Test di ipotesi su due campioni
|
|
- Gerardina Salvatori
- 7 anni fa
- Visualizzazioni
Transcript
1 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: unità statistiche esistono in virtù della realizzazione di un esperimento. Esempio:confronto tra tassi di guarigione connessi all uso di due farmaci: uno tradizionale e uno innovativo. Esempio:confronto del peso di una bustina di tè prodotta da due diversi prototipi di macchine. In genere vengono messe a confronto una popolazione effettiva ed una ipotetica.
2 2/0/20 Confronto tra due popolazioni (gaussiane) Esempio: In una prova sono stati messi a confronto i carichi di rottura di due tipi di corda. Si dispone di due campioni di ampiezza 20 rispettivamente. Tipo A Tipo B 80,8 79,8,39 73,32 88,92 7, 204,9 74,2 203,04 8,7 20,9 8,0 2,98 87,09 8,83 77,2 20, 84,08 9,22 9,94 7,08,74 0,28 92,07 7,97 80,22 70,83 72,79 73,8 80,8 3,9 8,98 7,89 90, 79,32,0 87,30 70,70 79,89 2,3 Si chiede di confrontare le due popolazioni per stabilire se la risposta alla rottura è la stessa. Stabilire se le due popolazioni possono considerarsi indipendenti. Calcolare il coefficiente di correlazione di Pearson: -0, Stabilire se ogni campione proviene da una popolazione gaussiana E necessario verificare questa ipotesi per campioni casuali con taglie inferiori alle unità. Density Tipo A Tipo A kernel = epanechnikov, bandwidth = ernel density estimate ernel density estimate Normal density Dal grafico risulta che la popolazione del Tipo B potrebbe avere legge gaussiana. Density Verifiche grafiche Dal grafico risulta che la popolazione del Tipo A potrebbe avere legge gaussiana. La curva blu che appare sul grafico è uno stimatore della distribuzione di frequenze, anche detto stimatore kernel. ernel density estimate Tipo B kernel = epanechnikov, bandwidth = ernel density estimate Normal density Tipo B 2
3 2/0/20 Normal F[(tipoa-m)/s] Tipo A Normal F[(tipob-m)/s] Tipo B Empirical P[i] = i/(n+) Medie campionarie: =78,72 =7,3 Deviazioni campionarie: s =,83274 =3,28298 Normal probability plot Nei grafici (effettuati con STATA) la funzione empirica è posta pari a: ( () )= I grafici mostrano entrambi andamenti lineari Empirical P[i] = i/(n+) Test di olmogorov per il Tipo A: statistica test 0,27 regione accettazione: (0;0,29408) Poiché la statistica test appartiene alla regione di accettazione, non si rigetta l ipotesi di popolazione gaussiana. Test di olmogorov per il Tipo B: statistica test 0,9 regione accettazione: (0;0,29408) Poiché la statistica test appartiene alla regione di accettazione, non si rigetta l ipotesi di popolazione gaussiana. Density var3 kernel = epanechnikov, bandwidth = 0.00 ernel density estimate ernel density estimate Normal density Il grafico si riferisce al campione casuale ottenuto effettuando la differenza tra i due campioni casuali: tipo A tipo B Come si evince dal grafico, la popolazione è ancora gaussiana. La media campionaria è 2, pari a - = 78,72 7,3 3
4 2/0/20 Differenze tra variabili aleatorie ' ' ' ' =!! "#$ = & ' ' =!! "#$ ' ' = () * & () ) Pertanto la v.a. che si ottiene per standardizzazione di ' -' è gaussiana standard: +' *,+' ), - *,- ). ) * /.) ) / ~ (0,) Intervallo di confidenza al livello 9 : 3 ' ' 4, & <!! <' ' &4, & Regione di accettazione di significatività : 3!! 4, & <' ' <!! &4, & Quale risulta essere l ipotesi nulla? ; < :!! = < La procedura del test resta analoga al caso univariato ; :!! < < 44## 4
5 2/0/20 Intervallo di confidenza per differenza tra medie Si assuma che per i dati dell esempio le deviazione standard teoriche siano rispettivamente: =4 e =0. Per l intervallo di confidenza, occorre calcolare l errore standard della media campionaria: ( ) * & () ) = C) < & <) < =3,8 I limiti dell intervallo di confidenza sono: 4,93 (78,72 7,3),9 3,8,9 3,8 0, Si osservi che lo 0 è contenuto nell intervallo di confidenza, pertanto potrebbe accadere che!! =0 Questo significa che le due popolazioni hanno la stessa media. Questa ipotesi può essere verificata con un test. Test di ipotesi per differenza tra medie (varianze note) Volendo confrontare le medie delle due popolazioni: ; < :!! = 0 ; :!! 0 In tal caso la regione di accettazione risulta essere 4, & ;4, & Con un livello di significatività pari a 0,0, la regione di accettazione risulta essere: (-7,4;7,4) Poiché la differenza delle medie campionarie 2, appartiene alla regione di accettazione il test non rigetta l ipotesi nulla. In tal caso è possibile calcolare l errore di II tipo. Ad esempio: 3 7,4<' ' <7,4!! = 2 = 3 7,4 2 3,8 < ' ' 2 < 7,4 2 4,79 3,8 = 3 2,48<H<,44 = 0,92-0,00
6 2/0/20 Se il test è a una coda: ; :!! > < 3 ' ' < < &4, & Regione di accettazione 0,4 3,8 La media campionaria 2, appartiene alla regione di accettazione ;,32 Pertanto l ipotesi nulla non si rigetta. Se il test è a una coda: ; :!! < < 3 ' ' > < 4, & Regione di accettazione 0,4 3,8 La media campionaria 2, appartiene alla regione di accettazione,32; Pertanto l ipotesi nulla non si rigetta. Differenze tra variabili aleatorie, taglie diverse: ' ' ' ' =!! "#$ = & ' ' =!! "#$ ' ' = () * * & () ) )
7 2/0/20 Pertanto la v.a. che si ottiene per standardizzazione di ' ' è gaussiana standard. +' *,+' ), - *,- ). ) * /*.) ) /) ~ (0,) Intervallo di confidenza al livello 9 : 3 ' ' 4, & <!! <' ' &4, & Regione di accettazione di significatività : 3!! 4, & <' ' <!! &4, & Quale risulta essere l ipotesi nulla? ; < :!! = < La procedura del test resta analoga al caso precedente. ; :!! < < 44## Differenza tra medie (varianze incognite ma uguali) Se le taglie sono maggiori di 20, basta sostituire alle varianze teoriche le varianze campionarie: Intervallo di confidenza al livello 9 : 3 ' ' 4, & <!! <' ' &4, & Regione di accettazione di significatività : 3!! 4, & <' ' <!! &4, & Nell esempio considerato si ha =283,30 e =7,4 L errore campionario risulta essere: L ) * * & L) ) ) = 4,79 L intervallo di confidenza risulta essere: (-,79;2) La regione di accettazione risulta essere: (-9,39;9,39) Si osservi che 0 è in (-,79;2) Si osservi che 2, è in (-9,39;9,39) 7
8 2/0/20 Differenza tra medie (varianze incognite ma uguali) Se le taglie sono minori di 20, è necessario modificare la legge della statistica test. Come nel caso univariato, la legge della popolazione è una v.a. T-Student. +' *,+' ), - *,- ) L M * /* ) /) ~N * ), dove O è la deviazione standard pesata tra le deviazioni standard delle due popolazioni: O = & 2 & & 2 Titolo Titolo 2 9,0 89,9 Esempio: La seguente tabella mostra la percentuale di rendimento annuale ( 00) di due titoli azionari. Verificare se i due titoli possono ritenersi uguali in media. Fissiamo a 0,0 il livello di significatività del test. Ipotesi nulla:!! =0 Ipotesi alternativa:!! 0 94,8 90,9 92,8 90,4 9,39 93,2 9,79 97,9 89,07 97,04 94,72 9,07 89,2 92,7 Si determina la deviazione standard pesata, ossia O = 8 8,7& 8&8 2 8&8 2 8,88=2,70 Intervallo di confidenza al livello 9 : 3 ' ',,* ), O & <!! <' ' &,,* ), O & Regione di accettazione di significatività : 3!!,,* ), O & <' ' <!! &,,* ), O & Poichè,, * ), O & =2,4 2,70 0,=2,89 e la differenza tra le medie campionarie risulta essere -0,478 si ha: L intervallo di confidenza risulta essere: (-3,37;2,4) La regione di accettazione risulta essere: (-2,89;2,89) Si osservi che 0 è in (-3,37;2,4) Si osservi che -0,478 è in (-2,89;2,89) 8
9 2/0/20 Perché sia possibile applicare entrambe le formule, è necessario verificare che i due campioni provengano da popolazioni gaussiane. Normal F[(var-m)/s] Titolo Normal F[(var2-m)/s] Empirical P[i] = i/(n+) Titolo Empirical P[i] = i/(n+) Differenza tra percentuali Se la popolazione da cui proviene il campione casuale è di Bernoulli, allora le medie campionarie hanno legge gaussiana:! =! = ' ' =!! "#$ ' ' = () * * & () ) ) = = Esempio: Alle ultime elezioni politiche in un seggio X il partito A ha ricevuto il 3 delle preferenzesu 27 votanti. Alle elezioni precedenti, lo stesso partito e nello stesso seggio aveva ricevuto il 43 delle preferenze su 94 votanti. Stabilire in quale tornata elettorale il partito ha avuto un rendimento migliore. +' *,+' ), - *,- ). ) * /*.) ) /) ~ (0,) +' *,+' ), O *,O ) M*(*PM*) M )(*PM)) /* /) ~ (0,) 9
10 2/0/20 Intervallo di confidenza al livello 9 : 3 ' ' 4, ( ) & ( ) < <' ' &4, ( ) & ( ) 3 4, ( ) & ( ) < < &4, ( ) & ( ) ( ) =0,00082 ( ) = 0,00027 ( ) & ( ) =-0,07 =0, L intervallo di confidenza è (-0,029;-0,) Poiché lo 0 non appartiene all intervallo di confidenza, i due risultati elettorali sono diversi. Poiché l intervallo di confidenza è a sinistra dello 0, allora <0, ossia nella prima tornata elettorale il partito A ha avuto minori preferenze. Per conoscere il margine di errore di queste conclusioni è necessario effettuare un test. Ipotesi nulla: =0 Per determinare la regione di accettazione, si consideri l intervallo di confidenza: 3 ' ' 4, ( ) & ( ) < <' ' &4, ( ) & ( ) E necessario scambiare con ' ' : 3 4, ( ) & ( ) <' ' < &4, ( ) & ( ) Poiché la regione di accettazione viene calcolata sotto ipotesi nulla, ossia =0ciò implica che 3 4, ( ) & ( ) <' ' < &4, ( ) & ( ) ( ) & ( ) = & = ( ) & E possibile determinare una stima di p usando tutto il campione casuale dove rappresenta il no. di votanti il partito A al I turno e rappresenta il no. di votanti il partito A al II turno 0
11 Impossibile visualizzare l'immagine. 2/0/20 Pertanto la regione di accettazione risulta essere: 3 4, ( ) & < <4, ( ) & Nell esempio: =no. di votanti il partito A al I turno=0,3 27=4,2 =no. di votanti il partito A al II turno=0,43 94=40,22 = CRS, ST & C <, URC =0,039 4, ( ) & =0,033 Se l ipotesi alternativa è 0,poiché =-0,07 ( 0,33;0,33) allora l ipotesi nulla si rigetta. Se l ipotesi alternativa è <0,poiché = 0,07 ( 0,33; ) 4, ( ) * & ) =0,027 allora l ipotesi nulla si rigetta. Pertanto il partito A ha preso alle elezioni precedenti una percentuale di preferenze inferiore con un margine di errore del. Test sulla differenza tra medie per dati accoppiati Esempio: 0 pazienti sono stati sottoposti ad una cura dietetica. I loro pesi sono stati registrati prima e dopo la cura. Stabilire se la cura è efficace. prima dopo 87,7 84, 9,8 87,7, 99,4 90,4 8, 84, 78,7 94, 88, 9,7 89, 0,7 99,4 32,3 2, 39, 28,2 Differenze 3, 8,,7 4,9,4,8 7,2,2 7,2,2 =7, = 2,88 Nota: I valori 7,2 e,2 si ripetono. Si tratta di effettuare un test (univariato) sul campione casuale delle differenze E necessario effettuare un S test per verificare se il campione proviene da una popolazione gaussiana. Norm. Plot Normal F[(var3-m)/s] Empirical P[i] = i/(n+)
12 Impossibile visualizzare l'immagine. Impossibile visualizzare l'immagine. Impossibile visualizzare l'immagine. 2/0/20 Dati Fr.empirica Distr.Norm. Differenze 3, 0, 0,080 0,020 4,9 0,2 0,7 0,02,4 0,3 0,28 0,082,8 0,4 0,2 0,34 7,2 0, 0,438 0,2 8, 0,7 0,2 0,38,2 0,9 0,894 0,00,7 0,920 0,080 L ipotesi di distribuzione gaussiana non si rigetta. Nell effettuare il test, si sceglie come ipotesi alternativa che la cura dietetica non ha sortito effetto. ; < :! <! < = 0 ; :!! < =0 <,UR; < =,82 La regione di rifiuto del test è La regione di rifiuto del test è! < &,;,84; ; Test sulla differenza delle varianze Esempio: In una prova sono stati messi a confronto i carichi di rottura di due tipi di corda. Si dispone di due campioni di ampiezza 20 rispettivamente. Tipo A Tipo B 80,8 79,8,39 73,32 88,92 7, 204,9 74,2 203,04 8,7 20,9 8,0 2,98 87,09 8,83 77,2 20, 84,08 9,22 9,94 7,08,74 0,28 92,07 7,97 80,22 70,83 72,79 73,8 80,8 3,9 8,98 7,89 90, 79,32,0 87,30 70,70 79,89 2,3 Si chiede di confrontare le due popolazioni per stabilire se la risposta alla rottura è la stessa. Per decidere se è possibile usare un T-test sulla differenza delle medie è necessario stabilire se le varianze sono uguali. Se L * ) L ) )~ allora è possibile ritenere uguali le due varianze. Quanto prossimo ad uno? Ricordando che: il rapporto L) ( )XY con gradi di libertà ~ Y Y si consideri Questa variabile aleatoria è legata alla legge di Fisher. 2
13 2/0/20 Distribuzione di Fisher Il rapporto tra due variabili aleatorie con legge chi-quadrato, rapportate ai loro gradi di libertà, ha legge di Fisher. Y Z *, ) ~ Y Z La v.a. di Fisher è caratterizzata da due parametri, detti gradi di libertà, e. Indicato con A,*, ) il percentile 3 *, ) <A,*, ) = 8 si ha A,*, ) = A,, ), * Dal rapporto allora X *, ) *, [ * ).* )/ *, ), [ ) ).) )/ ), X X *, ) se vale l ipotesi nulla = Y,* Y, ),, *, ) 3 Y,* <, * ), ) < Y,, *, ) Se vale l ipotesi nulla allora 3 Y,* < <Y, ),, *, ) che risulta essere la regione di accettazione. 3
14 2/0/20 Nell esempio risulta essere = 283,3032; = 7,4 ossia 283,30 Z 7,4 =, Per i percentili Y <,UTR, <, < =2,4 Y <,< R, <, < =,CS = 0,40 La regione di accettazione è (0,477;2,2) poichè, 0,40; 2,4 l ipotesi nulla non si rigetta Pertanto il T-test sulla differenza delle medie va applicato con varianze uguali. Per il test a una coda, nel caso di ipotesi alternativa ; : () * ( ) ) < la regione di accettazione è 3 *, ) >Y, *, ) Y <,<R, <, < =, = 0,47 4
Test di ipotesi. Test
Test di ipotesi Test E una metodologia statistica che consente di prendere una decisione. Esempio: Un supermercato riceve dal proprio fornitore l assicurazione che non più del 5% delle mele di tipo A dell
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 statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliProva scritta di Statistica
Prova scritta di Statistica 5 Febbraio 2016 1. Da un indagine riguardante l utilizzo del telefono cellulare si sono ottenuti i seguenti risultati: Età No.telefonini Chiamate Spesa sett. Bluetooth 20 2
DettagliStatistica parametrica e non parametrica. Gli intervalli di confidenza
Statistica parametrica e non parametrica Per un campione univariato Gli intervalli di confidenza MEDIA CAMPIONARIA MEDIA VERA 1 Gli intervalli di confidenza 3 Gli intervalli di confidenza 4 Una introduzione
DettagliSoluzioni prova scritta di Complementi di Probabilità e Statistica (29/06)
Soluzioni prova scritta di Complementi di Probabilità e Statistica (29/6). (a) Per costruire il box plot, vengono determinati minimo=,, massimo=,97, mediana=,455, I quartile=,3375 e III quartile=,745 dei
DettagliIndice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
DettagliESERCITAZIONE N. 7 corso di statistica
ESERCITAZIONE N. 7corso di statistica p. 1/15 ESERCITAZIONE N. 7 corso di statistica Marco Picone Università Roma Tre ESERCITAZIONE N. 7corso di statistica p. 2/15 Introduzione Variabili aleatorie continue
DettagliCorso di STATISTICA EGA - Classe 1 aa Docenti: Luca Frigau, Claudio Conversano
Corso di STATISTICA EGA - Classe 1 aa 2017-2018 Docenti: Luca Frigau, Claudio Conversano Il corso è organizzato in 36 incontri, per un totale di 72 ore di lezione. Sono previste 18 ore di esercitazione
DettagliMetodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione
Metodi statistici per la ricerca sociale Capitolo 7. Confronto tra Due Gruppi Esercitazione Alessandra Mattei Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) Università degli Studi di Firenze
DettagliUniversità degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1 Lezione 1 - Martedì 23 Settembre 2014 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
DettagliSTATISTICA. Esercitazione 5
STATISTICA Esercitazione 5 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale due compiti diversi con i seguenti risultati: Compito A Compito B Numero studenti 102 105 Media dei
DettagliEsercizi di statistica inferenziale
Dipartimento di Fisica SMID a.a. 004/005 Esercizi di statistica inferenziale Prof. Maria Antonietta Penco tel. 0103536404 penco@fisica.unige.it 6/1/005 Esercizio1 E noto che un grande numero di pazienti
DettagliUniversità degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1 Lezione 1 - Mercoledì 28 Settembre 2016 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
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
DettagliStatistica - Prova scritta - 23 luglio 2015 (A) Le risposte prive di adeguata motivazione non saranno prese in considerazione
Statistica - Prova scritta - 23 luglio 2015 (A) Le risposte prive di adeguata motivazione non saranno prese in considerazione 1. La durata di una lampadina è una variabile aleatoria normale di media 10,3
DettagliTempo disponibile: 60 minuti
Corso di Specialistica in Biotecnologie Statistica medica. A.A. 005-006 6 Marzo 006 Tempo disponibile: 60 minuti 1. Conducete uno studio clinico controllato randomizzato di fase III per misurare l'effetto
DettagliStatistica Compito A
Statistica Compito A Prova scritta del 3 Luglio 2015 1. Il seguente campione casuale si riferisce al numero di difetti riscontrati su 1 metro-quadrato di stoffa: 0 7 1 5 2 6 3 4 4 3 5 2 6 1 7 2 (a) Cosa
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliCognome e nome Tempo disponibile: 60 minuti. Esempio 1 Esempio 2
Corso di Laurea in Medicina e Chirurgia Statistica medica. A.A. 2005-2006 5 Luglio 2006 Cognome e nome Tempo disponibile: 60 minuti 1. Scrivete due esempi di variabili del seguente tipo: Nominale Esempio
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (STANDARD) Modalità B (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
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
DettagliUniversità degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1 Lezione 1 - Mercoledì 27 Settembre 2017 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliLa statistica è la scienza che permette di conoscere il mondo intorno a noi attraverso i dati.
RICHIAMI DI STATISTICA La statistica è la scienza che permette di conoscere il mondo intorno a noi attraverso i dati. Quale è la media della distribuzione del reddito dei neolaureati? Per rispondere dovremmo
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Ines Campa Probabilità e Statistica - Esercitazioni
DettagliIL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI
IL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI Perchè confrontare le varianze stimate in due campioni? Torniamo all'esempio dei frinosomi Per poter applicare il test t avevamo detto che le varianze, e
Dettagli1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliContenuti: Capitolo 14 del libro di testo
Test d Ipotesi / TIPICI PROBLEMI DI VERIFICA DI IPOTESI SONO Test per la media Test per una proporzione Test per la varianza Test per due campioni indipendenti Test di indipendenza Contenuti Capitolo 4
DettagliESAME. 9 Gennaio 2017 COMPITO A
ESAME 9 Gennaio 2017 COMPITO A Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliProva scritta di Complementi di Probabilità e Statistica 19 Luglio 2005 (consegnare solo il file word)
Prova scritta di Complementi di Probabilità e Statistica 19 Luglio 2 (consegnare solo il file word) La tabella si riferisce alla lunghezze di 4 sbarre di acciaio ottenute per taglio manuale con l ausilio
DettagliStatistica Inferenziale La verifica di ipotesi. Davide Barbieri
Statistica Inferenziale La verifica di ipotesi Davide Barbieri Inferenza statistica Inferenza: procedimento di induzione, dal particolare al generale. Stima di un parametro della popolazione partendo da
DettagliProva di recupero di Probabilità e Statistica - A * 21/04/2006
Prova di recupero di Probabilità e Statistica - A * /04/006 (NB: saranno prese in considerazione solo le risposte adeguatamente motivate) tempo di lavoro: Due ore. Per conseguire la patente di guida, un
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Università di Venezia Esame di Statistica A-Di Prof. M. Romanazzi 25 Maggio 2015 Cognome e Nome..................................... N. Matricola.......... Valutazione Il punteggio massimo teorico di
DettagliTEST DI AUTOVALUTAZIONE TEST CHI-QUADRO. 1 Parte A In un test χ 2 di adattamento viene verificato
TEST DI AUTOVALUTAZIONE TEST CHI-QUADRO I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia 1 Parte A 1.1 In un test χ 2
Dettagli1.4. Siano X B(1, 1/2) e Y B(1, 1/2) variabili aleatorie indipendenti. Quale delle seguenti affermazioni é falsa? E(X + Y ) = 1 V ar(x + Y ) = 1/2
Statistica N. Crediti: Cognome: Laurea Triennale in Biologia Nome: 4 settembre 2012 Matricola: 1. Parte A 1.1. Siano x 1, x 2,..., x 10 i dati relativi al peso di 10 neonati espressi in chilogrammi e y
DettagliSommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51
Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2018-2019 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliTeorema del Limite Centrale
Teorema del Limite Centrale Teorema. Sia data una popolazione numerica infinita di media µ e deviazione standard σ da cui vengono estratti dei campioni casuali formati ciascuno da n individui, con n abbastanza
DettagliL'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile. Corso di Metodologia della ricerca sociale
L'analisi bivariata (analisi della varianza e correlazione) Prof. Stefano Nobile Corso di Metodologia della ricerca sociale L analisi della varianza (ANOVA) La tecnica con cui si esplorano le relazioni
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
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
DettagliIndice. Prefazione. 4 Sintesi della distribuzione di un carattere La variabilità Introduzione La variabilità di una distribuzione 75
00PrPag:I-XIV_prefazione_IAS 8-05-2008 17:56 Pagina V Prefazione XI 1 La rilevazione dei fenomeni statistici 1 1.1 Introduzione 1 1.2 Caratteri, unità statistiche e collettivo 1 1.3 Classificazione dei
DettagliLezione 17. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 17. A. Iodice
con Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 29 Outline con 1 2 3 con 4 5 campioni appaiati 6 Indipendenza tra variabili () Statistica 2 /
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
DettagliPROVA SCRITTA DI STATISTICA (COD COD ) 7 luglio 2005 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A
PROVA SCRITTA DI STATISTICA (COD. 047 - COD. 403-37-377) 7 luglio 200 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A Esercizio (9 punti) Supponiamo di aver osservato la seguente
DettagliLa verifica delle ipotesi
La verifica delle ipotesi Se abbiamo un idea di quale possa essere il valore di un parametro incognito possiamo sottoporlo ad una verifica, che sulla base di un risultato campionario, ci permetta di decidere
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCaratterizzazione dei consumi energetici (parte 3)
ESERCITAZIONE 4 Caratterizzazione dei consumi energetici (parte 3) 4.1 CuSum: elementi di analisi statistica Il diagramma delle somme cumulate dei residui in funzione del tempo (CuSum) può essere in generale
DettagliStatistica 1- parte II
Statistica 1- parte II Esercitazione 2 Dott.ssa Antonella Costanzo 18/02/2016 Esercizio 1. IC media incognita, varianza nota Una fabbrica A produce matite colorate. Una prova su 100 matite scelte a caso
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
DettagliDistribuzioni campionarie
Le distribuzioni campionarie sono quelle che derivano dalla presenza di campioni i.i.d. a distribuzione normale. Definizione. Se X è una v.a. avente distribuzione N(0, ), allora Y = X ha distribuzione
DettagliI appello di calcolo delle probabilità e statistica
I appello di calcolo delle probabilità e statistica A.Barchielli, L. Ladelli, G. Posta 8 Febbraio 13 Nome: Cognome: Matricola: Docente: I diritti d autore sono riservati. Ogni sfruttamento commerciale
DettagliTest per una media - varianza nota
Situazione Test per una media - varianza nota Popolazione N(µ,σ 2 ); varianza σ 2 nota. µ 0 numero reale fissato. Test di livello α per µ Statistica: Z n = X n µ 0 σ/ n. H 0 H 1 Rifiutiamo H 0 se p-value
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
DettagliMetodi statistici per lo studio dei fenomeni biologici
Metodi statistici per lo studio dei fenomeni biologici Alla fine di questa lezione dovreste essere in grado di: descrivere la distribuzione di campionamento della differenza di due medie costruire gli
DettagliProbabilità e Statistica
Probabilità e Statistica Intervalli di confidenza Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2018/2019 Marco Pietro Longhi Prob. e Stat. 1
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
DettagliMetodi Matematici e Informatici per la biologia. Esercizi
Metodi Matematici e Informatici per la biologia Esercizi Esercizio 1 Il modo migliore per isolare gli effetti delle variabili nascoste sulla variabile di risposta è di effettuare uno studio di osservazione
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 Tabelle riportate alla fine del documento. Esercizio 1 Un chimico che lavora per una fabbrica di batterie, sta cercando una batteria
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
DettagliCognome e nome Tempo disponibile: 60 minuti
Corso di Laurea in Medicina e Chirurgia Statistica medica. A.A. 005-006 6 Marzo 006 Cognome e nome Tempo disponibile: 60 minuti 1. Conducete uno studio clinico controllato randomizzato di fase III per
DettagliEsercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 23/5/2017
Esercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 3/5/017 Contents 1 Intervalli di confidenza 1 Intervalli su un campione 1.1 Intervallo di confidenza per la media................................
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. Esercitazione 6
STATISTICA Esercitazione 6 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale tre compiti diversi con i seguenti risultati: Compito A Compito B Compito C Numero studenti 41 39 43
DettagliEsame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
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
DettagliContenuto del capitolo
Capitolo 8 Stima 1 Contenuto del capitolo Proprietà degli stimatori Correttezza: E(Stimatore) = parametro da stimare Efficienza Consistenza Intervalli di confidenza Per la media - per una proporzione Come
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
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Tassi e proporzioni Classi nominali:
DettagliTeorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
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
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliUlteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento
DettagliStatistica inferenziale
Dipartimento di Fisica a.a. 2004/2005 Fisica Medica 2 Statistica inferenziale 6/5/2005 Relazione tra dati Possono esistere in uno studio connessioni tra dati differenti che possono legare caratteristiche:
DettagliTest d ipotesi Introduzione. Alessandra Nardi
Test d ipotesi Introduzione Alessandra Nardi alenardi@mat.uniroma2.it 1 Consideriamo il caso in cui la nostra variabile risposta sia continua Immaginiamo che obiettivo del nostro studio sia valutare il
DettagliGli intervalli di confidenza. Intervallo di confidenza per la media (σ 2 nota) nel caso di popolazione Gaussiana
Statistica Lez. 1 Gli intervalli di confidenza Intervallo di confidenza per la media (σ nota) nel caso di popolazione Gaussiana Sia X una v.c Gaussiana di media µ e varianza σ. Se X 1, X,..., X n è un
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 II Esonero - 15 Gennaio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 014/015 II Esonero - 15 Gennaio 015 1 3 4 5 6 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
DettagliTutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliCorso di Statistica Esercitazione 1.8
Corso di Statistica Esercitazione.8 Test su medie e proporzioni Prof.ssa T. Laureti a.a. 202-203 Esercizio Un produttore vuole monitorare i valori dei livelli di impurità contenute nella merce che gli
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
DettagliEsercitazioni di statistica
Esercitazioni di statistica Intervalli di confidenza Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 10 Dicembre 2014 Stefania Spina Esercitazioni di statistica 1/43 Stefania Spina
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Università di Venezia Esame di Statistica A-Di Prof. M. Romanazzi 12 Giugno 2015 Cognome e Nome..................................... N. Matricola.......... Valutazione Il punteggio massimo teorico di
DettagliINDICE PARTE METODOLOGICA
INDICE PARTE METODOLOGICA 1. Il processo di ricerca 1.1.Individuazione di un problema e formulazione delle ipotesi 1.2.Individuazione e definizione operativa delle variabili 1.2.1. Le variabili definite
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
DettagliStatistica (parte II) Esercitazione 4
Statistica (parte II) Esercitazione 4 Davide Passaretti 03/03/016 Test sulla differenza tra medie (varianze note) Un negozio di scarpe è interessato a capire se le misure delle scarpe acquistate da adulti
DettagliAnalisi della regressione multipla
Analisi della regressione multipla y = β 0 + β 1 x 1 + β 2 x 2 +... β k x k + u 2. Inferenza Assunzione del Modello Classico di Regressione Lineare (CLM) Sappiamo che, date le assunzioni Gauss- Markov,
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
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliSTATISTICA. Regressione-3 L inferenza per il modello lineare semplice
STATISTICA Regressione-3 L inferenza per il modello lineare semplice Regressione lineare: GRAFICO DI DISPERSIONE & & analisi residui A. Valutazione preliminare se una retta possa essere una buona approssimazione
DettagliINTERVALLI DI CONFIDENZA
INTERVALLI DI CONFIDENZA Campione,,,, Intervallodi confidenza Nell intervallo di confidenza per il vero valore della media di una popolazione gaussiana, si usa la t di Student () > 5 > 5 (, ) noto (, )
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2017/2018 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Intervalli di confidenza Marco Pietro Longhi Probabilità e Statistica
DettagliProva scritta Affidabilità dei sistemi stocastici e controllo statistico di qualità 28 Marzo 2013
Prova scritta Affidabilità dei sistemi stocastici e controllo statistico di qualità 28 Marzo 2013 1. Un azienda che produce batterie per cellulari sta effettuando dei test per confrontare tre tipi diversi
DettagliDipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica. Antonio Azzollini
Dipartimento di Matematica, Informatica ed Economia (DiMIE) Statistica Antonio Azzollini antonio.azzollini@unibas.it Anno accademico 2017/2018 Quartili e distribuzioni di frequenze Stanze Appartamenti
Dettagli