Università degli Studi di Cassino. Esercitazione di Statistica 2 dell Simona Balzano
|
|
- Rosalinda Sasso
- 4 anni fa
- Visualizzazioni
Transcript
1 Università degli Studi di Cassino Esercitazione di Statistica dell Simona Balzano Esercizio 1 Uno studente supera una prova con probabilità pari a 0,6. Considerando un campione di ampiezza 10, determinare la probabilità che: a) tutti gli studenti tranne 1 superino la prova; b) studenti superino la prova; c) non meno di 8 studenti superino la prova; d) non più di 8 studenti superino la prova; e) superino la prova da a 6 studenti; Soluzione La v.c. di riferimento è X = numero di studenti che superano la prova su n = 10, che segue la distribuzione Binomiale con parametri n = 10 e p = 0,6. La probabilità di un valore X = si ottiene come: n P che esprime la probabilità di successi in n prove. = p ( 1 p) n a) P (X = 9) = P(9) ! 9 1 P ( 9) = 0,6 ( 1 0, 6) = 0,6 ( 1 0, 6) = 10 0, , 4 = 0, ! ( 10 9 )! b) P (X = ) = P() 10 10! 8 P = 0,6 ( 1 0,6) = 0,6 ( 1 0,6) = 4 0,36 0,0006 = 0, 0106! ( 10 )! c) P (X 8) = P(8) + P(9) + P(10) ! 8 P ( 8) = 0, 6 ( 1 0, 6) = 0, 6 ( 1 0, 6) = 4 0, ,16 = 0,1 8 8! ( 10 8 )! P ( 9) = 0, P ( 10) = 0,6 ( 1 0,6) = 1 0,6 ( 1 0,6) = 0,006 10
2 P (X 8) = P(8) + P(9) + P(10) = 0, , ,006 = 0,049 d) P (X 8) = 1 [P(9) + P(10)] = 1 [0, ,006] = 0,937 6 i= e) P ( X 6) = P ( X = i ) P() = 0, ! 3 7 P ( 3) = 0,6 ( 1 0, 6) = 0,6 ( 1 0, 6) = 10 0,16 0, 0016 = 0,04 3 3! ( 10 3 )! ! 4 6 P ( 4) = 0, 6 ( 1 0, 6) = 0, 6 ( 1 0, 6) = 10 0,196 0, 004 = 0, ! ( 10 4 )! 10 10! P = 0,6 ( 1 0,6) = 0,6 ( 1 0,6) = 0,078 0,01 = 0,! ( 10 )! ! 6 6 P ( 6) = 0,6 ( 1 0,6) = 0,6 ( 1 0,6) = 10 0,047 0,06 = 0, 6 6! ( 10 6 )! P ( X 6) = P() + P(3) + P(4) + P() + P(6) = = 0, ,04 + 0, , + 0, = 0,6141
3 Esercizio La probabilità che in un paese del Nord-Europa nevichi in un giorno invernale è 0,3. determinare la probabilità che durante l inverno: a) non nevichi in una settimana; b) nevichi giorni in una settimana; c) nevichi più di 3 giorni in una settimana; d) nevichi al massimo giorni in un mese; e) nevichi da 10 a 1 giorni in un mese. f) nevichi 10 giorni in un mese; Soluzione La v.c. di riferimento è X = numero di giorni di neve, che segue la distribuzione Binomiale con parametri p = 0,3. La probabilità di un valore X = si ottiene come: n P che esprime la probabilità di successi in n prove. = p ( 1 p) n a) P(0); n = 7; p = 0, = ( ) 0 7 P 0 0,3 1 0,3 = 1 1 0,7 = 0,083 0 b) P(); n = 7; p = 0, ! P = 0,3 ( 1 0,3) = 0, 09 0,7 = 1 0, 09 0,168 = 0, 3176! ( 7 )! c) P(X 3); n = 7; p = 0,3 7 i= 4 P(X > 3) = P ( X = ) i = 1 [P(0) + P(1) + P() + P(3)] P(0) = 0, ! 6 P ( 1) = 0,3 ( 1 0,3) = 0,3 0,7 = 1 0,3 0,1176 = 0,47 1 1! ( 7 1 )! P() = 0, ! 3 4 P ( 1) = 0,3 ( 1 0,3) = 0,3 0,7 = 3 0, 07 0,4 = 0,7 3 3! ( 7 3 )! P(X 3) = 0, ,47 + 0,3176 = 0,6469
4 d) P(X ); n = 31 (o 30); p = 0,3 n è sufficientemente elevato da poter considerare l approssimazione Normale ad una Binomiale di parametri Per cui, essendo: n p = 31 0,3 = 9,3 e σ = n p (1-p) = 31 0,3 0,7 = 6,1 µ = n p e σ = n p (1-p). si può dedurre: X N 9,3;6,1 9,3 z = = 1,68 6,1 P(X ) = P(Z -1,68) = 1 F(1,68) = 1 0,93 = 0,046 e) P(10 X 1); n = 31; p = 0, ,3 z10 = = 0,7 ; 6,1 1 9,3 z1 = =,3 6,1 P(10 X 1) = P(0,7 Z,3) = F(,3) F(0,7) = 0,9871 0,6064 = 0,3807
5 f) P(X = 10); n = 31; p = 0,3 In questo caso, nonostante n sia elevato, non è possibile utilizzare l approssimazione normale perché non è possibile determinare la probabilità che una v.c. continua assuma un preciso valore. Bisogna, quindi, utilizzare la formula della binomiale, per cui: ! 10 1 P ( 10) = 0,3 ( 1 0,3) = 0,3 0,7 = 10 10! ( )! = , ,0006=0,146
6 Esercizio 3 Una certa auto prodotta da una certa casa percorre mediamente 1 chilometri con 1 litro di carburante, con uno scarto quadratico medio di chilometri. Determinare le seguenti probabilità: a) che 0 auto percorrano mediamente al massimo 16 Km con 1 litro; b) che 0 auto percorrano mediamente da 13 a 17 Km con 1 litro; c) che 16 auto percorrano mediamente da 13 a 17 km con 1 litro. Soluzione La v.c. descritta è X = numero di chilometri percorsi con 1 litro, che ha media µ X = 1 e scarto quadratico medio σ X =, di cui non è nota la distribuzione. Le probabilità richieste sono invece relative al consumo medio, per cui la v.c. di riferimento è la media campionaria, che avrà µ = µ X = 1 e scarto quadratico σx medio σ = =, che assumerà quindi i valori: n n σ = = 0,707 nel campione di ampiezza n = 0; 0 σ = = 1, nel campione di ampiezza n = a) P( 16) n è sufficientemente elevato per poter utilizzare il teorema del limite centrale e affermare che la v.c. media campionaria si distribuisce normalmente: 16 1 z16 = = 1, 414 0, N 1;0, P( 16) = P(Z 1,41) = F(1,41) = 0,907
7 b) P (13 17) Anche in questo caso si fa riferimento alla distribuzione normale del punto a) z13 = =,8 ; 0, 17 1 z17 = =,8 0, P (13 17) = P (-,8 Z,8) = F(,8) [1 F(,8)] = 0,9976 (1 0,9976) = 0,99 c) P (13 17) In questo caso n = 16 non è sufficientemente elevato per applicare il teorema del limite centrale. Affermare che equivale ad affermare che in valore assoluto lo scarto tra il valore che assume e la sua media (µ =1) è al massimo par a, ossia: µ Si può, dunque, ricorrere alla disuguaglianza di Cebicev: 1 P ( X µ kσ) 1 k, che non da un valore preciso di probabilità ma una soglia minima al di sotto della quale la probabilità non scende. In altre parole, possiamo determinare la probabilità minima per l intervallo massimo µ. 1 Tale probabilità minima è pari a 1 k. Sapendo che kσ =, deriva che: Quindi: k = = = 1,6. σ 1, ( ) P µ 1 1 1,6
8 cioè P ( 1 ) 0,609 Che può essere scritto come: P ( 13 17) 0,609
9 Esercizio 4 Una v.c. X ha media µ = 40 e una varianza σ =. Determinare la probabilità che sia compresa tra 39 e 41,: a) in un campione di ampiezza n = 100; b) in un campione di ampiezza n =. Soluzione La v.c. di riferimento è la media campionaria. a) P (39 41,); n = 100 Per il teorema del limite centrale si distribuisce normalmente con media µ = σx varianza σ = = = 0, : n e N 40;0, z39 = =,13 0, 41, 40 z41, = = 3, 0, P (39 41,) = P (-,13 z 3,) = F(3,) [1 F(,13)] = = 0,9993 ( 1 0,9834) = 0,987 b) P (39 41,); n = Non è possibile ricorrere al teorema del limite centrale perché n è piccolo. Si può, quindi, utilizzare la disuguaglianza di Cebicev per determinare il valore minimo della probabilità richiesta. La v.c. media campionaria segue una distribuzione non nota ed ha media µ = 40 e varianza: σx σ = = = 0,88 n (quindi σ = 0,94 )
10 C è però una difficoltà: la disuguaglianza di Cebicev fornisce il valore minimo della probabilità associata ad un intervallo simmetrico intorno alla media, mentre l intervallo [39; 41,] non è simmetrico intorno alla media µ = 40. Ipotizzando la simmetria per la distribuzione incognita di, possiamo suddividere il problema in due parti, considerando le probabilità minime associate ai due intervalli simmetrici [39; 41] e [38,; 41,], dividerle per e sommare i due risultati. In altre parole, dobbiamo determinare i valori minimi di P (39 41) e P (38, 41,) con la disuguaglianza di Cebicev e dividere tali minimi per due, per ottenere le probabilità dei semi-intervalli [39; 40] e [40; 41,], per poi calcolare la probabilità richiesta come probabilità dell unione dei due semi-intervalli: P(39 41,) = P(39 40) + P(40 41,) Per l intervallo [39; 41] la disuguaglianza di Cebicev ci dice che: Ossia kσ = 1, quindi: P µ 1 1 k k = = = 1,07 0,94 σ Da cui: ( ) P µ ,07 P(39 41) 0,1 Per il semi-intervallo [39; 40], ipotizzando la simmetria della distribuzione incognita di : P ,1 P ( 39 40) 0,06 Per l intervallo [38,; 41,] la disuguaglianza di Cebicev ci dice che: Ossia kσ =, quindi: k = = =,14 0,94 σ P µ 1 k 1
11 Da cui: ( ) P µ 1 1,14 P(38, 41,) 0,78 Per il semi-intervallo [40; 41,], ipotizzando la simmetria della distribuzione incognita di : P 40 41, 0,78 P ( 40 41, ) 0,39 Considerando, infine, l unione dei semi-intervalli: P ( 39 41, ) = P ( 39 40) + P ( 40 41, ) P ( 39 41, ) 0,06 + 0,39 P ( 39 41, ) 0,4
Esercizio 1. La variabile casuale G, somma di due V.C. normali, si distribuisce anch essa come una normale.
Esercizio 1. La V.C. Y segue una distribuzione normale con media 45 e varianza 9. La V.C. X segue una legge normale con media 12 e varianza 4. Calcolare come si distribuisce e quali sono i parametri della
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
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
DettagliSTATISTICA (2) ESERCITAZIONE 2. Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 2 5.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. La v.c. Normale: uso delle tavole E noto che un certo tipo di dati si distribuiscono secondo una gaussiana di media 10
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
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 7 1. Utilizzando le tavole della distribuzione
DettagliESERCIZIO 1 Si considerino n v.c. Xi (i = 1,, n) tra loro indipendenti e somiglianti con media 10 e varianza 4. Si determini:
ESERCIZIO 1 Si considerino n v.c. Xi (i = 1,, n) tra loro indipendenti e somiglianti con media 10 e varianza 4. Si determini: VALORE ATTESO Variabile casuale SOMMA delle n variabili Variabile casuale MEDIA
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La v.c. Uniforme Continua Secondo alcuni sondaggi sul sito della Apple (technical support site,
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
DettagliP(29 < X < 37) P(27 < X < 39) P(25 < X < 41) P(23 < X < 43) P(21 < X < 45) P(19 < X < 47) P(17 < X < 49)
ESERCIZIO 1 Si consideri una variabile casuale X con valore atteso pari a 33 e varianza pari a 16. Si calcolino le seguenti probabilità: P(31 < X < 35) P(29 < X < 37) P(27 < X < 39) P(25 < X < 41) P(23
DettagliProbabilità e Statistica Esercitazioni. a.a. 2017/2018. C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica
Probabilità e Statistica Esercitazioni a.a. 2017/2018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Campionamento Marco Pietro Longhi Probabilità e Statistica - Esercitazioni
DettagliEsercitazione 4 del corso di Statistica (parte 2)
Esercitazione 4 del corso di Statistica (parte ) Dott.ssa Paola Costantini Febbraio Esercizio n. Il tempo di percorrenza del treno che collega la stazione di Roma Termini con l aeroporto di Fiumicino è
DettagliDISTRIBUZIONI DI PROBABILITA (parte 3) 1 / 34
DISTRIBUZIONI DI PROBABILITA (parte 3) 1 / 34 Distribuzione Binomiale 2 / 34 La più importante distribuzione di probabilità per variabili casuali discrete è la distribuzione binomiale. Questa distribuzione
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
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
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
DettagliScanned by CamScanner
Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Università di Cassino Corso di Statistica Esercitazione
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
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
DettagliESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE
ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 7 Maggio 2013 Esercizio
DettagliESERCIZIO 1. Soluzione. X =numero di passeggeri giornaliero
ESERCIZIO 1 La somma dei numeri di passeggeri di un autoservizio suburbano rilevati in 7 giorni scelti a caso è pari a 385. Si assuma un modello gaussiano per descrivere il numero giornaliero di passeggeri.
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Approssimazione normale della Poisson (TLC) In un determinato tratto di strada il numero di incidenti
DettagliStatistica Metodologica
Statistica Metodologica Esercizi di Probabilita e Inferenza Silvia Figini e-mail: silvia.figini@unipv.it Problema 1 Sia X una variabile aleatoria Bernoulliana con parametro p = 0.7. 1. Determinare la media
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliEsercitazione del 29 aprile 2014
Esercitazione del 9 aprile 014 Esercizio 10.13 pg. 94 Complemento: Calcolare la probabilità che un negozio apra tra le sette e venti e le nove e quaranta del mattino. Soluzione: Siccome non è nota la distribuzione
DettagliTeorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
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
DettagliESERCIZIO 1. a) Calcolare il rendimento atteso del portafoglio:
ESERCIZIO 1 Gastone investe i suoi risparmi in tre titoli (A: Paperone & Co; B: Rockerduck & Co; C: Bassotti & Co) quotati sul mercato di Paperopoli. La composizione percentuale del portafoglio di Gastone
Dettagli0.1 P(A n ) Quindi stiamo cercando n che soddisfa la seguente relazione: n + 180
Esercizio 1 Alcuni ingegneri civili ritengono che il peso in tonnellate che un braccio di ponte può sopportare senza avere cedimenti strutturali possa descriversi mediante una variabile aleatoria Y con
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
DettagliGli intervalli di confidenza. Intervallo di confidenza per la media (σ 2 nota) nel caso di popolazione Gaussiana
Statistica Lez. 1 Gli intervalli di confidenza Intervallo di confidenza per la media (σ nota) nel caso di popolazione Gaussiana Sia X una v.c Gaussiana di media µ e varianza σ. Se X 1, X,..., X n è un
DettagliProbabilità Esercitazione n. 6 del 24/05/2016
Corso di Laurea in Matematica Applicata Probabilità Esercitazione n. 6 del 24/05/2016 Docente: Bruno Gobbi V.C. NORMALE, ESPONENZIALE NEGATIVA E UNIFORME CONTINUA 1) La pressione del sangue segue una distribuzione
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
Dettaglie. determinare l intervallo simmetrico dei valori di X, centrato sulla media, tale che la probabilità che X
DISTRIBUZIONE NORMALE: Esercizio 1.1 Sia Z una distribuzione nomale standard. Calcolare: a. P(Z1,33); c. P(Z-1,00); e. P(1,20
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Ines Campa Probabilità e Statistica - Esercitazioni
DettagliIndici di posizione e dispersione per distribuzioni di variabili aleatorie
Indici di posizione e dispersione per distribuzioni di variabili aleatorie 12 maggio 2017 Consideriamo i principali indici statistici che caratterizzano una distribuzione: indici di posizione, che forniscono
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
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
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure relative a una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2012/2013 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2012/2013 Calcolo delle Probabilità e Statistica Matematica Nome... N. Matricola... Ancona, 9 luglio 2013 1. Mario chiede al vicino di casa di
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 /
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.
DettagliLaboratorio di Probabilità e Statistica
Laboratorio di Probabilità e Statistica lezione 5 Massimo Guerriero Ettore Benedetti Indice Lezione Prerequisiti dalla lezione scorsa Media e varianza campionaria Legge dei grandi numeri Teorema del limite
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
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle abelle riportate alla fine del documento. Esercizio 1 La concentrazione media di sostanze inquinanti osservata nelle acque di un fiume
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
DettagliMATEMATICA E STATISTICA CORSO A III COMPITINO 20 Marzo 2009
MATEMATICA E STATISTICA CORSO A III COMPITINO Marzo 9 SOLUZIONI. () Sia X una variabile aleatoria binomiale con valor medio uguale a 5/; la varianza di X può valere? Giustificare la risposta. Il valor
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
DettagliSTATISTICA ESERCITAZIONE 13
STATISTICA ESERCITAZIONE 13 Dott. Giuseppe Pandolfo 9 Marzo 2015 Errore di I tipo: si commette se l'ipotesi nulla H 0 viene rifiutata quando essa è vera Errore di II tipo: si commette se l'ipotesi nulla
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliEsercizio 1. Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che:
Esercizio 1 Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che: A 329 F 186 S 295 AS 217 AF 83 FS 63 AFS 53 Determinare la partizione
DettagliSOLUZIONI PROVA SCRITTA DI STATISTICA (cod. 4038, 5047, 371, 377) 8 settembre 2005
SOLUZIONI PROVA SCRITTA DI STATISTICA cod. 4038, 5047, 371, 377) 8 settembre 2005 MODALITÀ B APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE Esercizio 1. 7 punti) Su un collettivo di 13 nuclei
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,
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
Dettagliun elemento scelto a caso dello spazio degli esiti di un fenomeno aleatorio;
TEST DI AUTOVALUTAZIONE - SETTIMANA 3 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Una variabile casuale
Dettagli1 quartile. 2 quartile. 3 quartile. 1 percentile. 99 percentile. 5 percentile. 95 percentile. 10 percentile. 90 percentile.
ESERCIZIO 1 Il test di ammissione alla prestigiosa Università STUDY produce punteggi che seguono una distribuzione normale con media 500 e scarto quadratico medio 100. Il punteggio necessario per superare
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
DettagliCorso di Statistica Esercitazione 1.8
Corso di Statistica Esercitazione.8 Test su medie e proporzioni Prof.ssa T. Laureti a.a. 202-203 Esercizio Un produttore vuole monitorare i valori dei livelli di impurità contenute nella merce che gli
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 1- parte II
Statistica 1- parte II Esercitazione 2 Dott.ssa Antonella Costanzo 18/02/2016 Esercizio 1. IC media incognita, varianza nota Una fabbrica A produce matite colorate. Una prova su 100 matite scelte a caso
DettagliCampionamento e stima di parametri
Sia X una variabile aleatoria associata a un dato esperimento. Ripetiamo l esperimento n volte, ottenendo una famiglia di valori sperimentali della v.a. X : X = (X 1, X 2,..., X n ) ogni X i é una v.a.
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:
DettagliX ~ N (20, 16) Soluzione
ESERCIZIO 3.1 Il tempo di reazione ad un esperimento psicologico effettuato su un gruppo di individui si distribuisce normalmente con media µ = 20 secondi e scarto quadratico medio σ = 4 secondi: X ~ N
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
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile Uniforme Continua Data una scheda telefonica da 5 euro di cui non si sa se sia
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 6 1. Si consideri un campione di 69 persone
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
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
DettagliIl Teorema del limite Centrale (TLC)
(TLC) Teorema. Sia X 1,..., X n un campione i.i.d. per una v.a. X, avente E(X ) = µ e Var(X ) = σ 2 entrambi finiti. Allora Z n = X µ σ 2 n n Y N(0, 1) Si noti che nel calcolare Z n ho standardizzato X.
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
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
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
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2017/2018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Marco Pietro Longhi Probabilità e Statistica
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
DettagliProbabilità e Statistica
Probabilità e Statistica Variabili Casuali Approssimazioni Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob.
DettagliTutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliCorso di Statistica - Prof. Fabio Zucca Appello 4-2 febbraio 2017
Corso di Statistica - Prof. Fabio Zucca Appello 4-2 febbraio 2017 Nome e cognome: Matricola: c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. 8994 Esercizio
Dettagli1) Calcolare l indice di eterogeneità di Gini per i caratteri Qualifica Funzionale e Regime di Impiego.
Università di Cassino Esercitazione di Statistica del 9 novembre 2007 Dott.ssa Paola Costantini Considerando il DATASET DIPENDENTI: ID Stipendio N. di anni di Qualifica Età percepito servizio funzionale
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
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
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliMATEMATICA CORSO A I APPELLO 1 Giugno 2010 Soluzioni
MATEMATICA CORSO A I APPELLO 1 Giugno 2010 Soluzioni 1. In un dato esperimento è noto che solo il 0% delle cavie disponibili verrà trattato con un farmaco A, tale percentuale è nota a meno di un errore
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 1- parte II
Statistica 1- parte II Esercitazione 3 Dott.ssa Antonella Costanzo 25/02/2016 Esercizio 1. Verifica di ipotesi sulla media (varianza nota) Il preside della scuola elementare XYZ sospetta che i suoi studenti
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
DettagliApprofondimento 3.3. Approssimazione della distribuzione binomiale alla normale
Approfondimento 3.3 Approssimazione della distribuzione binomiale alla normale Come aveva notato de Moivre, se il numero di prove è sufficientemente ampio e la probabilità del successo π sufficientemente
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
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
DettagliProbabilità e Statistica
Probabilità e Statistica - 11.06.2015 Cognome e Nome............................................................................... C. d. L.:................................................Anno di Corso:
DettagliPROVA SCRITTA DI STATISTICA (COD COD ) 7 luglio 2005 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A
PROVA SCRITTA DI STATISTICA (COD. 047 - COD. 403-37-377) 7 luglio 200 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A Esercizio (9 punti) Supponiamo di aver osservato la seguente
Dettagli