Politecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo
|
|
- Flavio Battaglia
- 8 anni fa
- Visualizzazioni
Transcript
1 Politecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo Esercitazione 9 2 Giugno 20 Esercizio. In un laboratorio per il test dei materiali, campioni diversi di cemento di un certo tipo vengono testati. Un test di sforzo di rottura (espresso in N/mm 2 ) viene effettuato su due serie di campioni: il primo composto da campioni prodotti da giorno (x i, i =,..., 0), il secondo da campioni prodotti da 7 giorni (y j, j =,..., 0). I risultati sono: x i : y j : Si consideri Gaussiana la popolazione da cui provengono le osservazioni.. Si fornisca una stima delle medie µ X, µ Y e delle varianze σx 2, σ2 Y popolazioni. delle due 2. Supponendo che il codice normativo UNI633 richieda che i cementi di giorno abbiano una resistenza alla rottura almeno pari a 47.5N/mm 2, c è evidenza sperimentale che il cemento analizzato soddisfi le specifiche UNI633? Si proponga un test a livello di significatività 0.05, traendo una conclusione basata sul campione a disposizione. 3. Supponendo che i due campioni siano indipendenti e che le varianze delle due popolazioni siano note e pari a σ 2 = 4, c è evidenza sperimentale che le resistenze medie nei due campioni siano diverse, a livello α = 0.0?. Con i dati forniti abbiamo x 0 = , s 2 x = , ȳ 0 = e s 2 y = Le ipotesi per il test richiesto sono H 0 : µ X µ 0 = 47.5 vs. H : µ X > µ 0 ; la statistica test è T = ( X n µ 0 )/(S X / n), che in questo caso è uguale a t = ( x )/(s X / 0) = ; dato che > t α,n = t 0.05,9 =.833, rifiutiamo H 0. Il p-value è F tn (t) (0.025, 0.05) (valore esatto: ), dove F Tn è la funzione di ripartizione di una T di Student con n gradi di libertà. 3. Le ipotesi sono H 0 : µ X = µ Y vs. H : µ X µ Y. Dato che sotto H 0 abbiamo X n Ȳn N(0, σ 2 /n + σ 2 /n), la statistica test è uguale a z = ( x 0 ȳ 0 )/ σ 2 /0 + σ 2 /0. Dato che z = > z α/2 = z = 2.576,rifiutiamo H 0 per α = 0.0. Esercizio 2. Una grossa industria vuole confrontare le caratteristiche di due materiali plastici utilizzati per costruire tubi; il materiale è più economico
2 del materiale 2, ma si sospetta che il materiale 2 abbia un tasso di allungamento medio superiore. Le misure su un campione casuale di ampiezza 20 del materiale hanno restituito un tasso di allungamento di media 2. e deviazione standard campionaria 0.5, mentre le misure su un campione casuale di ampiezza 30 del materiale 2 hanno dato un tasso di allungamento di media 2.5 e deviazione standard campionaria Si assuma che i due tassi di estensione abbiano la stessa varianza σ 2.. Si fornisca una stima comune della varianza dei due materiali. 2. I dati a disposizione permettono di concludere a un livello dell % che il tasso di allungamento medio del materiale 2 è maggiore di quello del materiale? 3. Si fornisca un intervallo di confidenza al 98% per la differenza tra i tassi di allungamento medi dei due materiali considerati. Dato che la varianza si assume uguale nei due campioni, calcoliamo la varianza campionaria pooleds 2 p = (n )s2 +(n2 )s2 2 n +n 2 2 = Vogliamo testare H 0 : µ 2 µ vs H : µ 2 > µ. La regione di rifiuto è X 2 R = X 0 > t α,n+n 2 2 s p n + n 2 dove 0 = 0. La statistica test è pari a x2 x 0 s p n + = n ( ) = , while t 0.0,248 = Per questa ragione i dati permettono di rifiutare H L intervallo di confidenza per la differenza delle media µ 2 µ è [ IC = X 2 X ± s p + ] t α/2,n+n n n Per un livello di confidenza del 98% otteniamo µ 2 µ [0.4 ± 0.6] Esercizio 3. Per stabilire chi, tra due produttori di biscotti, sia il migliore (che corrisponde alla compagnia che usa una maggior percentuale di burro nei biscotti) vengono selezionate 0 scatole di biscotti della società AA e 7 della società BB. Le percentuali misurate sono le seguenti: AA BB Si supponga che queste percentuali rappresentino due campioni da una popolazione Gaussiana con la stessa varianza σ 2 = 9.. Si scrivano esplicitamente le ipotesi H 0 e H per un test in cui l errore di I tipo è quello commesso affermando che AA usa una percentuale di burro minore, mentre in realtà usa una percentuale maggiore rispetto a BB. 2
3 2. Si esegua un test di livello 2.5% per confrontare le ipotesi H 0 e H al punto precedente. Quali sono le conclusioni? 3. Si calcoli la probabilità di commettere un errore del II tipo quando la percentuale media di burro per BB è più elevata rispetto a quella di AA di 4 punti percentuali.. Le ipotesi sono H 0 : µ AA µ BB, vs. H : µ AA < µ BB, where (X,..., X 0 ) N(µ AA, σ 2 ), (Y,..., Y 7 ) N(µ BB, σ 2 ), e X i, Y j rappresentano le percentuali di burro nei biscotti prodotti da AA e BB rispettivamente. Inoltre, x = 7.24, ȳ = La statistica test è X Z = Ȳ H0 N(0, ) σ 2 ( ) e rifiutiamo se H 0 if z < z In questo caso z = 0.93 and z =.960, quindi non possiamo rifiutare H La probabilità di commettere un errore del II tipo è ( P H (don t reject H 0 ) = P µaa µ BB = 4 X Ȳ > σ z = P µaa µ BB X Ȳ + 4 = 4 > 4 z σ σ = P Z > 4 σ z = Φ(0.745) dato che Z = X Ȳ ( 4) σ2 ( n + m ) N(0, ) se µ X µ y = 4. Esercizio 4. Per stabilire se le scarpe da corsa prodotte dalla compagnia A siano migliori di quelle prodotte dalla compagnia B, a 0 maratoneti viene chiesto di correre per 0 km a distanza di 2 settimane. I corridori indossano le scarpe di tipo A durante una gara e le scarpe di tipo B durante l altra gara. Ogni corridore sceglie in quale gara indossare le scarpe A o B. Vengono registrati i tempi di tutti i corridori e ad ognuno viene richiesto di correre il più velocemente possibile durante entrambe le gare. I risultati (i tempi in minuti per ogni atleta nelle due gare) sono mostrati nella tabella: ) = Corridore: Marca A Marca B Si assume che i dati siano indipendenti e identicamente distribuiti da una popolazione normale. 3
4 . Si verifichi l ipotesi che in media il tempo ottenuto indossando le scarpe A sia inferiore a quello ottenuto indossando le scarpe B, con un test statistico di livello α = Si calcoli il p-value del test. 3. Si calcoli un intervallo di confidenza al 95% per la media delle differenze tra i tempi.. I dati che stiamo considerando sono accoppiati. Sia D la differenza tra i tempi ottenuti con le scarpe A e quelli ottenuti con le scarpe B, ovvero D = X A X B. Le differenze ottenute sono: -0.79, 0.35, -0.3, -0.47, 0.3, -0.0, -0.5, -0.05, -0.2, 0.7. Dato che abbiamo assunto che i due campioni siano indipendenti e identicamente distribuiti secondo una legge normale, possiamo anche assumere che le loro differenze siano i.i.d. da una legge normale. Vogliamo testare H 0 : µ D = 0 vs H : µ D < 0. La regione di rifiuto associata è { } D 0 R = s D / 0 < t α,9 dove D n = 0.07, s D = e T 0 = D n 0 s D / 0 t 0.05,9 =.833, non possiamo rifiutare H 0. =.038. Dato che 2. Il p-value del test è il valore α tale per cui t α,9 = D n 0 s D / =.038, che 0 significa α (0., 0.25) (valore esatto α = 0.6). 3. L intervallo di confidenza di livello 95% per la differenza delle medie è [ ] IC = D n ± sd t α/2,n. n Dato che t 0.975,9 = 2.26, otteniamo IC 0.95 = [ 0.07 ± 0.233]. Esercizio 5. Si considerino due campioni di variabili casuali di medesima ampiezza n: X,..., X n variabili i.i.d. di legge normale a media µ ed Y,..., Y n variabili i.i.d. di legge normale a media ν. Si intende sottoporre a test l ipotesi nulla H 0 : ν = µ contro l ipotesi alternativa H : µ > ν. Nel caso di campioni indipendenti tali per cui X i N(µ, 3), Y i N(ν, 3) per i =,... n,. si indichi la regione critica per un test di livello 5%; 2. in funzione di n si trovi la probabilità di accettare erroneamente H 0 nel caso µ = ν + ; 3. si ricavi la minima ampiezza n 0 per cui la probabilità calcolata al punto 2 non supera il 50%. Nel caso di dati accoppiati con Y i X i di legge N(ν µ, 3) per ogni i =,..., n, 4. si indichi la regione critica per un test di livello 5%; 4
5 5. in funzione di n si trovi la probabilità di accettare erroneamente H 0 nel caso µ = ν + ; 6. si ricavi la minima ampiezza n 0 per cui la probabilità calcolata al punto 5 non supera il 50%. In quale caso è minore n 0? Siano x n e ȳ n le medie campionarie dei due campioni casuali. { x. R = (x,..., x n, y,..., y n ) : n ȳ n > z 0.05 }. 3/n+3/n 2. Equivale a trovare la probabilità di errore di II tipo nel caso in cui µ ν =, ovvero ( ) ( ) Xn P Ȳn µ ν= < z 0.05 = P Z < z /n + 3/n 3/n + 3/n = φ(z 0.05 n/6). 3. Si ottiene imponendo φ(z 0.05 n/6) 0.5, ovvero z 0.05 n/6 0, da cui si ottiene che il minimo intero che soddisfa la disuguaglianza è n 0 = 7. { 4. R = (x,..., x n, y,..., y n ) : xn ȳn > z 0.05 }. 3/n 5. Analogamente al punto 2, questa volta abbiamo P µ ν= ( Xn Ȳn 3/n < z 0.05 ) = φ(z 0.05 n/3). 6. Imponendo φ(z 0.05 n/3) 0.5 si ottiene n 0 = 9. n 0 è minore nel secondo caso. Esercizio 6. Un rapporto dell Associazione consumatori riporta lo studio effettuato sulla durata due tipi di batterie: Duracell AA e Energizer AA. Supponiamo che le deviazioni standard delle durate siano rispettivamente: per le Duracell σ D =.8 ore e per le Energizer σ E = 2 ore. La durata media di 00 Duracell è risultata essere di 4. ore e la durata media di 20 Energizer è risultata di 4.5 ore.. E possibile affermare che le batterie Energizer sono migliori di quelle Duracell, ad un livello di significatività del 5%? 2. Calcolare il p-value. 3. Calcolare un intervallo di confidenza di livello 99% per la differenza delle medie. Indichiamo con µ E e µ D rispettivamente la media della durata delle batterie Energizer e Duracell. Non viene fatta alcuna assunzione sulle distribuzioni dei campioni, ma le ampiezze sono abbastanza elevate da poter ritenere valida un approssimazione normale per la media campionaria. 5
6 . Dobbiamo effettuare un test con ipotesi H 0 : µ E = µ D contro H : µ E > µ D. Rifiutiamo H 0 se x E x D > z α σ 2 D n D + σ2 E n E = = Poichè la differenza tra le due medie campionarie è pari a 0.4 < 0.42, l ipotesi nulla non può essere rifiutata ad un livello di significatività del 5%. ( 2. Il p-value è pari a φ ( x E x D )/ ) σd 2 /n D + σe 2 /n E = φ (.56053) = L intervallo di confidenza è dato da x E x D ± z α/2 σ 2 D /n D + σ 2 E /n E = ( 0.26,.06). Esercizio 7. Vengono sottoposti a confronto i consumi delle autovetture VW Polo.0 e Citroen Saxo. SPI alla velocità costante di 20 Km/h. Si ritiene che i consumi dei due tipi di autovetture possano essere descritti da variabili aleatorie con distribuzione normale con la stessa varianza. La Polo in 20 prove consuma mediamente x = 6.5 l/00km, la Saxo in 22 prove consuma mediamente x 2 = 6.6 l/00km. Le relative varianze campionarie sono rispettivamente di s 2 = 0.30 e s 2 2 = Possiamo ritenere che le due autovetture abbiano lo stesso consumo medio al livello di significatività del 5%? 2. Si calcoli un intervallo di confidenza di livello 95% per la differenza dei consumi medi.. Consideriamo i consumi della Polo provenienti da una legge N(µ, σ) 2 e quelli della Saxo da una N(µ 2, σ2). 2 Assumendo che σ 2 = σ 2 = σ2, 2 la stima di σ 2 si ottiene da s 2 p = (n )s 2 + (n 2 )s 2 2 n + n 2 2 = (20 )(0.3) + (22 )(0.28) = Si vuole testare le ipotesi H 0 : µ = µ 2 vs µ µ 2 ; siccome X X 2 S p /n + /n 2 t n+n 2 2, rifiuteremo H 0 se x x 2 > t α/2,n+n 2 2s p /n + /n 2. Con i dati del problema (t 0.025,40 = 2.02, s p /n + /n 2 = 0.66 e t α/2,n+n 2 2s p /n + /n 2 = 0.336) non si può rifiutare H L intervallo di confidenza è dato da x x 2 ±t α/2,n+n 2 2s p /n + /n 2 = ( 0.436, 0.236). 6
7 Esercizio 8. Una grossa industria vuole confrontare le caratteristiche di due resine plastiche per costruire tubature. La resina è meno costosa della resina 2, ma si sospetta che la resina 2 abbia un maggior allungamento medio percentuale (capacità del materiale di allungarsi senza superare la rottura). Le misurazioni su un campione casuale di dimensione 20 della resina hanno fornito allungamenti percentuali di media 2. e deviazione standard campionaria 0.5, mentre le misurazioni su un campione di dimensione 30 della resina 2 hanno fornito allungamenti percentuali di media 2.5 e deviazione standard campionaria Si assuma che gli allungamenti percentuali delle due resine abbiano la stessa varianza σ 2.. Si fornisca una stima della varianza σ 2 delle due resine. 2. I dati a disposizione permettono di concludere, a livello %, che l allungamento medio della resina 2 è maggiore di quello della resina? 3. Si costruisca un intervallo di confidenza di livello 98% per la differenza tra gli allungamenti medi percentuali delle due resine considerate.. Poichè possiamo assumere che le due varianze siano uguali, utilizziamo lo stimatore pooled per σ 2. Indicando con n e n 2 le numerosità dei campioni di resina e 2, rispettivamente, e con S 2 e S 2 2 le loro rispettive varianza campionarie, lo stimatore ha la forma Sp 2 = (n )S 2 + (n 2 )S2 2. n + n 2 2 Applicando lo stimatore ai dati in nostro possesso otteniamo s 2 p = ( )/248 = Denotando con µ e µ 2 i valori attesi degli allungamenti delle due resine e con X e X 2 le rispettive medie campionarie, il test per dati non accoppiati che dobbiamo impostare ha ipotesi H 0 : µ µ 2 vs. H : µ < µ 2. La statistica test è la seguente: T = X X 2 (µ µ 2 ). S p n + n 2 Poichè sotto H 0 abbiamo µ = µ 2, con i dati a nostra disposizione la statistica test assume valore t = = Poichè la regione di rifiuto per tale test è R = {T < t α,n+n 2 2} e t α/2,n+n 2 2 = , a livello % cè evidenza statistica per affermare che l allungamento della resina 2 è maggiore di quello della resina (rifiuto H 0 ). 7
8 3. L intervallo di confidenza di livello α per la differenza delle medie ha la forma IC 0.98 = X X 2 ± t α/2,n+n 2 2S p n + n 2, che con i dati a disposizione fornisce IC 0.98 = 0.4 ± Esercizio 9. Una questione di interesse medico è stabilire se l attività sportiva porta ad una diminuzione della frequenza cardiaca a riposo. Per verificare questa ipotesi, 8 volontari che non hanno mai fatto esercizio fisico hanno accettato di iniziare un programma di un mese di jogging. Alla fine del programma si è stati in grado di confrontare la frequenza cardiaca a riposo prima e dopo il mese di pratica: Freq. cardiaca prima Freq. cardiaca dopo Si assuma che la differenza tra le frequenze cardiache prima e dopo il mese di jogging segua una distribuzione gaussiana.. In base ai dati ottenuti, costruire un intervallo di confidenza di livello 99% per la media della differenza tra la frequenza cardiaca dopo e prima il mese di jogging. 2. Stabilire se, ad un livello di significatività del 0%, l attività fisica riduce la frequenza cardiaca media a riposo. Dopo aver tratto la conclusione, fornire una stima del p-value del test. 3. Allo stesso livello di significatività è possibile concludere che la frequenza cardiaca media sia cambiata?. Detta D i = X i Y i la differenza tra la frequenza cardiaca dell i-esimo paziente prima e dopo il mese di jogging, siano d = 3.75 la media campionaria e s 2 = la varianza campionaria di tali differenze. Dato che t 0.005,8 s/ 8 = 7.62, si ottiene IC 0.99 = d±t 0.005,8 s/ 8 = [ 3.87,.37]. 2. Sì, l attività fisica riduce la frequenza cardiaca media a riposo, infatti il p-value del test H 0 : µ d <= 0 vs H : µ d > 0 appartiene all intervallo d (0.05, 0.). Il valore esatto del p-value è il valore tale che s/ = t 8 α,7, che corrisponde a Non si può rifiutare l ipotesi nulla H 0 : µ d = 0 ad un livello di significatività pari a perchè il p-value del test bilatero è pari a Esercizio 0. Un gruppo di 6 pazienti si è sottoposto ad una certa cura dimagrante. All inizio della cura pesavano (in Kg): 77, 87, 04, 98, 9, 78. Dopo tre mesi pesano (in Kg): 75, 88, 97, 99, 83, 70, rispettivamente.. Supponendo che i soggetti siano tra loro indipendenti e che i loro pesi provengano da una distribuzione Gaussiana, si può affermare, ad un livello α = 0.05, che la cura è stata efficace (cioè che, mediamente, c è stato un calo di peso)? 8
9 2. Se la cura prometteva un calo di almeno 5 Kg, si può dire che è stata efficace?. Sia D i = X i Y i, dove X i e Y i sono i pesi del soggetto i-esimo rispettivamente prima e dopo la cura dimagrante, e sia la media di ciascuna variabile D i. Dobbiamo effettuare un test per dati accoppiati, con ipotesi H 0 : 0 = 0 vs. H : > 0. La statistica test è D n 0, (s 2 n ) n dove D n e s 2 n sono rispettivamente media e varianza campionaria del campione D,..., D n. In questo caso abbiamo n = 6, D6 = e s 2 6 = , quindi la statistica test assume il valore t = ( )/(4.355/ 6) = Poichè t > t 0.05,5 = 2.050, a livello α = 0.05 possiamo rifiutare l ipotesi nulla che non vi sia stato un calo di peso. 2. Dobbiamo calcolare la statistica test del punto precedente, dove però questa volta 0 = 5. In questo caso otteniamo t = ( )/(4.355/ 6) = , dalla quale si ottiene un p-value contenuto nell intervallo (0.6, 0.75) (valore esatto ). Per cui, per livelli di significatività ragionevoli, non possiamo rifiutare l ipotesi nulla che non ci sia stato un calo di peso di almeno 5 Kg. Esercizio. Si sta effettuando un referendum in cui si teme che non venga raggiunto il quorum (percentuale dei votanti superiore al 50%). A tale scopo, si intervistano n persone scelte a caso nella popolazione chiedendo loro se si recheranno alle urne.. Si supponga che in Lombardia su 000 persone intervistate ve ne siano solo 480 che dichiarano che si presenteranno alle urne. I dati a disposizione consentono di affermare che il quorum non verrà raggiunto a livello di significativitá del 5%? 2. Supponiamo inoltre che in Emilia Romagna su 000 persone intervistate solo 470 si dichiarino intenzionate a votare. Possiamo concludere, tenendo conto dei dati al punto 2, che in Lombardia andrà a votare un maggior numero di persone rispetto all Emilia Romagna? 3. Calcolare un intervallo di confidenza di levello 95% per la differenza di proporzione tra i votanti in Lombardia ed Emilia Romagna.. Vogliamo effettuare il test H 0 : p = p 0 = 0.50 contro H : p < La statistica test è z 0 = ˆp p 0 p0 ( p 0 )/n = =.27 > z α = ( 0.50)/000 dato che la regione di rifiuto è R = {Z 0 < z α } non possiamo rifiutare l ipotesi nulla. 9
10 2. Si vuole effettuare il test H 0 : p = p2 contro H : p > p2. La statistica test è ˆp ˆp 2 0 z 0 = ( ) ˆp ( ˆp) n + n 2 con ˆp = x+x2 n +n 2 = La statistica test è uguale a z 0 = = ( 0.475) e la regione di rifuto è R = {Z 0 > z α }. Per questo motivo il p-value del test è pari a α = Φ(z 0 ) dato che il p-value è superiore a 0. non c è evidenza contro l ipotesi nulla. 3. L intervallo di confidenza di livello 95% per la differenza tra due proporzioni è ˆp ( ˆp ) IC = ˆp ˆp 2 ± z α/2 + ˆp 2 ( ˆp 2 ) = n n 2 ( ) 0.48 ( 0.48) 0.47 ( 0.47) = ±.96 + = = (0. ± ) = (0.0562, 0.438) Si può notare che il valore 0 non cade all interno dell IC. Esercizio 2. Un insegnante del Politecnico di Milano riceve gli studenti al suo studio ogni settimana in un giorno fissato. Il numero di studenti ricevuti settimanalmente nelle ultime 96 settimane è il seguente: Nr. di studenti 0 o 2 3 o 4 5 o 6 7 o 8 almeno 9 Nr. di sett quindi per 3 settimane nelle ultime 96 nessuno studente è venuto, per settimane il docente ha ricevuto o 2 studenti, e così via. Basandosi sulle informazioni precedenti, l insegnante sospetta che la media del numero di studenti che si presentano ogni settimana sia pari a 5.. Si valuti la bontà dell adattamento a una distribuzione di Poisson con media 5 per i dati disponibili, ad un livello di significatività del 2.5%, attraverso un opportuno test d ipotesi. 2. Si fornisca un intervallo in cui cade il p-value. Cosa si può concludere?. Il test è H 0 : F P (5) vs. H 0 : F P (5). Prima di tutto, si noti che n = 96 > 50; le probabilità teoriche p 0i e le frequenze assolute teoriche np 0i sotto H 0, per le classi C = {0},..., C 6 = {9, 0,...}, sono Nr. studenti {0} {, 2} {3, 4} {5, 6} {7, 8} at least 9 n i p 0i np 0i
11 dove p 0i = P(N C i ) e N P (5). Dato che np 0 5, uniamo le prime due classi, ottenendo le seguenti k = 5 classi Nr. studenti {0,, 2} {3, 4} {5, 6} {7, 8} at least 9 n i p 0i np 0i La statistica test è data da Q n = k i= (n i np 0i ) 2 np 0i H 0 χ 2 k = χ 2 4 Con i nostri dati abbiamo q 96 = 7.50 <.4 = χ ,4, quindi non possiamo rifiutare H 0 poiché la regione di rifiuto è R = {Q n > χ 2 α,k }. 2. Il p-value è pari a F χ 2 4 (7.50) = 0.2 (0., 0.5), quindi non abbiamo evidenza contro H 0. Esercizio misure ripetute di una certa quantità sono state raccolte, ma solo le seguenti informazioni sono state registrate: esattamente 7 misure sono minori o uguali alla mediana di una variabile aleatoria gaussiana di media 20 e varianza 6, e, tra queste, 32 sono minori o uguali al primo quartile di una variabile aleatoria N(20, 6). 3 misure sono maggiori del terzo quartile (quantile di livello 0.25), e 34 hanno un valore che cade tra la mediana e il terzo quartile di una variabile N(20, 6).. Si esprima la funzione di ripartizione di una variabile N(20, 6) in termini della funzione di ripartizione di una N(0, ); si esprima il quantile di ordine a di una variabile aleatoria N(20, 6), indicato con q a, in termini del quantile di ordine a della normale standard N(0, ). 2. Si può affermare che le misure provengono da una popolazione Gaussiana con media 20 e varianza 6? Si costruisca un opportuno test con α = 5% per rispondere alla domanda. 3. Si calcoli il p-value approssimato, o si fornisca un intervallo in cui cade.. Sia X N(µ, σ 2 ) e Z N(0, ). Allora è facile verificare, per standardizzazione, che F X (x) = P (X x) = P (Z (x µ)/σ) = Φ((x µ)/σ). Questo implica che F X (q a ) = Φ((q a µ)/σ), quindi per ogni a (0, ) il quantile di ordine a di una N(µ, σ 2 ) è dato da q a = µ + σz a. 2. N(20, 6) è simmetrica rispetto alla sua media, quindi la mediana coincide con la media, ed è quindi uguale a 20. Utilizzando la relazione ottenuta al punto precedente abbiamo che q 0.75 = z 0.75 = e q 0.25 = z 0.25 = Raccogliendo i dati in una tabella abbiamo:
12 Classe (, 7.302] (7.302, 20] (20, ] (22.698, + ) n i = p 0i np 0i La statistica test è uguale a 4 i= (n i np 0i ) 2 /(np 0i ) =.76, mentre χ 2 3, , quindi non rifiutiamo l ipotesi nulla che le osservazioni provengano da una legge N(20, 6). 3. Il p-value appartiene all intervallo (0.75, 0.8) e in particolare è uguale a
Esercitazione #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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi
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
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
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
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,
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
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
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
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
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
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.
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
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,
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
DettagliSoluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)
Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città
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
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
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
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
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
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
DettagliFacoltà di Psicologia Università di Padova Anno Accademico 2010-2011
Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
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
DettagliCapitolo 11 Test chi-quadro
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova
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
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
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
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
DettagliL analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELLA ROLE Six Sigma Master Black Belt
L analisi dei rischi: l aspetto statistico Ing. Pier Giorgio DELL ROLE Six Sigma Master lack elt Dicembre, 009 Introduzione Nell esecuzione dei progetti Six Sigma è di fondamentale importanza sapere se
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
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
DettagliSistemi di Servizio e Simulazione
Sistemi di Servizio e Simulazione Soluzioni degli esercizi di esame proposti negli appelli dell a.a.2004-05 Sono stati distribuiti sul sito web i testi di tre appelli di esame dell anno accademico 2004-05:
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliPotenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1
Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
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
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
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente
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
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
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
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,
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
DettagliCorso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
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 dell 11/1/2012 NOME COGNOME N. Matr. Rispondere alle domande nel modo più completo possibile, cercando di
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 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del
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 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
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.
DettagliIndici (Statistiche) che esprimono le caratteristiche di simmetria e
Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica
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 Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliConcetto di potenza statistica
Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliRapporto dal Questionari Insegnanti
Rapporto dal Questionari Insegnanti SCUOLA CHIC81400N N. Docenti che hanno compilato il questionario: 60 Anno Scolastico 2014/15 Le Aree Indagate Il Questionario Insegnanti ha l obiettivo di rilevare la
DettagliIl campionamento statistico
Lezione 13 Gli strumenti per il miglioramento della Qualità Il campionamento statistico Aggiornamento: 19 novembre 2003 Il materiale didattico potrebbe contenere errori: la segnalazione e di questi errori
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliOSSERVAZIONI TEORICHE Lezione n. 4
OSSERVAZIONI TEORICHE Lezione n. 4 Finalità: Sistematizzare concetti e definizioni. Verificare l apprendimento. Metodo: Lettura delle OSSERVAZIONI e risoluzione della scheda di verifica delle conoscenze
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
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
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,
DettagliLa logica statistica della verifica (test) delle ipotesi
La logica statistica della verifica (test) delle ipotesi Come posso confrontare diverse ipotesi? Nella statistica inferenziale classica vengono sempre confrontate due ipotesi: l ipotesi nulla e l ipotesi
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
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,
DettagliESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE
ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114
DettagliPertanto la formula per una prima approssimazione del tasso di rendimento a scadenza fornisce
A. Peretti Svolgimento dei temi d esame di MDEF A.A. 015/16 1 PROVA CONCLUSIVA DI MATEMATICA per le DECISIONI ECONOMICO-FINANZIARIE Vicenza, 9/01/016 ESERCIZIO 1. Data l obbligazione con le seguenti caratteristiche:
DettagliAnalisi dei residui. Test Esatto di Fisher. Differenza fra proporzioni
Statistica Economica Materiale didattico a cura del docente Analisi dei residui Test Esatto di Fisher Differenza fra proporzioni 1 Analisi dei residui Il test statistico ed il suo p-valore riassumono la
DettagliGRUPPO QUATTRO RUOTE. Alessandro Tondo 19632 Laura Lavazza 19758 Matteo Scordo 19813 Alessandro Giosa 19894. Gruppo Quattro Ruote 1
GRUPPO QUATTRO RUOTE Alessandro Tondo 19632 Laura Lavazza 19758 Matteo Scordo 19813 Alessandro Giosa 19894 Gruppo Quattro Ruote 1 2. ANALISI BIVARIATA 3.1. RISULTATI (continua) 2.1 Consumi ridotti (variabile
DettagliCarte di controllo per attributi
Carte di controllo per attributi Il controllo per variabili non sempre è effettuabile misurazioni troppo difficili o costose troppe variabili che definiscono qualità di un prodotto le caratteristiche dei
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
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
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
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
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 -
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
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
Dettagli