OTTAVA UNITA. Stime e inferenze
|
|
- Angelo Leoni
- 7 anni fa
- Visualizzazioni
Transcript
1 OTTAVA UNITA Stime e inferenze Come già accennato, nella statistica inferenziale la differenza tra popolazione e campione di una popolazione gioca un ruolo essenziale. Ciò è sottolineato anche dalla nomenclatura usata. Le elaborazioni proprie di un campione (media, moda, mediana, varianza, deviazione standard, differenza interquartile, ecc.) sono denominate statistiche, mentre la vera media, moda, mediana, varianza, deviazione standard, ecc., della popolazione, che spesso non conosciamo direttamente, sono chiamate parametri. In più, per sottolineare questa differenza, si usano le lettere latine per le statistiche, mentre si usano quelle greche per la popolazione. Anche per il numero delle unità statistiche prese in considerazione si usa in genere la N (la N maiuscola) per indicare il numero presente nella popolazione intera e n (la n minuscola) per indicare la dimensione o ampiezza del campione. Le statistiche che si possono elaborare a partire da un campione sono usate per stimare i parametri di una popolazione. Conoscendo la media di un campione, possiamo stimare la media di una popolazione; la deviazione standard di un campione fornisce un idea della possibile deviazione standard della popolazione. E così via. Questo processo è chiamato inferenza statistica. Vediamo come funziona. 1) Se incontriamo per la prima volta un animaletto esotico la cui altezza è di 10 cm, è difficile generalizzare la cosa dicendo: dunque tutti questi animali sono alti 10 cm. Tuttavia, ci si fa un idea ipotetica dell altezza di altri esseri di questo tipo. Possiamo, un po avventurosamente, pensare che la loro altezza media sia 10 cm, e l altezza di altri esemplari di questo tipo di animali sia distribuita in maniera normale. Ciò sta a dire che ce ne saranno di più alti e di più bassi, ma che un certo addensamento delle altezze si può collocare intorno ai 10 cm. Questi pensieri derivano dall ipotesi che abbiamo circa la maggiore probabilità di incontrare alcune distribuzioni rispetto ad altre meno comuni. Già in queste condizioni possiamo confrontare tre possibili distribuzioni delle altezze proprie di questo tipo di animali: A, B e C. Fig.1 - Possibili forme di distribuzione delle altezze degli animali. 79
2 Le distribuzioni A e B sono certamente le meno probabili. Infatti la curva A suggerisce che l animaletto che stiamo vedendo sia più di 3 deviazioni standard sopra la media (cioè uno del gruppo dei più alti che costituisce solo lo 0,15 % della popolazione). La curva B, d altra parte, implica che esso si trovi a meno due deviazioni standard sotto la media (cioè, uno del gruppo dei più bassi che costituisce il 2,5 % della popolazione). Certo B è un po più probabile di A, ma tutte e due sono assai meno probabili di C1, C2, C3. Tutte queste distribuzioni hanno media 10 cm, anche se la dispersione nei tre casi è assai diversa: C1 indica una dispersione piccola, C2 media, C3 alta. Fig.2 - Altre possibili forme di distribuzione delle altezze degli animali. Anche se, a esempio, spostassimo un poco la curva C2 come in figura, le cose cambierebbero assai modestamente. Rimarrebbe la tendenza a considerare più probabile una distribuzione che si avvicina a quella normale. 2) All improvviso il nostro animaletto esotico è raggiunto da altri quattro suoi simili, e la loro altezza è 9,2, 9,6, 10,3 e 10,5 cm. A questo punto possiamo avanzare una nuova stima dei parametri della popolazione. La media del nuovo campione, ora formato da cinque elementi, è 9,9 cm. Una statistica non molto diversa dalla precedente, ma possiamo stimare su questa base la dispersione della popolazione. La deviazione standard del nostro campione è di 0,5 cm. Ciò suggerisce il fatto che solo pochi animali di questo tipo siano più bassi di 8,5 cm e più alti di 11,5 cm (cioè di più o meno 3 deviazioni standard). La curva C2 appare ora assai più verosimilmente una buona rappresentazione della distribuzione della popolazione costituita dai nostri animaletti esotici. Cosa possiamo concludere da questo esempio? Che le nostre previsioni possono migliorare sulla base delle nuove informazioni che possiamo raccogliere. Tuttavia, finché ci basiamo su campioni della popolazione non potremo mai essere del tutto certi delle nostre affermazioni. Possiamo però giungere a conclusioni che sono sempre più vicine alla situazione reale. Non solo, ma anche indicare i margini di errore che le nostre previsioni hanno. Riferendoci al nostro esempio, sulla base delle informazioni ora possedute, che probabilità abbiamo di incontrare uno di questi animali che sia alto 12 cm? E di incontrarne uno che sia alto 10,5 cm? E uno che sia alto 8 cm? In termini di probabilità soggettiva: qual è il nostro grado di fiducia nel verificarsi dell evento futuro di incontrare uno di questi animali alto 12, 10,5, 8 cm? 1. La logica della campionatura: la distribuzione delle medie campionarie Supponiamo di aver misurato il ritmo delle pulsazioni cardiache di 50 studenti, che costituiscono la nostra popolazione di riferimento e di aver trovato questi risultati. 80
3 Tab.1 - Pulsazioni cardiache registrate a 50 studenti. L ampiezza della distribuzione è compresa tra 62 e 96 battiti al minuto: = 34. Riassumiamo la statistica descrittiva di questa serie di dati, ottenuta mediante l uso del programma Excel. Media 79,1 Intervallo 34 Mediana 79,5 Minimo 62 Moda 80,81 Massimo 96 Deviazione standard 7,6698 Somma 3955 Varianza 58,8265 Conteggio 50 Prendiamo ora 10 risultati a caso. E un campione della popolazione. La sua media è 78,6 battiti al minuto. Che cos è un campione di una popolazione? E una parte, o sottoinsieme, degli elementi statistici che costituiscono la popolazione. Esistono molti modi per scegliere un campione. In primo luogo occorre deciderne l ampiezza n, cioè il numero di elementi da selezionare. Tale scelta può essere fatta soltanto a caso, nel senso di selezionarli in modo che la probabilità di essere selezionati è uguale per tutte le unità statistiche della popolazione: in questo caso il campione viene denominato casuale. Oppure può essere usato un metodo più sistematico. A esempio, si possono dividere le unità della popolazione in gruppi di uguale dimensione (magari presi da una lista, come l elenco telefonico) e scegliere a caso un elemento per ogni gruppo. Oppure si può tener conto di alcune caratteristiche della popolazione (età, residenza, livello di studi, ecc.) e garantire che il campione sia rappresentativo in maniera proporzionale delle articolazioni, o strati, della popolazione che corrispondono a queste caratteristiche. Si tratta allora di un campione cosiddetto stratificato. Se consideriamo altri quattro campioni della stessa dimensione presi a caso, ci si può aspettare che si ottenga la stessa media per ognuno di essi? Se lo pensiamo, saremo certamente frustrati. I quattro campioni aggiuntivi forniranno quattro medie differenti. Consideriamo cinque campioni di dieci unità prese a caso dai dati precedenti. Possono anche essere le cinque righe della serie di dati della tabella 1. Le medie dei cinque campioni sono: 78,6; 79,6; 78,0; 79,9; 79,4. Otteniamo così una nuova serie di dati: sono le medie dei campioni, che hanno una loro variabilità e per le quali possiamo calcolare le differenti statistiche. La variabilità tra le medie dei campioni è detta distribuzione campionaria delle medie. 81
4 Si può fare anche il conto di quanti campioni è possibile estrarre da una popolazione di N unità statistiche. Nel nostro caso abbiamo 50 unità statistiche, i campioni di 10 unità estraibili possono essere di due tipi: senza reinserimento e con reinserimento. Nel primo caso, se estraggo dieci unità queste non possono essere più conteggiate; nel secondo caso le unità estratte possono essere riconsiderate in una seconda estrazione. Nel primo caso (estrazione casuale senza reinserimento o reimbussolamento) si ha comunque un numero altissimo di possibili campioni. La formula che consente di conteggiare tutti i possibili campioni estraibili da una popolazione di N entità statistiche è quella che fornisce il numero di combinazioni semplici di N elementi presi a n a n. Il numero delle combinazioni possibili di N elementi presi in quantità n ogni volta in modo da non conteggiarli più nel seguito è dato dalla formula N! N(N-1)(N-2)(N-3) = n! (N-n)! n(n-1)(n-2).1x(n-n)(n-n-1)(n-n-2).1 Nel secondo caso (estrazione casuale con reinserimento o reimbussolamento) si ha intuitivamente un numero ancora più grande di possibili casi. Il numero delle combinazioni possibili di N elementi presi in quantità n ogni volta in modo da poter conteggiare di nuovo un elemento già considerato (combinazioni con ripetizione) è dato dalla formula (N +n-1)! (N + n - 1)(N + n -1-1) = n! (N-1)! n(n-1)(n-2).1x(n-1-1)(n-1-2).1 Normalmente si usa scegliere campioni come combinazioni semplici (senza ripetizione). In pratica, come vedremo, ci si limita a scegliere casualmente n entità statistiche tra le N che costituiscono la popolazione. Da un punto di vista teorico è possibile pensare a tutti i campioni che possiamo estrarre da una certa popolazione. Di tutti questi campioni possiamo calcolare le loro medie. Otteniamo così le cosiddette medie campionarie. In formula si scrive: X. La distribuzione di queste medie che forma assumerà? Essa assumerà approssimativamente la forma di una curva normale. Come mai? Nella popolazione considerata i valori tendono a diventare sempre più scarsi a mano a mano che sono più grandi o più piccoli della media. Così in un campione tratto da quella popolazione è più probabile trovare valori simili in dimensione a quelli della media della popolazione che sono molto differenti da essa. Così i campioni che includono valori vicini a quelli della media della popolazione tendono a essere più numerosi di quelli che hanno valori distanti da essa. Viceversa, campioni la cui media è simile a quella della popolazione sono probabilmente più frequenti di quelli la cui media è assai differente da essa. 82
5 E assai facile verificare empiricamente mediante l uso di un calcolatore (e di un programma di calcolo statistico) che la media della distribuzione delle medie dei campioni tende a coincidere con la media della popolazione, se i campioni sono di dimensione o ampiezza abbastanza elevata. La deviazione standard della distribuzione delle medie campionarie viene chiamata errore standard. Questa deviazione dalla media delle medie dei diversi campioni tende a diminuire all aumento della loro dimensione, fino a coincidere esattamente con la media della popolazione quando il campione stesso coincide con la popolazione stessa. Invece, quando la dimensione dei campioni è costante e uguale a n, mentre varia l ampiezza della popolazione, all aumento della deviazione standard della popolazione corrisponde l aumento della deviazione standard della media delle medie campionarie (l errore standard). Inoltre, sia che la popolazione (e di conseguenza i suoi campioni) sia distribuita normalmente, sia che non lo sia, le medie che calcoliamo per i campioni si distribuiscono approssimativamente secondo la distribuzione normale; cioè, più sono grandi i campioni, più essa sarà vicina alla curva normale. Più aumenterà l ampiezza del campione (il numero di unità statistiche considerate per ogni campione) più aumenterà tale approssimazione. Queste considerazioni tendono a giustificare intuitivamente il teorema del limite centrale. Esso afferma in primo luogo quanto segue. Data una qualunque popolazione, la cui distribuzione assume una forma non specificata, al crescere di n, cioè dell ampiezza del campione, la distribuzione delle medie campionarie tende alla distribuzione normale e la media delle medie tende alla media della popolazione. Fig. 3 - Distribuzione delle medie campionarie con campioni di ampiezza 2, 4 e 30 di tre tipi di popolazione. 83
6 Si può fare a questo proposito una osservazione. In genere non si scelgono molti campioni per condurre indagini sui parametri di una popolazione. Anzi, molto spesso si tratta di uno solo. Che fiducia possiamo avere sui risultati che otteniamo? L errore che possiamo fare è in genere abbastanza piccolo. Vedremo in seguito come possiamo calcolarlo con precisione. Diversa è la situazione per quanto riguarda la deviazione standard. Questa in genere sarà più piccola di quella della popolazione. In altre parole la distribuzione delle medie campionarie sarà in generale meno dispersa di quella della popolazione e anche di un singolo campione. La rappresentazione di questa situazione è illustrata dalla figura seguente. La curva A rappresenta la distribuzione della popolazione, la curva C rappresenta la distribuzione del campione, la cui media è un po differente da quella della popolazione, la curva B rappresenta la distribuzione delle medie campionarie. Fig. 4 - Differenza tra la distribuzione della popolazione e quella delle medie campionarie. Per questo motivo e per distinguere la deviazione standard di un singolo campione o di una intera popolazione da quella della distribuzione campionaria, è stata introdotta la denominazione di errore standard per la deviazione standard della distribuzione delle medie campionarie. Anche nel caso della varianza e dell errore standard esistono precise indicazioni contenute nell enunciato del teorema del limite centrale, che però non è possibile giustificare in queste dispense 1. La varianza delle medie campionarie è uguale alla varianza della popolazione divisa per n (ampiezza del campione) e l errore standard della media campionaria è uguale alla deviazione standard della popolazione diviso per la radice quadrata di n. Ecco le formule relative al teorema del limite centrale, che verranno utilizzate nel seguito delle dispense. Spesso si usa la seguente formula per stimare s? partendo dalla varianza del campione. Quando il campione ha ampiezza 1, l errore standard è uguale alla deviazione standard della popolazione, poiché ogni punteggio grezzo coincide con un valore medio. Quando n diventa molto 1 Chi fosse interessato può consultare G. Dall Aglio, Calcolo delle probabilità, Bologna, Zanichelli,
7 grande e tende all infinito, l errore standard tende a zero e la media del campione coincide con la media della popolazione, cioè non c è errore. Fig. 5 - Aumentando l ampiezza del campione diminuisce l errore standard delle medie campionarie. La distribuzione campionaria è uno dei concetti più importanti di tutta la statistica inferenziale. Si tratta di un concetto teorico. Mentre la distribuzione delle frequenze è ottenuta empiricamente, osservando o misurando direttamente le differenti unità statistiche e ottenendo così i dati grezzi, la distribuzione campionaria è derivata teoricamente a partire da una infinita serie di campioni della stessa dimensione scelti nella popolazione studiata. E possibile d altronde elaborare distribuzioni campionarie per tutti i tipi di statistiche come medie e deviazioni standard. 2. Applicazioni della distribuzione campionaria Sulla base del teorema del limite centrale possiamo affermare che la distribuzione normale rappresenta abbastanza bene la distribuzione campionaria quando l ampiezza n del campione è superiore a 30. Il grande vantaggio di questa conoscenza sta nel fatto che possiamo utilizzare quello che già sappiamo circa la deviazione standard, i punteggi z, i percentili, le aree sotto la curva normale, ecc. Iniziamo con l introdurre il concetto di errore campionario. Esso esprime la differenza che possiamo riscontrare tra la media del campione X e la media della popolazione µ: X µ. Questi errori in genere sono dovuti a fattori casuali e la distribuzione di questi errori tende ad assumere un andamento assimilabile a quello della curva normale e di conseguenza la loro somma tende a zero: S (X µ) = 0. Ciò ci consente di stimare l ampiezza dei valori che la media campionaria può assumere. Immaginiamo di scegliere un campione di 100 soggetti tra una popolazione. La media del campione è 45 e la deviazione standard è 3,5. Se scegliamo un altro campione, quale differenza ci aspettiamo tra le medie dei due campioni? Se escludiamo errori sistematici, la differenza è abbastanza limitata ed è dovuta al caso. Se continuiamo a scegliere altri campioni, la distribuzione campionaria delle medie trovate avrà una sua media e una sua deviazione standard. Queste si possono trovare con le formule precedentemente introdotte. 85
8 Tuttavia, quando intendiamo stimare la deviazione standard della popolazione, si riscontra il fatto che la varianza della distribuzione campionaria delle medie fornisce un valore distorto della varianza della popolazione, in quanto la sottostima. Si è trovato che un valore non distorto della varianza della popolazione si può stimare, utilizzando la seguente formula: La stima dell errore standard della media nel nostro esempio sarà dunque: N = 100 s = 3,5 Quanto alle medie che troviamo possiamo stimare quello che si chiama l intervallo di confidenza per la media, che indica la probabile ampiezza dell intervallo numerico entro il quale si collocheranno le medie via via trovate. Dal momento che la distribuzione delle medie dei campioni tende a distribuirsi normalmente e i nostri campioni sono abbastanza ampi, possiamo usare le conoscenze che abbiamo circa i punteggi standard: in particolare che approssimativamente il 68% dei punteggi si colloca a una deviazione standard sopra e sotto la media. Un intervallo di confidenza del 68 % è dato dunque dalla media più o meno la deviazione standard. Utilizzando i valori sopra indicati si ha un intervallo compreso tra: X = 45 s x = 0, ,35 = 44,65 e ,35 = 45,35 Possiamo anche determinare il grado di probabilità che intendiamo utilizzare nella nostra stima. Normalmente si usano gradi di probabilità del 95% e del 99%, ciò è possibile ricordando che in questi casi basta considerare la media più o meno due volte o tre volte la deviazione standard: un punteggio z di più o meno 1,96 rappresenta il 95% dei punteggi intorno alla media; mentre un punteggio z di più o meno 2,58 rappresenta il 99 % dei punteggi. Occorre comunque ricordare che si tratta di campioni che hanno un ampiezza n uguale o maggiore di 100. Per quelli di ampiezza inferiore verrà ripreso il discorso in seguito, introducendo il concetto di distribuzione di t di Student. Inoltre, occorre fare attenzione al significato esatto di intervallo di confidenza. Esso si riferisce soltanto alla probabilità che in esso si collochino le medie dei campioni di una data ampiezza, nulla dice sulla probabilità che la media di 45 sia quella corretta. 86
9 Tab. 2 - Esempi di intervalli di confidenza del 68%, 95% e 99%, quando la media è 45, la deviazione standard 3,5 e l ampiezza del campione è 100. Fig. 6 - Illustrazione della distribuzione normale con tre comuni intervalli di confidenza. Nello stimare i parametri di una popolazione a partire da un suo campione viene sempre usato il concetto di probabilità. A questo proposito è necessario aggiungere alcune precisazioni. Parlando di differenze tra valore reale e valore stimato, a esempio, noi possiamo non tener conto della direzione di questa differenza, cioè non considerare i due casi possibili: che la nostra stima sia inferiore alla media reale, oppure che essa sia superiore a essa. In altri casi, invece, è necessario o opportuno tener conto anche della direzione che assume questa differenza. Evidentemente la probabilità del verificarsi di un evento di questo tipo dipende anche dalle sue caratteristiche. 87
10 Primo caso: valore di probabilità a una coda. Consideriamo una popolazione la cui media sia µ = 50 e la cui deviazione standard si s = 10. Qual è la probabilità di ottenere un punteggio uguale o maggiore di 60? Possiamo trasformare il punteggio grezzo 60 in punteggio z (o punteggio standard): Quello che ora cerchiamo è la probabilità di ottenere un punteggio uguale o superiore al punteggio z = 1. Nell apposita tabella troviamo che la probabilità di trovare un punteggio uguale o superiore a z = 1, cioè come punteggio grezzo 60, è di circa il 16 %. Secondo caso: valore di probabilità a due code. Consideriamo sempre una popolazione la cui media sia µ = 50 e la cui deviazione standard sia s = 10. Qual è la probabilità di ottenere un punteggio uguale o maggiore di 60 oppure uguale o inferiore a 40? I due punteggi trasformati in punteggi standard danno z = +1 e z = -1. Ambedue i punteggi stanno a una deviazione standard di distanza dalla media. Ciò che cerchiamo è la probabilità di ottenere un punteggio uguale o superiore al punteggio z = +1, oppure uguale o inferiore a z = -1. Data la simmetria della situazione è abbastanza evidente che la probabilità debba essere raddoppiata, in quanto è di circa il 16% la probabilità di ottenere un punteggio uguale o superiore a z = +1 (o 60 in punteggio grezzo) e di circa il 16% è la probabilità di ottenere un punteggio uguale o inferiore a z = -1 (o 40 in punteggio grezzo). Naturalmente è possibile partire dalla probabilità desiderata per trovare il punteggio corrispondente. Il percorso è inverso a quello descritto e utilizza la formula inversa di quella per trovare i punti z. Dalle tavole si individua il valore di z corrispondente alla probabilità richiesta, poi si usa la formula seguente per trovare il punteggio X: 88
Il 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 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
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
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
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
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
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
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
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
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
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
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
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
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
DettagliLA DISTRIBUZIONE NORMALE
LA DISTRIBUZIONE NORMALE Italo Nofroni Statistica medica - Facoltà di Medicina Sapienza - Roma La più nota ed importante distribuzione di probabilità è, senza alcun dubbio, la Distribuzione normale, anche
DettagliSTATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE
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
DettagliÈ possibile trovare la popolazione di origine conoscendone un campione? o meglio. partendo dalla conoscenza di n, x e d.s.?
Statistica6-06/10/2015 È possibile trovare la popolazione di origine conoscendone un campione? o meglio. È possibile conoscere σ e μ partendo dalla conoscenza di n, x e d.s.? 1 A partire da un campione
Dettaglile scale di misura scala nominale scala ordinale DIAGNOSTICA PSICOLOGICA lezione si basano su tre elementi:
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it si basano su tre elementi: le scale di misura sistema empirico: un insieme di entità non numeriche (es. insieme di persone; insieme
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliCampionamento 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:
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,
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 9-Introduzione alla statistica inferenziale (vers. 1.2, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
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
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
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
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
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
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
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
Dettaglidistribuzione della popolazione campionata distribuzione di quantità che dipendono dal campione (distribuzioni campionarie)
Obiettivi lezione 4 CAPIRE: distribuzione della popolazione campionata distribuzione di quantità che dipendono dal campione (distribuzioni campionarie) CONOSCERE: Le distribuzioni della media campionaria,
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
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
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
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
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
DettagliTest d Ipotesi Introduzione
Test d Ipotesi Introduzione Uno degli scopi più importanti di un analisi statistica è quello di utilizzare i dati provenienti da un campione per fare inferenza sulla popolazione da cui è stato estratto
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 13-Il t-test per campioni indipendenti vers. 1.1 (12 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di
DettagliSintesi dei dati in una tabella. Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6)
Sintesi dei dati in una tabella Misure di variabilità (cap. 4) Misure di forma (cap. 5) Statistica descrittiva (cap. 6) Sintesi dei dati Spesso si vuole effettuare una sintesi dei dati per ottenere indici
DettagliIl confronto tra due campioni
DECIMA UNITA Il confronto tra due campioni Nell unità precedente abbiamo approfondito come si può procedere nello stimare i parametri di una popolazione a partire dalle statistiche di un suo campione.
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
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
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
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
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
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
DettagliDESCRITTIVE, TEST T PER IL CONFRONTO DELLE MEDIE DI CAMPIONI INDIPENDENTI.
Corso di Laurea Specialistica in Biologia Sanitaria, Universita' di Padova C.I. di Metodi statistici per la Biologia, Informatica e Laboratorio di Informatica (Mod. B) Docente: Dr. Stefania Bortoluzzi
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
DettagliPSICOMETRIA. Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI
PSICOMETRIA Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI CAMPIONI INDIPENDENTI Campioni estratti casualmente dalla popolazione con caratteristiche omogenee Assegnazione
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
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
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
DettagliApprossimazione normale alla distribuzione binomiale
Approssimazione normale alla distribuzione binomiale P b (X r) costoso P b (X r) P(X r) per N grande Teorema: Se la variabile casuale X ha una distribuzione binomiale con parametri N e p, allora, per N
DettagliStatistica. Lezione 4
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 4 a.a 2011-2012 Dott.ssa Daniela
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 05-Deviazione standard e punteggi z vers. 1.1 (22 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliCapitolo 7. Distribuzioni campionarie. Statistica. Levine, Krehbiel, Berenson
Levine, Krehbiel, Berenson Statistica Capitolo 7 Distribuzioni campionarie Insegnamento: Statistica Applicata Corsi di Laurea in "Scienze e tecnologie Alimentari" Unità Integrata Organizzativa Agraria,
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
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
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
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
DettagliProprietà della varianza
Proprietà della varianza Proprietà della varianza Proprietà della varianza Proprietà della varianza Intermezzo: ma perché dovremmo darci la pena di studiare come calcolare la varianza nel caso di somme,
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
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
DettagliElementi di Psicometria
Elementi di Psicometria 7-Punti z e punti T vers. 1.0a (21 marzo 2011) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia)
DettagliCapitolo 6 La distribuzione normale
Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università
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
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
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
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliCapitolo 5 Confidenza, significatività, test di Student e del χ 2
Capitolo 5 Confidenza, significatività, test di Student e del χ 5.1 L inferenza Se conosciamo la legge di probabilità di un evento (a priori o a posteriori) possiamo fare delle previsioni su come l evento
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
DettagliCapitolo 3 Sintesi e descrizione dei dati quantitativi
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 3 Sintesi e descrizione dei dati quantitativi Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e tecnologie Alimentari" Unità
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:
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.
DettagliCON O SENZA REIMMISSIONE
CAMPIONAMENTO Per una buona inferenza o induzione statistica, bisogna affrontare il problema del campionamento, ovvero del come raccogliere un campione della popolazione affinché la si possa studiare induttivamente.
DettagliCapitolo 6. Variabili casuali continue. 6.1 La densità di probabilità
Capitolo 6 Variabili casuali continue Le definizioni di probabilità che abbiamo finora usato sono adatte solo per una variabile casuale che possa assumere solo valori discreti; vediamo innanzi tutto come
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
DettagliFENOMENI CASUALI. fenomeni casuali
PROBABILITÀ 94 FENOMENI CASUALI La probabilità si occupa di fenomeni casuali fenomeni di cui, a priori, non si sa quale esito si verificherà. Esempio Lancio di una moneta Testa o Croce? 95 DEFINIZIONI
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
DettagliLIMITI E DERIVATE DI UNA FUNZIONE
LIMITI E DERIVATE DI UNA FUNZIONE INTRODUZIONE In generale, abbiamo un idea chiara del significato di pendenza quando viene utilizzata in contesti concernenti l esperienza quotidiana, ad esempio quando
DettagliVariabile casuale Normale
Variabile casuale Normale La var. casuale Normale (o Gaussiana) è considerata la più importante distribuzione Statistica per le innumerevoli Applicazioni e per le rilevanti proprietà di cui gode L'importanza
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale indicabile con un indice (indice
DettagliVariabile Casuale Normale
Variabile Casuale Normale Variabile Casuale Normale o Gaussiana E una variabile casuale continua che assume tutti i numeri reali, è definita dalla seguente funzione di densità: 1 f( x) = e σ 2 π ( x µ
DettagliStatistica. Matematica con Elementi di Statistica a.a. 2015/16
Statistica La statistica è la scienza che organizza e analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva: dalla mole di dati
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
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
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
Dettaglisi tratta del test del chi-quadro di adattamento e di quello di indipendenza. 1 l ipotesi che la popolazione segua una legge fissata;
di : dado : normale Finora abbiamo visto test d ipotesi per testare ipotesi differenti, ma tutte concernenti il valore atteso di una o due popolazioni. In questo capitolo vediamo come testare 1 l ipotesi
DettagliStrumenti di indagine per la valutazione psicologica
Strumenti di indagine per la valutazione psicologica.3 - La distribuzione normale Tempi di reazione Registrati i tempi di reazione (in millisecondi) a uno stimolo (n = 30). Classe Freq Freq relative Densità
DettagliC.I. di Metodologia clinica
C.I. di Metodologia clinica Modulo 5. I metodi per la sintesi e la comunicazione delle informazioni sulla salute Quali errori influenzano le stime? L errore casuale I metodi per la produzione delle informazioni
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
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
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
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
DettagliCAPITOLO QUINTO DISTRIBUZIONE NORMALE
CAPITOLO QUINTO DISTRIBUZIONE NORMALE 1. Probabilità nel continuo Fino ad ora abbiamo considerato casi in cui l insieme degli eventi elementari è finito. Vediamo, mediante due semplici esempi, come si
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
DettagliAnalizzare in termini quantitativi significa basarsi su dati e non su idee o ipotesi
Statistica La Statistica è una metodologia per l analisi quantitativa dei fenomeni collettivi, cioè fenomeni il cui studio richiede l osservazione di un insieme di manifestazioni individuali Analizzare
DettagliINDICATORI DI TENDENZA CENTRALE
INDICATORI DI TENDENZA CENTRALE INDICATORI DI TENDENZA CENTRALE Consentono di sintetizzare un insieme di misure tramite un unico valore rappresentativo indice che riassume o descrive i dati e dipende dalla
Dettagli