Statistica Applicata all edilizia: alcune distribuzioni di probabilità
|
|
- Felice Nardi
- 8 anni fa
- Visualizzazioni
Transcript
1 Statistica Applicata all edilizia: Alcune distribuzioni di probabilità 7 marzo 20
2 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson 4
3 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson 4
4 Indice di simmetria β = E[(X µ)3 ] σ 3 dove - β = 0, nel caso di perfetta simmetria; - β < 0, per l asimmetria a destra; - β > 0, per l asimmetria a sinistra. Indice di curtosi e se γ 2 = β 2 3 dove β 2 = E[(X µ)4 ] σ 4 - γ 2 > 0, la curva si definisce leptocurtica (più appuntita ); - γ 2 < 0, la curva si definisce platicurtica, cioè più piatta di una normale; - γ 2 = 0, la curva si definisce normocurtica, cioè piatta come una normale.
5 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson 4
6 Esempio: Variazioni del tasso Euribor
7 Distribuzioni di probabilità L istogramma serve a descrivere i dati del campionamento. Il campione è un insieme scelti da una popolazione più ampia. La distribuzione di probabilità è un modello matematico che collega il valore della variabile alla probabilità che tale valore si trovi all interno della popolazione Esempio: è possibile considerare le variazioni del tasso Euribor come variabile casuale poichè assume valori diversi nella popolazione in conseguenza di meccanismi casuali.
8 Variabile casuale: è una funzione che associa ad ogni evento elementare A dello spazio campionario Ω uno ed un solo numero reale X. Ω A X P:x->P(x) P(x) L insieme dei valori di X costituisce uno spazio campionario numerico, su cui si può definire una misura di probabilità. Distribuzioni di frequenza e distribuzioni di probabilità Può essere utile approssimare la 80 distribuzione empirica dei dati con 70 una distribuzione teorica (funzione matematica) R 0 Esempio Esperimento: lancio 3 volte di una moneta Variabile casuale X = numero delle teste uscite. Distribuzione di Probabilità: Probabilità che sia uscita testa X volte LEGGE DI PROBABILITA I dati sono considerati delle variabili casuali
9 Variabili casuali Discrete sono definite in uno spazio campionario discreto e possono assumere un numero finito (o un infinità numerabile) di valori. Continue Sono definite in uno spazio campionario continuo e possono assumere tutti i valori di un certo intervallo. Valore atteso (o media aritmetica): n E( X ) = µ = xi Pr( X = x i ) i= Varianza: 2 V(X) = σ = k i= 2 (x µ ) Pr(X = x ) i i Il valore atteso di X è dato da Varianza: V x χ M ( X ) = µ = x p( x) dx µ V(X) = σ = (x x χ 2 ) p(x)dx ( X ) E( X ) E( X ) = 2 x p( x) dx x p( x) dx 2 x χ x χ = Scarto qudratico medio o deviazione standard SQM ( X ) = σ = V ( X ) Scarto qudratico medio o deviazione standard SQM ( X ) = σ = V ( X )
10 Indice Indici di curtosi e simmetria Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson 4
11 Alcuni esempi Indici di curtosi e simmetria Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson Esempio ( Controllo di qualità di un processo produttivo). Un azienda produttrice di materiale per l edilizia ispeziona ogni prodotto che esce dalla sua linea produttiva. Il prodotto può essere ritenuto buono o difettoso. L esperienza passata indica che il 5% dei pezzi prodotti è difettoso. Se si estraggono a caso 4 pezzi (in modo indipendente), determinare qual è la probabilità di non estrarre alcun pezzo difettoso? 2 qual è la probabilità che ci siano più di due pezzi difettosi? 3 qual è il valore atteso e la varianza dei pezzi difettosi; Esempio 2: Il 70% delle case è costruito in cemento armato e il restante 30% con altri materiali. Qual è la probabilità che estraendo casulamente due case entrambe siano state costruite in cemento armato?
12 La VCD Bernulliana Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson La v.c. Bernulliana indica il numero di successi in una prova. Si considera un esperimento casuale che può dar luogo a due possibili risultati S: successo e S: insuccesso e sia p la probabilità di S. Definizione La variabile casuale Bernullliana (o indicatore) assume valore uno se si verifica S e zero altrimenti, ossia Distribuzione X = se è vero S X = 0 se è vero S p (x) = { p se x = 0 p se x = Momenti E (X) = p; Var (X) = p( p).
13 La VCD Binomiale Bin(n, p) Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson La v.c. Binomiale indica il numero di successi in n prove indipendenti Si ripete n volte un esperimento casuale che può dar luogo a due possibili risultati S: successo e S: insuccesso. Sia p la probabilità di S. L esperimento è ripetuto in modo che le n prove sono indipendenti; la probabilità di successo p non cambia di prova in prova. Definizione La variabile casuale discreta semplice X, numero di ripetizioni dell esperimento che danno luogo ad un successo, è chiamata variabile casuale Binomiale. Le possibili determinazioni della Binomiale sono: 0,, 2,..., n
14 Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson Distribuzione binomiale: ( ) n p (x) = p x ( p) n x, x = 0,,..., n x Momenti: E (X) = n xp (x) = x=0 n ( ) n x p x ( p) n x = np x x=0 Additività: Var (X) = np ( p) X Bin (n, p) indip Y Bin (m, p) Z = X + Y Bin (n + m, p)
15 Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson Soluzione esercizio: Controllo di qualità di un processo produttivo Si tratta di calcolare P(X = 0): p=0.05; n=4; x=0; Y = BINOPDF(x, n, p); Risp: Y = Si tratta di calcolare P(X > 2) = P(X 3) = P(X = 2): x=2; Y = -BINOCDF(x, n, p); Risp: Y = Il valore atteso e la varianza sono dati da: [m v]=binostat(4,0.05) Risp: m =0.2 Risp: v = 0.9
16 Esempi Indici di curtosi e simmetria Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson Estrazioni da un urna con rimessa 2 Se n = si ha Bin (, p) = B (p) 3 Distribuzione binomiale di parametri n = 5 e p = /3 con MATLAB: y = binopdf (0 : 5, 5, /3), bar([0 : 5], y), gridon)
17 Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson Esempio. Un azienda ha in media 4 ordini al giorno. a) Qual è la probabilità che in un certo giorno, si abbiano esattamente 5 ordini? b) Qual è la probabilità che si abbiano meno di 3 ordini al giorno? c) Se l azienda ha più di 8 ordini al giorno guadagna un premio dalla casa madre di 000 euro. Qual è il guadagno atteso in un mese (30gg)? ordini Poiss(4) -> la v.c. è il numero di ordini in un mese!!!
18 Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson Altri esempi sulla distribuzione di Poisson Esempio : numero di guasti Il numero di guasti di una macchina utilizzata per la produzione di materiale edile può essere considerata una variabile di Poisson. Sapendo che la macchina si guasta in media 5 volte al giorno, determinare: che in una giornata non abbia nessun guasto; 2 la probabilità che ci siano almeno due guasti in mezza giornata. Esempio 2: analisi del fenomeno infortunistico Da alcuni studi è emerso che il numero di medio di incidenti mortali nel settore edile è pari a 2 incidenti alla settimana. Qual è la probabilità che in due settimane ci siano più di 5 incidenti?
19 La VCD di Poisson (λ) Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson La variabile di Poisson X è una variabile casuale discreta che descrive il numero di realizzazioni di un evento aleatorio E per unità di tempo, superficie o volume. Si considera un evento che ricorre nel tempo in modo casuale (es: interruzioni di energia elettrica, chiamate a un centralino di pronto intervento, infortuni sul lavoro, incidenti stradali, richieste di intervento per manutenzione ecc.) in modo che: Le variabili casuali N(t, t + t), numero di ricorrenze nell intervallo (t, t + t), hanno funzione di probabilità che dipende dall ampiezza dell intervallo t ma non dalla origine t ( assunzione di stazionarietà); 2 le variabili casuali N(t, t 2 ) e N(t, t 2 ) sono indipendenti se si riferiscono ad intervalli disgiunti.
20 Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson Funzione di probabilità: Momenti: p(x) = (λ t)x e λ t x! Var(X) = E(X) = x=0 = λ t x=0 x (λ t)x e λ t = λ t x! x(x ) (λ t)x e λ t + λ t (λ t) 2 = x!
21 Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson Approssimazione della Binomiale: se n grande e p è piccolo Bin (n, p) = (λ = np) lim n np=λ ( n )p x ( p) n x = λx x x! e λ Esempio: Dal punto di vista pratico se X è una binomiale con n = e π = 0000 è un problema calcolare p(x > 5) ma in base al precedente risultato tale probabilità può essere approssimata usando la f.d.p. di una Poisson con parametro λ = nπ = = 5.. matlab: y = poisspdf (0 : 20, 5), bar([0 : 20], y))
22 Esercizio Indici di curtosi e simmetria Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson Il numero di guasti di una macchina utilizzata per la produzione di materiale edile può essere considerata una variabile di Poisson. Sapendo che la macchina si guasta in media 5 volte al giorno, determinare: che in una giornata non abbia nessun guasto; 2 la probabilità che ci siano almeno due guasti in mezza giornata.
23 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana Distribuzione Binomiale La variabile casuale di Poisson 4
24 Un ingegnere deve studiare la resistenza alla compressione del cemento. Ipotizzando che la resistenza alla compressione sia una variabile casuale distribuita come una Normale con media µ = 3000 psi e varianza σ 2 = 000psi, determinare la probabilità che un provino estratto a caso abbia una resistenza maggiore di 3050 psi Probability Greater than Lower Bound is Density Critical Value
25 Normale Standard e Normale generica
26 La VCC Normale Standard N (0, ) Densità di Z Ripartizione di Z Momenti φ (x) = 2π e 2 x 2 Φ (x) = x E (Z ) = 0 φ (t) dt Var (Z ) = E ( Z 2) =
27 Problema diretto: Aree = Probabilità: P (a < X < b) = b a φ (x) dx = Φ (b) Φ (a) Problema inverso: Quantili (Percentili): z α = Φ ( α) = z α SIMMETRIA: P (Z < a) = P (Z > a) Kurtosi Φ (z) = Φ ( z) z α = z α EZ 4 = 3.
28 VCC Normale generica N ( µ, σ 2) Densità di X N ( µ, σ 2) Ripartizione di X Momenti Standardizzazione f ( x; µ, σ 2) = σ φ ( x µ σ ) F ( x; µ, σ 2) ( ) x µ = Φ σ = σ 2π e 2( x µ σ ) 2 E (X) = µ e Var (X) = σ 2 X N ( µ, σ 2) Z = X µ σ N (0, ) Z N (0, ) X = µ + σz N ( µ, σ 2)
29 Problema diretto: Aree = Probabilità: ( a µ P (a < X < b) = P < Z < b µ ) σ σ b µ ( ) ( ) σ b µ a µ = φ (x) dx = Φ Φ σ σ a µ σ Problema inverso: Quantili (Percentili): x α = µ + σφ ( α) = µ + σz α = x α Unità di misura della gaussiana N ( µ, σ 2) è σ : P (µ σ < X < µ + σ) = 0.68 P (µ 2σ < X < µ + 2σ) = 0.95 P (µ 3σ < X < µ + 3σ) = 0.997
30 99.73% 95.46% µ-3σ µ+3σ µ-2σ µ+2σ 68.26% µ-σ µ+σ
31 La distribuzione T-Student Sia Z una variabile casuale normale standard e X una chi quadro con k gradi di libertà. Se Z e X sono indipendenti in probabilità allora il rapporto T = Z V k è una variabile casuale di Student con k gradi di libertà. Per curiosità notiamo che questa variabile casuale ha una densità che ad occhio è difficilmente distinguibile da quella della normale standard sopratutto per k > 30. La V.C. T di Student ha valore atteso nullo e la varianza per k > 2 è pari a k k 2
32 La distribuzione t-student E caratterizzata dal parametro k che indica i gradi di libertà
33 La distribuzione Chi-quadro La variabile casuale χ 2 è una v.c. continua ottenuta dalla somma di un numero k di v.c. normali standardizzate e indipendenti al quadrato: χ 2 = i= kz i
34 Esempio: la variabile casuale Esponenziale La durata X in ore di una macchina, prima che si verifichi un guasto, segue una legge Esponenziale di valore atteso E(X) = 2 ore. Calcolare la probabilità che il primo guasto si verifichi prima di un ora. 2 Calcolare la probabilità che il terzo guasto si verifichi dopo 3.45 ore, nell ipotesi che la realizzazione di due guasti successivi siano eventi indipendenti.
35 La VCC Esponenziale Exp(λ) Sia X t un processo di Poisson di media λ > 0. Si chiama v.c. Esponenziale la v.c. X che misura l istante del primo arrivo, X Exp(λ). Esempio: Se X t rappresenta il numero di guasti di un macchinario nell intervallo [0, t] e λ è il numero medio di guasti nellunità di tempo, la v.c. X = istante in cui avviene il primo guasto è una v.c. Esponenziale di parametro λ.
36 La densità di probabilità è f (x) = λe λx La funzione di ripartizione è F(x) = e λx Momenti E(X) = λ Var(X) = λ 2 La somma di n v.c. esponenziali, X, X 2,..., X n, indipendenti di parametro λ è una variabile Gamma di parametri n e λ X + X X n = Y Ga(n, λ)
37 Distribuzione esponenziale di parametro λ=/ f(x) F(x)
38 Esercizio: Un apparecchio elettronico è soggetto a guasti casuali che si realizzano nel tempo secondo un processo di Poisson. In media si ha un guasto ogni 3 giorni (il tempo medio tra un guasto e il successivo è di 3 giorni). Qual è la probabilità: che il primo guasto avvenga prima di 3 gg.? Che il primo guasto avvenga dopo 5 gg.? Che in 5 gg. non si abbia alcun guasto? Che in 5 gg.si realizzino esattamente due guasti? Che il secondo guasto avvenga prima di 5 gg?
39 Soluzione: P(X < 3) = exp( 3/3) = exp( ) = In MatLab: expcdf(3,3) 2 P(X > 5) = P(X < 5) = 0.8 = In MatLab: -expcdf(5,3) 3 E uguale alla probabilità precedente ed equivale ad una v.c. di Poisson dove X t è il numero di guasti nellintervallo [0, 5], P(X 5 = 0) = In MatLab: poisscdf(0,/3*5) 4 Si tratta di una v.c. di Poisson, P(X 5 = 2) = In MatLab: poisspdf(2,/3*5) 5 Si tratta di una variabile casuale Gamma di parametri n = 2 e λ = /3 ed è uguale a
40 La v.c. GAMMA Sia X t la v.c che rappresenta il numero di guasti di un apparecchio elettronico nell intervallo di tempo [0,t] e λ il numero medio di guasti nell unità di tempo. La v.c. X= istante in cui avviene l n-esimo guasto è una v.c. gamma di parametri (n, λ) X ~ Γ(n, λ ) D is t r. p ro b. n = n = 2 n = 3 n = D is tr. c u m. n = n = 2 n = 3 n = 4 f(x) F(x) g g g g
41 La VC di Weibull Indici di curtosi e simmetria f Distribuzione di Weibull ( t) = βα β t β e t α β t 0, α > 0 Valore atteso e varianza: E( X ) = αγ 2 V ( X ) = α ( + β ) 2 Γ( + 2 β ) Γ ( + β ) [ ] La funzione di Ripartizione (cumulata): F( X t) = e β t α
42 Distribuzione di Weibull con α= D is t r. p ro b. β = 0. 5 β = (E x p ) β = 2 (R a y le ig h ) β = D is t r. c u m. β = 0. 5 β = (E x p ) β = 2 (R a y le ig h ) β =
43 Svolgere in Matlab il seguente esercizio: La v.c. X che esprime il tempo di rottura (in ore) di una partita di lampadine ha una distribuzione di Weibull con a = 625 e β = 2. Trovare la densità e la funzione di ripartizione di X 2 Determinare la probabilità che le lampadine si guastino dopo 500 ore.
Statistica 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
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliELEMENTI DI CALCOLO DELLE PROBABILITA
Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
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
DettagliSTATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio 2015. Modelli continui di probabilità: la v.c. uniforme continua
STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo febbraio 2015 Modelli continui di probabilità: la v.c. uniforme continua Esercizio 1 Anna ha una gift card da 50 euro. Non si sa se sia mai stata utilizzata
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
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. 4 A. Si supponga che la durata in giorni delle lampadine prodotte
DettagliEsercitazione n.1 (v.c. Binomiale, Poisson, Normale)
Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
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 -
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda
DettagliE NECESSARIO RICORRERE ALLE VARIABILI CASUALI
IL CONCETTO DI VARIABILE CASUALE Associare una misura di probabilità al verificarsi di un certo evento (come esito di un esperimento) non sempre è sufficiente a risolvere gran parte dei problemi reali
DettagliGli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità
Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
DettagliLezione n. 2 (a cura di Chiara Rossi)
Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Distribuzione di probabilità, funzione di ripartizione di una v.c. discreta Il tasso di cambio
DettagliTemi di Esame a.a. 2012-2013. Statistica - CLEF
Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliStatistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004
Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità
DettagliEsercitazioni di Statistica con Matlab
Dalmine, 28 aprile 2004 Esercitazioni di Statistica con Matlab Dott. Orietta Nicolis orietta.nicolis@unibg.it 1 0.8 0.6 0.4 0.2 0-0.2-0.4 40 30 20 10 0 0 5 10 15 20 25 30 35 V.c.d. di Poisson P(X = x)
DettagliProbabilità II Variabili casuali discrete
Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliEsercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica
Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Lucio Demeio Dipartimento di Scienze Matematiche Università Politecnica delle Marche 1. Esercizio. Siano X ed Y due variabili
DettagliEsercizio 1. Svolgimento
Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento
DettagliSTATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007
Esercitazione I 7/4/007 In una scatola contenente 0 pezzi di un articolo elettronico risultano essere difettosi. Si estraggono a caso due pezzi, uno alla volta senza reimmissione. Quale è la probabilità
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliAnalisi statistica degli errori
Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale
DettagliSPC e distribuzione normale con Access
SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,
DettagliELEMENTI DI STATISTICA
Dipartimento di Ingegneria Meccanica Chimica e dei Materiali PROGETTAZIONE E GESTIONE DEGLI IMPIANTI INDUSTRIALI Esercitazione 6 ORE ELEMENTI DI STATISTICA Prof. Ing. Maria Teresa Pilloni Anno Accademico
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliSTATISTICA INFERENZIALE
STATISTICA INFERENZIALE Premessa importante: si ipotizza che il comportamento della popolazione rispetto ad una variabile casuale X viene descritto attraverso una funzione parametrica di probabilità p
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 19 marzo 2007 Spazi di probabilità finiti e uniformi Esercizio 1 Un urna contiene due palle nere e una rossa. Una seconda urna ne contiene una bianca
DettagliMATEMATICA 5 PERIODI
BAC EUROPEO 2008 MATEMATICA 5 PERIODI DATA 5 giugno 2008 DURATA DELL ESAME : 4 ore (240 minuti) MATERIALE AUTORIZZATO Formulario delle scuole europee Calcolatrice non grafica e non programmabile AVVERTENZE
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliEsercizi riassuntivi di probabilità
Esercizi riassuntivi di probabilità Esercizio 1 Una ditta produttrice di fotocopiatrici sa che la durata di una macchina (in migliaia di copie) si distribuisce come una normale con µ = 1600 e 2 = 3600.
DettagliESAME DI STATISTICA Nome: Cognome: Matricola:
ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
Dettagli19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE
19txtI_BORRA_2013 18/11/13 10:52 Pagina 449 TAVOLE STATISTICHE Nell inferenza è spesso richiesto il calcolo di alcuni valori critici o di alcune probabilità per le variabili casuali che sono state introdotte
DettagliLA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di
STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliUniversità di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008
Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi
DettagliVARIABILI ALEATORIE CONTINUE
VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione
DettagliLezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria
Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Standardizzazione di una variabile Standardizzare una variabile statistica
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliSOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale
SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale ESERCIZIO nr. 1 I Presidi delle scuole medie superiori di una certa cittá italiana hanno indetto tra gli studenti dell ultimo anno una
DettagliIN MATLAB distribuzione di frequenza. >> x(1)=7.5; >> for i=2:7 x(i)=x(i-1)+5; end. IN MATLAB distribuzione di frequenza
IN MATLAB distribuzione di frequenza 2-1 4. Usare la function histc(dati,x) 2-2 1. Riportare i dati in un file (ad esempio dati.mat); 2. load ascii dati: viene creata una variabile dati contenente il campione;
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V
Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.
DettagliEsercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test
STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che
Dettagli1. Richiami di Statistica. Stefano Di Colli
1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche
DettagliEsercitazione n.2 Inferenza su medie
Esercitazione n.2 Esercizio L ufficio del personale di una grande società intende stimare le spese mediche familiari dei suoi impiegati per valutare la possibilità di attuare un programma di assicurazione
DettagliLe variabili casuali. Variabile statistica e variabile casuale. Distribuzione di probabilità della v.c X: X P(X) 0 ⅛ 1 ⅜ 3 ⅛
Università di Macerata Facoltà di Scienze Politiche - Anno accademico 009- Una variabile casuale è una variabile che assume determinati valori con determinate probabilità; Ad una variabile casuale è associata
DettagliEsercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue
Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # Esercizi Statistica Descrittiva Esercizio I gruppi sanguigni di persone sono B, B, AB, O,
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliEsercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)
STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliTutorato di Probabilità e Statistica
Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità
DettagliESERCIZI DI RIEPILOGO 2. 7 jj(addi
ESERCIZI DI RIEPILOGO 2 ESERCIZIO 1 Da un comune mazzo di 52 carte francesi (13 carte per ognuno dei quattro semi: picche, cuori, fiori e quadri) viene estratta casualmente una carta. Definiti gli eventi:
DettagliCENNI DI METODI STATISTICI
Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
Dettagli2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale
BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliInferenza statistica I Alcuni esercizi. Stefano Tonellato
Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico 2006-2007 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche,
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Calcolo delle probabilità Il Sig. Rossi abita nella città X e lavora nella città Y, poco distante.
DettagliCP110 Probabilità: Esame del 3 giugno 2010. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2009-2010, II semestre 8 luglio, 2010 CP110 Probabilità: Esame del 3 giugno 2010 Testo e soluzione 1. (6 pts 12 monete da 1 euro vengono distribuite tra
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
Dettagli1. la probabilità che siano tutte state uccise con pistole; 2. la probabilità che nessuna sia stata uccisa con pistole;
Esercizi di Statistica della 5 a settimana (Corso di Laurea in Biotecnologie, Università degli Studi di Padova). Esercizio 1. L FBI ha dichiarato in un rapporto che il 44% delle vittime di un omicidio
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliLa Distribuzione Normale (Curva di Gauss)
1 DISTRIBUZIONE NORMALE o CURVA DI GAUSS 1. E la più importante distribuzione statistica continua e trova numerose applicazioni nello studio dei fenomeni biologici. 2. Fu proposta da Gauss (1809) nell'ambito
DettagliEsercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera
Esercizi sulle variabili aleatorie Corso di Probabilità e Inferenza Statistica, anno 2007-2008, Prof. Mortera 1. Avete risparmiato 10 dollari che volete investire per un anno in azioni e/o buoni del tesoro
DettagliEsercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010
Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliESERCIZIO N 4. Fatturato Supermercati [0;500) 340 [500;1000) 368 [1000;5000) 480 [5000;10000) 37 [10000;20000) 15 taglia = 1240
ESERCIZIO N 4 Fatturato Supermercati [0;500) 340 [500;1000) 368 [1000;5000) 480 [5000;10000) 37 [10000;20000) 15 taglia = 1240 PUNTO a CALCOLO MODA E QUARTILI La moda rappresenta quell'elemento del campione
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliRISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA?
Crenca & Associati CORPORATE CONSULTING SERVICES RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Ufficio Studi Milano, 3 aprile 2008 Introduzione al Risk Management
DettagliVARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che
VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile
DettagliEsame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 17 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano
Dettagli1 Modelli di variabili aleatorie continue
Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,
DettagliSi considerino gli eventi A = nessuno studente ha superato l esame e B = nessuno studente maschio ha superato l esame. Allora A c B è uguale a:
TEST DI AUTOVALUTAZIONE - SETTIMANA 2 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 Si considerino gli
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliPROBABILITA' E VARIABILI CASUALI
PROBABILITA' E VARIABILI CASUALI ESERCIZIO 1 Due giocatori estraggono due carte a caso da un mazzo di carte napoletane. Calcolare: 1) la probabilità che la prima carta sia una figura oppure una carta di
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Modelli a coda Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Sistemi a coda Gli elementi chiave di un sistema a coda
DettagliEsercizi di Calcolo delle Probabilita (I)
Esercizi di Calcolo delle Probabilita (I) 1. Si supponga di avere un urna con 15 palline di cui 5 rosse, 8 bianche e 2 nere. Immaginando di estrarre due palline con reimmissione, si dica con quale probabilità:
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. I Prova in Itinere di Statistica per Ingegneria Energetica 9 maggio 2013
Politecnico di Milano - Scuola di Ineneria Industriale I Prova in Itinere di Statistica per Ineneria Eneretica 9 maio 013 c I diritti d autore sono riservati. Oni sfruttamento commerciale non autorizzato
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione
DettagliGrafici delle distribuzioni di frequenza
Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma
Dettagli