1. Richiami di Statistica. Stefano Di Colli
|
|
- Giorgia Giusti
- 8 anni fa
- Visualizzazioni
Transcript
1 1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli
2 Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche del modello in esame e controllato I dati non sperimentali derivano dall osservazione del comportamento reale delle variabili di interesse, al di fuori di un contesto sperimentale 2
3 Dati: Fonti e Tipi I dati su entità diverse osservati per un solo periodo sono detti dati sezionali (cross section) I dati su una singola entità raccolti in momenti diversi scadenzati per unità temporali sono detti serie storiche (time series) I dati panel (o longitudinali) sono relativi a entità diverse e riferibili a due o più unità temporali 3
4 Definizione classica Probabilità La probabilità di un risultato è la proporzione tra il numero di casi in cui esso si verifica (favorevoli) e il totale dei casi possibili n Pr( e ) = lim e n n L insieme di tutti i casi possibili è detto spazio campionario Ω. L evento è un sottoinsieme dello spazio campionario 4
5 Definizione: Variabili casuali La Variabile Casuale (vc) è una funzione definita nello spazio campione Ω, l insieme degli eventi elementari. Essa associa ad ogni evento di Ω un numero reale L insieme dei valori che una vc può assumere in una prova specifica si dice supporto della vc Una vc può essere discreta o continua 5
6 Variabili casuali Esempio 1: La variabile casuale che descrive l esperimento lancio di un dado associa a ciascuna faccia del dado un numero intero compreso fra 1 e 6 Esempio 2: quotazione di un indice azionario. La gamma degli esiti possibili è infinita e la variabile casuale associa a ciascun risultato dell attività di contrattazione un numero reale positivo (il prezzo) 6
7 Variabili casuali discrete Una v.c. discreta è una corrispondenza tra gli eventi di Ω ed un insieme discreto (finito o numerabile) di numeri reali Una vc discreta è nota se si conoscono i valori che può assumere e le rispettive probabilità. In altre parole ne è nota la distribuzione di probabilità Condizione necessaria e sufficiente affinchè la vc sia ben definita è che le prob. p i soddisfino 1) p 0, i= 1,2,... 2) i i= 1 p i = 1 7
8 Variabili casuali continue Una vc è continua se può assumere tutti i valori in un qualsiasi intervallo reale Una vc continua è nota se, per ogni x 0 reale e prefissato, è nota la probabilità che tale vc assuma un valore in un intervallo di ampiezza infinitesima Pr( x < X x + dx) = f ( x ) dx Dove f(x) è la funzione di densità della vc continua X 8
9 Variabili casuali continue (II) Alcune proprietà della funzione di densità Pr( x1 < X x2 ) = f ( xdx ) Pr( X = x ) = Pr( x < X x ) = f ( xdx ) = x x 2 1 Condizioni necessarie e sufficienti perché una vc continua sia ben definita sono i) ( ) 0 ii) + f x f ( xdx ) = 1 x 0 x 0 9
10 Funzione di ripartizione La funzione di ripartizione è definita nello stesso modo per entrambi i tipi di vc, anche se il calcolo si sviluppa con metodi diversi La funzione di ripartizione F(x 0 ) di una vc X è definita dalle relazioni seguenti: F( x0 ) = Pr( X x0 ) = x 0 x x 0 p i f ( wdw ) 10
11 Funzione di ripartizione (II) È la distribuzione di probabilità cumulata, cioè la prob che una vc sia < o = a un certo valore La funzione di ripartizione ha le seguenti proprietà: 1) ( ) è non decrescente, cioè 2) Fx x1 < x2 F x1 F x2 lim F( x) = 0; lim F( x) = 0 x x + 3) Fx ( ) è continua da destra, cioè: 0 ( ) ( ) lim F( x) = F( x ) x x
12 Valore medio di una vc Data una vc X ben definita, il valor medio di X è dato dalle seguenti quantità: E ( X ) = + i = 1 x p Il simbolo E(X) deriva dall inglese Expectation, ad indicare che si tratta di un termine di sintesi della vc X. i i xf ( x ) dx 12
13 Valore medio di una vc (II) Si può anche definire il valore medio di una funzione di X, come X 2, X 3,, X r. In questo caso i valori E(X), E(X 2 ), E(X 3 ),, E(X r ) si chiamano momenti della vc. Proprietà: Se esiste (finito) il valore E(X r ), allora esistono anche i momenti E(X s ) per tutti i valori s r 13
14 Valore medio di una vc (III) L operatore E è lineare, cioè per ogni α e β costanti si ha E( αx+ βy ) = αe( X) + βe( Y) da cui, ponendo β = 0, si ha E(αX) = αe(x). Invece, ponendo α = 1 e β =1: E( X± Y) = E( X) ± E( Y) cioè il valor medio di una somma o di una differenza è uguale alla somma (differenza) dei valori medi 14
15 Valore medio di una vc (IV) Dato che una costante c è una vc discreta X che assume valore c con prob 1, il valor medio di una costante è E(c)=c Pr (X=c)= c 1 = c La relazione di linearità può essere generalizzata ad una successione di costanti α i e di vc X i E( α X ) = α E( X ) i i i i i= 1 i= 1 15
16 La variabile casuale scarto Se si sottrae alla vc X una costante µ = E(X), la vc che ne deriva, X µ, si definisce scarto. Il valor medio dello scarto è sempre 0 E(X µ) = E(X) E[E(X)] = 0 La distribuzione della vc scarto consente di valutare il rischio attraverso il valor medio del quadrato dello scarto E(X µ) 2 16
17 La Varianza La varianza di una vc X è data dalla quantità 2 ( x i µ ) pi 2 i= 1 = = + 2 ( ) ( ) Var ( X) E( X µ ) x µ f x dx La varianza gode di alcune proprietà i) Var (X) = 0 se e solo se Pr (X = c) = 1 ii) Var (cx) = c 2 Var (X) iii) Var(X±c) = Var (X) iv) Var(X) = E(X 2 ) [E(X)] 2 17
18 Variabili casuali standardizzate Se la vc non è degenere e possiede valor medio E(X) = µ e varianza Var(X) = E(X µ) 2 =σ 2 si può definire la vc standardizzata Z come Z X E( X ) X µ = = Var ( X ) σ dove E(Z) = 0 e Var(Z) = 1 Il coefficiente di asimmetria e di curtosi di X 3 4 X µ X µ Asym ( X) = E E Z ; Kurt X E = = = E Z σ σ 18 ( 3) ( ) ( 4)
19 La Covarianza Date due vc discrete X e Y con valori medi E(X)= µ x e E(Y)= µ y, si definisce covarianza il valore medio del prodotto degli scarti: k h, = ( ) ( )( ) x y = i x j y ij i= 1 j= 1 (, ) ( )( ) Cov X Y E X µ Y µ x µ y µ p Da cui Cov(X,Y)=E(XY)-E(X)E(Y) La covarianza misura la variazione congiunta tra le vc considerate 19
20 La Covarianza Per qualsiasi costante a, b, c, d la covarianza gode delle seguenti proprietà i) Cov(X,Y)=Cov(Y,X) ii) Cov(X,X)=Var(X) iii) Cov(a +b X, Y)=Cov(X, a +by)=b Cov(X, Y) iv) Cov(a +b X, c +dy)= bd Cov(X,Y) 20
21 La Correlazione Si prenda la covarianza tra le variabili standard., si ottiene il coefficiente di correlazione lineare di Bravais e Pearson X µ x y (, ) xy, Y µ Cov X Y Corr ( X Y) = E = = σ σx σ y Var ( X ) Var ( X ) σx σ y Tenuto della relazione tra covarianza, varianza e valori medi, si può calcolare anche come E( XY) E( X) E( Y) Corr ( X, Y) = 2 2 ( 2) [ ( )] ( 2 ) ( ) [ ] E X E X E Y E Y 21
22 La variabile casuale Normale Una vc continua si dice Normale (o Gaussiana) con parametri µ e σ 2 e si indica con N~(µ, σ 2 ) se è definita su tutto l asse reale con funz. di densità f ( x ) = 1 2 σ 2 e 1 2 ( x µ ) 2 La Normale è importante per tre motivi: i) diversi fenomeni continui seguono una normale, ii) può approssimare varie distr. discrete; iii) è alla base dell inferenza statistica σ 2 22
23 La variabile casuale Normale (II) I momenti caratteristici della Normale sono E(X)= µ ; Var(X)= σ 2 ; Asym(X)=0; Kurt(X)=3 Le principali caratteristiche sono: i) La funzione f(x) è definita su tutto l asse reale ii) È simmetrica rispetto alla media (retta x = µ) iii) Moda e mediana coincidono con il valor medio iv) Ha forma a campana v) È completamente individuata da µ e σ 23
24 La Normale standardizzata La Normale standardizzata ha la funzione di densità: φ( z ) Ha media zero e varianza unitaria 1 z 2 Si dispone di appropriate tavole statistiche che forniscono valori delle aree sotto la curva (probabilità) = 1 2 La combinazione lineare di vc Normali e indipendenti è ancora una vc normale e 2 24
25 La Chi-quadrato La somma di g vc Normali standardizzate e indipendenti al quadrato è una vc continua sul supporto (0, + ) detta Chi-quadrato X~χ 2 (g) È caratterizzata dal parametro g, detto gradi di libertà della vc Chi-quadrato La funzione di densità è asimmetrica positiva I momenti caratteristici sono E(X)=g ; Var(X)=2g; Asym(X)= 8/ g ; Kurt(X)=3+12/g 25
26 La Chi-quadrato 26
27 La F di Fisher È il rapporto tra due vc Chi-quadrato indipendenti tra loro e divise per i rispettivi gradi di libertà Se X 1 ~χ 2 (g1) e X 2 ~χ 2 (g2) sono due Chi-quadrato indipendenti si definisce vc F di Fisher, indicata da X~F (g1, g2), la vc X / g X = X / g Ha una funzione di densità asimmetrica positiva 27
28 La t di Student Se Z~N(0, 1) e indipendente da Y~χ 2 (g), allora si definisce t di Student (Y~ t (g) ) la vc X = Il quadrato di una t è una F con g 1 =1 e g 2 =2 Z Ha fd simmetrica, con media 0 e tende a una N Per valori di g piccoli è leptocurtica, il che la rende adatta a fenomeni che assumono con più frequenza valori estremi / Y g 28
29 La t di Student 29
30 Convergenza La successione di vc X n (per n =1,2, ) converge alla vc Y per n che tende a + se: Convergenza in distribuzione: la funzione di ripartizione di X n tende per n + ad approssimare la funzione di ripartizione di Y Convergenza in media quadratica: il valore medio E(X n - Y) 2 0 per n + 30
31 Legge dei grandi numeri Constatazioni sperimentali: a) Ripetendo nelle medesime condizioni un esperimento casuale, al crescere del numero delle prove la frequenza relativa di un evento tende a stabilizzarsi b) La media rilevata su un campione di osservazioni si stabilizza al crescere della dimensione campionaria convergendo verso la media della popolazione 31
32 Legge dei grandi numeri La frequenza relativa di un evento converge alla sua probabilità 32
33 Teorema del Limite Centrale Il Teorema del Limite Centrale è stato definito centrale da Polya (1920) perché vc di forma qualunque tendono a convergere verso una distribuzione centrata sulla media, la Normale Il TLC asserisce che la somma di una successione di vc iid e con varianza finita converge in distribuzione al vc Normale 33
34 Teorema del Limite Centrale Nella formulazione di Lindeberg e Lévy Se X n è una successione di vc iid co valore medio µ e varianza 0 < σ 2 < + allora la vc somma standardizzata Z n tende ad avere la stessa distribuzione della vc Normale standardizzata Z ~(0, 1) 1 n X µ S nµ n σ n σ/ n i n i= 1 d Zn = = Z N (0,1) 34
35 Variabili casuali doppie Distribuzioni congiunte: La distribuzione di probabilità congiunta di due variabili casuali discrete, X e Y, rappresenta la probabilità che tali vc assumano simultaneamente valori x e y La somma delle probabilità di tutte le possibili combinazioni (x, y) è pari a uno La distribuzione di probabilità congiunta è espressa dalla funzione Pr(X=x, Y=y) 35
36 Variabili casuali doppie Distribuzione di probabilità marginale: è la distribuzione di probabilità della singola variabile casuale Y, da distinguersi rispetto alla distribuzione congiunta di Y rispetto a X La distribuzione marginale di Y può essere calcolata a partire da quella congiunta di Y e X sommando le probabilità di tutti i possibili risultati per i quali Y assume un valore specifico l Pr( Y = y) = Pr( X = x, Y = y) i= 1 i 36
37 Variabili casuali doppie Distribuzione condizionata di Y data X: è la distribuzione di una vc Y condizionatamente al fatto che un altra vc X assuma uno specifico valore La probabilità condizionata di Y data X=x è Pr( Y = yx = x ) = Pr( X = x, Y = y ) Pr( X = x) Aspettativa condizionata di Y data X: è detta anche media condizionata di Y data X ed è la media della distribuzione condizionata di Y data X k E( Y X = x) = y Pr( Y= y, X = x) i= 1 i i 37
38 Variabili casuali doppie Legge delle aspettative iterate: E E ( Y X ) = E ( Y ) ovvero la media di Y è la media ponderata delle aspettative di Y data X, con pesi dati dalla distribuzione di probabilità di X. Se X assume l valori x 1,, x l l i= 1 ( i) E( Y ) = E Y X = x Pr( X = x ) Varianza condizionata di Y data X: è la varianza della distribuzione condizionata di Y data X k i= 1 ( ) 2 var( Y X = x) = yi E Y X = x Pr( Y = yi X = x) i 38
39 Variabili casuali doppie Indipendenza: due vc X e Y sono indipendentemente distribuite se conoscere il valore di una di esse non fornisce alcuna informazione circa l altra X e Y si dicono indipendenti se la distribuzione di Y data X è uguale alla distribuzione marginale di Y Pr( Y = y X = x) = Pr( Y = y) da cui si può affermare che la distribuzione congiunta di di due variabili casuali indipendenti è il prodotto delle loro distribuzioni marginali Pr( X = xy, = y) = Pr( X = x)pr( Y = y) 39
40 Variabili casuali doppie La distribuzione normale multivariata: la distribuzione normale può essere generalizzata per descrivere la distribuzione congiunta di un gruppo di vc Se si considerano soltanto due vc si dice normale bivariata 1) Se X e Y hanno una distribuzione normale bivariata con cov σ XY e a e b sono due costanti, allora ax+by ha una distribuzione normale ( µ, 2 ) X µ Y σx σy abσ XY ax+ by a + b a + b + 40
41 Variabili casuali doppie 2) Se un gruppo di vc ha una distribuzione normale multivariata, la distribuzione marginale di ciascuna delle variabili è normale (segue dalla 1) ponendo a =1 e b =0) 3) Se vc con distribuzione normale mulivariata hanno covarianza nulla, tali variabili sono indipendenti 41
1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliLezione n. 2 (a cura di Chiara Rossi)
Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,
DettagliSTATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia
STATISTICA GIUSEPPE DE NICOLAO Dipartimento di Informatica e Sistemistica Università di Pavia SOMMARIO V.C. vettoriali Media e varianza campionarie Proprietà degli stimatori Intervalli di confidenza Statistica
DettagliRiassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice
cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze
DettagliVARIABILI ALEATORIE CONTINUE
VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA. Programma del modulo di STATISTICA I (6 crediti)
UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA Programma del modulo di STATISTICA I (6 crediti) ECOCOM (lettere A-Lh): ECOCOM (lettere Li-Z): ECOBAN: ECOAMM (Lettere A-Lh):
Dettagli1 Modelli di variabili aleatorie continue
Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,
DettagliElementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B
Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Laurea in Ingegneria Meccatronica A.A. 2010 2011 n-dimensionali Riepilogo. Gli esiti di un esperimento aleatorio
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo
DettagliELEMENTI DI CALCOLO DELLE PROBABILITA
Statistica, CLEA p. 1/55 ELEMENTI DI CALCOLO DELLE PROBABILITA Premessa importante: il comportamento della popolazione rispetto una variabile casuale X viene descritto attraverso una funzione parametrica
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliDott.ssa Caterina Gurrieri
Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliGrafici delle distribuzioni di frequenza
Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliStatistica. Alfonso Iodice D Enza iodicede@unina.it
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16 Outline 1 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it A.Studio dell interdipendenza tra variabili: riepilogo Concetto relativo allo studio delle relazioni tra
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
Dettagliu 1 u k che rappresenta formalmente la somma degli infiniti numeri (14.1), ordinati al crescere del loro indice. I numeri u k
Capitolo 4 Serie numeriche 4. Serie convergenti, divergenti, indeterminate Data una successione di numeri reali si chiama serie ad essa relativa il simbolo u +... + u +... u, u 2,..., u,..., (4.) oppure
DettagliINDICE PREFAZIONE VII
INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliSoluzioni Esercizi elementari
Soluzioni sercizi elementari Capitolo. carattere: itolo di Studio, carattere qualitativo ordinato modalità: Diploma, Licenza media, Laurea, Licenza elementare unità statistiche: Individui. carattere: Fatturato,
DettagliLa categoria «ES» presenta (di solito) gli stessi comandi
Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliAnalisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri
DettagliINTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.
INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliRELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della
RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili
DettagliProbabilità II Variabili casuali discrete
Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliVARIABILI ALEATORIE E VALORE ATTESO
VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della
DettagliMATEMATICA 2001. p = 4/6 = 2/3; q = 1-2/3 = 1/3. La risposta corretta è quindi la E).
MATEMATICA 2001 66. Quale fra le seguenti affermazioni è sbagliata? A) Tutte le funzioni ammettono la funzione inversa B) Una funzione dispari è simmetrica rispetto all origine C) Una funzione pari è simmetrica
DettagliDISTRIBUZIONI DI VARIABILI CASUALI DISCRETE
DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,
DettagliVARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che
VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile
DettagliEsercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)
STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana
DettagliSoluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)
Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliSTATISTICA DESCRITTIVA BIVARIATA
STATISTICA DESCRITTIVA BIVARIATA Si parla di Analisi Multivariata quando su ogni unità statistica, appartenente ad una determinata popolazione, si rileva un certo numero s di caratteri X 1, X 2,,X s. Si
DettagliVARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.
VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della
DettagliESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004
ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e
DettagliScheda n.5: variabili aleatorie e valori medi
Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata
DettagliStatistica descrittiva
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento
DettagliAnalisi statistica degli errori
Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE AREA TECNICO ASSISTENZIALI
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliSOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale
SOLUZIONI ESERCITAZIONE NR. 6 Variabili casuali binomiale e normale ESERCIZIO nr. 1 I Presidi delle scuole medie superiori di una certa cittá italiana hanno indetto tra gli studenti dell ultimo anno una
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
DettagliUn gioco con tre dadi
Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.
DettagliESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE
ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliProgrammazione Disciplinare: Calcolo Classe: Quarte - Quinte
Istituto Tecnico Tecnologico Basilio Focaccia Salerno Programmazione Disciplinare: Calcolo Classe: Quarte - Quinte Anno scolastico 01-01 I Docenti della Disciplina Salerno, settembre 01 Anno scolastico
DettagliLezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria
Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Standardizzazione di una variabile Standardizzare una variabile statistica
DettagliElementi di Statistica
Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Calcolo delle probabilità Il Sig. Rossi abita nella città X e lavora nella città Y, poco distante.
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/06/2015 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema
DettagliTasso di interesse e capitalizzazione
Tasso di interesse e capitalizzazione Tasso di interesse = i = somma che devo restituire dopo un anno per aver preso a prestito un euro, in aggiunta alla restituzione dell euro iniziale Quindi: prendo
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliLa Funzione Caratteristica di una Variabile Aleatoria
La Funzione Caratteristica di una Variabile Aleatoria La funzione caratteristica Φ densità di probabilità è f + Φ ω = ω di una v.a., la cui x, è definita come: jωx f x e dx E e j ω Φ ω = 1 La Funzione
DettagliESAME DI STATISTICA Nome: Cognome: Matricola:
ESAME DI STATISTICA Nome: Cognome: Matricola: ISTRUZIONI: Per la prova è consentito esclusivamente l uso di una calcolatrice tascabile, delle tavole della normale e della t di Student. I risultati degli
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
Dettaglia) Osserviamo innanzi tutto che dev essere x > 0. Pertanto il dominio è ]0, + [. b) Poniamo t = log x. Innanzi tutto si ha:
ESERCIZIO - Data la funzione f (x) = (log x) 6 7(log x) 5 + 2(log x) 4, si chiede di: a) calcolare il dominio di f ; ( punto) b) studiare la positività e le intersezioni con gli assi; (3 punti) c) stabilire
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
DettagliEsercitazione n.1 (v.c. Binomiale, Poisson, Normale)
Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione
DettagliMetodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla
Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui
DettagliStatistica descrittiva: prime informazioni dai dati sperimentali
SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni
DettagliSuccessioni di funzioni reali
E-school di Arrigo Amadori Analisi I Successioni di funzioni reali 01 Introduzione. In questo capitolo applicheremo i concetti di successione e di serie alle funzioni numeriche reali. Una successione di
DettagliPrelazione. Lista delle Figure. Lista delle Tabelle
Indice Prelazione Indice Lista delle Figure Lista delle Tabelle VI IX XV XVI 1 Nozioni Introduttive 1 1.1 Inferenza Statistica 1 1.2 Campionamento 5 1.3 Statistica e Probabilità 7 1.4 Alcuni Problemi e
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione
DettagliCapitolo 2 Distribuzioni di frequenza
Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.
DettagliGli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità
Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)
DettagliEsercizi di Statistica
Esercizi di Statistica Selezione di esercizi proposti durante le esercitazioni dei corsi di Statistica tenute presso la Facoltà di Economia dell Università di Salerno Versione del 17 ottobre 2006 2 Per
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliPROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI
statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore
DettagliRAPPRESENTAZIONE DEI DATI
Rappresentazione dei Dati RAPPRESENTAZIONE DEI DATI Quando si dispone di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente Quandoil si loro dispone
DettagliUniversità di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008
Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica 18 dicembre 008 Esame sull intero programma: esercizi da A a D Esame sulla seconda parte del programma: esercizi
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliCapitolo 4 Probabilità
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 4 Probabilità Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliEsercizio 1. Svolgimento
Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
DettagliESERCIZI DI RIEPILOGO 2. 7 jj(addi
ESERCIZI DI RIEPILOGO 2 ESERCIZIO 1 Da un comune mazzo di 52 carte francesi (13 carte per ognuno dei quattro semi: picche, cuori, fiori e quadri) viene estratta casualmente una carta. Definiti gli eventi:
Dettagli