LEZIONE 2.6. corso di statistica. Francesco Lagona Università Roma Tre. LEZIONE 2.6 p. 1/15
|
|
- Corinna Di Pietro
- 4 anni fa
- Visualizzazioni
Transcript
1 LEZIONE 2.6 p. 1/15 LEZIONE 2.6 corso di statistica Francesco Lagona Università Roma Tre
2 LEZIONE 2.6 p. 2/15 variabili aleatorie continue consideriamo la distribuzione del fatturato mensile in una popolazione di aziende redditi (migliaia di euro) il reddito x di un individuo estratto casualmente da tale popolazione (sotto l ipotesi che tutti gli individui hanno la stessa probabilità di essere estratti) è la determinazione di una variabile aleatoria continua X con di probabilità f(x) = 0 x < x < x < x < 20 0 x 20
3 LEZIONE 2.6 p. 3/15 dalla alla probabilità redditi (migliaia di euro) redditi (migliaia di euro) P(5 < X < 7) = P(7 < X < 14) = f(x)dx = (7 5) = f(x)dx = (10 7) (14 10) = 0.686
4 LEZIONE 2.6 p. 4/15 dalla funzione di ripartizione alla probabilità F(x) x F(x) = x f(x)dx = P(X x)
5 LEZIONE 2.6 p. 5/15 valore atteso e varianza EX = σ 2 = = xf(x)dx =EX 2 E 2 X (x EX) 2 f(x)dx x 2 f(x)dx E 2 X P( X EX > ε) σ2 ε 2 P( X EX ε) 1 σ2 ε 2
6 dall istogramma alla normale 4 classi x 20 classi x 10 classi x classi x LEZIONE 2.6 p. 6/15
7 LEZIONE 2.6 p. 7/15 variabile aleatoria normale diciamo che una variabile aleatoria continua X a valori sulla retta reale (, + ) si distribuisce come una normale di parametri µ e σ 2, e scriviamo X N(µ,σ 2 ) se, comunque preso un intervallo della retta (a,b) la probabilitaà di osservare l evento (a < X < b) è data da P(a < X < b) = b a f(x;µ,σ 2 )dx dove f(x;µ,σ 2 ) = 1 2πσ 2 e 1 2σ 2 (x µ) 2 è una funzione di normale di parametri µ e σ 2
8 LEZIONE 2.6 p. 8/15 la normale N(µ, σ 2 ) di probabilità µ σ µ µ + σ la normale di parametri µ e σ 2 è una curva di forma campanulare con punto di massimo assoluto in x = µ punti di flesso in x = µ±σ se X N(µ,σ 2 ) allora il valore atteso e la varianza di X sono rispettivamenti dati da µ e σ 2
9 la normale al variare della varianza al variare della media LEZIONE 2.6 p. 9/15 di probabilità di probabilità
10 LEZIONE 2.6 p. 10/15 la normale standardizzata ponendo µ = 0 e σ 2 = 1 si ottiene la normale standardizzata N(0,1): f(z) = 1 2π e z2 2 la funzione di ripartizione della normale standardizzata è data da Φ(z) = P(Z < z) = z 1 2π e 1 2 z2 dz N(0,1) Φ(z) z 0 z
11 LEZIONE 2.6 p. 11/15 probabilità sotto N(0,1) le tavole della normale contengono i valori di Φ(z) per z > 0 per la simmetria della normale N(0,1) si ha che: Φ( z) = 1 Φ(z) N(0,1) N(0,1) z z 0 quindi le tavole della normale consentono di conoscere i valori di Φ(z) per qualunque valore di z se Z N(0,1), allora P(a < Z < b) = P(Z < b) P(Z < a) = Φ(b) Φ(a)
12 LEZIONE 2.6 p. 12/15 uso della normale standardizzata teorema: se X N(µ,σ 2 ) allora la variabilez ottenuta standardizzando la variabile aleatoria X Z = X µ N(0,1) σ si distribuisce secondo una normale standardizzata possiamo utilizzare questo risultato per trasformare le aree sotto una qualunque normale in aree equivalenti sotto la normale standardizzata: X N(µ,σ 2 ) Z N(0,1) P(a < X < b) =P( a µ < X µ < b µ σ σ σ ) = P(a µ σ ( ) ( ) b µ a µ =Φ Φ σ σ < Z < b µ σ )
13 LEZIONE 2.6 p. 13/15 esempio supponiamo che X N(10,4) la probabilità P(8 < X < 12) =P( 8 10 < Z < ) = P( 1 < Z < 1) 2 2 =Φ(1) Φ( 1) = Φ(1) (1 Φ(1)) = 2Φ(1) 1 = = N(0,1) N(0,1)
14 approssimazione della binomiale supponiamo che X Bin(n,p) allora, quando n è molto alto, Bin(n,p) N(np,np(1 p)) quindi P(a < X < b) b+0.5 a πnp(1 p) e 1 2 ( ) u np np(1 p) du xxx LEZIONE 2.6 p. 14/15
15 LEZIONE 2.6 p. 15/15 esempio si estraggono con ripetizione n = 100 palline da un un urna contenente per il 30% palline blu qual è la probabilità di ottenere tra 30 e 40 palline blu? X Bin(100,0.3) U N( , ) P(30 X 40) = 40 k= ( 100 ) 0.3 k k k 29.5 ( ) 1 e 1 u du 2π P(29.5 < U < 40.5) = P ( < Z < )
Lezione 13 Corso di Statistica. Domenico Cucina
Lezione 13 Corso di Statistica Domenico Cucina Università Roma Tre D. Cucina (domenico.cucina@uniroma3.it) 1 / 20 obiettivi della lezione comprendere il concetto di variabile aleatoria continua familiarizzare
DettagliESERCITAZIONE N. 5 corso di statistica
ESERCITAZIONE N. 5corso di statistica p. 1/27 ESERCITAZIONE N. 5 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 5corso di statistica p. 2/27 Introduzione Variabili aleatorie discrete
DettagliES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita
ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto
DettagliVariabile casuale Normale
Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza
DettagliVariabili aleatorie continue: la normale. Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia
Variabili aleatorie continue: la normale Giovanni M. Marchetti Statistica Capitolo 6 Corso di Laurea in Economia 2015-16 1 / 40 Distinzione Le variabili aleatorie possono essere 1 discrete 2 continue 2
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
DettagliLa funzione di distribuzione Gaussiana normale
La funzione di distribuzione Gaussiana normale Nicola Morganti 25 aprile 2004 Indice Proprietà fondamentali 2 Standard Normal Density Function 3 3 Esempio applicativo 5 Proprietà fondamentali L utilizzo
DettagliES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi
ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari
DettagliCorso di Laurea: Diritto per le Imprese e le istituzioni a.a Statistica. Probabilità. Lezioni : 11, 12. Docente: Alessandra Durio
Corso di Laurea: Diritto per le Imprese e le istituzioni a.a. 2016-17 Statistica Probabilità Lezioni : 11, 12 Docente: Alessandra Durio 1 Contenuti 1. Variabili casuali notevoli DISCRETE (uniforme, di
DettagliStatistica. Lezione : 18, 19. Variabili casuali
Corsi di Laurea: a.a. 2017-18 Diritto per le Imprese e le istituzioni Scienze dell Amministrazione e Consulenza del Lavoro sienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili
DettagliDue variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
DettagliLa SCALA di Probabilità varia tra 0.00 e 1.00.
CHE COS E LA PROBABILITA La probabilità è la MISURA dell incertezza di un evento, cioè come noi classifichiamo gli eventi rispetto alla loro incertezza. La SCALA di Probabilità varia tra 0.00 e 1.00. 0.00
DettagliIl valore atteso del prodotto di v.a.i. Valore atteso (8)
Il valore atteso del prodotto di v.a.i. Valore atteso (8) Siano X,Y : Ω N v.a. indipendenti (per semplicità a valori in N) E(X Y) = k Nk P(X Y = k) = h i P(X,Y = h,i) h,i N = h i P(X=h) P(Y=i) h,i N =
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base Serale Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Campionamento Esercizio 1. Da una ricerca si è osservato che il peso del prodotto A varia tra i e i 530 grammi. 1 Ipotizzando
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
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
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
DettagliOutline. 1 v.c. continue. 2 v.c. Normale. 3 v.c. Esponenziale. Lezione 13. A. Iodice. v.c. continue. v.c. Normale. v.c.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 48 Outline 1 2 3 () Statistica 2 / 48 Variabili casuali continue Una variabile casuale X è continua
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
DettagliV.a. continue. Statistica e biometria. D. Bertacchi. Le v.a. continue. Uniforme. Normale. Indipendenza di v.a. continue
gge una v.a. V.a. continue Ricoramo: DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è una funzione che ha come dominio Ω e come codominio R. In formule: X : Ω R. DEFINIZIONE
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,
DettagliCP210 Introduzione alla Probabilità: Esame 2
Dipartimento di Matematica, Roma Tre Pietro Caputo 2018-19, II semestre 9 luglio, 2019 CP210 Introduzione alla Probabilità: Esame 2 Cognome Nome Matricola Firma Nota: 1. L unica cosa che si può usare durante
DettagliMatematica Applicata L-A Definizioni e teoremi
Definizioni e teoremi Settembre - Dicembre 2008 Definizioni e teoremi di statistica tratte dalle lezioni del corso di Matematica Applicata L- A alla facoltà di Ingegneria Elettronica e delle Telecomunicazioni
DettagliLA DISTRIBUZIONE NORMALE (Vittorio Colagrande)
LA DISTRIBUZIONE NORMALE (Vittorio Colagrande) Allo scopo di interpolare un istogramma di un carattere statistico X con una funzione continua (di densità), si può far ricorso nell analisi statistica alla
DettagliLEZIONE 2.5. corso di statistica. Francesco Lagona Università Roma Tre. LEZIONE 2.5 p. 1/12
LEZIONE 2.5 p. 1/12 LEZIONE 2.5 corso di statistica Francesco Lagona Università Roma Tre LEZIONE 2.5 p. 2/12 distribuzione doppia di due variabili aleatorie consideriamo la distribuzione doppia di due
DettagliDISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27
DISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27 Funzione di ripartizione per variabili casuali discrete 2 / 27 Data una variabile casuale discreta possiamo calcolare, analogamente al caso continuo, la probabilità
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
DettagliDistribuzioni di probabilità nel continuo
Distribuzioni di probabilità nel continuo Prof.ssa Fabbri Francesca Classe 5C Variabili casuali continue Introduzione: Una Variabile Casuale o Aleatoria è una grandezza che, nel corso di un esperimento
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
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
DettagliPROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE. 1. La variabile aleatoria di Bernoulli e la variabile aleatoria binomiale
PROBABILITÀ SCHEDA N. 3 VARIABILI ALEATORIE BINOMIALE E NORMALE In questa scheda vedremo due famiglie di variabili aleatorie (una discreta e una continua), che ci serviranno per descrivere uno dei risultati
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
DettagliCP110 Probabilità: Esame 13 settembre Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 13 settembre, 2012 CP110 Probabilità: Esame 13 settembre 2012 Testo e soluzione 1. (6 pts) Una scatola contiene 10 palline, 8 bianche
DettagliLaboratorio di Calcolo Paola Gallo
Studio di una funzione Dopo aver calcolato limiti, massimi, minimi e flessi siamo in grado di stabilire noi quali estremi di variabilità e che passo dare alle mie x per poter visualizzare bene nel grafico
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 =
DettagliModelli di variabili casuali
Modelli di variabili casuali Un modello di v.c. è una funzione f(x) che associa ad ogni valore x di una v.c. X la corrispondente probabilità. Obiettivo: calcolo della probabilità per tutti i valori che
DettagliLe v.c. si utilizzano come modelli di riferimento per studiare la realtà
Le v.c. si utilizzano come modelli di riferimento per studiare la realtà Ogni carattere nelle sue varie manifestazioni è determinato da cause costanti e da cause accidentali modello di riferimento dallo
DettagliDistribuzione Normale. Dott. Claudio Verona
Distribuzione Normale Dott. Claudio Verona Rappresentazione di valori ottenuti da misure ripetute Il primo problema che si riscontra nelle misure ripetute più volte è trovare un metodo conveniente per
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliMateriale didattico per il corso di Statistica I Quarta esercitazione SOLUZIONI
Materiale didattico per il corso di Statistica I Quarta esercitazione SOLUZIONI Claudia Furlan 1 Anno Accademico 2006-2007 1 Ringrazio Carlo Gaetan, Nicola Sartori e Aldo Solari per il materiale, aggiunte
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
DettagliIntroduzione al modello Uniforme
Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x () t x ( t ) q Tempo Discreto Continuo Segnale Analogico ( ) x t k t t Segnale
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. 3 A. Sia una variabile casuale che si distribuisce secondo
DettagliEsercitazione 1 - Statistica II - Economia Aziendale Davide Passaretti 9/5/2017
Esercitazione 1 - Statistica II - Economia Aziendale Davide Passaretti 9/5/2017 Contents 1 Variabili casuali discrete 1 1.1 Variabile casuale di Bernoulli.................................... 1 1.2 Variabile
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di mercoledì 22 Settembre 24 (tempo a disposizione: 2 ore e 4 minuti. consegna compiti e inizio
DettagliCP110 Probabilità: Esame 2 luglio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 212-13, II semestre 2 luglio, 213 CP11 Probabilità: Esame 2 luglio 213 Testo e soluzione 1. (6 pts Due mazzi di carte francesi vengono uniti e mischiati.
DettagliProbabilità e Statistica per l Informatica Esercitazione 4
Probabilità e Statistica per l Informatica Esercitazione 4 Esercizio : [Ispirato all Esercizio, compito del 7/9/ del IV appello di Statistica e Calcolo delle probabilità, professori Barchielli, Ladelli,
DettagliPROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE
Matematica e statistica: dai dati ai modelli alle scelte wwwdimaunige/pls_statistica Responsabili scientifici MP Rogantin e E Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliStatistica. Lezione 4
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela
DettagliDistribuzione esponenziale. f(x) = 0 x < 0
Distribuzione esponenziale Funzione densità f(x) = λe λx x 0 0 x < 0 Funzione parametrica (λ) 72 Funzione di densità della distribuzione esponenziale 1 0.9 0.8 0.7 λ=1 0.6 f(x) 0.5 0.4 0.3 λ=1/2 0.2 0.1
Dettaglic) Ancora in corrispondenza allo stesso valore di p e ponendo Y = minorazione, fornita dalla diseguaglianza di Chebichev, per la probabilita
Laurea Triennale in Matematica Corso di Calcolo delle Probabilita I A.A. 00/00 (Docenti: M. Piccioni, F. Spizzichino) a prova di esonero 6 giugno 00 Risolvere almeno tre dei seguenti esercizi.. Indichiamo
DettagliDistribuzione Normale. Dott. Claudio Verona
Distribuzione Normale Dott. Claudio Verona Rappresentazione di valori ottenuti da misure ripetute Il primo problema che si riscontra nelle misure ripetute più volte è trovare un metodo conveniente per
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. / LA DISTRIBUZIONE NORMALE o DI GAUSS È una delle più importanti distribuzioni di variabili casuali continue p. / LA DISTRIBUZIONE NORMALE o DI GAUSS È una delle più importanti distribuzioni di variabili
DettagliCP110 Probabilità: Esame del 6 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 21-11, II semestre 6 giugno, 211 CP11 Probabilità: Esame del 6 giugno 211 Testo e soluzione 1. (6 pts) Ci sono 6 palline, di cui nere e rosse. Ciascuna,
DettagliCP110 Probabilità: esame del 20 giugno 2017
Dipartimento di Matematica, Roma Tre Pietro Caputo 6-7, II semestre giugno, 7 CP Probabilità: esame del giugno 7 Cognome Nome Matricola Firma Nota:. L unica cosa che si puo usare durante l esame è una
DettagliCalcolo delle Probabilità 2017/18 Foglio di esercizi 8
Calcolo delle Probabilità 07/8 Foglio di esercizi 8 Catene di Markov e convergenze Si consiglia di svolgere gli esercizi n 9,,,, 5 Catene di Markov Esercizio (Baldi, Esempio 5) Si consideri il grafo costituito
DettagliCapitolo 1. Elementi di Statistica Descrittiva. 1.5 Esercizi proposti
Capitolo 1 Elementi di Statistica Descrittiva 1.5 Esercizi proposti Esercizio 1.5.1 In questo caso n = 24 e, dopo aver ordinato i dati (usando il metodo stem-and-leaf per esempio), 3 4 4 5 5 5 6 6 7 7
DettagliSignificato probabilistico di σ: su 100 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo
Significato probabilistico di σ: su 1 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo x σ, x + σ e 99.7 nell intervallo x 3 σ, x + 3 Se si considerano campioni
DettagliStatistica. Capitolo 6. Variabili Aleatorie Continue e Distribuzioni di Probabilità. Cap. 6-1
Statistica Capitolo 6 Variabili Aleatorie Continue e Distribuzioni di Probabilità Cap. 6-1 Obiettivi del Capitolo Dopo aver completato il capitolo, sarete in grado di: Spiegare la differenza tra una variabile
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
DettagliStatistica inferenziale
Statistica inferenziale Problema Nello studio delle distribuzioni teoriche di probabilità si suppone di conoscere i principali parametri della popolazione che esaminiamo (ad esempio la media, varianza).
DettagliPsicometria 1 (023-PS)
Psicometria 1 (023-PS) Michele Grassi mgrassi@units.it Università di Trieste Lezione 10 11 Michele Grassi (UNITS) Psicometria 1 (023-PS) Lezione 10 11 1 / 101 Piano della presentazione 1 Curve di densità
DettagliSTATISTICA (modulo II - Inferenza Statistica) Soluzione Esercitazione I
Soluzione Esercitazione I Esercizio A. Si indichi con A i l evento la banca i decide di aprire uno sportello per il quale Pr(A i = 0.5 (e dunque Pr(A i = 0.5 per i =, 2, 3. Lo spazio degli eventi dato
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
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,
DettagliMatematica e Statistica per Scienze Ambientali
per Scienze Ambientali Variabili aleatorie - Appunti 1 1 Dipartimento di Matematica Sapienza, Università di Roma Roma, Gennaio 2013 Variabili aleatorie Un numero aleatorio è un esempio di variabile aleatoria.
DettagliSIMULAZIONE - 29 APRILE QUESITI
www.matefilia.it SIMULAZIONE - 29 APRILE 206 - QUESITI Q Determinare il volume del solido generato dalla rotazione attorno alla retta di equazione y= della regione di piano delimitata dalla curva di equazione
DettagliFunzioni di probabilità per variabili casuali discrete e continue
Funzioni di probabilità per variabili casuali discrete e continue Prof.ssa Antonella Bitetto Facoltà di Economia Aziendale, Dipartimento di Management Università degli Studi di Torino PER USO DIDATTICO
DettagliDistribuzione Gaussiana o Normale. 1 Distribuzione Normale come limite della Binomiale
Statistica e analisi dei dati Data: 6 Maggio 26 Distribuzione Gaussiana o Normale Docente: Prof. Giuseppe Boccignone Scriba: Matteo Gandossi Distribuzione Normale come limite della Binomiale Data una distribuzione
DettagliUniversità degli Studi di Cassino. Esercitazione di Statistica 2 dell Simona Balzano
Università degli Studi di Cassino Esercitazione di Statistica dell 8.0.007 Simona Balzano Esercizio 1 Uno studente supera una prova con probabilità pari a 0,6. Considerando un campione di ampiezza 10,
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
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
DettagliLa funzione di ripartizione caratterizza la v.a. Ad ogni funzione di ripartizione corrisponde una ed una sola distribuzione.
Funzione di ripartizione X v.a. a valori in IR F X (x) = P (X x), x IR Indice X omesso quando chiaro Proprietà funzione di ripartizione F (i) F X (x) ; x (ii) è non decrescente Sia a < b P (a < X b) =
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Variabili casuali Esercizio 1. Determinare la distribuzione di probabilità e la funzione di ripartizione della variabile
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
DettagliAll ultimo appello dell esame di statistica, la media dei voti è stata 25 e lo scarto quadratico medio 3.5. Determinare i valori standard dei voti
Esercizio 1 All ultimo appello dell esame di statistica, la media dei voti è stata 25 e lo scarto quadratico medio 3.5. Determinare i valori standard dei voti 1. 18 2. 25 3. 30 4. Se il voto standardizzato
DettagliV.C. RETTANGOLARE o UNIFORME
V.C. RETTANGOLARE o UNIFORME La v.c. continua RETTANGOLARE o UNIFORME descrive il modello probabilistico dell equiprobabilità. [ a b] X, con densità di probabilità associata: P( x) 1 b a con P(x) costante.
DettagliEsercitazioni di Statistica Matematica A Lezione 7. Variabili aleatorie continue
Esercitazioni di Statistica Matematica A Lezione 7 Variabili aleatorie continue.) Determinare la costante k R tale per cui le seguenti funzioni siano funzioni di densità. Determinare poi la media e la
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
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
DettagliLa Distribuzione Normale (Curva di Gauss)
1 DISTRIBUZIONE DI GAUSS o DISTRIBUZIONE NORMALE 1. E la più importante distribuzione statistica continua e trova numerose applicazioni nello studio dei fenomeni biologici. 2. Fu proposta da Gauss (1809)
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
DettagliProva Scritta di Probabilità e Statistica Cognome: Laurea in Matematica. 28 giugno 2012 Matricola: Nome:
Prova Scritta di Probabilità e Statistica Cognome: Laurea in Matematica Nome: 8 giugno 01 Matricola: ESERCIZIO 1. Sia (A n n una successione di eventi indipendenti, tali che P (A n 1 1 n. Sia B := + n=
DettagliDispense probabilità PRELIMINARY DRAFT
Dispense probabilità PRELIMINARY DRAFT Cristina Mollica & Jan Martin Rossi January 3, 2019 1 Esercizio 4 - Prova scritta del 12-01-2018 Esercizio 4. Un mazzo contiene 100 carte così numerate: 00, 01, 02,...,
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
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
DettagliE (X 2 ) = E (G) + E (E 2 ) = 1, V ar (X 2 ) = V ar (G) + V ar (E 2 ) = 5, Cov(X 1, X 2 ) = Cov(G + E 1, G + E 2 ) = V ar (G) = 4,
Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 04/05 Prova di Esonero Maggio 05 degli esercizi proposti Siano G, E, E tre variabili aleatorie gaussiane indipendenti, rispettivamente
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI, RICHIAMI Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione Nel
DettagliIII Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 2018/19
III Appello di Calcolo delle Probabilità Laurea Triennale in Matematica 8/9 Martedì luglio 9 Cognome: Nome: Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliUniversità di Pavia Econometria. Richiami di teoria delle distribuzioni statistiche. Eduardo Rossi
Università di Pavia Econometria Richiami di teoria delle distribuzioni statistiche Eduardo Rossi Università di Pavia Distribuzione di Bernoulli La variabile casuale discreta Y f Y (y; θ) = 0 θ 1, dove
DettagliLimiti della Distribuzione Binomiale
Limiti della Distribuzione Binomiale Giuseppe Sanfilippo 11 maggio 2012 1 Teorema di Bernoulli Sia X 1, X 2,..., X n... una successione di variabili aleatorie bernoulliane stocasticamente indipendenti
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
DettagliScritto del
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 2017-18, I semestre 26 Giugno 2018 Scritto del 26-6 -18 Cognome Nome Matricola Esercizio 1. Un urna contiene
DettagliPROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
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.
DettagliPROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI
PROBABILITÀ I. a.a. 2011/2012 DIARIO DELLE LEZIONI Settimana 5-9 marzo. Elementi di analisi combinatoria (vedasi capitolo I del Ross). Integrazioni: triangolo di Tartaglia, dimostrazione diretta della
DettagliElementi di base su modello binomiale e modello normale
Elementi di base su modello binomiale e modello normale (alcune note) Parte 2: il modello normale Gli argomenti di questa lezione trovano trattazione teorica nel Capitolo 2 del libro di testo Controllo
DettagliEsercitazione del 21/02/2012 Istituzioni di Calcolo delle Probabilità
Esercitazione del /0/0 Istituzioni di Calcolo delle Probabilità David Barbato Funzione di ripartizione Sia F X una funzione da in. consideriamo le seguenti condizioni: F X è non decrescente lim ( ) x F
DettagliI appello di calcolo delle probabilità e statistica
I appello di calcolo delle probabilità e statistica A.Barchielli, L. Ladelli, G. Posta 8 Febbraio 13 Nome: Cognome: Matricola: Docente: I diritti d autore sono riservati. Ogni sfruttamento commerciale
Dettagli