05. Errore campionario e numerosità campionaria
|
|
- Giuseppe Gagliardi
- 6 anni fa
- Visualizzazioni
Transcript
1 Statistica per le ricerche di mercato A.A. 01/ Errore campionario e numerosità campionaria
2 Gli schemi di campionamento condividono lo stesso principio di fondo: rappresentare il più fedelmente possibile, seppur in scala ridotta, la popolazione di interesse. La rappresentatività è fondamentale per estendere le conclusioni delle analisi svolte sul campione all intera popolazione. Ogni procedura inferenziale è caratterizzata da un certo livello di incertezza, per le seguenti ragioni: da ogni popolazione sufficientemente grande è possibile estrarre un numero virtualmente infinito di campioni di una determinata ampiezza; ognuno di questi campioni rappresenta la popolazione in modo probabilistico; in ogni singolo studio viene analizzato solo uno dei possibili campioni di ampiezza prefissata. Quindi anche la procedura di campionamento più perfetta ed accurata è soggetta ad errore: l errore campionario. L errore campionario è l errore che si commette quando si esamina una parte della popolazione, il campione, anzichè la sua totalità.
3 Si immagini di calcolare la media della caratteristica in esame su un numero molto elevato di campioni estratti dalla stessa popolazione. Tali valori non saranno completamente diversi gli uni dagli altri ma tenderanno ad approssimare il valore vero incognito. ricordando le caratteristiche della distribuzione campionaria della media La media campionaria è uno stimatore corretto della media della popolazione. Nonostante la correttezza, la maggior parte, se non la totalità, delle medie campionarie differirà in più o in meno da quella della popolazione. In altre parole le medie campionarie avranno una variabilità più o meno elevata intorno al valore centrale rappresentato, come si è detto, dalla media della popolazione. 3
4 E' intuitivo che se questa variabilità è elevata sarà elevata anche la probabilità che la media di un campione casuale risulti molto diversa da quella della popolazione. Al contrario, se la variabilità è piccola la distribuzione campionaria è non solo centrata ma anche addensata sulla media della popolazione e, di conseguenza, è alta la probabilità di selezionare casualmente campioni con media prossima a quella della popolazione. La precisione dello stimatore è espressa dal grado di addensamento della distribuzione campionaria intorno alla propria media e si misura con un indice denominato errore standard. L'errore standard è la radice quadrata della varianza della distribuzione campionaria delle medie. Questa varianza non deve essere confusa con quella elementare (cioè degli elementi o unità) della popolazione, di cui è una funzione. 4
5 Errore standard È possibile stimare la variabilità della media campionaria attraverso il valore della deviazione standard della sua distribuzione, denominato errore standard [ES] (in inglese standard error) che costituisce una misura della precisione della stessa media campionaria: ES = Var( y) Poiché si può dimostrare che la media campionaria (sotto alcune condizioni) segue una distribuzione Normale: σ Y N µ ; n L errore standard per la media campionaria (standard error of the mean), a seconda dello schema di campionamento seguito, si determina come: ES In genere il vero valore di σ è ignoto, pertanto può essere utilizzata la sua stima corretta. = σ n 5
6 Errore standard per la media campionaria -- CCS L errore standard si ottiene dalla radice quadrata della varianza della media campionaria ES y ( ) = Var( y ) ccs ccs CCS ES y ( ) ccs σ N n σ N n = = n N 1 n N 1 dove σ rappresenta la deviazione standard della caratteristica in esame nella popolazione, N è la dimensione della popolazione e n la dimensione campionaria. Quando σ non è noto si stima utilizzando lo stimatore S = n ( ) yi yccs i= 1 n 1 6
7 La stima dell errore campionario 1/ ES y ( ccs ) s N n = n N 1 oppure ES y ( ) ( ) = 1 f ccs s n La stima dell errore campionario nel caso di dati provenienti da campionamento casuale semplice è pari a: Errore campionario s N n e= t ES = t α α n N 1 dove t α/ è il quantile della distribuzione t di Student legato al livello di fiducia della stima. Per n sufficientemente grande (n>100) si può ricorrere all approssimazione normale (per esempio, nel caso di un livello di fiducia pari al 95% vale approssimativamente 1,96). Livello di fiducia 1-α t α/ n=50 Z α/ 0,90 1,6759 1,68 0,95,0086 1,96 0,99,6778,58 7
8 La stima dell errore campionario / Sulla base della sua stima si deduce che l errore campionario è tanto più grande: quanto maggiore è il livello di fiducia che si ha nella stima i valori dei coefficienti t (z) crescono al crescere del livello di fiducia quanto più elevata è la variabilità della caratteristica studiata nella popolazione che si riflette nella variabilità della caratteristica osservata sul campione quanto minore è la dimensione del campione legata alla varianza campionaria secondo una proporzione inversa 8
9 Sulla base della stima dell errore campionario è possibile costruire l intervallo di confidenza (IC) della media, per un livello di fiducia (1-α)%: ycss ± e IC: s N n y ± t ES y = t css [ ( )] α/ css α N 1 n 9
10 Stima dell errore campionario e dell intervallo di confidenza Esempio tratto dal libro di testo Al fine di stimare il fatturato relativo ad un certo anno solare, dalla popolazione di imprese a conduzione familiare di una certa regione, vengono estratte 500 unità mediante CCS. La media campionaria è risultata pari a 495 migliaia di Euro, mentre la stima della deviazione standard (s) è pari a 10 mila Euro. Determinare: la frazione di campionamento; la stima dell errore campionario in corrispondenza di un livello di fiducia del 95%; il corrispondente intervallo di confidenza (sempre per un livello di fiducia del 95%) per la media; 10
11 Stima dell errore campionario e dell intervallo di confidenza La stima dell errore campionario, in corrispondenza di un livello di fiducia del 95% è pari a: e , ,6 = 1,96 = 0,95 = 0,95 = 0,88 0,95 = 0, , 4, 4 Tale risultato equivale a dire che nella stima della media del fatturato delle aziende - per un livello di fiducia del 95%- si può commettere un errore pari a 0,84 migliaia di Euro - per difetto o per eccesso Equivalentemente nell IC [495-0,84; 495+0,84] si trova il valore vero incognito per un livello di fiducia pari al 95%. 11
12 Determinazione della numerosità campionaria La frazione di campionamento svolge un ruolo trascurabile sulla precisione delle stime. Il ruolo preponderante è svolto dalla dimensione assoluta del campione n. Possiamo allora chiederci quale dimensione debba avere il campione affinché la precisione delle stime sia pari o non inferiore ad un prefissato valore. A questa domanda è possibile rispondere ma a condizione di disporre di informazioni non troppo vaghe sulla varianza elementare della popolazione relativamente al carattere o ai caratteri di maggiore interesse nell indagine. 1
13 Determinazione della numerosità campionaria In generale la dimensione del campione dipende da 3 elementi fondamentali: 1. variabilità esistente nella popolazione: popolazione con alta variabilità campione più grande popolazione con minore variabilità campione più piccolo Es. estremo: popolazione con individui aventi le medesime caratteristiche BASTA una sola persona per rappresentarli.. livello di precisione che si vuole raggiungere: alta precisione richiesta campione più grande bassa precisione campione più piccolo NB: raggiunta un certa dimensione del campione, la precisione aumenta in modo quasi impercettibile 3. costo del campione Il campione non deve essere necessariamente proporzionale alla dimensione della popolazione: Non necessariamente se raddoppia la popolazione deve raddoppiare anche il campione oltre un certo limite, aggiungere altre unità non apporta miglioramenti apprezzabili In 1. e. si fa riferimento alla precisione degli stimatori che è funzione inversa della varianza e, ovviamente, dell ampiezza degli intervalli di confidenza 13
14 Determinazione della numerosità campionaria In particolare, si possono seguire due strade: a) si può fissare a priori un valore per la varianza dello stimatore di interesse e, quindi, ricercare la numerosità n che consente di raggiungere tale precisione. b) Prefissato un certo piano di campionamento, si ricerca n in modo tale che sia superiore ad 1-α la probabilità che il parametro θ sia incluso entro un intervallo ±δ attorno alla stima. In quest ultimo caso, si ritorna alla teoria degli intervalli di confidenza per un parametro θ 14
15 Determinazione della numerosità campionaria-b Nella progettazione di un indagine la numerosità campionaria è in genere stabilita in base all errore campionario massimo che si è disposti a commettere. Dalla formula base per la stima dell errore campionario (vista per il CCS) si ricava: n = e σ α σ z α N 1 + N z N σ, in genere incognita, può essere approssimata: con una misura della variabilità della caratteristica in esame derivante da eventuali indagini pregresse; con una stima proveniente da un indagine pilota 15
16 Determinazione della numerosità campionaria Nell ambito della stima di una proporzione la stima della varianza della caratteristica in esame può essere effettuata a prescindere da conoscenze pregresse del fenomeno, utilizzando piuttosto il valore massimo della varianza, ossia 0,5 (derivante da una ipotetica stima della proporzione pari a p = 0,5 ). Tale stima per eccesso è anche denominata stima prudenziale. n zα = 0,5 e In generale si ha: zα n= p 1 p e ( ) 16
17 Determinazione della numerosità campionaria- Esempi Si supponga di riprendere l esempio sulla stima del fatturato medio. Ipotizzare di voler limitare l errore relativo alla media del fatturato ad un massimo di 500 Euro (0,5 mila Euro). Si supponga inoltre che da una indagine pregressa la stima della deviazione standard del fatturato nella popolazione sia risultata pari a 8000 Euro. La numerosità campionaria, a parità delle altre condizioni, necessaria a veder verificate le ipotesi effettuate è la seguente: n = e σ z α σ zα N 1 + N N n 8 1, ,84 45,8 = = = , ,84 0,5 0,9999 0,5 + 0,05 0,
18 Determinazione della numerosità campionaria Riepilogando, per il calcolo della numerosità campionaria si devono conoscere: il livello di significatività che vogliamo per le nostre stime (α), l intervallo che accettiamo per le nostre stime (±e ), il valore della varianza della popolazione (Var) e la numerosità della popolazione (N). Esempio Determinare la numerosità del campione casuale che deve essere assunta per stimare l età media degli studenti alla laurea specialistica, sapendo che la varianza è pari a 45, affinché l errore di campionamento massimo ammesso (e) sia pari a ±0.7, assumendo un intervallo al 95%. Per semplicità adottiamo la formula in cui il fattore di correzione è omesso e ricaviamo n: n σ = e z α n σ z α 45 1,96 = = 35,8 353 e (0,7) 18
CORSO 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
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
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
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
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
DettagliTeoria e tecniche dei test
Teoria e tecniche dei test Lezione 9 LA STANDARDIZZAZIONE DEI TEST. IL PROCESSO DI TARATURA: IL CAMPIONAMENTO. Costruire delle norme di riferimento per un test comporta delle ipotesi di fondo che è necessario
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
DettagliEsercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)
STATISTICA (2) ESERCITAZIONE 5 26.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota) Il responsabile del controllo qualità di un azienda che
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
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
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
DettagliQuanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
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
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
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
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
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
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
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliDISTRIBUZIONI 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,
DettagliSchema lezione 5 Intervalli di confidenza
Schema lezione 5 Intervalli di confidenza Non centrerò quella barca, ne sono convinto al 95% COMPRENDERE: Significato di intervallo di confidenza Uso degli stimatori come quantità di pivot per stime intervallari
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Elementi che fanno variare l ampiezza dell intervallo di confidenza (p. 70) s.q.m. dell universo σ Più σ è elevato, maggiore è la
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio: si consideri una generica popolazione X con media µ e varianza σ 2 Siano T 1 =(X 1 +X 2 +X 3 +X 4 )/4 e T 2 =(3X 1 +4X
DettagliSTATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta
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................................
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
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
DettagliTest 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
DettagliSOLUZIONI ESERCITAZIONE NR. 8 Test statistici
SOLUZIONI ESERCITAZIONE NR. 8 Test statistici ESERCIZIO nr. 1 Un campione casuale di dieci pazienti di sesso maschile in cura per comportamenti aggressivi nell ambito del contesto familiare è stato classificato
Dettaglib) E necessario formulare delle ipotesi per calcolare l intervallo di confidenza ottenuto al punto a? (motivare brevemente la risposta):
ESERCIZIO 1 Una grande banca vuole stimare l ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto. Si seleziona un campione di 100 clienti su cui si osserva
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
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
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
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
DettagliEsercizi riassuntivi di Inferenza
Esercizi riassuntivi di Inferenza Esercizio 1 Un economista vuole stimare il reddito medio degli abitanti di una cittadina mediante un intervallo al livello di confidenza del 95%. La distribuzione del
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
DettagliCAMPIONAMENTO - ALCUNI TERMINI CHIAVE
CAMPIONAMENTO - ALCUNI TERMINI CHIAVE POPOLAZIONE = qualsiasi insieme di oggetti (unità di analisi) di ricerca N = ampiezza della popolazione PARAMETRI = caratteristiche della popolazione [media, proporzione
DettagliC.I. di Metodologia clinica
C.I. di Metodologia clinica Modulo 5. I metodi per la sintesi e la comunicazione delle informazioni sulla salute Quali errori influenzano le stime? L errore casuale I metodi per la produzione delle informazioni
DettagliEsercizi di Ricapitolazione
Esercizio 1. Sono dati 150g di una soluzione S 1 concentrata al 12%. (a) Determinare quanti grammi di soluto occorre aggiungere a S 1 per ottenere una nuova soluzione S 2 concentrata al 20%. (b) Determinare
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)
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
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
DettagliStatistica Metodologica Avanzato Test 1: Concetti base di inferenza
Test 1: Concetti base di inferenza 1. Se uno stimatore T n è non distorto per il parametro θ, allora A T n è anche consistente B lim Var[T n] = 0 n C E[T n ] = θ, per ogni θ 2. Se T n è uno stimatore con
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
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
DettagliTest per l omogeneità delle varianze
Test per l omogeneità delle varianze Le carte di controllo hanno lo scopo di verificare se i campioni estratti provengono da un processo produttivo caratterizzato da un unico valore dello s.q.m. σ. Una
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,
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
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## (##
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliSTATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE
DettagliGli errori nella verifica delle ipotesi
Gli errori nella verifica delle ipotesi Nella statistica inferenziale si cerca di dire qualcosa di valido in generale, per la popolazione o le popolazioni, attraverso l analisi di uno o più campioni E
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
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
DettagliCampionamento La statistica media campionaria e la sua distribuzione. Paola Giacomello Dip. Scienze Sociali ed Economiche Uniroma1
Campionamento La statistica media campionaria e la sua distribuzione 1 Definisco il problema da studiare: es. tempo di percorrenza tra abitazione e università Carattere: tempo ossia v.s. continua Popolazione:
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 21/09/2011
FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 1/9/11 ESERCIZIO 1 (+3++3) La seguente tabella riporta la distribuzione di frequenza dei valori di emoglobina nel sangue (espressi
DettagliInferenza statistica: intervalli di fiducia (confidenza)
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Statistica Medica per le Scuole di Specializzazione A.A. 2008-9 Modulo 1 Inferenza statistica: intervalli di fiducia (confidenza)
DettagliStatistica4-29/09/2015
Statistica4-29/09/2015 Raccogliere i dati con il maggior numero di cifre significative ed arrotondare eventualmente solo al momento dei calcoli (min. 3); nella grande maggioranza delle ricerche biologiche
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
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
DettagliSTATISTICA ESERCITAZIONE 13
STATISTICA ESERCITAZIONE 13 Dott. Giuseppe Pandolfo 9 Marzo 2015 Errore di I tipo: si commette se l'ipotesi nulla H 0 viene rifiutata quando essa è vera Errore di II tipo: si commette se l'ipotesi nulla
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
DettagliDipartimento di Fisica a.a. 2004/2005 Fisica Medica 2 Campionamento 29/4/2005
Dipartimento di Fisica a.a. 2004/2005 Fisica Medica 2 Campionamento 29/4/2005 Importanza del campionamento Trarre conclusioni o fare previsioni limitando l'osservazione solo a un gruppo dei soggetti che
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
DettagliFACOLTÀ DI ECONOMIA Prova scritta di Statistica II Perugia, 27 gennaio 2006 COGNOME NOME
FACOLTÀ DI ECONOMIA Prova scritta di Statistica II Perugia, 27 gennaio 2006 COGNOME NOME A. I dati seguenti si riferiscono ad un campione casuale proveniente da una popolazione esponenziale con parametro
DettagliEsercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano
Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano Esercizio 1 Una moneta viene lanciata 6 volte. Calcolare a) La probabilità che escano esattamente
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,
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
DettagliCON O SENZA REIMMISSIONE
CAMPIONAMENTO Per una buona inferenza o induzione statistica, bisogna affrontare il problema del campionamento, ovvero del come raccogliere un campione della popolazione affinché la si possa studiare induttivamente.
DettagliSTATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7:
esercitazione 7 p. 1/13 STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7: 20-05-2004 Luca Monno Università degli studi di Pavia luca.monno@unipv.it http://www.lucamonno.it
DettagliStatistical Process Control
Statistical Process Control ESERCIZI II Esercizio 1. Una ditta che produce schermi a cristalli liquidi deve tenere in controllo il numero di pixel non funzionanti. Vengono ispezionati venti schermi alla
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
DettagliTest d Ipotesi Introduzione
Test d Ipotesi Introduzione Uno degli scopi più importanti di un analisi statistica è quello di utilizzare i dati provenienti da un campione per fare inferenza sulla popolazione da cui è stato estratto
DettagliLA DISTRIBUZIONE NORMALE. La distribuzione Gaussiana. Dott.ssa Marta Di Nicola
LA DISTRIBUZIONE NORMALE http://www.biostatistica.unich.itit «È lo stesso delle cose molto piccole e molto grandi. Credi forse che sia tanto facile trovare un uomo o un cane o un altro essere qualunque
DettagliProva Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE IMPRESE (Milano, )
Università degli Studi di Milano Bicocca Scuola di Economia e Statistica Corso di Laurea in Economia e Amministrazione delle Imprese (ECOAMM) Prova Scritta di METODI STATISTICI PER L AMMINISTRAZIONE DELLE
DettagliEsercitazioni di Statistica Metodologica
Esercitazioni di Statistica Metodologica June 22, 2009 1 Esercizio La compagnia di telefonia fissa Happy Line ha svolto una indagine sul numero di telefonate effettuate dai suoi clienti la settimana scorsa.
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,
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
DettagliCapitolo 8. Probabilità: concetti di base
1 Capitolo 8 Probabilità: concetti di base Statistica - Metodologie per le scienze economiche e sociali 2/ed S. Borra, A. Di Ciaccio Copyright 2008 The McGraw-Hill Companies srl 2 Concetti primitivi di
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2015-2016 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
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
DettagliRingraziamenti dell Editore
Indice Elenco dei simboli e delle abbreviazioni in ordine di apparizione Ringraziamenti dell Editore XI XVII 1 Introduzione FAQ e qualcos altro, da leggere prima 1 1.1 QuestoèunlibrodiStatistica....................
DettagliFondamenti di statistica per il miglioramento genetico delle piante. Antonio Di Matteo Università Federico II
Fondamenti di statistica per il miglioramento genetico delle piante Antonio Di Matteo Università Federico II Modulo 2 Variabili continue e Metodi parametrici Distribuzione Un insieme di misure è detto
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 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
DettagliGeneralizzare i risultati ottenuti da un insieme campione alla popolazione dal quale esso è stato estratto
Statistica Inferenziale Generalizzare i risultati ottenuti da un insieme campione alla popolazione dal quale esso è stato estratto Modello Struttura idealizzata che si adatta alla realtà e serve per descriverla,
DettagliSTIMA PUNTUALE E PER INTERVALLO
STIMA PUNTUALE E PER INTERVALLO Legacy Edition Copyright 25 ottobre 2012 Luca La Rocca luca.larocca@unimore.it UNIVERSITÀ DEGLI STUDI DI MODENA E REGGIO EMILIA Indice 2 Introduzione Stima puntuale ed errore
DettagliCapitolo 9 Verifica di ipotesi: test basati su un campione
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 9 Verifica di ipotesi: test basati su un campione Insegnamento: Statistica Corsi di Laurea Triennale in Economia Facoltà di Economia, Università
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
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
DettagliP ( X n X > ɛ) = 0. ovvero (se come distanza consideriamo quella euclidea)
10.4 Convergenze 166 10.4.3. Convergenza in Probabilità. Definizione 10.2. Data una successione X 1, X 2,...,,... di vettori aleatori e un vettore aleatorio X aventi tutti la stessa dimensione k diremo
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
DettagliSTATISTICA SOCIALE Corso di laurea in Scienze Turistiche - A.A. 2005/2006 II Prova - 20 dicembre 2005
STATISTICA SOCIALE Corso di laurea in Scienze Turistiche - A.A. 2005/2006 II Prova - 20 dicembre 2005 Per verbalizzare l'esame: iscriversi ad uno degli appelli di gennaio-febbraio utilizzando il Servizio
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
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
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
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)
DettagliIl Campionamento Statistico
Il Campionamento Statistico Campionamento sistematico (1/2) Introdotto per ovviare ai costi elevati del campionamento casuale e semplice; richiede la selezione casuale soltanto
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
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure relative a una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
Dettagli