Seconda Prova Parziale di STATISTICA Modalità A

Documenti analoghi
SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE

Compito A1- Soluzioni

MEDIA DI Y (ALTEZZA):

DATA MINING PER IL MARKETING (63 ore)

Caso studio 12. Regressione. Esempio

y = α + βx + ε Qui ci soffermeremo su un unica classe di modelli, detti modelli statistici lineari. Si veda la seguente figura:

ρ XY risponde alla domanda esiste un associazione lineare tra le variabili X e Y?

Regressione e Correlazione

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

12/11/2015 STATISTICA 1. Esercitazione 4. Dott.ssa Vera Gurtovaya

LA FUNZIONE DI VEROSIMIGLIANZA

TEST CHI DI INDIPENDENZA STOCASTICA

Esercitazione 6 del corso di Statistica (parte 1)

Istogrammi e confronto con la distribuzione normale

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

Analisi dei Dati. La statistica è facile!!! Correlazione

Caso studio 10. Dipendenza in media. Esempio

Correlazione. Obiettivo: studiare la dipendenza fra due fenomeni quantitativi

Analisi di regressione con SAS. Ci interessa. Matrice di covarianza. Esempio: due test su 31 individui PROC CORR PROC GPLOT PROC REG

Variabili casuali doppie

Dott.ssa Marta Di Nicola

CORSO DI STATISTICA I (Prof.ssa S. Terzi)

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

Quale retta? La retta migliore è quella che più si avvicina all insieme dei 115

casuale tra 1 e 100; il campione sarà formato dalle unità con le 8, 100, 88, 39, 29 potrà essere più selezionato).

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza

Caso studio 2. Le medie. Esercizio. La media aritmetica. Esempio

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica).

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1

exp("# (al posto di n) var Ca Coefficiente di asimmetria, indipendente dal valore dei parametri. f X DISTRIBUZIONE EV1 o DI GUMBEL.

Lezione 4. La Variabilità. Lezione 4 1

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che:

Voti Diploma Classico Scientifico Tecn. E Comm Altro

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d;

LA REGRESSIONE LINEARE SEMPLICE

Associazione tra due variabili quantitative

Esercizi su Rappresentazioni di Dati e Statistica

Variabilità = Informazione

4 CAMPIONE DI n UNITA STATISTICHE (lettere latine)

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Classi di reddito % famiglie Fino a Oltre Totale 100

Esercitazione 4 del corso di Statistica (parte 1)

CORSO DI STATISTICA I (Prof.ssa S. Terzi) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI. Esercitazione n 3

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione

INDICI DI VARIABILITA

Contenuti. Facoltà di Economia. Scatterplot o diagramma a dispersione Analisi grafica della relazione tra due. francesco mola.

Il modello di regressione multipla

IL MODELLO DI REGRESSIONE LINEARE MULTIPLA

IL CALCOLO DELLA DOMANDA DI TRASPORTO (Capitolo 4)

Indici di asimmetria. Elementi di Statistica descrittiva Parte IV. Simmetria di una distribuzione di frequenze. Primo indice di asimmetria (1/3)

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Esame di Statistica del 20 Giugno 2014 Corso di Laurea in Economia Docente: S. Giordano

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso

DI IDROLOGIA TECNICA PARTE II

Soluzione degli esercizi del capitolo 11

Il campionamento e l inferenza

Ellissi di densità costante. Distribuzione normale multivariata. Ellissoidi di isodensità. Esempio isodensità: X~N 2 (μ,σ) Consideriamo

LEZIONI DI STATISTICA MEDICA

Unità 11. Studio di più variabili. Interpolazione. Regressione. Correlazione. Notazione matriciale

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

Esercitazione 5 del corso di Statistica (parte 1)

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2011/12 Nome: 1 febbraio

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Statistica per le ricerche di mercato. 13. La regressione lineare semplice

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

Variabili casuali ( ) 1 2 n

Esercitazioni di Calcolo delle Probabilità (16/12/2011) Soluzioni

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

TRATTAMENTO STATISTICO DEI DATI ANALITICI

La Regressione. Y = f ( X ) Le motivazioni che ci spingono alla ricerca di f essenzialmente due: la Previsione ed il Controllo.

La media aritmetica. Le medie. Esempio. Esempio. Media aritmetica Mediana. Medie analitiche Medie di posizione. x 1

Capitolo 13 Il modello di regressione lineare

MATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 15 SETTEMBRE 2009 C.d.L. ECONOMIA AZIENDALE

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Teoria dei Fenomeni Aleatori AA 2012/13

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso

I percentili e i quartili

Incertezza di misura

UNIVERSITA DEGLI STUDI MEDITERRANEA DI REGGIO CALABRIA

Sommario. Facoltà di Economia. Generalità sulla variabilità A B C. francesco mola. Lezione n 4. Variabilità e Dispersione. Concetto di variabilità

CONFRONTI TRA RETTE, CALCOLO DELLA RETTA CON Y RIPETUTE, CON VERIFICA DI LINEARITA E INTRODUZIONE ALLA REGRESSIONE LINEARE MULTIPLA

Daniela Tondini

Capitolo 2 Errori di misura: definizioni e trattamento

Elementi di Statistica

12. STATISTICHE CAMPIONARIE

corrispondenza della generica i-esima modalità. Indicando con #(.) la cardinalità di un insieme, per esse si ha, rispettivamente:

CAP. 5 MODELLO STATISTICO LINEARE

Elementi di Statistica descrittiva Parte III

La distribuzione statistica doppia (o bivariata)

Calcolo delle Probabilità: esercitazione 4

Università della Calabria

Teoria dei Fenomeni Aleatori AA 2012/13

Transcript:

Secoda Prova Parzale d STATISTICA 0..07 Modaltà A (A) a f della valutazoe verrao cosderate solo le rsposte rportate dallo studete egl appost rquadr bach. (B) ello svolgmeto del compto s utlzzo almeo quattro cfre decmal. (C) a coloro che sao sorpres a cosultare apput, lbr o foglett, o che parlo co altr verrà aullata la prova. Codce esame Cogome Nome Matr. ESECIZIO (put ) Il redmeto d u ttolo azoaro ell ao 007 è descrtto da ua varable aleatora co dstrbuzoe ormale d meda 0.07 e varaza 0.6. All zo dell ao l prezzo d u azoe del ttolo cosderato era d euro. Mostrado calcol s determ: (a) la probabltà che l prezzo S d u azoe del ttolo alla fe del 007 sa superore a euro; (b) l valore medo atteso del prezzo S sapedo che E( e ) = (a) (put ) e µ + σ. 09 0.07 P( S > ) = P(e > ) = P( > log ) = P( Z > ) = P( Z > 0.6) = 0.6. 0.6 (b) (put ) E( S) = E( e ) = e µ + σ / = e 0.5 =.85. ESECIZIO (put 7) S cosder u vettore aleatoro (,Y) la cu dstrbuzoe coguta è assegata dalla tabella a doppa etrata che segue: \ Y 0. 0. 0. 0.5 Per agevolare calcol successv, vegoo gà assegate le varaze d e Y; s ha Var()=0., Var(Y)=0.96. (a) S calcol, mostrado passagg effettuat, la covaraza d e Y. (b) S calcol, mostrado passagg effettuat, l coeffcete d correlazoe leare d ey; che tpo d relazoe tra e Y s può rlevare sulla base d questo valore? (c) S calcol la probabltà coguta co cu è strettamete more d e Y maggore o uguale a. (d) S calcol, mostrado passagg effettuat, la varaza della varable aleatora T= -Y. (a) (put ) Cov(,Y)=E(Y)-E()E(Y)=6-.6*.=0.8

(b) (put ) cov(, Y ) 0.8 ρ (, Y ) = = = 0.58. σ ( ) σ ( Y ) 0. 0.96 Questo valore dca u assocazoe leare dretta d meda ettà tra e Y. (c) (put ) P ( <, Y ) = 0. (d) (put ) Var ( T ) = Var( ) + 9Var( Y ) cov(, Y ) = 0.96 + 8.6.6 = 6.. ESECIZIO (5 put) S vuole stmare la proporzoe d resdet d ua cttà che, elle prossme festvtà, s recherao vacaza. A questo scopo s tervstao resdet, d cu 75 affermao che adrao vacaza. (a) S forsca ua stma putuale per la proporzoe θ d resdet della cttà che s recherao vacaza elle prossme festvtà, precsado l espressoe dello stmatore da cu la stma è otteuta. (b) S determ l tervallo d cofdeza per θ d lvello 99%, esplctado passagg effettuat. (a) ( put) 75 = è lo stmatore; la stma corrspodete è x = = 0. 75. (b) ( put) L tervallo d cofdeza al 99% è: x( x) x z α /, x + z = (0.7,0.50). ( α / x( x) ) = (0.75.576 0.75 0.565,0.75 +.576 0.75 0.565 )

ESECIZIO ( put) Ua socetà d asscurazo vuole verfcare se l valore medo degl dezz relatv a polzze CA è cambato egl ultm temp, rspetto al valor medo precedete che era par a 50 euro. A questo fe s aalzza u campoe d 5 dezz recet, cu valor x, x,..., x5 hao forto le seguet stes: x = 500; x = 690000. S suppoga che gl dezz abbao ua dstrbuzoe ormale. Mostrado calcol effettuat, s decda se rfutare oppure o, al lvello 0.05, l potes ulla che l valore medo degl dezz o è cambato. La regoe d rfuto del test è: = { x < t s / o x > 50 t s } 50,0.975 C +,0. 975 C / Poché x = 500 e + t sc / = 50 +.06*00 / 5 9.8, l campoe osservato cade ella regoe d 50,0. 975 = rfuto per cu l potes ulla vee rfutata. ESECIZIO 5 (6 put) Per stmare l valore atteso µ d ua popolazoe la cu varaza è 0 s propoe lo stmatore + T =, basato su u campoe beroullao d ampezza,,,. (a) S dca se lo stmatore T è o dstorto per µ, mostrado calcol effettuat. (b) S calcol la varaza dello stmatore T. (c) S determ, mostrado calcol, l errore quadratco medo dello stmatore. (a) ( put) µ E ( T ) = ( µ + µ µ ) =, per cu lo stmatore T è dstorto. (b) ( put) Var ( T ) = ( σ + σ + σ ) = σ 6 8 =.75.

(c) ( put) EQM ( T ) = Var( T ) + ( E( T ) µ ) =.75 + µ. ESECIZIO 6 (7 put) S cosder l modello d regressoe leare Y = β0 + βx + ε ( =,..., ). Le coppe osservate x, y, rferte ad u campoe d a, rappresetao rspettvamete la varazoe percetuale dell dce ( ) Dow Joes ella prma settmaa dell ao (x) e la varazoe dello stesso dce ell ao tero (y). Esse soo state elaborate co l software statstco SPSS che ha dato rsultat rportat el tabulato che segue. Sulla base del tabulato s rspoda alle seguet domade: (a) s scrvao le stme del coeffcete agolare e dell tercetta della retta d regressoe d Y su x. (b) s scrva l tervallo d cofdeza d β 0 co lvello 0.95. (c) s esegua l test d H0 : β = 0 cotro H: β 0 al lvello d sgfcatvtà 0.05, gustfcado la decsoe cu s pervee (rfuto o o rfuto dell potes ulla) e spegado le cosegueze della decsoe presa. (d) s calcol la prevsoe della varazoe aua dell dce Dow Joes corrspodeza ad ua varazoe della prma settmaa par a, dcadoe l lvello d affdabltà. (a) (put ) La stma del coeffcete agolare è -.7; la stma dell tercetta è.6. (b) (put ) L tervallo d cofdeza è (7.07,9.5) (c) (put ) Poché l valore 0 o appartee all tervallo determato al puto precedete, l potes ulla vee rfutata. Questo dca come sgfcatva la preseza d ua relazoe leare tra le varabl Y e x. (d) (put ) La prevsoe s ottee sosttuedo, ella retta d regressoe stmata, l valore alla varable x; s ottee qud la prevsoe.6-.7*=8.787. Tale prevsoe puo essere cosderata medamete affdable, dal mometo che l coeffcete d determazoe ha u valore medo, coè 0.65.

Secoda Prova Parzale d STATISTICA 0..07 Modaltà A Codce esame Cogome Nome Matr. egressoe TABULATO SPSS Summary Adjusted Std. Error of Square Square the Estmate,68 a,65,6 9,666 a. Predctors: (Costat), egresso esdual Total a. Predctors: (Costat), b. Depedet Varable: Y ANOVA b Sum of Squares df Mea Square F Sg. 88,58 88,58 9,56,00 a 09,5 9,667 90,97 (Costat) a. Depedet Varable: Y Ustadardzed Coeffcets Coeffcets a Stadardzed Coeffcets 95% Cofdece Iterval for B B Std. Error Beta t Sg. Lower Boud Upper Boud,6,705,865,000 7,07 9,5 -,7,6 -,68 -,090,00-7,90 -,58 5