Definizione di campione

Documenti analoghi
Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI

Il campionamento casuale semplice

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

Elementi di statistica

Capitolo 3. Cap. 3-1

,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

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1

Correlazione lineare

INDAGINE ESAUSTIVA O CAMPIONARIA?

Campo di applicazione

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Regressione lineare con un singolo regressore

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Lezione 2 a - Statistica descrittiva per variabili quantitative

LA VARIABILITA. IV lezione di Statistica Medica

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

1 INTRODUZIONE 1.1 GENERALITÀ

Sistema statistico nazionale Istituto nazionale di statistica. Stime ed Errori. Note metodologiche

Lezione 2 le misure di sintesi: le medie

PIANIFICAZIONE DEI TRASPORTI

Intorduzione alla teoria delle Catene di Markov

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl

Università degli Studi di Urbino Facoltà di Economia

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Esercitazione 8 del corso di Statistica (parte 1)

3) Entropie condizionate, entropie congiunte ed informazione mutua

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio Ing. Gianluca Chiappini

Variabili statistiche - Sommario

Relazioni tra variabili: Correlazione e regressione lineare

Ing. Enrico Grisan. Modelli di popolazione in farmacocinetica

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

Statistica e calcolo delle Probabilità. Allievi INF

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

Studente estratto Esami sostenuti voto Frequenza Pos.ne lavor.va sesso rendimento si No M B si No M O no No F S

Probabilità cumulata empirica

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

C.I. di Metodologia clinica

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

CARATTERISTICHE DEI SEGNALI RANDOM

ESERCIZI SULLE VARIABILI CASUALI DISCRETE

PhD Course Cassino Prof. Mannina - Università di Palermo 1

Corso di. Dott.ssa Donatella Cocca

STATISTICA DESCRITTIVA CON EXCEL

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Modelli decisionali su grafi - Problemi di Localizzazione

Modelli con varabili binarie (o qualitative)

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Statistica descrittiva

UNIVERSITÀ DEGLI STUDI DI BERGAMO. Facoltà di Ingegneria. Corso di Sistemi di Controllo di Gestione SCG-E04

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

Corso di Fondamenti di Telecomunicazioni

Modelli di variabili casuali

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

Statistica Descrittiva ed Inferenziale

MODELLO DI REGRESSIONE PER DATI DI PANEL

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

Concetti principale della lezione precedente

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente

Analisi della Varianza

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

Outline L approccio dei risultati potenziali all inferenza causale

Modelli descrittivi, statistica e simulazione

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno

6. Catene di Markov a tempo continuo (CMTC)

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

4.6 Dualità in Programmazione Lineare

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

Introduzione al Machine Learning

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

La verifica delle ipotesi

Statistica per le ricerche di mercato

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

Esercizio statistica applicata all ingegneria stradale pag. 1

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA:

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Appunti di Econometria

Matematica II: Calcolo delle Probabilità e Statistica Matematica

La ripartizione trasversale dei carichi

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

lxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt Misura:

Algebra Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

Elementi di linear discriminant analysis per la classificazione e il posizionamento nelle ricerche di marketing

Valutazione dei Benefici interni

Divagazioni in margine all Introduzione alla Probabilità di P. Baldi A. Visintin Facoltà di Ingegneria di Trento a.a

Precisione e Cifre Significative

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

Calcolo delle Probabilità

Transcript:

Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta della j-esma untà estratta, con j = 1, 2,..., n. Defnamo campone un qualsas sottonseme d n untà d U. s = { 1, 2,..., n }, dove j è l etchetta della j-esma untà camponara, con j = 1, 2,..., n. ESEMIO: U = {1, 2, 3, 4}. Campon ordnat: (1, 1, 2), (1, 2, 2) e (2, 1, 1) campone: {1, 2}. 1/18?

Lo spazo camponaro Indcheremo con S 0 l unverso de campon ordnat e con S l unverso de campon dmensone del Dmensone dell unverso de campone campon ordnat campon ( ) n n N n N! = k n!(n n)! N N! qualsas + n!(n n)! = 2N 1 n=1 Tasso d sondaggo f = n/n 2/18?

Schema d selezone e pano d camponamento S chama schema d selezone del campone qualsas meccansmo o procedmento che porta alla selezone d un campone S chama pano d camponamento ogn funzone p(s) defnta su S (co sullo spazo camponaro) tale che: 1. p(s) 0, s S; 2. s S p(s) = 1. Schema d selezone ano d camponamento 3/18?

Esempo d schema d selezone Sa U = {1, 2,...,,..., N} 1. S estragga una etchetta a caso con probabltà ugual per ottenere la prma untà camponara. 2. S estragga una seconda etchetta a caso con probabltà ugual dalle rmanent. 3. S rpeta l passo 2 altre n 2 volte, dove n < N. ano d camponamento: p(s) = 1 ) = ( N n n!(n n)! N! 0 altrment se s ha dmensone n. Camponamento casuale semplce senza rpetzone. 4/18?

robabltà d nclusone del prmo ordne S chama probabltà d nclusone del prmo ordne dell untà d U la quanttà π = s p(s), dove la sommatora è estesa a tutt campon che contengono l untà. Se defnamo la varable ndcatrce δ come δ = { 1 se l untà appartene al campone 0 altrment, allora π = s S p(s)δ = E(δ ). 5/18?

Esempo d calcolo delle probabltà d nclusone del prmo ordne Sa U = {1, 2, 3, 4, 5} Campone p(s) δ 1 s 1 = {1, 2, 3, 4} 0,1 1 s 2 = {1, 2, 3, 5} 0,2 1 s 3 = {1, 2, 4, 5} 0,2 1 s 4 = {1, 3, 4, 5} 0,3 1 s 5 = {2, 3, 4, 5} 0,2 0 1,0 allora π 1 = 0, 8, s verfch che π 2 = 0, 7, π 3 = 0, 8, π 4 = 0, 8, π 5 = 0, 9. 6/18?

robabltà d nclusone del secondo ordne S chama probabltà d nclusone del secondo ordne della coppa d untà, j d U la quanttà π j = s,j p(s), dove la sommatora è estesa a tutt campon che contengono la coppa d untà e j. S ha anche che π j = s S p(s)δ δ j = E(δ δ j ). 7/18?

Esempo d calcolo delle probabltà d nclusone del secondo ordne Sa U = {1, 2, 3, 4, 5} Campone p(s) δ 1 δ 2 δ 1 δ 2 s 1 = {1, 2, 3, 4} 0,1 1 1 1 s 2 = {1, 2, 3, 5} 0,2 1 1 1 s 3 = {1, 2, 4, 5} 0,2 1 1 1 s 4 = {1, 3, 4, 5} 0,3 1 0 0 s 5 = {2, 3, 4, 5} 0,2 0 1 0 1,0 allora π 12 = 0, 5; s trovno per eserczo le altre. 8/18?

Calcolo delle probabltà d nclusone per l CCS rmo ordne π = s p(s) = (N 1)! n!(n n)! (n 1)!(N n)! N! = n N Secondo ordne π j = s j p(s) = (N 2)! n!(n n)! (n 2)!(N n)! N! = n N n 1 N 1 9/18?

Important defnzon per pan d camponamento relatve alle probabltà d nclusone Un pano d camponamento s dce probablstco se ogn untà della popolazone ha una probabltà del prmo ordne postva (π > 0, U) e calcolable. Un pano d camponamento s dce autoponderante se le probabltà d nclusone delle untà della popolazone sono tutte ugual (π costante). Un pano d camponamento s dce msurable se le probabltà d nclusone del secondo ordne sono tutte postve (π j > 0,, j U) e calcolabl. Il CCS è... 10/18?

ropretà delle probabltà d nclusone N 1. n(s) = δ E[n(s)] = =1 se n(s) = n, allora N π = n; =1 N =1 π 2. N N π j = V [n(s)] + E[n(s)]{E[n(s)] 1} =1 j se n(s) = n, allora N N π j = n(n 1) =1 j e π j = π (n 1). ( ) j ( ) 11/18?

Moment delle varabl ndcatrc δ δ per = 1, 2,..., N sono varabl casual bernoullane non ndpendent e tal che: E(δ ) = π, V (δ ) = π (1 π ), C(δ, δ j ) = E(δ δ j ) E(δ )E(δ j ) = π j π π j. 12/18?

La matrce de dat untà camponara etchetta varable y varable x... varable z 1 j 1 Y 1 X 1... Z 1 2 j 2 Y 2 X 2... Z 1 3 j 3 Y 3 X 3... Z 3...... j Y X... Z...... n j n Y n X n... Z n 13/18?

Le statstche camponare La meda camponara: ȳ = 1 n n =1 Y Il totale camponaro: t y = n =1 Y La varanza camponara: s 2 y = 1 n 1 n =1 (Y ȳ) 2 La covaranza camponara: s yx = 1 n 1 n =1 (Y ȳ)(x x) Il coeffcente d varazone c y = 100 s y ȳ Il rapporto tra total o mede Rc = t y t x = ȳ x Il coeffcente d correlazone lneare: rc yx = s yx s y s x Il coeffcente d regressone: bc y/x = s yx s 2 x Ad ogn parametro descrttvo della popolazone corrsponde una statstca camponara calcolata con la medesma formula (consderando l campone come una popolazone). S ottene uno stmatore naturale, ma... 14/18?

Stmator S chama stmatore ˆθ d un parametro θ della popolazone ogn statstca camponara prescelta per assegnare un valore al parametro consderato. S chama stma l valore numerco dello stmatore nel campone estratto. S chama errore d stma la dfferenza tra la stma e l valore del parametro. Dstrbuzone camponara dello stmatore ˆθ campone probabltà stma errore d stma s 1 p(s 1 ) ˆθ1 ˆθ1 θ s 2 p(s 2 ) ˆθ2 ˆθ2 θ s 3 p(s 3 ) ˆθ3 ˆθ3 θ.. s M p(s M ) ˆθn ˆθM θ. 15/18?.

Crter d selezone dello stmatore 1 Correttezza. Sa E(ˆθ) = s S ˆθ s p(s). Uno stmatore del parametro θ s dce corretto, o non dstorto, se l suo valore atteso concde con θ: E(ˆθ) = θ. S chama dstorsone d uno stmatore la quanttà B(ˆθ) = E(ˆθ) θ. 16/18?

Crter d selezone dello stmatore 2 Effcenza. Errore quadratco medo dello stmatore: MSE(ˆθ) = s S (ˆθ s θ) 2 p(s). Vale che MSE(ˆθ) = V (ˆθ) + B(ˆθ) 2 ( ), dove V (ˆθ) = s S [ˆθ s E(ˆθ)] 2 p(s), è la varanza dello stmatore. Uno stmatore ˆθ 1 s dce pù effcente d un altro stmatore ˆθ 2 se s verfca che MSE(ˆθ 1 ) MSE(ˆθ 2 ) per ogn valore d θ. 17/18?

Le stratege camponare S chama stratega camponara ogn coppa costtuta da un pano d camponamento e da uno stmatore, ovvero [p(s), ˆθ]. Correttezza. Una stratega camponara s dce corretta se lo stmatore è corretto rspetto al pano d camponamento prescelto. Effcenza. Una stratega camponara [p 1 (s), ˆθ 1 ] s dce pù effcente d un altra stratega [p 2 (s), ˆθ 2 ] se s verfca che MSE 1 (ˆθ 1 ) MSE 2 (ˆθ 2 ) per ogn valore d θ. L obettvo della teora de campon è quello d ndvduare la stratega pù effcente a partà d costo complessvo della rlevazone. 18/18?