distribuzione della popolazione campionata distribuzione di quantità che dipendono dal campione (distribuzioni campionarie)
|
|
- Alessio Rosso
- 7 anni fa
- Visualizzazioni
Transcript
1 Obiettivi lezione 4 CAPIRE: distribuzione della popolazione campionata distribuzione di quantità che dipendono dal campione (distribuzioni campionarie) CONOSCERE: Le distribuzioni della media campionaria, delle proporzioni campionarie, della varianza campionaria Le distribuzioni della differenza tra due medie, tra due proporzioni DECIDERE: se si può utilizzare l ipotesi normale se la varianza è conosciuta o incognita (nei casi in cui valga l ipotesi normale ELABORARE: tramite esercizi di interesse applicativo 1
2 Distribuzione del Campione Distribuzione della POPOLAZIONE su cui facciamo le nostre osservazioni Per capire quale sia la distribuzione del campione devo considerare le caratteristiche del fenomeno in esame. Una raccolta di osservazioni può aiutarmi in tale decisione: guardo l istogramma!. Tutta la popolazione: non solo la parte che osservo! Esempi: Misuro il tempo mutazioni genetiche successive di una specie di grano sottoposta a un certo trattamento. Ripeto l osservazione 10 volte, collezionando 10 valori. Ogni osservazione può venir vista come il valore assunto da una variabile casuale distribuita ESPONENZIALMENTE. Se ho campionato bene le 10 osservazioni possono venir considerate come i valori assunti da 10 variabili casuali esponenziali INDIPENDENTI. Cosa vuol dire campionare bene in questo caso? Misuro la lunghezza del cranio di 5 individui di un certo gruppo etnico. Ogni misura può venir vista come il valore assunto da una variabile casuale con distribuzione NORMALE con µ=30 cm, σ 2 = 4 cm 2. Se ho scelto in modo casuale i 5 individui le 5 osservazioni possono venir considerate come i valori assunti da 5 variabili casuali normali INDIPENDENTI. Cosa vuol dire campionare bene in questo caso? 2
3 Quantità che dipendono dal campione Media campionaria: Prima dell esperimento Sono variabili casuali Varianza campionaria: Posso studiarne la distribuzione, Media campionaria: Dopo l esperimento Varianza campionaria: Sono numeri Sono i valori assunti da una variabile casuale con distribuzione e 3
4 Stimatori e stime P R I M A D E L L E S P E R I M E N T O Campione: X 1, X 2,, X n v. casuali indipendenti STIMATORE v. casuale Probabilità che lo stimatore assuma valori in un certo intervallo: P(a < X < b) Es. X=Σ X i n Es. x=σ x i n Campione: x 1, x 2,, x n numeri STIMA numero? Un numero è vero o falso D O P O L E S P E R I M E N T O 4
5 Distribuzione della media campionaria X PROMEMORIA: La media campionaria è definita da = S n n OSSERVAZIONE: La media campionaria ha un espressione della forma a Possiamo utilizzare il teorema del limite centrale. Se n è sufficientemente grande dove = = Questo è equivalente a dire che è distribuito normalmente con media e varianza 5
6 Esempio: Consideriamo la proporzione di libro di testo letta da ogni studente che si presenta a un esame. Intervistiamo 50 studenti compiliamo l istogramma 1 e valutiamo la media su tale gruppo; intervistiamone altri 50 e ricaviamo un nuovo valor medio e il nuovo istogramma 2; procediamo in modo analogo per 50 gruppi di studenti. Collezioniamo man mano le medie di ciascun campione con le quali tracciamo l ultimo istogramma: i primi 50 istogrammi corrispondono a delle distribuzioni uniformi l ultimo si avvicina a una normale! PRIMO CAMPIONE SECONDO CAMPIONE TERZO CAMPIONE No of obs 10 8 No of obs Upper Boundaries (x <= boundary) 16 QUARTO CAMPIONE Istogramma delle medie campionarie 50 campioni di 50 dati estratti da una popolazione uniforme No of obs 8 6. No of obs Expected Normal DOMANDA: potrei scegliere un numero diverso di gruppi di studenti? 6
7 Distribuzione della media campionaria GRANDI CAMPIONI Data una popolazione con una QUALUNQUE distribuzione con media µ e varianza σ 2 la distribuzione della media campionaria X, calcolata da un campione di taglia n, è APPROSSIMATIVAMENTE distribuita come una NORMALE con media µ e varianza σ 2 /n. In pratica: l approssimazione normale è ragionevole se n 30 La media campionaria è ancora distribuita normalmente con media µ però ora la normale ha varianza Come faccio: ho un campione da una popolazione di dimensione finita N senza reinserimento? 7
8 Stima della media di una popolazione con σ noto tramite X Se la popolazione da cui campioniamo è N(µ,σ 2 ) la v.a. X è ancora Gaussiana con media µ e varianza σ 2 /n. Se campioniamo da una popolazione QUALUNQUE e la taglia del campione è GRANDE la v.a. X è, con buona approssimazione, Gaussiana con media µ e varianza σ 2 /n. X ; n = 20 X ; n = 5 Popolazione 8
9 Stima della media di una popolazione con σ SCONOSCIUTO tramite X PROMEMORIA Se non conosciamo σ possiamo utilizzare la stima s per valutare σ, però non è più distribuita normalmente. Si dimostra che in questo caso Aiuto! Qui le cose si diventano troppo complicate! Niente paura: esistono della tavole per valutare la probabilità di una variabile di Student! Inoltre se n >30 si comporta come una normale standard. Dipende da n 9
10 Tavole della t di Student df\p Probability Density Function y=student(x;5) Gradi di libertà : n-1 taglia del campione Anche se la varianza è incognita conosco la distribuzione della media campionaria! inf
11 Distribuzione della differenza tra due medie campionarie Se entrambi i campioni sono di taglia sufficientemente grande la differenza delle medie campionarie è ancora normale con MEDIA DIFFERENZA TRA LE MEDIE E VARIANZA SOMMA DELLE SINGOLE VARIANZE Esempio : si considerino gli individui di due popolazioni. Nella prima popolazione gli individui hanno avuto delle esperienze che si ritiene possano aver dato luogo a un ritardo mentale mentre nella seconda queste esperienze non si sono verificate. 15 individui di ciascuna popolazione vengono sottoposti a dei test d intelligenza e si valuta il punteggio medio dei test per gli individui di ciascuna popolazione, ottenendo 92 e 105, rispettivamente. La distribuzione dei punteggi di tali test viene supposta approssimativamente normale con varianza σ 2 =400. Se l esperienza negativa non ha conseguenze sul livello intellettivo qual è la probabilità di osservare una differenza pari a quella tra i campioni considerati ( cioè di 13 punti)? Soluzione La probabilità di avere una differenza di punteggi pari a -13 se le due popolazioni hanno la stessa media è molto piccola: Cosa possiamo concludere in questo caso? 11
12 Stime di proporzioni p PROMEMORIA: la legge dei grandi numeri ci garantisce che per n grande la frequenza relativa dei successi tende alla probabilità di successo. Possiamo usare, con per stimare p. 12
13 Distribuzione della proporzione campionaria = Frequenza con cui si è osservato il risultato desiderato Tende al valore della probabilità del risultato desiderato per la legge dei grandi numeri E la somma di n variabili di Bernoulli di parametro p divisa per n Per n grande possiamo applicare il teorema del limite centrale per variabili binomiali: Esempio: In una certa popolazione la probabilità di non vedere i colori è Si selezionano a caso 150 individui, con quale probabilità la proporzione di individui incapaci di vedere i colori nel campione considerato è maggiore o uguale di 0.15? Soluzione: (risultato migliorabile con la correzione di continuità) 13
14 Distribuzione della differenza tra due proporzioni Se entrambi i campioni sono sufficientemente grandi N(0,1) Esempio In una certa popolazione di liceali si sa che il 10% dei ragazzi è obesa. Se la stessa proporzione vale per le ragazze, con quale probabilità in un campione di 250 ragazzi e 200 ragazze si osserva > 0.06? Soluzione: 14
15 Stime della varianza PROMEMORIA: una stima della varianza può venir effettuata utilizzando lo stimatore Problema: com è distribuita questa variabile intorno a σ 2? Se la popolazione da cui stiamo campionando è distribuita normalmente e il campione è di taglia n la variabile È distribuita secondo la distribuzione del Chi Quadro (tabulata) con (n-1) gradi di libertà. 15
16 Tavole del Chi Quadro Probability Density Function y=chi2(x;8) Esempio: abbiamo un campione di taglia 11 estratto da una popolazione normale. Utilizzando la tavola abbiamo: Attenzione: questa distribuzione ci servirà anche in altre occasioni! 16
17 Stimatori Sembra facile adattare i dati a una distribuzione teorica! 17
18 Metodi per determinare uno stimatore Metodo dei momenti Metodo della massima verosimiglianza. Metodi diversi possono fornire stimatori diversi Occorreranno dei criteri per confrontare i diversi stimatori 18
19 Metodo dei momenti Criterio: 1. i momenti della distribuzione da cui campioniamo possono venir espressi in funzione dei parametri incogniti di tale distribuzione 2. I momenti possono venir stimati utilizzando il campione Uguagliamo i momenti campionari ai momenti teorici scrivendo un numero di equazioni uguale al numero di parametri che vogliamo stimare Momenti teorici Momenti empirici Ho un problema: in questo modo gli stimatori non sono univocamente definiti! Attenzione: talvolta i sistemi risultanti sono instabili 19
20 Esempi Cosa capita se invece del momento primo usiamo il momento secondo? Se invece dei momenti assoluti usassi i momenti centrali otterrei gli stessi stimatori? Come si trasformerebbe il metodo dei momenti se invece d essere interessati alla stima di θ fossimo interessati alla stima di τ(θ)? Abbiamo 2 alternative: 20
21 Metodo della massima verosimiglianza CRITERIO: se abbiamo raccolto un determinato campione ci aspettiamo che il suo verificarsi corrisponda a una situazione molto probabile. E la quarta volta consecutiva che Mario ha una scala reale: non mi piace sospettare della gente ma temo proprio che stia barando! Questa mano mi conviene perdere:diversamente capiranno che sto imbrogliando Siamo molto poco propensi a credere che l evento che stiamo osservando sia UN evento molto raro che si è verificato eccezionalmente! 21
22 Esempio In un urna ci sono palline nere e palline bianche, il rapporto tra il numero di palline dei due colori è 3/1, non sappiamo però se a favore delle bianche o delle rosse. Estraiamo 3 palline, con reimbussolamento, per decidere se ci sono più palline nere o bianche (cioè se p=0.25 o 0.75) Stimatore di massima verosimiglianza: 22
23 Esercizi 1 Un estesa analisi rivela che le altezze degli uomini di un certo paese sono distribuite normalmente con media h=1.75 m. e deviazione standard σ =0.05 m. In un campione casuale di 1000 uomini con quale probabilità ci sono più di 100 uomini alti tra 1.75 e 1.80 m? In un campione casuale di 1000 uomini quanti uomini vi attendete con un altezza tra 1.80 e 1.90 m.? Si supponga che i pesi di 5000 studenti maschi di una università ci siano distribuiti normalmente con media 68 Kg e deviazione standard 3 Kg. Se si estrae un campione di 200 studenti come è distribuita la media campionaria? 23
24 Un ascensore ha una portata massima di 1000 Kg e una capacità massima di 10 persone. Se i pesi di tutte le persone che usano l ascensore sono distribuiti normalmente con una media 90 Kg e deviazione standard di 15 Kg, qual è la probabilità che un gruppo di 10 persone ecceda il limite di portata dell ascensore? Qual è la probabilità che dei primi 1000 bambini nati nel nuovo anno più di 400 siano maschi? (si supponga che sia equiprobabile la nascita di un maschio o di una femmina) In un campione di 16 osservazioni da una popolazione normale con media 150 e varianza 256 determinare P(X < 160) P(X > 140) 24
25 In una ricerca sullo stato di salute di due popolazioni rivela che nella popolazione A il 55% dei soggetti non hanno malattie cardiovascolari, tale percentuale per la popolazione B scende al 35%. Si sceglie un campione casuale di 120 individui dalla prima popolazione e di 130 individui dalla seconda.con quale probabilità la differenza tra le proporzioni osservate risulta compresa tra 0.3 e 0.4? Si siano misurate 10 lunghezze del femore di un neonato ottenendo x=10 cm con deviazione standard campionaria s = 2 cm. Si determini il valore t per cui Si ripeta l esercizio precedente supponendo di sapere che la deviazione standard della popolazione in esame è σ=2 cm. 25
Schema 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
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
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
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
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
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.
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
Dettagli05. Errore campionario e numerosità campionaria
Statistica per le ricerche di mercato A.A. 01/13 05. Errore campionario e numerosità campionaria Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile,
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
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
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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stimatore media campionaria Il tempo in minuti necessario a un certo impiegato dell anagrafe
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
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
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
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
Dettaglix ;x Soluzione Gli intervalli di confidenza possono essere ottenuti a partire dalla seguente identità: da cui si ricava: IC x ;x = +
ESERCIZIO 6.1 Si considerino i 0 campioni di ampiezza n = estratti da una popolazione X di N = 5 elementi distribuiti normalmente, con media µ = 13,6 e σ = 8,33. A partire dalle 0 determinazioni della
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
DettagliQuesto calcolo richiede che si conoscano media e deviazione standard della popolazione.
Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica La distribuzione t - student 1 Abbiamo visto nelle lezioni precedenti come il calcolo del valore Z, riferito
DettagliLEZIONI DI STATISTICA MEDICA
LEZIONI DI STATISTICA MEDICA Lezione n.11 - Principi dell inferenza statistica - Campionamento - Distribuzione campionaria di una media e di una proporzione - Intervallo di confidenza di una media e di
DettagliVariabili aleatorie gaussiane
Variabili aleatorie gaussiane La distribuzione normale (riconoscibile dalla curva a forma di campana) è la più usata tra tutte le distribuzioni, perché molte distribuzioni che ricorrono naturalmente sono
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,
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
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
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
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
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
DettagliIl processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni
La statistica inferenziale Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni E necessario però anche aggiungere con
Dettagli4. Si supponga che il tempo impiegato da una lettera spedita dall Italia per arrivare a destinazione segua una distribuzione normale con media
Esercizi sulle distribuzioni, il teorema limite centrale e la stima puntuale Corso di Probabilità e Inferenza Statistica, anno 007-008, Prof. Mortera 1. Sia X la durata in mesi di una valvola per radio.
DettagliDISTRIBUZIONI DI CAMPIONAMENTO
DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,
DettagliLezione 3 Calcolo delle probabilità
Lezione 3 Calcolo delle probabilità Definizione di probabilità La probabilità è lo studio degli esperimenti casuali e non deterministici Se lanciamo un dado sappiamo che cadrà ma non è certo che esca il
DettagliIntroduzione alla statistica 2/ed. Marilyn K. Pelosi, Theresa M. Sandifer, Paola Cerchiello, Paolo Giudici
CAPITOLO 6 LE VARIABILITA CASUALI E LE DISTRIBUZIONI DI PROBABILITA VERO FALSO 1. V F La probabilità che X assuma un valore compreso tra 3 e 4 incluso può essere scritto come P(3
DettagliStatistica Metodologica
Statistica Metodologica Esercizi di Probabilita e Inferenza Silvia Figini e-mail: silvia.figini@unipv.it Problema 1 Sia X una variabile aleatoria Bernoulliana con parametro p = 0.7. 1. Determinare la media
DettagliTeorema del Limite Centrale
Teorema del Limite Centrale Problema. Determinare come la media campionaria x e la deviazione standard campionaria s misurano la media µ e la deviazione standard σ della popolazione. È data una popolazione
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
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
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
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
DettagliUlteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
DettagliLaboratorio di Statistica 1 con R Esercizi per la Relazione. I testi e/o i dati degli esercizi contassegnati da sono tratti dai libri consigliati
Laboratorio di Statistica 1 con R Esercizi per la Relazione I testi e/o i dati degli esercizi contassegnati da sono tratti dai libri consigliati nel corso. Esercizio 1. 1. Facendo uso dei comandi
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
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
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
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
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
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliIl Test di Ipotesi Lezione 5
Last updated May 23, 2016 Il Test di Ipotesi Lezione 5 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Il test di ipotesi Cuore della statistica inferenziale!
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica parte 1 Massimo Guerriero Ettore Benedetti Indice Esercizi Presentazione dei dati Misure di sintesi numerica Probabilità Distribuzioni teoriche di probabilità Distribuzione
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................................
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
DettagliSTATISTICA ESERCITAZIONE
STATISTICA ESERCITAZIONE Dott. Giuseppe Pandolfo 1 Giugno 2015 Esercizio 1 Una fabbrica di scatole di cartone evade il 96% degli ordini entro un mese. Estraendo 300 campioni casuali di 300 consegne, in
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Approssimazione normale della Poisson (TLC) In un determinato tratto di strada il numero di incidenti
DettagliDispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
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
DettagliTest di ipotesi su due campioni
2/0/20 Test di ipotesi su due campioni Confronto tra due popolazioni Popolazioni effettive: unità statistiche realmente esistenti. Esempio: Confronto tra forze lavoro di due regioni. Popolazioni ipotetiche:
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 8 Abbiamo visto: Metodi per la determinazione di uno stimatore Metodo di massima verosimiglianza
DettagliLe statistiche campionarie sono stime dei parametri ignoti della popolazione al cui valore siamo interessati.
Una volta selezionato il campione, la variabile di interesse viene misurata sugli elementi che lo costituiscono. I valori che la variabile assume vengono poi sintetizzati utilizzando le statistiche opportune
DettagliCap. 7 Distribuzioni campionarie
Cap. 7 Distribuzioni campionarie 1 Popolazione e Campione Una popolazione è l insieme di tutte le unità oggetto di studio Tutti i potenziali votanti nelle prossime elezioni Tutti i pezzi prodotti oggi
DettagliEsercizi su variabili aleatorie discrete
Esercizi su variabili aleatorie discrete Esercizio 1. Data la variabile aleatoria discreta X, caratterizzata dalla seguente rappresentazione nello spazio degli stati: 1 0,25 X = { 0 0,50 1 0,25 calcolare
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliVariabili Casuali Continue
Distribuzione Normale Concentrazione di cloro nel sudore Variabili Casuali Continue 9 8 7 6 5 4 3 media = 98.8 meq/l mediana =. meq/l moda =. meq/l < 3 6 5 me/l La distribuzione empirica (diagramma a barre)
DettagliLa distribuzione normale
La distribuzione normale Federico Plazzi 20 Giugno 2016 Distribuzione statistica Possiamo immaginare una distribuzione statistica come un istogramma: i dati sono divisi in classi di frequenza (o bin )
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
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
DettagliProva d'esame di Statistica I - Corso Prof.ssa S. Terzi
Prova d'esame di Statistica I - Corso Prof.ssa S. Terzi Esercizio 1 Data la variabile casuale X con funzione di densità f(x) = 2x, per 0 x 1; f(x) = 0 per x [0, 1], determinare: a) P( - 0,5 < X< 0,7) b)
DettagliUniversità degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A
Università degli Studi di Padova Corso di Laurea in Medicina e Chirurgia - A.A. 015-16 Corso Integrato: Statistica e Metodologia Epidemiologica Disciplina: Statistica e Metodologia Epidemiologica Docenti:
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La v.c. Uniforme Continua Secondo alcuni sondaggi sul sito della Apple (technical support site,
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
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
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)
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
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
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 09-Campione e popolazione vers. 1.0 (31 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
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
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
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
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,
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 2
Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi
DettagliLezione 16. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 16. A. Iodice. Ipotesi statistiche
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 23 Outline 1 2 3 4 5 6 () Statistica 2 / 23 La verifica delle ipotesi Definizione Un ipotesi statistica
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliPROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
DettagliAlcune v.a. discrete notevoli
Alcune v.a. discrete notevoli Variabile aleatoria Bernoulliana Il risultato X di un esperimento aleatorio può essere classificato nel modo che segue: successo oppure insuccesso. Indichiamo: Successo =
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
DettagliTest delle Ipotesi Parte I
Test delle Ipotesi Parte I Test delle Ipotesi sulla media Introduzione Definizioni basilari Teoria per il caso di varianza nota Rischi nel test delle ipotesi Teoria per il caso di varianza non nota Test
Dettaglidistribuzione normale
distribuzione normale Si tratta della più importante distribuzione di variabili continue, in quanto: 1. si può assumere come comportamento di molti fenomeni casuali, tra cui gli errori accidentali; 2.
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
DettagliMisure di dispersione (o di variabilità)
08/04/014 Misure di dispersione (o di variabilità) Range Distanza interquartile Deviazione standard Coefficiente di variazione Misure di dispersione 7 8 9 30 31 9 18 3 45 50 x 9 range31-74 x 9 range50-941
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
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2012/2013 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2012/2013 Calcolo delle Probabilità e Statistica Matematica Nome... N. Matricola... Ancona, 9 luglio 2013 1. Mario chiede al vicino di casa di
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
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 8/04/2016
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 8/4/26 NOME: COGNOME: MATRICOLA: Esercizio Si supponga di avere
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
DettagliStima puntuale di parametri
Probabilità e Statistica Esercitazioni a.a. 006/007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliDistribuzione esponenziale. f(x) = 0 x < 0
Distribuzione esponenziale Funzione densità f(x) = λe λx x 0 0 x < 0 Funzione parametrica (λ) 72 Funzione di densità della distribuzione esponenziale 1 0.9 0.8 0.7 λ=1 0.6 f(x) 0.5 0.4 0.3 λ=1/2 0.2 0.1
DettagliConfronto tra due popolazioni Lezione 6
Last updated May 9, 06 Confronto tra due popolazioni Lezione 6 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura I anno, II semestre Concetti visti nell ultima lezione Le media
DettagliLA DISTRIBUZIONE NORMALE o DI GAUSS
p. 1/2 LA DISTRIBUZIONE NORMALE o DI GAUSS Osservando gli istogrammi delle misure e degli scarti, nel caso di osservazioni ripetute in identiche condizioni Gli istogrammi sono campanulari e simmetrici,
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 9 Abbiamo visto metodi per la determinazione di uno stimatore puntuale e casi per: Carattere con
Dettagli