CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6

Похожие документы
Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)


Esercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

Metodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo

Metodi statistici per le ricerche di mercato

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test

Il confronto fra proporzioni

Metodi statistici per le ricerche di mercato

ESAME DI STATISTICA Nome: Cognome: Matricola:

Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica

Istituzioni di Statistica e Statistica Economica

Prova di autovalutazione Prof. Roberta Siciliano

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza

Istituzioni di Statistica e Statistica Economica

Esercitazione n.4 Inferenza su varianza

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

1. Distribuzioni campionarie

VERIFICA DELLE IPOTESI

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Tema A Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che

ELEMENTI DI STATISTICA

Statistiche campionarie

Dall'analisi dei prospetti informativi diffusi dalla Borsa di Paperopoli Gastone ricava le seguenti informazioni sul rendimento dei tre titoli:

R - Esercitazione 5. Lorenzo Di Biagio dibiagio@mat.uniroma3.it. Lunedì 2 Dicembre Università Roma Tre

La distribuzione Gaussiana

Esercitazioni di Statistica

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7

Università di Firenze - Corso di laurea in Statistica Seconda prova intermedia di Statistica. 18 dicembre 2008

Inferenza statistica I Alcuni esercizi. Stefano Tonellato

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 4

Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)

Temi di Esame a.a Statistica - CLEF

Statistica. Lezione 6

Inferenza statistica. Statistica medica 1

PRODUZIONE DI LENTI A CONTATTO

Statistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice

Corso di Psicometria Progredito

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI

E naturale chiedersi alcune cose sulla media campionaria x n

APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE

Esercitazione n.1 (v.c. Binomiale, Poisson, Normale)

Controllo Statistico della Qualità. Qualità come primo obiettivo dell azienda produttrice di beni

Esercizi riassuntivi di probabilità

Esercitazione n.2 Inferenza su medie

Università del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE

STATISTICA INFERENZIALE

Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco

Corso di Psicometria Progredito

STATISTICA (I MODULO INFERENZA STATISTICA) Esercitazione I 27/4/2007

Continua sul retro

Facoltà di Psicologia Università di Padova Anno Accademico

SPC e distribuzione normale con Access

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1

Esercitazioni di Statistica

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva

STATISTICA ESERCITAZIONE 11 Dott. Giuseppe Pandolfo 3 febbraio Modelli continui di probabilità: la v.c. uniforme continua

Capitolo 11 Test chi-quadro

Esercizio 1. Stima intervallare: IC per la media incognita (varianza ignota)

Verifica di ipotesi

Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C

Elementi di Psicometria con Laboratorio di SPSS 1

3. Confronto tra medie di due campioni indipendenti o appaiati

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1

Teoria della Stima. Stima della Media e di una Porzione di Popolazione. Introduzione. Corso di Laurea in Scienze Motorie AA2002/03 - Analisi dei Dati

Inferenza statistica. Inferenza statistica

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A Alberto Perotti, Roberto Garello

L Analisi della Varianza ANOVA (ANalysis Of VAriance)

1 di 6. Usando un modello di probabilità

19txtI_BORRA_ /11/13 10:52 Pagina 449 TAVOLE STATISTICHE

b. Che cosa succede alla frazione di reddito nazionale che viene risparmiata?

Appunti: Teoria Dei Test

Università di Milano Bicocca. Esercitazione 6 di Matematica per la Finanza. 14 Maggio 2015

2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue

Esercizi test ipotesi. Prof. Raffaella Folgieri aa 2009/2010

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7

Psicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE

Esercizi di Probabilità e Statistica

VERIFICA DELLE IPOTESI

Capitolo 12 La regressione lineare semplice

INDICE PREFAZIONE VII

è decidere sulla verità o falsità

Il concetto di valore medio in generale

Corso di Automazione Industriale 1. Capitolo 4

l insieme delle misure effettuate costituisce il campione statistico

Il campionamento statistico

Elementi di Psicometria con Laboratorio di SPSS 1

La variabile casuale Binomiale

Lezione n. 2 (a cura di Chiara Rossi)

MANUALE D'USO. ORIONE DI BISTULFI srl - Via Moscova, MILANO tel: info@orionesrl.it 1

Statistica descrittiva

Test n. 7 Problemi matematici

Транскрипт:

CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180 risultano avere un peso superiore a 150 grammi. A) Stimare la percentuale di arance nel lotto con peso superiore a 150 grammi B) Indicare quale dovrebbe essere la numerosità campionaria minima affinché lo scarto quadratico medio dello stimatore utilizzato sia inferiore a 0.02 tenendo conto dell informazione campionaria disponibile Sol. A) Per stimare la percentuale di arance nel lotto con peso superiore a 150 grammi, introduciamo la variabile casuale X= numero di arance estratte con peso maggiore di 150 grammi. É noto che: ~(,) dove si è indicato con n il numero di arance estratte e con p la probabilità di estrarre un arancia con peso maggiore di 150 grammi. Inoltre sappiamo che: ()= ()=(1 ) A partire della variabile casuale X, possiamo ricavare lo stimatore: = che indica la proporzione di arance con peso maggiore di 150 grammi tra quelle estratte. Quindi: = =1 ()= = = = 1 ()=(1 ) = (1 )

Il valore atteso di è: = 180 400 =0.45 B) Per determinare la numerosità campionaria minima affinchè lo scarto quadratico medio dello stimatore utilizzato sia inferiore a 0.02 occorre definire: =()<0.02 Ossia: (1 ) <0.02 da cui risolvendo rispetto a n otteniamo: (1 ) 0.45 0.55 <(0.02) >(0.02) > 0.45 0.55 0.0004 Quindi >618.75 la numerosità minima richiesta è pari a 619 arance

Esercizio 2. Stima intervallare: IC per la media incognita (varianza nota) Una partita di bulloni presenta un diametro medio µ incognito; la varianza del diametro dei bulloni è invece nota e pari a 0.01 cm. Si estrae un campione di n = 1000 bulloni, sui quali si osserva un diametro medio pari a 1.2 cm. a) Si determini l intervallo di confidenza per µ avendo fissato un livello di confidenza del 99%. b) Si determini l ampiezza di tale intervallo. Sol. a)per determinare l intervallo di confidenza (I.C.) per µ a livello di confidenza pari al 99%, bisogna innanzitutto ricavare il quantile di ordine 1 della distribuzione normale standard. Quindi, poiché: si ha che: perciò: e di conseguenza: 1 =0.99 =1 0.99=0.01 2 =0.01 2 =0.005 1 2 =1 0.005=0.995 Consultando le tavole della distribuzione normale standard si ricava che. =2.576 Indicando con α l area nelle code e con 1-α il livello di confidenza desiderato, allora: Intervallo casuale: Intervallo di confidenza: dove: + ; + =1

media campionaria è il percentile di ordine 1 della distribuzione normale standard è lo scarto quadratico medio della popolazione di riferimento ampiezza campionaria Sostituendo quindi i valori avremo l IC per la media incognita della popolazione a livello di confidenza di 0.99: 1.2 2.576 0.01 1000 ;1.2+2.576 0.01 1000 1.1918;1.2081 b) L ampiezza di tale intervallo è data da: 1.2081-1.1918=0.01629 (cm) In generale comunque l ampiezza dell intervallo di confidenza a livello 1-α per la media µ nel caso di varianza nota è pari a: =2 Infatti nel caso in esame =2 2.576 0.01 1000 =0.01629 Esercizio 3. IC per la media incognita (varianza non nota) A partire da un campione casuale di pezzi prodotti da una macchina si sono rilevate le seguenti lunghezze in mm: 201,200,205, 209, 212, 214, 208, 210, 207 E noto che la lunghezza dei pezzi in questione si distribuisce normalmente. a) Calcolare l intervallo di confidenza al livello del 98% per la media b) Supponendo che la varianza sia nota e pari a 20 ( ) si calcoli la numerosità campionaria necessaria affinché l intervallo di confidenza per la media al livello del 95% non sia più lungo di 1.5 mm

Sol. a) (,,, ) è un campione casuale estratto da una v.c. ~(, )con varianza incognita, inoltre la media campionaria è = 1 e la varianza campionaria corretta è = ( ) Da ciò segue che: ( ), indica il quantile α della distribuzione t con n-1 g.d.l. Intervallo casuale ~, ( ), =1 ovvero (, +, Intervallo di confidenza: sapendo che: =207.33 =4.69, =2.896 con α=0.02, n=9 =1 207.33 2.896 4.69 IC al 98% per la media incognita è quindi pari a: 9 ;207.33+2.8964.69 9 202.81;211.86

b) Supponendo che la varianza sia nota allora risulta: Da cui l intervallo di confidenza risulta pari a ~(0,1) ; + La lunghezza (ampiezza) dell intervallo di confidenza è data da: =2 Occorre determinare la numerosità campionaria affinchè l intervallo di confidenza per la media al 95% non sia più lungo di un valore c=1.5 mm. In particolare, si richiede che: quindi Ossia n deve essere almeno pari a 4 2 Sostituendo nel nostro caso =1.96, =20, c=1.5 si ottiene >136.6 137