Campionamento casuale da popolazione finita (caso senza reinserimento )
|
|
- Aniello Magnani
- 7 anni fa
- Visualizzazioni
Transcript
1 Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori x, x 2,, x su tutta la popolazioe, ossia X : Ω R w x w 2 x 2 w k x k w x dove ci possoo essere ache valori ripetuti Assumiamo che P (X = x k ) =, per ogi k =,, Ioltre µ = x k, k= σ 2 = (x k µ) 2 k= Ci soo due tipi di campioameto casuale: campioameto casuale semplice cioè co ripetizioe, el quale le estrazioi soo tra loro idipedeti e ogi uità può essere estratta più volte; ogi uità della popolazioe ha la stessa probabilità di essere selezioata, pari a / Questo tipo di campioameto produce gli stessi risultati ache el caso di popolazioe ifiita I questo caso i possibili campioi soo campioameto casuale seza ripetizioe, el quale ogi uità ha probabilità / di essere selezioata alla prima estrazioe, le rimaeti uità hao probabilità / ( ) alla secoda estrazioe (sapedo che cosa è stato estratto alla prima estrazioe) e così via I questo caso i possibili campioi soo ( ) se o si cota! l ordie, se si cota l ordie ( )! Aalizziamo el dettaglio il campioameto casuale seza ripetizioe Siao quidi X, X 2,, X variabili aleatorie campioarie corrispodeti alle varie estrazioi campioarie Procediamo co alcue osservazioi che servirao per dimostrare i prossimi risultati
2 Lemma Valgoo le segueti relazioi: i) E ( X i ) = µ; ii) E ( ) j=,i j X i X j = ( ) k= h=,h k x ( ) h x k Dimostrazioe: Abbiamo che per h k si ha che { j i ( ) P (X i = x k, X j = x h ) = 0 j = i e quidi P (X i = x k ) = h=,k h = P (X j = x h )P (X i = x k X j = x h ) ( ) = ossia P (X i = x k ) = P (X = x k ) per ogi i =,, Da questo segue che E (X i ) = = x k P (X i = x k ) k= x k P (X = x k ) = E(X) k= Ioltre si ha così che ( ) E X i = E (X i ) = E (X) = E (X) = x k = µ k= Calcolado esplicitamete la quatità E (X i X j ) = = k= h=,h k ( ) x h x k P (X i = x h, X j = x k ) k= h=,h k x h x k, si ha che E ( ) j=,i j X i X j = j=,i j E (X i X j ) = j=,i j k= h=,h k x ( ) k x h h= k=,h k x h x k = ( ) ( ) () Lemma 2 ( i a i ) 2 = i a 2 i + i,j,j i a i a j
3 La dimostrazioe di questo lemma è ua semplice applicazioe di procedimeti algebrici Proposizioe 3 Sia X è ua variabile aleatoria; allora X è stimatore o distorto di µ e la sua variaza è V ar ( X ) = σ2 Ua sua stima si ottiee sostituedo σ 2 co S 2 ; se X è ormale, u itervallo di cofideza per µ è ( ) X t α S ( ), X + t αs ( ) Dimostrazioe: Lo stimatore X di µ è o distorto, ifatti: E ( X ) = ( ) E X i = µ = µ Utilizzado i risultati otteuti elle osservazioi precedeti, si riesce a calcolare la variaza di X el seguete modo: V ar ( X ) ( ) = V ar X i = ( ) V ar X 2 i = V ar (X 2 i ) + 2 = V ar (X 2 i ) + 2 = V ar (X 2 i ) + 2 Ora utilizzado () e il Lemma 2, abbiamo che j=,j i j=,j i j=,j i Cov (X i, X j ) (E(X i X j ) E(X i )E(X j )) E(X i X j ) µ2 V ar ( X ) = σ2 + ( ) x h x k ( ) k= h=,h k µ2 = σ2 + ( ( ) ) 2 x 2 k + x k ( ) k= k= µ2 = σ2 + ( ) ( σ 2 µ µ 2) ( ) µ2 = σ2
4 L itervallo di cofideza si ottiee co ua costruzioe aaloga al caso i cui X,, X soo idipedeti I questo cotesto X è acora ua va ormale, perché combiazioe di va ormali (ache se o idipedeti) Per gradi campioi la Proposizioe 3 si può estedere ache al caso i cui X o è ormale Se la umerosità della popolazioe è molto più grade di quella del campioe ( >> ), il coefficiete è circa e quidi può essere trascurato, otteedo così lo stesso risultato del caso di campioameto casuale semplice, cioè co ripetizioe Ioltre se allora V ar(x) = 0 perchè il campioe coicide co tutta la popolazioe, cosa che o può avveire el caso di campioe co ripetizioe, i cui avremo V ar(x) = σ 2 σ2 Ioltre avremo che V ar(x seza rip ) < V ar(x co rip ) i quato gli elemeti aomali el campioameto seza ripetizioe vegoo cotati solo ua volta Vediamo u applicazioe el caso dello studio della frequeza di ua caratteristica ella popolazioe, partedo da u campioe Idichiamo i questo caso co ˆx i la realizzazioe della i esima variabile campioaria X i Avremo che ˆx i sarà uguale a (si verifica il carattere) o 0 (o si verifica) ell i esima estrazioe Avremo che il parametro da stimare sarà k= x k p = e, dato u campioe X, X 2,, X, lo stimatore da utilizzare sarà P = X i Proposizioe 4 Sia X ua va co distribuzioe di Beroulli di parametro p Valgoo i segueti fatti: i) P è uo stimatore o distorto di p Si può quidi stimare p co ˆp = ˆx i ; ii) V ar (P ) = p( p) iii) U itervallo di cofideza per p è ; ua sua stima si ottiee sostituedo p co ˆp; P z α P ( P ) P ( P ), P + z α
5 ESEMPIO : I ua scatola ci soo 5 pallie, di cui tre ere idicate co, 2 e 3 e due biache idicate co B e B 2 La frequeza relativa di pallie ere della scatola è 3 = 0, 60 Si vuole stimare tale valore attraverso campioi di umerosità 5 = 2 Idichiamo co X la variabile aleatoria corrispodete alla prima estrazioe e co X 2 la variabile aleatoria corrispodete alla secoda estrazioe Si ha che = 5, = 2 e p = 0, 6 Si vuole cercare la stima della proporzioe, cioè ˆp Usiamo come stimatore i etrambi i campioameti P = S 2 = X + X 2 2 Costruiamo ua tabella co tutti i possibili campioi e i relativi valori della stima della proporzioe Campioameto co ripetizioe Il umero dei possibili campioi (ordiati) è = Sia S = X + X 2 e sia s il rispettivo valore campioario La tabella co tutti i possibili campioi e i relativi valori della stima della proporzioe è la seguete: umero campioe Campioe va campioarie Proporz camp Somma s (, ) (, ) 2 2 (, 2 ) (, ) 2 3 (, 3 ) (, ) 2 4 (, B ) (, 0) /2 5 (, B 2 ) (, 0) /2 6 ( 2, ) (, ) 2 7 ( 2, 2 ) (, ) 2 8 ( 2, 3 ) (, ) 2 9 ( 2, B ) (, 0) /2 ( 2, B 2 ) (, 0) /2 ( 3, ) (, ) 2 2 ( 3, 2 ) (, ) 2 3 ( 3, 3 ) (, ) 2 4 ( 3, B ) (, 0) /2 5 ( 3, B 2 ) (, 0) /2 6 (B, ) (0, ) /2 7 (B, 2 ) (0, ) /2 8 (B, 3 ) (0, ) /2 9 (B, B ) (0, 0) (B, B 2 ) (0, 0) (B 2, ) (0, ) /2 22 (B 2, 2 ) (0, ) /2 23 (B 2, 3 ) (0, ) /2 24 (B 2, B ) (0, 0) 0 0 (B 2, B 2 ) (0, 0) 0 0 Campioameto seza ripetizioe I questo caso il umero dei possibili campioi o ordiati è ( ( ) ) = 5 2 = e quelli ordiati è 5! = 20 La tabella co tutti i possibili 3!
6 campioi (ordiati) e i relativi valori della stima della proporzioe è la seguete: umero campioe Campioe va campioarie Proporz camp Somma s (, 2 ) (, ) 2 2 (, 3 ) (, ) 2 3 (, B ) (, 0) /2 4 (, B 2 ) (, 0) /2 5 ( 2, ) (, ) 2 6 ( 2, 3 ) (, ) 2 7 ( 2, B ) (, 0) /2 8 ( 2, B 2 ) (, 0) /2 9 ( 3, ) (, ) 2 ( 3, 2 ) (, ) 2 ( 3, B ) (, 0) /2 2 ( 3, B 2 ) (, 0) /2 3 (B, ) (0, ) /2 4 (B, 2 ) (0, ) /2 5 (B, 3 ) (0, ) /2 6 (B, B 2 ) (0, 0) (B 2, ) (0, ) /2 8 (B 2, 2 ) (0, ) /2 9 (B 2, 3 ) (0, ) /2 20 (B 2, B ) (0, 0) 0 0 Calcoliamo ora la legge di X, cioè quate volte X vale rispetto al umero dei campioi, e la di X 2 Campioameto co ripetizioe Le leggi di X e X 2 soo rispettivamete P (X = ) = 5 = 3 5 P (X = 0) = 3 5 = 2 5 P (X 2 = ) = 5 = 3 5 P (X 2 = 0) = 3 5 = 2 5 Campioameto seza ripetizioe Le leggi di X e X 2 soo soo rispettivamete P (X = ) = 3 5 P (X 2 = ) = P (X 2 = X = 0)P (X = 0) + P (X 2 = X = )P (X = ) = = 3 5 e di cosegueza P (X = 0) = 3 5 = 2 5, P (X 2 = 0) = 3 5 = 2 5
7 Gli stessi calcoli si otteevao utilizzado la tabella precedete; ifatti P (X = ) = 2 20 = 3 5 P (X 2 = ) = = 3 5 Di cosegueza X e X 2 hao la stessa distribuzioe di probabilità Calcoliamo la distribuzioe, la media e la variaza dello stimatore P, utilizzado i dati della tabella precedete Campioameto co ripetizioe La desità di P è metre la sua media è P 0 /2 f P 4 E (P ) = 0 = = 0, 6 = p Quidi P è stimatore o distorto di p Calcoliamo ora la variaza dello stimatore della proporzioe: Si ha che quidi V ar (P ) = E ( P 2) E 2 (P ) E ( P 2) ( ) 4 2 = = 2, V ar (P ) = 2 ( ) 3 2 = 3 5 = 0, 2, che coicide co la formula V ar(p ) = p( p) Campioameto seza ripetizioe La desità di P è metre la sua media è: P 0 /2 f P E (P ) = = 3 = 0, 6 = p 5
8 e E ( P 2) = quidi = 9 20 V ar(p ) = = 0, 09, che coicide co la formula V ar(p ) = p( p) Quidi P è acora uo stimatore o distorto di p, ma come ci aspettiamo la variaza el campioameto seza ripetizioe (0,09) è miore che el campioameto co ripetizioe (0,2) ESEMPIO 2: Ua scatola cotiee = 3 pallie di colore rosso e di colore blu Si estraggoo = pallie Idichiamo co p la proporzioe di pallie blu coteute ella scatola e co ˆp la proporzioe di pallie di colore blu coteute el campioe Determiiamo lo stimatore P di p, la media e la variaza di P, ei casi di campioameto co e seza ripetizioe Campioameto co ripetizioe Se B è il umero di pallie blu estratte, allora lo stimatore P di p è di media e variaza P = X + + X E (P ) = p e V ar (P ) = p ( p) = 0, 02p( p) e la stima putuale è B Campioameto seza ripetizioe Se B è il umero di pallie blu estratte, allora lo stimatore P di p è acora di media e variaza E (P ) = p e V ar (P ) = P = X + + X p ( p) 3 3 = 0, 07 p ( p) e la stima putuale è B Suppoiamo che il campioe cotega 30 pallie di colore blu; costruiamo l itervallo di cofideza per p a livello 95%, sempre ei casi di campioameto co e seza ripetizioe Campioameto co ripetizioe Siccome B = 30, abbiamo che ˆp = B = 30 = 0, 6
9 U itervallo di cofideza per p a livello di sigificatività del 95% è: 0, 6 z 0,05, 0, 6 + z 0,05 Per ua ormale stadardizzata si trova che z 0,05 =, 96, quidi l itervallo cercato è 0, 6, 96, 0, 6 +, 96 = (0, 46, 0, 74) Campioameto seza ripetizioe Per quato visto i precedeza, poiché ˆp = 0, 6 e z α =, 96, si ha che u itervallo di cofideza per p a livello di sigificatività del 95% è 0, 6, , 0, 6 +, = (0, 47, 0, 73) 349 Osserviamo che i etrambi i tipi di campioameto P è uo stimatore o distorto della proporzioe p el caso di campioameto seza ripetizioe, la variaza di P è miore rispetto alla variaza di P el caso di campioameto co ripetizioe Ioltre l itervallo di cofideza el campioameto seza ripetizioe ha ampiezza miore ella pratica, l estrazioe co ripetizioe viee adottata raramete: è ituitivo che, fissata la dimesioe del campioe, l osservazioe ripetuta di ua o più uità rappreseti ua perdita di iformazioe La distizioe tra estrazioe co e seza ripetizioe perde gradualmete di importaza all aumetare della dimesioe della popolazioe di rilevazioe
Stima della media di una variabile X definita su una popolazione finita
Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe
DettagliQuesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:
Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,
DettagliUniversità degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno
Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto
DettagliINFERENZA o STATISTICA INFERENTE
INFERENZA o STATISTICA INFERENTE Le iformazioi sui parametri della popolazioe si possoo otteere sia mediate ua rilevazioe totale (o rilevazioe cesuaria) sia mediate ua rilevazioe parziale (o rilevazioe
DettagliEsercitazioni di Statistica
Esercitazioi di Statistica Itervalli di cofideza Prof. Livia De Giovai statistica@dis.uiroma1.it Esercizio 1 La fabbrica A produce matite colorate. Ua prova su 100 matite scelte a caso ha idicato u peso
DettagliInferenza statistica. Popolazione. Camp. Statistiche campionarie basate sulle osservazioni del campione. Estrazione casuale. Parametro e statistica
6/0/0 Corso di Statistica per l impresa Prof. A. D Agostio Ifereza statistica Per fare ifereza statistica si utilizzao le iformazioi raccolte su u campioe per cooscere parametri icogiti della popolazioe
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
DettagliCosto manutenzione (euro)
Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più
DettagliAppunti complementari per il Corso di Statistica
Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliPolitecnico di Milano - Anno Accademico Statistica Docente: Alessandra Guglielmi Esercitatore: Stefano Baraldo
Politecico di Milao - Ao Accademico 010-011 Statistica 086449 Docete: Alessadra Guglielmi Esercitatore: Stefao Baraldo Esercitazioe 8 14 Giugo 011 Esercizio 1. Sia X ua popolazioe distribuita secodo ua
DettagliTitolo della lezione. Dal campione alla popolazione: stima puntuale e per intervalli
Titolo della lezioe Dal campioe alla popolazioe: stima putuale e per itervalli Itroduzioe Itrodurre il cocetto di itervallo di cofideza Stima di parametri per piccoli e gradi campioi Stimare la proporzioe
DettagliSUCCESSIONI DI FUNZIONI
SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe
DettagliDETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE
DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
DettagliAnemia. Anemia - percentuali
1 emia emoglobia 1-13 Data la distribuzioe dell emoglobia i u gruppo di pazieti maschi sottoposti a trattameto: - Circa u paziete su 3 era fortemete aemico (emogl. meo di 1) - La mediaa era fra 13 e 14
DettagliMATEMATICA DEL DISCRETO elementi di calcolo combinatorio. anno acc. 2009/2010
elemeti di calcolo combiatorio ao acc. 2009/2010 Cosideriamo u isieme fiito X. Chiamiamo permutazioe su X u applicazioe biuivoca di X i sè. Ad esempio, se X = {a, b, c}, le permutazioi distite soo 6 e
DettagliAritmetica 2016/2017 Esercizi svolti in classe Seconda lezione
Aritmetica 06/07 Esercizi svolti i classe Secoda lezioe Dare ua formula per 3 che o coivolga sommatorie Dato che sappiamo che ( + e ( + ( + 6 vogliamo esprimere 3 mediate, e poliomi i U idea possibile
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Intervalli di confidenza
iovaella@disp.uiroma.it http://www.disp.uiroma.it/users/iovaella Itervalli di cofideza Itroduzioe Note geerali La stima putuale permette di otteere valori per i parametri di ua fuzioe ma i alcui casi può
DettagliTEST STATISTICI. indica l ipotesi che il parametro della distribuzione di una variabile assume il valore 0
TEST STATISTICI I dati campioari possoo essere utilizzati per verificare se ua certa ipotesi su ua caratteristica della popolazioe può essere riteuta verosimile o meo. Co il termie ipotesi statistica si
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
Dettagli1 Esponenziale e logaritmo.
Espoeziale e logaritmo.. Risultati prelimiari. Lemma a b = a b Lemma Disuguagliaza di Beroulli per ogi α e per ogi ln a k b k. k=0 + α + α Teorema Disuguagliaza delle medie Per ogi ln, per ogi upla {a
DettagliSTATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA
Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE
Dettagli1.6 Serie di potenze - Esercizi risolti
6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo
DettagliEsercizi di Calcolo delle Probabilità e Statistica Matematica
Esercizi di Calcolo delle Probabilità e Statistica Matematica Lucio Demeio Dipartimeto di Igegeria Idustriale e Scieze Matematiche Uiversità Politecica delle Marche 1. Esercizio (31 marzo 2012. 1). Al
DettagliProbabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea trieale i Matematica II prova scritta sessioe estiva a.a. 8/9. U ura cotiee dadi di cui la metà soo equilibrati, metre gli altri soo stati maipolati i modo che, per ciascuo di essi,
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 21 Misura della dipedeza di u carattere
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di Statistica A-Di Prof. M. Romaazzi 12 Maggio 2014 Cogome e Nome..................................... N. Matricola.......... Valutazioe Il puteggio massimo teorico di questa
Dettagli6 Stima di media e varianza, e intervalli di confidenza
Si può mostrare che, per ogi fissato α, t,α z α, e t,α z α per + I pratica t,α e z α soo idistiguibili per 200. 6 Stima di media e variaza, e itervalli di cofideza Lo scopo esseziale della Statistica ifereziale
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA
UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti
DettagliIntervalli di confidenza
Itervalli di cofideza Fracesco Lagoa Itroduzioe Questa dispesa riassume schematicamete i pricipali risultati discussi a lezioe sulla costruzioe di itervalli di cofideza. Itervalli di cofideza per la media
DettagliSERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n.
SERIE DI POTENZE Esercizi risolti Esercizio x 2 + 2)2. Esercizio 2 + x 3 + 2 3. Esercizio 3 dove a è u umero reale positivo. Esercizio 4 x a, 2x ) 3 +. Esercizio 5 x! = x + x 2 + x 6 + x 24 + x 20 +....
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO Che cosa sigifica cotare Tutti coosciamo la successioe dei umeri iteri Naturali N = {0, 1,,, } si tratta di ua struttura metale fodametale, chiaramete presete alla ostra ituizioe che
Dettagli( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ
LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a
DettagliApprofondimento 3.3. Calcolare gli indici di posizione con dati metrici singoli e raggruppati in classi
Chiorri, C. (201). Fodameti di psicometria - Approfodimeto. 1 Approfodimeto. Calcolare gli idici di posizioe co dati metrici sigoli e raggruppati i classi 1. Dati metrici sigoli Quado l iformazioe è a
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Statistica Matematica: Cocetti Fodametali Nell esperieza quotidiaa e ella pratica della professioe dell igegere occorre: predere decisioi e ciò ormalmete richiede la dispoibilità di specifiche iformazioi
DettagliArgomenti trattati: Capitolo 12 libro di testo. Statistica - Metodologie per le scienze economiche e sociali A. Di Ciaccio, S.
1 GLI INTERVALLI DI CONFIDENZA Argometi trattati: Stima per itervallo Aalogie tra la stima putuale e per itervallo Itervallo di cofideza per la media Itervallo di cofideza per la proporzioe Itervallo di
DettagliDEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE
DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA
DettagliAlgoritmi e Strutture Dati (Elementi)
Algoritmi e Strutture Dati (Elemeti Esercizi sulle ricorreze Proff. Paola Boizzoi / Giacarlo Mauri / Claudio Zadro Ao Accademico 00/003 Apputi scritti da Alberto Leporati e Rosalba Zizza Esercizio 1 Posti
DettagliLezione 4. Gruppi di permutazioni
Lezioe 4 Prerequisiti: Applicazioi tra isiemi Lezioi e Gruppi di permutazioi I questa lezioe itroduciamo ua classe ifiita di gruppi o abeliai Defiizioe 41 ia X u isieme o vuoto i dice permutazioe su X
DettagliSoluzioni. Se l interallo avesse livello di confidenza 99%, al posto di 1,96 avremmo
Esercizio 1 Soluzioi 1. Ricordiamo che l ampiezza di u itervallo di cofideza è fuzioe della umerosità campioaria edellivellodicofideza. Aparità di tutto il resto, l ampiezza dimiuisce al crescere di eaumetaal
DettagliApprofondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie
Approfodimeto 2.1 Scalig degli stimoli mediate il metodo del cofroto a coppie Il metodo del cofroto a coppie di Thurstoe (Thurstoe, 1927) si basa sull assuzioe che la valutazioe di u oggetto o di uo stimolo
DettagliPrincipio di induzione: esempi ed esercizi
Pricipio di iduzioe: esempi ed esercizi Pricipio di iduzioe: Se ua proprietà P dipedete da ua variabile itera vale per e se, per ogi vale P P + allora P vale su tutto Variate del pricipio di iduzioe: Se
DettagliSTATISTICA 1 parte 2/2 STATISTICA INFERENZIALE
STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI
DettagliProf.ssa Paola Vicard
Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa
DettagliIL CALCOLO COMBINATORIO
IL CALCOLO COMBINATORIO 0. Itroduzioe Oggetto del calcolo combiatorio è quello di determiare il umero dei modi mediate i quali possoo essere associati, secodo prefissate regole, gli elemeti di uo stesso
DettagliUniversità di Napoli Federico II, DISES, A.a , CLEC, Corso di Statistica (L-Z) Lezione 22 La verifica delle ipotesi. Corso di Statistica (L-Z)
Uiversità di Napoli Federico II, DISES, A.a. 215-16, CLEC, Corso di Statistica (L-Z) Corso di laurea i Ecoomia e Commercio (CLEC) Ao accademico 215-16 Corso di Statistica (L-Z) Maria Mario Lezioe: 22 Argometo:
DettagliEsercizi di Probabilità e Statistica della 2 a settimana (Corso di Laurea in Matematica, Università degli Studi di Padova).
Esercizi di Probabilità e Statistica della 2 a settimaa (Corso di Laurea i Matematica, Uiversità degli Studi di Padova). Esercizio. Sia (Ω, A, P) uo spazio probabilizzato e B A o trascurabile. Dimostrare
DettagliEsercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it
Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:
DettagliSERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c)
SERIE NUMERICHE Esercizi risolti. Calcolare la somma delle segueti serie telescopiche: a) b). Verificare utilizzado la codizioe ecessaria per la covergeza) che le segueti serie o covergoo: a) c) ) log
DettagliESERCITAZIONI 1 (vers. 1/11/2013)
ESERCITAZIONI 1 (vers. 1/11/2013 Daiela De Caditiis tutoraggio MAT/06 Igegeria dell Iformazioe - sede di Latia, prima qualche richiamo di teoria... CALCOLO COMBINATORIO Il pricipio fodametale del calcolo
DettagliCONCETTI BASE DI STATISTICA
CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Uiversità di Veezia Esame di tatistica A-Di Prof. M. Romaazzi 27 Geaio 2015 ogome e Nome..................................... N. Matricola.......... Valutazioe l puteggio massimo teorico di questa prova
DettagliDiagramma polare e logaritmico
Diagramma polare e aritmico ariatori discotiui del moto di taglio Dalla relazioe π D c si ota che la velocità di taglio dipede, oltre che dal umero di giri del madrio, ache dal diametro dell elemeto rotate
DettagliProgramma (orientativo) secondo semestre 32 ore - 16 lezioni
Programma (orietativo) secodo semestre 32 ore - 6 lezioi 3 lezioi: successioi e serie 4 lezioi: itegrali 2-3 lezioi: equazioi differeziali 4 lezioi: sistemi di equazioi e calcolo vettoriale e matriciale
DettagliConsideriamo un insieme di n oggetti di natura qualsiasi. Indicheremo questi oggetti con
Calcolo Combiatorio Adolfo Scimoe pag 1 Calcolo combiatorio Cosideriamo u isieme di oggetti di atura qualsiasi. Idicheremo questi oggetti co a1 a2... a. Co questi oggetti si voglioo formare dei gruppi
DettagliLezione 3: Segnali periodici
eoria dei segali Segali a poteza media fiita e coversioe A/D Lezioe 3: Aalisi i frequeza Esempio di calcolo 005 Politecico di orio eoria dei segali aalisi i frequeza Poteza media Sia dato u segale (t)
DettagliTEORIA DEI CAMPIONI. Psicometria 1 - Lezione 10 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek
TEORIA DEI CAMPIONI Psicometria 1 - Lezioe 10 Lucidi presetati a lezioe AA 000/001 dott. Corrado Caudek 1 Nella teoria statistica per popolazioe si itede la totalità delle uità poteziali d'osservazioe.
DettagliSTUDIO DEL LANCIO DI 3 DADI
Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio
DettagliTraccia delle soluzioni degli esercizi del fascicolo 6
Traccia delle soluzioi degli esercizi del fascicolo 6 Esercizio Vegoo geerati umeri casuali tra 0 e, co distribuzioe uiforme. Quati umeri è ecessario geerare affiché la probabilità che la somma di essi
DettagliLibri T ablet 1284 47 971 62 1123 75 1047 69 921 103 874 113 889 136
Esercitazioe 0 ESERCIZIO arco e Giulio hao due egozi i viale dei Giardii. arco vede libri, Giulio vede elettroica, tra cui tablet. arco e Giulio, avedo a disposizioe il umero di libri veduti ed il umero
DettagliEsercitazioni di Statistica Dott. Danilo Alunni Fegatelli
Esercitazioi di Statistica Dott. Dailo Alui Fegatelli dailo.aluifegatelli@uiroma.it Esercizio. Su 0 idividui soo stati rilevati la variabile X (geere) e (umero di auto possedute) X F F M F M F F M F M
DettagliElementi di Calcolo Combinatorio
Elemeti di Calcolo Combiatorio Alessadro De Gregorio Sapieza Uiversità di Roma alessadro.degregorio@uiroma1.it Idice 1 Premessa 1 2 Permutazioi 2 3 Disposizioi 3 4 Combiazioi 4 5 Il coefficiete multiomiale
DettagliEsercitazioni del corso: ANALISI MULTIVARIATA
A. A. 9 1 Esercitazioi del corso: ANALISI MULTIVARIATA Isabella Romeo: i.romeo@campus.uimib.it Sommario Esercitazioe 4: Verifica d Ipotesi Test Z e test T Test d Idipedeza Aalisi Multivariata a. a. 9-1
Dettagli2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)
Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,
DettagliAppendice A. Elementi di Algebra Matriciale
ppedice. Elemeti di lgebra Matriciale... 2. Defiizioi... 2.. Matrice quadrata... 2..2 Matrice diagoale... 2..3 Matrice triagolare... 3..4 Matrice riga e matrice coloa... 3..5 Matrice simmetrica e emisimmetrica...
Dettaglix n (1.1) n=0 1 x La serie geometrica è un esempio di serie di potenze. Definizione 1 Chiamiamo serie di potenze ogni serie della forma
1 Serie di poteze È stato dimostrato che la serie geometrica x (1.1) coverge se e solo se la ragioe x soddisfa la disuguagliaza 1 < x < 1. I realtà c è covergeza assoluta i ] 1, 1[. Per x 1 la serie diverge
DettagliELEMENTI DI STATISTICA INFERENZIALE (versione preliminare) Barbara Torti, Mario Abundo
ELEMENTI DI STATISTICA INFERENZIALE (versioe prelimiare) Barbara Torti, Mario Abudo Idice 1 Richiami di Probabilità e Statistica 3 1.1 Spazi di Probabilità e variabili aleatorie.................... 3 1.
DettagliLezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice.
La Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie La 1 2 La 3 4 () Statistica 2 / 26 Trimmed mea - La aritmetica risete della preseza di valori
DettagliMatematica e Statistica: Modulo di Statistica - Prof. Federico Di Palma - Appello del 12 Febbraio
Matematica e Statistica: Modulo di Statistica - Prof. Federico Di Palma - Appello del 1 Febbraio 014 - Esercizio 1) I ua ricerca si è iteressati a verificare le dimesioi i micrometri di u graulocita eutrofilo.
DettagliRISOLUZIONE MODERNA DI PROBLEMI ANTICHI
RISOLUZIONE MODERNA DI PROBLEMI ANTICHI L itelletto, duque, che o è la verità, o comprede mai la verità i modo così preciso da o poterla compredere (poi acora) più precisamete, all ifiito, perché sta alla
DettagliQuartili. Esempio Q 3 Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliQual è il numero delle bandiere tricolori a righe verticali che si possono formare con i 7 colori dell iride?
Calcolo combiatorio sempi Qual è il umero delle badiere tricolori a righe verticali che si possoo formare co i 7 colori dell iride? Dobbiamo calcolare il umero delle disposizioi semplici di 7 oggetti di
DettagliLezioni di Matematica 1 - I modulo
Lezioi di Matematica 1 - I modulo Luciao Battaia 4 dicembre 2008 L. Battaia - http://www.batmath.it Mat. 1 - I mod. Lez. del 04/12/2008 1 / 28 -2 Sottosuccessioi Grafici Ricorreza Proprietà defiitive Limiti
DettagliPROBLEMI DI INFERENZA SU PERCENTUALI
ROBLEMI DI INFERENZA SU ERCENTUALI STIMA UNTUALE Il roblema della stima di ua ercetuale si oe allorchè si vuole cooscere, sulla base di osservazioi camioarie, la frazioe π di ua oolazioe N che ossiede
DettagliEsame di Probabilità e Statistica del 9 luglio 2007 (Corso di Laurea Triennale in Matematica, Università degli Studi di Padova).
Esame di Probabilità e Statistica del 9 luglio 27 Corso di Laurea Trieale i Matematica, Uiversità degli Studi di Padova). Cogome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto fiale Attezioe: si cosegao
DettagliQuartili. Esempio Q 3. Me Q 1. Distribuzione unitaria degli affitti settimanali in euro pagati da 19 studenti U.S. A G I F B D L H E M C
Quartili Primo quartile Q 1 : modalità che ella graduatoria (crescete o decrescete) bipartisce il 50% delle osservazioi co modalità più piccole o al più uguali alla Me Terzo quartile Q 3 : modalità che
DettagliSoluzioni Esercizi Capitolo 3
Soluzioi Esercizi Capitolo 3 Esercizio 1 a. I u mazzo di carte fracesi lo spazio campioario è costituito da 52 elemeti. Nel caso dell'estrazioe di u fate, il umero di eveti favorevoli è 4, per cui la probabilità
DettagliScheda n.6: legame tra due variabili; correlazione e regressione
Scheda.6: legame tra due variabili; correlazioe e regressioe October 26, 2008 Covariaza e coefficiete di correlazioe Date due v.a. X ed Y, chiamiamo covariaza il umero Cov (X, Y ) = E [(X E [X]) (Y E [Y
DettagliCarte di controllo per attributi
Carte di cotrollo per attributi Il cotrollo per variabili o sempre è effettuabile misurazioi troppo difficili o costose troppe variabili che defiiscoo qualità di u prodotto le caratteristiche dei prodotti
Dettagli1. Tra angoli e rettangoli
. Tra agoli e rettagoli Attività : il foglio A4 e le piegature Predi u foglio di carta A4 e piegalo a metà. Cota di volta i volta quati rettagoli si ottegoo piegado a metà più volte il foglio. Immagia
DettagliParametri, stimatori e stime, aspetti esplicativi dell'inferenza Statistica 1
Parametri, stimatori e stime, aspetti esplicativi dell'ifereza Statistica 1 Maria Felicia Adriai Fracesco Maria Dellisati Orozo Filippi Suto: I questa esperieza vegoo aalizzati gli aspetti sematici e algebrici
DettagliESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.
ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie
Dettagli3.1 Rappresentazione dello stato tensionale nel piano di Mohr: circoli di Mohr.
DIDATTICA DI PROGETTAZIONE DELLE COSTRUZIONI PROF. CARMELO MAJORANA MODULO TRE I CONCETTI FONDAMENTALI NELL ANALISI DELLA TENSIONE PARTE B) MODULO PER LO SPECIALIZZANDO Modulo. Rappresetazioe dello stato
DettagliRAPPRESENTAZIONE PROBABILISTICA DI UN CAMPIONE CASUALE SEMPLICE
INFERENZA STATISTICA La Statistica Ifereziale studia come estedere i risultati e le coclusioi che provegoo dall aalisi di u campioe di osservazioi alla popolazioe a cui il campioe appartiee. Vi soo molteplici
DettagliFUNZIONI RADICE. = x dom f Im f grafici. Corso Propedeutico di Matematica. Politecnico di Torino CeTeM. 7 Funzioni Radice RICHIAMI DI TEORIA
Politecico di Torio 7 Fuzioi Radice FUNZIONI RADICE RICHIAMI DI TEORIA f ( x) = x dom f Im f grafici. = = =7 =9. dispari R R -. - -. - - -. Grafici di fuzioi radici co pari pari [,+ ) [,+ ).. = = =6 =8
DettagliSoluzioni. 2 2n+1 3 2n. n=1. 3 2n 9. n=1. Il numero 2 può essere raccolto fuori dal segno di sommatoria: = 2. n=1 = = 8 5.
60 Roberto Tauraso - Aalisi Calcolare la somma della serie Soluzioi + 3 R La serie può essere riscritta el modo seguete: + 4 3 9 Il umero può essere raccolto fuori dal sego di sommatoria: + 4 3 9 Si tratta
DettagliCorso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15
Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.
DettagliProva scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1
Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia
DettagliUniversità degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2
Uiversità degli Studi di Bergamo - Corsi di laurea i Igegeria Edile e Tessile Idici di posizioe e variabilità Esercitazioe 2 1. Nella seguete tabella si riporta la distribuzioe di frequeza del cosumo i
DettagliCalcolo delle Probabilità 2012/13 Foglio di esercizi 3
Calcolo delle Probabilità 01/13 Foglio di esercizi 3 Probabilità codizioale e idipedeza. Esercizio 1. Sia B u eveto fissato di uo spazio di probabilità (Ω, A, P), co P(B) > 0. Si mostri che P( B) è l uica
DettagliPREMESSA. = η valore medio della popolazione = σ deviazione standard della popolazione. Descrizione parametrica di una popolazione
PREMESSA Descrizioe parametrica di ua popolazioe Sappiamo che u famiglia parametrica di fuzioi desità di probabilità è defiita da uo o più parametri Θ = {θ, θ,., θ }. Ad esempio, la d.d.p. di tipo espoeziale
DettagliTeoremi limite classici
Capitolo 4 Teoremi limite classici I Teoremi limite classici, la Legge dei Gradi Numeri e il Teorema Limite Cetrale, costituiscoo il ucleo del Calcolo delle Probabilità, per la loro portata sia teorica
DettagliDispensa di STATISTICA DESCRITTIVA
UNIVERSITÀ DEGLI STUDI DI BARI FACOLTÀ DI SCIENZE MM.FF.NN Dispesa di STATISTICA DESCRITTIVA Modulo di Probabilità e Statistica (corsi A-B) Laurea Trieale i SCIENZE BIOLOGICHE Ao Accademico 2010/2011 docete:
DettagliCalcolo combinatorio. Disposizioni - Permutazioni - Combinazioni Coefficienti binomiali - Binomio di Newton Disposizioni semplici.
Calcolo combiatorio. Disposizioi - Permutazioi - Combiazioi Coefficieti biomiali - Biomio di Newto Disposizioi semplici. Disposizioi semplici di oggetti di classe soo tutti gli allieameti che è possibile
DettagliCampionamento stratificato. Esempio
ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete
DettagliPassiamo ad una formula meno semplice dato che non sembra avere una facile interpretazione combinatoria. s m. m + k n r+m. (2.
60 Cotare sequeze e collezioi Passiamo ad ua formula meo semplice dato che o sembra avere ua facile iterpretazioe combiatoria. Proposizioe. Siao r, s, m, N. Allora r s + s m ( ) =( ) m + r+m. (.) r Z Osservazioe.
DettagliStatistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame
Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale
DettagliELEMENTI DI STATISTICA. Giancarlo Zancanella 2015
ELEMENTI DI STATISTICA Giacarlo Zacaella 2015 2 Itroduzioe I termii statistici soo molto utilizzati el liguaggio correte 3 Cos è la STATISTICA STATISTICA = scieza che studia i feomei collettivi o di massa
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI TATITICA MEDICA ED EERCIZI I METODI PER IL CONFRONTO DI MEDIE (Campioi idipedeti) IL PROBLEMA oo stati rilevati i dati relativi alla frequeza cardiaca (misurata i battiti al miuto)
Dettagli