ISTOGRAMMI E DISTRIBUZIONI:

Documenti analoghi
Distribuzione Normale

LA DISTRIBUZIONE NORMALE (Vittorio Colagrande)

Esercitazione: La distribuzione NORMALE

Probabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva

DISTRIBUZIONE NORMALE (1)

Statistica Inferenziale

FENOMENI CASUALI. fenomeni casuali

Analisi degli Errori di Misura. 08/04/2009 G.Sirri

Distribuzione Gaussiana - Facciamo un riassunto -

Variabile Casuale Normale

Esercitazione n. 3 - Corso di STATISTICA - Università della Basilicata - a.a. 2011/12 Prof. Roberta Siciliano

Scanned by CamScanner

Statistica. Lezione 4

Variabile casuale Normale

Università del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. La distribuzione t - student

V.C. RETTANGOLARE o UNIFORME

N.B. Per la risoluzione dei seguenti esercizi, si fa riferimento alle Tabelle riportate alla fine del documento.

Intervallo di confidenza

Distribuzioni e inferenza statistica

La distribuzione delle frequenze. T 10 (s)

Distribuzioni di probabilità

LA DISTRIBUZIONE NORMALE ESERCITAZIONE

Approssimazione normale alla distribuzione binomiale

LA DISTRIBUZIONE NORMALE

1/55. Statistica descrittiva

Vedi: Probabilità e cenni di statistica

LE MISURE. attendibilità = x i - X

Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo

Università degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali

Misure Meccaniche e Termiche. punti massa. Valore atteso: Varianza:

Capitolo 5 Confidenza, significatività, test di Student e del χ 2

Teoria della probabilità Variabili casuali

TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE

Teoria e tecniche dei test. Concetti di base

Schema lezione 5 Intervalli di confidenza

Intervalli di confidenza

Variabili aleatorie gaussiane

Le tappe sono essenzialmente 2

Laboratorio di Didattica di elaborazione dati 5 STIMA PUNTUALE DEI PARAMETRI. x i. SE = n.

UNIVERSITÀ DEGLI STUDI DI PERUGIA

Esercizi di Probabilità e Statistica

PROBABILITÀ SCHEDA N. 7 LA VARIABILE ALEATORIA NORMALE

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07

Distribuzioni campionarie

Distribuzioni discrete di Probabilità

Verifica di matematica. Nel piano riferito a coordinate ortogonali monometriche (x; y) è assegnata la curva Γ di equazione: 2

È possibile trovare la popolazione di origine conoscendone un campione? o meglio. partendo dalla conoscenza di n, x e d.s.?

Il Corso di Fisica per Scienze Biologiche

La SCALA di Probabilità varia tra 0.00 e 1.00.

esperimento casuale: è un esperimento condotto sotto l effetto del caso; evento elementare: ciascuno dei possibili esiti di un esperimento casuale;

Ulteriori Conoscenze di Informatica e Statistica

Esercizi S A 2.0 S B. =0.2; Metodo B: S B ii)

Esempio: Media, Mediana, Moda

Il processo inferenziale consente di generalizzare, con un certo grado di sicurezza, i risultati ottenuti osservando uno o più campioni

Casa dello Studente. Casa dello Studente

STATISTICA ESERCITAZIONE

Test d Ipotesi Introduzione

C.I. di Metodologia clinica

Statistica - Un Esempio

Distribuzioni di Probabilità

1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:

STATISTICA DESCRITTIVA (variabili quantitative)

Capitolo 10. La media pesata Calcolo della media pesata

MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE

DISTRIBUZIONI DI PROBABILITA

Statistica Un Esempio

Note sulla probabilità

A1. La curva normale (o di Gauss)

Capitolo 6. La distribuzione normale

Capitolo 6 La distribuzione normale

ES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita

Esame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016

Statistica4-29/09/2015

Capitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica

DISTRIBUZIONE NORMALE STANDARDIZZATA ESEMPIO DI USO DELLE TAVOLE

LA LUNGHEZZA DEI GENI UMANI (Es4.1)

CAPITOLO QUINTO DISTRIBUZIONE NORMALE

L indagine campionaria Lezione 3

MISURE DI DISPERSIONE

SIMULAZIONE - 29 APRILE QUESITI

Lezione VI: Distribuzione normale. La distribuzione normale (curva di Gauss). Prof. Enzo Ballone. Lezione 6a- Ia distribuzione normale

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA

TEORIA E TECNICA DELLA CIRCOLAZIONE

Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza

IE FISICA Verifica 10 gennaio 2015 tutti gli esercizi e tutte le domande

a) Visto che le probabilità devono sommare a 1 e gli altri evanti hanno un totale di 0,89, p(4)=0.11

1) Utilizzando gli sviluppi in serie delle funzioni, calcolare. sin(x 2 ) (1 cos x) 2 (1 cos(x 2 )) sinh x. lim

PSICOMETRIA. Corso di laurea triennale (classe 34) VERIFICA DELL IPOTESI CON DUE CAMPIONI

Esercitazione 8 maggio 2014

LA DISTRIBUZIONE NORMALE o DI GAUSS

Esercitazione 4 del corso di Statistica 2 Prof. Domenico Vistocco

DISTRIBUZIONI DI PROBABILITA

Strumenti di indagine per la valutazione psicologica

Statistica. Alfonso Iodice D Enza

ECONOMIA APPLICATA ALL INGEGNERIA (Docente: Prof. Ing. Donato Morea)

STATISTICA Disciplina scien tifica che fornisce strumenti per l interpretazione delle informazioni contenute in insiemi di dati relativi a

Modelli descrittivi, statistica e simulazione

STATISTICA: esercizi svolti sulla DISTRIBUZIONE NORMALE

LEZIONI DI STATISTICA MEDICA

LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell

Transcript:

ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 n k 6 5 n=0 =. 9.4-.6 5 4.6-3.8 3 Numero di misure nell intervallo 0 0 4 6 8 0 4 6 8 30

ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) n k F k =n k /N 5-7. 7.-9.4 3 0. 0.3 F k 0.6 0.5 n=0 =. 9.4-.6 5 0.5 0.4.6-3.8 0. 0.3 0. Numero di Frequenza misure nell intervallo 0. 0.0 0 4 6 8 0 4 6 8 30

ISTOGRAMMI E DISTRIBUZIONI: i 3 4 5 6 7 8 9 0 i 0. 8.5 3 0 9.5 7 9.8 8.6 8. bin (=.) 5-7. 7.-9.4 n k 3 F k =n k /N 0. 0.3 F k / 0.045 0.36 F k / 0.30 0.5 n=0 =. 9.4-.6.6-3.8 5 0.5 0. 0.7 0.045 0.0 0.0 Numero di Frequenza Densità di misure frequenza nell intervallo 0 4 6 8 0 4 6 8 30

ISTOGRAMMI E DISTRIBUZIONI: F k / 0.30 0.5 n=0 =. 0.30 0.5 n=00 = 0.0 0.0 0.0 0.0 0 4 6 8 0 4 6 8 30 0 4 6 8 0 4 6 8 30 0.30 0.5 n=000 =0.5 0.0 0.0 0 4 6 8 0 4 6 8 30

LA DISTRIBUZIONE GAUSSIANA: Funzione densità di probabilità: ) ( e f Funzione della varabile caratterizzata da due parametri: e gaussiana: f() ) ( ) ( 0 ) ( d f f f MAX

LA DISTRIBUZIONE GAUSSIANA: 0.5 0. 0. u=0; sigma= 0 0 5 0 5 0 5 30 Al variare di varia la posizione della curva (traslazione lungo l asse )

LA DISTRIBUZIONE GAUSSIANA: 0.5 0. 0. u=0; sigma= u=5; sigma= 0 0 5 0 5 0 5 30 Al variare di varia la posizione della curva (traslazione lungo l asse )

LA DISTRIBUZIONE GAUSSIANA: 0.5 0. 0. u=0; sigma= u=5; sigma= u=0; sigma= 0 0 5 0 5 0 5 30 Al variare di varia la posizione della curva (traslazione lungo l asse )

LA DISTRIBUZIONE GAUSSIANA: 0.5 0. 0. u=0; sigma= 0 0 5 0 5 0 Al variare di varia la larghezza della curva

LA DISTRIBUZIONE GAUSSIANA: 0.5 0. 0. u=0; sigma= u=0; sigma=3 0 0 5 0 5 0 Al variare di varia la larghezza della curva

LA DISTRIBUZIONE GAUSSIANA: 0.5 0. 0. u=0; sigma= u=0; sigma=3 u=0; sigma=5 0 0 5 0 5 0 Al variare di varia la larghezza della curva

LA DISTRIBUZIONE GAUSSIANA: Significato della gaussiana nel caso di misure affette solo da errori casuali: corrisponde al valore vero che si vuole misurare è legata alla precisione sulla misura: minore è la larghezza della curva, migliore è la precisione della misura 3... N N i Nell ipotetico caso di un numero infinito di misure il i N N N valor medio risulta uguale al valore vero. Nel caso reale di un numero finito di misure, il valor medio è la miglior stima del valore vero. S N i ( N i ) ( N ) S Nell ipotetico caso di un numero infinito di misure la deviazione standard risulta uguale al parametro. Nel caso reale di un numero finito di misure, la deviazione standard è la miglior stima di.

LA DISTRIBUZIONE GAUSSIANA: Significato della gaussiana nel caso di misure affette solo da errori casuali: a ciascun area sottesa dalla curva corrisponde un valore di probabilità 0.5 0.0 0.0 =0 ; = = 4 6 8 0 4 6 8 L area tratteggiata fornisce la probabilità di ottenere da una misura un valore che dista dal valore medio non più di una deviazione standard. Tale area è pari a circa 0.68. Quindi nel 68% dei casi, ci aspettiamo di trovare come risultato della misura un valore che dista meno di una deviazione standard dal valore vero

LA DISTRIBUZIONE GAUSSIANA: Significato della gaussiana nel caso di misure affette solo da errori casuali: a ciascun area sottesa dalla curva corrisponde un valore di probabilità 0.5 0.0 =0 ; = = L area tratteggiata fornisce la probabilità di ottenere da una misura un valore che dista dal valore medio non più di due deviazioni standard. 0.0 4 6 8 0 4 6 8 Tale area è pari a circa 0.95. La probabilità di trovare il risultato della misura nell intervallo ±σ dal valore vero è quindi pari a circa il 95%.

LA DISTRIBUZIONE GAUSSIANA: Significato della gaussiana nel caso di misure affette solo da errori casuali: a ciascun area sottesa dalla curva corrisponde un valore di probabilità 0.5 0.0 0.0 =t =0 ; = t= =t È possibile ricavare tale probabilità per qualsiasi intervallo, simmetrico o meno, utilizzando una tabella che fornisce le probabilità di trovare un valore in un generico intervallo simmetrico ±tσ centrato intorno al valore vero μ. 4 6 8 0 4 6 8

LA TABELLA DELLA GAUSSIANA: 0.5 0.0 0.0 t t 4 6 8 0 4 6 8 t ( )

LA TABELLA DELLA GAUSSIANA:

Esercizi Uno studente misura il diametro di una popolazione di 00 cellule, trovando come risultato per il valor medio: d medio = 8.03 ± 0.06 m Supponendo che la distribuzione dei valori sia di tipo gaussiano, trovare l intervallo [, ], simmetrico rispetto al valor medio, corrispondente alla probabilità dell 85% che una misura vi cada all interno. Dalla tabella relativa alla distribuzione gaussiana si trova che l intervallo dell 85% corrisponde ad un t =.44, Gli estremi dell intervallo si calcolano come: =t =t Dove il valore vero corrisponde al valor medio e la larghezza corrisponde alla deviazione standard Essendo noti il numero di misure e la deviazione standard della media, si ricava la deviazione standard come: S S N 0.060 0.6 E quindi: t S t S 8.03.440.6 7.7 8.03.440.6 8.89

Esercizi In un allevamento ci sono 3000 pecore il cui peso medio è di 45.5 ± kg. Se i pesi degli ovini sono distribuiti secondo una curva gaussiana, dare il numero N dei capi con peso compreso tra 43 e 48 kg e il numero N dei capi con peso inferiore a 55 kg La distribuzione del peso degli ovini è centrata sul valore medio 45.5 con deviazione standard pari a: S S N 3000 7.6 Per il calcolo di N si ha a che fare con un intervallo simmetrico [43-48] rispetto al valore medio 45.5. Per il calcolo della probabilità associata a tale intervallo si ricava dapprima il valore di t e poi si guarda la tabella della gaussiana: t S t S 43 48 45.5 t 7.6 45.5 t 7.6 45.5 43 t 0.33 7.6 48 45.5 t 0.33 7.6 Vi è quindi una probabilità del 5.86% che le pecore abbiano un peso tra 43 e 48 kg. Essendo le pecore totali 3000 ne consegue che: N 5.86 3000 00 5948 (segue)

Esercizi In un allevamento ci sono 3000 pecore il cui peso medio è di 45.5 ± kg. Se i pesi degli ovini sono distribuiti secondo una curva gaussiana, dare il numero N dei capi con peso compreso tra 43 e 48 kg e il numero N dei capi con peso inferiore a 55 kg Per il calcolo di N si ha a che fare con un intervallo NON simmetrico. Il numero di ovini con peso inferiore a 55 kg si trova andando a determinare dapprima il valore di t corrispondente a 55: 55 45.5 Dalla tabella della gaussiana, si trova che P(t=.5) = 78.37% e corrisponde t.5 all a probabilità di avere ovini con peso compreso tra 36 e 55 kg 7.6 0.06 0.04 0.03 0.0 0.0 5 0 5 30 35 40 45 50 55 60 65 70 75 0.06 0.04 0.03 0.0 0.0 5 0 5 30 35 40 45 50 55 60 65 70 75 Devo tuttavia considerare anche tutti gli ovini con peso inferiore ai 36 kg (coda a sinistra della curva). (segue)

Esercizi In un allevamento ci sono 3000 pecore il cui peso medio è di 45.5 ± kg. Se i pesi degli ovini sono distribuiti secondo una curva gaussiana, dare il numero N dei capi con peso compreso tra 43 e 48 kg e il numero N dei capi con peso inferiore a 55 kg E sufficiente ricordarsi che l area totale sottesa dalla gaussiana corrisponde al 00% 0.06 0.04 00 78.37 % La probabilità di avere un peso inferiore a 55 kg è quindi pari a : P 78.37 peso 55kg 50 89.85% 0.03 0.0 0.0 78.37% 5 0 5 30 35 40 45 50 55 60 65 70 75 Da cui il numero di pecore: : N 89.85 3000 00 053

Esercizi Una grandezza è distribuita normalmente attorno al valore 30 con deviazione standard pari a 3. Quale è la percentuale di misure che ci aspetta essere comprese tra 3 e 33? L intervallo considerato è un intervallo non simmetrico in cui entrambi gli estremi si trovano a destra del valore centrale della distribuzione: =t =t Sostituendo i valori degli estremi e, del valore medio e della deviazione standard si ricavano i due valori di t : t t 3 30 0.33 3 33 30 3 Dalla tabella della gaussiana si trova: P(t )= 5.86 % (figura A) e P(t )=68.7 % (figura B) (segue)

Esercizi Una grandezza è distribuita normalmente attorno al valore 30 con deviazione standard pari a 3. Quale è la percentuale di misure che ci aspetta essere comprese tra 3 e 33? Guardando le curve la probabilità associata all intervallo non simmetrico si ricava come: P P( t P( t 3 33.% ) )

Esercizi Sia data una distribuzione centrata intorno a 5 con larghezza sigma.3. Trovare: (a) l intervallo corrispondente alla probabilità del 68.7%; (b) La probabilità di trovare un valore compreso tra.9 e 5.5. t t a) La probabilità del 68.7% corrisponde all intervallo: [] Quindi: 5.3 3.7 5.3 6.3 b) L intervallo è non simmetrico. Calcolo i valori di t relativi ai due estremi: 5.9.38.3 5.5 5 0.385.3 Dalla tabella della gaussiana: P(t )= 98.7 % P(t )= 30 % 0.35 0.30 0.5 0.0 0.0 P(t) 0.35 0.30 0.5 0.0 0.0 0 3 4 5 6 7 8 9 30 0.35 0.30 0.5 0.0 0.0 P(t) (segue) 0 3 4 5 6 7 8 9 30 0 3 4 5 6 7 8 9 30

Esercizi Sia data una distribuzione centrata intorno a 5 con larghezza sigma.3. Trovare: (a) l intervallo corrispondente alla probabilità del 68.7%; (b) La probabilità di trovare un valore compreso tra.9 e 5.5. 0.35 0.35 0.30 0.5 P(t) / 0.30 0.5 P(t) / 0.0 0.0 0.0 0 3 4 5 6 7 8 9 30 0.0 0 3 4 5 6 7 8 9 30 Osservando le aree e sfruttando la simmetria della curva si trova: P P( t ) P( t.9 5.5 64% )