Istogrammi e confronto con la distribuzione normale

Documenti analoghi
Variabilità = Informazione

MEDIA DI Y (ALTEZZA):

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

Var iabili aleatorie continue

Lezione 4. La Variabilità. Lezione 4 1

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

Esercitazione 6 del corso di Statistica (parte 1)

Teoria dei Fenomeni Aleatori AA 2012/13

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

LEZIONI DI STATISTICA MEDICA

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

LA REGRESSIONE LINEARE SEMPLICE

APPUNTI di FISICA SPERIMENTALE

INDICI DI VARIABILITA

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

Daniela Tondini

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

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

Caso studio 12. Regressione. Esempio

Regressione e Correlazione

Appunti di. Elaborazione dei dati sperimentali

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

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

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

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

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

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE

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

Statistica descrittiva per l Estimo

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

Capitolo 2 Errori di misura: definizioni e trattamento

DATA MINING PER IL MARKETING (63 ore)

Seconda Prova Parziale di STATISTICA Modalità A

Classi di reddito % famiglie Fino a Oltre Totale 100

( ) ( ) ( ) ( ) Mutua variabilità. n n 1. n n 1. n n 1. n n 1

Approfondimenti Lezione 3. Mara Bruzzi

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

La media aritmetica. La sua individuazione si basa sulla logica della trasferibilità di un carattere. Se la funzione f( ) corrisponde alla somma:

Compito A1- Soluzioni

4 CAMPIONE DI n UNITA STATISTICHE (lettere latine)

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

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

Lezione 4. Metodi statistici per il miglioramento della Qualità

TRATTAMENTO STATISTICO DEI DATI ANALITICI

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

Esercizi su Rappresentazioni di Dati e Statistica

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

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

I percentili e i quartili

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

DI IDROLOGIA TECNICA PARTE II

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza

Principio di massima verosimiglianza

FORMULARIO DI RIFERIMENTO PER IL CALCOLO DELLE INCERTEZZE DI MISURA. F.Silvestrin, V.Talamini

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

Capitolo 17. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 17.1: Suggerimento

Le misure di variabilità

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

Riassunto di teoria elementare degli errori

Associazione tra due variabili quantitative

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo.

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

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

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

Misure Ripetute ed Indipendenti

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

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

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione

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

Matematica elementare art.1 di Raimondo Valeri

Voti Diploma Classico Scientifico Tecn. E Comm Altro

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

Il campionamento e l inferenza

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

Caso studio 10. Dipendenza in media. Esempio

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

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

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

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

Università della Calabria

Dott.ssa Marta Di Nicola

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

Laboratorio di Fisica I: laurea in Ottica e Optometria. Misura di una resistenza con il metodo VOLT-AMPEROMETRICO

LA FUNZIONE DI VEROSIMIGLIANZA

Propagazione di errori

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

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

Esercizi sull incertezza di misura

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

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

Lezioni del Corso di Fondamenti di Metrologia Meccanica

Indipendenza in distribuzione

Esercitazione 5 del corso di Statistica (parte 1)

Elementi di Statistica

Propagazione degli errori

Variabili casuali ( ) 1 2 n

ELABORAZIONE DEI DATI

Transcript:

Istogramm e cofroto co la dstrbuzoe ormale Suppoamo d effettuare per volte la msurazoe della stessa gradezza elle stesse codzo (es. la massa d u oggetto, la tesoe d ua pla, la lughezza d u oggetto, ecc.): geerale, rsultat otteut o sarao tutt ugual tra loro a causa degl error casual. Cosderamo valor mm e massm msurat ( m e M ) e dvdamo l tervallo compreso tra ess r part ugual d ampezza M m r Cosderamo u sstema d ass cartesa e rportamo sulle ascsse valor delle msure otteute e ordata l umero d rsultat della msura che cadoo el sotto-tervallo m M

f k 40 f k m M f k 00 f k è l ro d msure che retrao ell tervallo m M

Fuzoe d dstrbuzoe ormale o fuzoe d Gauss f k 0000 F( ) σ ep π ( ) σ 0 0 Rappreseta, per u determato valore d σ e d 0 che varao d caso caso, la dstrbuzoe delle msure per ua estesa classe d gradezze fsche. N.B. F()/ forsce la probabltà d otteere u dato valore della gradezza seguto ad ua msura.

( ) 0 f ( ) ep è ua destà d probabltà σ π σ ' + per cu f ( ) d rappreseta la probabltà che la msura ' da u valore della gradezza compreso tra e + f() + N.B. f ( ) d

f ( ) ep σ π ( ) σ 0 f() f( 0 ) f( 0 )*0.6 f() 0 -σ 0 0 +σ Dvers valor d σ 0

Il valore pù probable della msura La msurazoe d ua gradezza o dà ma l suo valore vero. E possble dmostrare che l valore pù probable della gradezza è forto dalla meda artmetca <> degl valor,,, otteut ella sua msurazoe rpetuta < > + +... + Qualora l umero delle msurazo sa suffcetemete grade modo che l stogramma vsto prma possa essere approssmato dalla fuzoe d Gauss, l valore medo <> cocde co l valore 0, per cu la gaussaa assume l suo valore massmo.

Il valore pù probable della msura I realtà, l valore medo sarà vco al valore cetrale 0, tato pù quato maggore è l umero delle msure esegute. Il valor medo <> rappreseta la mglor stma possble del valore vero della gradezza. La mglore stma per la larghezza σ della dstrbuzoe d Gauss è data dalla devazoe stadard, defta dalla relazoe: σ ( < > )

La devazoe stadard σ ( < > ) Rappreseta l certezza ua msura e forsce l cosddetto lmte d cofdeza della msura. S dmostra fatt che: v è l 68.7 % d probabltà che l rsultato d ua msura dffersca meo d σ dal valore vero l 95.4 % d probabltà che la msura cada etro σ dal valore vero l 99.7 % d probabltà che la msura cada etro 3σ dal valore vero f() 0 σ 0 σ 0 3σ 0 0 +σ 0 +σ 0 +3σ

S dmostra oltre che l certezza ella stma del valor medo (che rappreseta la mglor stma e qud la mglore approssmazoe al valore vero della gradezza msurata), è data dalla relazoe: < > σ ( < > ) ( ) che defsce la devazoe stadard della meda (errore medo emprco della meda artmetca): co l 68.7 % d probabltà, l valore medo <> s dscosta da quello vero per meo d σ <>, co l 95.4 % <> s dscosta per meo d σ <>, co l 99.7 % <> s dscosta per meo d 3σ <>. < > k σ < > < > + k σ < > < > < > k σ

> < > < k σ Qud, la probabltà che è data dalla probabltà d Gauss > < > < + k k d f σ σ 0 0 ) ( ( ) 0 ep ) ( σ π σ f

Rassumedo, s potrà dcare come valore d dove < > ± < > ( ) ( < > ) N.B.: Nel caso cu l errore calcolato come sopra sa ferore all errore strumetale, s usa quest ultmo come errore massmo.

Metodo de mm quadrat Uo de pù teressat tp d espermeto rguarda la msura d parecch valor d due dverse varabl fsche, per vestgare la relazoe matematca tra le due varabl. Es. lascamo cadere u corpo da ua certa altezza. Tale corpo sarà soggetto all accelerazoe d gravtà g. Nel caso cu per l tempo t0 esso abba ua veloctà zale vv 0, la sua veloctà v dovrebbe essere ua fuzoe leare del tempo t, v(t) v 0 + gt tale relazoe è leare del tpo dove e B soo costat. () + B

Se le due varabl soo relazoe come () + B, allora u grafco d fuzoe d dovrebbe essere ua lea retta che ha pedeza (coeffcete agolare) B e terseca l asse. () N.B. I put,,., o soo N msure della stessa gradezza Se s msurassero N dvers valor d,,, e valor corrspodet,,., e se le msure o fossero soggette ad certezze, allora cascuo de put (, ) dovrebbero gacere esattamete sulla retta

I realtà, essedo preset delle certezze, put potrao rsultare sparpaglat toro alla retta. () () Caso deale Caso reale Se predamo per garatto che e soddsfao ua relazoe leare, c s può porre l problema d trovare la mglor retta per terpolare u seme d put msurat (, ), (, ),.. (, ), coè trovare u ft leare (regressoe leare o curva de mm quadrat per ua retta). S dovrao trovare qud le mglor stme de coeffcet della retta e B.

Il procedmeto è l seguete s eseguoo msure corrspodet alle coppe (, ), (, ),.. (, ). Sapedo che la relazoe è leare s calcolao gl scart v - (+B ), s calcolao quadrat e s sommao Φ ( B ) S cercao valor d e B per cu Φ sa la mma possble. Questo equvale a redere mm quadrat delle dstaze de put (, ) dalla retta, msurate ella drezoe dell asse () (, )

( ) Φ B 0 ( ) Φ B B 0 Per far questo dfferezamo Φ rspetto ad e B e poamo le dervate ugual a zero: Queste due equazo possoo essere rscrtte come equazo smultaee per e B: + B + B equazo ormal

+ B + B B Mglor stme per le costat e B

( ) B σ ( ) B B σ Mglor stme per le certezze d e B (σ Α, σ Β )

Nel caso cu la presumble relazoe tra ed o è leare, geerale f() cò che s fa è sempre mmzzare la somma degl scart quadratc Φ ( f ( )) rcavados u sstema d equazo cu compaoo gl parametr della fuzoe f()