Misure di dispersione. Introduzione. Statistica descrittiva. Distribuzioni di probabilità e funzioni di ripartizione. Indici di posizione
|
|
- Battista Neri
- 8 anni fa
- Visualizzazioni
Transcript
1 UNIVERSITA DEL SALENTO CORSO DI LAUREA IN FISICA (a.a. 007/008) Corso d Laboratoro II (Prof. Antono D INNOCENZO) ESERCITAZIONE DI STATISTICA * Lo scopo d questa eserctazone è quello d comncare ad utlzzare l software MATLAB ad un lvello d base per le applcazon statstche. Il package statstco d MATLAB s trova nella cartella \toolbox\stats; per avere una lsta d tutte le funzon dsponbl basta dgtare help stats. Introduzone Tpcamente MATLAB nterpreta una matrce X d dat come una sere d colonne, dove cascuna colonna corrsponde ad un espermento, o gruppo, e le osservazon fatte n cascun espermento sono rportate nella colonna. Il numero d esperment effettuat corrsponde al numero delle colonne. Il numero d osservazon n cascun espermento è l numero delle rghe. Ad es., se msuro la lunghezza d 0 bullon, camponandol dalla stessa scatola n tre gorn dstnt, ho 3 esperment ognuno con 0 osservazon. Statstca descrttva Le funzonaltà d statstca descrttva d nostro nteresse rguardano: - msure d tendenza centrale: meda, medana,..., - msure d dspersone: varanza, devaz. standard,..., - raggruppamento de dat, - anals e stma emprca della dstrbuzone de dat:quantl e descrzone grafca Indc d poszone Le msure d localzzazone de dat comprendono: geomean meda geometrca harmmean meda armonca mean meda artmetca medan medana trmmean meda trmmed (rpulta) * La presente guda è stata realzzata dal responsable del corso con la collaborazone del Dott. F. Paladn del Dpartmento d Fsca dell Unverstà del Salento. Nella stesura de var punt trattat oltre alla possbltà d error d trascrzone de comand possono comparre anche nesattezze nelle procedure della cu segnalazone antcpatamente l docente responsable rngraza. La meda artmetca è la stma pù utlzzata e semplce della "poszone" della dstrbuzone de dat, ed è la mglor stma della meda se la dstrbuzone d orgne è gaussana, ma error d acquszone, outlers o anomale possono faclmente e rrmedablmente alterare la stma del centro della dstrbuzone. Questo nconvenente rguarda anche la meda geometca e armonca, che però sono utl quando la dstrbuzone è lognormale o fortemente asmmetrca. La medana e la meda trmmed sono msure pù robuste ne confront degl oulers. La medana (50esmo percentle) camba solo d poco anche se vene aggunta una grande perturbazone a un qualunque dato. La meda trmmed gnora una pccola percentuale de dat con valor massm e mnm, rspetto al totale, per po calcolare la meda artmetca de dat rmast. Msure d dspersone Le msure d dspersone ndcano quanto dat sono addensat o s dscostano da una msura d poszone (e.g. meda artmetca). Le funzon d MATLAB sono: qr ntervallo nterquartle IQR, mad devazone meda assoluta MAD, range ntervallo, std devazone standard (std), var varanza. Il range è la dfferenza tra l massmo ed l mnmo valore del campone, è la pù semplce msura d dspersone, ma è anche la pù sensble alla presenza d dat anomal. La devazone standard e la varanza sono le msure pù popolar della dspersone, e sono ottmal quando dat sono stat estratt da una dstrbuzone gaussana, n partcolare, la std è la mglor stma del parametro sgma. Né la std, né la varanza sono robuste ne confront de cosdett "outlers": un dato separato dall'nseme del campone può alterare entrambe le msure d una quanttà arbtraramente grande. La devazone meda assoluta, MAD, è la meda della dfferenza assoluta tra dat e la meda; essa è sempre sensble agl outlers, ma vara meno della std n presenza d dat "anomal". L'ntervallo d nterquartle, IQR, è la dfferenza tra l 75esmo e l 5esmo percentle. Pochè solo l 50% de dat nfluenza la IQR (l prmo e l'ultmo 5%), essa è robusta rspetto agl outlers. Dstrbuzon d probabltà e funzon d rpartzone Le dstrbuzon d probabltà servono per descrvere rsultat d esperment quando rsultat sono soggett a varazon casual. La natura stessa dell'espermento determna quale dstrbuzone è pù approprata per modellzzare rsultat random. La trattazone probablstca non predce l rsultato d un sngolo espermento, ma fornsce: -la probabltà d avere un partcolare valore come rsultato se dat sono dscret - la probabltà che l rsultato cada n un certo ntervallo per dat contnu. Le funzon d dstrbuzone d probabltà (pdf) d MATLAB sono: Contnue d dat Contnue statstche Dscrete Beta (betapdf) Ch quadro (chpdf) Bnomale (bnopdf) Esponenzale (exppdf) Ch quadro non centrale (ncxpdf) Unforme dscreta (undpdf) Gamma (gampdf) F (fpdf) Geometrca (geopdf)
2 Lognormal (lognpdf) F non centrale (ncfpdf) Hypergeometrca (hygepdf) Normale (normpdf) t d Student(tpdf) Bnomale negatva (nbnpdf) Raylegh (raylpdf) t d student non centrale (nctpdf) Possonana (posspdf) Unforme (unfpdf) Webull (webpdf) Se la dstrbuzone è dscreta la pdf è la probabltà d osservare un partcolare valore. Se la dstrbuzone è contnua la pdf rappresenta la denstà d probabltà de dat, e non la probabltà, che per ogn partcolare sngolo valore è nulla. In questo caso s deve consderare la probabltà che l dato cada n un partcolare ntervallo, da calcolare come ntegrale della pdf sull'ntervallo d nteresse. Per cascuna pdf MATLAB fornsce le seguent funzon: Dstrbuzone della denstà d probabltà (pdf) Dstrbuzone comulatva della denstà d probabltà (cdf) Funzone nversa della cdf Generatore d numer pseudocasual Varanza e meda parametrche La dstrbuzone della denstà d probabltà calcola la probabltà relatva a cascun valore de dat se quest sono dscret, e calcola la denstà d probabltà se dat varano con contnutà (pdf_.m, le funzon che calcolano le dverse pdf sono rportate tra parentes nella tabella). La cdf d una pdf, defnta per una v.a. contnua come: vene chamata con comand normcdf, betacdf,... Con la funzone cdf s può calcolare la probabltà assocata a un qualunque ntervallo de dat. Le funzon nverse delle cdf accettano come argomento n ngresso un valore d probabltà p, e fornscono n uscta l valore d x tale che la probabltà d osservare valor mnor o ugual ad x è propro p, ovvero la x tale che l'ntegrale della pdf da -nf a x è uguale a p. I comand sono normnv, betanv.... Cascuna pdf ha una forma funzonale nella quale compaono parametr che la caratterzzano. A partre dal campone, s può effettuare una stma d massma verosmglanza de parametr (MLE Maxmum lkelhood estmaton): s potzza che l set d dat segua una certa dstrbuzone (eg. gaussana, esponenzale,...) e s rcavano "mglor" valor de parametr per descrvere dat, untamente al loro ntervallo d confdenza. Vedamo ora come costrure l grafco d una funzone denstà d probabltà. Prendamo ad esempo la dstrbuzone t d Student, a cu corrsponde la funzone tpdf. Dall'help (help tpdf) apprendamo che la funzone prende due argoment: >>y = tpdf(x,nu) un vettore d ascsse x e grad d lbertà nu, e resttusce un vettore y che contene valor della pdf n corrspondenza delle ascsse. Dobbamo qund n prmo luogo costrure un vettore d ascsse. Se voglamo vedere l grafco della funzone d denstà tra -5 e 5, l comando >>x=[-5:0.:5]'; produce una progressone artmetca d ragone 0. che parte da -5 e termna a 5. I valor della pdf d una dstrbuzone t d Student con 3 grad d lbertà s otterranno qund dgtando ad es.: >>x=[-5:0.:5]'; >>yt=tpdf(x,3); A questo punto possamo costrure l grafco: >>plot(x,yt) Se s aggungono ulteror argoment, s può controllare l'aspetto del grafco: plot(x,yt,'r.') produce un grafco a punt d colore rosso. Una lsta completa delle opzon s può ottenere dgtando help plot. Un grafco a punt o a barre può essere utle nel caso d dstrbuzon dscrete, vsto che n questo caso la probabltà è defnta solo n corrspondenza d valor nter delle ascsse. Dsegnamo ora, utlzzando la stessa grgla d ascsse, la funzone d denstà d una dstrbuzone normale standardzzata: >>x=[-5:0.:5]'; >>yn=normpdf(x,0,); >>plot(x,yn) Se s desdera vsualzzare pù grafc sovrappost, s utlzza l comando hold; ad esempo nserte le seguent struzon: >> x=[-5:0.:5]'; >>hold on; >>yt=tpdf(x,3); >>yn=normpdf(x,0,); >>plot(x,yn,'g'); >>plot(x,yt,'r'); >>hold off; Numer casual MATLAB possede un generatore d numer (matrc) pseudocasual unform (rand) e normal standardzzat (randn); gl argoment che quest generator rchedono sono l numero d rghe e colonne desderat. Ad esempo, per avere un vettore colonna d dec numer casual unform s dgta rand(,). Il computer è una macchna determnstca e non è n grado d produrre numer veramente" casual. Nel package stats sono noltre compres ulteror generator. Se voglamo un campone d 0 osservazon da una dstrbuzone esponenzale con meda.8, dgtamo: >>r=exprnd(.8,0,); 3 4
3 Se voglamo un campone d 0 osservazon da una dstrbuzone normale con meda 0 e devaz. standard, dgtamo: >>r=randn(0,); Una analoga struzone consente d ottenere l set d osservazon rchesto: >>r=normrnd(0,,0,); Istogramma e cdf emprca Una volta generat de numer casual r=, s può vsualzzare l rsultato costruendone l'stogramma: hst(r). Se s desdera specfcare l numero d ntervall che l'stogramma deve utlzzare, lo s può nserre come secondo argomento:hst(r,0). Un secondo modo per vsualzzare le propretà emprche d un campone è quello d dsegnare la cdf emprca: cdfplot(r). >> r=exprnd(.8,0,); >> hst(r) >> cdfplot(r) Applcazon PREMESSA: Prma d nzare a trattare le vare applcazon che vengono d seguto proposte, un consglo (o meglo un mperatvo categorco) per tutt. Ognqualvolta ncontrate un nuovo comando, prma d procedere alla applcazone, dgtate l help relatvo al comando ncontrato e mpadrontev delle vare opzon che lo rguardano. Per ogn argomento trattato fate una stampa de rsultat dell applcazone e degl eventual grafc che vengono creat. Il tutto costturà l materale della vostra eserctazone d statstca che presenterete al docente responsable del corso una settmana prma dell esame. Le applcazon contrassegnate dal smbolo # sono da consderare facoltatve. ) Varabl aleatore Comncamo mparando ad usare MATLAB per calcolare le probabltà e le funzon d rpartzone d v.a. dscrete qual la bnomale e la possonana. Sa k una v.a. dscreta con dstrbuzone d Posson d parametro lambda= ultma cfra del vostro gorno d nascta (se questo numero è uguale a zero aggungetegl ). Calcolate: a) la probabltà P(k=3) b) P(k= 3) c) P(=k<5) d) P(k=5) La probabltà della v.a. possonana k d parametro lambda vene valutata dgtando l comando posspdf(k,lambda) mentre la funzone d rpartzone l comando posscdf(k,lambda). Pertanto per rspondere rspettvamente alle precedent queston dgtate: >>lambda= ; >>Pa=posspdf(3,lambda) >>Pb=-posscdf(,lamda) >>Pc=posscdf(4,lambda)-posscdf(0,lambda) >>Pd=-posscdf(4,lambda) Rspondete ora alle stesse domande nel caso n cu la v.a. dscreta k segua una legge bnomale d parametr N e p. Fssate N=ultma cfra del vostro gorno d nascta (se questo numero è mnore o uguale a quattro aggungetegl l numero 5) e p=numero (arrotondato a due cfre decmal) che s ottene facendo l recproco dell ultma cfra del vostro gorno d nascta (se questo numero è uguale a zero o ad uno aggungetegl prma d farne l recproco) >>N=...; % nserte l valore ndcato >>p=..; % nserte l valore ndcato >>Pa=bnopdf(3,N,p) >>Pb=-bnocdf(,N,p) >>Pc=bnocdf(4,N,p)-bnocdf((0,N,p) >>Pd=-bnocdf(4,N,p) Possamo calcolare con un struzone sntetca la meda e la varanza per dat delle nostre dstrbuzon. Per la bnomale d parametr N e p possamo dgtare ad esempo: >>N=..; % nserte l valore utlzzato n precedenza >>p=..; % nserte l valore utlzzato n precedenza >>[mu, var]=bnostat(n,p) Possamo calcolare smultaneamente le coppe (mu,var) al varare d N. Per esempo: con l comando N=lnspace(,0,) vene generato un nseme d valor da a 0 egualmente spazat. >>p=.. >>N=lnspace(,0,); >>[mu, var]=bnostat(n,p) MATLAB fornsce n successone rspettvamente valor attes e le varanze per var cas. Per v.a. contnue valgono analoghe struzon. Per la v.a. normale d parametr mu e sgma avremo ad es.: >> x=[-:0.:]'; >>mu= ultma cfra del vostro gorno d nascta; 5 6
4 >>sgma=numero (arrotondato ad una cfra decmale) che s ottene facendo l recproco dell ultma cfra del vostro gorno d nascta (se questo numero è uguale a zero o ad uno aggungetegl prma d farne l recproco) >>p = normpdf(x,mu,sgma); %denstà d probabltà >>F = normcdf(x,mu,sgma); %funzone d rpartzone >>alpha=0.5; >>q = normnv(alpha,mu,sgma) % (quantle d ordne alpha) Per l'esponenzale d parametro lambda: >> x=[0:0.:5]'; >>lambda=.; % nserte l valore utlzzato precedentemente >>p = exppdf(x,/lambda) %denstà d probabltà >>F = expcdf(x,/lambda) %funzone d rpartzone >>alpha=0.75 >>q = expnv(alpha,/lambda) % (quantle d ordne alpha) Per la v.a. unforme contnua sull'ntervallo (a,b): >>a= ultma cfra del vostro gorno d nascta; >>b= ultma cfra del vostro gorno d nascta + 4; >>p= unfpdf(x,a,b) %denstà d probabltà >>F= unfcdf(x,a,b) %funzone d rpartzone >>alpha=0.90 >>q= unfnv(alpha,a,b) % (quantle d ordne alpha) ) Generazone d numer casual e vsualzzazone de dat Creamoc nnanztutto un nseme d dat su qual lavorare usando l comando rand. U = rand(n,m) genera una matrce U(n*m) d varabl pseudoaleatore ndpendent e unform n (0,), mentre u = rand(n,) fornsce un vettore colonna d lunghezza n. Prmo passo: generate ad esempo un set d numer random unformemente dstrbut tra zero ed uno e al prompt d MATLAB nel Command Wndow date le seguent struzon: >>n=0seguto dall ultma cfra del vostro gorno d nascta se questo numero è par, altrment gl aggungete ); >>data= rand(n,); Secondo passo: Costruamo due vettor d lunghezza n/, l prmo dcamo data- costtuto dagl element d data d posto dspar e l secondo dcamo data- da quell d posto par: >>data=data(::n); >>data=data(::n); A questo punto plottamo data n funzone d data col comando: >>plot(data,data,'o') Se punt sono unformemente dstrbut sul quadrato [0,]*[0,] allora possamo pensare che non c sa correlazone fra var element del vettore data. Generazone d altre varabl dverse dalla unforme: come detto MATLAB le fornsce nella propra lbrera statstca, tutte partono dal generare numer ndpendent unform (0,) po trasformat. Ad es. bnornd, unfrnd, normrnd, possrnd...(vedere rspettv help per conoscere le modaltà d generazone de dat pseudocasual). Dgtate: >>rand('state',sum(0*clock)) % predsponamo l seme del generatore >>n=seguto dall ultma cfra del vostro gorno d nascta se questo numero è par, altrment gl aggungete ); >>data= normrnd(0,,n,); >>data=data(::n); >>data=data(::n); >>plot(data,data,'o') %Se voglamo nserre una grgla sul grafco aggungeremo l comando grd on. %Lo stesso tpo d grafco può essere ottenuto col comando scatter: >>scatter(data,data, 'o') >>grd on Con n numer pseudocasual unformemente dstrbut tra 0 ed possamo creare ad esempo un nseme d n numer nter con valor compres tra 0 e 9: >>rand('state',sum(0*clock)) % predsponamo l seme del generatore >>n=0seguto dall ultma cfra del vostro gorno d nascta; >>data=rand(n,); >>datnt=fx(*data); %Creamo ora un vettore delle frequenze assolute e un vettore delle frequenze relatve d cascuna %cfra (da 0 a 9): >>fass=hst(datnt); >>frel=fass/n; %Grafco della dstrbuzone delle frequenze assolute: >>nterv=[mn(datnt):max(datnt)]'; % s traspone(') perché fass è un vettore colonna >>plot(nterv,fass) % grafco >>bar(nterv,fass) % dagramma a barre %Calcolamo ora le frequenze cumulatve e plottamo l grafco: >>Fass()=fass() >>for =:length(nterv) Fass()=Fass(-)+fass(); end >>plot(nterv,fass) %Calcolamo valor d skewness e d curtos della nostra dstrbuzone d dat: >>sk=skewness(datnt) >>k=kurtoss(datnt) %dsegnare la denstà cumulatve emprca col comando: >>cdfplot(datnt) 7 8
5 3) Verfca emprca della legge de grand numer # La legge (debole) de grand numer dce che data una successone d varabl casual x a meda fnta, la meda camponara delle osservazon converge n probabltà al valore della meda teorca mu. Una verfca emprca d questa legge consste nel generare n numer pseudocasual, calcolarne la meda camponara xmedo=(x +x +x 3+..x n)/n e vedere con un plot come l valor medo camponaro osclla attorno a mu con le oscllazon che dmnuscono al crescere d n. Generamo una successone d varabl unformemente dstrbute tra 0 ed e con valore atteso mu=/: >>rand('state',sum(0*clock)); >>for =:0 xmedo()=sum(rand(,))/; end >>plot(xmedo, '.') Provate anche con =00 e con =000 ma non andate oltre perchè MATLAB con un gran numero d terazon dventa molto lento. 4) Teorema del lmte centrale # Verfchamo spermentalmente l teorema del lmte centrale della statstca. Sommamo nzalmente nv=50 varabl ndpendent con dstrbuzone unforme ottenute per un numero np=000 prove e confrontamo la frequenza relatva della dstrbuzone della loro somma con la prevsone teorca, vale a dre con una gaussana d meda e varanza note dalla teora. Aumentamo successvamente l numero d varabl portandolo a nv=0 e nv=500 e valutamo grafcamente l lmte asntotco della dstrbuzone emprca alla gaussana. >>rand('state',sum(0*clock)) >> np=000; >> nv=50; >> y=rand(nv,np); >> sy=sum(y); >> meda=nv*.5; >> varanza=nv*/; >> x=[-5*sqrt(varanza):.5:5*sqrt(varanza)]+meda; >> freq=hst(sy,x)/np/.5; >> dst=/sqrt(*p*varanza)*exp(-(x-meda).^/(*varanza)); >> fgure >> hold on; >> bar(x,freq) >> plot(x,dst,'r') Rpetete la procedura ponendo nv=0 e successvamente nv=500. 5) Intervall d confdenza per la meda della popolazone a) Intervallo d confdenza per la meda d una popolazone con varanza nota: 9 >>rand('state',sum(0*clock)) >>mu= 0; >>sgma=; >>n = seguto dall ultma cfra del vostro gorno d nascta); >>x = normrnd (mu, sgma, n, ); >>ntconf= 0.95; >>xmedo = mean (x) >>qn =normnv ((+ntconf)/, 0, ) >>deltan= qn*sgma/sqrt(n) >>ntervallo = [xmedo-deltan xmedo+deltan] Rprovate la precedente procedura rspettvamente con n=seguto dall ultma cfra del vostro gorno d nascta e con=0seguto dall ultma cfra del vostro gorno d nascta e notate come dmnusce l'ampezza dell'ntervallo al varare d n. b) Intervallo d confdenza per la meda d una popolazone con varanza ncognta: >>rand('state',sum(0*clock)) >>mu= 0; >>sgma=; >>n = seguto dall ultma cfra del vostro gorno d nascta); >>x = normrnd (mu, sgma, n, ); >>ntconf= 0.95; >>xmedo = mean (x) >>s=std(x) >>qt =tnv ((+ntconf)/, n-) >>deltat= qt*s/sqrt(n) >>ntervallo = [xmedo-deltat xmedo+deltat] Rprovate anche n questo caso la precedente procedura con n=seguto dall ultma cfra del vostro gorno d nascta) e con=0seguto dall ultma cfra del vostro gorno d nascta) e notate come dmnusce l'ampezza dell'ntervallo al varare d n. 5) Test d potes sulla meda con varanza nota Consderate l seguente esempo: Una dtta sta commercalzzando un nuovo prodotto ed e' nteressata a conoscere l'altezza d tale manufatto. S suppone che tale altezza sa normalmente dstrbuta con devazone standard nota e par a 0 mm. Dsponendo de seguent dat (n mm) rguardo all'altezza d N=40 prodott scelt a caso: l azenda ntende effettuare l seguente test d potes sulla meda:
6 H 0 (potes nulla):la meda e' uguale a 88 mm. H (potes alternatva):la meda e' dversa da 80 mm. ) Utlzzando soltanto prm n(<=n) dat del campone e come statstca la meda camponara, trovare la regone d accettazone per l'potes nulla ad un lvello d sgnfcatvta' del 5% e trarre una conclusone sull'potes fatta ) Confrontare rsultat al punto ) con quell ottenut con un lvello d sgnfcatvta' dell'% 3) Confrontare rsultat al punto ) con quell ottenut utlzzando tutt gl N=40 dat del campone. Impostamo l problema con MATLAB: Punto ) >>sgma = 0; >>Dat =[ ]; >>mu = 88; % Ipotes nulla >>n =seguto dall ultma cfra del vostro gorno d nascta; >>xmedo = mean(dat(:n)); >>alpha = 0.05; % alpha = P(d rgettare l'potes nulla anche se è vera) >>b= -alpha/; >>qb= normnv(b,0,); >>delta = qb * sgma / sqrt(n); >>mupu = xmedo+ delta; >>mumeno = xmedo- delta; >>Test = mu > mumeno & mu < mupu % Test = potes accettata, Test = 0 potes rfutata Punto ) Per rspondere a questo punto occorre rpetere la successone d struzon precedente nserendo l opportuno valore d alpha. Punto 3) S tratta anche n questo caso d rpetere la procedura del punto ) ponendo n=40 ed alpha= ) Un eserctazone un po pù laborosa (ma non meno nteressante) Generate un campone d 360 numer nter d una cfra estratt a caso da una dstrbuzone unforme e dsponetel n 40 grupp d 9 cfre. Per generare con MATLAB una tale tabella attenetev alle seguent struzon: >>n=360; >>rand('state',sum(0*clock)); >>N=fx(*rand(n,)); >>hst(n) % per avere una vsone d nseme della dstrbuzone del vostro campone d cfre >>fprntf('%3.0f %3.0f %3.0f %3.0f %3.0f %3.0f %3.0f %3.0f %3.0f \n',n) %mantenete gl spaz vuot ndcat tra grupp d cfre da vsualzzare sullo schermo). Dopo l ultma struzone apparrà nella vdeata del Command Wndow d MATLAB una successone d numer casual nter d una cfra dspost n quaranta rghe d 9 element spazat opportunamente per l elaborazone successva. Selezonate qund col tasto destro del mouse nel Command Wndow d MATLAB la successone d cfre che compare sullo schermo e copatela su un documento Word. Avrete così la vostra tabella personalzzata sulla quale lavorare. Il valore atteso e la varanza d una varable casuale n, che assume valor nter da zero a nove con equprobabltà (p=/), sono rspettvamente: n = E [ n] = σ / = 4.5 = E[ n E[ n]] = ( n E[ n]) / = 8.5 = Selezonate nzalmente dalla vostra tabella un sottonseme d K=90 numer d una cfra. La cosa mglore è prendere una successone d numer consecutv per evtare d nflure sulla loro selezone. Dopo aver sstemato dat n una tabella d frequenza del tpo: Frequenza Cfra Freq. ass. F calcolate, utlzzando MATLAB, l valor medo camponaro e la varanza camponara = s = F( n n) K Freq. rel. f n = = Per evtare d rportare sngolarmente nella struzone dat=[.] tutte le 90 cfre selezonate, rtornate con l cursore del Command Wndow d MATLAB sulla successone d 360 cfre e aggungete manualmente alla fne d ogn rga (eccetto l ultma) tre puntn ( ) per ndcare che l struzone contnua al rgo successvo, dopodchè selezonate tutte le rghe nteressate e nsertele = n F F
7 nelle parentes dell struzone dat=[.]. Per calcolare la meda e la varanza utlzzate po le opportune struzon MATLAB (mean(dat) e var(dat)). Non sarebbe sorprendente se per l vostro campone d dmensone lmtata d element trovaste che la meda e la varanza s dscostano da valor attes. C aspettamo tuttava che l accordo mglor con campon d K=80 e 360 element rspettvamente. Valutate la meda e la varanza emprche anche per quest campon e confrontatele con valor attes. Consderate ora grupp d tre cfre della vostra tabella d 360 numer nter e valutate qual è la frequenza del numero m= ultma cfra del vostro gorno d nascta, n cascun gruppo d tre cfre (grupp n numero totale d ). Coè quant grupp d tre cfre non contengono nessun m, quant ne contengono uno, quant ne contengono due, quant ne contengono tre? La varable casuale ndvduata da quattro valor n=0,,,3 d frequenza consderat, è descrtta da una dstrbuzone teorca d tpo bnomale N n N n PN, p ( n) = p ( p) con N=3 p=/ n Calcolate, utlzzando MATLAB, le probabltà per valor d n=0,,,3 e 4 consderando una dstrbuzone possonana con parametro lambda=0.9. Naturalmente non c s deve attendere un accordo troppo elevato tra frequenze relatve e probabltà perché N=9 è molto dstante da N=8 e p=/ non è un valore d probabltà troppo pccolo, ma comunque l confronto con la nostra dstrbuzone d frequenza camponara resta nteressante. Verfcate con un test del chquadro al lvello d sgnfcatvtà del 5% l attendbltà dell adattamento della possonana al vostro campone d frequenze. e con parametr d poszone e d larghezza rspettvamente dat da: E [ n] = N p = 3 = 0.3 σ = E[ n E[ n]] = N p ( p) = 3 9 = 7 0 = 0.7 Dopo aver regstrato le frequenze spermental n una tabella del tpo: varable n Frequenza 0 3 assoluta relatva valutate l valor medo e la varanza camponar della varable n. Come s confrontano valor d frequenza relatva con valor d probabltà della dstrbuzone teorca? Utlzzate MATLAB per rcavare quest ultm valor. Verfcate l attendbltà dell potes sulle frequenze, applcando (eventualmente con l uso d MATLAB) un test del chquadro al lvello d sgnfcatvtà del 5%. Prendete ora n consderazone grupp d nove cfre nella tabella d d 360 numer a caso a vostra dsposzone (40 grupp n totale). Effettuate un calcolo della dstrbuzone delle frequenze della cfra m (usata n precedenza) ne grupp d nove cfre, consderando solo valor d n=0,,,3 e 4. Costrute una tabella smle alla precedente e confrontate anche n questo caso, applcando ancora un test del chquadro al lvello d sgnfcatvtà del 5%, valor d frequenza relatva con rspettv valor d probabltà (valutat utlzzando MATLAB) della corrspondente dstrbuzone teorca bnomale (stavolta con N=9 e p=/) Consderate nfne l approssmazone d Posson per la dstrbuzone d frequenza delle cfre ne grupp d nove numer estratt a caso. S ha N=9 e p=/, per cu lambda = N p =
STATISTICA DESCRITTIVA CON EXCEL
STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:
DettagliStatistica e calcolo delle Probabilità. Allievi INF
Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:
DettagliLA COMPATIBILITA tra due misure:
LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone
DettagliTest delle ipotesi Parte 2
Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca
DettagliVariabili statistiche - Sommario
Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su
DettagliLa verifica delle ipotesi
La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:
DettagliEsercitazioni del corso: STATISTICA
A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA
DettagliRelazioni tra variabili: Correlazione e regressione lineare
Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg
DettagliMinistero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA
Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG
DettagliPROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -
PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4
DettagliLA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE
Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne
Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che
DettagliCapitolo 3. Cap. 3-1
Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare
Dettagli* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1
APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone
DettagliSTATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007
STATISTICA SOCIALE Corso d laurea n Scenze Turstche, a.a. 07/08 Esercz 6 novembre07 Eserczo La Tabella contene alcun dat relatv a 6 lavorator delle azende Alfa e Beta. Tabella Lavorator delle azende Alfa
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
DettagliTITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)
Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA
Dettagli3. Esercitazioni di Teoria delle code
3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come
DettagliModelli descrittivi, statistica e simulazione
Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
DettagliElementi di statistica
Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e
DettagliAnalisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:
Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della
DettagliINDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA
Lezone 7 - Indc statstc: meda, moda, medana, varanza INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA GRUPPO MAT06 Dp. Matematca, Unverstà d Mlano - Probabltà e Statstca per le Scuole Mede -SILSIS - 2007
DettagliELEMENTI DI STATISTICA
ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)
DettagliStatistica Descrittiva
Statstca Descrttva Corso d Davd Vettur Dat osservat Sano note le seguent msure dello spessore d una lastra d materale polmerco espresse n mllmetr 3.71 3.83 3.85 3.96 3.84 3.8 3.94 3.55 3.76 3.63 3.88 3.86
DettagliUniversità degli Studi di Urbino Facoltà di Economia
Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva
DettagliTrigger di Schmitt. e +V t
CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con
DettagliRisoluzione quesiti I esonero 2011
Rsoluzone quest I esonero 011 1) Compto 1 Q3 Un azenda a a dsposzone due progett d nvestmento tra d loro alternatv. Il prmo prevede l pagamento d un mporto par a 100 all epoca 0 e fluss par a 60 all epoca
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9
DettagliAritmetica e architetture
Unverstà degl stud d Parma Dpartmento d Ingegnera dell Informazone Poltecnco d Mlano Artmetca e archtetture Sommator Rpple Carry e CLA Bozza da completare del 7 nov 03 La rappresentazone de numer Rappresentazone
DettagliLeggere i dati da file
Esempo %soluzon d una equazone d secondo grado dsp('soluzon d a^+b+c') anput('damm l coeffcente a '); bnput('damm l coeffcente b '); cnput('damm l coeffcente c '); deltab^-4*a*c; f delta0 dsp('soluzon
DettagliIntroduzione al Machine Learning
Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone
DettagliHansard OnLine. Unit Fund Centre Guida
Hansard OnLne Unt Fund Centre Guda Sommaro Pagna Introduzone al Unt Fund Centre (UFC) 3 Uso de fltr per la selezone de fond 4-5 Lavorare con rsultat del fltro 6 Lavorare con rsultat del fltro - Prezz 7
DettagliMacchine. 5 Esercitazione 5
ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
DettagliUniversità degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno
Unverstà degl Stud d Cassno, Anno accademco 004-005 Corso d Statstca, Pro. M. Furno Eserctazone del 5//005 dott. Claudo Conversano Eserczo Ad un certo tavolo d un casnò s goca lancando un dado. Il goco
DettagliCapitolo 3 Covarianza, correlazione, bestfit lineari e non lineari
Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure
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
DettagliLezione 2 a - Statistica descrittiva per variabili quantitative
Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 1 =103 2 2 =97 3 3 =90 4 4 =119
Dettaglia) Individuare l intervallo di confidenza al 90% per la media di popolazione;
Eserczo Il responsable marketng d una catena d negoz vuole analzzare l volume delle vendte mensl d un determnato bene d largo consumo. Una socetà che conduce rcerche d mercato è ncarcata d effettuare un
DettagliConcetti principale della lezione precedente
Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl
Dettagli= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)
ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa
DettagliStrada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum
Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest
DettagliUna distribuzione può essere descritta per mezzo dei suoi frattili.
Frattl d una dstrbuzone Una dstrbuzone può essere descrtta per mezzo de suo frattl. S dce frattle (snonm: centle, percentle e quantle) p-esmo d una dstrbuzone quel valore xp tale che la frequenza relatva
Dettagli3 CAMPIONAMENTO DI BERNOULLI E DI POISSON
3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.
DettagliLezione 2 le misure di sintesi: le medie
Lezone le msure d sntes: le mede Cattedra d Bostatstca Dpartmento d Scenze spermental e clnche, Unverstà degl Stud G. d Annunzo d Chet-Pescara Prof. Enzo Ballone Lezone a- Statstca descrttva per varabl
DettagliCAPITOLO 3 Incertezza di misura Pagina 26
CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone
DettagliAnalisi statistica di dati biomedici Analysis of biologicalsignals
Anals statstca d dat bomedc Analyss of bologcalsgnals I Parte Inferenza statstca Agostno Accardo (accardo@unts.t) Master n Ingegnera Clnca LM Neuroscenze 2013-2014 e segg. Altman Practcal statstcs for
DettagliESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:
ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone
DettagliCorso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm.
Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo d.amodo@unvpm.t Ing. Ganluca Chappn g.chappn@unvpm.t http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano
DettagliCorso di. Dott.ssa Donatella Cocca
Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca
DettagliLezione 2 a - Statistica descrittiva per variabili quantitative
Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90
DettagliRETI TELEMATICHE Lucidi delle Lezioni Capitolo VII
Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd
DettagliANALISI STATISTICA DELLE INCERTEZZE CASUALI
AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte
DettagliOttimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO
Ottmzzazone nella gtone de progett Captolo 6 Project Schedulng con vncol sulle rsorse CARLO MANNINO Unverstà d Roma La Sapenza Dpartmento d Informatca e Sstemstca 1 Rsorse Ogn attvtà rchede rsorse per
DettagliTutti gli strumenti vanno tarati
L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello
DettagliEsame di Statistica Corso di Laurea in Economia
Esame d Statstca Corso d Laurea n Economa 9 Gennao 0 Cognome Nome atr. Teora S dmostr la propretà d lneartà della meda artmetca. Eserczo Una casa edtrce è nteressata a valutare se tra lettor d lbr esste
DettagliPARENTELA e CONSANGUINEITÀ di Dario Ravarro
Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu
DettagliStudio grafico-analitico di una funzioni reale in una variabile reale
Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della
Dettagli,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100
Dstrbuzon d frequenza Varable x Frequenze Frequenze Frequenze Frequenze % cumulate relatve x 1 n 1 n 1 n 1 / n 1 /*100 x n n 1 +n n / n /*100 x k n k n 1 +.+n k = n k / n k /*100 totale 1 100 Indc sntetc
DettagliNorma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura
orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato
DettagliMACROECONOMIA A.A. 2014/2015
MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost
DettagliAnalisi dei flussi 182
Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle
DettagliStrutture deformabili torsionalmente: analisi in FaTA-E
Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo
DettagliCalcolo della caduta di tensione con il metodo vettoriale
Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta
DettagliEsercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca
Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE
DettagliModelli di variabili casuali
Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.
Dettaglix = 2480.82 sezione 45 0,038 48 0,077 49 0,115 50 0,192 52 0,231 54 0,308 55 0,346 58 0,385 60 0,615 63 0,654 65 0,885 66 0,923 83 0,962 84 1,000
Gennao 006 classe A VERIFICA DI STATISTICA fla A )Nel Lceo scentfco G.Bruno c sono 5 class seconde, cu alunn sono dstrbut per sezone e per sesso n base alla seconda tabella: Sesso\ A B D E F sezone Calcola
DettagliIntroduzione alla Programmazione e Applicazioni per la Finanza M2 (Prodotti Derivati) Lezione 12
Introduzone alla Programmazone e Applcazon per la Fnanza M2 (Prodott Dervat) Lezone 12 Anno accademco 2006-07 Ttolare corso: Prof. Costanza Torrcell Docente: Dott.ssa Maranna Brunett In partcolare mplementeremo:
DettagliPOLITECNICO DI BARI - DICATECh Corso di Laurea in Ingegneria Ambientale e del Territorio IDRAULICA AMBIENTALE - A.A. 2015/2016 ESONERO 15/01/2016
POLITECNICO DI BARI - DICATECh Corso d Laurea n Ingegnera Ambentale e del Terrtoro IDRAULICA AMBIENTALE - A.A. 015/016 ESONERO 15/01/016 ESERCIZIO 1 S consder la rete aperta n fgura, nella quale le portate
DettagliPrincipi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive
Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal
DettagliL analisi di studi con variabili di risposta multiple
X1 X X 3 Quando un confronto venga effettuato per tre lvell d un fattore, sembrerebbe ntutvo effettuare l confronto con l test t d Student a pù lvell: X X X 1 1 vs vs vs X X X 3 3 Metodologa per l anals
DettagliREGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari
REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat
DettagliDipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014
Dpartmento d Economa Azendale e Stud Gusprvatstc Unverstà degl Stud d Bar Aldo Moro Corso d Macroeconoma 2014 1.Consderate l seguente grafco: LM Partà de tass d nteresse LM B A IS IS Y E E E Immagnate
DettagliRegressione Multipla e Regressione Logistica: concetti introduttivi ed esempi
Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla
Dettagli1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x
TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1
DettagliSoluzione esercizio Mountbatten
Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno
DettagliProva di verifica n.0 Elettronica I (26/2/2015)
Proa d erfca n.0 lettronca I (26/2/2015) OUT he hfe + L OUT - Fgura 1 Con rfermento alla rete elettrca d Fg.1, determnare: OUT / OUT / la resstenza sta dal generatore ( V ) la resstenza sta dall uscta
DettagliIl modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti
Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso
DettagliLa retroazione negli amplificatori
La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo
DettagliFisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri
Fsca Generale I Msure d grandezze fsche e ncertezze d msura Lezone 3 Facoltà d Ingegnera Lvo Lancer Indce Abbamo mparato: Orgne e classfcazone delle ncertezze (error) d msura Rappresentazone delle ncertezze
DettagliCondensatori e resistenze
Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere
DettagliS O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:
S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012
CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso
DettagliDefinizione classica di probabilità
Corso d Idrologa A.A. 0-0 Teora delle probabltà Prof. Ing. A. Cancellere Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Catana Defnzone classca d probabltà Il concetto d probabltà ha trovato formalzzazone
DettagliIncertezza di sensibilità < fluttuazione intrinseca delle misure.
Error casual no ad ora abbamo correlato la bontà d una msura alla sensbltà degl strument utlzzat. Samo partt da una stuazone n cu effettuata una sere d msure rpetute, le msure hanno tutte dato lo stesso
DettagliAnalisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi
ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone
DettagliIl pendolo di torsione
Unverstà degl Stud d Catana Facoltà d Scenze MM.FF.NN. Corso d aurea n FISICA esna d ABORAORIO DI FISICA I Il pendolo d torsone (sezone costante) Moreno Bonaventura Anno Accademco 005/06 Introduzone. I
DettagliPropagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.
Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes
DettagliMisure Ripetute ed Indipendenti
Msure Rpetute ed Indpendent Una delle metodologe pù semplc per valutare l affdabltà d una msura consste nel rpeterla dverse volte, nelle medesme condzon, ed esamnare dvers valor ottenut. Ovvamente, una
DettagliIL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE
IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE CORRELAZIONE Legame - Assocazone - Accordo Relazone tra varabl valutare l grado d recproca nfluenza tra due varabl; valutare l grado d assocazone
DettagliGLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO
GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza
DettagliCircuiti di ingresso differenziali
rcut d ngresso dfferenzal - rcut d ngresso dfferenzal - Il rfermento per potenzal Gl stad sngle-ended e dfferenzal I segnal elettrc prodott da trasduttor, oppure preleat da un crcuto o da un apparato elettrco,
DettagliValore attuale di una rendita. Valore attuale in Excel: funzione VA
Valore attuale d una rendta Nella scorsa lezone c samo concentrat sul problema del calcolo del alore attuale d una rendta S che è dato n generale da V ( S) { R ; t, 0,,,..., n,... } n 0 R ( t ), doe (t
DettagliLaboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto
DettagliFisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri
Fsca Generale I Msure d grandezze fsche e ncertezze d msura Lezone 3 Facoltà d Ingegnera Lvo Lancer Indce Abbamo mparato: Orgne e classfcazone delle ncertezze (error) d msura Rappresentazone delle ncertezze
Dettaglilxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt http://www2.dm.unito.it/paginepersonali/zucca/index.htm Misura:
Elaborazone de dat geochmc e cenn d statstca lm.m.nfn.t/~camera/slss/laboratoro-1/-statstca.ppt http://www.dm.unto.t/pagnepersonal/zucca/nde.htm Msura: Espressone quanttatva del rapporto fra una grandezza
Dettagli