sono riservati. Ogni sfruttamento commerciale non
Dettaglilezione 4 AA Paolo Brunori
AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
Dettaglii=1 x i = e che n
Corso di Statistica - Prof. Fabio Zucca II Prova in itinere - 1 luglio 2016 Nome e cognome: Matricola: c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito.
DettagliEsame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliCONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI
CONFRONTO TRA LA MEDIE DI DUE CAMPIONI INDIPENDENTI ipotesi sul confronto tra le medie di due campioni indipendenti Obiettivo: decidere, attraverso il confronto tra le medie dei due campioni indipendenti,
DettagliCognome, Nome e Numero di matricola: { 0 t 1. f T (t) = 3 { 0 t 1 t
Politecnico di Milano - Scuola di Ingegneria Industriale II Appello di Statistica per Ingegneria Energetica 8 settembre 0 c I diritti d'autore sono riservati. Ogni sfruttamento commerciale non autorizzato
Dettaglii dati escludono vi sia una relazione tra variabile indipendente e variabile dipendente (rispettivamente
TEST DI AUTOVALUTAZIONE - SETTIMANA 6 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia Parte A. La retta di regressione.2
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2018/2019
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2018/2019 prof. Federico Plazzi 28 Giugno 2019 Nome: Cognome: Matricola: Alcune indicazioni: La prova è costituita da cinque esercizi; dopo
DettagliLM 88 SOCIOLOGIA E RICERCA SOCIALE. Metodi Statistici per la Ricerca Sociale. Regressione lineare e correlazione
LM 88 SOCIOLOGIA E RICERCA SOCIALE Metodi Statistici per la Ricerca Sociale Regressione lineare e correlazione 1. Su un campione di individui sono rilevati i caratteri X (peso in Kg) e Y (altezza in cm),
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 28-Intervalli di confidenza vers. 1.1 (21 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2017/2018 Probabilità e Statistica - Prova pratica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2017/201 Probabilità e Statistica - Prova pratica Nome... N. Matricola... Ancona, 1 febbraio 201 1. ( punti) Un azienda che produce relè elettrici
DettagliSoluzioni ottava esercitazione
Soluzioni ottava esercitazione. (a) Notiamo subito che la densità f(x θ) appartiene alla famiglia esponenziale con t(x) = ln(x) e c(θ) =, funzione strettamente decrescente. Quindi anche il rapporto di
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017 prof. Federico Plazzi 14 Giugno 2017 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da cinque esercizi; dopo
DettagliTest per una media - varianza nota
Situazione Test per una media - varianza nota Popolazione N(µ,σ 2 ); varianza σ 2 nota. µ 0 numero reale fissato. Test di livello α per µ Statistica: Z n = X n µ 0 σ/ n. H 0 H 1 Rifiutiamo H 0 se p-value
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017 prof. Federico Plazzi 27 Febbraio 2017 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da cinque esercizi;
DettagliCorso di Statistica Esercitazione 1.8
Corso di Statistica Esercitazione.8 Test su medie e proporzioni Prof.ssa T. Laureti a.a. 202-203 Esercizio Un produttore vuole monitorare i valori dei livelli di impurità contenute nella merce che gli
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliEsame di Statistica del 2 luglio 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola
Esame di Statistica del 2 luglio 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliEsercitazione del 16 maggio 2014
Esercitazione del 16 maggio 2014 Conclusione dell esercizio sul consumo annuo di energia elettrica della lezione precedente. Avevamo un campione di n=101 abitazioni di metratura confrontabile e per ciascuna
DettagliStatistica Matematica A Docente: Dott. F. Zucca. II prova in itinere
Candidato Statistica Matematica A Docente: Dott. F. Zucca II prova in itinere Lecco 31/1/2005 Tempo a disposizione: 2h30 Cognome:......................... Nome:......................... Corso di Laurea:...................................................
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2016/2017 prof. Federico Plazzi 5 Luglio 2017 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da quattro esercizi; dopo
DettagliEsame di Istituzioni di Matematica II del 18 gennaio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola
Esame di Istituzioni di Matematica II del 8 gennaio 00 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola Es. Es. Es. 3 Es. 4 Somma Voto finale Attenzione: si
DettagliCognome, Nome e Numero di matricola:
Politecnico di Milano - Scuola di Ingegneria Industriale II Appello di Statistica per Ingegneria Energetica 5 settembre 0 c I diritti d'autore sono riservati. Ogni sfruttamento commerciale non autorizzato
DettagliPROVA SCRITTA DI STATISTICA (COD COD ) 7 luglio 2005 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A
PROVA SCRITTA DI STATISTICA (COD. 047 - COD. 403-37-377) 7 luglio 200 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A Esercizio (9 punti) Supponiamo di aver osservato la seguente
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliECONOMETRIA: Laboratorio I
ECONOMETRIA: Laboratorio I Luca De Angelis CLASS - Università di Bologna Programma Laboratorio I Valori attesi e varianze Test di ipotesi Stima di un modello lineare attraverso OLS Valore atteso Data una
DettagliAnalisi della regressione multipla
Analisi della regressione multipla y = β 0 + β 1 x 1 + β 2 x 2 +... β k x k + u 2. Inferenza Assunzione del Modello Classico di Regressione Lineare (CLM) Sappiamo che, date le assunzioni Gauss- Markov,
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. II Appello di Statistica per Ingegneria Energetica 5 settembre 2011
Politecnico di Milano - Scuola di Ingegneria Industriale II Appello di Statistica per Ingegneria Energetica 5 settembre 2011 c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
DettagliAnalisi descrittiva: calcolando medie campionarie, varianze campionarie e deviazioni standard campionarie otteniamo i dati:
Obiettivi: Esplicitare la correlazione esistente tra l altezza di un individuo adulto e la lunghezza del suo piede e del suo avambraccio. Idea del progetto: Il progetto nasce dall idea di acquistare scarpe
DettagliUniversità di Pavia Econometria Esercizi 4 Soluzioni
Università di Pavia Econometria 2008-2009 Esercizi 4 Soluzioni Maggio, 2009 Istruzioni: I commenti devono essere concisi! 1. Dato il modello di regressione lineare, con K regressori con E(ɛ) = 0 e E(ɛɛ
DettagliII ESERCITAZIONE ESERCIZIO
II ESERCITAZIONE ESERCIZIO 1 Quale percentuale di osservazioni sotto la curva normale standardizzata cade nell'intervallo compreso tra i valori z=-1 e z=+1? a) 66% circa b) 70,2% circa c) 68,2% circa d)
DettagliStatistica (parte II) Esercitazione 4
Statistica (parte II) Esercitazione 4 Davide Passaretti 03/03/016 Test sulla differenza tra medie (varianze note) Un negozio di scarpe è interessato a capire se le misure delle scarpe acquistate da adulti
DettagliSTATISTICA (II modulo - Inferenza Statistica) Soluzione Esercitazione I
STATISTICA (II modulo - Inferenza Statistica) Soluzione Esercitazione I Esercizio A. Indicando gli eventi D i ={l i-esimo pezzo estratto è difettoso} e D i ={l i-esimo pezzo estratto è buono}, le probabilità
DettagliSTATISTICA. Regressione-3 L inferenza per il modello lineare semplice
STATISTICA Regressione-3 L inferenza per il modello lineare semplice Regressione lineare: GRAFICO DI DISPERSIONE & & analisi residui A. Valutazione preliminare se una retta possa essere una buona approssimazione
DettagliI appello di calcolo delle probabilità e statistica
I appello di calcolo delle probabilità e statistica A.Barchielli, L. Ladelli, G. Posta 8 Febbraio 13 Nome: Cognome: Matricola: Docente: I diritti d autore sono riservati. Ogni sfruttamento commerciale
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 6 1 Test ed intervalli di confidenza per una popolazione Esercizio n. 1 Il calore (in calorie
DettagliIl Teorema del limite Centrale (TLC)
(TLC) Teorema. Sia X 1,..., X n un campione i.i.d. per una v.a. X, avente E(X ) = µ e Var(X ) = σ 2 entrambi finiti. Allora Z n = X µ σ 2 n n Y N(0, 1) Si noti che nel calcolare Z n ho standardizzato X.
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliCapitolo 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 Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliCorso di Statistica - Prof. Fabio Zucca Appello 4-2 febbraio 2017
Corso di Statistica - Prof. Fabio Zucca Appello 4-2 febbraio 2017 Nome e cognome: Matricola: c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. 8994 Esercizio
DettagliCorso di Statistica - Prof. Fabio Zucca V Appello - 19 febbraio 2015
Corso di Statistica - Prof. Fabio Zucca V Appello - 19 febbraio 215 Nome e cognome: Matricola: c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. 8994 Esercizio
DettagliContenuto del capitolo
Capitolo 8 Stima 1 Contenuto del capitolo Proprietà degli stimatori Correttezza: E(Stimatore) = parametro da stimare Efficienza Consistenza Intervalli di confidenza Per la media - per una proporzione Come
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 7: Basi di statistica Campione e Popolazione Estrazione da una popolazione (virtualmente infinita) di
DettagliSTATISTICA. Esercitazione 5
STATISTICA Esercitazione 5 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale due compiti diversi con i seguenti risultati: Compito A Compito B Numero studenti 102 105 Media dei
DettagliEsame di Statistica del 1 settembre 2004 (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola
Esame di Statistica del 1 settembre 004 (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. Es. Es. 4 Somma Voto finale Attenzione: si consegnano SOLO
DettagliTest F per la significatività del modello
Test F per la significatività del modello Per verificare la significatività dell intero modello si utilizza il test F Si vuole verificare l ipotesi H 0 : β 1 = 0,, β k = 0 contro l alternativa che almeno
DettagliIntervallo di confidenza.
Intervallo di confidenza annarita.vestri@uniroma1.it campione inferenza popolazione Media Riportare sempre anche la deviazione standard Stima puntuale di Media, dev.standard, numerosità Qualche semplice
DettagliParametri statistici
SMID a.a. 2004/2005 Corso di Metodi Statistici in Biomedicina Parametri statistici 24/1/2005 Deviazione standard della media La variabilità di una distribuzione può quindi essere espressa da un indice
DettagliEsercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 23/5/2017
Esercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 3/5/017 Contents 1 Intervalli di confidenza 1 Intervalli su un campione 1.1 Intervallo di confidenza per la media................................
DettagliSTATISTICA CORSO BASE. Prova scritta del Tempo: 2 ore Cognome e Nome:... Matricola:...
STATISTICA CORSO BASE. Prova scritta del 4-6-2013. Tempo: 2 ore Cognome e Nome:.............................. Matricola:.............................. Attenzione: Prima di affrontare la prova si consiglia
DettagliTEST DI AUTOVALUTAZIONE TEST CHI-QUADRO. 1 Parte A In un test χ 2 di adattamento viene verificato
TEST DI AUTOVALUTAZIONE TEST CHI-QUADRO I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 In un test χ 2
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliEsercitazione 8 maggio 2014
Esercitazione 8 maggio 2014 Esercizio 2 dal tema d esame del 13.01.2014 (parte II). L età media di n gruppo di 10 studenti che hanno appena conseguito la laurea triennale è di 22 anni. a) Costruire un
DettagliTest per l omogeneità delle varianze
Test per l omogeneità delle varianze Le carte di controllo hanno lo scopo di verificare se i campioni estratti provengono da un processo produttivo caratterizzato da un unico valore dello s.q.m. σ. Una
DettagliSTATISTICA MULTIVARIATA SSD MAT/06
Università degli studi di Ferrara Dipartimento di Matematica A.A. 2018/2019 I semestre STATISTICA MULTIVARIATA SSD MAT/06 LEZIONE 4 - Questioni di analisi e applicazione della regressione lineare Pratica
DettagliIntervallo di confidenza
Intervallo di confidenza Prof. Giuseppe Verlato, Prof. Roberto de Marco Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima
DettagliCognome, Nome e Numero di matricola:
Politecnico di Milano - Scuola di Ingegneria Industriale I Appello di Statistica per Ingegneria Energetica 9 luglio 0 c I diritti d'autore sono riservati. Ogni sfruttamento commerciale non autorizzato
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
DettagliProbabilità e Statistica
Probabilità e Statistica Intervalli di confidenza Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob. e Stat. 1
DettagliLa verifica delle ipotesi
La verifica delle ipotesi Se abbiamo un idea di quale possa essere il valore di un parametro incognito possiamo sottoporlo ad una verifica, che sulla base di un risultato campionario, ci permetta di decidere
DettagliIntervallo di confidenza
Intervallo di confidenza Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima puntuale di µ la deviazione standard Media,
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
DettagliStatistica 1- parte II
Statistica 1- parte II Esercitazione 3 Dott.ssa Antonella Costanzo 25/02/2016 Esercizio 1. Verifica di ipotesi sulla media (varianza nota) Il preside della scuola elementare XYZ sospetta che i suoi studenti
DettagliR - Esercitazione 6. Andrea Fasulo Venerdì 22 Dicembre Università Roma Tre
R - Esercitazione 6 Andrea Fasulo fasulo.andrea@yahoo.it Università Roma Tre Venerdì 22 Dicembre 2017 Il modello di regressione lineare semplice (I) Esempi tratti da: Stock, Watson Introduzione all econometria
DettagliStatistica. Capitolo 12. Regressione Lineare Semplice. Cap. 12-1
Statistica Capitolo 1 Regressione Lineare Semplice Cap. 1-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare il significato del coefficiente di correlazione lineare
DettagliEsame di Statistica del 14 dicembre 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola
Esame di Statistica del dicembre 2007 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. Es. 2 Es. 3 Es. Somma Voto finale Attenzione: si consegnano
Dettaglisi tratta del test del chi-quadro di adattamento e di quello di indipendenza. 1 l ipotesi che la popolazione segua una legge fissata;
di : dado : normale Finora abbiamo visto test d ipotesi per testare ipotesi differenti, ma tutte concernenti il valore atteso di una o due popolazioni. In questo capitolo vediamo come testare 1 l ipotesi
Dettagli1.4. Siano X B(1, 1/2) e Y B(1, 1/2) variabili aleatorie indipendenti. Quale delle seguenti affermazioni é falsa? E(X + Y ) = 1 V ar(x + Y ) = 1/2
Statistica N. Crediti: Cognome: Laurea Triennale in Biologia Nome: 4 settembre 2012 Matricola: 1. Parte A 1.1. Siano x 1, x 2,..., x 10 i dati relativi al peso di 10 neonati espressi in chilogrammi e y
DettagliSTATISTICA. Esercitazione 6
STATISTICA Esercitazione 6 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale tre compiti diversi con i seguenti risultati: Compito A Compito B Compito C Numero studenti 41 39 43
DettagliProblema 1. Cognome, Nome: Facoltà di Economia Statistica Esame 1-20/01/2010: A. Matricola: Corso:
Facoltà di Economia Statistica Esame 1-20/01/2010: A Cognome, Nome: Matricola: Corso: Problema 1. Su 10 imprese è stato rilevato l utile netto dell ultimo triennio espresso in milioni di euro. Il risultato
Dettagli9.3 Il metodo dei minimi quadrati in formalismo matriciale
9.3. IL METODO DEI MINIMI QUADRATI IN FORMALISMO MATRICIALE 121 9.3 Il metodo dei minimi quadrati in formalismo matriciale Per applicare il MMQ a funzioni polinomiali, ovvero a dipendenze di una grandezza
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliLa distribuzione t. Federico Plazzi. 7 Novembre 2015
La distribuzione t Federico Plazzi 7 Novembre 2015 Popolazione e campioni Popolazione e campioni Definizioni ed assunzioni di partenza Campione: l insieme di individui che abbiamo potuto osservare. Popolazione
DettagliEsercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/2003 e del 14/1/2003
Esercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/003 e del 14/1/003 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore
DettagliStatistica Applicata Corso di Laurea in Scienze Naturali a. a. 2017/2018
Statistica Applicata Corso di Laurea in Scienze Naturali a. a. 2017/2018 prof. Federico Plazzi 22 Gennaio 2018 Nome: Cognome: Matricola: Alcune indicazioni: La prova è constituita da cinque esercizi; dopo
DettagliSTATISTICA ESERCITAZIONE 13
STATISTICA ESERCITAZIONE 13 Dott. Giuseppe Pandolfo 9 Marzo 2015 Errore di I tipo: si commette se l'ipotesi nulla H 0 viene rifiutata quando essa è vera Errore di II tipo: si commette se l'ipotesi nulla
DettagliEsercitazioni Infostat ConfInt
Esercitazioni Infostat ConfInt Matteo Re, Alessandro Di Domizio 3 Maggio 2019 1 Introduzione In questa esercitazione vedremo come stimare l intervallo di confidenza da un campione che assumiamo essere
DettagliEsperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI
Esperimentazioni di Fisica 1 Prova d esame del 20 febbraio 2018 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 6 01/02/2018 1. (12 Punti) Quesito. In un esperimento è stata misurata la grandezza Y in funzione
DettagliEsame di Istituzioni di Matematiche II del 11 luglio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola
Esame di Istituzioni di Matematiche II del 11 luglio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliLa statistica è la scienza che permette di conoscere il mondo intorno a noi attraverso i dati.
RICHIAMI DI STATISTICA La statistica è la scienza che permette di conoscere il mondo intorno a noi attraverso i dati. Quale è la media della distribuzione del reddito dei neolaureati? Per rispondere dovremmo
DettagliTest delle ipotesi sulla media.
. Caso di un singolo campione. Varianza nota.. Ipotesi alternativa bilaterale Test delle ipotesi sulla media. Valore medio η e deviazione standard σ della popolazione note. η è il valore stimato dal nostro
Dettagli