Compiti tematici capp. 5,6
|
|
|
- Tiziano Mantovani
- 8 anni fa
- Visualizzazioni
Transcript
1 Compiti tematici capp. 5,6 a cura di Giovanni M. Marchetti 2016 ver. 0.6 Indice Esercizi dai compiti a casa (HW Se X e Y sono due variabili casuali independenti, quale delle seguenti uguaglianze è vera? A E(2X + 3Y = 5 E(X + Y B var(2x + 3Y = 2var(X + 3var(Y C var(2x + 3Y = 4V ar(x + 9V ar(y D E(2X + 3Y = E(X + E(Y + 5. Soluzione. A Falsa: E(2X + 3Y = 2E(X + 3E(Y. B Falsa: var(2x + 3Y = 4var(X + 9var(Y C Vera. D Falsa. 2. (Richiede la conoscenza dell ipergeometrica. In una partita di 18 autocarri, ce ne sono 4 senza aria condizionata. Se ne estraggono 4 a caso. Qual è la probabilità al più due siano senza aria condizionata? Soluzione. L estrazione è senza ripetizione perché il testo dice la numerosità della popolazione da cui si estrae e il campione è piccolo. Qui ( X = numero di autocarri senza aria condizionata sul 4 estratti. Pertanto, X ha distribuzione ipergeometrica. Quindi: ( S N S 3( P (X = 3 = n 3 ( N n e anche ( S N S P (X = 4 = 4( n 4 ( N n La probabilità chiesta è P (X 2 = 1 P (X = 3 P (X = 4. Quindi si calcola P (X = 3 = P (X = 4 = Quindi P (X 2 = = ( 4 ( ( 18 4 = = ( 4 ( ( 18 4 = =
2 3. Se X e Y sono due variabili casuali indipendenti, quale delle seguenti uguaglianze è falsa? A cov(x, Y = 0 B var(x Y = var(x + var(y C E(X + Y = E(X + E(Y D cov(x, Y = 1. Soluzione. A Vera: se X e Y sono indipendenti sono anche incorrelate. B Vera: perché var(x Y = var(x + var(y 2cov(X, Y C Vera. D Falsa. 4. Un indagine ha rilevato che il 40% dei controllori di volo ritiene il proprio lavoro molto stressante. Supponi che 12 controllori di volo siano selezionati casualmente. Qual è la probabilità che almeno 2 di loro ritengano il proprio lavoro molto stressante? A B C D Soluzione. Qui si suppone che selezionare casualmente 12 controllori da una popolazione (di numerosità ignota sia equivalente a fare 12 prove di Bernoulli indipendenti con probabilità 0.4 di selezionare uno stressato. Il numero X di controllori di volo stressati su 12 è quindi binomiale. X = # stressati su 12 Binomiale(12, p = 0.4 Quindi la probabilità che almeno 2 due di loro siano stressati su 12 è P (X 2 = 1 P (X < 2 = 1 P (X = 0 P (X = 1 Quindi si usa la formula della probabilità Binomiale: ( ( (0.4 0 ( (0.4 1 ( = (0.4( = Data la distribuzione di probabilità Quali delle seguenti affermazioni è vera? A P (X 3 = 0.64 B P (2 < X < 5 = 0.42 C P (X > 6 = 0.07 D P (X 6 = Soluzione. x p(x A P (X 3 = 1 ( = 0.6. Falso. B P (2 < X < 5 = p(3 + p(4 = = Vero. C P (X > 6 = Falso. D P (X 6 = 1 p(7 = = Falso. 2
3 6. Considera la seguente distribuzione di probabilità della variabile casuale X. Qual è il valore atteso di X? A 0.46 B 1.78 C 2.74 D 3.02 Soluzione. Abbiamo x p(x E(X = (0( (1( (2( (3( (4( (5( (6(0.04 = Se X e Y sono due variabili casuali con cov(x, Y = 0.25, σx 2 = 0.36, e σ2 Y correlazione è A B C D Soluzione. Abbiamo quindi ρ = ρ XY = σ XY σ X σ Y = = 0.49, allora il il coefficiente di Velo pietoso sui coefficienti di correlazione più grandi di 1! 8. Quale dei seguenti è un esempio di variabile casuale discreta? A L ammontantare di pioggia che cade in un intervallo temporale di 24 ore. B Il peso di un pacco all ufficio postale. C La distanza che puoi percorrere con un pieno di benzina. D Il numero di vacche in una fattoria. Soluzione. A È una misura (in mm B È una misura (in kg C È una misura (in km D È un conteggio e dunque è una variabile discreta. 9. Sia X N(17.1, σ = 3.2. Calcolare P (15 < X < 20. A B C D
4 Soluzione. Si ha Standardizzando, si ha P (15 < X < 20 = P (X < 20 P (X < 15 P (X < 20 = P (Z < ( /3.2 = P (Z < 0.91 dove ho arrotondato a 2 cifre. Analogamente P (X < 15 = P (Z < ( /3.2 = P (Z < 0.66 = 1 P (0.66 Ora dalle tavole si trova che P (Z < 0.91 = , P (Z < 0.66 = Quindi la probabilità è ( ( = Sia Z N(0, 1 e sia c un possibile valore di Z. Trovare c tale che l area totale tra c e +c sia A 0.11 B 2.50 C 2.00 D 0.06 Soluzione. Trova c tale che P ( c < Z < c = Nota che per rispettare la definizione bisogna che P (Z > c = ( /2 = Allora P (Z < c = 1 P (Z > c = = Vai sulle tavole della normale e vedi che c = 2. Quindi la risposta è C. 11. La probabilità che una persona prenda il raffreddore durante l inverno è 0.4. Assumendo che 10 persone siano selezionate a caso, qual è la probabilità che esattamente 4 di loro prendano il raffreddore? A B C D Soluzione. Chiamo p = probabilità che una persona prenda il raffreddore in inverno = 0.4. Se si selezionano a caso 10 persone (da una popolazione infinita si stanno facendo 10 prove di Bernoulli indipendenti 4
5 con probabilità di successo p. Il numero di persone X con il raffreddore si intende hanno distribuzione X Binomiale(10, p = 0.4. Quindi ( 10 P (X = 4 = p 4 (1 p 6 = 210(1 p 6 p 4 = Risposta D. 12. Se X e Y sono due variabili casuali con E(X = 5, E(Y = 6, E(XY = 21, var(x = 9 e var(y = 10, allora l associazione lineare tra X e Y è: A debole e positiva. B debole e negativa. C forte e negativa. D forte e positiva. Soluzione. L associazione lineare si misura con il coefficiente di correlazione lineare. cor(x, Y = cov(x, Y / var(xvar(y. dove cov(x, Y = E(XY E(XE(Y = 21 (5(6 = 9. Quindi L associazione è negativa e forte. Risposta C. cor(x, Y = 9/ (9( Ci siamo recentemente iscritto ad un golf club. Il numero di volte che si presume di giocare a golf in un mese è una variabile casuale con media 10 e deviazione standard 2.2. Si assume di pagare una quota sociale di 500 euro al mese e di pagare una quota addizionale di 50 euro per ogni partita di golf giocata. Qual è la deviazione standard della quota media mensile da pagare al Club? A 110 B 324 C 180 D 220. Soluzione. Il numero di volte che si gioca è aleatorio e lo chiamiamo X. Se in un mese pago 500 euro più 50 a partita al mese pago X euro. In media perciò pago La varianza è E(X = (50(10 = 1000 euro. var(x = var( X = 2500var(X = 2500( La deviazione standard è σ(x = (50(2.2 = 110 euro. 14. Se X e Y sono due variabili casuali qualsiasi, quali delle seguenti ugualianze non è sempre vera? A E(X + Y = E(X + E(Y 5
6 B var(x + Y = var(x + var(y C var(4x + 5Y = 16var(X + 25var(Y + 40cov(X, Y D E(4X + 5Y = 4E(X + 5E(Y Soluzione. Chiede quale è Falsa. A Vera. B Falsa: manca il termine +2cov(X, Y. C Vera. D Vera. Risposta B. 15. Si assuma che il tempo di attesa per sedersi ad un ristorante sia approssimabile con una variabile casuale normale con media 15 minuti e scostamento quadratico medio di 4.75 minuti. Calcolare la probabilità di dover aspettare almeno 20 minuti prima di sedersi. A B C D Soluzione. Tempo = X N(15, σ = La probabilità di dover aspettare almeno 20 minuti prima di sedersi è P (X 20 = P [Z > (20 15/4.75] = P (Z > 1.05 = 1 P (Z 1.05 = = Data la variabile casuale Y = a + bx, segue che µ Y = bµ X. Vero o Falso? Soluzione. Falso. E(Y = E(a + bx = a + bµ X. 17. Se il coefficiente di correlazione lineare è nullo, allora non c è nessun tipo di relazione tra le due variabili. Vero o Falso? Soluzione. Falso. Ci può essere una relazione non lineare. Vedi Figura. y r= x 18. Il lancio di una moneta rappresenta un esperimento di binomiale solo se la moneta è bilanciata, cioè se p =
7 Soluzione. Falso ovviamente. 19. Se X ey sono due variabili casuali con σx 2 = 3.25, σ2 Y = 5.8, e cov(x, Y = , allora il coefficiente di correlazione lineare è ρ = Soluzione. Questo esercizio ha un problema. Infatti non esistono due variabili con quelle varianze e quella covarianza. Questo si vede subito perché il coefficiente di correlazione è Quindi la risposta è FALSO. ρ = = 3.39!! NOTA: il coefficiente di correlazione tornerebbe se fosse σ X = 3.25, σ Y = Se X e Y sono due variabili casuali correlate, allora E(X + Y = E(X + E(Y + cov(x, Y. Vero o Falso? Soluzione. Falso è E(X + Y = E(X + E(Y. 21. Se Z è una variabile casuale normale standardizzata, un valore negativo di Z indica che la deviazione standard di Z è negativa. Vero o Falso? Soluzione. Falso. La deviazione standard di Z è La media e la mediana sono le stesse per una variabile casuale uniforme. Vero o Falso? Soluzione. Vero: è una variabile simmetrica. 23. La forma della distribuzione normale è determinata dalla deviazione standard σ. Una diminuzione di σ riduce l altezza della curva e appiattisce la curva lungo l asse delle ascisse. Un incremento di σ aumenta l altezza della curva e riduce l appiattimento della curva. Vero o Falso? Soluzione. Falso: è esattamente l oppposto. 24. Se due variabili casuali X e Y sono indipendenti, allora P (y x = P (x, e P (x y = P (y per ogni x, y. Vero o Falso? Soluzione. Falso: la definizione è P (y x = P (y, e P (x y = P (x per ogni x, y. 7
8 25. Se X è una variabile casuale binomiale con n = 5 e p = 0.2, allora il valore atteso è 1. Vero o Falso? Soluzione. Vero: E(X = np = (5(0.2 = 1. Esercizi dai compiti a casa (HW HW 5.9 Dato un campione casuale di dimensione n = 4900 da una popolazione Bernoulliana con p = 0.5 sia X il numero di successi (a la P (X > 2480 (b la P (X < 2390 (c la P (2445 < X < 2520 (d Il numero di successi che ha probabiità 0.1 di NON essere superato. (e Il numero di successi che ha probabilità 0.09 di ESSERE superato. Soluzione. Si usa l approsimazione normale X N(µ = np, sigma 2 = npq = N(µ = 2450, σ = 35. Quindi (a P (X > 2480 = P (Z > ( /35 = P (Z > 0.86 = 1 P (Z 0.86 = = (b P (X < 2390 = P (Z < ( /35 = P (Z < 1.71 = 1 P (Z < 1.71 = = (c P (2445 < X < 2520 = P (( /35 < Z < ( /35 = P ( 0.14 < Z < 2 = P (Z < 2 P (Z < 0.14 = (1 P (Z < 0.14 = ( = (d Trova k tale P (X < k = 0.1 ossia P (Z < (k 2450/35 = 0.1. Si cerca sulla Tavola 2, ultima riga il quantile che lascia A DESTRA 0.1 e poi gli si cambia segno. Fare il grafico! Si trova sulla Tavola 2, ultima riga si vede che z 0.1 = Quindi (k 2450/35 = e quindi k = = (e Trova k tale che P (X > k = 0.09 ossia P (X k = Standardizzo e ottengo P (Z (k 2450/35 = 0.91 Il quantile 0.91 stra tra 1.34 e 1.35 quindi interpolando è Allora (k 2450/35 = 1.355, cioè k = =
Es.: una moneta viene lanciata 3 volte. X = n. di T nei primi 2 lanci Y = n. di T negli ultimi 2 lanci
Es.: una moneta viene lanciata 3 volte. X = n. di T nei primi 2 lanci Y = n. di T negli ultimi 2 lanci X\Y 0 1 2 0 1/8 1/8 0 1/4 1 1/8 1/4 1/8 1/2 2 0 1/8 1/8 1/4 1/4 1/2 1/4 1 X e Y non sono indip. Se
Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
Variabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazion
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
Esercizi 6 - Variabili aleatorie vettoriali, distribuzioni congiunte
Esercizi - Variabili aleatorie vettoriali, distribuzioni congiunte Esercizio. X e Y sono v.a. sullo stesso spazio di probabilità (Ω, E, P). X segue la distribuzione geometrica modificata di parametro p
Compiti tematici dai capitoli 2,3,4
Compiti tematici dai capitoli 2,3,4 a cura di Giovanni M. Marchetti 2016 ver. 0.8 1. In un indagine recente, i rispondenti sono stati classificati rispetto al sesso, lo stato civile e l area geografica
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo [email protected] Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
Esercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
Esercizi 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
ESERCIZI PROBABILITA I
ESERCIZI PROBABILITA I ESERCIZIO 1 Il rendimento annuo di un titolo viene descritto mediante una distribuzione normale. I e III quartile del rendimento sono uguali a, rispettivamente, -0.1 e 0.3. Si calcoli
Calcolo delle Probabilità e Statistica Matematica Fisciano, 10/1/2012
Fisciano, 10/1/2012 Esercizio 1 Un esperimento consiste nel generare a caso un vettore di interi (x 1, x 2, x 3, x 4 ), dove x i {1, 2, 3, 4, 5, 6} i. (i) Si individui lo spazio campionario, determinandone
LEZIONE 2.5. corso di statistica. Francesco Lagona Università Roma Tre. LEZIONE 2.5 p. 1/12
LEZIONE 2.5 p. 1/12 LEZIONE 2.5 corso di statistica Francesco Lagona Università Roma Tre LEZIONE 2.5 p. 2/12 distribuzione doppia di due variabili aleatorie consideriamo la distribuzione doppia di due
Esercitazione del 04/06/2015 Probabilità e Statistica Foglio 14
Esercitazione del 0/06/05 Probabilità e Statistica Foglio David Barbato Esercizio. Ci sono 0 monetine di cui 5 con due teste, con due croci e regolari una moneta regolare ha una faccia testa e una faccia
Esercitazione: 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
PROBABILITA. 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
Variabili 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
1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
Teorema 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
Probabilità 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.
DISTRIBUZIONI BINOMIALE, POISSON E NORMALE Indice degli esercizi
DISTRIBUZIONI BINOMIALE, POISSON E NORMALE Indice degli esercizi 1 Distribuzione di Poisson 1.1 Soluzione dell'esercizio 1 2 Sulla distribuzione normale 2.1 Soluzione dell'esercizio 2 3 Distribuzione binomiale
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha. P {X = a, Y = b} = P {X = a}p {Y = b}
Due variabili aleatorie X ed Y si dicono indipendenti se comunque dati due numeri reali a e b si ha P {X = a, Y = b} = P {X = a}p {Y = b} Una variabile aleatoria χ che assume i soli valori 1, 2,..., n
Introduzione 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
Lezione 12. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 12. A. Iodice.
discrete uniforme Bernoulli Poisson Statistica Alfonso Iodice D Enza [email protected] Università degli studi di Cassino () Statistica 1 / 56 Outline discrete uniforme Bernoulli Poisson 1 2 discrete 3
Cap. 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
ES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita
ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto
DISTRIBUZIONE 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
Vettori Aleatori discreti
Vettori Aleatori discreti Un vettore aleatorio X =(X,X 2,...,X n ) si dice discreto se esiste un insieme finito o numerabile C R n tale che P (X = x) >, 8x 2 C, P (X = x) =, 8x /2 C, dove, ponendo x =(x,...,x
Dispensa 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
CALCOLO DELLE PROBABILITÀ - 9 giugno 1998 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ - 9 giugno 1998 1. Dati gli eventi A,B,C, ognuno dei quali implica il successivo, e tali che P (A) è metà della probabilità di B, che a sua volta ha probabilità metà di quella
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ SCHEDA
SCHEDA 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
Distribuzioni di due variabili aleatorie
Statistica e analisi dei dati Data: 6 Maggio 206 Distribuzioni di due variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Distribuzioni congiunte e marginali Consideriamo due variabili
Distribuzione di Probabilità
Distribuzione di Probabilità Sia X variabile con valori discreti X 1, X 2,..., X N aventi probabilità p 1, p 2,..., p N ( i p i = 1) (X variabile discreta aleatoria, o stocastica, o casuale, random) Funzione
Statistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
Probabilità 1, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09
Probabilità, laurea triennale in Matematica I prova scritta sessione estiva a.a. 2008/09. Due roulette regolari vengono azionate più volte; sia T il numero di volte che occorre azionare la prima roulette
Regressione lineare semplice
Regressione lineare semplice Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Statistica con due variabili var. nominale, var. nominale: gruppo sanguigno - cancro
Statistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza [email protected] Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
Indice. centrale, dispersione e forma Introduzione alla Statistica Statistica descrittiva per variabili quantitative: tendenza
XIII Presentazione del volume XV L Editore ringrazia 3 1. Introduzione alla Statistica 5 1.1 Definizione di Statistica 6 1.2 I Rami della Statistica Statistica Descrittiva, 6 Statistica Inferenziale, 6
valore probabilità
ESERCIZIO 1 Sia X il numero di unità di un certo prodotto acquistate da un generico cliente di un supermercato. Si supponga ch X abbia la seguente distribuzione valore probabilità 0 0.4 1 0.2 2 0.2 3 0.1
DISTRIBUZIONI DI PROBABILITA
DISTRIBUZIONI DI PROBABILITA Nell associare ai risultati di un esperimento un valore numerico si costruisce una variabile casuale (o aleatoria, o stocastica). Ogni variabile casuale ha una corrispondente
Statistica. 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
Il 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
