Statistica descrittiva per l Estimo

Documenti analoghi
Variabilità = Informazione

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

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

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

Lezione 4. La Variabilità. Lezione 4 1

I percentili e i quartili

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

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

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

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

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

Capitolo 6 Gli indici di variabilità

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

Le misure di variabilità

Lezione 4. Metodi statistici per il miglioramento della Qualità

Voti Diploma Classico Scientifico Tecn. E Comm Altro

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

LEZIONI DI STATISTICA MEDICA

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

INDICI DI VARIABILITA

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

MEDIA DI Y (ALTEZZA):

frazione 1 n dell ammontare complessivo del carattere A x

ELABORAZIONE DEI DATI

Esercitazione 5 del corso di Statistica (parte 1)

STATISTICA DESCRITTIVA

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

Elementi di Statistica descrittiva Parte III

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

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

Elementi di Statistica descrittiva Parte II

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

Caso studio 10. Dipendenza in media. Esempio

Istogrammi e confronto con la distribuzione normale

Classi di reddito % famiglie Fino a Oltre Totale 100

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

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)

Statistica descrittiva

Regressione e Correlazione

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

Caso studio 12. Regressione. Esempio

Esercizi su Rappresentazioni di Dati e Statistica

ESERCITAZIONE NUMERO 4

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

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

,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

Elementi di statistica descrittiva Parte III

Consentono di descrivere la variabilità all interno della distribuzione di frequenza tramite un unico valore che ne sintetizza le caratteristiche

Indipendenza in distribuzione

Dott.ssa Marta Di Nicola

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

Teoria dei Fenomeni Aleatori AA 2012/13

DI IDROLOGIA TECNICA PARTE II

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

Modelli descrittivi, statistica e simulazione

ALCUNI ELEMENTI DI STATISTICA DESCRITTIVA

Sommario. Facoltà di Economia francesco mola. Distribuzioni (cont.) Distribuzioni di frequenza. Distribuzioni Distribuzioni di quantità

TRATTAMENTO STATISTICO DEI DATI ANALITICI

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

Analisi di dati vettoriali. Direzioni e orientazioni

Il campionamento e l inferenza

LA REGRESSIONE LINEARE SEMPLICE

STATISTICA DESCRITTIVA modulo 1 Corso di Laurea SMID Elda Guala e Ivano Repetto Dipartimento di Matematica - Università degli Studi di Genova

Esercitazione V: Sintesi di una variabile quantitativa: variabilità.

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

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

La volatilità storica, le misure di rischio asimmetrico e la tracking error volatility

SERVIZIO DAF: FONTI STATISTICHE

Francesco Ciatara ELEMENTI STATISTICA

Capitolo 2 Errori di misura: definizioni e trattamento

Sommario. Corso di Statistica Economia e Commercio. Distribuzioni (cont Distribuzioni di frequenza. Distribuzioni

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

STATISTICA Lezioni ed esercizi

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

STATISTICA Lezioni ed esercizi

Il modello di regressione lineare semplice (1) Studio della dipendenza riepilogo

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

6. LA CONCENTRAZIONE

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

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

La distribuzione statistica doppia (o bivariata)

Capitolo 3. Cap. 3-1

SCHEDA DIDATTICA N 5

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

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

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

Variabili casuali ( ) 1 2 n

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA - SCHEDA N. 4 VARIABILI QUANTITATIVE Trasformazioni lineari Indici di covarianza e correlazione

ELEMENTI DI STATISTICA DESCRITTIVA

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

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

Corso di. Dott.ssa Donatella Cocca

NOTA METODOLOGICA PER L ANALISI DELLE CAUSE DI MORTE

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

Capitolo 4 Le Misure di Centralità

per il controllo qualità in campo tessile ing. Piero Di Girolamo

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

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua

Transcript:

Statstca descrttva per l Estmo Paolo Rosato Dpartmeto d Igegera Cvle e Archtettura Pazzale Europa 1-34127 Treste. Itala Tel: +39-040-5583569. Fax: +39-040-55835 80 E-mal: paolo.rosato@da.uts.t 1

A cosa serve la statstca ell estmo La statstca è uo strumeto utle/dspesable per studare e stetzzare feome che s mafestao modo certo e/o su qual o è possble avere ua completa coosceza. Il prezzo degl mmobl è uo d quest feome, poché: 1. La coosceza de prezz è completa (mercato opaco) 2. Le caratterstche degl mmobl che fluscoo su prezz o soo perfettamete ote 3. Le trasazo soo poche 4. Le fot d dat soo scarse e poco omogeee 5. I prezz che s formao hao ua forte compoete specfca e casuale Prof. Paolo Rosato 2

A cosa serve la statstca ell estmo Immoble Sere A B 1 1.950 2.000 2 1.800 1.800 3 1.900 1.850 4 1.950 1.900 5 1.850 1.850 6 2.100 1.800 7 1.910 1.910 8 1.930 1.930 9 2.000 1.850 10 1.974 1.900 11 1.860 1.860 12 1.930 1.800 13 1.950 1.850 14 2.050 2.050 15 1.980 1.980 16 1.950 1.850 17 1.870 2.050 18 1.900 1.800 19 1.950 2.150 20 1.850 1.800 21 1.850 2.100 22 1.910 1.910 23 1.930 2.100 24 2.050 2.100 25 1.974 1.800 26 1.860 1.800 27 1.930 1.800 28 1.950 2.000 29 2.150 2.150 30 1.740 2.200 Meda 1.933 1.931? Prof. Paolo Rosato 3

La statstca s artcola due ambt prcpal Statstca descrttva: stetzza e rappreseta dat osservat (p.e. caratterstche degl mmobl e prezz) medate grafc e dc che descrvoo tedeze e varabltà Idcator d tedeza cetrale Idcator d dspersoe Dstrbuzo Idcator d forma Prof. Paolo Rosato 4

La statstca d artcola due ambt prcpal Statstca ferezale: teta d stablre delle relazo fra dat osservat (p.e. caratterstche dell mmoble e prezzo d mercato), spesso apparetemete dsordat, foredoe ua valutazoe probablstca La regressoe semplce La regressoe multpla Prof. Paolo Rosato 5

La statstca descrttva Gl dcator d tedeza cetrale: Meda semplce Meda geometrca Meda armoca Meda poderata Medaa Moda Prof. Paolo Rosato 6

Alcu semplc dcator statstc d tedeza cetrale Meda semplce (M s ): Rapporto fra la somma de valor (V ) ed l loro umero (). M s 1 V Prof. Paolo Rosato 7

Alcu semplc dcator statstc d tedeza cetrale Meda armoca (M h ): Recproco della meda artmetca de recproc de valor (V ). S usa quado è utle calcolare l recproco de dat: l potere d acqusto medo della moeta è l recproco della meda armoca de prezz. M h 1 1 V Prof. Paolo Rosato 8

Alcu semplc dcator statstc d tedeza cetrale Meda geometrca (M g ): Radce -esma del prodotto degl () valor (V ). S usa quado ha seso moltplcare fra loro dat statstc: determare l tasso d'cremeto medo o d decremeto d prezz. M V s 1 Prof. Paolo Rosato 9

Alcu semplc dcator statstc d tedeza cetrale Meda quadratca (M g ): Radce quadrata della meda semplce del quadrato degl () valor (V ). S usa per mettere evdeza l essteza d valor aomal, che s scostao molto da valor cetral. M q 1 V 2 Prof. Paolo Rosato 10

Alcu semplc dcator statstc d tedeza cetrale Meda poderata (M p ): Rapporto fra la somma de valor (V ) moltplcat per l loro peso (w ) e la somma de pes (w ). E per poderare l dato fuzoe d ua specfca caratterstca. M p V 1 1 w w Prof. Paolo Rosato 11

Alcu semplc dcator statstc d tedeza cetrale Moda o orma (M d ): Data ua dstrbuzoe è l valore (V), o classe d valor pù frequete Moda sere A Moda sere B Prof. Paolo Rosato 12

Alcu semplc dcator statstc d tedeza cetrale Medaa (M e ): Data ua sere d valor (V ), l valore medao è quel valore che dvde a metà la sere Medaa sere A Medaa sere B Prof. Paolo Rosato 13

Alcu semplc dcator statstc d tedeza cetrale Idcatore Dstrbuzoe Smmetrca Asmmetrca Meda semplce 1.933,27 1.931,33 Meda armoca 1.929,72 1.923,49 Meda geometrca 1.931,49 1.927,36 Meda quadratca 1.935,06 1.935,40 Moda 1.950,00 1.800,00 Medaa 1.930,00 1.900,00 Prof. Paolo Rosato 14

Alcu semplc dcator statstc d dspersoe Scostameto quadratco medo (Smq): Rapporto fra la sommatora de quadrat degl scostamet dalla meda e l umero d osservazo () S mq 1 V M s 2 Prof. Paolo Rosato 15

Alcu semplc dcator statstc d dspersoe Varaza (σ 2 ): Rapporto fra la sommatora de quadrat degl scostamet dalla meda e l umero d osservazo () meo 1 2 1 V M 1 s 2 Prof. Paolo Rosato 16

Alcu semplc dcator statstc d dspersoe Devazoe Stadard (σ): Radce quadrata della Varaza 1 V M 1 s 2 Prof. Paolo Rosato 17

Alcu semplc dcator statstc d dspersoe Coeffcete d varazoe (γ): Rapporto fra devazoe stadard (σ) e la meda (M s ) 1 V M 1 M s s 2 Prof. Paolo Rosato 18

Alcu semplc dcator statstc d dspersoe Idcatore Dstrbuzoe Smmetrca Asmmetrca Scost. quadratco medo 6.921,73 15.738,22 Varaza 7.160,41 16.280,92 Devazoe stadard 84,62 127,60 Coeffcete d varazoe 0,04 0,07 Prof. Paolo Rosato 19

Alcu semplc dcator statstc d dspersoe I quartl Valor che rpartscoo ua sere ordata d dat quattro sottosem d uguale umerostà Idcatore Dstrbuzoe Smmetrca Asmmetrca Mmo 1.740,0 1.800,0 Prmo quartle 1.877,5 1.812,5 Secodo quartle (medaa) 1.930,0 1.900,0 Terzo quartle 1.740,0 1.800,0 Massmo 2.150,0 2.200,0 Prof. Paolo Rosato 20

Alcu semplc dcator statstc d dspersoe Il grafco Box-Plot Rappresetazoe grafca de valor de quartl Prof. Paolo Rosato 21

Gl dcator statstc d forma La dstrbuzoe ormale (gaussaa) F V e 2 1 1 V M s 2 2 2 / F(V ) = Frequeza co cu s rleva u certo valore V M s = Meda; σ = Devazoe stadard. Prof. Paolo Rosato 22

Gl dcator statstc d forma La dstrbuzoe ormale (gaussaa) che approssma dat dell esempo F V 0,004715e 1 V 2 2 1.933,27 / 7169, 41 Prof. Paolo Rosato 23

La dstrbuzoe ormale (gaussaa) Dstrbuzoe ormale 0,007 0,006 0,005 Probabltà 0,004 0,003 0,002 0,001 0 1600 1700 1800 1900 2000 2100 2200 2300 Valore Da A % cas M s +/- σ 1803,74 2058,93 68,27 M s +/- 2σ 1676,14 2186,53 95,45 M s +/- 3σ 1548,54 2314,12 99,73 24

La dstrbuzoe ormale cumulata Dstrbuzoe ormale cumulata 1 0,9 0,8 0,7 Probabltà cumulata 0,6 0,5 0,4 0,3 0,2 0,1 0 1600 1700 1800 1900 2000 2100 2200 2300 Valore Prof. Paolo Rosato 25

La dstrbuzoe ormale e reale Prof. Paolo Rosato 26

Alcu semplc dcator statstc d forma Idce d asmmetra (skewess): β d Fsher ormalzzato e corretto per la umerostà: postvo coda asmmetrca verso valor pù alt, egatvo: coda asmmetrca verso valor pù bass. 1 1 2 V M s 3 β > 0 β = 0 β < 0 Prof. Paolo Rosato 27

Prof. Paolo Rosato 28 Idce d curtos: k valuta l grado s adesoe ad ua dstrbuzoe ormale; postvo: cocetrazoe maggore attoro alla meda, egatvo: cocetrazoe maggore sulle code. 3 2 1 3 3 2 1 1 2 4 M V k s k > 0 k = 0 k < 0 Alcu semplc dcator statstc d forma