SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità

Documenti analoghi
Variabilità = Informazione

Istogrammi e confronto con la distribuzione normale

Calcolo delle Probabilità: esercitazione 4

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

LEZIONI DI STATISTICA MEDICA

Lezione 4. La Variabilità. Lezione 4 1

I percentili e i quartili

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

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

Statistica descrittiva per l Estimo

Teoria dei Fenomeni Aleatori AA 2012/13

Classi di reddito % famiglie Fino a Oltre Totale 100

Def. Si dice variabile aleatoria discreta X una variabile che può assumere valori X1, X

Il campionamento e l inferenza

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

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

valido se i dati E dato da max(x i )-min(x i )

III Esercitazione: Sintesi delle distribuzioni semplici secondo un carattere qualitativo ordinale.

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in

INDICI DI VARIABILITA

Capitolo 6 Gli indici di variabilità

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek

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

frazione 1 n dell ammontare complessivo del carattere A x

Esercitazione 5 del corso di Statistica (parte 1)

LE MEDIE. Le Medie. Medie razionali. Medie di posizione

Elementi di Statistica descrittiva Parte II

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

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

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

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

Esercizi su Rappresentazioni di Dati e Statistica

Lezione 4. Metodi statistici per il miglioramento della Qualità

MEDIA DI Y (ALTEZZA):

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

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

Indipendenza in distribuzione

Variabili casuali ( ) 1 2 n

6. LA CONCENTRAZIONE

Matematica elementare art.1 di Raimondo Valeri

Voti Diploma Classico Scientifico Tecn. E Comm Altro

Caso studio 12. Regressione. Esempio

Variabili casuali. Esempio. Variabili casuali discrete. W discreto. W continuo. V.C. discreta. V.C. discreta o continua

STATISTICA DESCRITTIVA - SCHEDA N. 3 VARIABILI QUANTITATIVE Indici di centralità, dispersione e forma

Un esempio. le diverse situazioni possibili riferibili alla popolazione, è quella meglio sostenuta dalle evidenze empiriche.

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso

Capitolo 2 Errori di misura: definizioni e trattamento

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

Le misure di variabilità

Come cambia la distribuzione se consideriamo 5 classi equiampie (k=5)? Freq. relativa. Freq. Ass. n i

Caso studio 10. Dipendenza in media. Esempio

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno

Regressione e Correlazione

Statistica descrittiva

Lezione 3. Gruppi risolubili.

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

STATISTICA DESCRITTIVA

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

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

2 si da eguale peso alle misure senza tener conto dell incertezza, che in generale possono essere diverse.

Francesco Ciatara ELEMENTI STATISTICA

VARIABILI CASUALI O ALEATORIE

ELABORAZIONE DEI DATI

3 Variabilità. variabilità. Senza deviazione dalla norma il progresso non è possibile. (Frank Zappa) Statistica - 9CFU

La distribuzione statistica doppia (o bivariata)

Interpolazione. Definizione: per interpolazione si intende la ricerca di una funzione matematica che approssima l andamento di un insieme di punti.

STATISTICA DESCRITTIVA

Lezione 13. Anelli ed ideali.

Sommario. Facoltà di Economia. Obiettivo. Quando studiarla? Lezione n 7. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

DI IDROLOGIA TECNICA PARTE II

ESERCITAZIONE NUMERO 4

Elementi di statistica descrittiva Parte III

FUNZIONI LOGICHE FORME CANONICHE SP E PS

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto

Propagazione di errori

Design of experiments (DOE) e Analisi statistica

LA REGRESSIONE LINEARE SEMPLICE

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

1. Statistiche descrittive

II Esercitazione: Sintesi delle distribuzioni semplici secondo un carattere di qualsiasi natura.

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

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Matrice: tabella di m righe ed n colonne. A T matrice trasposta di A=(a ij ) di elementi a ijt =a ji. Serena Morigi Università di Bologna 1

Elementi di Statistica descrittiva Parte III

Attualizzazione. Attualizzazione

Lezione 24. Campi finiti.

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

CAPITOLO XI STIMA DEI PARAMETRI DI UNA VARIABILE ALEATORIA.

TRATTAMENTO STATISTICO DEI DATI ANALITICI

STATISTICA Lezioni ed esercizi

CALCOLO DEGLI INDICI STATISTICI

SERVIZIO DAF: FONTI STATISTICHE

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

La probabilità. Il campionamento e l inferenza. L inferenza e la probabilità. campionamento casuale. Dai dati osservati mediante scelta

Premessa. Abbiamo più volte enfatizzato come questo processo di sintesi comporta un prezzo da pagare in termini di perdita di informazioni.

Capitolo 4 Le Misure di Centralità

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo

Numeri complessi Pag. 1 Adolfo Scimone 1998

x... Gli indici sintetici La media aritmetica Gli indici sintetici Indici assoluti Indici relativi Indici normalizzati Forma

Transcript:

SIMULAZIONE DI SISTEMI CASUALI parte Varabl casual e Dstrbuzo d varabl casual Calcolo delle probabltà Defzo Il calcolo delle probabltà tede a redere razoale l comportameto dell uomo d frote all certezza; d fatto vee utlzzato tutte le stuazo cu o soo prevedbl tutt fattor osservabl e que cas cu s debboo predere decso base ad potes rguardat evet futur. U eveto casuale (detto ache eveto aleatoro) è rappresetato da uo de possbl rsultat d u espermeto casuale. L eveto aleatoro può essere: certo: quado l rsultato è postvo e oto a pror (estrarre ua palla baca da u u ura coteete solo palle bache); mpossble: quado l rsultato è ullo e oto a pror (estrarre ua palla era da u u ura coteete solo palle bache); possble: quado l rsultato o è oto a pror (estrarre ua palla era da u u ura coteete palle bache e ere). Due o pù evet s dcoo compatbl se l verfcars d uo degl evet esclude l verfcars degl altr; s drao compatbl el caso cotraro. Due evet compatbl s dcoo ecessar se uo d ess deve verfcars ecessaramete. Due o pù evet s dcoo dpedet se l verfcars d uo o modfca l verfcars dell altro; s drao dpedet el caso cotraro. S chama complemetare dell eveto E quello corrspodete al o verfcars dell eveto (s dca co Ē e s legge E egato o o E). Ad esempo lacado u dado, l eveto complemetare all uscta del umero 3 è dato dall uscta de umer,,4,5,6. S possoo dare 4 dverse defzo d probabltà:. soggettvsta: la probabltà d u eveto è l grado d aspettatva del verfcars dell eveto (se dcamo che la probabltà d uscta della facca testa el laco d ua moeta è l 50% (/) gl attrbuamo u grado d fduca maggore d quello che attrburemmo all uscta del umero 3 el laco d u dado a cu damo probabltà del 6,6% (/6). Pertato vsto che la probabltà d u eveto mpossble è zero e quella d u eveto certo è, per l geerco eveto E s può scrvere: 0 Pr(E)

. classca: la probabltà d u eveto è l rapporto tra l umero de cas favorevol ed l umero de cas possbl, purché tutt cas sao ugualmete possbl; a ttolo d esempo: a. l uscta d doppa testa el laco d due moete successoe è par ad /4 essedo TT uo de 4 cas possbl (TT, TC, CT,CC); b. l uscta d ua carta d basto da u mazzo d carte apoletae è par ad 0/40 essedo 0 l umero de basto preset el mazzo d 40 carte; c. l estrazoe d ua palla baca da u ura coteete 5 palle rosse, bache e 8 ere è par a /5 essedo l umero de cas favorevol e 5 quell possbl. 3. frequetsta: la probabltà d u eveto è l lmte a cu tede la frequeza relatva d u eveto (rscotrata precedet stuazo) al crescere del umero delle prove; s rcorda che la frequeza relatva è l rapporto tra l umero delle prove cu s è mafestato l eveto e tutte le prove fatte. 4. assomatca: la probabltà d u eveto è quel umero reale p tale che: a. 0 p ; b. se l eveto è certo p(e)= e se l eveto è mpossble p(e)=0; c. se due evet E ed E soo compatbl allora p(e o E ) = p(e ) + p(e ). Teorem Quado s parla d evet dpedet debboo essere aalzzate le probabltà subordate, coè la probabltà che l secodo eveto s verfch subordatamete al verfcars del prmo eveto; ad esempo se s volesse calcolare la probabltà d estrarre ua carte d spade da u mazzo apoletao s avrebbe 0/40, qualora tuttava la carta estratta fosse ua secoda carta la sua probabltà rsulterebbe dversa sapedo che la prma carta è stata l 3 d basto (probabltà=0/39) oppure l 5 d coppe (probabltà=0/39) oppure l d spade (probabltà=9/39) e cos va). La probabltà del verfcars dell eveto E subordatamete all eveto E s dca co p(e / E ). E evdete che el caso d evet dpedet s avrebbe p(e / E )= p(e ) I teorem fodametal sulle probabltà possoo stetzzars :. probabltà composte: la probabltà del verfcars d u eveto che rsulta dal cocorso d due evet è data dal prodotto delle probabltà del prmo eveto e del secodo subordatamete al prmo: evet dpedet - p(e e E ) = p(e ) * p(e / E ) evet dpedet - p(e e E ) = p(e ) * p(e ). probabltà total: la probabltà che s verfch uo de due evet E o E è data dalla somma delle probabltà de due evet dmuta della probabltà che s verfcho etramb: evet compatbl - p(e o E ) = p(e ) + p(e ) - p(e e E ) evet compatbl - p(e o E ) = p(e ) + p(e ) (la probabltà che s verfcho etramb è ovvamete ulla).

Rcham d calcolo combatoro Per le applcazo d calcolo delle probabltà è ecessaro cooscere alcue ozo d calcolo combatoro che possoo essere stetzzate elle seguet: Permutazo Dsposzo Combazo VEDERE A TAL PROPOSITO GLI APPUNTI CALCOLO COMBINATORIO Fuzo d dstrbuzoe d probabltà S defsce dstrbuzoe d probabltà l valore delle probabltà assocate a tutt gl evet possbl coess ad u certo umero d prove dello schema geerale d estrazoe d ua palla da u ura. Le pù usual dstrbuzo d probabltà utlzzate ella statstca ferezale soo rappresetate da: dstrbuzoe ormale o d Gauss: è ua dstrbuzoe cotua la cu curva ha equazoe y = σ m σ e π cu la meda è m=p e la varaza è σ =pq; la curva è defta tutto l tervallo delle (± ) e preseta le seguet caratterstche: approssma la dstrbuzoe bomale al crescere del umero delle prove; è smmetrca rspetto alla meda el seso che la probabltà d u valore superore alla meda d u tervallo prefssato è uguale alla probabltà d u valore ferore alla meda dello stesso tervallo; l area al d sotto della curva è par ad ; approssma molte dstrbuzo emprche el campo socale, fsco, ecoomco, ecc.; approssma la dstrbuzoe degl error accdetal (quell che s commettoo quado s msura pù volte la stessa gradezza fsca); rappreseta la dstrbuzoe d u feomeo fluezato da fte cause, essua delle qual prepoderate.

dstrbuzoe beroulla o bomale: è ua dstrbuzoe dscreta la cu espressoe è quella geerale dcata el problema delle prove rpetute; tale dstrbuzoe gode delle seguet propretà: la dstrbuzoe è smmetrca dpedetemete dal umero delle prove purché p=q=/; la somma delle probabltà della dstrbuzoe è uguale ad uo; la probabltà del sgolo eveto è relatvamete bassa; la meda della dstrbuzoe è p e la sua varaza è pq; per suffcetemete grade (ormalmete maggore d 30) la dstrbuzoe è approssmata dalla dstrbuzoe ormale o d Gauss. La fuzoe d rpartzoe della dstrbuzoe è tabulata per var valor d e d p modo da poter determare valor dell espressoe p k q k (essedo k l umero de cas = k k favorevol). dstrbuzoe d Posso: λ è ua dstrbuzoe dscreta la cu equazoe è P( ) = e λ che può otteers dalla bomale quado! p è pccolssmo, molto grade e la meda p teda ad ua costate; le caratterstche della dstrbuzoe soo: rappreseta la dstrbuzoe d evet rar (p è pccolssmo); la meda della dstrbuzoe è λ che è ache la varaza; l massm della dstrbuzoe s ha corrspodeza d λ se questo o è tero oppure corrspodeza d λ e λ- se questo o è tero. VEDERE A TAL PROPOSITO GLI APPUNTI DISTRIBUZIONI DI PROBABILITA

Caratterstche delle varabl aleatore Dstrbuzoe d varable casuale dscreta (tegrazoe al par.., pag. 66) I molte applcazo o è ecessara la coosceza putuale della fuzoe d probabltà ma l calcolo d dc che possoo essere: dc d poszoe: dao u dea approssmata dell orde d gradezza de valor esstet. I pù utlzzat soo la moda, la meda e la medaa. Idc d dspersoe: vegoo utlzzat per descrvere stetcamete come valor d ua dstrbuzoe soo dstat da u valore cetrale (detfcato soltamete co la meda o co la medaa). Il pù utlzzato è la devazoe stadard. Moda S chama moda l dato o la classe d dat che ha maggore frequeza Meda La meda, o valor medo, vee utlzzata per rassumere u seme d dat co u solo valore Medaa S dce medaa d u seme d dat, dspost orde crescete, l dato che occupa la poszoe cetrale. Nel caso che l seme sa costtuto da u umero dspar d dat, la medaa corrspode al dato che occupa la poszoe cetrale; el caso che l seme sa costtuto da u umero par d dat, la medaa s ottee calcolado la meda artmetca de due dat che occupao le poszo cetral. Devazoe stadard Cosderamo la seguete successoe d dat statstc:,,, avet la seguete meda artmetca: M = Σ / Le dffereze sotto dcate: -M, -M,, -M tra cascu dato e la meda artmetca s chamao scart semplc de dat statstc dalla loro meda artmetca M. S verfca faclmete che la sommatora d tutt gl scart è uguale a zero, ossa che: Σ ( M) = 0 Cò è dovuto al fatto che gl scart semplc postv e quell egatv s eutralzzao a vceda. Per redere utl gl scart semplc al fe della msura della varabltà, occorre cosderarl valore assoluto. Così facedo s ottee la formula d u uovo dce d varabltà, detto scarto semplce medo: S = Σ M / Lo scarto semplce medo, s dmostra adeguato alcu cas, per cu s troduce u uovo dce, detto scarto quadratco medo. Cosderamo la seguete successoe d dat statstc:,,, e sa: M = Σ /

la loro meda artmetca. Calcolamo po gl scart semplc de dat dalla meda: -M, -M,, -M ed elevado al quadrato cascuo d ess: ( -M), ( -M),, ( -M) otteamo lo scopo d rederl tutt o egatv, evtado così che la loro somma da zero; l rsultato otteuto costtusce la successoe degl scart quadratc. Se calcolamo la meda artmetca d quest scart quadratc: Σ ( M) rcavamo u dce d varabltà, detto varaza. Ife, per torare alla stessa utà d msura de dat zal, eseguamo la radce quadrata della varaza, otteedo per rsultato quell mportate dce d varabltà che s chama scarto quadratco medo: /