DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
|
|
- Giuseppina Campo
- 5 anni fa
- Visualizzazioni
Transcript
1 DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
2 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici che una variabile assume possono essere il risultato di un fenomeno casuale.
3 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici che una variabile assume possono essere il risultato di un fenomeno casuale. La variabile ottenuta in questo modo viene detta variabile casuale. Formalmente Una variabile casuale è una misurazione numerica degli esiti di un fenomeno casuale. Useremo le lettere maiuscole per indicare la variabile, e le lettere minuscole per i suoi possibili valori. Ad esempio consideriamo la variabile casuale X = {numero di teste in tre lanci di monete}
4 Variabili casuali (o aleatorie) Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici che una variabile assume possono essere il risultato di un fenomeno casuale. La variabile ottenuta in questo modo viene detta variabile casuale. Formalmente Una variabile casuale è una misurazione numerica degli esiti di un fenomeno casuale. Useremo le lettere maiuscole per indicare la variabile, e le lettere minuscole per i suoi possibili valori. Ad esempio consideriamo la variabile casuale X = {numero di teste in tre lanci di monete} un suo possibile esito sarà x = 2 2 / 19
5 Distribuzioni di probabilità 3 / 19 I possibili esiti di un esperimento e le loro probabilità possono essere sintetizzati in distribuzioni di probabilità.
6 Distribuzioni di probabilità 3 / 19 I possibili esiti di un esperimento e le loro probabilità possono essere sintetizzati in distribuzioni di probabilità. Dal momento che una variabile casuale si riferisce all esito di un fenomeno casuale, a ogni possibile esito resta associata una probabilità di verificarsi. La distribuzioni di probabilità di una variabile casuale elenca i suoi possibili valori (o realizzazioni) e le relative probabilità.
7 Distribuzioni di probabilità per variabili casuali discrete 4 / 19 La variabile casuale X è detta discreta se assume un numero finito o un infinità numerabile di valori {x 1,x 2,...,x n }.
8 Distribuzioni di probabilità per variabili casuali discrete 4 / 19 La variabile casuale X è detta discreta se assume un numero finito o un infinità numerabile di valori {x 1,x 2,...,x n }. La distribuzione di probabilità di una variabile casuale discreta X assegna una probabilità P(X = x i ) (o P(x)) a ogni possibile valore assunto x. Per ogni x la probabilità P(x) cade tra 0 e 1.
9 Distribuzioni di probabilità per variabili casuali discrete 4 / 19 La variabile casuale X è detta discreta se assume un numero finito o un infinità numerabile di valori {x 1,x 2,...,x n }. La distribuzione di probabilità di una variabile casuale discreta X assegna una probabilità P(X = x i ) (o P(x)) a ogni possibile valore assunto x. Per ogni x la probabilità P(x) cade tra 0 e 1. La somma delle probabilità per tutte le possibili realizzazioni x è pari a 1
10 Distribuzioni di probabilità per variabili casuali discrete 4 / 19 La variabile casuale X è detta discreta se assume un numero finito o un infinità numerabile di valori {x 1,x 2,...,x n }. La distribuzione di probabilità di una variabile casuale discreta X assegna una probabilità P(X = x i ) (o P(x)) a ogni possibile valore assunto x. Per ogni x la probabilità P(x) cade tra 0 e 1. La somma delle probabilità per tutte le possibili realizzazioni x è pari a 1 n i=1 P(X = x i ) = 1
11 Esempio variabile discreta 5 / 19
12 Esempio 6 / 19 Si consideri il lancio consecutivo di due monete. Supponiamo di essere interessati al numero di teste, allora definiamo X = {numero di teste} = {0,1,2} la variabile casuale. Si calcoli la distribuzione di probabilità di X e si rappresenti graficamente.
13 Esempio 6 / 19 Si consideri il lancio consecutivo di due monete. Supponiamo di essere interessati al numero di teste, allora definiamo X = {numero di teste} = {0,1,2} la variabile casuale. Si calcoli la distribuzione di probabilità di X e si rappresenti graficamente. Dobbiamo dunque calcolare P(x) = P(X = x) per tutti i possibili valori di x.
14 Esempio Si consideri il lancio consecutivo di due monete. Supponiamo di essere interessati al numero di teste, allora definiamo X = {numero di teste} = {0,1,2} la variabile casuale. Si calcoli la distribuzione di probabilità di X e si rappresenti graficamente. Dobbiamo dunque calcolare P(x) = P(X = x) per tutti i possibili valori di x. Si ha P(0) = 0.25, P(1) = 0.50, P(2) = / 19
15 Esempio 7 / 19 Per mostrare la distribuzione di probabilità di una variabile discreta possiamo considerare un grafico a barre. Nel nostro esempio si ha:
16 Esempio 7 / 19 Per mostrare la distribuzione di probabilità di una variabile discreta possiamo considerare un grafico a barre. Nel nostro esempio si ha:
17 Sintesi di una distribuzione 8 / 19 Per descrivere le caratteristiche di una distribuzione di probabilità si possono usare sintesi numeriche analoghe a quelle che abbiamo definito per le variabili in genere. Queste comprendono media, mediana, quartili, varianza e deviazione standard (o scarto quadratico medio).
18 Sintesi di una distribuzione 8 / 19 Per descrivere le caratteristiche di una distribuzione di probabilità si possono usare sintesi numeriche analoghe a quelle che abbiamo definito per le variabili in genere. Queste comprendono media, mediana, quartili, varianza e deviazione standard (o scarto quadratico medio). Le misure che ricorrono maggiormente sono: la media per descrivere la tendenza centrale della distribuzione;
19 Sintesi di una distribuzione 8 / 19 Per descrivere le caratteristiche di una distribuzione di probabilità si possono usare sintesi numeriche analoghe a quelle che abbiamo definito per le variabili in genere. Queste comprendono media, mediana, quartili, varianza e deviazione standard (o scarto quadratico medio). Le misure che ricorrono maggiormente sono: la media per descrivere la tendenza centrale della distribuzione; la deviazione standard e la varianza per descrivere la sua variabilità.
20 Valore atteso distribuzione discreta 9 / 19 Il valor medio (o valore atteso) per una variabile casuale è un parametro della popolazione.
21 Valore atteso distribuzione discreta 9 / 19 Il valor medio (o valore atteso) per una variabile casuale è un parametro della popolazione. Data una variabile casuale discreta allora il suo valore atteso è definito come: µ = E(X) = n i=1 x i P(x i ) Il termine valore atteso sta ad indicare che il valore calcolato indica cosa ci si aspetta in media in una lunga serie di osservazioni.
22 Esempio 10 / 19 Si consideri il lancio consecutivo di due monete. Ricordiamo che X = {numero di teste} = {0,1,2} la variabile casuale. Si calcoli il valor atteso di X.
23 Esempio 10 / 19 Si consideri il lancio consecutivo di due monete. Ricordiamo che X = {numero di teste} = {0,1,2} la variabile casuale. Si calcoli il valor atteso di X. Ricordiamo che, come visto prima, P(0) = 0.25, P(1) = 0.50, P(2) = 0.25.
24 Esempio 10 / 19 Si consideri il lancio consecutivo di due monete. Ricordiamo che X = {numero di teste} = {0,1,2} la variabile casuale. Si calcoli il valor atteso di X. Ricordiamo che, come visto prima, P(0) = 0.25, P(1) = 0.50, P(2) = Ma allora µ = E(X) = 3 i=1 x i P(x i ) = 0 P(0) + 1 P(1) + 2 P(2) = = 1
25 Esempio 10 / 19 Si consideri il lancio consecutivo di due monete. Ricordiamo che X = {numero di teste} = {0,1,2} la variabile casuale. Si calcoli il valor atteso di X. Ricordiamo che, come visto prima, P(0) = 0.25, P(1) = 0.50, P(2) = Ma allora µ = E(X) = 3 i=1 x i P(x i ) = 0 P(0) + 1 P(1) + 2 P(2) = = 1 quindi ci aspettiamo che in media si ottenga una testa in due lanci consecutivi di una moneta.
26 Variabilità distribuzione discreta 11 / 19 Considerata la definizione del valor medio allora si avrà per le misure di variabilità: Varianza di una variabile casuale discreta σ 2 = E(X µ) 2 = n i=1 (x i µ) 2 P(x i )
27 Variabilità distribuzione discreta 11 / 19 Considerata la definizione del valor medio allora si avrà per le misure di variabilità: Varianza di una variabile casuale discreta σ 2 = E(X µ) 2 = n i=1 (x i µ) 2 P(x i ) Deviazione standard di una variabile casuale discreta σ = σ 2 = n (x i µ) 2 P(x i ) i=1
28 Esercizio 12 / 19 Si consideri il lancio consecutivo di due monete. Ricordiamo che X = {numero di teste} = {0,1,2} la variabile casuale. Abbiamo visto che µ = 1 e P(0) = 0.25, P(1) = 0.50, P(2) = 0.25 ma allora: σ = (0 1) 2 P(0) + (1 1) 2 P(1) + (2 1) 2 P(2) = (0 1) (1 1) (2 1) = 0.50 = 0.707
29 Distribuzione di variabili qualitative e binarie 13 / 19 Per variabili qualitative la distribuzione di probabilità è calcolata in modo analogo a quanto visto per le distribuzioni di variabili quantitative discrete.
30 Distribuzione di variabili qualitative e binarie 13 / 19 Per variabili qualitative la distribuzione di probabilità è calcolata in modo analogo a quanto visto per le distribuzioni di variabili quantitative discrete. Sia ad esempio X una variabile casuale binaria che misura la germogliazione o meno di una specie. Gli esiti possibili della variabile aleatoria sono X = {0,1}, dove 0 indica che non è avvenuta la germogliazione e 1 l esito favorevole alla germogliazione.
31 Distribuzione di variabili qualitative e binarie 13 / 19 Per variabili qualitative la distribuzione di probabilità è calcolata in modo analogo a quanto visto per le distribuzioni di variabili quantitative discrete. Sia ad esempio X una variabile casuale binaria che misura la germogliazione o meno di una specie. Gli esiti possibili della variabile aleatoria sono X = {0,1}, dove 0 indica che non è avvenuta la germogliazione e 1 l esito favorevole alla germogliazione. Il numero di esiti possibili è pari a 2 e si sa che la variabile ha la seguente distribuzione di probabilità P(0) = 0.20 e P(1) = 0.80.
32 Distribuzione di variabili qualitative e binarie 13 / 19 Per variabili qualitative la distribuzione di probabilità è calcolata in modo analogo a quanto visto per le distribuzioni di variabili quantitative discrete. Sia ad esempio X una variabile casuale binaria che misura la germogliazione o meno di una specie. Gli esiti possibili della variabile aleatoria sono X = {0,1}, dove 0 indica che non è avvenuta la germogliazione e 1 l esito favorevole alla germogliazione. Il numero di esiti possibili è pari a 2 e si sa che la variabile ha la seguente distribuzione di probabilità P(0) = 0.20 e P(1) = Otteniamo che il valor medio è: µ = = 0.80
33 Distribuzione di variabili qualitative e binarie Per variabili qualitative la distribuzione di probabilità è calcolata in modo analogo a quanto visto per le distribuzioni di variabili quantitative discrete. Sia ad esempio X una variabile casuale binaria che misura la germogliazione o meno di una specie. Gli esiti possibili della variabile aleatoria sono X = {0,1}, dove 0 indica che non è avvenuta la germogliazione e 1 l esito favorevole alla germogliazione. Il numero di esiti possibili è pari a 2 e si sa che la variabile ha la seguente distribuzione di probabilità P(0) = 0.20 e P(1) = Otteniamo che il valor medio è: µ = = 0.80 Per una variabile casuale che assume esclusivamente realizzazioni pari a 0 e a 1, la media è la probabilità della realizzazione indicata con / 19
34 Distribuzioni di probabilità per variabili casuali continue 14 / 19 La variabile casuale X è detta continua se può assumere qualunque valore in un intervallo: il tempo di germogliazione di un fiore
35 Distribuzioni di probabilità per variabili casuali continue 14 / 19 La variabile casuale X è detta continua se può assumere qualunque valore in un intervallo: il tempo di germogliazione di un fiore l altezza di una pianta
36 Distribuzioni di probabilità per variabili casuali continue 14 / 19 La variabile casuale X è detta continua se può assumere qualunque valore in un intervallo: il tempo di germogliazione di un fiore l altezza di una pianta la percentuale di argilla in un terreno.
37 Distribuzioni di probabilità per variabili casuali continue 14 / 19 La variabile casuale X è detta continua se può assumere qualunque valore in un intervallo: il tempo di germogliazione di un fiore l altezza di una pianta la percentuale di argilla in un terreno. Queste variabili possono potenzialmente assumere qualsiasi valore.
38 Distribuzioni di probabilità per variabili casuali continue 14 / 19 La variabile casuale X è detta continua se può assumere qualunque valore in un intervallo: il tempo di germogliazione di un fiore l altezza di una pianta la percentuale di argilla in un terreno. Queste variabili possono potenzialmente assumere qualsiasi valore. Le distribuzioni di probabilità di variabil casuali continue assegnano probabilità o ogni intervallo di possibili valori.
39 Distribuzioni di probabilità per variabili casuali continue 14 / 19 La variabile casuale X è detta continua se può assumere qualunque valore in un intervallo: il tempo di germogliazione di un fiore l altezza di una pianta la percentuale di argilla in un terreno. Queste variabili possono potenzialmente assumere qualsiasi valore. Le distribuzioni di probabilità di variabil casuali continue assegnano probabilità o ogni intervallo di possibili valori.
40 Distribuzioni di probabilità per variabili casuali continue 15 / 19 Una distribuzione di probabilità per variabili continue può essere graficamente rappresentata con un istogramma.
41 Distribuzioni di probabilità per variabili casuali continue 15 / 19 Una distribuzione di probabilità per variabili continue può essere graficamente rappresentata con un istogramma. Solitamente la distribuzione di probabilità di una variabile continua viene rappresentata con la sua approssimazione continua, quasi ad indicare che vogliamo associare una probabilità ad ogni singolo valore.
42 Distribuzioni di probabilità per variabili casuali continue 15 / 19 Una distribuzione di probabilità per variabili continue può essere graficamente rappresentata con un istogramma. Solitamente la distribuzione di probabilità di una variabile continua viene rappresentata con la sua approssimazione continua, quasi ad indicare che vogliamo associare una probabilità ad ogni singolo valore.
43 Distribuzioni di probabilità per variabili casuali continue 16 / 19 Una variabile casuale continua assumevalori che costituiscono un intervallo. La sua distribuzione di probabilità è rappresentata da una curva che consente di determinare la probabilità che la variabile casuale assuma valori in un prestabilito intervallo. Ciascun intervallo ha probabilità tra 0 e 1. Si tratta dell area sottesa dalla curva che rappresenta la distribuzione in corrispondenza di taleintervallo.
44 Distribuzioni di probabilità per variabili casuali continue 16 / 19 Una variabile casuale continua assumevalori che costituiscono un intervallo. La sua distribuzione di probabilità è rappresentata da una curva che consente di determinare la probabilità che la variabile casuale assuma valori in un prestabilito intervallo. Ciascun intervallo ha probabilità tra 0 e 1. Si tratta dell area sottesa dalla curva che rappresenta la distribuzione in corrispondenza di taleintervallo. L intervallo che contiene tutti i possibili valori della variabile casuale ha probabilità pari a 1. In tal modo l area complessiva sottesa dalla curva di distribuzione di probabilità è pari a 1.
45 Distribuzioni di probabilità per variabili casuali continue Una variabile casuale continua assumevalori che costituiscono un intervallo. La sua distribuzione di probabilità è rappresentata da una curva che consente di determinare la probabilità che la variabile casuale assuma valori in un prestabilito intervallo. Ciascun intervallo ha probabilità tra 0 e 1. Si tratta dell area sottesa dalla curva che rappresenta la distribuzione in corrispondenza di taleintervallo. L intervallo che contiene tutti i possibili valori della variabile casuale ha probabilità pari a 1. In tal modo l area complessiva sottesa dalla curva di distribuzione di probabilità è pari a 1. Per una variabile continua non ha senso calcolare la probabilità per una specifica realizzazione della variabile, questa probabilità sarà necessariamente / 19
46 Distribuzioni di probabilità per variabili casuali continue 17 / 19 Per una variabile casuale continua possiamo calcolare dunque solo probabilità di intervalli.
47 Distribuzioni di probabilità per variabili casuali continue 17 / 19 Per una variabile casuale continua possiamo calcolare dunque solo probabilità di intervalli. La probabilità che la variabile casuale X non superi un certo valore x prende il nome di funzione di ripartizione, e rappresenta le probabilità cumulate: F(x) = P(X x)
48 Distribuzioni di probabilità per variabili casuali continue 17 / 19 Per una variabile casuale continua possiamo calcolare dunque solo probabilità di intervalli. La probabilità che la variabile casuale X non superi un certo valore x prende il nome di funzione di ripartizione, e rappresenta le probabilità cumulate: F(x) = P(X x) Siano a e b due possibili realizzazioni della variabile X, tali che a < X < b. La probabilità che X assuma valori tra a e b è data da P(a X b) = F(b) F(a)
49 Distribuzioni di probabilità per variabili casuali continue 18 / 19 L area ombreggiata sottesa alla curva è la probabilità che X assuma valori tra a e b.
Variabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliLe variabili casuali o aleatorie
Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi
ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari
Dettagli2. Introduzione alla probabilità
. Introduzione alla probabilità Carla Seatzu, 8 Marzo 008 Definizioni preliminari: Prova: è un esperimento il cui esito è aleatorio Spazio degli eventi elementari: è l insieme Ω di tutti i possibili esiti
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliStatistica. Lezione : 17. Variabili casuali
Corsi di Laurea: a.a. 2018-19 Diritto per le Imprese e le istituzioni Scienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili casuali Lezione : 17 Docente: Alessandra Durio 1 Contenuti
DettagliLezione n. 1 (a cura di Irene Tibidò)
Lezione n. 1 (a cura di Irene Tibidò) Richiami di statistica Variabile aleatoria (casuale) Dato uno spazio campionario Ω che contiene tutti i possibili esiti di un esperimento casuale, la variabile aleatoria
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliDISTRIBUZIONI DI PROBABILITA (parte 3) 1 / 34
DISTRIBUZIONI DI PROBABILITA (parte 3) 1 / 34 Distribuzione Binomiale 2 / 34 La più importante distribuzione di probabilità per variabili casuali discrete è la distribuzione binomiale. Questa distribuzione
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliProbabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k)
Probabilita' mediante l'analisi combinatoria D n,k =Disposizioni di n oggetti a k a k (o di classe k) Nel calcolo del numero di modalita' con cui si presenta un evento e' utile talvolta utilizzare le definizioni
DettagliFoglio di Esercizi 10 con Risoluzione 18 dicembre 2017
Matematica per Farmacia, a.a. 07/8 Foglio di Esercizi 0 con Risoluzione 8 dicembre 07 ATTENZIONE: in alcuni degli esercizi di Probabilità puó essere utile usare il Teorema di Bayes. Esercizio (Vedere il
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
DettagliStatistica. V Scuola Estiva AISV La statistica come strumento di analisi nelle scienze umanistiche e comportamentali
Elementi di Inferenza Statistica Variabili casuali V Scuola Estiva AISV La statistica come strumento di analisi nelle scienze umanistiche e comportamentali Soriano nel Cimino (VT), 6 Ottobre 2009 Pier
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliStatistica Corso di laurea in Biotecnologie I esonero - 19 aprile 2010
Statistica Corso di laurea in Biotecnologie I esonero - 9 aprile 00 Esercizio Determinare, a P X ; b PX < /; c il terzo quartile della distribuzione, nei casi ix N, ; iix variabile aleatoria continua con
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Tipologia di v.a. v.a. discreta numero finito di valori (infinità numerabile) x 1 x 2,, x k con probabilità p 1 p 2, p k Esempio:
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliTeorema del Limite Centrale
Teorema del Limite Centrale Problema. Determinare come la media campionaria x e la deviazione standard campionaria s misurano la media µ e la deviazione standard σ della popolazione. È data una popolazione
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 3: Variabili aleatorie discrete notevoli
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 3: Variabili aleatorie discrete notevoli Esperimenti binari ripetuti o esperimenti bernoulliani (Bernoulli
DettagliStatistica Sociale e Criminale (12 CFU) A.A. 2015/2016
Statistica Sociale e Criminale (12 CFU) A.A. 2015/2016 CdL Sociologia e Criminologia Simone Di Zio Dove siamo MODULO 3. L Inferenza statistica 3.1 Probabilità e variabili casuali 3.2 Le tecniche di campionamento
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica inferenziale Cernusco S.N., giovedì 18 febbraio 2016 (9.00/13.00)
DettagliElementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 1 A. I dati riportati nella seguente tabella si riferiscono
DettagliStatistica descrittiva
Statistica descrittiva L obiettivo è quello di descrivere efficacemente i dati prima delle elaborazioni vere e proprie: - mediante rappresentazioni grafiche e tabelle - sintetizzandoli con indici opportuni
DettagliStatistica. Capitolo 6. Variabili Aleatorie Continue e Distribuzioni di Probabilità. Cap. 6-1
Statistica Capitolo 6 Variabili Aleatorie Continue e Distribuzioni di Probabilità Cap. 6-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare la differenza tra una variabile
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
DettagliPROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE. 1. La variabile aleatoria di Bernoulli e la variabile aleatoria binomiale
PROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE In questa scheda vedremo due famiglie di variabili aleatorie (una discreta e una continua), che ci serviranno per descrivere uno dei risultati
DettagliPOPOLAZIONE E CAMPIONI
p. 1/2 POPOLAZIONE E CAMPIONI POPOLAZIONE insieme di tutti quegli elementi che hanno almeno una caratteristica comune (persone, oggetti,misure, osservazioni). Consideriamo il caso di caratteristiche associate
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliEsercizio 1. Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che:
Esercizio 1 Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che: A 329 F 186 S 295 AS 217 AF 83 FS 63 AFS 53 Determinare la partizione
DettagliEsercizi su variabili aleatorie discrete
Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare
Dettagliun elemento scelto a caso dello spazio degli esiti di un fenomeno aleatorio;
TEST DI AUTOVALUTAZIONE - SETTIMANA 3 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Una variabile casuale
DettagliUniversità del Piemonte Orientale Corsi di Laurea triennale di area tecnica. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità
Università del Piemonte Orientale Corsi di Laurea triennale di area tecnica Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione binomiale La distribuzione Normale (o di
DettagliLE VARIABILI CASUALI A 1, A 2.,..., A k., p 2.,..., p k. generati da una specifica prova sono necessari ed incompatibili:
LE VARIABILI CASUALI Introduzione Data prova, ad essa risultano associati i k eventi A, A,..., A k con le relative probabilità p, p,..., p k. I k eventi A i generati da una specifica prova sono necessari
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
DettagliStatistica Elementare
Statistica Elementare 1. Frequenza assoluta Per popolazione si intende l insieme degli elementi che sono oggetto di una indagine statistica, ovvero l insieme delle unità, dette unità statistiche o individui
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
DettagliStatistica Esercitazione. alessandro polli facoltà di scienze politiche, sociologia, comunicazione
Statistica Esercitazione alessandro polli facoltà di scienze politiche, sociologia, comunicazione Obiettivo Esercizio 1. Analizzeremo la distribuzione delle famiglie italiane, classificate per numero di
DettagliModulo III. Definizione ed elementi di calcolo delle probabilità Le variabili casuali La distribuzione normale e la normale standardizzata
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea triennale Tecniche della Prevenzione PERCORSO SRTAORDINARIO 2007/08 Insegnamento di STATISTICA MEDICA Docente:Dott.ssa Egle
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
DettagliPrincipi di Statistica a.a
Principi di Statistica a.a. 2014-2015 Dr. Luca Secondi 1. Introduzione al corso 1.01Variabili casuali Distribuzioni di probabilità 1 Corso di laurea in Biotecnologie Matematica e PRINCIPI DI STATISTICA
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliElementi di base su modello binomiale e modello normale
Elementi di base su modello binomiale e modello normale (alcune note) Parte 1: il modello binomiale Di fondamentale importanza nell analisi della qualità sono i modelli. I due principali modelli statistico-probablistici
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
DettagliEsercitazioni di Statistica Matematica A Lezione 7. Variabili aleatorie continue
Esercitazioni di Statistica Matematica A Lezione 7 Variabili aleatorie continue.) Determinare la costante k R tale per cui le seguenti funzioni siano funzioni di densità. Determinare poi la media e la
DettagliStatistica. Lezione 4
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 4 Abbiamo visto: Distribuzioni discrete Modelli probabilistici nel discreto Distribuzione uniforme
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
DettagliVariabile casuale Normale
Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica.3 - La distribuzione normale Tempi di reazione Registrati i tempi di reazione (in millisecondi) a uno stimolo (n = 30). Classe Freq Freq relative Densità
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI, RICHIAMI Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione Nel
DettagliOutline. 1 v.c. continue. 2 v.c. Normale. 3 v.c. Esponenziale. Lezione 13. A. Iodice. v.c. continue. v.c. Normale. v.c.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 48 Outline 1 2 3 () Statistica 2 / 48 Variabili casuali continue Una variabile casuale X è continua
DettagliIndirizzo Giuridico Economico Aziendale
LE VARIABILI CASUALI In molti fenomeni aleatori il risultato di un esperimento è una grandezza che assume valori in modo casuale. Pensa ad esempio al numero di auto che si presentano ad un casello autostradale
DettagliEsercizi. Esercizio 1. Date le funzioni f(x) = x 2 3x + 2 e g(x) = 2x 1,
Esercizi Esercizio 1. Date le funzioni f(x) = x 2 3x + 2 e g(x) = 2x 1, (a) dire quanto vale f g e qual è il suo insieme di definizione; (b) dire quanto vale g f e qual è il suo insieme di definizione;
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
DettagliE S E R C I Z I T U T O R
E S E R C I Z I T U T O R ESERCIZIO Applicazione del Metodo Montecarlo per calcolare p. Si calcola il rapporto fra l area del cerchio di diametro r e l area del quadrato circoscritto, di lato r. Area del
DettagliCapitolo 6. Variabili casuali continue. 6.1 La densità di probabilità
Capitolo 6 Variabili casuali continue Le definizioni di probabilità che abbiamo finora usato sono adatte solo per una variabile casuale che possa assumere solo valori discreti; vediamo innanzi tutto come
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliEsercizi Teoria della Probabilità
Esercizi Teoria della Probabilità Esercizio 1 Durante un corso universitario, uno studente prova a svolgere una serie di esercizi. La risposta agli esercizi è di tipo binario (SI/NO). Supponendo la completa
DettagliI modelli probabilistici
e I modelli probabilistici Finora abbiamo visto che esistono modelli probabilistici che possiamo utilizzare per prevedere gli esiti di esperimenti aleatori. Naturalmente la previsione è di tipo probabilistico:
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliIndice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
DettagliScanned by CamScanner
Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Università di Cassino Corso di Statistica Esercitazione
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA A.A. 2010/2011 - Distribuzione binomiale - Distribuzione Normale Sezione di Epidemiologia & Statistica Medica Università degli Studi di Verona DISTRIBUZIONI TEORICHE DI PROBABILITA
DettagliVariabili aleatorie. Variabili aleatorie
Variabili aleatorie Distribuzione binomiale Si supponga che uno studente affronti un esame composto da domande chiuse. Una sola delle 5 alternative di risposta proposta per ciascuna domanda è vera Supponiamo
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliLaboratorio di Statistica e Analisi Dati: Lezione 8 (20)
Laboratorio di Statistica e Analisi Dati: Lezione 8 Tommaso C. & Marco G. 11-13 Gennaio 2017 1 of 24 10/01/2017 13:51 1. 2. 3. Si consideri il seguente esperimento casuale: si lancia tre volte una moneta.
DettagliBayes, PDF, CDF. Renato Mainetti
Bayes, PDF, CDF Renato Mainetti Importiamo i dati di un esperimento Censimento volatili isola di Nim: 100 volatili vivono su quest isola 30 piccioni marroni (classe 1) 20 piccioni bianchi (classe 2) 10
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliESERCIZI DI RIEPILOGO 1
ESERCIZI DI RIEPILOGO 1 ESERCIZIO 1 La tabella seguente contiene la distribuzione di frequenza della variabile X = età (misurata in anni) per un campione casuale di bambini: x i 4.6 8 3.2 3 5.4 6 2.6 2
DettagliANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI
IDROLOGIA Analisi esplorativa di serie di dati ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI P Claps IDROLOGIA Analisi esplorativa di serie di dati Rappresentazione tabellare della serie storica Sequenza
DettagliMedia: è la più comune misura di tendenza centrale. Può essere calcolata per variabili numeriche.
Misure di tendenza centrale e di variabilità: Media: è la più comune misura di tendenza centrale. Può essere calcolata per variabili numeriche. Il valore medio di una variabile in un gruppo di osservazioni
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento. Esercizio 1 Un chimico che lavora per una fabbrica di batterie, sta cercando una batteria
DettagliVariabili aleatorie continue: la normale. Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia
Variabili aleatorie continue: la normale Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia 2015-16 1 / 40 Distinzione Le variabili aleatorie possono essere 1 discrete 2 continue 2
DettagliBrevi richiami su variabili aleatorie e processi stocastici
Appendice Parte 9, 1 Brevi richiami su variabili aleatorie e processi stocastici Richiami di teoria della probabilita` Appendice Parte 9, 2 Esperimento casuale: analisi degli elementi caratteristici dei
DettagliProbabilità e Statistica Esercizi
Corso di PIANIFICAZIONE DEI TRASPORTI 1 ing. Antonio Comi Marzo 2006 Probabilità e Statistica Esercizi 1 Variabile aleatoria X(E): funzione che associa ad un evento E dello spazio delle prove un numero
Dettagliesperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;
Capitolo 15 Suggerimenti agli esercizi a cura di Elena Siletti Esercizio 15.1: Suggerimento Si ricordi che: esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliCalcolo delle Probabilità e Statistica Matematica Fisciano, 10/1/2012
Fisciano, 10/1/2012 Esercizio 1 Un esperimento consiste nel generare a caso un vettore di interi (x 1, x 2, x 3, x 4 ), dove x i {1, 2, 3, 4, 5, 6} i. (i) Si individui lo spazio campionario, determinandone
DettagliComputazione per l interazione naturale: fondamenti probabilistici (1)
Computazione per l interazione naturale: fondamenti probabilistici (1) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliStatistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici)
Statistica La statistica può essere vista come la scienza che organizza ed analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva:
Dettagli