Inferenza statistica I Alcuni esercizi. Stefano Tonellato
|
|
- Liliana Ricciardi
- 8 anni fa
- Visualizzazioni
Transcript
1 Inferenza statistica I Alcuni esercizi Stefano Tonellato Anno Accademico
2 Avvertenza Una parte del materiale è stato tratto da Grigoletto M. e Ventura L. (1998). Statistica per le scienze economiche, esercizi con richiami di teoria, Giappichelli, Torino. Esercizio 1 Il prezzo di vendita di un capo di abbigliamento di una particolare marca seguiva, negli anni passati, una distribuzione normale di media µ = 66 Euro. Tra i negozi che trattano quel capo di abbigliamento ne vengono estratti 10 casualmente e, per ognuno, si rileva il prezzo di vendita di quest anno: (69.60, 63.10, 57.46, 64.87, 61.84, 69.16, 72.32, 69.49, 66.03, 54.64). Calcolare la stima puntuale del prezzo medio, θ, di quest anno e un intervallo di confidenza per θ di livello La stima puntuale del prezzo medio di quest anno è inferiore al prezzo medio degli anni passati, cioè è inferiore a 66 Euro. 1. Tramite un test di livello α = 0.05, stabilire se si possa sostenere che il prezzo medio del capo sia variato. 2. Tramite un test di livello α = 0.05, stabilire se si possa sostenere che il prezzo medio del capo sia diminuito. Soluzione Sappiamo che il prezzo di vendita X del capo di abbigliamento si distribuisce come una normale con media θ 1 e varianza ignota θ 2 ; inoltre, per gli anni passati si conosce il valore della media µ = 66. Per la stima puntuale dei parametri si deve massimizzare la funzione di log-verosimiglianza l(θ) = n n 2 θ i=1 2 (y i θ 1 ) 2 2θ 2 Le stime puntuali dei due parametri ignoti saranno date da: ˆθ 1 = ȳ = e ˆθ2 = s 2 = Per calcolare l intervallo di confidenza per θ 1 ricorriamo alla quantità pivot: Ȳ θ 1 S / n t n 1 dove S è la radice della varianza campionaria corretta: n S 2 i=1 = (Y i Ȳ )2 = nˆθ 2 n 1 n 1. Calcoliamo la stima della varianza attraverso i dati del c.c.s.: 10 i=1 ˆθ 2 = (y i ȳ) Ora dobbiamo trovare un intervallo di confidenza per θ 1 di livello 1 α = Visto che α = 0.05, troviamo i due quantili della t di Student (con n 1 = 9 gradi di 1
3 libertà) che lasciano rispettivamente a sinistra e a destra probabilità α/2 = 0.025: sono t 9,0.025 = 2.26 e t 9,0.975 = 2.26 (la t di Student è simmetrica rispetto allo 0): ( 0.95 = Pr 2.26 Ȳ θ ) ) 1 S / n 2.26 = Pr ( 2.26 S Ȳ θ S n n ) S S = Pr ( Ȳ 2.26 θ 1 Ȳ n n ) = Pr (Ȳ 2.26 S S θ 1 Ȳ n n Sostituendo Ȳ con ȳ, n con 10, S con s si ottiene il seguente intervallo di confidenza per θ: [60.78, 68.92]. Per verificare se il prezzo medio di quest anno sia variato rispetto a quello degli anni scorsi, si conduce la seguente verifica d ipotesi: H 0 : µ = 66 H 1 : µ 66. Si tratta di un problema di verifica d ipotesi sulla media di una distribuzione normale con varianza ignota. Il rapporto di verosimiglianza è dato da λ(y) = L(µ 0, ˆσ 0) 2 L(ˆµ, ˆσ 2 ) = (1 + t2 n 1 ed è strettamente decrescente rispetto a t,con ) n/2 e la statistica test appropriata è: t = n(ȳ µ0 ) s T = Ȳ 66 S / n. Ipotizzando che H 0 sia vera si ha che T t n 1. Per la relazione esistente fra λ(y) e t, la regione di accettazione di H 0 ad un livello di significatività α sarà data dall intervallo [ t 9,0.975, t 9,0.975 ], con t 9,0.975 = Nel campione la statistica test assume il valore t oss = /10 = e quindi, al livello di significatività prefissato, si accetta H 0. Per verificare se il prezzo sia diminuito impostiamo il sistema di ipotesi H 0 : µ = 66 H 1 : µ 66. 2
4 Abbiamo ora che λ(y) = L(µ 0, ˆσ 0 ) L(ˆµ, ˆσ) che è ancora funzione decrescente di t. La statistica test sarà ancora quella definita in precedenza e sotto H 0 si distribuisce ancora come una t 9. Ora però la regione di rifiuto è (, t 9,0.05 = 1.833]. Anche in questo caso, quindi, si accetta H 0. Esercizio 2 In una vecchia indagine sui mezzi di trasporto si è accertato che il 30% degli individui che lavorano nel centro di una grande città raggiunge il posto di lavoro usando i mezzi pubblici. Nel marzo 2007, su un c.c.s. di 120 individui, è risultato che 60 raggiungono il posto di lavoro con i mezzi pubblici. Trovare la stima puntuale e l intervallo di confidenza di livello 0.95 per la frazione di lavoratori che raggiungono il posto di lavoro con mezzi pubblici. Si può affermare che la percentuale dei lavoratori che vanno a lavorare con i mezzi pubblici è variata? Eseguire una verifica d ipotesi di livello α = Si può affermare che la percentuale dei lavoratori che vanno a lavorare con i mezzi pubblici è aumentata? Eseguire una verifica d ipotesi di livello α = Soluzione La popolazione di interesse corrisponde a tutti coloro che lavorano nel centro della città e il parametro di interesse è la proporzione θ, 0 θ 1, di quelli che utilizzano i mezzi pubblici. Il modello statistico sarà quindi rappresentabile come La funzione di verosimiglianza è Y Ber(θ). L(θ) = θ P 120 i=1 y i (1 θ) 120 P n i=1 y i (1) Massimizzando L(θ) rispetto a θ si ottiene la stima di massima verosimiglianza ˆθ = ȳ = 0.5 Per calcolare l intervallo di confidenza ricorriamo alla distribuzione asintotica dello stimatore di massima verosimiglianza ˆθ a N ( θ 0, I(θ 0 ) 1). Sfruttando la consistenza di ˆθ, stimiamo I(θ 0 ) con I(ˆθ) = d2 dθ l(θ) n 2 = θ=ˆθ ˆθ(1 ˆθ). Avremo quindi: θ θ 0 ˆθ(1 ˆθ)/n a N (0, 1). 3
5 Allora, sarà approssimativamente vero che: ˆθ θ 0.95 = Pr z z ˆθ(1 ˆθ)/n ) = Pr (ˆθ z ˆθ(1 ˆθ)/n θ ˆθ + z ˆθ(1 ˆθ)/n. Poiché z , n = 120 e ˆθ = ȳ = 0.5, otteniamo il seguente intervallo di confidenza per θ: [0.41, 0.59]. Per verificare se θ sia variato impostiamo il sistema di ipotesi: Avremo che H 0 : θ = 0.3 H 1 : θ 0.3 W (Y) = 2 log (λ(y)) = 2(l(0.3) l(ˆθ)) a χ 2 1. Poiché W (y) = e w α = χ 2 1,0.99 = si rifiuta H 0 ad un livello di significatività α = Per capire se la percentuale dei lavoratori che vanno a lavorare con i mezzi pubblici sia aumentata, impostiamo il seguente sistema di ipotesi: Si osservi che e H 0 : θ 0.3 H 1 : θ > 0.3. Θ 0 = {θ [0, 1] : θ 0.3} Θ 1 = {θ [0, 1] : θ > 0.3}. Inoltre, essendo la verosimiglianza data da (1), è facile verificare che { L(ȳ) se ȳ 0.3 sup L(θ) = θ Θ 0 L(0.3) se ȳ > 0.3 e sup L(θ) = L(ȳ). θ Θ Essendo, per questo sistema di ipotesi, λ(y) = sup θ Θ 0 L(θ) sup θ Θ L(θ), quando ȳ 0.3 avremo che λ(y) = 1 (essendo θ = ȳ il punto di massimo assoluto di L(θ) in Θ) e quindi in queste circostanze accetteremo H 0 per qualsiasi ragionevole livello di significatività. Diversamente, quando ȳ > 0.3 si avrà: λ(y) = L(0.3) L(ȳ) 4
6 ed avrà quindi senso cercare un valore λ α : P (λ(y) < λ α ) = α, dove α rappresenta il livello di significatività del test. Nel nostro caso α = Per determinare il valore critico del test, ragioniamo come segue. Cerchiamo di capire se il rapporto di verosimiglianza sia funzione monotona di qualche statistica con distribuzione nota sotto H 0 : ovvero λ(y) = L(0.3) L(ȳ) = ȳ (1 ȳ) ȳ 120ȳ (1 ȳ) 120(1 ȳ), ( ) 0.3 log (λ(y)) = 120ȳ log + 120(1 ȳ) log ȳ Quindi, derivando la (2) rispetto a ȳ si ottiene: ( ) 0.7. (2) 1 ȳ d log (λ(y)) = dȳ ( ) 0.3 = 120 log 120ȳ ȳ ( ) log + 120(1 ȳ) 1 ȳ ȳ 0.3 ȳ2 1 ȳ 0.7 ( ) 0.3 = 120 log 120 ( ) log ȳ ȳ log (0.3) 120 log (ȳ) 120 log (0.7) log (1 ȳ) = ( ) ( 0.3 ȳ = 120 log 120 log ȳ Affinché la (3) sia negativa dovrà verificarsi che 1 (1 ȳ) 2 ). (3) ȳ 1 ȳ , ovvero, risolvendo la disuguaglianza rispetto a ȳ, che ȳ > 0.3. Ma questo è proprio quanto vogliamo: quando ȳ > 0.3, λ(y) è una funzione strettamente decrescente di ȳ. Ora sappiamo che λ(y) assume valori piccoli quando ȳ assume valori elevati, quindi α = sup P (λ(y) λ α ; θ). (4) θ Θ 0 È altresì evidente che P (λ(y) λ α ; θ) = P (Ȳ qȳ,1 α ; θ) (5) dove q(θ) Ȳ,1 α è il quantile di ordine 1 α di Ȳ (che ovviamente dipende da θ). D altro canto sappiamo che Ȳ a N(θ, I(θ) 1 ) n con I(θ) =. È evidente che, al divergere di n, la probabilità di osservare θ(1 θ) valori elevati di Ȳ cresce al crescere di θ e quindi, da (4) e (5), asintoticamente avremo α = sup P (λ(y) λ α ; θ) = P (Ȳ qȳ θ Θ,1 α ; 0.3). 0 5
7 Ma, asintoticamente, P (Ȳ qȳ,1 α ; 0.3) P ( ) Ȳ 0.3 z 1 α; 0.3, I(0.3) 1 dove z 1 α è il quantile di ordine 1 α della normale standardizzata. statistica test sarà: T = Ȳ 0.3, I(0.3) 1 Quindi la e il valore critico sarà z 0.99 = Il valore osservato di T è t = 4.382, quindi si rifiuta H 0. Esercizio 3 La produttività mensile media di ognuno dei 10 dipendenti del settore Commerciale di una certa azienda viene misurata in Euro (/1.000) e si distribuisce come: X i N(µ, σ 2 x) per i = 1,..., 10. Le produttività osservate sono state: x = (4.72, 3.42, 2.29, 3.77, 3.17, 4.63, 5.26, 4.70, 4.01, 1.73). L azienda organizza un corso di formazione per migliorare le abilità di vendita dei propri dipendenti e al termine di tale corso la produttività mensile media si distribuisce come: Y i N(η, σ 2 y) per i = 1,..., 10. Le produttività osservate dopo il corso di formazione sono state: y = (5.94, 3.58, 6.87, 6.41, 4.66, 5.65, 6.45, 5.43, 4.66, 6.11). Definire un intervallo di confidenza per la variazione della produttività media ad un livello di fiducia Si verifichi se il corso di formazione ha incrementato le abilità di vendita, con un test di livello α = Si calcoli l α oss. Soluzione In questo esercizio si sono misurate le abilità di vendita su ognuno dei dipendenti prima e dopo il corso di formazione, dando luogo a quei tipi di dati che si chiamano dati appaiati. Fare una verifica d ipotesi per capire se in media le abilità di vendita sono aumentate dopo il corso di formazione, equivale a saggiare: che si può riscrivere come: H 0 : η = µ H 1 : η > µ H 0 : δ = 0 H 1 : δ > 0 dove δ = η µ. Di conseguenza, potremmo riformulare il problema dicendo che Z i è la differenza della produttività del dipendente i-esimo tra dopo e prima il corso di formazione: Z i seguirà la seguente distribuzione: Z i N(δ, σ 2 ) 6
8 per i = 1,..., 10. In questo caso, σ 2 è la varianza della differenza Y i X i : σ 2 = V ar(y i X i ) = σ 2 y + σ 2 x 2Cov(X i, Y i ) che è a noi sconosciuta perchè dipende da σ 2 x, da σ 2 y ma anche dall ignota covarianza tra X i e Y i. In questo modo, siamo tornati al caso della verifica d ipotesi sulla media di una normale con varianza ignota. Il test che si utilizza è: dove T = Z 0 S/ n t n 1 se H 0 è vera, S 2 = 10 i=1 (Z i Z) 2. 9 Calcoliamo z = y x e troviamo: z = (1.22, 0.16, 4.58, 2.64, 1.49, 1.02, 1.19, 0.73, 0.65, 4.38). Di conseguenza z 1.81 e s Ora, possiamo calcolare t oss : t oss = / 10 = Per identificare la regione di accettazione dobbiamo ricordare che l ipotesi alternativa H 1 è unilaterale destra e quindi si rifiuta per valori elevati della statistica test. Inoltre, se α = 0.05 la regione di rifiuto sarà tale per cui: Pr(T > k) = α = 0.05 se H 0 è vera Dalla distribuzione di T, sotto H 0, si trova che k = t 9,0.95 = La regione di accettazione è: A = [, 1.83]. Rifiutiamo H 0 perchè t oss / A: quindi la produttività media dei dipendenti è aumentata dopo il corso di formazione. Esercizio 4 Si vuole confrontare se ci sono differenze nella puntualità tra i dipendenti a tempo indeterminato di un azienda e i collaboratori a progetto. Per fare questo, si rileva la differenza del tempo di arrivo del personale dall orario di inizio del lavoro su un c.c.s. di numerosità pari a n 1 = 7 per i dipendenti y 1 = ( 0.23, 0.83, 0.63, 1.26, 0.70, 0.01, 2.27) e su un c.c.s. di numerosità pari a n 2 = 6 per i collaboratori: y 2 = (0.94, 1.42, 1.87, 1.41, 0.34, 0.65), dove un valore positivo sta, quindi, ad indicare un ritardo e un valore negativo un anticipo. Supponendo che tali differenze di orario si distribuiscano come Y 1 N(µ 1, σ 2 ) per 7
9 i dipendenti e come Y 2 N(µ 2, σ 2 ) per i collaboratori (σ 2 ignota), si trovi la stima puntuale per µ 1 e per µ 2. Si trovi, inoltre, un intervallo di confidenza di livello 0.90 per µ 1 µ 2. Si conduca la verifica d ipotesi, di livello α = 0.01, per capire se i dipendenti a tempo indeterminato sono più puntuali dei collaboratori a progetto. Esercizio 5 Si studia l adesione agli scioperi tra i ferrotramvieri e i macchinisti delle Ferrovie dello Stato. In occasione di un particolare sciopero è stato osservato il comportamento di un campione di n 1 = 60 ferrotramvieri e di un campione di n 2 = 40 macchinisti delle Ferrovie dello Stato. Dei ferrotramvieri 3 non hanno aderito, mentre dei macchinisti il numero delle mancate adesioni è pari a 6. Trovare la stima puntuale della proporzione di mancata adesione allo sciopero per entrambe le categorie di trasporti pubblici. Calcolare l intervallo di confidenza per la differenza delle due proporzioni ad un livello 1 α =
Istituzioni 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
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
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
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
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
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
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
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 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
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
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
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
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
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
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
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
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
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
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
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 Psicometria Progredito
Corso di Psicometria Progredito 4.2 I principali test statistici per la verifica di ipotesi: Il test F Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico
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
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
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
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
DettagliT DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente:
T DI STUDENT Quando si vogliono confrontare solo due medie, si può utilizzare il test t di Student La formula per calcolare il t è la seguente: t = X i X j s 2 i (n i 1) + s 2 j (n j 1) n i + n j - 2 1
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
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
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,
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
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
DettagliTest d ipotesi. Statistica e biometria. D. Bertacchi. Test d ipotesi
In molte situazioni una raccolta di dati (=esiti di esperimenti aleatori) viene fatta per prendere delle decisioni sulla base di quei dati. Ad esempio sperimentazioni su un nuovo farmaco per decidere se
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
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 Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.
Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame del 18/7/2013 NOME COGNOME N. Matr. Rispondere ai punti degli esercizi nel modo più completo possibile, cercando
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,
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
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food
DettagliFONDAMENTI DI PSICOMETRIA - 8 CFU
Ψ FONDAMENTI DI PSICOMETRIA - 8 CFU STIMA DELL ATTENDIBILITA STIMA DELL ATTENDIBILITA DEFINIZIONE DI ATTENDIBILITA (affidabilità, fedeltà) Grado di accordo tra diversi tentativi di misurare uno stesso
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
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
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
DettagliVARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.
VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
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
Dettagli2 FUNZIONI REALI DI VARIABILE REALE
2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento
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
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliCRITERI DI CONVERGENZA PER LE SERIE. lim a n = 0. (1) s n+1 = s n + a n+1. (2) CRITERI PER LE SERIE A TERMINI NON NEGATIVI
Il criterio più semplice è il seguente. CRITERI DI CONVERGENZA PER LE SERIE Teorema(condizione necessaria per la convergenza). Sia a 0, a 1, a 2,... una successione di numeri reali. Se la serie a k è convergente,
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
DettagliEsercitazione n.4 Inferenza su varianza
Esercizio 1 Un industria che produce lamiere metalliche ha ricevuto un ordine di acquisto di un grosso quantitativo di lamiere di un dato spessore. Per assicurare la qualità della propria fornitura, l
DettagliL espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0.
EQUAZIONI E DISEQUAZIONI Le uguaglianze fra espressioni numeriche si chiamano equazioni. Cercare le soluzioni dell equazione vuol dire cercare quelle combinazioni delle lettere che vi compaiono che la
DettagliUniversità degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI
Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti
DettagliCLASSIFICAZIONE DEI CARATTERI
CLASSIFICAZIONE DEI CARATTERI Come abbiamo visto, su ogni unità statistica si rilevano una o più informazioni di interesse (caratteri). Il modo in cui un carattere si manifesta in un unità statistica è
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
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
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
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
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
DettagliScelte in condizione di incertezza
Scelte in condizione di incertezza Tutti i problemi di decisione che abbiamo considerato finora erano caratterizzati dal fatto che ogni possibile scelta dei decisori portava a un esito certo. In questo
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
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliElementi di Psicometria
Elementi di Psicometria E2-Riepilogo finale vers. 1.2 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia) ElemPsico 2010-2011
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliSUCCESSIONI NUMERICHE
SUCCESSIONI NUMERICHE Una funzione reale di una variabile reale f di dominio A è una legge che ad ogni x A associa un numero reale che denotiamo con f(x). Se A = N, la f è detta successione di numeri reali.
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
DettagliPer lo svolgimento del corso risulta particolarmente utile considerare l insieme
1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R
Dettaglib. Che cosa succede alla frazione di reddito nazionale che viene risparmiata?
Esercitazione 7 Domande 1. L investimento programmato è pari a 100. Le famiglie decidono di risparmiare una frazione maggiore del proprio reddito e la funzione del consumo passa da C = 0,8Y a C = 0,5Y.
DettagliTeoria della Stima. Stima della Media e di una Porzione di Popolazione. Introduzione. Corso di Laurea in Scienze Motorie AA2002/03 - Analisi dei Dati
Teoria della Stima. Stima della Media e di una Porzione di Popolazione Introduzione La proceduta in base alla quale ad uno o più parametri di popolazione si assegna il valore numerico calcolato dalle informazioni
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
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.
DettagliFUNZIONI ELEMENTARI - ESERCIZI SVOLTI
FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliMatematica generale CTF
Successioni numeriche 19 agosto 2015 Definizione di successione Monotonìa e limitatezza Forme indeterminate Successioni infinitesime Comportamento asintotico Criterio del rapporto per le successioni Definizione
DettagliEconomia Applicata ai sistemi produttivi. 06.05.05 Lezione II Maria Luisa Venuta 1
Economia Applicata ai sistemi produttivi 06.05.05 Lezione II Maria Luisa Venuta 1 Schema della lezione di oggi Argomento della lezione: il comportamento del consumatore. Gli economisti assumono che il
DettagliGli input sono detti anche fattori di produzione: terra, capitale, lavoro, materie prime.
LA TECNOLOGIA Studio del comportamento dell impresa, soggetto a vincoli quando si compiono scelte. La tecnologia rientra tra vincoli naturali e si traduce nel fatto che solo alcuni modi di trasformare
DettagliCapitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano
Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S
DettagliTEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST
TEST DI AUTOVALUTAZIONE INTERVALLI DI CONFIDENZA E TEST I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Statistica 1 Parte A 1.1 La formula µ = x ± s n
DettagliI ricavi ed i costi di produzione
I ricavi ed i costi di produzione Supponiamo che le imprese cerchino di operare secondo comportamenti efficienti, cioè comportamenti che raggiungono i fini desiderati con mezzi minimi (o, che è la stessa
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
DettagliEquilibrio bayesiano perfetto. Giochi di segnalazione
Equilibrio bayesiano perfetto. Giochi di segnalazione Appunti a cura di Stefano Moretti, Silvia VILLA e Fioravante PATRONE versione del 26 maggio 2006 Indice 1 Equilibrio bayesiano perfetto 2 2 Giochi
DettagliTema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che
Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x
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
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
DettagliTeoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26
Indice L attività di recupero 6 Funzioni Teoria in sintesi 0 Obiettivo Ricerca del dominio e del codominio di funzioni note Obiettivo Ricerca del dominio di funzioni algebriche; scrittura del dominio Obiettivo
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
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
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
DettagliCapitolo 4 Probabilità
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
DettagliLEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3.
7 LEZIONE 7 Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2 2 6x, x3 +2x 2 6x, 3x + x2 2, x3 +2x +3. Le derivate sono rispettivamente,
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
Dettaglirisulta (x) = 1 se x < 0.
Questo file si pone come obiettivo quello di mostrarvi come lo studio di una funzione reale di una variabile reale, nella cui espressione compare un qualche valore assoluto, possa essere svolto senza necessariamente
DettagliRaccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata, Matematica
DIPARTIMENTO DI MATEMATICA Università degli Studi di Trento Via Sommarive - Povo (TRENTO) Raccolta degli Scritti d Esame di ANALISI MATEMATICA U.D. 1 assegnati nei Corsi di Laurea di Fisica, Fisica Applicata,
DettagliSVM. Veronica Piccialli. Roma 11 gennaio 2010. Università degli Studi di Roma Tor Vergata 1 / 14
SVM Veronica Piccialli Roma 11 gennaio 2010 Università degli Studi di Roma Tor Vergata 1 / 14 SVM Le Support Vector Machines (SVM) sono una classe di macchine di che derivano da concetti riguardanti la
DettagliAi fini economici i costi di un impresa sono distinti principalmente in due gruppi: costi fissi e costi variabili. Vale ovviamente la relazione:
1 Lastoriadiun impresa Il Signor Isacco, che ormai conosciamo per il suo consumo di caviale, decide di intraprendere l attività di produttore di caviale! (Vuole essere sicuro della qualità del caviale
Dettagli