Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI

Documenti analoghi
Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI

Definizione di campione

Il campionamento casuale semplice

INDAGINE ESAUSTIVA O CAMPIONARIA?

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2

Corso di. Dott.ssa Donatella Cocca

a) Individuare l intervallo di confidenza al 90% per la media di popolazione;

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari

materiale didattico I incontro

Elementi di statistica

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

ELEMENTI DI STATISTICA

Oltre la regressione lineare

Campo di applicazione

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri

Scheda metodologica. MeDeC Centro Demoscopico Metropolitano Provincia di Bologna

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri

Regressione lineare con un singolo regressore

Lezione 2 le misure di sintesi: le medie

Correlazione lineare

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI

Lezione 2 a - Statistica descrittiva per variabili quantitative

Tipologie di dati. Dati di stock: esercizi ricettivi. Esempio: analisi del comportamento dei turisti stranieri

TECNICHE DI ANALISI DEI DATI MODELLI LINEARI

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

LA VARIABILITA. IV lezione di Statistica Medica

Richiami di modelli di utilità aleatoria

TIPI DI ANALISI DEI DATI ORGANIZZATI IN MATRICI CASI X VARIABILI

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

C.I. di Metodologia clinica

Esame di Statistica TEMA B Corso di Laurea in Economia Prof.ssa S. Giordano 15 Febbraio 2013

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

Università degli Studi di Urbino Facoltà di Economia

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D

Concetti principale della lezione precedente

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

1 INTRODUZIONE 1.1 GENERALITÀ

Analisi statistica degli errori casuali

Appendice metodologica

Regressione e correlazione

Relazioni tra variabili: Correlazione e regressione lineare

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Lezione 1: Martedì 17/2/2015

Appendice metodologica

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale

IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017

Capitolo 3. Cap. 3-1

Lezione 4. Politica Economica Avanzata

PIANIFICAZIONE DEI TRASPORTI

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

Appendice metodologica

,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100

y. E' semplicemente la media calcolata mettendo

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

MODELLI DI UTILITÀ ALEATORIA

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

Metodi Quantitativi per Economia, Finanza e Management

Modelli di utilità aleatoria

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl

Valutazione dell incertezza di misura

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Informazioni sul corso Lunedì 17/2/2014

STATISTICA DESCRITTIVA CON EXCEL

Regressioni con variabili strumentali

Analisi della Varianza

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

Correlazione, Regressione, Test non parametrici

Misure Ripetute ed Indipendenti

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

Introduzione al Machine Learning

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Probabilità cumulata empirica

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

STATISTICA A K (63 ore) Marco Riani

L analisi della correlazione lineare

Università di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1

Statistica a.a. 2015/2016. Cos è la statistica. Statistica e Economia. Materiale didattico. Statistiche: al plurale, sinonimo di dati

Metodi e tecniche di valutazione dei progetti

03/03/2012. Campus di Arcavacata Università della Calabria

UNIVERSITÀ DEGLI STUDI DI TORINO CORSO DI LAUREA IN CHIMICA Dispense ad esclusivo uso introduttivo per il modulo di Fisica C

Università di Cassino Corso di Statistica 1 Esercitazione del 28/01/2008 Dott. Alfonso Piscitelli. Esercizio 1

Studente estratto Esami sostenuti voto Frequenza Pos.ne lavor.va sesso rendimento si No M B si No M O no No F S

Lezione 2 a - Statistica descrittiva per variabili quantitative

Potenzialità degli impianti

Esercitazione 1 del corso di Statistica 2

Modelli di utilità aleatoria

Modelli di utilità aleatoria

Transcript:

A.A. 2006/07 Corso d Teora de Campon Facoltà d Economa Corso d Laurea SIGI M. Govanna Ranall Lezon: Martedì 18:00 19:30; Govedì 12:15 13:45 Oraro d rcevmento: Lunedì 16:00 18:00 (stanza 24) Durata: 9 settmane emal: govanna@stat.unpg.t sto web: www.stat.unpg.t/ govanna ddattca 1/12?

Il pano del corso (passble d aggustament!) settmana 1. opolazon fnte; concett base della teora de campon settmana 2. Stmatore fondamentale d Horvtz-Thompson; pano d camponamento casuale semplce settmana 3. Eserctazone + an d camponamento sstematco e con probabltà varabl settmana 4. ano d camponamento stratfcato + Eserctazone settmana 5. an d camponamento a pù stad e non probablstc settmana 6. Eserctazone + Stma per ntervallo, domn d studo settmana 7. Dmensonamento del campone, ndagn rpetute nel tempo settmana 8. Ottca post-camponara: stma per quozente e per regressone, post - stratfcazone e calbrazone settmana 9. Font d errore non camponaro + Eserctazone 2/12?

Introduzone alle opolazon Fnte La Teora de Campon è quella parte delle Scenze Statstche che s occupa de crter scentfc a cu atteners nella estrazone d un campone da una popolazone fnta o nfnta, allo scopo d fare nferenza su d essa con un costo mnore possble. S defnsce popolazone fnta ogn nseme d untà d uno stesso tpo e d numerostà lmtata d cu nteressa studare una o pù caratterstche comun. Una popolazone fnta è dentfcable, coè etchettable: Lsta delle untà: U = 1, 2,..., N Carattere statstco: y Dstrbuzone semplce n forma untara o dsaggregata: Untà 1 2 3...... N Intenstà Y 1 Y 2 Y 3... Y... Y N 3/12?

Caratter qualtatv e dstrbuzon multvarate Varable dcotomca Y = { 1 se l attrbuto è presente 0 altrment Dat y e x caratter statstc, la dstrbuzone doppa (congunta) untara o dsaggregata è data da Untà 1 2 3...... N Intenstà y Y 1 Y 2 Y 3... Y... Y N Intenstà x X 1 X 2 X 3... X... X N e d conseguenza per estensone le dstrbuzon trple, quadruple, e multvarate n genere. Una popolazone s dce nteramente nota rspetto ad uno o pù caratter statstc quando s conosce la dstrbuzon congunta de caratter consderat. 4/12?

arametr descrttv della popolazone S chamano parametr descrttv quelle costant che descrvono uno o pù aspett della dstrbuzone d uno o pù caratter statstc. La meda: Ȳ = 1 N N =1 Y Il totale: Y = N =1 Y La varanza: S 2 y = 1 N 1 N =1 (Y Ȳ )2 La covaranza: S yx = 1 N 1 N =1 (Y Ȳ )(X X) Il coeffcente d varazone C y = 100 S y Ȳ Il rapporto tra total o mede R = Y X = Ȳ X Il coeffcente d correlazone lneare: r yx = S yx S y S x Il coeffcente d regressone: b y/x = S yx S 2 x Inferenza descrttva e nferenza analtca 5/12?

Censmento e camponamento censmento Vantagg del censmento 1. Consente d conoscere nteramente una popolazone rspetto ad un nseme d caratter e d rcavare l valore esatto (?) de parametr descrttv d nteresse. 2. Consente lanals della dstrbuzone d uno o pù caratter n una qualsas sottopopolazone possa nteressare, pccola quanto s vuole. Svantagg del censmento 1. Temp d svolgmento molto lungh e cost estremamente elevat. 2. Bassa qualtà de dat (ntendendo con questo termne la corrspondenza tra dat raccolt e la realtà effettva) 6/12?

Censmento e camponamento camponamento Vantagg del camponamento 1. Temp rdott d esecuzone e cost contenut. 2. ossble elevata qualtà de dat Svantagg del camponamento 1. Non s possono rcavare rsultat attendbl per sottopopolazon pù pccole d quelle consderate nello stablre la dmensone del campone. 2. resenza dell errore d camponamento. 7/12?

Font d errore nelle rlevazon statstche Font d errore non camponaro rogettazone lacunosa dellndagne pertnenza de caratter da rlevare rspetto al problema da studare, corretta ndvduazone della popolazone, mancanza d controllo d fattor subspermental, etc. Dfettostà delle lste da cu vene estratto l campone nomnatv mancant, nomnatv rpetut, nesstent o ncomplet, etc. Error d msurazone generat dal rspondente, dallntervstatore, dal questonaro, da mancata osservazone, da error d trattamento de dat. L errore totale.e. lo scostamento tra valor calcolat de parametr d nteresse ed l valore effettvo nella popolazone consderata è somma delle dverse font d errore non camponaro e dell errore camponaro. 8/12?

Le rlevazon statstche Con l termne rlevazone de dat s ntende qu l nseme delle operazon con cu s pervene alla conoscenza delle modaltà de caratter da osservare nelle dverse untà d un collettvo. Stud osservazonal Indagn statstche ano della rlevazone Stud spermental Spermentazone ano della spermentazone 9/12?

Fas d una rlevazone de dat 1 A) Scopo e fnaltà dello studo. Studo esploratvo o qualtatvo, Studo descrttvo, Studo esplcatvo, Studo trasversale, Studo longtudnale. B) Dettaglo de caratter e scale d msura. Modaltà automatche, Classfcazon uffcal attvtà economche, produzon, professon, cause d morte, ecc. Modaltà defnte dal rcercatore, Caratter quanttatv lvello d precsone, class. C) Untà statstca, popolazone, untà d rlevazone. D) erodo d rfermento e svolgmento. Fenomen d stato, Fenomen d movmento E) Tpo d rlevazone. Rlevazone totale, Rlevazone camponara dmensone e modaltà d estrazone del campone Rlevazone unca, saltuara, perodca. 10/12?

Fas d una rlevazone de dat 2 F) Strument d msura, questonaro e modaltà d sommnstrazone. Il questonaro deve contenere domande: pertnent e n numero mnore possble, unvocamente nterpretabl, che rchedono sforz lmtat d memora, che non creano mbarazzo o tensone pscologca. Modaltà d sommnstrazone: ntervste drette o facca a facca, ntervste telefonche, autocomplazone del questonaro, metod nformatzzat. Indagne plota. G) Lavoro sul campo. H) Codfca, regstrazone su supporto magnetco, revsone. Revsone e controllo de dat, mputazone de dat mancant, Matrce de dat o de mcrodat. I) Elaborazone de dat, rsultat e rapporto d rcerca. Spoglo de dat o tabulazone de dat, dstrbuzon e macrodat, Rapporto d rcerca. 11/12?

Le statstche uffcal e le font de dat L ISTAT e l SISTAN (legge d rforma del 1989) L EUROSTAT Isttut demoscopc e d rcerche d mercato (Doxa, Crm, Nelsen, ecc. ) 12/12?