U. Moisello MASSIMI. Analisi Statistica di Massimi Idrologici
|
|
- Oliviero Pepe
- 6 anni fa
- Visualizzazioni
Transcript
1 U. Moisello MASSIMI Analisi Statistica di Massimi Idrologici versione ampliata Pavia settembre 2011
2 CARATTERISTICHE GENERALI DEL PROGRAMMA Il programma (scritto in linguaggio FORTRAN) è destinato all'elaborazione statistica di una serie di osservazioni del massimo annuale di una grandezza idrologica. L'insieme delle osservazioni si assume contenuto, insieme con qualche altra informazione, in un apposito file dati; i risultati sono scritti in un file risultati. In fase di esecuzione si possono definire, rispondendo da tastiera a un certo numero di domande che appaiono sul video, le elaborazioni di cui si vuole l'esecuzione. Le elaborazioni si basano sull'assunzione che il massimo idrologico considerato si possa trattare come una variabile casuale, indicata con x, e che la serie di osservazioni costituisca un campione estratto dalla popolazione della x. Le elaborazioni possibili consistono nell'individuazione della legge probabilistica del tipo prescelto che si assume come adatta a interpretare le osservazioni del campione, nella determinazione dei valori assunti dalla variabile x per un certo numero di tempi di ritorno T assegnati e nella determinazione della distribuzione del massimo della x in un numero N di anni assegnato. Per determinare la distribuzione del massimo della x in N anni l'utente fissa un certo numero di valori diversi di N e della probabilità di non superamento P e il programma calcola, per ogni valore di P, il valore della variabile x che corrisponde a P per i diversi valori di N assegnati. Utilizzando questi risultati si può dare una rappresentazione grafica della distribuzione del massimo di x in N anni tracciando un fascio di curve, ciascuna delle quali rappresenta, per una data probabilità di non superamento P, la dipendenza del massimo della x dal numero N degli anni a cui il massimo si riferisce. L'utente può adoperare, per l'analisi statistica dei massimi annuali, la legge di Gumbel, la legge lognormale, la legge Gamma, la legge di Fréchet, la legge di Weibull e la legge loglogistica (tutte a due parametri). La stima dei parametri è effettuata con il metodo dei momenti. E` possibile escludere dalle elaborazioni un numero arbitrario di osservazioni. E` anche possibile escludere, a richiesta, il calcolo dei valori della x corrispondenti ad assegnati tempi di ritorno e quello del massimo della x in N anni. 1
3 DATI Dati contenuti nel file dati I dati di base per l'esecuzione del programma sono contenuti in un apposito file, che deve essere preparato in anticipo dall'utente. Il file dati è così costituito: a) una o più righe di commento, destinate a contenere le informazioni sui dati; ogni riga non deve superare gli 80 caratteri e deve essere delimitata da apici (per esempio 'xxxxxx'); il numero delle righe di commento è illimitato; b) una riga che contiene il codice '***', che è destinato a chiudere il commento (non ci devono essere altri caratteri, di nessun tipo, tra i due apici, i quali fanno parte del codice); c) una riga che contiene il codice numerico 0 (zero) oppure 1 (uno); il codice 0 si adopera quando le osservazioni sono senza etichetta, il codice 1 quando ogni osservazione è preceduta da un'etichetta; se il codice è minore di zero o maggiore di 1 sullo schermo compare la scritta ERRORE IN ASSEGNAZIONE CODICE ETICHETTA NEL FILE DATI; se ha luogo un errore durante la lettura dei dati sullo schermo compare la scritta ERRORE NELLA LETTURA DELLE OSSERVAZIONI; d) un insieme di righe, ciascuna delle quali corrisponde a un'osservazione; quando non c'è etichetta ogni riga contiene solo il valore numerico dell'osservazione (scritto adoperando il punto per i decimali, non la virgola); quando c'è l'etichetta, questa deve essere contenuta tra due apici, deve precedere nella riga il valore numerico ed essere separata da questa da un carattere TAB (oppure da uno spazio bianco oppure da una virgola); il numero delle righe che contengono le 2
4 osservazioni è al massimo uguale a 1000 (per aumentare questo massimo occorre intervenire sul programma, come è spiegato più avanti). Tra le righe che contengono i dati e dopo l'ultima può essere inserito un numero qualsiasi di righe bianche, che vengono trascurate dal programma. In qualche caso (a seconda del sistema operativo utilizzato) l'inserimento di un'ultima riga bianca può essere necessario. Esempi di file dati Un esempio di file dati con etichetta è il seguente: 'CHIESE A GAVARDO' 'Massimi annuali della portata al colmo (in m3/s)' '***' 1 '1951' 450 '1952' 213 '1953' 286 '1954' 182 '1955' 131 '1956' 223 '1957' 189 '1958' 247 '1959' 375 '1960' 368 Un esempio di file dati senza etichetta è il seguente: 'CHIESE A GAVARDO' 'Massimi annuali della portata al colmo (in m3/s)' '***'
5 Dati forniti da tastiera A ogni esecuzione il programma pone all'utente un certo numero di domande. La risposta può consistere in un valore numerico o in una stringa alfanumerica (sempre senza apici), a seconda della domanda. Alcune domande implicano risposta affermativa o negativa. La risposta affermativa consiste nella lettera S (indifferentemente maiuscola o minuscola) e la risposta negativa nella lettera N (indifferentemente maiuscola o minuscola). In diversi casi di risposta errata la domanda viene ripetuta. Le domande vengono poste nella prima e nell'ultima fase di esecuzione del programma, nell'ordine che segue: Domanda n.1 NOME DEL FILE DELLE OSSERVAZIONI? Il programma a questo punto legge da tastiera il nome (non più lungo di 20 caratteri) del file che contiene i dati. Domanda n. 2 NOME DEL FILE DEI RISULTATI? Il programma a questo punto legge da tastiera il nome (non più lungo di 20 caratteri) del file destinato a contenere i risultati. Domanda n. 3 SCARTI QUALCHE DATO (S/N)? Se la risposta è positiva il programma passa alla domanda seguente. Se la risposta è negativa il programma passa alla domanda n. 6. Domanda n. 4 NUMERO DEI DATI DA SCARTARE? 4
6 La risposta alla domanda è il numero totale delle osservazioni che si vogliono escludere dall'elaborazione in corso. Il numero dei dati da scartare è limitato dalla condizione che nell'elaborazione si includano almeno 2 dati. (La limitazione naturalmente è del tutto formale, perchè un'elaborazione statistica significativa richiede un numero di dati ben maggiore di 2.) E` da notare che l'esclusione di dati dalle elaborazioni avviene senza modificare il file dati. Se la risposta è un numero minore di 1 la domanda viene ripetuta. Domanda n. 5 DATO DA SCARTARE NUMERO # NUMERO D'ORDINE? Questa domanda viene ripetuta tante volte quanti sono i dati da escludere dall'elaborazione (v. domanda precedente). Ogni dato è individuato dal suo numero d'ordine # (dove # è uguale a 1 per la prima osservazione, a 2 per la seconda, etc.). Le domande che seguono compaiono dopo la scritta LE DISTRIBUZIONI CONSIDERATE SONO TUTTE A DUE PARAMETRI Domanda n. 6 VUOI LA LEGGE DI GUMBEL (S/N)? In caso di risposta affermativa si eseguono per la legge di Gumbel tutti i calcoli scelti nel corso dell'elaborazione. In caso di risposta negativa la legge di Gumbel non è presa in considerazione. Domanda n. 7 VUOI LA LEGGE LOGNORMALE (S/N)? 5
7 In caso di risposta affermativa si eseguono per la legge lognormale (a 2 parametri) tutti i calcoli scelti nel corso dell'elaborazione. In caso di risposta negativa la legge lognormale non è presa in considerazione. Domanda n. 8 VUOI LA LEGGE GAMMA (S/N)? In caso di risposta affermativa si eseguono per la legge Gamma (a 2 parametri) tutti i calcoli scelti nel corso dell'elaborazione. In caso di risposta negativa la legge Gamma non è presa in considerazione. Domanda n. 9 VUOI LA LEGGE DI FRECHET (S/N)? In caso di risposta affermativa si eseguono per la legge di Fréchet (a 2 parametri) tutti i calcoli scelti nel corso dell'elaborazione. In caso di risposta negativa la legge di Fréchet non è presa in considerazione. Domanda n. 10 VUOI LA LEGGE D WEIBULL (S/N)? In caso di risposta affermativa si eseguono per la legge di Weibull (a 2 parametri) tutti i calcoli scelti nel corso dell'elaborazione. In caso di risposta negativa la legge di Weibull non è presa in considerazione. Domanda n. 11 VUOI LA LEGGE LOGLOGISTICA (S/N)? In caso di risposta affermativa si eseguono per la legge loglogistica tutti i calcoli scelti nel corso dell'elaborazione. In caso di risposta negativa la legge loglogistica non è presa in considerazione. 6
8 Se si dà risposta negativa a tutte le domande che vanno dalla n. 6 alla n. 11 (comprese), cioè se non si sceglie nessuna legge di probabilità, il programma ritorna alla domanda n. 6. Domanda n. 12 VUOI I VALORI CORRISPONDENTI AD ASSEGNATI TEMPI DI RITORNO (S/N)? Se la risposta è positiva il programma passa alla domanda seguente. Se è negativa il programma esclude, per tutte le leggi probabilistiche scelte, questo tipo di calcolo e passa alla domanda n. 14. Domanda n. 13 QUANTI VALORI VUOI? La risposta consiste nel numero dei tempi di ritorno per cui si vogliono calcolare i valori della grandezza considerata. Se la risposta è un numero minore di 1 la domanda viene ripetuta. Il numero dei tempi di ritorno è al massimo uguale a 10 (per aumentare questo massimo occorre intervenire sul programma, come è spiegato più avanti). Domanda n. 14 TEMPO DI RITORNO NUMERO # VALORE? La domanda viene ripetuta (ponendo il valore di # inizialmente uguale a 1 e successivamente incrementandolo di un'unità per volta) tante volte quanti sono i tempi di ritorno per cui si vuole il calcolo (v. domanda precedente). Domanda n. 15 VUOI L'ANALISI DEI MASSIMI PER INTERVALLI DI TEMPO DI LUNGHEZZA ASSEGNATA (S/N)? 7
9 Se la risposta alla domanda è positiva il programma passa alla domanda seguente. Altrimenti passa alla domanda n. 20. Domanda n. 16 QUANTI INTERVALLI DI TEMPO CONSIDERI? La risposta alla domanda consiste nel numero totale dei valori diversi del numero N di anni per ciascuno dei quali si vuole calcolare il valore della grandezza x che ha un'assegnata probabilità di non superamento nella distribuzione del massimo annuale in N anni. Se la risposta consiste in un numero inferiore a 1 la domanda viene ripetuta. Il numero degli intervalli di tempo è al massimo uguale a 10 (per aumentare questo massimo occorre intervenire sul programma, come è spiegato più avanti). Domanda n. 17 INTERVALLO NUMERO # QUANTI SONO GLI ANNI DELL'INTERVALLO? La domanda è ripetuta (ponendo il valore di # inizialmente uguale a 1 e successivamente incrementandolo di un'unità per volta) tante volte quanti sono i valori diversi di N che si è deciso di considerare (v. domanda precedente). La risposta consiste, ogni volta, nel diverso numero N di anni di cui ogni intervallo è costituito. Domanda n. 18 QUANTE CURVE VUOI COSTRUIRE? I risultati di una parte dell'elaborazione sono destinati a permettere la rappresentazione in forma grafica della distribuzione del massimo in N anni per mezzo di curve (parametrate con la probabilità di non superamento P) che forniscono x in funzione di N. La risposta alla 8
10 domanda è il numero di queste curve. Il numero delle curve è al massimo uguale a 10 (per aumentare questo massimo occorre intervenire sul programma, come è spiegato più avanti). Domanda n. 19 CURVA NUMERO # QUAL'E' LA PROBABILITA'? La domanda è ripetuta (ponendo il valore di # inizialmente uguale a 1 e successivamente incrementandolo di un'unità per volta) tante volte quante sono le curve che si vogliono costruire (v. domanda precedente). La risposta consiste, ogni volta, nel valore della probabilità di non superamento P assunto a caratterizzare la curva. Domanda n. 20 HAI FINITO (S/N)? La domanda è posta alla fine dell'elaborazione in corso. Se la risposta è negativa il programma passa alla domanda seguente, se è positiva il programma termina l'esecuzione. Domanda n. 21 VUOI CAMBIARE IL FILE DELLE OSSERVAZIONI? Se la risposta è positiva (cioè se si vuole elaborare un altro insieme di osservazioni) il programma torna alla domanda n. 1. Se è negativa (cioè se si vuole eseguire un'ulteriore elaborazione sull'insieme già considerato) il programma torna alla domanda n. 2. 9
11 RISULTATI I risultati dell'esecuzione del programma sono scritti nel file risultati creato all'inizio dell'esecuzione e chiamato con il nome scelto dall'utente. Il file risultati è costituito da una successione di scritte, per lo più in forma di tabelle, che corrispondono alle diverse elaborazioni scelte. Le scritte che compongono il file risultati sono le seguenti: Scritta n.1 La scritta contiene innanzi tutto i commenti del file dati. OSSERVAZIONI contiene poi la tabella delle osservazioni, nello stesso ordine in cui compaiono nel file dati. Ogni osservazione è preceduta dall'etichetta (se esiste) e dal numero d'ordine con cui compare nella lista originale. Scritta n. 2/a Nel file risultati compare la scritta PER L'ANALISI STATISTICA SONO STATE ADOPERATE TUTTE LE OSSERVAZIONI se si è data risposta negativa alla domanda n. 3. Scritta n. 2/b La scritta compare nel file risultati se si è data risposta positiva alla domanda n. 3 (cioè se si è scartato qualche dato). Consiste in una tabella, che ha titolo OSSERVAZIONI ADOPERATE PER L'ANALISI STATISTICA 10
12 e contiene le osservazioni effettivamente adoperate nell'elaborazione, ciascuna preceduta dalla propria etichetta e dal numero d'ordine con cui compare nella nuova lista. Scritta n. 3 OSSERVAZIONI IN ORDINE CRESCENTE NUMERO D'ORDINE, FREQUENZA, VALORE compaiono le osservazioni ordinate in ordine crescente, accanto alle relative frequenze di non superamento. Scritta n. 4 PARAMETRI CALCOLATI DALLE OSSERVAZIONI UTILIZZATE compaiono i valori della media aritmetica m(x) (MEDIA) e dello scarto quadratico medio s(x) (corretto contro la distorsione) (SQM) calcolati dall'insieme di osservazioni considerate nell'elaborazione. Scritta n. 5/1 DISTRIBUZIONE DI GUMBEL compaiono i valori dei parametri α (ALFA) e u (U) della distribuzione, la cui probabilità di non superamento è P(x) = e -e -α(x - u), calcolati con il metodo dei momenti; sotto il titolo TEST CHI QUADRO 11
13 compaiono i risultati dell'esecuzione del test χ 2. Nella tabella compaiono: il numero k di classi in cui il campione di osservazioni adoperate è stato suddiviso (seguendo il criterio dell'equiprobabilità) per eseguire il test; il valore calcolato della grandezza X 2 (X2); la distribuzione del χ 2 a (k-1) gradi di libertà (P1) (a convenzionale -2 se k non è superiore a 1); la distribuzione del χ 2 a (k-3) gradi di libertà (P2) (a convenzionale -1 se k non è superiore a 3 e il valore convenzionale -2 se k non è superiore a 1); il massimo livello di significatività con cui si può accettare l'ipotesi di provenienza del campione dalla distribuzione considerata (valor medio di P1 e di P2). Scritta n. 5/2 DISTRIBUZIONE LOGNORMALE A 2 PARAMETRI compaiono i valori dei parametri a (A) e b (B) della distribuzione della variabile trasformata u = a ln x + b, la cui probabilità di non superamento è P(u) = - u 1 2π exp - u2 2 du, calcolati con il metodo dei momenti; sotto il titolo TEST CHI QUADRO 12
14 compaiono i risultati dell'esecuzione del test χ 2. Nella tabella compaiono: il numero k di classi in cui il campione di osservazioni adoperate è stato suddiviso (seguendo il criterio dell'equiprobabilità) per eseguire il test; il valore calcolato della grandezza X 2 (X2); la distribuzione del χ 2 a (k-1) gradi di libertà (P1) (a convenzionale -2 se k non è superiore a 1); la distribuzione del χ 2 a (k-3) gradi di libertà (P2) (a convenzionale -1 se k non è superiore a 3 e il valore convenzionale -2 se k non è superiore a 1); il massimo livello di significatività con cui si può accettare l'ipotesi di provenienza del campione dalla distribuzione considerata (valor medio di P1 e di P2). Scritta n. 5/3 DISTRIBUZIONE GAMMA A 2 PARAMETRI compaiono i valori dei parametri α (ALFA) e γ (GAMMA) della distribuzione, la cui probabilità di non superamento è P(x) = α γ x γ-1 e -αx dx, Γ(γ) 0 x calcolati con il metodo dei momenti; sotto il titolo TEST CHI QUADRO compaiono i risultati dell'esecuzione del test χ 2. Nella tabella compaiono: il numero k di classi in cui il campione di osservazioni adoperate è stato suddiviso (seguendo il criterio dell'equiprobabilità) per eseguire 13
15 il test; il valore calcolato della grandezza X 2 (X2); la distribuzione del χ 2 a (k-1) gradi di libertà (P1) (a convenzionale -2 se k non è superiore a 1); la distribuzione del χ 2 a (k-3) gradi di libertà (P2) (a convenzionale -1 se k non è superiore a 3 e il valore convenzionale -2 se k non è superiore a 1); il massimo livello di significatività con cui si può accettare l'ipotesi di provenienza del campione dalla distribuzione considerata (valor medio di P1 e di P2). Scritta n. 5/4 DISTRIBUZIONE DI FRECHET A 2 PARAMETRI compaiono i valori dei parametri k (K) e u (U) della distribuzione, la cui probabilità di non superamento è P(x) = exp - x u -k, calcolati con il metodo dei momenti; sotto il titolo TEST CHI QUADRO compaiono i risultati dell'esecuzione del test χ 2. Nella tabella compaiono: il numero k di classi in cui il campione di osservazioni adoperate è stato suddiviso (seguendo il criterio dell'equiprobabilità) per eseguire il test; il valore calcolato della grandezza X 2 (X2); la distribuzione del χ 2 a (k-1) gradi di libertà (P1) (a convenzionale -2 se k non è superiore a 1); la distribuzione del χ 2 a (k-3) gradi di libertà (P2) (a 14
16 convenzionale -1 se k non è superiore a 3 e il valore convenzionale -2 se k non è superiore a 1); il massimo livello di significatività con cui si può accettare l'ipotesi di provenienza del campione dalla distribuzione considerata (valor medio di P1 e di P2). Scritta n. 5/5 DISTRIBUZIONE DI WEIBULL A 2 PARAMETRI compaiono i valori dei parametri k (K) e u (U) della distribuzione, la cui probabilità di non superamento è P(x) = 1 - exp - x u k, calcolati con il metodo dei momenti; sotto il titolo TEST CHI QUADRO compaiono i risultati dell'esecuzione del test χ 2. Nella tabella compaiono: il numero k di classi in cui il campione di osservazioni adoperate è stato suddiviso (seguendo il criterio dell'equiprobabilità) per eseguire il test; il valore calcolato della grandezza X 2 (X2); la distribuzione del χ 2 a (k-1) gradi di libertà (P1) (a convenzionale -2 se k non è superiore a 1); la distribuzione del χ 2 a (k-3) gradi di libertà (P2) (a convenzionale -1 se k non è superiore a 3 e il valore convenzionale -2 se k non è superiore a 1); il massimo livello di significatività con cui si può accettare l'ipotesi di provenienza del campione dalla distribuzione considerata (valor medio di P1 e di P2). 15
17 Scritta n. 5/6 DISTRIBUZIONE LOGLOGISTICA A 2 PARAMETRI compaiono i valori dei parametri α (ALFA) e β (BETA) della distribuzione, la cui probabilità di non superamento è P(x) = x β α β + x β, calcolati con il metodo dei momenti; sotto il titolo TEST CHI QUADRO compaiono i risultati dell'esecuzione del test χ 2. Nella tabella compaiono: il numero k di classi in cui il campione di osservazioni adoperate è stato suddiviso (seguendo il criterio dell'equiprobabilità) per eseguire il test; il valore calcolato della grandezza X 2 (X2); la distribuzione del χ 2 a (k-1) gradi di libertà (P1) (a convenzionale -2 se k non è superiore a 1); la distribuzione del χ 2 a (k-3) gradi di libertà (P2) (a convenzionale -1 se k non è superiore a 3 e il valore convenzionale -2 se k non è superiore a 1); il massimo livello di significatività con cui si può accettare l'ipotesi di provenienza del campione dalla distribuzione considerata (valor medio di P1 e di P2). Scritta n. 6 VALORI CORRISPONDENTI AI TEMPI DI RITORNO ASSEGNATI 16
18 compaiono i valori scelti del tempo di ritorno (T) e i corrispondenti valori calcolati della grandezza (X). La tabella compare solo se si è data risposta positiva alla domanda n. 9 e compare per tutte le leggi di probabilità scelte (cioè dopo ciascuna delle scritte 5/1, 5/2, 5/3, 5/4, 5/5 e 5/6). Scritta n. 7 VALORE, PROBABILITA' CALCOLATA compaiono i valori delle osservazioni incluse nell'elaborazione e i valori corrispondenti della probabilità di non superamento calcolati con la legge di probabilità scelta (la tabella viene scritta per ognuna delle leggi di probabilità scelte). Scritta n. 8 CURVE DELLE DISTRIBUZIONI DEI MASSIMI IN N ANNI compaiono le coordinate (N, X) dei punti da adoperare per tracciare le curve corrispondenti alle probabilità assegnate. Prima dell'insieme dei valori relativi a ciascuna curva è indicato il valore della probabilità corrispondente (indicata come PROBABILITA' DI NON SUPERAMENTO). 17
19 MODIFICHE AL PROGRAMMA SORGENTE Per cambiare i formati di stampa dei valori numerici occorre modificare le corrispondenti istruzioni # FORMAT(...) nel programma sorgente (che è in FORTRAN). I numeri (#) delle istruzioni FORMAT che possono essere cambiate (135, 136, 149 e 1508 del programma principale; 35 e 36 della subroutine DATI) sono elencati in un'apposita istruzione commento in testa al programma, per facilitarne la ricerca. Per cambiare il numero massimo dei tempi di ritorno (nel calcolo dei valori corrispondenti a tempi di ritorno assegnati), il numero massimo degli intervalli di tempo e il numero massimo delle curve (nell'analisi dei massimi per intervalli di tempo di lunghezza assegnata) occorre assegnare il valore voluto al parametro NNN (che definisce contemporaneamente i tre valori massimi e che è posto inizialmente uguale a 10) nell'istruzione PARAMETER(NNN=10, MMM=100). Per cambiare il numero massimo delle osservazioni occorre assegnare il valore voluto al parametro MMM (che è posto inizialmente uguale a 1000) nella stessa istruzione.. Avvertenza Quantunque questo programma sia stato provato e controllato con cura, come di consuetudine l'autore non può formulare alcuna garanzia nè espressa nè implicita per quanto riguarda le sue prestazioni o la sua idoneità per qualsiasi particolare scopo. L'utilizzatore si assume l'intero rischio per quanto riguarda qualità e prestazioni. 18
PIOGGIA. Sintesi di Ietogrammi di Progetto
U. Moisello PIOGGIA Sintesi di Ietogrammi di Progetto (versione ampliata) Pavia giugno 2009 CARATTERISTICHE GENERALI DEL PROGRAMMA Il programma (scritto in linguaggio FORTRAN) è destinato a costruire uno
DettagliInsegnamento di Idrologia. Esercitazione n. 4
Insegnamento di Idrologia Esercitazione n. 4 Si vogliono costruire delle opere di difesa lungo un affluente del torrente Staffora. Poiché non esistono osservazioni di portata, occorre stimare la portata
DettagliInsegnamento di Idrologia. Esercitazione n. 1. 1) che il tempo di ritorno della portata di progetto deve essere di 200 anni;
Insegnamento di Idrologia Esercitazione n. 1 Si vuole costruire un argine lungo l'adda, nei pressi di Fuentes, in provincia di Sondrio. Per l'analisi idrologica sono disponibili i massimi annuali della
DettagliLa distribuzione normale o distribuzione di Gauss
La distribuzione normale o distribuzione di Gauss Gauss ha dimostrato che secondo questa legge si possono ritenere distribuiti gli errori accidentali di misura di una qualsivoglia grandezza. Densità di
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliCOMUNE DI CONSIGLIO DI RUMO
COMUNE DI CONSIGLIO DI RUMO Provincia di Como Aggiornamento della componente geologica, idrogeologica e sismica di supporto al Piano di Governo del Territorio - L.R. 1/05 e successive modifiche. ANALISI
DettagliProblema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T?
Problema tipico delle applicazioni idrologiche: qual'è la portata con tempo di ritorno T? Il problema dell'inferenza: dato un campione, individuare la distribuzione di probabilità da cui ha avuto origine.
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
DettagliCURVE DI DURATA: Introduzione e Rappresentazione analitica
CURVE DI DURATA: Introduzione e Rappresentazione analitica Premesse Si definisce durata di una portata Q riferita ad una sezione di misura, l'intervallo di tempo in cui le portate naturali del corso d
DettagliIL PALLINOMETRO SCOPO
IL PALLINOMETRO SCOPO Verifica del fatto che gli errori casuali nella misura di una grandezza fisica ripetuta molte volte nelle stesse condizioni sperimentali seguono la distribuzione normale di Gauss.
DettagliIL PALLINOMETRO SCOPO
IL PALLINOMETRO SCOPO Verifica del fatto che gli errori casuali nella misura di una grandezza fisica ripetuta molte volte nelle stesse condizioni sperimentali seguono la distribuzione normale di Gauss.
Dettaglitabelle grafici misure di
Statistica Descrittiva descrivere e riassumere un insieme di dati in maniera ordinata tabelle grafici misure di posizione dispersione associazione Misure di posizione Forniscono indicazioni sull ordine
DettagliMODELLI QUANTITATIVI. f x r = c
MODELLI QUANTITATIVI Qualunque sia il modello di estrazione di regolarità o di conoscenze dai dati empirici, esiste sempre una base statistica da cui occorre partire. Un fenomeno linguistico specifico
DettagliRichiami di probabilità e statistica
Richiami di probabilità e statistica Una variabile casuale (o aleatoria) X codifica gli eventi con entità numeriche x ed è caratterizzata dalla funzione di distribuzione di probabilità P(x) : P(x)=Pr ob[x
DettagliPropagazione delle varianze, conosciuta come propagazione degli errori.
Propagazione delle varianze, conosciuta come propagazione degli errori. Siano x 1, x 2, x n n variabili casuali e poniamo,, ) = y ( ) Supponiamo inoltre nota la matrice delle covarianze delle x e vogliamo
DettagliUniversità della Calabria
Università della Calabria FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Civile CORSO DI IDROLOGIA N.O. Prof. Pasquale Versace SCHEDA DIDATTICA N 3 CURVE DI PROBABILITÀ PLUVIOMETRICA A.A. 00- CURVE
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2016-2017 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliTutta la scienza è fondata sulle misure (Helmholtz)
Tutta la scienza è fondata sulle misure (Helmholtz) L acquisizione di una osservazione come DATO SCIENTIFICO richiede che : osserviamo un fenomeno lo quantifichiamo correttamente lo confrontiamo con altri
DettagliEsperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI
Esperimentazioni di Fisica 1 Prova d esame del 20 febbraio 2018 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 6 01/02/2018 1. (12 Punti) Quesito. In un esperimento è stata misurata la grandezza Y in funzione
DettagliLE PROVE DI AFFIDABILITA
4. LE PROVE DI AFFIDABILITA Ed.1 del 14/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 4 1 LE PROVE DI AFFIDABILITA SI RICAVANO INFORMAZIONI RELATIVE AD UN CAMPIONE E SI
DettagliProbabilità Esercitazione n. 6 del 24/05/2016
Corso di Laurea in Matematica Applicata Probabilità Esercitazione n. 6 del 24/05/2016 Docente: Bruno Gobbi V.C. NORMALE, ESPONENZIALE NEGATIVA E UNIFORME CONTINUA 1) La pressione del sangue segue una distribuzione
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 7: Basi di statistica Campione e Popolazione Estrazione da una popolazione (virtualmente infinita) di
Dettagli17. LA DISTRIBUZIONE NORMALE E LA FUNZIONE DI GAUSS
17. LA DISTRIBUZIONE NORMALE E LA FUNZIONE DI GAUSS 17.1 LA DISTRIBUZIONE DEI DATI Nel trattare gli errori casuali abbiamo utilizzato il concetto di media aritmetica ed il concetto di deviazione standard
DettagliStatistica Elementare
Statistica Elementare 1. Frequenza assoluta Per popolazione si intende l insieme degli elementi che sono oggetto di una indagine statistica, ovvero l insieme delle unità, dette unità statistiche o individui
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
Dettaglidt t z 1 exp( t). = π, Γ
Prova d esame di Laboratorio di Calcolo I per il corso di laurea in Matematica 16 Settembre 2009 Tema d esame: studio di alcune proprietà della funzione Γ di Eulero. Descrizione del metodo di calcolo La
Dettagli( ) ( ) ( e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da:
e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da: p ( ) ( c < X < b) f ( x) LA VC NORMALE O GAUSSIANA Una vc si dice normale o gaussiana (da Gauss che la propose come
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità D Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliDispense Associazione PRELIMINARY DRAFT
Dispense Associazione PRELIMINARY DRAFT Cristina Mollica & Jan Martin Rossi January 3, 2019 1 Esercizio 3 - Prova scritta 12-01-2018 Esercizio 3. Si consideri la distribuzione doppia di un campione di
DettagliEsercizio n 1. Esercizio n 2. Esercizio n 3. Corso di Idrologia 22 giugno 2010 Prova Scritta
Esercizio n 1 Le ordinate di un idrograa unitario definito a passo orario sono (in m /s/): 50, 0, 18, 6 e 1. Calcolare l area del bacino, la curva a S e l idrograa unitario definito a passo bio-orario
Dettaglie L equazione associata a questa disequazione non è risolvibile in maniera analitica, con metodi numerici 2 si trova n 1754, 21
Il file distribuzioni.f90 è strutturato in tre parti. Il primo modulo è necessario per richiedere la precisione desiderata per i real di lavoro module precisione integer,parameter::kr=selected_real_kind(18)
DettagliFogli Elettronici. Idoneità Informatica Prof. Mauro Gaspari
Fogli Elettronici Idoneità Informatica Prof. Mauro Gaspari Cosa è un foglio elettronico. Strumento per raccogliere dati organizzati in tabelle e farci delle operazioni: Le celle contengono numeri o altri
DettagliSTATISTICA. Esercitazione 5
STATISTICA Esercitazione 5 Esercizio 1 Ad un esame universitario sono stati assegnati in modo casuale due compiti diversi con i seguenti risultati: Compito A Compito B Numero studenti 102 105 Media dei
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità B Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliInsegnamento di Complementi di idrologia. Esercitazione n. 3
Insegnamento di Complementi di idrologia Esercitazione n. 3 Si vogliono determinare le relazioni statistiche che legano i parametri t p (ascissa del picco) e k 1 (costante di tempo dell'esponenziale decrescente
DettagliLE PROVE DI AFFIDABILITA LE PROVE DI AFFIDABILITA
4. LE PROVE DI AFFIDABILITA Ed. del 4/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 4 LE PROVE DI AFFIDABILITA SI RICAVANO INFORMAZIONI RELATIVE AD UN CAMPIONE E SI UTILIZZANO
DettagliDISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19
DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici
DettagliEsperimentazioni di Fisica 1. Prova in itinere del 12 giugno 2018
Esperimentazioni di Fisica 1 Prova in itinere del 1 giugno 018 Esp-1 Prova in Itinere n. - - Page of 6 1/06/018 1. (1 Punti) Quesito L incertezza da associare alle misurazioni eseguite con un certo strumento
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Intervalli di confidenza Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
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
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 7 1. Utilizzando le tavole della distribuzione
DettagliSignificato probabilistico di σ: su 100 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo
Significato probabilistico di σ: su 1 misure, 68.3 hanno probabilità di cadere nell intervallo x σ, x +σ, 95.5 nell intervallo x σ, x + σ e 99.7 nell intervallo x 3 σ, x + 3 Se si considerano campioni
DettagliAnalisi della disponibilità d acqua. Valutazione dell impianto attraverso il calcolo di un indice economico (criterio)
Analisi della disponibilità d acqua Valutazione dell impianto attraverso il calcolo di un indice economico (criterio) Approccio diverso a seconda del criterio di valutazione Nel caso di criterio statistico
DettagliPROVE (TEST) DI IPOTESI VERIFICA DI IPOTESI (TEST DI IPOTESI)
1 25 N. monodose 20 VERIFICA DI IPOTESI (TEST DI IPOTESI) Distribuzione dei volumi di collirio in contenitori monodose 40 Media 0.5 07ml Dev. St. 0.1 ml 35 N 100 34 Minimo 0.2934 ml Massimo 0.7031ml 30
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
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 Tabelle riportate alla fine del documento. Esercizio 1 Un chimico che lavora per una fabbrica di batterie, sta cercando una batteria
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliLa famiglia delle distribuzioni GEV - I
La famiglia delle distribuzioni GEV - I La distribuzione generalizzata degli eventi estremi (GEV) è la distribuzione teoricamente attesa per i massimi all interno di blocchi temporali di dimensione molto
Dettagliw=k,k+1,k+2, p. Pertanto la probabilità dell evento composto [k-1 successi in w-1 k k W
Complementi di Idrologia Appello del 2 settembre 2 Problema n (6 punti). erivare l equazione della distribuzione Binomiale Negativa mostrando il suo legame con la distribuzione Binomiale. 2. Si consideri
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
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
DettagliR=Q(T)/q(T): R come funzione dei parametri del bacino e del tempo di ritorno.
Lo studio statistico delle piene Caratteristiche diverse: a seconda del problema (solo portata al colmo, oppure intera onda di piena) e a seconda dei dati disponibili. Classificazione: analisi basate su
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliCorso di Idrologia A.A Piogge intense. Antonino Cancelliere. Dipartimento di Ingegneria Civile e Ambientale Università di Catania
Corso di Idrologia A.A. 2011-2012 Piogge intense Antonino Cancelliere Dipartimento di Ingegneria Civile e Ambientale Università di Catania Elaborazione delle piogge intense Obiettivi: 1. Determinazione
DettagliLa famiglia delle distribuzioni GEV - I
La famiglia delle distribuzioni GEV - I La distribuzione generalizzata degli eventi estremi (GEV) è la distribuzione teoricamente attesa per i massimi all interno di blocchi temporali di dimensione molto
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
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Si sono diverse distribuzioni di probabilità: quelle di cui parleremo sono la distribuzione binomiale, quella di Poisson, quella uniforme, quella normale, quella del χ² e la
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliElementi di Base. Introduzione a Python.
Elementi di Base Introduzione a Python http://www.dia.uniroma3.it/~roselli/ roselli@dia.uniroma3.it Credits Materiale a cura del Prof. Franco Milicchio Panoramica Elementi di base della sintassi (struttura,
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliFondamenti di statistica per il miglioramento genetico delle piante. Antonio Di Matteo Università Federico II
Fondamenti di statistica per il miglioramento genetico delle piante Antonio Di Matteo Università Federico II Modulo 2 Variabili continue e Metodi parametrici Distribuzione Un insieme di misure è detto
DettagliVedi: Probabilità e cenni di statistica
Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità
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
DettagliI modelli probabilistici
e I modelli probabilistici Finora abbiamo visto che esistono modelli probabilistici che possiamo utilizzare per prevedere gli esiti di esperimenti aleatori. Naturalmente la previsione è di tipo probabilistico:
DettagliQuicksort e qsort() Alessio Orlandi. 28 marzo 2010
Quicksort e qsort() Alessio Orlandi 28 marzo 2010 Intro Quicksort è l algoritmo di ordinamento più implementato, insieme con Mergesort. Tutte le librerie standard UNIX ne prevedono una implementazione.
DettagliSTATISTICA 1 ESERCITAZIONE 6
STATISTICA 1 ESERCITAZIONE 6 Dott. Giuseppe Pandolfo 5 Novembre 013 CONCENTRAZIONE Osservando l ammontare di un carattere quantitativo trasferibile su un collettivo statistico può essere interessante sapere
DettagliUniversità del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. La distribuzione Normale (o di Gauss)
Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in medicina e chirurgia - Corso di Statistica
DettagliLaboratorio di Programmazione 1. Docente: dr. Damiano Macedonio Lezione 5 31/10/2013
Laboratorio di Programmazione 1 1 Docente: dr. Damiano Macedonio Lezione 5 31/10/2013 Original work Copyright Sara Migliorini, University of Verona Modifications Copyright Damiano Macedonio, University
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
DettagliCognome e Nome:... Matricola e corso di laurea:...
Statistica - corso base Prof. B. Liseo Prova di esame dell 8 gennaio 2014 Cognome e Nome:................................................................... Matricola e corso di laurea:...................................................
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
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
DettagliIntroduzione alla statistica
La statistica descrittiva Dicembre, 2016 Attilio Peloni, Istituto Alberti, Bormio 1 / 26 1 Introduzione Overview 2 La rappresentazione graca dei dati L'istogramma 3 La sintesi dei dati Media aritmetica
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
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 Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliCALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO
CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO In chimica analitica un settore importante riguarda il calcolo dell errore e la valutazione della significatività di una misura. Generalmente nell
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
DettagliL AMBIENTE CODE BLOCKS E L IO
L AMBIENTE CODE BLOCKS E L IO Il primo programma in C++ #include using namespace std; main() { cout
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliProgramma della parte introduttiva: Lezione 5
Programma della parte introduttiva: Lezione 5 Cap. 3 Presentazione e confronto tra misure Cap. 4 Propagazione delle incertezze Cap 5 Misure ripetute e stimatori Cap.6 Organizzazione e presentazione dei
DettagliUniversità del Piemonte Orientale. Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia. Corso di Statistica Medica
Università del Piemonte Orientale Corso di Laurea Triennale di Infermieristica Pediatrica ed Ostetricia Corso di Statistica Medica Le distribuzioni teoriche di probabilità La distribuzione Normale (o di
Dettaglideve utilizzarsi la variabile t ν,α/2 , dove n è il numero di gradi di libertà pari al numero delle misure diminuito di 1 (ν=n-1).
Indice 1. Frequenza e Probabilità. Parametri Statistici 3. Curva di Gauss 4. isure poco numerose: t di student nel caso non sia possibile effettuare un numero di misure adeguato (n
DettagliVerifica delle ipotesi
Statistica inferenziale Stima dei parametri Verifica delle ipotesi Concetti fondamentali POPOLAZIONE o UNIVERSO Insieme degli elementi cui si rivolge il ricercatore per la sua indagine CAMPIONE Un sottoinsieme
DettagliEsercitazione. Esercizio 1 Scrivere un programma che calcoli e visualizzi la somma degli interi pari da 2 a 1000 (estremi compresi)
Esercitazione Oggi dovremo di nuovo usare funzioni sui reali. Ma il C non ha operatori nativi del linguggio per queste operazioni, come la radice quadrata, l'elevamento a potenza o l'arrotondamento. Per
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliDISTRIBUZIONI DI PROBABILITA PER L IDROLOGIA
DISTRIBUZIONI DI PROBABILITA PER L IDROLOGIA 8 ottobre 06 INDICE i Indice Richiami di statistica applicata all Idrologia. Distribuzioni di probabilità............................... Stimatori.........................................3
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI VERIFICA DI IPOTESI SUL LEGAME TRA VARIABILI QUALITATIVE Profssa G Serio, Prof P Trerotoli, Cattedra di Statistica Medica, Università di Bari 1/1 IL
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliMicrosoft Excel II parte Import di dati & Funzioni predefinite
Laboratorio di Informatica 2004/ 2005 Corso di laurea in biotecnologie - Novara Viviana Patti patti@di.unito.it Microsoft Excel II parte Import di dati & Funzioni predefinite 1 Sommario Import di dati
DettagliEsercizi di statistica
Esercizi di statistica Test a scelta multipla (la risposta corretta è la prima) [1] Il seguente campione è stato estratto da una popolazione distribuita normalmente: -.4, 5.5,, -.5, 1.1, 7.4, -1.8, -..
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2018-2019 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
Dettagli