STATISTICA A K (63 ore) Marco Riani
|
|
- Raimondo Tonelli
- 6 anni fa
- Visualizzazioni
Transcript
1 STATISTICA A K (63 ore) Marco Riani mriani@unipr.it
2 Verifica d ipotesi
3 Esempio di logica di un test statistico Prova d esame con 10 quesiti a quiz 4 possibili risposte per ogni quesito Ipotesi da confutare: studente risponde a caso (oppure è preparato) Se (non) è preparato ci attendiamo tante (poche) risposte giuste Problema: quante risposte giuste: 7, 8? X = numero di risposte esatte v.a. Come si distribuisce X se lo studente non è preparato?
4 Distribuzione X se studente non ha studiato e risponde a caso X ~ B(10, 0,25), n=10, π =1/4=0,25 P( X = s) = 10 0,25 s s (1 10 0,25) s E(X) = 2,5 VAR(X) = 1,875 π =0,25=ipotesi sulla popolazione s=0,,10= numero di risposte esatte nell esperimento campionario osservato
5 Obiettivo: quali valori di X (numero di risposte esatte), sotto l ipotesi che lo studente non abbia studiato (π =0,25), conducono a ritenere che lo studente sia effettivamente preparato? Strumento: distribuzione campionaria della variabile aleatoria X, sotto la stessa ipotesi.
6 Distribuzione campionaria X (quando π=0,25) P(X=s) = 0,25 s (1-0,25) 10-s P(X=0) = 0,75 10 = 0,0563 P(X=1) = 10 0,25 0,75 9 = 0, P(X=2) = 0,25 2 0,758 = 0, ,98 10 P(X=3) = 0,25 3 0,75 7 =0, P(X=4) = 0,25 4 0,75 6 =0, P(X=5) = 0,25 5 0,75 5 =0, P(X=6) = 0,25 6 0,75 4 =0, P(X=7) = 0,25 7 0,75 3 =0, ecc 10 s 7
7 P(X 6)=P(X=6)+P(X=7)+P(X=8) +P(X=9) +P(X=10) = 0, , , , ,000001= <2% Se X 6 o lo studente è preparato o si è verificato un evento raro (con probabilità < 2% lo studente, pur impreparato, è molto fortunato). Se X 6 posso quindi rifiutare l ipotesi che lo studente non ha studiato.
8 Sono però consapevole che potrei commettere un errore (errore di tipo 1) nel caso il risultato X 6 sia ottenuto da uno studente fortunato e impreparato. Però sono tutelato dal fatto che tale errore ha prob (P-value) molto bassa di accadere. Ecco perché ho scelto proprio X 6. Se avessi infatti scelto X 5 : P(X 5)= P(X 6)+P(X=5)=0, ,058=0,078
9 Strategia Nelle indagini statistiche (approccio diretto) un tetto massimo (alpha) per questa probabilità (errore di tipo 1) e fissato dal committente. In genere 1% o 5%.
10 Formalizzazione di un test θ = parametro ignoto dell universo (ad es.: µ, π) (π=probabilità di rispondere correttamente ai quiz) T = indice campionario (ad es: P) statistica test (è variabile aleatoria) (X=numero risposte corrette nel test) H 0 = ipotesi nulla ipotesi da sottoporre a verifica H 0 : θ = θ 0 (π =0.25) θ 0 = valore fissato a priori in base al problema (non dipende dai dati)
11 H 0 e H 1 H 1 = ipotesi alternativa ipotesi che contraddice H 0 H 1 : θ θ 0 alternativa bilaterale H 1 : θ > θ 0 alternativa unilaterale destra H 1 : θ < θ 0 alternativa unilaterale sinistra La scelta di H 1 è di tipo logico e non dipende dai dati
12 Esempio Ipotesi alternativa = lo studente è preparato: H 1 : π > 0,25 (lo studio aumenta la probabilità di rispondere correttamente)
13 Distribuzione campionaria di T suddivisa in 2 zone: zona di rifiuto di H 0 ( regione critica ) = insieme di valori di T a cui è associata una piccola probabilità di verificarsi se H 0 è vera; zona di accettazione di H 0 = comprende i restanti valori di T.
14 Esempio: T = X = n. di risposte esatte P(X = s) accetto X = numero di risposte esatte rifiuto Zona di rifiuto: X 6
15 In pratica si osserva lo specifico valore Se: T = t t cade nella zona di rifiuto si ritiene H 0 falsa (e H 1 vera) t cade nella zona di accettazione non si può ritenere H 0 falsa ( accetto H 0 )
16 Se accetto H 0 Il valore osservato di T può cadere (con probabilità elevata) nella zona di accettazione anche se H 0 è in realtà falsa. Esempio: se π = 0,70 n=10 P(X<6) = 0,150 Accetto H 0 non posso rifiutarla (accettazione per insufficienza di prove ) Non è una prova che H 0 sia vera
17 Conclusioni (p. 89) Realtà Accetto H 0 Rifiuto H 0 H 0 è vera Decisione Errore di corretta prima specie H 0 è falsa Errore di seconda specie Decisione corretta Livello di significatività (α) = probabilità di commettere un errore di prima specie Interpretazione: principio del campionamento ripetuto
18 Approccio diretto si fissa α sufficientemente piccolo (ad es: α = 0,05; α = 0,01) si definiscono le corrispondenti zone di rifiuto e di accettazione tramite la distribuzione campionaria della v.a. T si prende una decisione in base al valore osservato nel campione T = t
19 Esempio: T = X = n. di risposte esatte P(X = s) accetto X = numero di risposte esatte rifiuto Zona di rifiuto: X 6
20 Approccio inverso Livello di significatività osservato (P-value) = probabilità che la v.a. T assuma valori più estremi di quello osservato nel campione (t obs ) quando H 0 è vera.
21 fortissima evidenza contro H 0 Esempio: P - = = = Osservo nel campione 8 risposte esatte. value di 8 = P(X 8π = P(X = 8) 10 0, P(X 0,75 2 = 9) + P(X 0.25) = , = 10) = 0, , =
22 P - value H 1 unilaterale destra H 1 : θ > θ 0 P-value = P{T t obs, dato che θ = θ 0 }. f(t) P-value Pr(T>t obs ) t obs
23 P - value H 1 unilaterale sinistra H 1 : θ < θ 0 P-value = P{T t obs, dato che θ = θ 0 }. f(t) Pr(T<t obs ) t obs
24 P - value H 1 bilaterale: H 1 : θ θ 0 P-value = P{T t obs, dato che θ = θ 0 } + P{T t obs, dato che θ = θ 0 } Pr(T<- t obs ) Pr(T> t obs ) - t obs + t obs
25 Significato P-value: evidenza campionaria contro H 0 se il P-value è piccolo rifiuto H 0 v. Tabella Pag. 92 del libro di inferenza
26 H 0 : µ = µ 0 TEST SULLA MEDIA (grandi campioni) (µ 0 = valore prefissato, in es. confezioni µ 0 =200 g) Consideriamo come statistica-test la media campionaria che, sotto H 0, gode delle seguenti proprietà: 2 σ X µ 0 E( X ) = µ 0 VAR( X ) = Z( X ) = ~ N(0,1) n n Quindi la media campionaria standardizata secondo H 0 è distribuita secondo N(0,1). Rifiutiamo H 0 quando osserviamo medie campionarie lontane da µ 0 medie campionarie standardizzate lontane da 0 sulle code della distribuzione legate a probabilità basse. σ
27 Ad esempio: H 1 : µ µ 0 α/2 1 - α α/2 -z(α/2) 0 +z(α/2) Rifuto accettazione Rifiuto
28 Calcolo sui dati di: x 2 s cor s( X ) = s cor n Scostamento standardizzato: z( x) = s x cor µ 0 n Se α/2 1 - α α/2 Accetto H0 -z(α/2) 0 +z(α/2) Rifuto accettazione Rifiuto Se Rifiuto H0
29 2 approcci H 1 : µ µ 0 APPROCCIO DIRETTO: si fissa α (livello di significatività) APPROCCIO INVERSO: si fornisce il p value
30 Esempio 1: macchina riempitrice tarata su 200 g H 0 : µ = 200 H 1 : µ 200 Campione=100 confezioni x = 199g s cor = 8g s( X ) = 0, 8g z( x) = s x cor µ 0 n z( x) = = 1,25 0,8
31 Approccio diretto si fissa α = 0,05 z(0,025) = 1,96 0,025 0, z( x) = = 1,25 0,8-1, ,96-1,25-1,25 non è un valore estremo cade infatti nella zona di accettazione il campione non dà evidenza per rifiutare H 0 e non possiamo dire che il processo è fuori controllo
32 Approccio inverso: P-value -1, ,25 Pvalue alto (molto maggiore di 5% o 1%) differenza tra media campionaria =199g e µ 0 = 200g non è significativa il processo di produzione è sotto controllo
33 Esempio 2: valutazione orario flessibile H 0 : µ = 6,3 giorni H 1 : µ < 6,3 si riduce l assenteismo α = 0,05 Campione =100 dipendenti: x = 5,5 giorni, s cor = 2,5 s(x ) = 0,25 z( x) = s x cor µ 0 n 5,5 6,3 z( x) = = 3,2 0,25
34 Approccio diretto si fissa α = 0,05 -z(0,05) = -1,64 5,5 6,3 z( x) = = 3,2 0,25 H 1 : µ < 6,3 0,05-3,2-1,64 0-3,2 è un valore estremo cade infatti nella zona di rifiuto rifiutiamo H 0 e concludiamo che con l orario flessibile l assenteismo si riduce
35 Approccio inverso Calcolo del P-value H 1 : µ < 6,3 P-value = P{Z( X ) -3,2} = F(-3,2) = 0,00069 valore molto basso (molto minore dell 1%) differenza tra X =5,5 giorni e µ 0 = 6,3 giorni è significativa l orario flessibile porta a una riduzione dell assenteismo -3,2-1,64 0
36 TEST SULLA MEDIA piccoli campioni
37 TEST SULLA MEDIA (piccoli campioni) Assunzione: distribuzione Normale dell universo H 0 : µ = µ 0 (µ 0 = valore prefissato, in es confezioni µ 0 = 200g) Consideriamo come statistica-test la media campionaria che, sotto H 0, gode delle seguenti proprieta : E( X ) = µ 0 Z( X ) = 0 s 2 cor / σ, VAR( X ) =, oppure n X µ n X µ 0 Z( X ) = σ / n ~ t(n 1) ~ N(0,1)
38 TEST SULLA MEDIA (piccoli campioni) Valutare assunzione che il fenomeno considerato presenti nell universo distribuzione Normale. Se σ 2 è noto la media campionaria standardizzata secondo H 0 è Normale. Se invece σ non è noto e lo si stima con s cor, la media campionaria standardizzata si distribuisce secondo t(n- 1). Le zone di rifiuto e di accettazione devono quindi essere definite con riferimento alla v.a. t(n 1) (NON z) calcolo t(α): F[-t(α/2)] = α/2 Rifiutiamo H 0 quando osserviamo medie campionarie lontane da µ 0 medie campionarie standardizzate lontane da 0 sulle code della distribuzione legate a probabilità basse.
39 Esempio 1: macchina riempitrice tarata su 200 g H 0 : µ = 200 (valore standard) H 1 : µ 200 (valore fuori controllo) Campione=12 confezioni x =207,75g, s cor = 11,14g, s(x ) =3,22 Z X µ ( X ) = 0 scor / n z( x) = = ,41 Distribuzione normale dei pesi assunzione ragionevole
40 Approccio diretto α = 0,05 t 0,025 (11)= 2,201 oppure α = 0,01 t 0,005 (11) = 3,106 Nel campione: 207, z( x) = = 3,22 2,41-3,106-2, ,201 +3,106
41 Se si vuole test con α = 0,05 z(x) = 2,41 è un valore estremo cade infatti nella zona di rifiuto rifiutiamo H 0 e concludiamo che il processo è fuori controllo; Se si vuole test con α = 0,01 z(x) = 2,41 NON è un valore estremo cade infatti nella zona di accettazione non possiamo rifiutare H 0 e NON possiamo concludere che il processo è fuori controllo.
42 Approccio inverso: P-value P-value = P{ Z (X ) +2,41} + P{ Z(X ) 2,41} = 2 P{ Z(X ) +2,41} Dalle tavole della t con 11 gradi di liberta : 0,02 < P-value < 0,05 Discreta (ma non fortissima) evidenza contro H 0 decisione incerta
43 Esercizio Il contenuto di nicotina di una certa marca di sigarette è 0,25 milligrammi con una deviazione standard di 0,015. Un associazione di consumatori sostiene che il contenuto di nicotina dichiarato è al di sotto di quello effettivo. Si effettui il test opportuno sapendo che in un campione casuale di 20 sigarette si è osservata una media campionaria pari a 0,264 milligrammi. Si ponga α=0,01 Si calcoli il relativo p-value
44 Soluzione H 0 : µ = 0,25 milligrammi H 1 : µ > 0,25 contenuto superiore a quello dichiarato x = 0,264 σ=0,015 noto a priori n=20 Ip. di distribuzione normale X µ 0 Z( X ) = ~ N(0,1) σ / n 0,264 0,25 Z( x) = = 0,015/ 20 4,17
45 H 1 : µ > 0,25 α=0,01 F(2,33)=0,99 Densità della v.c. normale standardizzata 0,01 Zona di accettazione 2,33 Zona di rifiuto 0,264 0,25 Z( x) = = 4,17 t obs = = 4,17 cade nella 0,015/ 20 zona di rifiuto
46 Calcolo del p-value P-value = P{ >4,17} = 1-F(4,17) = 0,00002 valore molto basso (molto minore dell 1%) P-value = P{ >4,17}
47 Esercizio Da una sperimentazione geologica vengono estratte 10 piccole porzioni di roccia che vengono successivamente sottoposte ad analisi per verificare il contenuto percentuale di cadmio. Si osserva una percentuale media di 17,4 di cadmio con s cor =4,2. L estrazione del minerale è economicamente conveniente se il contenuto medio percentuale di cadmio è maggiore di 15.
48 Esercizio (continua) Si definiscano l ipotesi nulla e l ipotesi alternativa Si stabilisca se le osservazioni campionarie supportano la convenienza economica dello sfruttamento del giacimento (si utilizzi α=0,01) Si calcoli e si commenti il p-value del test
49 Soluzione x H 0 : µ 0 = 15 (percentuale di cadmio) H 1 : µ 0 > 15 casi in cui è conveniente estrarre il minerale s cor =4,2 n=10 α=0,01 = 17,4 Ip. di distribuzione normale X µ 0 Z( X ) = s / n cor ~ t(9) 17, ,4 15 Z( x) = = = 4,2 / 10 1,3282 1,807
50 H 1 : µ > 15 α=0,01 F t(9) (2,821)=0,99 0,01 Densità della v.c. T di Student con 9 gradi di libertà Zona di accettazione 2,821 Zona di rifiuto 17,4 15 Z( x) = = 1,807 4,2 / 10 t obs = = 1,807 cade nella zona di accettazione
51 Approccio inverso: P-value P-value = P{ Z(X ) +1,807} Dalle tavole della t con 9 gradi di libertà: F t(9) (1,833)=0,95 P-value leggermente superiore a 0,05 Il valore esatto del p-value è 0,052 ottenuto tramite Excel e la funzione distrib.t =distrib.t(1,807;9;1)
52 Esercizio Con riferimento all esercizio precedente si determini la probabilità dell errore di seconda specie assumendo α=0,01 e µ=16
53 Soluzione Con riferimento all esercizio precedente si determini la probabilità dell errore di seconda specie assumendo α=0,01 e µ=16 Errore di seconda specie = accettare un ipotesi nulla falsa Obiettivo: calcolare la probabilità di accettare l ipotesi nulla quando µ=16
54 x α = valore soglia che separa la zona di accettazione dalla zona di rifiuto Errore di prima specie (α) errore seconda specie (β) e potenza del test (1-β)
55 Prob. di accettare l ipotesi nulla quando µ=16 prob. di trovare un valore più piccolo di 18,7467 quando µ=16 Qual è il valore soglia x α che separa la zona di accettazione da quella di rifiuto in termini di valori originari? α=0,01 Accetto 2,821 0,01 Rifiuto Densità della v.c. T di Student con 9 gradi di libertà x α 15 = 4,2 / 10 2,821 Il valore soglia x α è 18,7467
56 Prob. di accettare l ipotesi nulla quando µ=16 = prob. di commettere un errore di seconda specie =β prob. di trovare un valore più piccolo di 18,7467 quando µ=16 Che probabilità è associata all area in verde? Devo calcolare F t(9) ((18,75-16)/1,3282) =F t(9) (2,07)=0,966 In Excel =1-DISTRIB.T(2,07;9;1)
57 Esercizi da svolgere per LUN 17 marzo
58 Esercizio Un fornitore di pneumatici sostiene che la durata media di un certo tipo di pneumatici per camion è di Km. Un impresa sottopone a test l affermazione del produttore osservando un campione di 56 pneumatici utilizzati dai propri veicoli. Qual è la conclusione a cui giunge l impresa se trova una durata media di con un s cor =2749 km (si ponga α=0,01) Si calcoli il p-value
59 Esercizio Di seguito sono riportati i dati di durata (in migliaia di Km) di un convertitore catalitico in un campione di 15 osservazioni. 115,4 85,2 89,1 118,3 88,4 109,3 104,3 69,3 105,5 106,8 103,1 101,6 102,9 89,6 109,3 Si verifichi l ipotesi che la durata media sia pari a 100 contro l alternativa che essa sia minore. Si assuma un livello di significatività α=0,05. Si calcoli il p-value del test.
60 Esercizio L Istituto Superiore di Sanità ha stimato che le spese a carico del Sistema Sanitario Nazionale per la riabilitazione di un paziente che ha avuto un ictus è di euro. L amministrazione di una ASL, per verificare se i costi nella ASL sono in linea con la media nazionale, ha raccolto le informazioni sul costo della riabilitazione di 64 pazienti. Il costo medio è risultato pari a euro con uno scarto quadratico medio (campionario) corretto di 9156 euro. (a) Calcolare l'intervallo di confidenza al livello del 99% per la vera media dei costi nell ASL considerata. (b) Dopo aver impostato l'ipotesi nulla e l'ipotesi alternativa, si testi se la differenza tra il costo medio nazionale e il costo medio stimato nell ASL è significativa al livello di significatività dell'1%. Commentare i risultati ottenuti. Come sarebbero cambiate le conclusioni se il livello di significatività fosse stato del 10%?
61 Esercizio Si assuma che la pressione sistolica media di un adulto sano sia 120 (mm Hg) e lo scarto quadratico medio 5,6. Assumendo che la pressione abbia una distribuzione normale calcolare la probabilità che: selezionando un individuo sano scelto a caso questi abbia una pressione sistolica superiore a 125; scegliendo a caso 4 individui, la media della loro pressione sistolica sia superiore a 125; scegliendo a caso 25 individui, la media della loro pressione sistolica sia superiore a 125; selezionando 6 individui sani quattro di essi abbiano una pressione inferiore a 125.
62 Esercizio Si consideri la verifica di ipotesi sulla media di una popolazione normale. Si definisce la potenza di un test la probabilità di rifiutare un ipotesi nulla falsa (ossia la probabilità di non commettere un errore di seconda specie) Si considerino le seguenti ipotesi nulla e alternativa H 0 : µ=µ 0 H 1 : µ=µ 1 (con µ 1 > µ 0 )
63 Errore di prima specie (α) errore seconda specie (β) e potenza del test (1-β) x α = valore soglia che separa la zona di
64 Quesiti Si dimostri che la potenza del test (1-β) è Funzione crescente della dimensione campionaria (n) Funzione crescente della differenza tra µ 1 e µ 0 Funzione decrescente di σ (standard deviation dell universo) Funzione crescente di α (probabilità di commettere errore di prima specie)
65 Esercizio Per una generica voce di inventario di una determinata impresa, sia X la differenza tra il valore inventariato ed il valore certificato. Da un campione di 120 voci un certificatore contabile ha ottenuto x=25,3 s 2 cor=13240 Si sottoponga a test l ipotesi che l inventario non sia gonfiato specificando opportunamente l ipotesi alternativa (si ponga α=0,01) Si calcoli il p-value Si calcoli la prob. di rifiutare l ipotesi nulla nel caso in cui la vera media di X fosse pari a 30
66 Esercizio Un ricercatore desidera stimare la media di una popolazione che presenta una deviazione standard σ con un campione di numerosità h in modo tale che sia uguale a 0,90 la probabilità che la media del campione non differisca dalla media della popolazione per più dell'8% della deviazione standard. Si determini h.
67 Esercizio Siano X 1 e X 2 due v.c. indipendenti con distribuzione N(4,1) e N(5,4) rispettivamente. Si rappresenti graficamente la densità delle due distribuzioni Si calcoli P(X 1 <X 2 )
68 Esercizio Si consideri un dado a 20 facce tutte uguali Qual è il valore atteso? Quante volte è necessario lanciarlo affinché la probabilità di ottenere almeno un 20 sia maggiore o uguale a 0.5? Lanciandolo 20 volte, qual è il numero medio di 20 ottenuti? Pr di ottenere almeno una volta la faccia 20 in 20 lanci?
69 Esercizio Nel gioco del lotto un numero ha una probabilità p di uscire ad ogni estrazione. Si scriva la densità della v.c. che descrive il tempo di attesa dell uscita del numero all estrazione k-esima (v. casuale geometrica), k=1, 2, 3,. Si dimostri che la somma delle probabilità è 1 Si calcoli il valore atteso Si calcoli l espressione che definisce P(X>k)
STATISTICA A K (60 ore)
STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio Il contenuto di nicotina di una certa marca di sigarette è 0,25 milligrammi con una deviazione standard di 0,015. Un associazione
DettagliSTATISTICA A D (72 ore) Verifica d ipotesi. H 0 e H 1 16/04/2013. Marco Riani, Univ. di Parma 1. Formalizzazione di un test
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Verifica d ipotesi Formalizzazione di un test = parametro ignoto dell universo (ad es.:, ) (=probabilità di rispondere rettamente
DettagliSTATISTICA A D (72 ore)
STATISTICA A D (72 ore) Marco Riani mriani@unipr.it http://www.riani.it Verifica d ipotesi 1 Esempio di logica di un test statistico Prova d esame con 10 quesiti a quiz 4 possibili risposte per ogni quesito
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 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 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
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
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio Un partito politico ha commissionato un indagine sull orientamento della popolazione al prossimo referendum. Al partito
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
DettagliEsercitazione 8 del corso di Statistica 2
Esercitazione 8 del corso di Statistica Prof. Domenico Vistocco Dott.ssa Paola Costantini 6 Giugno 8 Decisione vera falsa è respinta Errore di I tipo Decisione corretta non è respinta Probabilità α Decisione
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
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
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
DettagliLezione 17. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 17. A. Iodice
con Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 29 Outline con 1 2 3 con 4 5 campioni appaiati 6 Indipendenza tra variabili () Statistica 2 /
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
DettagliLa verifica delle ipotesi
La verifica delle ipotesi Se abbiamo un idea di quale possa essere il valore di un parametro incognito possiamo sottoporlo ad una verifica, che sulla base di un risultato campionario, ci permetta di decidere
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
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
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
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
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
DettagliTest delle ipotesi sulla media.
. Caso di un singolo campione. Varianza nota.. Ipotesi alternativa bilaterale Test delle ipotesi sulla media. Valore medio η e deviazione standard σ della popolazione note. η è il valore stimato dal nostro
DettagliUn esempio. Ipotesi statistica: supposizione riguardante: un parametro della popolazione. la forma della distribuzione della popolazione
La verifica delle ipotesi In molte circostanze il ricercatore si trova a dover decidere quale, tra le diverse situazioni possibili riferibili alla popolazione, è quella meglio sostenuta dalle evidenze
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!
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esercizio In un urna vi sono N/2 palline bianche e N/2 palline nere. Si supponga di estrarre un campione con ripetizione di dimensione
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
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)
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
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
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
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
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
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,
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
DettagliTest d ipotesi: confronto fra medie
Test d ipotesi: confronto fra medie Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona CONFRONTO FRA MEDIE 1) confronto fra una media campionaria e una media di popolazione
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
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra, A. Di Ciaccio - McGraw Hill Es.. Soluzione degli esercizi del capitolo 4 4. Il sistema d ipotesi è: μ 7, H : μ 7, Essendo 0 : t,
DettagliLezione VII: t-test. Prof. Enzo Ballone
Lezione VII: t-test Cattedra di Biostatistica Dipartimento di Scienze Biomediche, Università degli Studi G. d Annunzio di Chieti Pescara Prof. Enzo Ballone Un terzo problema: si considerino 2 campioni
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
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
DettagliStatistica. Esercitazione 14. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice. Verifica di ipotesi
Esercitazione 14 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 14 Ex.1: Verifica Ipotesi sulla media (varianza nota) Le funi prodotte da un certo macchinario hanno una
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
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
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
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
DettagliSOLUZIONE. a) Calcoliamo il valore medio delle 10 misure effettuate (media campionaria):
ESERCIZIO SU TEST STATISTICO (Z, T e χ ) Da una ditta di assemblaggio di PC ci viene chiesto di controllare la potenza media dissipata da un nuovo processore, che causa a volte problemi di sovraccarico
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliPSICOMETRIA. Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI
PSICOMETRIA Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI CAMPIONI INDIPENDENTI Campioni estratti casualmente dalla popolazione con caratteristiche omogenee Assegnazione
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
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
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
DettagliFondamenti di Psicometria. La statistica è facile!!! VERIFICA DELLE IPOTESI
Fondamenti di Psicometria La statistica è facile!!! VERIFICA DELLE IPOTESI INFERENZA STATISTICA Teoria della verifica dell ipotesi : si verifica, in termini probabilistici, se una certa affermazione relativa
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
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliUniversità del Piemonte Orientale. Corsi di laurea di area tecnica. Corso di Statistica Medica. Analisi dei dati quantitativi :
Università del Piemonte Orientale Corsi di laurea di area tecnica Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Corsi di laurea triennale di area tecnica - Corso di
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
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
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
DettagliCapitolo 10 Test delle ipotesi
Capitolo 10 Test delle ipotesi 1 Stima e verifica di ipotesi Modello di popolazione e campionamento: La popolazione viene descritta da una variabile aleatoria dipendente da un parametro incognito. Si ipotizza
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
DettagliPROVA SCRITTA DI STATISTICA. cod CLEA-CLAPI-CLEFIN-CLELI cod CLEA-CLAPI-CLEFIN-CLEMIT. 5 Novembre 2003 SOLUZIONI MOD.
PROVA SCRITTA DI STATISTICA cod. 4038 CLEA-CLAPI-CLEFIN-CLELI cod. 5047 CLEA-CLAPI-CLEFIN-CLEMIT 5 Novembre 003 SOLUZIONI MOD. A In 8 facoltà di un ateneo italiano vengono rilevati i seguenti dati campionari
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
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
DettagliVerifica di ipotesi: approfondimenti
1. Il -value Verifica di iotesi: arofondimenti Il test si uò effettuare: Determinando reventivamente le regioni di accettazione di H 0 e H 1 er lo stimatore considerato (sulla base del livello α e osservando
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 4.1 I principali test statistici per la verifica di ipotesi: Il test t Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE. a.a.
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 1,00 0,90 0,80 0,70 0,60 0,50 0,40 0,30 0,20 0,10 0,00 CDF empirica
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
DettagliZ-test, T-test, χ 2 -test
Z-test, T-test, χ 2 -test Francesco Corrias Chiara Todaro DIMA 13 febbraio 2012 Francesco Corrias Chiara Todaro (DIMA) Z-test, T-test, χ 2 -test 13 febbraio 2012 1 / 19 Verifica d ipotesi Definizione (Test
DettagliEsercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/2003 e del 14/1/2003
Esercitazioni di Statistica Matematica A Esercitatori: Dott. Fabio Zucca - Dott. Maurizio U. Dini Lezioni del 7/1/003 e del 14/1/003 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore
DettagliProprietà della varianza
Proprietà della varianza Proprietà della varianza Proprietà della varianza Proprietà della varianza Intermezzo: ma perché dovremmo darci la pena di studiare come calcolare la varianza nel caso di somme,
DettagliPsicometria 1 (023-PS)
Psicometria 1 (023-PS) Michele Grassi mgrassi@units.it Università di Trieste Lezione 14 Michele Grassi (UNITS) Psicometria 1 (023-PS) Lezione 14 1 / 77 Piano della presentazione 1 Verifica di ipotesi statistiche
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # 6 1 Test ed intervalli di confidenza per una popolazione Esercizio n. 1 Il calore (in calorie
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
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
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
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
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
DettagliCapitolo 10. Test basati su due campioni e ANOVA a una via. Statistica II ed. Levine, Krehbiel, Berenson Apogeo
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 10 Test basati su due campioni e ANOVA a una via Insegnamento: Statistica Applicata Corsi di Laurea in "Scienze e tecnologie Alimentari"
DettagliTest per la correlazione lineare
10 Test per la correlazione lineare Istituzioni di Matematica e Statistica 2015/16 E. Priola 1 Introduzione alla correlazione lineare Problema: In base ai dati che abbiamo possiamo dire che c è una qualche
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
Dettaglisi tratta del test del chi-quadro di adattamento e di quello di indipendenza. 1 l ipotesi che la popolazione segua una legge fissata;
di : dado : normale Finora abbiamo visto test d ipotesi per testare ipotesi differenti, ma tutte concernenti il valore atteso di una o due popolazioni. In questo capitolo vediamo come testare 1 l ipotesi
DettagliCapitolo 10. Test basati su due campioni e ANOVA a una via. Statistica II ed. Levine, Krehbiel, Berenson. Casa editrice: Pearson
Levine, Krehbiel, Berenson Statistica II ed. Casa editrice: Pearson Capitolo 10 Test basati su due campioni e ANOVA a una via Insegnamento: Statistica Corsi di Laurea Triennale in Economia Dipartimento
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 2 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile Uniforme Continua Data una scheda telefonica da 5 euro di cui non si sa se sia
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
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
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
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
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Esempio totocalcio Gioco la schedina mettendo a caso i segni 1 X 2 Qual è la prob. di fare 14? Esempio Gioco la schedina mettendo
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
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
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
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI VERIFICA DI IPOTESI PER IL CONFRONTO TRA DUE PROPORZIONI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI VERIFICA DI IPOTESI PER IL CONFRONTO TRA DUE PROPORZIONI IL PROBLEMA Si vuole verificare se un nuovo trattamento per la cura dell otite è più efficace
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
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)
DettagliX ~ N (20, 16) Soluzione
ESERCIZIO 3.1 Il tempo di reazione ad un esperimento psicologico effettuato su un gruppo di individui si distribuisce normalmente con media µ = 20 secondi e scarto quadratico medio σ = 4 secondi: X ~ N
DettagliIl test statistico e le ipotesi Regione di accettazione e rifiuto Test con ipotesi nulla semplice Il p-value Errori di I e II tipo Funzione di potenza
1 La verifica di ipotesi Il test statistico e le ipotesi Regione di accettazione e rifiuto Test con ipotesi nulla semplice Il p-value Errori di I e II tipo Funzione di potenza Contenuti: Capitolo 13 libro
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
Dettagli