Test di Ipotesi (su una singola popolazione)
|
|
- Alberta Angelini
- 6 anni fa
- Visualizzazioni
Transcript
1 Test di Iotesi (su una singola oolazione) Dato un camione casuale estratto dalla oolazione F ( X, X,, X n ) X - Poolazione Osservati/misurati i dati x, x,, x n Decido la lausibilità di una iotesi formulata sulla oolazione F a artire dai dati misurati Un test di iotesi (statistica) è una regola attraverso la quale, sulla base dei dati osservati, si decide la lausibilità di un affermazione formulata sulla oolazione F.
2 Test Non Parametrici Test Parametrici Non si fanno assunzioni circa la forma analitica della distribuzione stessa, ma si esrime un iotesi su di essa o su alcune sue caratteristiche si assume nota la forma analitica della distribuzione stessa e si esrime un iotesi circa uno o iù dei suoi arametri. F x Noi ci occuiamo solo dei test arametrici
3 Esemi Test Parametrico La moneta è truccata? Test Parametrico L altezza (media) della (oolazione) è cm? L altezza (media) della bambine è uguale all altezza media dei bambini? Test Non Parametrico Test Non Parametrico C è un associazione tra un dato SNP ed una atologia? Le due oolazioni hanno distribuzioni uguali? 3
4 Definizione di Iotesi statistica Un'iotesi statistica è un'affermazione che secifica arzialmente o comletamente la legge di distribuzione della robabilità di una variabile casuale X che descrive la oolazione di interesse Sia F N(,) la oolazione da cui è estratto il camione Iotesi semlice Affermazione che secifica comletamente la legge di distribuzione. Esemio Iotesi comosta Affermazione che NON secifica comletamente la legge di distribuzione. Esemio 4
5 L iotesi che viene formulata è detta iotesi nulla di fatto o l iotesi neutra. L iotesi contraria, è detta l alternativa.. Essa raresenta lo stato ACCETTO NON LA RIFIUTO NON C E EVIDENZA SPERIMENTALE PER RIFIUTARLA ACCETTO RIFIUTO C E EVIDENZA SPERIMENTALE PER RIFIUTARLA 5
6 Accettare l iotesi nulla non significa che questa sia vera, ma solo che non c è nulla che ci orti a credere il contrario (i.e., manca l evidenza del contrario). Viceversa rifiutare l iotesi nulla significa che, dati alla mano (sebbene ossibile), aare molto imrobabile che l iotesi nulla sia vera Per gli esercizi. Se devo smentire/confutare un iotesi la uso come iotesi nulla di un test statistico. vedi Esercizio Ca. 8 n. in un sistema giudiziario garantista innocenza Se devo rovare/testare (serimentalmente) un iotesi la uso come alternativa vedi esemio seguente la moneta è truccata? 6
7 Esemio moneta truccata? La moneta è onesta La moneta è truccata Matematicamente X Variabile Casuale Bernulliana P(X=)=q=(-). Lanciamo n volte la moneta e registriamo il numero di volte che esce ogni faccia P(X=)= n= Totale 4 Totale 6 ˆ 5.4 Cosa vi sembra? 7
8 Dato il camione casuale di interesse Come costruiremo un test statistico.. X, X,, X n X, estratto dalla oolazione ts g X, X, X n Si sfrutta una Statistica Test che ad ogni set di dati fa corrisondere un valore numerico e di cui conosciamo la distribuzione suonendo vera. X P gx X X P,,, ts n P X ts Si costruisce una regione di rifiuto identificando un insieme di valori che hanno bassa robabilità di accadere se l iotesi nulla è vera. Quanto bassa lo decide l utente secificando il LIVELLO DI SIGNIFICATIVITA del test. 8
9 decisione Regola di decisione Se il valore della statistica osservato sul camione estratto cade nella regione critica o di rifiuto allora l iotesi nulla viene rifiutata, altrimenti viene accettata (i.e. non rifiutata) Nell'accettare o rifiutare, sulla base dell'evidenza serimentale, una determinata iotesi nulla, si uò agire correttamente, e cioè accettare l iotesi nulla quando è vera o rifiutare l iotesi nulla quando è falsa, oure si ossono commettere errori di diversa natura a) errore di I secie o di I tiorifiutare l iotesi nulla quando essa è vera. Falso ositivo b) errore di II secie o di II tioaccettare l iotesi nulla quando essa è falsa. Falso negativo Accettare è inteso come non rifiutare è vera è falsa Accetto Decisione Corretta -α Errore Tio II β Rifiuto Errore Tio I α Decisione Corretta -β 9
10 P rifiutare è vera Livello di significatività del test (coincide con la robabilità di commettere un errore di tio I) P accettare è falsa robabilità di commettere un errore di tio II P rifiutare è falsa Potenza del test (robabilità di individuare iotesi false) Idealmente si vorrebbe la soluzione ideale dovrebbe essere costituita da un test caace di minimizzare simultaneamente le robabilità di commettere gli errori di I e di II tio, ma avendo a disosizione solo un camione della oolazione questo non è ossibile.
11 Distanza tra iotesi nulla ed alternativa Dati è vera P Dati P Dati è falsa P Dati P Varianza statistica camionaria α β
12 Poiché errore di tio I ed errore di tio II sono in cometizione La rocedura che si esegue è quella di fissare la misura della robabilità di commettere un errore di rimo tio (si stabilisce cioè il livello di significatività α) e nell'individuare oi il test che minimizza la robabilità di commettere un errore di II tio. In generale Fissate le iotesi ed il livello di significatività del test, er aumentare la otenza occorre aumentare la taglia del camione. tra tutti i test statistici che si ossono costruire er una refissata coia di iotesi, si cercherà di trovare (se ossibile) quello con la otenza iù grande a arità della taglia del camione.
13 Secificare le iotesi da testare (le iotesi devono essere esaustive e mutuamente esclusive ) Fissare il livello di significatività Definire una statistica X ts g X, X,, X n er il test (i.e., una statistica er cui sia calcolabile la distribuzione camionaria quando l iotesi nulla è vera). Definire sulla base della statistica scelta la regione di rifiuto er (i.e., i valori della statistica di robabilità < quando è vera). Fasi da eseguire er un test delle iotesi Eseguire il camionamento (i.e., l eserimento) e calcolare il valore della statistica osservato sul camione casuale, i.e. x g x, x,, Se x ts g x, x,, x n cade nella regione di rifiuto, si decide di rifiutare, altrimenti si decide di non rifiutare ts x n La risosta del test è rifiuto o non rifiuto 3
14 P-value In corrisondenza di una articolare realizzazione assunta da una qualunque Statistica Test X ts g X, X,, X n si dice P-value la robabilità dei valori che suerano, (in valore assoluto) e nella direzione estrema, il valore osservato. La robabilità soramenzionata è calcolata assumendo che è vera x, ts g x, x, x n In ratica, il -value è una misura di ottenere realizzazioni ancora iù estreme di quella osservata. Intuitivamente è una misura di lausibilità dell iotesi nulla. Un -value molto iccolo viene interretato come una misura a sfavore dell iotesi nulla. 4
15 P ( X ts ) 5
16 Secificare le iotesi da testare (le iotesi devono essere mutuamente esclusive ed indurre una artizione dello sazio degli eventi) Fissare il livello di significatività Definire una statistica X ts gx, X, X n er il test (i.e., una statistica er cui sia calcolabile la distribuzione camionaria quando l iotesi nulla è vera) Aroccio alternativo er un test delle iotesi Eseguire il camionamento (i.e., l eserimento) e calcolare il valore della statistica osservato sul camione casuale. x gx, x,, ts x n Calcolare il -value associato alla statistica osservata ˆ Se si decide di rifiutare, altrimenti si decide di non rifiutare La risosta del test è rifiuto o non rifiuto + -value 6
17 Test sulla media di una oolazione Sia la oolazione del camione una N(, ) Obiettivo testare una delle seguenti Dove è un valore noto Si estrae il camione casuale (di taglia n) Caso a) Caso b) X, X,, varianza nota varianza incognita Z T X / n X S / n A seconda della tiologia della coia nulla/alternativa da testare il test sarà ad una coda oure a due code X n Statistica test Statistica test 7
18 Par. 8.3.) caso a) varianza nota Si sfrutta il fatto che la Statistica Test Z X ~ N, sotto l iotesi / n Distribuzione (estrema) assumendo che l iotesi nulla sia vera. Per determinate la regione critica occorre individuare le zone a bassa robabilità Il caso varianza nota è un caso ressoché ideale (con valore rincialmente didattico ). Nelle alicazioni reali molto raramente si è in grado di conoscere la varianza della oolazione. In R c è z.test In Matlab c è ztest 8
19 Test a due code z Z z z Z z Z Regione accettazione Regione rifiuto z z, N 9
20
21 Esemio (Ross Ca8 n.6) Suoniamo di saere che negli Stati Uniti la statura media di un maschio adulto è di 7 ollici, con una deviazione standard di 3 ollici. Per verificare che gli uomini di una città sono nella media, si sceglie un camione di maschi adulti e se ne misura la statura, ottenendo i risultati seguenti Cosa concludi? Siega quali assunzioni stai facendo. X Iotizziamo che la v.a. statura di un maschio adulto sia una normale ed eseguiamo uno z-test a due code con varianza nota X / n 7
22 Esemio (continuazione) Decidiamo un livello di significatività e stabiliamo se rifiutare l iotesi nulla che il camione di uomini sia nella media z z.5 In ambedue i casi rifiutiamo iotesi nulla 3.4 value P( Z 3.4) P( Z 3.4).7
23 Test ad una coda N left, N right, z z Regione rifiuto Regione accettazione Z Z z z Regione rifiuto Regione accettazione Z Z z z 3
24 4
25 Esemio (Ross Ca8 n.) I salmoni cresciuti ogni anno in un allevamento commerciale hanno dei esi con distribuzione normale di deviazione standard. libbre. La ditta dichiara che il eso medio dei suoi esci quest anno è sueriore alle 7.6 libbre. Suoni che un camione casuale di 6 esci sia risultato in un eso medio di 7. libbre. Si uò dire che questo dato sia abbastanza forte da farci resingere l affermazione dell azienda (a) al 5% di significatività? (b) All % di significatività? (c) Quanto vale il -dei-dati di questo test? Poiché nel testo ci chiedono se ossiamo resingere l iotesi basandoci sui dati, scegliamo rorio questa come X / 6 n
26 Esemio (continuazione) In base al livello di significatività, stabiliamo se rifiutare l iotesi nulla che la media del eso dei salmoni sia sueriore a 7.6 libbre z z.5. In ambedue i casi non ossiamo rifiutare l iotesi nulla e dunque non ossiamo resingere l affermazione anche se questo non significa sia vera value P( Z.333).93 6
27 7
28 Par. 8.3.) caso b) varianza incognita Si sfrutta il fatto che la Statistica Test T X ~ tn S / n sotto l iotesi Distribuzione (estrema) assumendo che l iotesi nulla sia vera. Per determinate la regione critica occorre individuare le zone a bassa robabilità Il t-test è uno dei test statistici iù utilizzati (sesso anche male utilizzato). Ne esistono diverse varianti. In questa fase vediamo il caso del t-test er la media di una oolazione In R il resente test (e le sue generalizzazioni) è imlementato dalla funzione t.test 8
29 Test a due code,,,, n n n n t T t t T t T Regione accettazione Regione rifiuto n T, / n t, / n t 9
30 3
31 Esemio Suonendo che il livello medio di colesterolo in soggetti adulti sani sia di 8. Si consideri la oolazione di soggetti adulti affetti da una determinata atologia, si vuole verificare se tali soggetti associano un livello di colesterolo diverso da quello dei soggetti sani. 8 8 Test a due code Caso ) Suoniamo di estrarre n= camioni Fissato α=,5 t.5,9 t.5,9.6.6 T X S 8 / a 9 gradi di libertà Suoniamo di aver calcolato che,6,8,6 X 9 S 5 da cui T, 8 Decisione L iotesi nulla non uò essere rifiutata Quanto vale il -value? 3
32 Esemio (continuazione) Caso ) Suoniamo di estrarre n=5 camioni T X S / 5 a 4 gradi di libertà Fissato α=,5 t.5,4.45 t.5,4. 45 Suoniamo di aver calcolato che X 9 S da cui T.58 T t.5,4 Decisione L iotesi nulla deve essere rifiutata Aumentare la taglia del camione casuale estratto consente di riconoscere meglio le differenze (da un unto di vista matematico aumenta la otenza del test). esemio artificiale nelle alicazioni reali se si aumenta la taglia del camione (o se si cambia il camione) le stime della media camionaria e della varianza camionaria risultano diverse Quanto vale il -value? 3
33 Test ad una coda right left,, n n t T t T,, n n t T t T Regione accettazione Regione rifiuto Regione accettazione Regione rifiuto, n t n T, n t n T 33
34 34
35 Esemio Si suonga di aver somministrato ad un gruo di n= cavie un articolare farmaco e di aver riscontrato i seguenti incrementi di eso 55, 6,54, 57, 65, 64, 6, 63, 58, 67, 63 e 6 grammi. Saendo che le cavie del tio considerato (di uguale età e condizione), quando non sono sottooste a trattamenti, mostrano un incremento medio di eso ari a 65 grammi. Ci si domanda se le osservazioni siano tali da oter attribuire al farmaco la differenza riscontrata nell'incremento medio di eso; in articolare si vuole saere cioè se il farmaco ossa consentire una riduzione dell aumento del eso o oure se tale differenza ossa essere attribuita a fattori aventi carattere uramente accidentale Test ad una coda ( left ) 35
36 Esemio (continuazione) T dove X 65 S / a gradi di libertà X 6,75 S 6, 38 T 3, 63 Fissato α=,5. 8 t T 3,63 t.5,. 8.5, 3.63 Decisione L iotesi nulla deve essere rifiutata t.5, value P T
37 Esemio 3 Si vuole verificare l efficacia di una data dieta dimagrante te, ertanto vengono monitorati n= individui al temo t= (inizio della dieta) e t=3 mesi da quando la dieta è iniziata. A arte il regime dietetico gli individui selezionati continueranno a seguire lo stile di vita cui erano abituati. Si osservano i seguenti risultati T= mesi T=3 mesi Individuo Individuo Individuo Individuo Individuo Individuo Individuo Individuo Individuo Individuo Individuo T Possiamo concludere che la dieta è efficace con una significatività di.? D.5545 S D.443 d d Test ad una coda t,; Decisione L iotesi nulla deve essere rifiutata.7638 La dieta è efficace 37
38 Par. 8.6 Test sulla roorzione di una oolazione Sia la oolazione del camione una Bernulli( ) Obiettivo testare una delle seguenti Dove è un valore noto Si estrae il camione casuale (di taglia n) Caso a) Caso b) n( ) n( ) X, X,, X Z X n n X i X i n n( ) Bin( n, ) N (,) Statistica test Statistica test A seconda della tiologia della coia nulla/alternativa da testare il test sarà ad una coda oure a due code 38
39 Caso a) Si sfrutta la statistica n ( ) X n X i i Bin ( n, ) Obiettivo dato testare l iotesi X, X,, Si estrae il camione casuale (di taglia n) Si calcola x numero di successi ottenuti nel camione di taglia n sfruttando la distribuzione di X sotto l iotesi nulla X n value min P ( X x), P ( X x) Eq. (8.6.4) del libro accetto rifiuto 39
40 Caso a) Si sfrutta la statistica n ( ) X n X i i Bin ( n, ) Obiettivo dato testare l iotesi X, X,, Si estrae il camione casuale (di taglia n) X n Si calcola x numero di successi ottenuti nel camione di taglia n sfruttando la seguente disuguaglianza P X x) P ( X x) ( x value n n i ni ) ix i ( value value accetto Rifiuto Eq. (8.6.) del libro 4
41 Caso a) Si sfrutta la statistica n ( ) X n X i i Bin ( n, ) Obiettivo dato testare l iotesi X, X,, Si estrae il camione casuale (di taglia n) X n Si calcola x numero di successi ottenuti nel camione di taglia n sfruttando la seguente disuguaglianza P X x) P ( X x) ( x value n x i ni ) i i ( value value accetto rifiuto
42 Caso b) Si sfrutta la statistica n ( ) Z X n n ( N ) (,) z z Test ad una coda Test ad una coda left right Regione rifiuto Regione accettazione Z Z z z Regione rifiuto Regione accettazione Z Z z z z Test a due code Regione rifiuto Regione accettazione z Z z z Z Z z z 4
43 Esemio moneta truccata? (continua) Test a due code Sono stati effettuati n= lanci n 5 Totale 4 Totale 6 Con i dati osservati si ha ˆ Z.4.5 le condizioni di alicabilità sono valide, ertanto si uò utilizzare la seguente statistica test Z Pˆ n L iotesi nulla è rifiutata.5 z
44 Esemio 4 Un azienda farmaceutica dichiara che il suo farmaco è efficace in iù del 9% dei casi. In un camione di 3 ersone che lo hanno utilizzato si è rilevato efficace in 5 casi. Stabilire se l affermazione uò considerarsi legittima con livello di significatività del..9.9 Test ad una coda E stata verificata l efficacia su n=3 individui n(-)=3*.9*.=.7 Lo z.test non uò essere utilizzato!! (se lo utilizzassimo i risultati non sarebbero attendibili) La condizione di alicabilità non è verificata, Test esatto er di bernulli Aumentare la numerosità del camione fino a soddisfare le iotesi (er =.9n>3) 44
45 Esemio 4 (continuazione) Un azienda farmaceutica dichiara che il suo farmaco è efficace in iù del 9% dei casi. In un camione di 3 ersone che lo hanno utilizzato si è rilevato efficace in 5 casi. Stabilire se l affermazione uò considerarsi legittima con livello di significatività di..9.9 value P Test ad una coda. vediamo se c è evidenza serimentale dell affermazione della ditta >.9 Valutiamo il -dei-dati 3 3 i 3i ( X 5).9 (.9 ).9 i5 i Essendo il -dei-dati una misura di lausibilità dell iotesi nulla. Un -value di.9 non ci autorizza a rifiutare l iotesi nulla a nessun livello di significatività lausibile. I DATI NON LEGITTIMANO L AFFERMAZIONE DELLA DITTA 45
46 Esemio 4 (continuazione) Nello stesso esemio del caso recedente, ma con un camione di 3 ersone (che hanno utilizzato il farmaco) di cui in 5 casi si è rilevato efficace..9.9 Test ad una coda E stata verificata l efficacia su n=3 individui n**(-)= ˆ.8333 Z.9 3. z, le condizioni di alicabilità sono valide.36 Il valore critico è si su una coda, ma su quella sbagliata L iotesi nulla è accettata (i.e, non si uò rifiutare) 46
47 Conclusioni Come nel caso della stima dei arametri, anche nel caso dei test di iotesi, er trarre conclusioni su un arametro caratterizzante una oolazione ci basiamo sui risultati ottenuti su un singolo camione. I singoli risultati che si ottengono diendono dal camione estratto ertanto sono variabili casuali. L interretazione viene fatta su basi robabilistiche. Di conseguenza non semre si giungerà a delle conclusioni corrette, ad esemio non è garantito che la decisione resa sul se accettare l iotesi nulla o se rifiutarla in favore dell alternativa sia corretta. Si ossono verificare infatti due tii di errori (errore di rimo tio,. i.e, rifiutare l iotesi nulla quando questa è vera; ed errore di secondo tio, i.e. accettare l iotesi nulla quando questa è falsa). La logica del test di iotesi considerata controlla solo l errore di rimo tio. Il rischio ratico è quello di scaricare questa scelta sull errore di secondo tio, cioè non essere in grado di individuare delle differenze resenti dei dati. In questo senso occorre ricordare che accettare l iotesi nulla non significa che questa sia vera. 47
48 Esercizio da fare da soli.. Una comagnia di assicurazioni vuole valutare l entità media delle richieste di risarcimento danni er incidenti automobilistici. Un indagine svolta su di un camione di 5 richieste ha dato i seguenti risultati (con X si indica la variabile richiesta di risarcimento in migliaia di euro ) 5 x i. x Iotizzando che X abbia distribuzione gaussiana 5 i i a) Stimare l entità media delle richiesta e la varianza delle richieste di risarcimento, giustificando la scelta degli stimatori usati; i b) calcolare l intervallo di confidenza al 95% er la richiesta media di risarcimento, commentando i assaggi; 3 c)saggiare, ad un livello di significatività.5, l iotesi contro l alternativa, commentando i assaggi. ; 3 t.5,4.64 t.5, 4.7 (nota che dalla tavola A.3 ho ) 48
Verifica 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
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
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!
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
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
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
DettagliLa probabilità. f n. evidentemente è 0 ( E)
La robabilità Definizione - Eserimento aleatorio Ogni fenomeno del mondo reale al quale associare una situazione di incertezza. Es: Lancio di un dado, estrazioni numeri della tombola, ecc. Definizione
DettagliNote sulla Definizione Assiomatica della Probabilita
ote sulla efinizione ssiomatica della Probabilita La totalità delle varie modalità con cui si uò resentare un fenomeno casuale sono raresentate dai unti di uno sazio. Un sottoinsieme qualunque dello sazio
DettagliSTATISTICA 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
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
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
DettagliCapitolo 2. Funzioni
Caitolo 2 Funzioni 2.1. De nizioni Un concetto di fondamentale imortanza è quello di funzione. roosito la seguente de nizione: Vale a questo De nizione 10 Dati due insiemi (non vuoti) X e Y, si chiama
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
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
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
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
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
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
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
DettagliCALCOLO DELLE PROBABILITÀ. 1. La probabilità che una candela accesa si spenga è p = 1, perché è assolutamente certo che si esaurirà.
CALCOLO DELLE PROBABILITÀ -Definizione di robabilità -Legge additiva (eventi disgiunti) -Probabilità totale -Eventi comosti -Eventi indiendenti -Legge moltilicativa -Probabilità comoste - -Definizione
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
DettagliTEORIA DELLA PROBABILITÁ
TEORIA DELLA PROBABILITÁ Cenni storici i rimi arocci alla teoria della robabilità sono della metà del XVII secolo (Pascal, Fermat, Bernoulli) gli ambiti di alicazione sono i giochi d azzardo e roblemi
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
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
DettagliQuanti soggetti devono essere selezionati?
Quanti soggetti devono essere selezionati? Determinare una appropriata numerosità campionaria già in fase di disegno dello studio molto importante è molto Studi basati su campioni troppo piccoli non hanno
DettagliDistribuzione Gaussiana - Facciamo un riassunto -
Distribuzione Gaussiana - Facciamo un riassunto - Nell ipotesi che i dati si distribuiscano seguendo una curva Gaussiana è possibile dare un carattere predittivo alla deviazione standard La prossima misura
DettagliSTATISTICHE, DISTRIBUZIONI CAMPIONARIE E INFERENZA
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 STATISTICHE, DISTRIBUZIONI CAMPIONARIE
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
Dettaglidocente: Germana Scepi
INSEGNAMENTO DI :PIANO DEGLI ESPERIMENTI CORSO DI LAUREA: CLAS docente: Germana Scei Eserimenti in Scienza e Industria I metodi serimentali sono amiamente utilizzati sia nella ricerca scientifica che nel
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
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
DettagliLa verifica delle ipotesi
La verifica delle iotesi Iotesi ulla Il rocesso di verifica di iotesi è u rocesso di falsificaioe dell iotesi ulla (coteete lo stato dell arte) cotro l iotesi alterativa (coteete il uovo) Essa rareseta
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
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
Dettaglii dati escludono vi sia una relazione tra variabile indipendente e variabile dipendente (rispettivamente
TEST DI AUTOVALUTAZIONE - SETTIMANA 6 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia Parte A. La retta di regressione.2
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
DettagliSTATISTICA AZIENDALE Modulo Controllo di Qualità
STATISTICA AZIENDALE Modulo Controllo di Qualità A.A. 009/10 - Sottoperiodo PROA DEL 14 MAGGIO 010 Cognome:.. Nome: Matricola:.. AERTENZE: Negli esercizi in cui sono richiesti calcoli riportare tutte la
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
DettagliAnalisi della regressione multipla
Analisi della regressione multipla y = β 0 + β 1 x 1 + β 2 x 2 +... β k x k + u 2. Inferenza Assunzione del Modello Classico di Regressione Lineare (CLM) Sappiamo che, date le assunzioni Gauss- Markov,
DettagliStatistica Matematica A - Ing. Meccanica, Aerospaziale II prova in itinere - 2 febbraio 2005
Statistica Matematica A - Ing. Meccanica, Aerospaziale II prova in itinere - 2 febbraio 2005 c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Esercizio
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
DettagliComportamento asintotico delle Catene di Markov
Comortamento asintotico delle Catene di Markov In queste note analizzeremo il comortamento asintotico della catene di Markov a temo discreto omogenee, con sazio degli stati di dimensione finita. I risultati
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
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
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
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
DettagliR - Esercitazione 6. Andrea Fasulo Venerdì 22 Dicembre Università Roma Tre
R - Esercitazione 6 Andrea Fasulo fasulo.andrea@yahoo.it Università Roma Tre Venerdì 22 Dicembre 2017 Il modello di regressione lineare semplice (I) Esempi tratti da: Stock, Watson Introduzione all econometria
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
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)
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
Dettaglia) 36/100 b) 1/3 c)
Da un urna contenente 10 palline, di cui 6 bianche e 4 nere, si estraggono due palline. Determinare la probabilità del seguente evento E=«le due palline sono bianche» nel caso di estrazioni a) con rimbussolamento
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
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
DettagliIL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI
IL CONFRONTO TRA LE VARIANZE DI DUE POPOLAZIONI Perchè confrontare le varianze stimate in due campioni? Torniamo all'esempio dei frinosomi Per poter applicare il test t avevamo detto che le varianze, e
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
Dettaglilezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1
lezione n. 6 (a cura di Gaia Montanucci) METODO MASSIMA VEROSIMIGLIANZA PER STIMARE β 0 E β 1 Distribuzione sui termini di errore ε i ε i ~ N (0, σ 2 ) ne consegue : ogni y i ha ancora distribuzione normale,
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
DettagliProgetto di travi in c.a.p isostatiche Il fuso del cavo risultante e il fuso di Guyon
Università degli Studi di Roma Tre - Facoltà di Ingegneria Laurea magistrale in Ingegneria Civile in Protezione Corso di Cemento rmato Precomresso / 2015-16 Progetto di travi in c.a. isostatiche Il fuso
DettagliTest di ipotesi su due campioni
2/0/20 Test di ipotesi su due campioni Confronto tra due popolazioni Popolazioni effettive: unità statistiche realmente esistenti. Esempio: Confronto tra forze lavoro di due regioni. Popolazioni ipotetiche:
DettagliStatistica inferenziale. La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione.
Statistica inferenziale La statistica inferenziale consente di verificare le ipotesi sulla popolazione a partire dai dati osservati sul campione. Verifica delle ipotesi sulla medie Quando si conduce una
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Riani mriani@unipr.it http://www.riani.it Verifica d ipotesi Esempio di logica di un test statistico Prova d esame con 10 quesiti a quiz 4 possibili risposte per ogni quesito
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
DettagliSimulazione di esercizi su test di significatività e 95%CI
Simulazione di esercizi su test di significatività e 95%CI 1) In un trial clinico vennero trattati 10 pazienti ipertesi con un preparato di Rawolfia. I valori pressori (in mmhg) riscontrati prima del trattamento
DettagliVerifica delle ipotesi: Binomiale
Verifica delle ipotesi: Binomiale Esercizio Nel collegio elettorale di una città, alle ultime elezioni il candidato A ha ottenuto il 4% delle preferenze mentre il candidato B il 6%. Nella nuova tornata
Dettagli5.5 Procedura generale per la formulazione di un test
ca e ilprincipale problema per i test di ipotesi consiste nello scegliere la migliore regione "'''illle. In generale si può notare che maggiore è la regione critica maggiore è la probabi- iere un errore
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI I METODI PER IL CONFRONTO DI MEDIE (Campioni non indipendenti) Prof.ssa G. Serio, Prof. P. Trerotoli, Cattedra di Statistica Medica, Università di Bari
Dettagliˆp(1 ˆp) n 1 +n 2 totale di successi considerando i due gruppi come fossero uno solo e si costruisce z come segue ˆp 1 ˆp 2. n 1
. Verifica di ipotesi: parte seconda.. Verifica di ipotesi per due campioni. Quando abbiamo due insiemi di dati possiamo chiederci, a seconda della loro natura, se i campioni sono simili oppure no. Ci
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliPrincipi di Economia Microeconomia. Esercitazione 1 Domanda, Offerta ed Equilibrio. Soluzioni
Princii di Economia Microeconomia Esercitazione 1 Domanda, Offerta ed Equilibrio Soluzioni Maria Tsouri Novembre 1 1. Raresentate graficamente le seguenti funzioni di domanda e di offerta: (a) d =1-P Calcoliamo
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Significatività statistica per la correlazione vers. 1.0 (5 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università
DettagliIpotesi statistiche (caso uno-dimensionale) Ipotesi poste sulla (distribuzione di) popolazione per raggiungere una decisione sulla popolazione stessa
Ipotesi statistiche (caso uno-dimensionale) Ipotesi poste sulla (distribuzione di) popolazione per raggiungere una decisione sulla popolazione stessa L ipotesi che si vuole testare: H 0 (ipotesi nulla)
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 13-Il t-test per campioni indipendenti vers. 1.1 (12 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di
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
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
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
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
DettagliEsame di Istituzioni di Matematiche II del 11 luglio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola
Esame di Istituzioni di Matematiche II del 11 luglio 2001 (Corso di Laurea in Biotecnologie, Universitá degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione:
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
1 STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono
Dettagli1 Esercizi per l esame finale
1 Esercizi per l esame finale 1 1 Esercizi per l esame finale 1.1 Stima puntuale 1 Sia (X 1,..., X n ) un campione casuale estratto da una distribuzione U[0, θ], θ > 0. (a) Scrivere la funzione di verosimiglianza
DettagliEsercizi proposti - Gruppo 7
Argomenti di Matematica er l Ingegneria - Volume I - Esercizi roosti Esercizi roosti - Gruo 7 1) Verificare che ognuina delle seguenti coie di numeri razionali ( ) r + 1, r + 1, r Q {0} r ha la rorietà
DettagliDISTRIBUZIONI DI CAMPIONAMENTO
DISTRIBUZIONI DI CAMPIONAMENTO 12 DISTRIBUZIONE DI CAMPIONAMENTO DELLA MEDIA Situazione reale Della popolazione di tutti i laureati in odontoiatria negli ultimi 10 anni, in tutte le Università d Italia,
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,
DettagliEsame di Statistica del 7 luglio 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).
Esame di Statistica del 7 luglio 006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. Es. 3 Es. 4 Somma Voto finale Attenzione: si consegnano
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)
DettagliSTATISTICA. Esercizi vari
STATISTICA Esercizi vari Esercizio 5.6 p. 205 Variabile Coeff. Dev. std. Statistica t p-value Intercetta 23.384 1.592 14.691 0 Profondità -1.435 0.213-6.726 0 = 0.850 Esercizio 5.6 p. 205 Variabile Coeff.
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliCompiti 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
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
DettagliUGELLO CONVERGENTE. Dai valori noti si ricava: = = e quindi il rapporto: p a
UGELLO CONVERGENE. Si consideri un ugello convergente che scarica in ambiente ( a atm). Sono noti la temeratura di ristagno K, il diametro di uscita dell ugello D.m e la differenza di ressione tra monte
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
DettagliPrincipi di Economia - Microeconomia Esercitazione 2 Domanda, offerta ed equilibrio di mercato Soluzioni
Princii di Economia - Microeconomia Esercitazione 2 Domanda, offerta ed equilibrio di mercato Soluzioni Daria Vigani Febbraio 2014 1. Assumiamo la seguente funzione di domanda di mercato er il gelato:
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliEsercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 23/5/2017
Esercitazione 3 - Statistica II - Economia Aziendale Davide Passaretti 3/5/017 Contents 1 Intervalli di confidenza 1 Intervalli su un campione 1.1 Intervallo di confidenza per la media................................
DettagliCapitolo 5 Confidenza, significatività, test di Student e del χ 2
Capitolo 5 Confidenza, significatività, test di Student e del χ 5.1 L inferenza Se conosciamo la legge di probabilità di un evento (a priori o a posteriori) possiamo fare delle previsioni su come l evento
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
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
DettagliUniversità degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A
Università degli Studi di Padova Corso di Laurea in Medicina e Chirurgia - A.A. 015-16 Corso Integrato: Statistica e Metodologia Epidemiologica Disciplina: Statistica e Metodologia Epidemiologica Docenti:
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
Dettagli