STATISTICA INFERENZIALE
|
|
- Annibale Nicolosi
- 7 anni fa
- Visualizzazioni
Transcript
1 STATISTICA INFERENZIALE Introduzione L insieme di tutte le unità statistiche che compongono il fenomeno collettivo considerato costituisce l universo statistico o, semplicemente, universo. L insieme costituito soltanto da una parte di tutte le unità statistiche che compongono il fenomeno collettivo considerato rappresenta il campione statistico o, semplicemente, campione. Se N è il numero delle unità statistiche dell universo e n è il numero delle unità statistiche del campione il rapporto è detto tasso di campionamento. La statistica inferenziale è quella parte della statistica che sostituisce all analisi di un dato universo(intera popolazione) quella di un campione tratto da esso precisando al contempo il grado di attendibilità con il quale le conclusioni tratte per il campione possono essere estese all universo. In un indagine di statistica inferenziale bisogna: 1. Individuare il carattere e la popolazione di riferimento 2. Scegliere il tipo di campionamento 3. Scegliere i parametri 4. Formulare il questionario 5. Somministrare il questionario 6. Raccogliere i dati 7. Calcolare i parametri del campione 8. Estendere i parametri del campione all intera popolazione. 1. Individuare il carattere e la popolazione di riferimento Il passo iniziale consiste nella scelta della popolazione di riferimento: l universo statistico. Si fa osservare che un indagine statistica condotta su un universo finito può essere globale o campionaria, mentre quella condotta su un universo infinito è sempre campionaria. 2. Scegliere il tipo di campionamento Un metodo che è possibile utilizzare per la scelta del campione è il campionamento casuale semplice. Le caratteristiche essenziali di un campionamento casuale semplice sono: ogni unità della popolazione ha uguale probabilità di far parte del campione 1
2 ogni campione di stessa ampiezza ha la stessa probabilità di essere formato. Un metodo semplice per operare tale campionamento consiste nel numerare tutte le unità della popolazione, mettere in un urna tante palline numerate, tutte uguali tra loro, quante sono le unità della popolazione e quindi sorteggiare da tale urna le palline per formare il campione. Nella formazione del campione con il campionamento casuale semplice si possono verificare due diverse circostanze: che le unità statistiche estratte siano rimesse nell universo statistico (estrazione bernoulliana o con ripetizione); che le unità statistiche estratte non siano rimesse nell universo statistico (estrazione in blocco). L insieme di tutti i campioni estratto si chiama spazio dei campioni. Esempio Nel primo caso si tratta di disposizioni con ripetizione e il numero di raggruppamenti è dato da, ( ) = (estrazione con reimmissione in cui conta l ordine degli elementi) Nel secondo caso si tratta di combinazioni semplici e il numero di raggruppamenti è dato da!, =!( )! (estrazione senza reimmissione in cui non conta l ordine degli elementi) Nel terzo caso (poco usato) si tratta di disposizioni semplici e il numero di raggruppamenti è dato da, = ( 1). ( + 1) (estrazione senza reimmissione in cui conta l ordine degli elementi) 2
3 N.B. esiste anche il caso di estrazione con reimmissione in cui non conta l ordine degli elementi e il numero di raggruppamenti è dato da (, ) ( ). ( ) = ma è poco usata e non considerata nell esempio.! Es. pag n. 4-7 e 1470 da 11 a Scegliere i parametri I parametri da studiare sono scelti in relazione alla natura e alla finalità della ricerca. Ripetere: frequenza assoluta, relativa e percentuale media aritmetica semplice, ponderata e per classi varianza semplice e ponderata deviazione standard o scarto quadratico medio semplice e ponderato 4. Formulare il questionario Il questionario deve essere concepito in modo tale che la sua compilazione fornisca le informazioni di interesse in modo univoco, predisponendo eventuali menu a tendina da cui selezionare le tutte possibili risposte. 5. Somministrare il questionario Può avvenire con diverse modalità utilizzando il supporto cartaceo o preferibilmente via web. E consigliabile effettuare una somministrazione di prova per verificare la correttezza e l efficacia del questionario. 6. Raccogliere i dati La raccolta dei dati deve essere eseguita per una durata temporale prestabilita. 7. Calcolare i parametri del campione Distribuzione della media campionaria 3
4 Se non rimettiamo nell urna la pallina estratta si tratta di combinazioni semplici e il numero di raggruppamenti è dato da, =!!( )! = = 6 E i campioni sono: (6,12), (6,18), (6,24)(12,18), (12,24), (18,24) P μ = = 15 σ = (9 15) + (12 15) + (15 15) + (18 15) + (21 15) = = 15 4
5 Conclusioni Effettuare le opportune verifiche degli esempi svolti. Di seguito, tenendo in considerazione più esempi, si mostra come la distribuzione della media campionaria tende ad una distribuzione normale. 5
6 6
7 Questi esempi dimostrano che aumentando la numerosità del campione, la varianza della media campionaria che è sempre inferiore alla varianza della popolazione, tende a diminuire. Questo significa che le medie campionarie hanno una minore dispersione e diventano più strette intorno al valore medio (caratteristica della distribuzione normale). Concludendo: aumentando la numerosità del campione, aumenta la probabilità che la media di un campione differisca di poco dalla media della popolazione; in genere si preferisce considerare campioni con n>30(grandi campioni, nella generalità per indagini affidabili almeno n=100). Es. pag n Distribuzione della frequenza campionaria o della proporzione - F Supponiamo di avere un universo composto dai seguenti elementi di tipo qualitativi: {.. } ed N=3 relativamente al quale indichiamo un carattere specifico su cui effettuare l indagine statistica(es. essere diplomato). Costruiamo la seguente tabella: Termine Frequenza assoluta A 1 B 0 C 1 in cui supponiamo che: il primo elemento A sia diplomato e quindi ad esso assegniamo la frequenza 1, il secondo B non sia diplomato e quindi ad esso assegniamo la frequenza 0, il terzo C sia diplomato e quindi ad esso assegniamo la frequenza 1. Osserviamo che la frequenza relativa del carattere indicato dell intero universo, che indichiamo con p, è: Ricordando che esiste una relazione che lega il concetto di frequenza con quello di probabilità(vedere appendice (*) Ghisetti e Corvi Statistica 3 ), allora per calcolare la varianza utilizziamo la formula: σ = p q e quindi, essendo q l evento contrario di p, esso vale q = 1 p = = 2 3 e quindi σ = = (e la deviazione standard è σ = p q σ = = 0,47) I CASO - Estraiamo con reimmissione i campioni costituiti da 2 elementi: Il numero dei campioni è: ( D ), = 3 = 9 costruiti come di seguito riportati: AA, AB, AC, 7
8 BA, BB, BC CA, CB, CC Costruiamo la seguente tabella: Termine Frequenza campionaria = Frequenza del carattere indagato all interno del campione Frequenza relativa del campione rispetto allo spazio dei campioni BB 0 2 = AB, BC, BA, CB AC, CA, CC, AA = La distribuzione della frequenza campionaria (o della proporzione) è: 0, di pesi: 1 2, 1 1 9, 4 9, 4 9 Il valore medio della distribuzione della frequenza campionaria è: μ = = + = = Si osserva che il valore μ ottenuto è uguale al valore di frequenza relativa p calcolato per l intero universo. σ = = + + = + + = = Si osserva che il valore σ ottenuto non è uguale a quello calcolato per l intero universo. Il valore della varianza si può trovare anche con la formula: σ =. σ =. = = II CASO - Estraiamo senza reimmissione i campioni costituiti da 2 elementi: Il numero dei campioni è: 8
9 , =!!( )! = 3 costruiti come di seguito riportati: AB, AC, BC Costruiamo la seguente tabella: Termine Frequenza campionaria = Frequenza del carattere indagato all interno del campione Frequenza relativa del campione rispetto allo spazio dei campioni AC 2 2 = AB, BC La distribuzione della frequenza campionaria (o della proporzione) è: 1, 1 2 di pesi: 1 3, 2 3 Il valore medio della distribuzione della frequenza campionaria è: μ = 1 + = + = Si osserva che il valore μ ottenuto è uguale al valore di frequenza relativa p calcolato per l intero universo. σ = 1 + = + = + = = Si osserva che il valore σ ottenuto non è uguale a quello σ calcolato per l intero universo. Il valore della varianza si può trovare anche con la formula: σ =. σ =. = Es. pag n
10 8. Estendere i parametri del campione all intera popolazione Obiettivo di questo paragrafo è far comprendere come, avendo a disposizione un unico campione, sia possibile considerare i parametri ottenuti da esso, ad es. media aritmetica, frequenza come parametri validi anche per l intera popolazione quando quest ultimi sono ignoti. Per fare ciò introduciamo innanzitutto il concetto di stimatore e poi definiremo il concetto di stima. Stimatori (cenni). 10
11 Invece la varianza campionaria σ è uno stimatore non corretto di σ ed esso viene corretto mediante la seguente formula: s = σ n n 1 Il valore della varianza così ottenuto è uguale a quello della varianza della popolazione, infatti riprendendo l esempio della distribuzione della media campionaria: s = 22,5 = 45 che è lo stesso valore della varianza dell universo σ. Se l estrazione dei campioni non è bernoulliana, la formula di correzione cambia, ma anche in alcune fonti (Schaum e Trovato) si considera come unica formula di correzione quella sopra scritta. Stima puntuale. La stima puntuale è semplice da calcolare, ma talvolta può portare a valutazioni errate. Per effettuare una stima puntuale di un parametro dell universo, si procede nel modo seguente: si calcola il valore dello stimatore prescelto con i dati del campione e lo si associa a quello dell universo; nel nostro studio, la media aritmetica del campione diventa stima della media aritmetica dell universo, la frequenza del campione diventa stima della frequenza dell universo; nel caso della stima della media aritmetica dell universo, si calcola un valore che indichi il grado di incertezza della stima fatta come segue: o se si conosce, per esperienza, lo scarto quadratico medio dell universo σ o la varianza dell universo σ, il grado di incertezza si chiama errore di campionamento ed è fornito dalle formule: σ = (estrazione bernulliana) σ = (estrazione in blocco) o se si conosce lo scarto quadratico medio del campione s o la varianza del campione s, il grado di incertezza si chiama stima dell errore di campionamento ed è fornito dalle formule: s = (estrazione bernulliana) s = (estrazione in blocco) 11
12 dove s è la radice quadrata della varianza corretta nel modo seguente: s = s n n 1 (alcuni testi differenziano il caso di correzione di varianza di un campione bernoulliano: = da quello di correzione di varianza di un campione estratto in blocco: = ) nel caso della stima della frequenza dell universo, si calcola un valore che indichi il grado di incertezza della stima fatta come segue: o si calcola lo scarto quadratico medio del campione s e lo si utilizza per calcolare il grado di incertezza che si chiama stima dell errore di campionamento ed è fornito dalle formule: s = (estrazione bernulliana) s = (estrazione in blocco) Per comprendere meglio i procedimenti descritti si riportano i seguenti esempi. Es.1 12
13 Es.2 Nell esempio seguente viene fornito lo scarto quadratico medio dell universo, quindi non c è bisogno di eseguire correzioni. Es. pag n Es.3 13
14 Es.4 Es. pag n Stima intervallare. In alcune circostanze risulta più sicuro determinare un intervallo, detto anche intervallo di fiducia o di confidenza, che contenga con una determinata probabilità il valore del parametro richiesto che rimane ignoto. Stima intervallare della media. PASSO 1 Procediamo innanzitutto facendo un esempio di come si calcola la probabilità associata a un intervallo. Dati noti: media dell universo varianza dell universo numerosità del campione estrazione bernoulliana intervallo che contiene il parametro prescelto(in questo caso la media campionaria) Dati da calcolare: valore della probabilità associata all intervallo 14
15 Ricordiamo che per distribuzione normale (in appendice) si intende una distribuzione che rappresentata graficamente assomiglia ad una campana con le seguenti caratteristiche: assume il massimo valore in corrispondenza della media presenta due punti di flesso in corrispondenza dei valori: media ± deviazione standard è asintotica rispetto all asse delle ascisse come nell esempio seguente: Ricordiamo che standardizzare una distribuzione normale significa trasformarla in una distribuzione ancora normale con le seguenti caratteristiche: assume il massimo valore in corrispondenza di x= media = 0 presenta i due punti di flesso in corrispondenza dei valori: ± 1 come nell esempio seguente: Tale trasformazione si effettua utilizzando la formula Z sopra scritta e consente di utilizzare un apposita tavola per il calcolo della probabilità. Quindi nel nostro caso particolare partendo dalla formula : (34,5 < < 35,5) dove 34,5 e 35,5 sono gli estremi del intervallo considerato che potremo indicare con 15
16 ( < < ) Dobbiamo trasformare questa formula in una equivalente relativamente al valore di probabilità, utilizzando la trasformazione Z che trasforma la nostra distribuzione normale in una equivalente standardizzata: ( < < ) 16
17 PASSO 2 Procediamo in maniera inversa alla precedente, fissiamo un valore di probabilità e determiniamo l intervallo che contenga il parametro prescelto con quella probabilità. Tale probabilità la indichiamo con 1- α e lo chiamiamo livello di confidenza o fiducia, mentre con α indichiamo il rischio dell indagine campionaria. Dati noti: media dell universo varianza dell universo numerosità del campione estrazione bernoulliana valore della probabilità associata all intervallo che contiene il parametro prescelto (media del campione) Dati da calcolare: l intervallo che contiene il parametro prescelto (media del campione) 17
18 18
19 Quelli più utilizzati sono riportati nella seguente tabella anche a scopo dimostrativo per imparare a calcolare i valori esatti utilizzando la tavola di Sheppard in appendice. prob. in % = 1- α prob. in freq. rel prob. in freq. rel/2 val1 tab val2 tab approx 68,27% 0,6827 0, , % 0,8000 0,4000 0,3997 0,4015 0,3997 1,28 90% 0,9000 0,4500 0,4495 0,4505 (1,64+1,65)/2=1,645 95% 0,9500 0,4750 1,96 95,45% 0,9545 0, % 0,9900 0,4950 0,4949 0,4951 (2,57+2,58)/2=2,575 99,74% 0,9974 0, ,99% 0,9999 0, ,87* *(in altra tavola con 5 cifre decimali) PASSO 3 Dati noti: media del campione varianza del campione numerosità del campione estrazione bernoulliana valore della probabilità associata all intervallo che contiene il parametro prescelto(media dell universo) Dati da calcolare: l intervallo che contiene il parametro prescelto(media dell universo) 19
20 Se non è nota la varianza o la deviazione standard dell intera popolazione bisogna correggere la varianza o la deviazione standard campionaria e sostituire il valore trovato s al posto di σ nelle formule sopra indicate. Attenzione: se l estrazione del campione non è specificata la si considera generalmente bernoulliana, se invece viene specificata come estrazione quella in blocco allora nella formula il rapporto va moltiplicato per il rapporto se il campione ha un numero di elementi minore o uguale a 30, si tratta di un piccolo campione, allora si utilizza un procedimento quasi analogo a quello descritto, tenendo però presente non la distribuzione gaussiana, ma quella T di Student. Tale procedimento non è sviluppato in questa trattazione. Es. pag n
21 Stima intervallare della frequenza. < < + = 1 Effettuando gli opportuni cambiamenti e sostituendo a la frequenza relativa del campione : otteniamo la formula: < < + = 1 < < + = 1 da cui si ricava l intervallo di interesse:, + Se non è possibile calcolare perché manca p, si sostituisce nella formula la deviazione standard campionaria, come di seguito: < < + = 1 ottenendo l intervallo:, + Attenzione: se l estrazione del campione non è specificata la si considera generalmente bernoulliana, se invece viene specificata quella in blocco allora nella formula il rapporto va moltiplicato per il rapporto 21
22 Nello studio della stima intervallare della frequenza ci si può chiedere qual è il massimo valore che può assumere il rapporto, che di fatto rappresenta il grado di incertezza o errore che si accetta di sopportare. Ricordando che σ = p q (e che tale formula può essere utilizzata anche per calcolare la stima dell errore campionario) si osserva che il massimo valore che può assumere il rapporto si ottiene proprio per p=0,5 (come si può facilmente verificare) pervenendo al seguente intervallo di fiducia: E quindi, nell esempio precedente, l intervallo che tiene conto di un errore massimo è: Es. pag n Bibliografia: Zanichelli - Matematica.rosso Tramontana Matematica generale e applicata Ghisetti e Corvi Statistica 3 Collana Schaum Statistica Testo di riferimento per gli esercizi: Zanichelli Matematica.rosso, altri esercizi sono stati preparati su apposite schede. Prerequisiti: Distribuzioni di frequenze Valori medi e variabilità Calcolo combinatorio Definizione di probabilità Distribuzioni di probabilità - variabili casuali Distribuzione gaussiana 22
23 Appendice (*) Ghisetti e Corvi Statistica 3 da cui la media aritmetica risulta essere: la varianza e lo scarto quadratico medio rispettivamente: 23
24 Distribuzione gaussiana 24
25 25
26 Tavola di Sheppard 26
Campionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliDistribuzioni campionarie
1 Inferenza Statistica Descrittiva Distribuzioni campionarie Statistica Inferenziale: affronta problemi di decisione in condizioni di incertezza basandosi sia su informazioni a priori sia sui dati campionari
DettagliLE DISTRIBUZIONI CAMPIONARIE
LE DISTRIBUZIONI CAMPIONARIE Argomenti Principi e metodi dell inferenza statistica Metodi di campionamento Campioni casuali Le distribuzioni campionarie notevoli: La distribuzione della media campionaria
DettagliStatistica Inferenziale
Statistica Inferenziale a) L Intervallo di Confidenza b) La distribuzione t di Student c) La differenza delle medie d) L intervallo di confidenza della differenza Prof Paolo Chiodini Dalla Popolazione
DettagliIl campionamento e l inferenza. Il campionamento e l inferenza
Il campionamento e l inferenza Popolazione Campione Dai dati osservati mediante scelta campionaria si giunge ad affermazioni che riguardano la popolazione da cui essi sono stati prescelti Il campionamento
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliCasa dello Studente. Casa dello Studente
Esercitazione - 14 aprile 2016 ESERCIZIO 1 Di seguito si riporta il giudizio (punteggio da 0 a 5) espresso da un gruppo di studenti rispetto alle diverse residenze studentesche di un Ateneo: a) Si calcolino
DettagliLaboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.
5 STIMA PUNTUALE DEI PARAMETRI [Adattato dal libro Excel per la statistica di Enzo Belluco] Sia θ un parametro incognito della distribuzione di un carattere in una determinata popolazione. Il problema
DettagliEsercitazione 8 maggio 2014
Esercitazione 8 maggio 2014 Esercizio 2 dal tema d esame del 13.01.2014 (parte II). L età media di n gruppo di 10 studenti che hanno appena conseguito la laurea triennale è di 22 anni. a) Costruire un
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
DettagliProva scritta di STATISTICA. CDL Biotecnologie. (Programma di Massimo Cristallo - A)
Prova scritta di STATISTICA CDL Biotecnologie (Programma di Massimo Cristallo - A) 1. Un associazione di consumatori, allo scopo di esaminare la qualità di tre diverse marche di batterie per automobili,
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 giugno 26 Statistica Esercizio Sia {X n } n una famiglia di v.a. di media µ e varianza σ 2. Verificare che X = n n X i σ 2 = n (X i µ) 2 S 2 = n
Dettaglib) E necessario formulare delle ipotesi per calcolare l intervallo di confidenza ottenuto al punto a? (motivare brevemente la risposta):
ESERCIZIO 1 Una grande banca vuole stimare l ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto. Si seleziona un campione di 100 clienti su cui si osserva
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliL indagine campionaria Lezione 3
Anno accademico 2007/08 L indagine campionaria Lezione 3 Docente: prof. Maurizio Pisati Variabile casuale Una variabile casuale è una quantità discreta o continua il cui valore è determinato dal risultato
DettagliCampionamento La statistica media campionaria e la sua distribuzione
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
DettagliStatistica Un Esempio
Statistica Un Esempio Un indagine sul peso, su un campione di n = 100 studenti, ha prodotto il seguente risultato. I pesi p sono espressi in Kg e sono stati raggruppati in cinque classi di peso. classe
DettagliProbabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
DettagliEsercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)
STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che
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. 1 A. I dati riportati nella seguente tabella si riferiscono
DettagliElementi di base su modello binomiale e modello normale
Elementi di base su modello binomiale e modello normale (alcune note) Parte 1: il modello binomiale Di fondamentale importanza nell analisi della qualità sono i modelli. I due principali modelli statistico-probablistici
DettagliSTATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
DettagliCapitolo 8. Probabilità: concetti di base
1 Capitolo 8 Probabilità: concetti di base Statistica - Metodologie per le scienze economiche e sociali 2/ed S. Borra, A. Di Ciaccio Copyright 2008 The McGraw-Hill Companies srl 2 Concetti primitivi di
DettagliIl campionamento statistico. prof. C.Guida
Il campionamento statistico prof. C.Guida Per determinare le caratteristiche fondamentali di una popolazione statistica non è sempre necessario analizzare tutta la popolazione, ma risulta sufficiente esaminare
DettagliIntervallo di confidenza
Intervallo di confidenza Prof. Giuseppe Verlato, Prof. Roberto de Marco Sezione di Epidemiologia e Statistica Medica, Università di Verona campione inferenza popolazione Media Riportare sempre anche Stima
DettagliSchema lezione 5 Intervalli di confidenza
Schema lezione 5 Intervalli di confidenza Non centrerò quella barca, ne sono convinto al 95% COMPRENDERE: Significato di intervallo di confidenza Uso degli stimatori come quantità di pivot per stime intervallari
DettagliStatistica descrittiva e statistica inferenziale
Statistica descrittiva e statistica inferenziale 1 ALCUNI CONCETTI POPOLAZIONE E CAMPIONE Popolazione: insieme finito o infinito di unità statistiche classificate secondo uno o più caratteri Campione:
DettagliRingraziamenti dell Editore
Indice Elenco dei simboli e delle abbreviazioni in ordine di apparizione Ringraziamenti dell Editore XI XVII 1 Introduzione FAQ e qualcos altro, da leggere prima 1 1.1 QuestoèunlibrodiStatistica....................
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliStatistica Esercitazione. alessandro polli facoltà di scienze politiche, sociologia, comunicazione
Statistica Esercitazione alessandro polli facoltà di scienze politiche, sociologia, comunicazione Obiettivo Esercizio 1. Questo e alcuni degli esercizi che proporremo nei prossimi giorni si basano sul
Dettaglistandardizzazione dei punteggi di un test
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it standardizzazione dei punteggi di un test serve a dare significato ai punteggi che una persona ottiene ad un test, confrontando la
DettagliProgrammazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di
DettagliCapitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
DettagliStatistica4-29/09/2015
Statistica4-29/09/2015 Raccogliere i dati con il maggior numero di cifre significative ed arrotondare eventualmente solo al momento dei calcoli (min. 3); nella grande maggioranza delle ricerche biologiche
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Elementi che fanno variare l ampiezza dell intervallo di confidenza (p. 70) s.q.m. dell universo σ Più σ è elevato, maggiore è la
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliLezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
DettagliAndrea Manganaro. Tecniche di campionamento a confronto per i sistemi di audit regionali
Andrea Manganaro Tecniche di campionamento a confronto per i sistemi di audit regionali Definizione del problema Le regioni finanziano ogni anno diverse attività tramite due fondi europei: il Fondo Europeo
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliUniversità del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student
Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z,
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliScheda Corso di STATISTICA (D.M. 270 per 9 CFU) Anno Accademico 2014/2015 (versione in Italiano)
Scheda Corso di STATISTICA (D.M. 270 per 9 CFU) Anno Accademico 2014/2015 (versione in Italiano) FACOLTA :ECONOMIA CORSI DI LAUREA: Economia e Commercio, Psicoeconomia e Scienze Bancarie ed Assicurative
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
DettagliPROVA SCRITTA DI STATISTICA. cod CLEA-CLAPI-CLEFIN-CLELI cod CLEA-CLAPI-CLEFIN-CLEMIT. 5 Novembre 2003 SOLUZIONI MOD.
PROVA SCRITTA DI STATISTICA cod. 4038 CLEA-CLAPI-CLEFIN-CLELI cod. 5047 CLEA-CLAPI-CLEFIN-CLEMIT 5 Novembre 003 SOLUZIONI MOD. A In 8 facoltà di un ateneo italiano vengono rilevati i seguenti dati campionari
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
DettagliRELAZIONE FINALE DEL DOCENTE. Materia: MATEMATICA E COMPLEMENTI DI MATEMATICA Classe 4BPT A. S. 2015/2016
RELAZIONE FINALE DEL DOCENTE Materia: MATEMATICA E COMPLEMENTI DI MATEMATICA Classe 4BPT A. S. 2015/2016 In relazione alla programmazione curricolare sono stati conseguiti, in termini di livello medio,
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
DettagliGli errori nella verifica delle ipotesi
Gli errori nella verifica delle ipotesi Nella statistica inferenziale si cerca di dire qualcosa di valido in generale, per la popolazione o le popolazioni, attraverso l analisi di uno o più campioni E
DettagliLA LUNGHEZZA DEI GENI UMANI (Es4.1)
STATISTICA INFERENZIALE: le caratteristiche della popolazione complessiva sono indotte da quelle osservate su un campione estratto dalla popolazione stessa(esempio exit poll) PROBLEMA: dato un campione
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
Dettagli(5 sin x + 4 cos x)dx [9]
FACOLTÀ DI SCIENZE MM. FF. NN. CORSO DI LAUREA IN SCIENZE NATURALI II Modulo di Matematica con elementi di statistica. Esercitazioni A.A. 009.00. Tutor: Mauro Soro, p.soro@tin.it Integrali definiti Risolvere
DettagliSTATISTICA: esercizi svolti sulla DISTRIBUZIONE NORMALE
STATISTICA: esercizi svolti sulla DISTRIBUZIONE NORMALE 1 2 Tavole della normale standard. Φ(x) = x 1 2π e t2 2 dt z.00.01.02.03.04.05.06.07.08.09 0.0 0.0 0.5040 0.5080 0.5120 0.5160 0.5199 0.5239 0.5279
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
DettagliEsercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliLa distribuzione delle frequenze. T 10 (s)
1 La distribuzione delle frequenze Si vuole misurare il periodo di oscillazione di un pendolo costituito da una sferetta metallica agganciata a un filo (fig. 1). A Figura 1 B Ricordiamo che il periodo
DettagliLezione 4 a - Misure di dispersione o di variabilità
Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
DettagliEsercizi Svolti. 2. Costruire la distribuzione delle frequenze cumulate del tempo di attesa
Esercizi Svolti Esercizio 1 Per una certa linea urbana di autobus sono state effettuate una serie di rilevazioni sui tempi di attesa ad una determinata fermata; la corrispondente distribuzione di frequenza
DettagliPrefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura
INDICE GENERALE Prefazione Ringraziamenti dell'editore Il sito web dedicato al libro Test online: la piattaforma McGraw-Hill Education Guida alla lettura XI XIV XV XVII XVIII 1 LA RILEVAZIONE DEI FENOMENI
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio: si consideri una generica popolazione X con media µ e varianza σ 2 Siano T 1 =(X 1 +X 2 +X 3 +X 4 )/4 e T 2 =(3X 1 +4X
DettagliLA DISTRIBUZIONE NORMALE (Vittorio Colagrande)
LA DISTRIBUZIONE NORMALE (Vittorio Colagrande) Allo scopo di interpolare un istogramma di un carattere statistico X con una funzione continua (di densità), si può far ricorso nell analisi statistica alla
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
DettagliDistribuzione Gaussiana - Facciamo un riassunto -
Distribuzione Gaussiana - Facciamo un riassunto - Nell ipotesi che i dati si distribuiscano seguendo una curva Gaussiana è possibile dare un carattere predittivo alla deviazione standard La prossima misura
DettagliAnalisi della varianza
Analisi della varianza Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona ANALISI DELLA VARIANZA - 1 Abbiamo k gruppi, con un numero variabile di unità statistiche.
DettagliTest di ipotesi su due campioni
2/0/20 Test di ipotesi su due campioni Confronto tra due popolazioni Popolazioni effettive: unità statistiche realmente esistenti. Esempio: Confronto tra forze lavoro di due regioni. Popolazioni ipotetiche:
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it TIPI DI MEDIA: GEOMETRICA, QUADRATICA, ARMONICA Esercizio 1. Uno scommettitore puntando una somma iniziale
DettagliISTOGRAMMI E DISTRIBUZIONI:
ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30 ISTOGRAMMI
DettagliStesso valore medio per distribuzioni diverse
Fonti e strumenti statistici per la comunicazione Prof.ssa Isabella Mingo A.A. 014-015 Stesso valore medio per distribuzioni diverse u i X 11 X 1 X 13 A 1 1 B 8 1 C 0 1 D 3 3 1 E 19 34 1 F 0 41 1 Un uguale
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
DettagliProf. Anna Paola Ercolani (Università di Roma) Lez Indicatori di dispersione
Consentono di descrivere la variabilità all interno della distribuzione di requenza tramite un unico valore che ne sintetizza le caratteristiche CAMPO DI VARIAZIONE DIFFERENZA INTERQUARTILE SCOSTAMENTO
DettagliDISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA La distribuzione di probabilità e un modello matematico, uno schema di riferimento, che ha caratteristiche note e che può essere utilizzato per rispondere a delle domande derivate
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014. I Esonero - 29 Ottobre Tot.
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014 I Esonero - 29 Ottobre 2013 1 2 3 4 5 6 7 8 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliN.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.
N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle abelle riportate alla fine del documento. Esercizio 1 La concentrazione media di sostanze inquinanti osservata nelle acque di un fiume
DettagliPROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE
Matematica e statistica: dai dati ai modelli alle scelte wwwdimaunige/pls_statistica Responsabili scientifici MP Rogantin e E Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
DettagliStatistica. Campione
1 STATISTICA DESCRITTIVA Temi considerati 1) 2) Distribuzioni statistiche 3) Rappresentazioni grafiche 4) Misure di tendenza centrale 5) Medie ferme o basali 6) Medie lasche o di posizione 7) Dispersione
DettagliScanned by CamScanner
Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Scanned by CamScanner Università di Cassino Corso di Statistica Esercitazione
DettagliLa SCALA di Probabilità varia tra 0.00 e 1.00.
CHE COS E LA PROBABILITA La probabilità è la MISURA dell incertezza di un evento, cioè come noi classifichiamo gli eventi rispetto alla loro incertezza. La SCALA di Probabilità varia tra 0.00 e 1.00. 0.00
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 2010-11 P.Baldi Lista di esercizi 3. Corso di Laurea in Biotecnologie Esercizio 1 Una v.a. X segue una legge N(2, ). Calcolare a1) P(X 1) a2) P(2
DettagliCAMPIONAMENTO - ALCUNI TERMINI CHIAVE
CAMPIONAMENTO - ALCUNI TERMINI CHIAVE POPOLAZIONE = qualsiasi insieme di oggetti (unità di analisi) di ricerca N = ampiezza della popolazione PARAMETRI = caratteristiche della popolazione [media, proporzione
Dettaglia) 36/100 b) 1/3 c)
Da un urna contenente 10 palline, di cui 6 bianche e 4 nere, si estraggono due palline. Determinare la probabilità del seguente evento E=«le due palline sono bianche» nel caso di estrazioni a) con rimbussolamento
DettagliCURRICOLO VERTICALE MATEMATICA RELAZIONI/ DATI E PREVISIONI/ MISURA
CURRICOLO VERTICALE MATEMATICA / DATI E PREVISIONI/ MISURA SCUOLA PRIMARIA CONOSCENZE (Concetti) ABILITA Classe 1^ - Classificazione - in situazioni concrete, classificare persone, oggetti, figure, numeri
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliElementi di statistica
Scuola media G. Ungaretti Elementi di statistica Prof. Enrico Castello Ti insegnerò a conoscere i criteri organizzatori di una tabella di dati distinguere frequenze assolute e frequenze percentuali determinare
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
Dettagli