LA STIMA DELLA DOMANDA DI TRASPORTO
|
|
- Tommasina Tedesco
- 5 anni fa
- Visualizzazioni
Transcript
1 LA STIMA DELLA DOMANDA DI TRASPORTO STIMA DELLA DOMANDA ATTUALE STIMA DELLA DOMANDA ATTUALE E FUTURA STIMA DIRETTA STIMA DA MODELLO INDAGINI: INTERVISTE SU DI UN CAMPIONE DI UTENTI: (INFORMAZIONI DISAGGREGATE) STATISTICA INFERENZIALE; SPECIFICAZIONE DEL MODELLO (FORMA FUNZIONALE E ATTRIBUTI) CALIBRAZIONE DEL MODELLO VALIDAZIONE DEL MODELLO; EVENTUALMENTE: CONTEGGIO DEI FLUSSI: (INFORMAZIONE AGGREGATE) PER LA CORREZIONE DI UNA STIMA DIRETTA O PREESISTENTE INTERVISTE SU DI UN CAMPIONE (INFORMAZIONI DISAGGREGATE); OPPURE INFORMAZIONI AGGREGATE SULLA DOMANDA; EVENTUALMENTE: CONTEGGIO DEI FLUSSI (INFORMAZIONE AGGREGATE) PER LA SPECIFICAZIONE E LA CALIBRAZIONE DEI MODELLI 1
2 STIMA DIRETTA DELLA DOMANDA TIPOLOGIE DI INDAGINE CAMPIONARIA INDAGINI DURANTE IL VIAGGIO O A BORDO : SI INTERVISTA UN CAMPIONE DEGLI UTENTI DI UN MODO DI TRASPORTO; (ES. A BORDO-STRADA PER GLI AUTOMOBILISTI E I LORO PASSEGGERI, SUL MEZZO O AI TERMINALI (STAZIONI, AEROPORTI, PORTO, FERMATE) PER GLI UTENTI DI SISTEMI DI TRASPORTO PUBBLICO (TRENO, AEREO, NAVE, BUS). INDAGINI DIRETTE A DOMICILIO: SI INTERVISTA UN CAMPIONE DELLE FAMIGLIE O DELLE PERSONE RESIDENTI ALL INTERNO DELL AREA DI STUDIO. SUGLI SPOSTAMENTI DA LORO EFFETTUATI IN UN PREFISSATO PERIODO DI RIFERIMENTO (ES. IL GIORNO PRECEDENTE QUELLO DELL INTERVISTA) INDAGINI TELEFONICHE A DOMICILIO: (SPESSO ASSISTITA DAL COMPUTER), INDAGINI A DESTINAZIONE: GLI UTENTI VENGONO INTERVISTATI NEI LUOGHI DI DESTINAZIONE DEGLI SPOSTAMENTI (POSTI DI LAVORO, SCUOLE, NEGOZI ETC.) INDAGINI POSTALI*: GLI UTENTI VENGONO INTERVISTATI PER POSTA. * INDAGINI PIÙ ECONOMICHE MA CON PROBLEMI DI COMPLETEZZA DELL UNIVERSO CAMPIONARIO E CONSEGUENTE DISTORSIONE DELLE STIME
3 PROGETTAZIONE STATISTICA DELL INTERVISTA DEFINIZIONE DELLE UNITÀ DI CAMPIONAMENTO (ES. PERSONA, FAMIGLIA, VEICOLO ETC.) E DEL METODO DI CONTEGGIO DELL UNIVERSO (ES. ELENCHI ANAGRAFICI DEI RESIDENTI O CONTEGGI DEI VEICOLI TRANSITATI); DEFINIZIONE DELLA STRATEGIA DI CAMPIONAMENTO CIOÈ DEL METODO CON CUI VIENE ESTRATTO IL CAMPIONE DI INDIVIDUI DA INTERVISTARE; DEFINIZIONE DELLO STIMATORE DA ADOTTARE CIOÈ DELLA FUNZIONE DELLE INFORMAZIONI OTTENUTE DALL INDAGINE CON CUI OTTENERE UNA STIMA DELLA QUANTITÀ INCOGNITA; DEFINIZIONE DELLA NUMEROSITÀ DEL CAMPIONE DA ESTRARRE. DEFINIZIONE DELLE UNITÀ DI CAMPIONAMENTO: È INFLUENZATA DA: ASPETTI PRATICI (DISPONIBILITÀ DI DATI E DI INFORMAZIONI); TIPO DI INDAGINE: ES. TIPO DI INDAGINE A DOMICILIO UNITÀ DI CAMPIONAMENTO FAMIGLIA/PERSONA A BORDO STRADA VEICOLO/PASSEGGERO AL TEMINALE PASSEGGERO 3
4 PROGETTAZIONE STATISTICA DELL INTERVISTA (CONT.) DEFINIZIONE DELLA STRATEGIA DI CAMPIONAMENTO: CAMPIONAMENTO PROBABILISTICO: CONSENTE DI: DEFINIRE I POSSIBILI RISULTATI DELL ESTRAZIONE DEL CAMPIONE ASSEGNARE UNA PROBABILITÀ A CIASCUN RISULTATO ESTRARRE A CASO GLI ELEMENTI DEL CAMPIONE CON QUELLA PROBABILITÀ ESEMPI DI CAMPIONAMENTO PROBABILISTICO CAMPIONAMENTO CASUALE SEMPLICE: TUTTI GLI ELEMENTI DELLA POPOLAZIONE HANNO UNA UGUALE PROBABILITÀ DI APPARTENERE AL CAMPIONE ESTRATTO; CAMPIONAMENTO CASUALE STRATIFICATO: LA POPOLAZIONE È DIVISA IN GRUPPI (STRATI) NON SOVRAPPONENTISI ED ESAUSTIVI, IN CIASCUNO STRATO VIENE ESTRATTO UN CAMPIONE DI UTENTI E OGNI ELEMENTO DI UNO STESSO STRATO HA UNA UGUALE PROBABILITÀ DI APPARTENERE AL CAMPIONE; UTENTI DI STRATI DIVERSI POSSONO AVERE PROBABILITÀ DIVERSE; CAMPIONAMENTO A GRAPPOLO: LE UNITÀ DI RIFERIMENTO (ES. LE PERSONE) SONO RIUNITE IN GRAPPOLI (AD ESEMPIO LE FAMIGLIE O I PASSEGGERI DI UN VEICOLO) CHE VENGONO ESTRATTI A CASO CON PREFISSATA PROBABILITÀ DI APPARTENERE AL CAMPIONE (A GRAPPOLO CASUALE SEMPLICE) OPPURE SUDDIVISI IN STRATI E CAMPIONATI CON PROBABILITÀ DIVERSE NEI DIVERSI STRATI (A GRAPPOLO CASUALE STRATIFICATO). CAMPIONAMENTO A GRAPPOLO A DOPPIO STADIO: SI ESTRAE PRIMA UN CAMPIONE DI GRAPPOLI (ES. UN CAMPIONE DI FAMIGLIE), E SUCCESSIVAMENTE UN CAMPIONE DI INDIVIDUI ALL INTERNO DI CIASCUN GRAPPOLO. 4
5 PROGETTAZIONE STATISTICA DELL INTERVISTA (CONT.) DEFINIZIONE DEGLI STIMATORI LA SCELTA DELLO STIMATORE, DIPENDE DALLE GRANDEZZE DI CUI SI INTENDE OTTENERE UNA STIMA E DALLA STRATEGIA DI CAMPIONAMENTO ADOTTATA ES. STIMA DEI FLUSSI DI DOMANDA OD CAMPIONAMENTO CASUALE SEMPLICE: n od = = n 1...n od dˆ = ( N / n) n = (1 / α ) n = od od od N n od CON = GENERICO ELEMENTO DEL CAMPIONE n = NUMEROSITÀ DEL CAMPIONE N = NUMEROSITÀ DELL UNIVERSO α = n/n = TASSO DI CAMPIONAMENTO n = n od /n = NUMERO MEDIO DI SPOSTAMENTI DEL TIPO IN ESAME EFFETTUATO od DA UN ELEMENTO DEL CAMPIONE. [ dˆ ] = N ŝ (1 α / n Var od ) CON: ŝ = STIMA CAMPIONARIA DELLA VARIANZA DI n od : ŝ = 1/ ( n -1) ( n od n ) = 1... n od 5
6 PROGETTAZIONE STATISTICA DELL INTERVISTA DEFINIZIONE DELLA NUMEROSITÀ DEL CAMPIONE IN BASE ALLA PRECISIONE DESIDERATA ES. cv z n 4 IR γ ( 1 α ) ( 1 γ ) 1 PER ANALOGIA SULLA BASE DI INDAGINI DI CARATTERISTICHE SIMILI CHE HANNO FORNITO RISULTATI ACCETTABILI COMPATIBILMENTE CON I VINCOLI DI BUDGET ES. TASSI DI CAMPIONAMENTO PER INDAGINI A DOMICILIO IN FUNZIONE DELLA POPOLAZIONE RESIDENTE (BPR-USA) POPOLAZIONE RESIDENTE TASSO DI CAMPIONAMENTO RACCOMANDATO MINIMO meno d pù d
7 LA STIMA DISAGGREGATA DEI MODELLI DI DOMANDA 3 FASI: SPECIFICAZIONE (FORMA FUNZIONALE E ATTRIBUTI) CALIBRAZIONE VALIDAZIONE INTERVISTE SU DI UN CAMPIONE (INFORMAZIONI DISAGGREGATE) INDAGINI RP (PREFERENZE RIVELATE) INDAGINI SP (PREFERENZE DICHIARATE) INDAGINI SUI COMPORTAMENTI EFFETTIVAMENTE RIVELATI O DIMOSTRATI DAGLI UTENTI IN INDAGINI SUI COMPORTAMENTI DICHIARATI DAGLI UTENTI IN CONTESTI IPOTETICI UN CONTESTO REALE 7
8 SPECIFICAZIONE DI UN MODELLO DI DOMANDA FORMA FUNZIONALE ATTRIBUTI È SCELTA IN BASE A: TRATTABILITÀ COMPUTAZIONALE MODELLI UTILIZZATI IN CASI ANALOGHI; ASPETTATIVE A PRIORI SULLA INDIPENDENZA O MENO DEI RESIDUI ALEATORI BISOGNA FARE ATTENZIONE A PROBLEMI DI COLLINEARITÀ PER: ATTRIBUTI SPECIFICI DELL ALTERNATIVA (ASA) ATTRIBUTI SOCIO-ECONOMICI ATTRIBUTI TRA LORO CORRELATI 8
9 CALIBRAZIONE DI UN MODELLO DI DOMANDA IL METODO DELLA MASSIMA VEROSIMIGLIANZA () A) CAMPIONAMENTO CASUALE SEMPLICE DI n UTENTI: OSSERVAZIONI STATISTICAMENTE INDIPENDENTI L(β,θ) =Π =1...n p [j()](x,β,θ) [ β, θ ] = arg maxln L( β, θ ) = arg max ln p j() = 1...n [ ]( X, β, θ ) 9
10 CALIBRAZIONE DI UN MODELLO DI DOMANDA (CONT.) IL METODO DELLA (CONT.) A) CAMPIONAMENTO CASUALE SEMPLICE DI n UTENTI (CONT.): ESEMPIO: L ( β ) = exp n=3 j=a,b p( A) exp( 3 β ) ( 3 β ) + exp( 5 β ) = exp utente j() C A 1 A 3 5 A 1 3 B 4 3 exp exp( βc A ) ( βc ) + exp( βc ) A C B exp( β ) ( β ) + exp( β ) exp B exp( 3 β ) ( 3 β ) + exp( 4 β ) β p 1 (A) p (A) p 3 (B) L(β) ln(l(β)) L( ) ln(l( )) β
11 VALIDAZIONE DI UN MODELLO DI DOMANDA TEST, INFORMALI SUI COEFFICIENTI DI UN MODELLO TEST, FORMALI SUI COEFFICIENTI DI UN MODELLO TEST SULLA BONTÀ DI INTERPOLAZIONE O ( GOODNESS OF FIT ) TEST SULLA FORMA FUNZIONALE ADOTTATA TEST INFORMALI SUI COEFFICIENTI DI UN MODELLO VERIFICA DELLA RAGIONEVOLEZZA DEI SEGNI DEI COEFFICIENTI (ES. β<0 PER TEMPI O COSTI MONETARI β>0 PER LA DISPONIBILITÀ DI AUTOMOBILI NELL UTILITÀ DEL MODO AUTO DI UN MODELLO DI SCELTA MODALE O PER LA QUANTITÀ DI ESERCIZI COMMERCIALI NEL MODELLO DI SCELTA DELLA DESTINAZIONE). VERIFICA DEI RAPPORTI FRA I COEFFICIENTI DI ATTRIBUTI DIVERSI (ES. β t /β c =VOT PUÒ ESSERE CONFRONTATO CON RISULTATI DI ALTRE CALIBRAZIONI E ASPETTATIVE SULLA DISPONIBILITÀ A PAGARE DEGLI UTENTI) VERIFICA DEL VALORE RELATIVO DI ALCUNI COEFFICIENTI (ES. β tempo a ped > β tempo a bordo ) 11
12 TEST FORMALI SUI COEFFICIENTI DEL MODELLO CAMPIONI SUFFICIENTEMENTE NUMEROSI. TEST T-STUDENT SUI SINGOLI COEFFICIENTI A) IPOTESI NULLA: H 0 : β k =0 STATISTICA UTILIZZATA: t = β Var( β k k ) 1 / DISTRIBUZIONE DELLA STATISTICA (NELL IPOTESI NULLA): T STUDENT CON N-K GRADI DI LIBERTÀ CON N= NUMEROSITÀ DEL CAMPIONE K= N DEI COEFFICIENTI STIMATI PER N >30 T STUDENT NORMALE STANDARDIZZATA 1
13 TEST FORMALI SUI COEFFICIENTI DEL MODELLO () TEST DEL RAPPORTO DI VEROSIMIGLIANZA (LIKELIHOOD RATIO) SU VETTORI DI COEFFICIENTI IPOTESI NULLA: H 0 :β=β* STATISTICA UTILIZZATA: LR(β*)= -[ln L(β*) - ln L(β )] DISTRIBUZIONE DELLA STATISTICA (NELL IPOTESI NULLA): CHI-QUADRO CON K GRADI DI LIBERTÀ ES. 1) β* = 0 CONFRONTO CON MODELLO EQUIPROBABILISTICO (V j =0 j) LR(0)= -[ln L(0) - ln L(β )] ) β* = β ASA CONFRONTO CON MODELLO CON SOLE ASA LR(β ASA)= -[ln L(β ASA) - ln L(β )] 13
14 STATISTICHE E TEST SULLA BONTÀ DELL ACCOSTAMENTO DEL MODELLO (GOODNESS OF FIT) ρ = 1 ln L( β ) ln L( 0) ρ ln L( β ) N = 1 ln L( 0) β CON N β = n DEI COEFFICIENTI β SE: p[ j( )]( β ) = p[ j( )] 0 ( ) = 1/ n ( Logt) ln L( β ) = ln L( 0) ρ = 1 1 = 0 SE: p[ j( )]( β ) = 1 ln L( β ) = 0 ρ = 1 0 = 1 14
Stima diretta della domanda di trasporto
Corso di PIANIFICAZIONE DEI TRASPORTI Prof. Ing. Agostino Nuzzolo Aprile 005 Stima diretta della domanda di trasporto Stima della domanda di trasporto STIMA DELLA DOMANDA ATTUALE STIMA DELLA DOMANDA ATTUALE
DettagliCalibrazione disaggregata
Corso di TEORIA DEI SISTEMI DI TRASPORTO prof. ing. Umberto Crisalli Calibrazione disaggregata La stima della domanda di trasporto Stima della Domanda Attuale Stima della Domanda Attuale e Futura Stima
DettagliStima diretta della domanda di trasporto
Corso di PROGETTAZIONE DEI SISTEMI DI TRASPORTO prof. ing. Agostino Nuzzolo novembre 2005 Stima diretta della domanda di trasporto 1 Stima della domanda di trasporto STIMA DELLA DOMANDA ATTUALE STIMA DELLA
DettagliStima diretta della domanda di trasporto
Teoria dei Sistemi di Trasporto 1 + 2 (9 CFU) A. A. 2016-2017 Stima diretta della domanda di trasporto prof. ing. Antonio Comi Department of Enterprise Engineering University of Rome Tor Vergata Prof.
DettagliStima diretta della domanda di trasporto
Corso di PIANIFICAZIONE DEI TRASPORTI prof. ing. Agostino Nuzzolo aprile 006 Stima diretta della domanda di trasporto Stima della domanda di trasporto Introduzione STIMA DELLA DOMANDA ATTUALE STIMA DELLA
DettagliCorso di TEORIA DEI SISTEMI DI TRASPORTO prof. ing. Umberto Crisalli. Stima diretta della domanda di trasporto
Corso di TEORIA DEI SISTEMI DI TRASPORTO prof. ing. Umberto Crisalli Stima diretta della domanda di trasporto 1 Stima della domanda di trasporto Introduzione STIMA DELLA DOMANDA ATTUALE STIMA DELLA DOMANDA
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
DettagliCampionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
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
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
DettagliCalibrazione dei modelli di utilità aleatoria Modelli di scelta del percorso
A. A. 216-217 Calibrazione dei modelli di utilità aleatoria Modelli di scelta del percorso Agostino Nuzzolo Antonio Comi Department of Enterprise Engineering Tor Vergata University of Rome Introduzione
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
DettagliParametri e statistiche. Parametri e statistiche. Distribuzioni campionarie. Popolazione Parametri Valori fissi, Statistiche o Stimatori.
Parametri e statistiche Popolazione Parametri Valori fissi, spesso non noti Campione Statistiche o Stimatori Variabili casuali, le cui determinazioni dipendono dalle particolari osservazioni scelte Parametri
DettagliStima della domanda attuale con conteggi dei flussi di traffico
corso di Teoria dei Sistemi di Trasporto Stima della domanda attuale con conteggi dei flussi di traffico PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it Introduzione
DettagliCORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO
corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio CORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa crisalli@ing.uniroma2.it
DettagliCampionamento La statistica media campionaria e la sua distribuzione
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliIndagine statistica. Indagine Totale Indagine Campionaria Fasi dell indagine
10/1 Indagine statistica Indagine Totale Indagine Campionaria Fasi dell indagine definizione degli obiettivi definizione delle unità e delle variabili da rilevare scelta del periodo di riferimento individuazione
DettagliCORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO
corso di Teoria e Tecnica della Circolazione + Trasporti e Territorio a.a. 2012-2013 CORREZIONE DELLA DOMANDA O-D CON CONTEGGI DI TRAFFICO PROF. ING. UMBERTO CRISALLI Dipartimento di Ingegneria dell Impresa
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it STIMA PUNTUALE (p. 55) Il parametro è stimato con un unico valore Esempio: stima della share di un programma TV = % di spettatori
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
DettagliStatistica descrittiva e statistica inferenziale
Statistica descrittiva e statistica inferenziale 1 ALCUNI CONCETTI POPOLAZIONE E CAMPIONE Popolazione: insieme finito o infinito di unità statistiche classificate secondo uno o più caratteri Campione:
DettagliCorso di TEORIA DEI SISTEMI DI TRASPORTO 2. prof. ing. Umberto Crisalli
Corso di TEORIA DEI SISTEMI DI TRASPORTO 2 prof. ing. Umberto Crisalli Stima della domanda attuale con conteggi dei flussi di traffico 1 Introduzione Stima della Domanda Attuale Stima della Domanda Attuale
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
DettagliEsempio (Azzalini, pp. 6-15)
Inferenza statistica procedimento per indurre le caratteristiche non note di un aggregato a partire dalle informazioni disponibili su una parte di esso. Obiettivo del corso presentare la teoria ed i metodi
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,
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 9 Abbiamo visto metodi per la determinazione di uno stimatore puntuale e casi per: Carattere con
DettagliSTATISTICA APPLICATA Prof.ssa Julia Mortera. INTRODUZIONE al STATISTICA
STATISTICA APPLICATA Prof.ssa Julia Mortera INTRODUZIONE al CAMPIONAMENTO e all INFERENZA STATISTICA Inferenza Statistica Nell inferenza statistica si usano le statistiche campionarie per fare previsioni
DettagliLa progettazione di un indagine statistica
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Outline 1 L indagine campionaria 2 3 Outline 1 L indagine campionaria 2 3 L indagine campionaria [1/2] Principalmente influenzata da: tempi costi
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
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
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
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
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
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
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
DettagliFigura Area di Studio
Esercizi modelli di domanda Esercizio 1 Considerando tre zone di traffico, si vuole determinare il numero complessivo di spostamenti emessi dalle tre zone per il motivo Casa-Studio ed effettuati da studenti
DettagliUniversità degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1 Lezione 1 - Mercoledì 27 Settembre 2017 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliIndice. Prefazione. 4 Sintesi della distribuzione di un carattere La variabilità Introduzione La variabilità di una distribuzione 75
00PrPag:I-XIV_prefazione_IAS 8-05-2008 17:56 Pagina V Prefazione XI 1 La rilevazione dei fenomeni statistici 1 1.1 Introduzione 1 1.2 Caratteri, unità statistiche e collettivo 1 1.3 Classificazione dei
DettagliMODELLI DI ASSEGNAZIONE PER LE RETI STRADALI
MODELLI DI ASSEGNAZIONE PER LE RETI STRADALI CORSO DI PROGETTAZIONE DEI SISTEMI DI TRASPORTO - I MODELLI DI ASSEGNAZIONE L ASSEGNAZIONE DELLA DOMANDA AD UNA RETE DI TRASPORTO CONSISTE NEL CALCOLARE I FLUSSI
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
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
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
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 Campionamento e distribuzione campionaria della media CdL Infermieristica
DettagliMONITOR PORDENONE 2010
MONITOR PORDENONE 2010 INDAGINE SULLE PROBLEMATICHE DEI CITTADINI DEL COMUNE DI PORDENONE E SUL GRADIMENTO DELL ATTUALE AMMINISTRAZIONE COMUNALE OTTOBRE 2010 Local Area Network s.r.l. Sede legale: via
DettagliUniversità degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1 Lezione 1 - Mercoledì 28 Settembre 2016 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliDomanda merci internazionale Import-Export
Corso di LOGISTICA TERRITORIALE www.uniroma2.it/didattica/lt_20112011 DOCENTE prof. ing. Agostino Nuzzolo Domanda merci internazionale Import-Export Quadro di riferimento Geografic Area Import Export 2007
DettagliLa Decisione Statistica Campione aleatorio: risultato dell osservazione di un fenomeno soggetto a fluttuazioni casuali.
La Decisione Statistica Campione aleatorio: risultato dell osservazione di un fenomeno soggetto a fluttuazioni casuali. Analisi del campione: - descrizione sintetica (statistica descrittiva) - deduzione
DettagliPrefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura
INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI
Dettaglilezione 8 AA Paolo Brunori
AA 2016-2017 Paolo Brunori regressione multipla con n = k Immaginate di voler studiare i determinanti del voto all esame di econometria Y = β 1 X 1 + u Y i = β 1 H i + u i H=ore studiate alla settimana
Dettaglib) E necessario formulare delle ipotesi per calcolare l intervallo di confidenza ottenuto al punto a? (motivare brevemente la risposta):
ESERCIZIO 1 Una grande banca vuole stimare l ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto. Si seleziona un campione di 100 clienti su cui si osserva
Dettaglimotivi prevalentemente personali (lavoro, studio, tempo libero, ecc.).
5. NOTA METODOLOGICA Obiettivi dell indagine: l indagine campionaria si è posta l obiettivo di conoscere i giudizi degli utenti su alcune strade diventate da poco tempo regionali per programmare e determinare
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
DettagliCORSI E SEMINARI DI FORMAZIONE UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA
UTILIZZO DEI MODELLI DI SIMULAZIONE DEL TRAFFICO: MODELLI MULTIMODALI E BIG DATA giovedì 9 novembre 2017// Centro Studi PIM - Villa Scheibler Modelli di simulazione Multimodale: caratteristiche, dati di
DettagliFondamenti di statistica per il miglioramento genetico delle piante. Antonio Di Matteo Università Federico II
Fondamenti di statistica per il miglioramento genetico delle piante Antonio Di Matteo Università Federico II Modulo 2 Variabili continue e Metodi parametrici Distribuzione Un insieme di misure è detto
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
DettagliMetodi e tecniche di valutazione dei progetti Tecniche di campionamento
Tecniche di campionamento Facoltà di Medicina e Odontoiatria Corso di laurea magistrale Facoltà TECNICHE di Economia DIAGNOSTICHE A.A. 2013-2014 Probabilistico Campione Non probabilistico Campione casuale
DettagliStatistica Sociale e Criminale (12 CFU) A.A. 2015/2016
Statistica Sociale e Criminale (1 CFU) A.A. 015/016 CdL Sociologia e Criminologia Simone Di Zio Dove siamo MODULO 3. L Inferenza statistica 3.1 Probabilità e variabili casuali 3. Le tecniche di campionamento
DettagliLA CAMPAGNA DI INDAGINI PER L ANALISI DELLA MOBILITA REGIONALE
LA CAMPAGNA DI INDAGINI PER L ANALISI DELLA MOBILITA REGIONALE ARTICOLAZIONE DELLA CAMPAGNA DI INDAGINI sulla MOBILITA : 1. Conteggi automatici classificati su 73 sezioni della rete stradale regionale;
DettagliUniversità degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1 Lezione 1 - Martedì 23 Settembre 2014 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio: si consideri una generica popolazione X con media µ e varianza σ 2 Siano T 1 =(X 1 +X 2 +X 3 +X 4 )/4 e T 2 =(3X 1 +4X
DettagliSTATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7:
esercitazione 7 p. 1/13 STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7: 20-05-2004 Luca Monno Università degli studi di Pavia luca.monno@unipv.it http://www.lucamonno.it
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio Il contenuto di nicotina di una certa marca di sigarette è 0,25 milligrammi con una deviazione standard di 0,015. Un associazione
Dettagli1. variabili dicotomiche: 2 sole categorie A e B
Variabile X su scala qualitativa (due categorie) modello di regressione: variabili quantitative misurate almeno su scala intervallo (meglio se Y è di questo tipo e preferibilmente anche le X i ) variabili
DettagliIl campionamento statistico. prof. C.Guida
Il campionamento statistico prof. C.Guida Per determinare le caratteristiche fondamentali di una popolazione statistica non è sempre necessario analizzare tutta la popolazione, ma risulta sufficiente esaminare
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe
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
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
DettagliMODELLO DI REGRESSIONE LINEARE. le ipotesi del modello di regressione classico, stima con i metodi dei minimi quadrati e di massima verosimiglianza,
MODELLO DI REGRESSIONE LINEARE le ipotesi del modello di regressione classico, stima con i metodi dei minimi quadrati e di massima verosimiglianza, teorema di Gauss-Markov, verifica di ipotesi e test di
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
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliFondamenti statistici : Test d Ipotesi (1)
Fondamenti statistici : Test d Ipotesi (1) Ipotesi statistica: È una assunzione formulata su un particolare aspetto della popolazione considerazioni teoriche Informazioni relative a popolazioni analoghe
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
DettagliCampionamento. Aa
Campionamento Un procedimento attraverso cui si estrae, da un insieme di unità (popolazione) costituenti l oggetto dello studio, un numero ridotto di casi (campione) scelti con criteri tali da consentire
DettagliCalcolo delle Probabilità e Statistica Matematica previsioni 2003/04
Calcolo delle Probabilità e Statistica Matematica previsioni 2003/04 LU 1/3 Esempi di vita reale : calcolo delle probabilità, statistica descrittiva e statistica inferenziale. Lancio dado/moneta: definizione
DettagliIl Campionamento Statistico
Il Campionamento Statistico Campionamento sistematico (1/2) Introdotto per ovviare ai costi elevati del campionamento casuale e semplice; richiede la selezione casuale soltanto
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
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
DettagliMetodi statistici per lo studio dei fenomeni biologici
Metodi statistici per lo studio dei fenomeni biologici Alla fine di questa lezione dovreste essere in grado di: descrivere la distribuzione di campionamento della differenza di due medie costruire gli
DettagliIntroduzione alla verifica d ipotesi
Introduzione alla verifica d ipotesi Dipartimento di Matematica Università di Roma Tor Vergata 17 dicembre 2017 Consideriamo il caso in cui la nostra variabile risposta sia continua Immaginiamo che obiettivo
DettagliFacoltà di ECONOMIA Corso di Statistica a.a. 2005/2006 Esame del 27/09/2006 Calcolo delle Probabilità e Inferenza
Esame del 27/09/2006 Calcolo delle Probabilità e Inferenza 1. Si consideri un urna contenente 10 palline numerate di forma uguale ma di diverso colore (R=rosso, V=verde, N=nero). Numero 1 2 3 4 5 6 7 8
DettagliGli intervalli di Confidenza. Lezione 9- Inervalli di Confidenza 1
Lezione 9 Gli intervalli di Confidenza Confidenza 1 Intervalli di Confidenza Sia X 1, X n un campione di ampiezza n estratto dalla popolazione X~(µ,σ 2 ) Per quanto accurato possa essere lo stimatore T
DettagliCampionamento. Una grandezza fisica e' distribuita secondo una certa PDF
Campionamento Una grandezza fisica e' distribuita secondo una certa PDF La pdf e' caratterizzata da determinati parametri Non abbiamo una conoscenza diretta della pdf Possiamo determinare una distribuzione
Dettagli28/10/2010 CAMPIONE STATISTICO. L'errore di campionamento
8/10/010 CAMPIONE STATISTICO POPOLAZIONE CAMPIONE RAPPRESENTATIVO L'errore di campionamento L'errore di campionamento è rappresentato dalla differenza tra i risultati ottenuti dal campione e la vera caratteristica
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 II Esonero - 15 Gennaio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 014/015 II Esonero - 15 Gennaio 015 1 3 4 5 6 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliSTATISTICA /2005
STATISTICA 1 2004/2005 Stimatori e Intervalli di Confidenza Esercizio 1 Riportiamo qui sotto venti campioni di taglia 5 estratti da una distribuzione normale standard N(0,1). -1,23 0,60 0,03 1,45 0,89-1,59-0,62
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
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
Dettaglix ;x Soluzione Gli intervalli di confidenza possono essere ottenuti a partire dalla seguente identità: da cui si ricava: IC x ;x = +
ESERCIZIO 6.1 Si considerino i 0 campioni di ampiezza n = estratti da una popolazione X di N = 5 elementi distribuiti normalmente, con media µ = 13,6 e σ = 8,33. A partire dalle 0 determinazioni della
DettagliCampionamento e distribuzioni campionarie
Campionamento e distribuzioni campionarie Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Inferenza statistica = processo che, partendo dalle informazioni contenute
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
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
DettagliLezione 12. Campioni e Variabili casuali campionarie
Lezione 12 Campioni e Variabili casuali campionarie STATISTICA (L-Z) Dr. Augusto Cerqua. Slides preparate in collaborazione con il Prof. Guido Pellegrini Facoltà di Scienze Politiche, Sociologia, Comunicazione
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,
DettagliLe statistiche campionarie sono stime dei parametri ignoti della popolazione al cui valore siamo interessati.
Una volta selezionato il campione, la variabile di interesse viene misurata sugli elementi che lo costituiscono. I valori che la variabile assume vengono poi sintetizzati utilizzando le statistiche opportune
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 5 Abbiamo visto: Modelli probabilistici nel continuo Distribuzione uniforme continua Distribuzione
DettagliSTATISTICA SOCIALE Corso di laurea in Scienze Turistiche - A.A. 2007/2008 Esercizi 30 novembre 2007
STATISTICA SOCIALE Corso di laurea in Scienze Turistiche - A.A. 2007/2008 Esercizi 30 novembre 2007 Esercizio 1 La seguente Tabella 1 riporta la distribuzione degli alberghi di una certa area per categoria
DettagliSommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51
Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19
DettagliStatistica economica
Statistica economica a.a. 013/14 Dr. Luca Secondi 10.a. Output tipico di un modello di regressione lineare multipla 1 Le analisi basate sul modello di regressione prevedono la stima dei coefficienti associati
Dettagli