Matematica con elementi di Informatica
|
|
- Leonora Riccio
- 5 anni fa
- Visualizzazioni
Transcript
1 Statistica descrittiva ed inferenziale Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche Anno Accademico 2018/2019 Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
2 Statistica descrittiva Scopo della statistica descrittiva è di descrivere una popolazione, generalmente usando pochi parametri. Per esempio, supponiamo di voler studiare l altezza degli abitanti di Marte: Esaminando la distribuzione delle altezze, notiamo che molti marziani hanno un altezza di circa 40 cm (in particolare, da 35 a 45 cm), e quasi tutti sono alti dai 30 ai 50 cm. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
3 Statistica descrittiva Avendo assolto con successo il nostro compito, vogliamo ora fare la stessa cosa col pianeta Venere. Raccogliamo quindi le altezze di tutti e 150 i venusiani: In questo caso notiamo che molti venusiani hanno un altezza di circa 15 cm, e quasi tutti sono alti dai 10 ai 20 cm. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
4 Concetto di parametro Confrontando le due tabelle, possiamo notare diverse cose: i marziani sono più alti dei venusiani; la variabilità assoluta nei marziani è più alta che nei venusiani: infatti, mentre quasi tutti (194 su 200) i marziani hanno altezze in un intervallo di 20 cm (da 30 a 50 cm), l intervallo analogo per i venusiani (144 su 150) è di soli 10 cm (da 10 a 20 cm). Nonostante queste differenze, ci sono similitudini importanti nelle distribuzioni delle due popolazioni: ogni dato membro ha più probabilità essere vicino alla media della popolazione che lontano; le forme delle due distribuzioni sono simmetriche, e quasi identiche. Siccome le due distribuzioni sono simili, abbiamo solo bisogno di descrivere in che cosa sono differenti. Possiamo ridurre questa informazione a pochi numeri, chiamati parametri della distribuzione. I due parametri significativi in questo caso dovrebbero dare una misura della media e della variabilità. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
5 Media In questo caso, possiamo definire la media della popolazione in questo modo: µ X = 1 N N X i i=1 La media è quindi la somma di tutte le misurazioni diviso il loro numero. Tale media si indica comunemente col nome di media aritmetica, e viene indicata con la lettera greca µ (mu). L indice X che ha µ indica che stiamo considerando la media della variabile X; questo indice può venire omesso se non ci sono pericoli di confusione. Notiamo che la media è espressa nella stessa unità di misura dei dati originali. Applicando questa definizione ai campioni delle due popolazioni, otteniamo che l altezza media dei marziani è 40 cm e quella dei venusiani è 15 cm. Questi due numeri riassumono l informazione qualitativa che i marziani sono in media più alti dei venusiani. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
6 Varianza Ora abbiamo bisogno di una misura della variabilità, cioé di una misura di quanto i dati sono dispersi intorno alla media. Supporremo che per i nostri scopi una deviazione positiva o negativa dalla media diano lo stesso effetto, quindi considereremo solo il valore assoluto delle deviazioni dalla media. Siccome è più comodo lavorare coi quadrati piuttosto che coi valori assoluti, come stima della dispersione presentiamo la varianza: σ 2 X = 1 N N i=1 (X i µ X ) 2 La varianza è quindi la somma dei quadrati di tutte le deviazioni dalla media diviso il loro numero, e si indica comunemente con il quadrato della lettera greca σ (sigma). Notiamo che l unità di misura della varianza è il quadrato dell unità di misura della popolazione. In particolare, la varianza dell altezza dei marziani è 25 cm 2, mentre la varianza dell altezza dei venusiani è 6.25 cm 2. Questi due numeri riassumono l informazione che l altezza assoluta dei marziani varia di più di quella dei venusiani. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
7 Deviazione standard Siccome l unità di misura della varianza è il quadrato dell unità di misura della popolazione, la varianza è abbastanza difficile da visualizzare. Per questo, spesso si presenta la sua radice quadrata, che si indica col nome di deviazione standard: σ X = 1 N N i=1 (X i µ X ) 2 Notiamo che la deviazione standard ha la stessa unità di misura dell osservazione originale. Nel nostro esempio, la deviazione standard dell altezza dei marziani è 5 cm, mentre la deviazione standard dell altezza dei venusiani è 2.5 cm. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
8 La distribuzione normale Abbiamo visto che, siccome le forme delle distribuzioni di marziani e venusiani sono simili, le popolazioni possono venire descritte in modo preciso da due numeri. Possiamo inoltre notare che (ad esempio): circa il 68% delle altezze delle popolazioni distano meno di 1 deviazione standard dalla media; circa il 95% delle altezze delle popolazioni distano meno di 2 deviazioni standard dalla media. Questi risultati qualitativi ricorrono cosí spesso nella pratica che i matematici li hanno studiati, e hanno trovato che se le misure osservate sono la somma di molti fattori aleatori indipendenti, le misure risultanti prenderanno valori che sono distribuiti come le altezze appena viste dei marziani e dei venusiani (teorema limite centrale). In particolare, la distribuzione risultante è chiamata distribuzione normale, o gaussiana, e la sua altezza per ogni dato x è 1 σ 2π exp ( 1 2 ( ) ) x µ 2 σ = 1 σ 2π e 1 2 ( x µ σ ) 2 Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
9 Statistica inferenziale Non sempre si può osservare tutta una popolazione: spesso, per motivi economici o pratici, si è costretti a esaminarne solo una parte ristretta. Scopo della statistica inferenziale è tentare di descrivere una intera popolazione a partire da pochi individui, che si spera siano in qualche modo rappresentativi dell intera popolazione. Una definizione tipica della statistica inferenziale è la seguente. Chiamiamo campione statistico di taglia n, o più semplicemente campione di taglia n, un insieme di n individui scelti a caso dalla popolazione. Usualmente si suppone di avere una popolazione, che supponiamo gaussiana, da cui é stato estratto un campione di taglia n. Dato che osserviamo solo il campione, e non tutta la popolazione, non possiamo più conoscere la media µ e la deviazione standard σ esatte di tutta la popolazione. Possiamo però stimare media e varianza dal campione. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
10 Media, varianza e deviazione standard campionarie Possiamo stimare media e varianza (e quindi deviazione standard) della popolazione iniziale dal campione. Chiamiamo media campionaria la quantità X = 1 n e varianza campionaria la quantità s 2 X = 1 n 1 n X i i=1 n i=1 (X i X) 2 quindi la deviazione standard campionaria viene ad essere n 1 s X = (X i X) n 1 2 i=1 Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
11 Analogie e differenze tra parametri e stime Notiamo due differenze tra la definizione di varianza del campione e quella della varianza dell intera popolazione: la media µ della popolazione (ora sconosciuta) è stata rimpiazzata dalla media del campione X (che possiamo calcolare); in questa espressione si divide per n 1 invece che per n. La ragione di questa differenza è che stavolta gli scarti sono scarti dalla media del campione e non dalla vera media della popolazione totale; siccome anche la variabile X i concorre a calcolare la media, gli scarti X i X hanno meno variabilità degli scarti X i µ; per compensare questo effetto, si divide per una quantità minore di n. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
12 Le stime sono...stime! Supponiamo ora di estrarre un campione di taglia 10 dalla popolazione dei marziani, e di ottenere il risultato raffigurato nella figura (B). (oppure C) (oppure D) Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
13 Dipendenza delle stime dal campione Se proviamo a calcolare la media e la deviazione standard del campione (B), otteniamo X = 41.5 cm e s X = 3.8 cm. Possiamo vedere che i valori sono vicini, ma non uguali, a quelli della popolazione iniziale (ricordiamo che abbiamo µ = 40 cm e σ = 5 cm). Dobbiamo però notare che nel campione considerato non c é niente di speciale: questo significa che diversi campioni porteranno a diversi risultati. Supponiamo infatti di estrarre altri due campioni di taglia 10 dalla popolazione di marziani: per il campione C abbiamo X = 36 cm, e s X = 5 cm; per il campione D abbiamo X = 40 cm, e s X = 5 cm. Anche qui, sia la media che la deviazione standard dei campioni sono vicine a quelle dell intera popolazione. Possiamo quindi notare che la stima della media dipende dal particolare campione utilizzato. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
14 Variabilità delle stime Per quantificare quanto questa stima sia accurata, facciamo ora un importante cambio di prospettiva: proviamo a considerare altri 22 campioni di taglia 10 e ne rappresentiamo le medie campionarie: Notiamo che la popolazione delle medie: tende a distribuirsi normalmente intorno alla media della popolazione iniziale; con una variabilità abbastanza bassa (deviazione standard 1.6). Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
15 Lo stimatore delle medie è gaussiano! Non possiamo però dire con precisione che la media di un campione sia uguale alla media della popolazione, e non possiamo nemmeno pensare di fare la media su tutti i campioni. Infatti anche per numeri bassi come N = 200 e n = 10, ci sono ( ) 1016 possibili medie che un campione di taglia 10 può assumere! È quindi impensabile considerare tutti i possibili campioni. Tuttavia, poiché la media è una somma di fattori aleatori (nel nostro caso 10) aventi distribuzione uguale, ci aspettiamo che questa grande popolazione di medie abbia una distribuzione simile alla normale, e questo indipendentemente dalla distribuzione di partenza. Ha quindi senso descrivere la distribuzione della media usando i parametri della legge normale, cioé media e deviazione standard. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
16 Lo stimatore delle medie è gaussiano! Proviamo quindi a calcolare la media delle medie X X e la deviazione standard delle medie s X : nel nostro caso X X = 40 e s X = 1.6. Notiamo che: la media delle medie è uguale a quella della popolazione; questo è un fatto notevole, dato che X X non è la media di un campione estratto direttamente dalla popolazione originale di 200 marziani, ma è la media di un campione di taglia 25 estratto dalla popolazione delle medie composta da ( ) elementi. La deviazione standard delle medie ottenuta con il nostro campione s X = 1.6 NON è invece paragonabile alla deviazione standard della popolazione σ X = 5. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
17 Errore standard della media La deviazione standard delle medie è un indicatore della variabilità delle medie (campionarie) della popolazione, e non della popolazione originale. Vedremo che la vera deviazione standard della media di un campione di taglia n è uguale a σ X = σ X n Se si dispone di un solo campione, si può stimare la deviazione standard della media con la quantità s X = s X n chiamata errore standard della media, dove s X è la deviazione standard del campione di cui si dispone. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
18 Comportamento asintotico dei campioni Un ultima cosa da notare è il comportamento degli stimatori della media, della deviazione standard e dell errore standard della media quando n cresce. Prendiamo due marziani, e calcoliamone X, s X e s X ; poi aggiungiamone un altro e ricalcoliamo X, s X e s X, e cosí via: Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
19 Comportamento asintotico dei campioni Dalla figura notiamo che, man mano che aggiungiamo marziani al nostro campione, la media e la deviazione standard del campione approssimano quella della popolazione con precisione sempre crescente. Questa precisione si può vedere nel fatto che l errore standard della media decresce al crescere del numero n di individui nel campione. Quindi l errore standard della media non esprime la variabilità della popolazione originale, come fa la deviazione standard, ma dà un indice della certezza con cui la media di un campione stima la media vera della popolazione. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
20 ...ma come giustificare tutto questo? Nelle slides precedenti abbiamo osservato parecchi fenomeni interessanti, che spesso appaiono in statistica, ma che dovrebbero essere giustificati da una teoria: teorema limite centrale: se le misure osservate sono la somma di molti fattori aleatori indipendenti, le misure risultanti sono gaussiane indipendentemente dalla distribuzione iniziale! perchè nella varianza campionaria si divide proprio per n 1 invece che per n? perchè la deviazione standard della media di un campione di taglia n è uguale a quella della popolazione iniziale divisa proprio per n? perchè gli stimatori convergono ai parametri che stanno stimando... molto prima di arrivare a tutta la popolazione? La matematica che può dare risposte a queste domande è la probabilità. Statistica descrittiva ed inferenziale Anno Accademico 2018/ / 20
La statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
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,
Dettaglidistribuzione normale
distribuzione normale Si tratta della più importante distribuzione di variabili continue, in quanto: 1. si può assumere come comportamento di molti fenomeni casuali, tra cui gli errori accidentali; 2.
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
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)
DettagliProgrammazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
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
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
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
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliCORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità Lezioni di Statistica VARIABILITA Si definisce variabilità la proprietà di alcuni fenomeni di assumere
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
DettagliTeorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
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
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
DettagliDato che i risultati ottenuti tramite campioni casuali ed esperimenti comparativi sono legati al caso, non possiamo essere certi che le nostre
Campione Dato che i risultati ottenuti tramite campioni casuali ed esperimenti comparativi sono legati al caso, non possiamo essere certi che le nostre conclusioni siano corrette. Quello che possiamo fare
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
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;
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
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
DettagliDISTRIBUZIONI DI CAMPIONAMENTO
DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,
DettagliUlteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento
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
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Laurea Magistrale in Scienze della Nutrizione Umana Corso di Statistica Medica, anno 2015-16 P.Baldi Lista di esercizi 4, 11 febbraio 2016. Esercizio 1 Una v.a.
DettagliArgomenti della lezione: Campionamento Stima Distribuzione campionaria Campione Popolazione Sottoinsieme degli elementi (o universo) dell '
Lezione 2 Argomenti della lezione: La statistica inferenziale: concetti di base Campionamento Stima Distribuzione campionaria Popolazione (o universo) Insieme di tutti gli elementi cui si rivolge il ricercatore
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
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Intervalli di confidenza Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
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
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliIntroduzione all'inferenza Lezione 4
Last updated April 16, 2016 Introduzione all'inferenza Lezione 4 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Introduzione all inferenza Popolazione Campione
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliINTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA
INTRODUZIONE ALLA STATISTICA PER LA RICERCA IN SANITA IRCBG 19027 Modulo Dal campione alla popolazione: l'inferenza e l'intervallo di confidenza IRCCS Burlo Garofolo Formazione, Aula A via dell Istria
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
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliErrori sistematici e casuali
Errori sistematici e casuali Errori Casuali Tempo di reazione nel far partire o fermare l orologio: Può essere sia in eccesso che in difetto (ad esempio partenza e arrivo), quindi l errore può avere segno
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.11 - Principi dell inferenza statistica - Campionamento - Distribuzione campionaria di una media e di una proporzione - Intervallo di confidenza di una media e di
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
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
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
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
DettagliLA MEDIA CAMPIONARIA 14-1
LA MEDIA CAMPIONARIA Prendiamo un urna e inseriamo 10 palline numerate da 0 a 9 (questa è la nostra popolazione ). La media dei 10 valori è 4.5 (questa è la media vera µ). La varianza dei 10 valori è 8.25
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/
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica parte 1 Massimo Guerriero Ettore Benedetti Indice Esercizi Presentazione dei dati Misure di sintesi numerica Probabilità Distribuzioni teoriche di probabilità Distribuzione
DettagliCALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO
CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO In chimica analitica un settore importante riguarda il calcolo dell errore e la valutazione della significatività di una misura. Generalmente nell
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
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. La distribuzione Normale (o di Gauss)
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in medicina e chirurgia - Corso di Statistica
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Approssimazione normale della Poisson (TLC) In un determinato tratto di strada il numero di incidenti
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 6 Abbiamo visto: Definizione di popolazione, di campione e di spazio campionario Distribuzione
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
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
DettagliPAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore
PAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore medio, Errore quadratico medio (eqm), Deviazione standard,
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
DettagliDISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici
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
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
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
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
DettagliAPPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO
APPUNTI DI STATISTICA INFERENZIALE Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO PREREQUISITI VARIABILE ALEATORIA (QUANTITATIVA): è una funzione che associa un numero reale ad ogni
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:
DettagliCap. 7 Distribuzioni campionarie
Cap. 7 Distribuzioni campionarie 1 Popolazione e Campione Una popolazione è l insieme di tutte le unità oggetto di studio Tutti i potenziali votanti nelle prossime elezioni Tutti i pezzi prodotti oggi
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
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:
DettagliVariabili aleatorie binomiali e di Poisson
Variabili aleatorie binomiali e di Poisson Tiziano Vargiolu Dipartimento di Matematica Pura ed Applicata via Trieste, 63-35121 Padova email: vargiolu@math.unipd.it 9 gennaio 2007 Indice 1 Variabili aleatorie
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Ines Campa Probabilità e Statistica - Esercitazioni
DettagliCorso di Laurea in Economia Aziendale. Docente: Marta Nai Ruscone. Statistica. a.a. 2015/2016
Corso di Laurea in Economia Aziendale Docente: Marta Nai Ruscone Statistica a.a. 2015/2016 1 Indici di posizione GLI INDICI DI POSIZIONE sono indici sintetici che evidenziano le caratteristiche essenziali
DettagliSTATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE
S.S.I.S TOSCANA F.I.M. -II anno STATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE PROBLEMA 1 Vogliamo valutare la percentuale p di donne fumatrici tra le donne in età fertile. Procediamo all estrazione
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
DettagliTRACCIA DI STUDIO. Indici di dispersione assoluta per misure quantitative
TRACCIA DI STUDIO Un indice di tendenza centrale non è sufficiente a descrivere completamente un fenomeno. Gli indici di dispersione assolvono il compito di rappresentare la capacità di un fenomeno a manifestarsi
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
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
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, -..
Dettagli7. STATISTICA DESCRITTIVA
7. STATISTICA DESCRITTIVA Quando si effettua un indagine statistica si ha a che fare con un numeroso insieme di oggetti, detto popolazione del quale si intende esaminare una o più caratteristiche (matricole
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliMatematica con elementi di Informatica
Variabili aleatorie Matematica con elementi di Informatica Tiziano Vargiolu Dipartimento di Matematica vargiolu@math.unipd.it Corso di Laurea Magistrale in Chimica e Tecnologie Farmaceutiche Anno Accademico
DettagliSTIME STATISTICHE. Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 2/2
p. 1/1 INFORMAZIONI Prossime lezioni Giorno Ora Dove 10/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 17/02 14:30 P50 23/02 14:30 P50 25/02 14:30 Aula informatica (6-7 gruppi) 02/03 14:30 P50 04/03
DettagliProbabilità e statistica
Probabilità e statistica The formulation of a problem is often more essential than its solution which may be merely a matter of mathematical or experimental skill. Albert Einstein Farsi la domanda giusta
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
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
DettagliGrafici e tabelle permettono di fare valutazioni qualitative, non quantitative. E necessario poter sintetizzare i dati attraverso due importanti
Grafici e tabelle permettono di fare valutazioni qualitative, non quantitative. E necessario poter sintetizzare i dati attraverso due importanti indici : Indici di posizione Indici di variazione Indici
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 9-Introduzione alla statistica inferenziale (vers. 1.2, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliStatistica. Matematica con Elementi di Statistica a.a. 2015/16
Statistica La statistica è la scienza che organizza e analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva: dalla mole di dati
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 Normale (o di Gauss) CdL Area Tecnica -
DettagliFoglio di Esercizi 9 con Risoluzione 29 dicembre 2015
Matematica per Farmacia, a.a. 5/6 Foglio di Esercizi 9 con Risoluzione 9 dicembre 5 Esercizio. Integrare per parti: L integrale che poi si ottiene puó essere risolto con una sostituzione). ln d e arctan
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
Dettagli1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti?
Esercizio 1 Consideriamo una popolazione X, dove X = {3,5,7}. 1. Quali sono i possibili campioni di numerosità 2 senza reimmissione? X 1 e X 2 sono indipendenti? 2. Quali sono i possibili campioni di numerosità
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
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
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
Dettagli