ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI
|
|
- Ottaviana Leonora Gatto
- 5 anni fa
- Visualizzazioni
Transcript
1
2 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 cronologica Sequenza ordinata Osservazioni di massimo annuo di pioggia in un giorno P Claps 2
3 IDROLOGIA Analisi esplorativa di serie di dati Rappresentazione grafica della serie storica (Sequenza cronologica) massimo annuo di pioggia in un giorno h(mm) anno P Claps 3 IDROLOGIA Analisi esplorativa di serie di dati Altro esempio: regione Lombardia. Consumi energetici annui Non stazionarietà (Civile, industria) Bassa variabilità (Agricolt.) P Claps 4
4 IDROLOGIA Analisi esplorativa di serie di dati Distribuzione del campione (Caratteristiche di variabilità) Ampiezza del campione Diagramma a punti P Claps 5 IDROLOGIA Analisi esplorativa di serie di dati Distribuzione del campione (Caratteristiche di variabilità) Rappresentazione ad istogramma delle frequenze di classe, sia Assolute (n elementi per classe), che Relative: (n elementi per classe divisi per N=numero totale dati) frequenza relativa n= numero totale di dati campionari k= numero di classi Numero di dati campionari che ricadono nella classe(0-75) divisi per il numero totale di dati Per evitare arbitrarietà nella determinazione del numero di classi, si può utilizzare la relazione suggerita da Sturges che lega il numero delle classi, k, alla dimensione del campione, N, secondo la relazione : (logaritmo in base 10) P Claps 6
5 IDROLOGIA Analisi esplorativa di serie di dati Distribuzione del campione (Caratteristiche di variabilità) Curva di Frequenza cumulata (campionaria) frequenza cumulata (m m ) Frequenza cumulata campionaria: P Claps 7 IDROLOGIA Analisi esplorativa di serie di dati MOMENTI CAMPIONARI Media campionaria singolo dato campionario Varianza Media campionaria Coefficiente di asimmetria (skewness) Coefficiente di appiattimento (kurtosi) P Claps 8
6 IDROLOGIA Analisi esplorativa di serie di dati QUARTILI del Campione frequenza cumulata 0.8 0, , , I II III (m m ) P Claps 9 IDROLOGIA Analisi esplorativa di serie di dati Rappresentazione Bo-Plot della serie Limiti del bo: Inferiore: I quartile del campione (Φ=0.25) Superiore: III quartile del campione (Φ=0.75) Linea mediana: II quartile del campione (Φ=0.50) Si definisce range interquartile (IQR) la differenza: IQR = (Φ=0.75) - (Φ=0.25) P Claps 10
7 IDROLOGIA Analisi esplorativa di serie di dati Limiti dei whiskers: Inferiore Valor minimo della serie delle osservazioni ( 1 ) oppure I quartile volte IQR! (Φ=0.25) IQR Se negativo può essere posto pari a zero quando le osservazioni sono definite positive Superiore Valor massimo della serie delle osservazioni ( n ) oppure III quartile volte IQR! (Φ=0.75) IQR P Claps 11 IDROLOGIA Analisi esplorativa di serie di dati Nella rappresentazione con i whiskers si possono indicare tutte le osservazioni di valore inferiore al whisker minimo e superiore al whisker massimo P Claps 12
8 IDROLOGIA Analisi esplorativa di serie di dati P Claps 13 IDROLOGIA Analisi esplorativa di serie di dati SIMBOLOGIA P Claps 14
9 CONCETTI FONDAMENTALI DELLA TEORIA DELLE PROBABILITA. Esperimento aleatorio. Spazio campionario o popolazione. Esempi: Esperimento Popolazione Tipo Numero di giorni piovosi in un anno { 0,1,2,...365} Finito, numero Numero di giorni non piovosi consecutivi { 0,1,2...} Infinito, numero Valori osservati della portata { ;! 0} Infinito, non numero Evento aleatorio semplice A, B, C : ciascun elemento della popolazione (punto). Evento aleatorio composto A, B, C : insieme di due o più punti. Complemento dell elemento A : A : insieme dei punti che non appartengono ad A. Evento certo! : insieme di tutti i punti della popolazione. Evento nullo! : insieme vuoto. Unione di eventi A e B : A! B: insieme dei punti dei due eventi. Intersezione di A! C : insieme dei punti comuni ad A e a B
10 PROPRIETA FONDAMENTALI DELLA PROBABILITA. Probabilità dell evento A: 1. 0! P [ A]! 1 2. P [!] = 1 3. Se B A! A!... Esempi: [ A] = 1 P[ A] P! P [#] = 1 " P[!] = 0 = e se A, A3 P A sono mutuamente escludentisi: 1, 2 A3 [ B] = P[ A ] + P[ A ] + P[ A ] PROBABILITA DELLE UNIONI DI EVENTI. Esempio: In un istituto universitario vi sono 10 docenti (3 donne e 7 uomini) e 30 non docenti (10 donne e 20 uomini). Qual è la probabilità che un membro dell istituto scelto a caso sia un docente e/o una donna? Eventi mutuamente escludentisi: P [ A! B] = 0 [ D " F] = P[ D] + P[ F]! P[ D F] P!
11 PROBABILITA CONDIZIONATA. Esempio: Qual è la probabilità che un membro dell istituto donna sia docente? [ ] P D F = [! F] P[ F] P D Eventi statisticamente indipendenti: P [ A! B] = P[ A]! P[ B] Eventi mutuamente escludentisi: P [ A B] = 0 TEOREMA DELLA PROBABILITA TOTALE. A evento qualsiasi. B B, B... B n # eventi mutuamente escludentisi. "! B1! B2!...! Bn = $ ( B 1! A), ( B 2! A), ( 3 A), ( B 1 " A)! ( B 2 " A)! ( " A)! B! ( B n! A)..., Altra serie di eventi mutuamente escludentisi. B 3..." ( B n! A) = A P [ A] P[ A B ] P[ ]+ [ A B ] P[ B ]... = 1 B1 P P [ A B ] P[ ] n B n
12 VARIABILI ALEATORIE E LORO DISTRIBUZIONE. Variabili aleatoria o casuale. Il valore assunto da una variabile aleatoria associata con un esperimento dipende dal risultato dell esperimento. Ad ogni punto dello spazio campionario si associa un valore della variabile. Esempio: Testa e Croce : due monete (argento e oro) lanciate simultaneamente. Variabile aleatoria (v.a.): numero di teste ottenute. Evento Semplice Dorata Descrizione Argentata Valore di A Croce Croce = 0 B Testa Croce = 1 C Croce Testa = 1 D Testa Testa = 2
13 VARIABILI DISCRETE. V.a. che possono assumere solo valori interi un dato intervallo. Funzione massa di probabilità (f.m.p.) associa una probabilità ad ogni valore della variabile. P [ = ] = p () Esempio: 1 4 p ( 0) = P[ = 0] = P[ A] = p 1) = P[ = 1] = P[ B! C] = P[ B] + P[ C] p [ = 2] = P[ ] ( 2) = P D = 1 4 ( = 1 2 0! ( )! 1 p! i p ( ) = 1 [ a " " b] =! P p ( ) a" " b i i
14 Funzione di distribuzione cumulata. [ " ] =! F ( ) = P p ( ) " i i Esempio: [ " ] =! F ( ) = P p ( ) " i i F ( 2) = 1 F ( 1) = F ( 0) = F (! 1) = 0 4
15 VARIABILI ALEATORIE CONTINUE. Possono assumere qualsiasi valore numerico reale in un dato intervallo. Funzione di densità di probabilità. f ( ) = '!! $ P % ) ( ( + & 2 2 " lim #!! * 0! ( )! 0 +"! #" f ( ) d = 1 f P[ a " " b] f ( ) d b =! a
16 Funzione di distribuzione cumulata: +" [ $ ] = f ( u du F ( ) = P! ) df ( )! = f ( ) solo per variabili assolutamente continue. d! (!) = 1 F ; F (!") = 0! F ( + ") F ( ) per qualsiasi > 0! #"! ; F ( ) " F ( = P[! ] 2 1) 1! 2 Per ogni tipo di variabile definita nell intervallo[ a, b] :! 0! ( )! 1 F ; F ( a) = 0; ( b) = 1 F
17 MOMENTI MEDIA (VALORE SPERATO) di una variabile aleatoria discreta. di una variabile aleatoria continua. [ ] =! P ( ) = E µ i +" E =! ) #" i [ ] f ( d = µ di una funzione g () di una v.a. continua o discreta: [ g( ) ] =! E g( ) P ( ) E i +"! #" [ g( ) ] = g( ) f ( ) d i i i r-esimo momento di : µ µ r r = = E E r [ ] r [ ] = = & % i +' (' r i P ( i ) $! # µ 1 = µ = r f ( ) d!!" E[ ]
18 r-esimo momento di centrale di : [ ] [ ] [ ] [ ] [ ] 2 ' ' 2 ' 1 ' ' ' var 0; ) ( ) ( ) ( ) ( ) ( ) ( µ µ! µ µ µ µ µ µ µ µ " = " = = = = # # $ # # % & " = " = " = " = ' ( +) ") E E d f E P E r r r i r i r r i MISURA DI LOCAZIONE. Moda: ~ ma ~ ) ( = f
19 Mediana: 0.5! F ( ) = 0.50 =! Media: µ [ ] = E Media geometrica: log = E M g [ log ] M =! k g k i i
20 MISURA DI DISPERSIONE. var = E ( " µ ) =! 2 2 Varianza: [ ] [ ] Scarto quadratico medio:! = var[ ] " Coefficiente di variazione: Cv = =! MISURA DI ASIMMETRIA. Coefficiente di asimmetria: µ ' µ 3 " 1 = Ca = 3! MISURA DI APPIATTIMENTO O CURTOSI. Curtosi: ' µ 4 k = 4! ' 2 3! 4 4 Coefficiente di eccesso o di Curtosi: # = k! = 3 µ "
21 DISTRIBUZIONE NORMALE DEL CASO O DI GAUSS Funzione densità di probabilità: Funzione di distribuzione cumulata: può essere calcolata numericamente per ogni θ 1 e θ 2. I parametri θ 1 e θ 2 sono dati da:
22 IDROLOGIA Analisi esplorativa di serie di dati Il confronto tra un campione e la popolazione si può effettuare attraverso la comparazione delle forme delle curve di distribuzione cumulata (campionaria e teorica). Affinchè la comparazione sia coerente, per la distribuzione campionaria si deve usare una Stima della probabilità cumulata della popolazione, chiamata Plotting position Una possibilità valida se non si ha alcuna indicazione sulla distribuzione teorica da usare è: detta Weibull Plotting position (è distribution free). Corrisponde a porre =0 nella relazione più generale: P Claps 18 IDROLOGIA Analisi esplorativa di serie di dati Distribution dependent Si hanno ad esempio: - Distribuzioni debolmente asimmetriche (Cunnane) - Distribuzioni debolmente asimmetriche (Gringorten) - Distribuzioni fortemente asimmetriche (Hazen) P Claps 19
23 IDROLOGIA Analisi esplorativa di serie di dati Analogamente, le stime dei momenti della popolazione richiedono alcune correzioni sulle espressioni dei momenti campionari: per la varianza: per l asimmetria P Claps 20 IDROLOGIA Analisi esplorativa di serie di dati P Claps 21
24 DISTRIBUZIONE NORMALE IN FORMA CANONICA Variabile normale standardizzata o ridotta Valori notevoli di u(f) e di F(u) F u(f) u F(u) inv.s.norm dist-s-norm Esempio: Quantile di corrispondente a F() = 0.025
25 DISTRIBUZIONI DERIVATE Funzione Y = g() strettamente monotona crescente e derivabile di una v.a. continua Esempio: oppure oppure Quando si conosce la distribuzione della Y e si ricerca quella della vale, ovviamente Esempio: variabile normale standard Vale anche:
26 MEDIA DI UNA VARIABILE FUNZIONE DI UN ALTRA Se c è una costante: Similmente In generale Esempio:
27 VARIANZA DI UNA VARIABILE FUNZIONE VARIABILE STANDARDIZZATA
28 Carta probabilistica normale In diagramma cartesiano con ascissa ed ordinata u la funzione di probabilità cumulata F () sarà rappresentata dalla retta Rappresentazione in carta normale delle osservazioni i Esempio: F i =0,975 u(f i )=1,96
29 PROPRIETA' DELLA DISTRIBUZIONE NORMALE Probabilità che una variabile casuale normale cada in un intervallo Coefficiente di asimmetria: Coefficiente di Curtosi (misura dell appiattimento di una distribuzione): Somma di variabili normali indipendenti e è
30 Periodo di Ritorno L occorrenza di un nuovo evento puo essere considerato un esperimento tipo Bernoulli che genera solo due eventi incompatibili, tipo successo insuccesso. p = probabilità di un insuccesso. (1-p) = probabilità di un successo. Esempio: Q i Massima portata nell anno. Q 0 Portata di progetto. p=p(q i >Q 0 ) Tp è il numero medio di insuccessi in T prove. Assegnata la condizione Tp=1 si ha che T è il numero di prove (anni) da attendere mediamente prima di un insuccesso T = PERIODO DI RITORNO
31 Il Rischio (naturale) RESIDUALE Il periodo di ritorno T non caratterizza completamente il rischio idrologico in campo progettuale e nella pianificazione L Orizzonte temporale di riferimento. P L Probabilità di un superamento in un periodo di L anni consecutivi. ( ) L R L = F (L) =1 1 p Tenuto conto che 1 p = T (Periodo di Ritorno) Rischio RESIDUALE Se R L,T è assegnato: " R L,T =1 1 1 % $ ' # T & T = 1 L 1 ( 1 R L.T ) 1 L
32 Esempi La probabilità che in un orizzonte di 10 anni venga superata una piena con T=50 è circa pari al 20% " R 10,50 =1 1 1 % $ ' # 50 & Perchè accada una piena con T=50 non si devono attendere 50 anni! Per L<<T vale 10 " R L,T =1 1 1 % $ ' # T & L 0.2 L T Si può considerare L come un moltiplicatore del rischio naturale
33 Inoltre: Se L diventa grande, in via approssimata vale: R L,T 1 e L/T Che, per L=T conduce a: R L 1 e 1 = Ovvero: Un sistema idrico progettato per un quantile T corrispondente al periodo di ritorno T sara inadeguato con una probabilità almeno una volta durante un periodo di T anni.
34 DISTRIBUZIONE LOG-NORMALE La variabile si dice log-normalmente distribuita se: è normalmente distribuita Funzione di densità di probabilità:
35 Espressioni teoriche dei momenti: Relazioni tra momenti e parametri: Due parametri: e Due momenti della popolazione: e Espressioni semplificate: per per piccolo
36 Carta probabilistica Log-normale In diagramma cartesiano con ascissa ln ed ordinata u la funzione di probabilità cumulata F (Y) y sarà rappresentata dalla retta Rappresentazione in carta Log-normale delle osservazioni i L asse delle ascisse puo essere Relativo alle y o, in scala logaritmica, Anche riferito alle. Esempio: F i =0,975 u(f i )=1,96
Condizione di progetto: Periodo di Ritorno
Condizione di progetto: Periodo di Ritorno L occorrenza di un nuovo evento puo essere considerato un esperimento tipo Bernoulli che genera solo due eventi incompatibili, tipo successo insuccesso. p = probabilità
DettagliANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI
ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI Rappresentazone tabellare della sere storca Sequenza cronologca Sequenza ordnata Osservazon d massmo annuo d pogga n un gorno 2 Rappresentazone grafca della
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
DettagliCURVE DI DURATA: Introduzione e Rappresentazione analitica
CURVE DI DURATA: Introduzione e Rappresentazione analitica Premesse Si definisce durata di una portata Q riferita ad una sezione di misura, l'intervallo di tempo in cui le portate naturali del corso d
DettagliElementi di Probabilità e Statistica
Elementi di Probabilità e Statistica Statistica Descrittiva Rappresentazione dei dati mediante tabelle e grafici Estrapolazione di indici sintetici in grado di fornire informazioni riguardo alla distribuzione
DettagliPROBABILE...? PREDICIBILE...? (H. Poincarè) (Virginia Woolf Tra un atto e l altro)
PROBABILE...? Se noi non fossimo ignoranti non ci sarebbe probabilità, Ci potrebbero essere solo certezze. Ma la nostra ignoranza non può essere assoluta, altrimenti non ci sarebbe più Probabilità. Così
Dettagli1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
DettagliDISTRIBUZIONE ESPONENZIALE Nella forma più usuale la distribuzione esponenziale assume la forma: Le relazioni teoriche dei momenti sono:
DISTRIBUZIONE ESPONENZIALE Nella forma più usuale la distribuzione esponenziale assume la forma: Le relazioni teoriche dei momenti sono: DISTRIBUZIONE ESPONENZIALE a 2 parametri (con soglia) Se esiste
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
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
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
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
DettagliRichiami di probabilità e statistica
Richiami di probabilità e statistica Una variabile casuale (o aleatoria) X codifica gli eventi con entità numeriche x ed è caratterizzata dalla funzione di distribuzione di probabilità P(x) : P(x)=Pr ob[x
DettagliCorso di STATISTICA EGA - Classe 1 aa Docenti: Luca Frigau, Claudio Conversano
Corso di STATISTICA EGA - Classe 1 aa 2017-2018 Docenti: Luca Frigau, Claudio Conversano Il corso è organizzato in 36 incontri, per un totale di 72 ore di lezione. Sono previste 18 ore di esercitazione
DettagliLa variabilità. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione [1/2] Gli indici di variabilità consentono di riassumere le principali caratteristiche di una distribuzione (assieme alle medie) Le
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
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
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliNozioni di statistica
Nozioni di statistica Distribuzione di Frequenza Una distribuzione di frequenza è un insieme di dati raccolti in un campione (Es. occorrenze di errori in seconda elementare). Una distribuzione può essere
DettagliQuestionario 1. Sono assegnati i seguenti dati
Questionario 1. Sono assegnati i seguenti dati 30 30 10 30 50 30 60 60 30 20 20 20 30 20 30 30 20 10 10 40 20 30 10 10 10 30 40 30 20 20 40 40 40 dire se i dati illustrati sono unità statistiche valori
DettagliFacoltà di AGRARIA anno accademico 2009/10
Facoltà di AGRARIA anno accademico 2009/10 Attività didattica MATEMATICA E STATISTICA [AG0233], MATEMATICA E STATISTICA [AG0233] Periodo di svolgimento: Primo Semestre Docente titolare del corso: FREDDI
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
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 2
Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi
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
DettagliLa distribuzione normale o distribuzione di Gauss
La distribuzione normale o distribuzione di Gauss Gauss ha dimostrato che secondo questa legge si possono ritenere distribuiti gli errori accidentali di misura di una qualsivoglia grandezza. Densità di
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
DettagliSeconda Lezione. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010 DISTRIBUZIONE DI FREQUENZA
Seconda Lezione "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando
DettagliEsplorazione dei dati
Esplorazione dei dati Introduzione L analisi esplorativa dei dati evidenzia, tramite grafici ed indicatori sintetici, le caratteristiche di ciascun attributo presente in un dataset. Il processo di esplorazione
DettagliLaboratorio di Chimica Fisica. Analisi Statistica
Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica
Dettagli9. VARIABILI CASUALI
9. VARIABILI CASUALI 9. Definizione di variabile casuale In molte situazioni reali l interesse è rivolto non tanto agli eventi che possono verificarsi nel corso di un esperimento, quanto al valore numerico
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
DettagliIdraulica e Idrologia: Lezione 6
Idraulica e Idrologia: Lezione 6 Agenda del giorno - Eventi estremi in idrologia: legame fra magnitudo e probabilità; - Statistica e probabilità in idrologia; - Tempo di ritorno. 1 Analisi statistica di
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
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
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.
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2004-05 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento suscettibile di più
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
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
DettagliARGOMENTI TRATTATI NEL CORSO DI ANALISI II
ARGOMENTI TRATTATI NEL CORSO DI ANALISI II ANALISI Limiti Curve Convergenza di una successione di punti Definizione di limite Condizione necessaria e condizione sufficiente all esistenza del limite in
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)
DettagliVARIABILI CASUALI. Fino ad ora abbiamo definito:
VARIABILI CASUALI Fino ad ora abbiamo definito: Lo SPAZIO CAMPIONARIO Ω : Come totalità dei possibili risultati di un esperimento Gli EVENTI : Come sottoinsiemi dello spazio campionario La FUNZIONE DI
DettagliCorso di Laurea triennale Tecniche della Prevenzione PERCORSO STRAORDINARIO 2007/08. Insegnamento di STATISTICA MEDICA. Modulo II
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea triennale Tecniche della Prevenzione PERCORSO STRAORDINARIO 2007/08 Insegnamento di STATISTICA MEDICA Docente:Dott.ssa Egle
DettagliLEZIONI DI STATISTICA
GIOVANNI GIRONE Ordinario nell'università di Bari TOMMASO SAL VEMINI Ordinario nel!' Università di Roma LEZIONI DI STATISTICA Volume Primo CACUCCI EDITORE - BARI - 1991 CEMrn o r INDICE Prefazione pag.
DettagliSTATISTICA Disciplina scien tifica che fornisce strumenti per l interpretazione delle informazioni contenute in insiemi di dati relativi a
STATISTICA Disciplina scien tifica che fornisce strumenti per l interpretazione delle informazioni contenute in insiemi di dati relativi a VARIABILI CASUALI VARIABILE Qualunque fenomeno espri mibile numericamente
DettagliINTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 2 Concetti di base
INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte Concetti di base Pagina CONCETTI STATISTICI DI PARTENZA - DESCRITTORI DI UNA VARIABILE RANDOM - GRAFICI UTILI - DISTRIBUZIONI
DettagliUlteriori Conoscenze di Informatica e Statistica
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 Indici di forma Descrivono le
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
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 7: Basi di statistica Campione e Popolazione Estrazione da una popolazione (virtualmente infinita) di
DettagliStatistica descrittiva
Luigi Vajani Statistica descrittiva r,,, I o -:i f e l ~ 1 (f"i I - / I I - ETASLIBRI Indice XIII Presentazione Parte prima - Introduzione 3 Capitolo 1 - Concetti generali 1.1 - Introduzione; l.2 - La
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 =
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
DettagliProblema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T?
Problema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T? Il problema dell'inferenza: dato un campione, individuare la distribuzione di probabilità da cui ha avuto origine.
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
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:
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)
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,
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
DettagliVariabili 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
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
DettagliModelli descrittivi, statistica e simulazione
Modelli descrittivi, statistica e simulazione Master per Smart Logistics specialist Roberto Cordone (roberto.cordone@unimi.it) Statistica descrittiva Cernusco S.N., martedì 28 febbraio 2017 1 / 1 Indici
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.
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
DettagliLA RAPPRESENTAZIONE E LA SINTESI DEI DATI
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LA RAPPRESENTAZIONE E LA SINTESI
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
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
DettagliINTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte 2 Concetti di base
INTRODUZIONE AL DOE come strumento di sviluppo prodotto Francesca Campana Parte Concetti di base Pagina CONCETTI STATISTICI DI PARTENZA statistica descrittiva - DESCRITTORI DI UNA VARIABILE RANDOM - GRAFICI
DettagliI.I.S. G. CENA PROGRAMMA SVOLTO. Docente: SCARPA ANNA. Disciplina: MATEMATICA ALGEBRA RIPASSO/APPROFONDIMENTO
PROGRAMMA SVOLTO Anno scolastico: 2017-2018 Classe: 3 D SIA Docente: SCARPA ANNA Disciplina: MATEMATICA ALGEBRA RIPASSO/APPROFONDIMENTO SISTEMI di EQUAZIONI LINEARI * concetto di sistema * riduzione di
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliLe frequenze riportate in tabella possono essere considerate il risultato di un esperimento
0,9 0,8 0,7 0,6 0,5 0,4 0,3 Livello di alcol Frequenza assoluta Frequenza relativa Frequenza cumulativa assoluta Frequenza cumulativa relativa 0-0, 77 0,773 77 0,773 0,-0,4 6 0,070 93 0,843 0,4-0,6 0,048
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
DettagliSTIMA DEI PARAMETRI. METODO DEI MOMENTI.
STIMA DEI PARAMETRI. Esistono diversi metodi per la stima dei parametri: Metodo grafico di interpolazione su carta probabilistica. Metodo dei momenti. Metodo della massima verosimiglianza. Metodo degli
DettagliModelli di probabilità
Modelli di probabilità Corso di STATISTICA Ordinario di, Università di Napoli Federico II Professore supplente, Università della Basilicata a.a. 0/0 Obiettivo dell unità didattica Definire i concetti di
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di Area Tecnica. Corso di Statistica e Biometria
Università del Piemonte Orientale Corsi di Laurea Triennale di Area Tecnica Corso di Statistica e Biometria Statistica descrittiva: Dati numerici: statistiche di tendenza centrale e di variabilità Corsi
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
DettagliCompiti tematici dai capitoli 2,3,4
Compiti tematici dai capitoli 2,3,4 a cura di Giovanni M. Marchetti 2016 ver. 0.8 1. In un indagine recente, i rispondenti sono stati classificati rispetto al sesso, lo stato civile e l area geografica
DettagliDISTRIBUZIONI DI PROBABILITA PER L IDROLOGIA
DISTRIBUZIONI DI PROBABILITA PER L IDROLOGIA 8 ottobre 06 INDICE i Indice Richiami di statistica applicata all Idrologia. Distribuzioni di probabilità............................... Stimatori.........................................3
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
DettagliVariabili aleatorie Parte I
Variabili aleatorie Parte I Variabili aleatorie Scalari - Definizione Funzioni di distribuzione di una VA Funzioni densità di probabilità di una VA Indici di posizione di una distribuzione Indici di dispersione
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
DettagliSTATISTICA Disciplina scientifica che fornisce strumenti per l interpretazione delle informazioni contenute in insiemi di dati relativi a
STATISTICA Disciplina scientifica che fornisce strumenti per l interpretazione delle informazioni contenute in insiemi di dati relativi a VARIABILI CASUALI VARIABILE Qualunque fenomeno esprimibile numericamente
DettagliIstituzioni di Statistica
Istituzioni di Statistica CORSO DI LAUREA IN ECONOMIA DEL COMMERCIO INTERNAZIONALE CORSO DI LAUREA IN ECONOMIA E AMMINISTRAZIONE DELLE IMPRESE A.A. 2007/2008 DOCENTE: Marco Minozzo PROGRAMMA - STATISTICA
DettagliUniversità della Calabria
Università della Calabria FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Civile CORSO DI IDROLOGIA N.O. Prof. Pasquale Versace SCHEDA DIDATTICA N 3 CURVE DI PROBABILITÀ PLUVIOMETRICA A.A. 00- CURVE
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA La distribuzione di probabilità e un modello matematico, uno schema di riferimento, che ha caratteristiche note e che può essere utilizzato per rispondere a delle domande derivate
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliSTATISTICA DESCRITTIVA (variabili quantitative)
STATISTICA DESCRITTIVA (variabili quantitative) PRIMO ESEMPIO: Concentrazione di un elemento chimico in una roccia. File di lavoro di STATVIEW Cliccando sul tasto del pane control si ottiene il cosiddetto
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale indicabile con un indice (indice
DettagliFACOLTA DI INGEGNERIA
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 5 ARGOMENTO: VERIFICA DEL MODELLO
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 23 marzo 2010 Indice Distribuzioni di probabilità discrete 1 Distribuzioni di probabilità discrete
DettagliSTATISTICA. Federico M. Stefanini. stefanin/corsi.html. a.a (3 CFU)
STATISTICA a.a. 2001-2002 (3 CFU) Federico M. Stefanini Dipartimento di Statistica G.Parenti viale Morgagni 59, 50134 Firenze, tel. 055-4237211 e.mail: stefanin@ds.unifi.it PARTE 1 http://www.ds.unifi.it/it/
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
DettagliVariabili aleatorie. continue. Discreto continuo
Variabili aleatorie continue Discreto continuo.18 Uniforme discreta, n=11 n=21 n=11 n=6 n=51 n=51 Uniforme.16.14.12.1.8.6?.4.2 1 1 2 2 3 3 4 4 5 5 6 6 7 7 Per passare dal modello discreto al modello continuo
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,
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
Dettagli