IN MATLAB distribuzione di frequenza. >> x(1)=7.5; >> for i=2:7 x(i)=x(i-1)+5; end. IN MATLAB distribuzione di frequenza
|
|
- Dante Pasquali
- 8 anni fa
- Visualizzazioni
Transcript
1 IN MATLAB distribuzione di frequenza Usare la function histc(dati,x) Riportare i dati in un file (ad esempio dati.mat); 2. load ascii dati: viene creata una variabile dati contenente il campione; 3. Costruire un vettore contenente gli estremi delle classi: >> x(1)=7.5; >> for i=2:7 x(i)=x(i-1)+5; end >> x x = >> n=histc(dati,x) n = Numero di dati del c.c. che coincidono con l ultimo estremo >> x x = >> n n = IN MATLAB distribuzione di frequenza 2-3 IN MATLAB distribuzione di frequenza relativa Costruire un vettore contenente i centri delle classi: A) Dividere la function histc per la taglia del campione: >> c(1)=10.0; >> for i=2:6 c(i)=c(i-1)+5; end >> c c = 2. Usare la function [n,xout]=hist(dati,c) >> n=histc(dati,x)/30 n = >> [n,xout]=hist(dati,c) B) Dividere il parametro di output n di hist per la taglia del campione: n = >> n=n/30 n = xout = IN MATLAB Istogramma (fr. assolute) 2-5 IN MATLAB Istogramma (fr. relative) 2-6 A) La function hist fornisce in output anche l istogramma. >> hist(dati,c) >> [n,xout]=hist(dati,c); >> n=n/30; >> bar(xout,n); 1
2 IN MATLAB Qualche didascalia 2-7 IN MATLAB Istogramma (fr. assolute) 2-8 >> title('frequenze relative'); >> xlabel('ore trascorse a studiare'); >> text(30,0.35,'istogramma'); E possibile costruire l istogramma anche con la function histc: >> [n,xout]=hist(dati,c); >> bar(xout,n) IN MATLAB Istogramma (fr. relative) 2-9 IN MATLAB Le function bar 2-10 >> [n,xout]=hist(dati,c); >> bar(xout,n/30) >> bar(xout,n/30,1) Le barre si toccano >> barh(xout,n/30) Barre orizzontali >> bar3(xout,n,1, r ) Grafici 3-D >> bar3h(xout,n,1) IN MATLAB Poligono di frequenza 2-11 IN MATLAB Distribuzione cumulativa 2-12 >> plot(c,n,'--rs') E possibile usare la funzione cdfplot: >> cdfplot(dati) 2
3 IN MATLAB Q-Q plot 2-13 IN MATLAB Calcolo dei percentili 2-14 E possibile usare la funzione normplot: >> normplot(dati) >>x=[96, 92, 91, 88, 86, 85, 84, 83, 82, 79, 78, 69]; >>prctile(x,25) ans = >> prctile(x,50) ans = >>prctile(x,75) ans = IN MATLAB Grafico del box-plot >> boxplot(x) Box Plot >> boxplot(es3) OUTLIERS 2-16 >> [max(es3),min(es3)] ans = Distribuzione uniforme discreta 2-18 Distribuzione di Bernoulli >> p= ; q=1-p; c=[0,1]; dat=[q,p]; bar(c,dat) In Matlab >>c=[1,2,3,4,5,6]; dat=unidpdf(c,6); bar(c,dat) 3
4 Distribuzione uniforme discreta (funzione cumulativa) Distribuzione binomiale >>dat1=unidcdf(c,6); >>stairs(c,dat1) >> x=0:10; >> y=binopdf(x,10,0.5); Distribuzione binomiale >> x=0:10; >> y=binopdf(x,10,0.01); 2-21 Binocdf Binoinv Binornd Binostat Distribuzione binomiale (funzione di ripartizione) >> x=0:10; >> y=binocdf(x,10,0.5); >> y1=binocdf(x,10,0.1); 2-22 >> stairs(x,y, r ); hold on; stairs(x,y1, g ) >> legend( 0.5, 0.1 ) DISTRIB.BINOM: restituisce la distribuzione binomiale per il numero di successi scelto. Sintassi: DISTRIB.BINOM(num_successi;prove;probabilità_s;cumulativo) Num_successi è il numero di successi nelle prove, (ossia x=0,1, prove). Distribuzione geometrica >> x=1:10; >> y=geopdf(x,0.5); Prove è il numero di prove indipendenti, ossia n. Probabilità_s è la probabilità di successo per ciascuna prova, ossia p. Cumulativo è un valore logico che determina la forma assunta dalla funzione. Se il valore cumulativo è VERO, DISTRIB.BINOM restituirà la funzione di ripartizione, ovvero la probabilità che venga restituito un numero massimo di successi pari al valore di num_successi. Se il valore cumulativo è FALSO, verrà restituita la funzione massa di probabilità, ovvero la probabilità che venga restituito un numero massimo di successi pari al valore di num_successi. 4
5 Distribuzione geometrica >> x=1:10; >> y=geocdf(x,0.5); >> y1=geocdf(x,0.1); Distribuzione Poisson >> x=0:20; >> y=poisspdf(x,2); >> x=0:20; >> y=poisspdf(x,5); >> stairs(x,y, r ); hold on; stairs(x,y1, g ) >> legend( 0.5, 0.1 ) >> [media,var]=geostat(0.5) >> [media,var]=poisstat(2) >> [media,var]=poisstat(5) >> x=0:20; >> y=poisspdf(x,10); >>x=0:20; >> y1=binopdf(x,50,1/5); >> bar(x,y1) >> x=0:100; >> y=poisspdf(x,50); >>x=0:50; >> y1=binopdf(x,500,1/10); >> bar(x,y1) Distribuzione Normale 2-29 Distribuzione Normale 2-30 [media,var]=binostat(500,0.1) [media,var]=binostat(10,0.5) media=50, var=45 media=5, var=2.5 >> x=0:0.1:100; >> y=normpdf(x,50,sqrt(45)); >> plot(x,y) >> x=0:0.01:10; >> y=normpdf(x,5,sqrt(2.5)); >> plot(x,y) 5
6 P POISSON: restituisce la distribuzione di probabilità di Poisson. Sintassi: POISSON(x;media;cumulativo) X Media è il numero degli eventi. è il valore numerico previsto. Cumulativo è un valore logico che determina la forma per la distribuzione di probabilità. Se cumulativo è VERO, POISSON restituirà la funzione di ripartizione di Poisson indicante la probabilità che il numero degli eventi casuali sia compreso tra zero e x inclusi. Se cumulativo è FALSO, verrà restituita la funzione massa di probabilità di Poisson indicante la probabilità che il numero di eventi sia esattamente uguale a x DISTRIB.NORM: restituisce la distribuzione normale per la media e la distribuzione standard specificate. Sintassi DISTRIB.NORM(x;media;dev_standard;cumulativo) X è il valore per il quale si desidera la distribuzione. Media è la media aritmetica della distribuzione. Dev_standard è la deviazione standard della distribuzione. Cumulativo è un valore logico che determina la forma assunta dalla funzione. Se cumulativo è VERO, DISTRIB.NORM restituirà la funzione di ripartizione, se è FALSO restituirà la funzione densità di probabilità. DISTRIB.NORM.ST: restituisce la funzione di ripartizione normale standard cumulativa. La distribuzione ha una media uguale a 0 (zero) e una deviazione standard uguale a uno Sintassi: DISTRIB.NORM.ST(z) Z è il valore per il quale si desidera la distribuzione INV.NORM: restituisce il quantile associato alla coda sinistra della distribuzione normale con media e varianza specificate. Sintassi: INV.NORM(probabilità;media; gradi_libertà) Distribuzione Ipergeometrica p = hygepdf(0:10,100,20,10) Probabilità è la probabilità della coda destra sotto la densità chi-quadrato. Media è la media aritmetica della distribuzione. Dev_standard è la deviazione standard della distribuzione. INV.NORM.ST: restituisce il quantile associato alla coda sinistra della distribuzione normale standard. Sintassi: INV.NORM(probabilità) Taglia popolazione successi Taglia campione >> bar(0:10,p) Probabilità è la probabilità della coda destra sotto la densità 2-35 DISTRIB.IPERGEOM: restituisce la distribuzione di probabilità di una variabile aleatoria ipergeometrica Ipergeometrica Sintassi: DISTRIB.IPERGEOM(successi_camp;num_campione;successi_pop;num_popolazione) Successi_camp è il numero di successi nel campione, ossia x. Num_campione è la dimensione del campione, ossia n. Successi_pop è il numero di successi nella popolazione, ossia K. Num_popolazione è la dimensione della popolazione, ossia N. Binomiale >>y=binopdf(0:10,10,2/10) >>bar(0:10,10,2/10) 6
7 Il test di K-S misura la distanza media tra la funzione di ripartizione Empirica e quella ipotizzata. Se tale distanza risulta maggiore di un prefissato quantile, il test K-S rigetta l ipotesi che la popolazione ha distribuzione di probabilità prefissata Kstest(x) Confronta la funzione di ripartizione empirica del campione x con la funzione di ripartizione di una gaussiana standard Se il campione casuale di dati non ha media nulla e varianza unitaria? I dati vanno standardizzati >> x=(weight-mu)/sigma; >> [H,P,KSSTAT,CV]=KSTEST(X) E se il campione casuale ha legge diversa da quella gaussiana standard? >> x=rand(100,1); >> ccf(:,1)=x; >> ccf(:,2)=x; >> [H,P,KSSTAT,CV]=KSTEST(x,ccf,0.05,0) >> [h,p,ksstat,cv]=kstest(x) h = p = ksstat = cv = >> H = 0 => Do not reject the null hypothesis at significance level ALPHA. H = 1 => Reject the null hypothesis at significance level ALPHA. KSTEST(...) also returns the K-S test statistic KSSTAT defined above for the test type indicated by TAIL KSTEST(...) also returns the asymptotic P-value P. KSTEST(...) returns the critical value of the test CV Null Hypothesis: F(x) equal to CDF for all x. For TAIL = 0 (2-sided test), alternative: F(x) not equal to CDF. For TAIL = 1 (1-sided test), alternative: F(x) greater than CDF. For TAIL = -1 (1-sided test), alternative: F(x) less than CDF
8 Test T sulla differenza tra medie popolazioni normali varianze incognite = Esempio: Da una serie di rilevazioni sulla quantità di specie presenti in alcuni Ambienti, sono stati rilevati I seguenti 20 valori di biodiversità (vedi tabella). Si Valuti se la tendenza centrale di questa serie è significativamente differente da 6.5, valore centrale dell area in studi precedenti ,5-2,7-2,9-2,9-3,1-3,1-3,1-3,8-3,9-4,2-4,5-4,9-5,3-6,5 0 6,5 0 8,9 + 9,7 + 11,7 + 15,7 + 18,9 + + N = 18, r = 13, r = 5 0,
9 Nel grafico, ogni media del livello viene rappresentata da un tondino che è situato al centro di un intervallo. L intervallo non ha alcun significato statistico. Due medie sono differenti in modo significativo se i corrispettivi intervalli sono disgiunti (in rosso). Due medie non sono differenti in modo significativo se i rispettivi intervalli non sono disgiunti (in grigio). La frase sotto il grafico segnala le medie dei livelli diverse. 9
10 Si può usare il mouse per selezionare un gruppo. Il grafico mette in evidenza gli altri gruppi (in rosso) che sono differenti significativamente dal livello esaminato
11
IN MATLAB distribuzione di frequenza. >> x(1)=7.5; >> for i=2:7 x(i)=x(i-1)+5; end. IN MATLAB distribuzione di frequenza
IN MATLAB distribuzione di frequenza - 1 1. Riportare i dati in un file (ad esempio dati.mat);. load ascii dati: viene creata una variabile dati contenente il campione; 3. Costruire un vettore contenente
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliDISTRIBUZIONI DI PROBABILITÀ
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 LE PRINCIPALI DISTRIBUZIONI
DettagliDai dati al modello teorico
Dai dati al modello teorico Analisi descrittiva univariata in R 1 Un po di terminologia Popolazione: (insieme dei dispositivi che verranno messi in produzione) finito o infinito sul quale si desidera avere
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliStatistica Applicata all edilizia: alcune distribuzioni di probabilità
Statistica Applicata all edilizia: Alcune distribuzioni di probabilità E-mail: orietta.nicolis@unibg.it 7 marzo 20 Indice Indici di curtosi e simmetria Indici di curtosi e simmetria 2 3 Distribuzione Bernulliana
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliVariabili aleatorie. Richiami e uso del Matlab T T T. ω 2. ω 1. ω 3. ω 4. ω 5. ω 6. ω 7. ω 8
ω Variabili aleatorie Richiami e uso del Matlab X ( ω) x R S In molte situazioni, si vuole assegnare un valore numerico ad ogni possibile risultato di un esperimento. Tale assegnamento viene chiamato variabile
Dettagliiovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi
iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso
DettagliEsercitazione n.1 (v.c. Binomiale, Poisson, Normale)
Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliMatlab per applicazioni statistiche
Matlab per applicazioni statistiche Marco J. Lombardi 19 aprile 2005 1 Introduzione Il sistema Matlab è ormai uno standard per quanto riguarda le applicazioni ingegneristiche e scientifiche, ma non ha
DettagliProva scritta di Complementi di Probabilità e Statistica. 31 Ottobre 2012
Prova scritta di Complementi di Probabilità e Statistica 31 Ottobre 2012 1. In un processo per accrescere uno strato sottile di biossido di silicio sopra fette di silicio utilizzate per la fabbricazione
DettagliDISTRIBUZIONI DI VARIABILI CASUALI DISCRETE
DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE SIMULAZIONE della PROVA SCRITTA di STATISTICA 23/03/2011
FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE SIMULAZIONE della PROVA SCRITTA di STATISTICA 23/3/2 ESERCIZIO (2+2+2+2) La seguente tabella riporta la distribuzione della variabile "Stato Civile"
DettagliAnalisi statistica degli errori
Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Modelli di Variabili Aleatorie Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Sulla base della passata esperienza il responsabile della produzione di un azienda
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Distribuzione di probabilità, funzione di ripartizione di una v.c. discreta Il tasso di cambio
DettagliSoluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)
Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi
DettagliUniversità di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008
Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi
DettagliElementi di Psicometria
Elementi di Psicometria E2-Riepilogo finale vers. 1.2 Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia) ElemPsico 2010-2011
DettagliTenendo conto che la funzione di probabilità per una v.c. binomiale X è definita dalla seguente notazione
APPENDICE I. TAVOLE STATISTICHE Si ribadisce al lettore che in questa Appendice si riportano le procedure di Excel e di R.2.12.1 che gli permettono di trovare qualsiasi valore di probabilità cercato e
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliAFFIDABILITA DEI SISTEMI STOCASTICI (semplici)
AFFIDABILITA DEI SISTEMI STOCASTICI (semplici) Un sistema (o uno qualsiasi dei suoi componenti) può essere soggetto a stress casuali. Es: un fusibile in un circuito; una trave di acciaio sotto carico;
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 28/05/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gico del
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliLABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE
LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliLa grafica. La built-in funzione grafica plot. x spezzata poligonale. discretizzato
La grafica. Il Matlab possiede un ambiente grafico abbastanza potente paragonabile a software grafici operanti in altri contesti. In questo corso ci limiteremo ad illustrare solo una funzione grafica,
DettagliVariabili aleatorie. Richiami e uso del Matlab
ω Variabili aleatorie Richiami e uso del Matlab X ( ω) x R S 1 In molte situazioni, si vuole assegnare un valore numerico ad ogni possibile risultato di un esperimento. Tale assegnamento viene chiamato
DettagliRiassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice
cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliStatistica descrittiva
Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di indicatori sintetici che individuano, con un singolo valore, proprieta` statistiche di un campione/popolazione rispetto
DettagliLA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di
STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliEsercitazioni di Statistica con Matlab
Dalmine, 28 aprile 2004 Esercitazioni di Statistica con Matlab Dott. Orietta Nicolis orietta.nicolis@unibg.it 1 0.8 0.6 0.4 0.2 0-0.2-0.4 40 30 20 10 0 0 5 10 15 20 25 30 35 V.c.d. di Poisson P(X = x)
Dettaglil insieme delle misure effettuate costituisce il campione statistico
Statistica negli esperimenti reali si effettuano sempre un numero finito di misure, ( spesso molto limitato ) l insieme delle misure effettuate costituisce il campione statistico Statistica descrittiva
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
DettagliDr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011
Università degli Studi di Padova Facoltà di Psicologia, L4, Psicometria, Modulo B Dr. Marco Vicentini marco.vicentini@unipd.it Anno Accademico 2010 2011 Rev 30/03/2011 Statistica descrittiva e inferenziale
DettagliTema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che
Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x
DettagliProgrammazione Disciplinare: Calcolo Classe: Quarte - Quinte
Istituto Tecnico Tecnologico Basilio Focaccia Salerno Programmazione Disciplinare: Calcolo Classe: Quarte - Quinte Anno scolastico 01-01 I Docenti della Disciplina Salerno, settembre 01 Anno scolastico
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliTutorato di Probabilità e Statistica
Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA
Seconda Lezione DISTRIBUZIONE DI FREQUENZA Frequenza assoluta: è il numero puro di casi per quella modalità Frequenze relative: sono il rapporto tra la frequenza assoluta con cui si manifesta una modalità
Dettaglii=1 Y i, dove Y i, i = 1,, n sono indipendenti e somiglianti e con la stessa distribuzione di Y.
Lezione n. 5 5.1 Grafici e distribuzioni Esempio 5.1 Legame tra Weibull ed esponenziale; TLC per v.a. esponenziali Supponiamo che X Weibull(α, β). (i) Si consideri la distribuzione di Y = X β. (ii) Fissato
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliGrafici delle distribuzioni di frequenza
Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliLA STATISTICA E IL CALCOLO DELLE PROBABILITÀ
LA STATISTICA E IL CALCOLO DELLE PROBABILITÀ Prof. Francesco Tottoli Versione 3 del 20 febbraio 2012 DEFINIZIONE È una scienza giovane e rappresenta uno strumento essenziale per la scoperta di leggi e
DettagliSTATISTICA DESCRITTIVA. Le misure di tendenza centrale
STATISTICA DESCRITTIVA Le misure di tendenza centrale 1 OBIETTIVO Individuare un indice che rappresenti significativamente un insieme di dati statistici. 2 Esempio Nella tabella seguente sono riportati
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
DettagliCENNI DI METODI STATISTICI
Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento
DettagliCORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL TEMPO
CORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL EMPO ing Emanuele Zappa SEGNALI: grandezze di base nel dominio del tempo: Ampiezza picco-picco (pk.pk) Ampiezza massima positiva empo Ampiezza massima
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliVARIABILI ALEATORIE CONTINUE
VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliCOMPITO DI SCIENZE NATURALI 23 gennaio 2012. Modulo di probabilità e statistica
COMPITO DI SCIENZE NATURALI 23 gennaio 2012 Modulo di probabilità e statistica 1. In Svizzera, al primo gennaio di ogni anno, tutti i cittadini vengono sottoposti a vaccinazione contro l influenza annuale.
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food
DettagliEsercizi test ipotesi. Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010
Esercizi test ipotesi Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Verifica delle ipotesi - Esempio quelli di Striscia la Notizia" effettuano controlli casuali per vedere se le pompe
DettagliStatistica 4038 (ver. 1.2)
Statistica 4038 (ver. 1.2) Software didattico per l insegnamento della Statistica SERGIO VENTURINI, MAURIZIO POLI i Il presente software è utilizzato come supporto alla didattica nel corso di Statistica
DettagliTemi di Esame a.a. 2012-2013. Statistica - CLEF
Temi di Esame a.a. 2012-2013 Statistica - CLEF I Prova Parziale di Statistica (CLEF) 11 aprile 2013 Esercizio 1 Un computer è collegato a due stampanti, A e B. La stampante A è difettosa ed il 25% dei
DettagliRISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA?
Crenca & Associati CORPORATE CONSULTING SERVICES RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Ufficio Studi Milano, 3 aprile 2008 Introduzione al Risk Management
DettagliGli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità
Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)
DettagliAppunti relativi a Lab4
Appunti relativi a Lab4 ESEMPIO 1 Sia (X 1,, X n ) un campione aleatorio estratto da una variabile aleatoria X Exp(λ) e sia (x 1,, x n ) una sua realizzazione campionaria contenuta nel vettore oss > set.seed(5)
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliStatistica descrittiva
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento
DettagliTitolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza
Titolo della lezione Analisi dell associazione tra due caratteri: indipendenza e dipendenza Introduzione Analisi univariata, bivariata, multivariata Analizzare le relazioni tra i caratteri, per cercare
Dettagli1 di 6. Usando un modello di probabilità
Corso di Statistica, II parte ESERCIZIO 1 Gastone in occasione di una festa a PAPEROPOLI compra 3 biglietti per partecipare all'estrazione a sorte di 3 premi. Sapendo che sono stati venduti 30 biglietti
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V
Corso integrato di informatica, statistica e analisi dei dati sperimentali Altri esercizi_esercitazione V Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows.
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. I Prova in Itinere di Statistica per Ingegneria Energetica 9 maggio 2013
Politecnico di Milano - Scuola di Ineneria Industriale I Prova in Itinere di Statistica per Ineneria Eneretica 9 maio 013 c I diritti d autore sono riservati. Oni sfruttamento commerciale non autorizzato
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliAnalisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA
Analisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA 1 Distribuzione di frequenza Punto vendita e numero di addetti PUNTO VENDITA 1 2 3
DettagliUniversità degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI
Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni
DettagliStatistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004
Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità
Dettagli