x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

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

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

Lezione 2 a - Statistica descrittiva per variabili quantitative

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

Lezione 2 le misure di sintesi: le medie

Il trattamento dei dati a fini descrittivi

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

LA VARIABILITA. IV lezione di Statistica Medica

Corso di. Dott.ssa Donatella Cocca

Modelli descrittivi, statistica e simulazione

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

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

ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007

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

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

Università degli Studi di Urbino Facoltà di Economia

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

,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

LE FREQUENZE CUMULATE

Statistica descrittiva

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

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

Esercitazioni del corso: STATISTICA

Esercitazione 12 ottobre 2011 Trasformazioni circuitali. v 3. v 1. Per entrambi i casi, i valori delle grandezze sono riportati in Tab. I.

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

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

Capitolo 3. Cap. 3-1

Unità n La concentrazione

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

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Esercizi sulle reti elettriche in corrente continua (parte 2)

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

I percentili e i quartili

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

Esercitazione 5 del corso di Statistica (parte 1)

3) Entropie condizionate, entropie congiunte ed informazione mutua

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

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

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

FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

Esercitazioni del corso di relazioni tra variabili

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

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

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

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

Potenzialità degli impianti

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

MEDIA DI Y (ALTEZZA):

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.

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

NUMERI GRANDI DI FIBONACCI come trovare velocemente i loro esatti valori numerici Cristiano Teodoro

Introduzione al Machine Learning

- Riproduzione riservata - 1

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Lezione 4. La Variabilità. Lezione 4 1

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

Capitolo 6 Risultati pag a) Osmannoro. b) Case Passerini c) Ponte di Maccione

Campo di applicazione

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

Intorduzione alla teoria delle Catene di Markov

Indicatori sintetici: influenza della scelta della scala di misura Silvia Terzi, Luca Moroni Università RomaTre

LA COMPATIBILITA tra due misure:

Esercitazione 8 del corso di Statistica (parte 1)

Correlazione lineare

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

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

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2

Corso di Tecniche elettromagnetiche per la localizzazione e il controllo ambientale. Test scritto del 08 / 09 / 2005

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Teorema di Thévenin-Norton

CPM: Calcolo del Cammino Critico

Probabilità cumulata empirica

Rappresentazione dei numeri

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

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

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

La verifica delle ipotesi

Progetto di elementi strutturali:

Complementi 4 - Materiali non isotropi

Trigger di Schmitt. e +V t

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry

Gli errori nelle misure

CAPITOLO 3 CIRCUITI DI RESISTORI

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

La sincronizzazione. (Libro) Trasmissione dell Informazione

IL RUMORE NEGLI AMPLIFICATORI

Elementi di statistica

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

Il diagramma cartesiano

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi

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

Variabili statistiche - Sommario

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa Esercitazione: 4 aprile 2013

(B1) IL RUOLO DELL ANALISI STATISTICA DEI DATI NELLA GESTIONE AZIENDALE DATI GREZZI E INFORMAZIONI INDICI STATISTICI, TABELLE E GRAFICI

Transcript:

Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà ntrodott per le varabl qualtatve nomnal Tal ndc, però, essendo basat sulle sole frequenze assocate alle sngole modaltà, non sfruttano l nformazone ulterore assocata a tale tpo d varabl, ovvero la possbltà d ordnarne le modaltà A tal fne è possble defnre un ulterore accezone del termne varabltà tenendo conto d come le frequenze s dspongono rspetto alle modaltà ordnate della varable S consder, a ttolo esemplfcatvo, una varable ordnale X ce può assumere cnque modaltà, osservata su un collettvo d 00 untà Le seguent tabelle rportano alcune possbl dstrbuzon d tale varable: CASO CASO CASO 3 CASO 4 X n X n X n X n () () () () ( ) ( ) ( ) ( ) 0 00 00 00 00 La dstrbuzone rportata come caso è una dstrbuzone caratterzzata da massma varabltà (s parla pù propramente d massma eterogenetà o mnma omogenetà) mentre quella ndcata come caso è caratterzzata dalla mnma varabltà possble (mnma eterogenetà o massma omogenetà) el prmo caso, nfatt, le frequenze sono rpartte equamente tra tutte le modaltà del carattere mentre nel secondo caso tutte le frequenze sono accentrate n una sola modaltà del carattere, comportando qund un assenza totale d varabltà Le due dstrbuzon 3 e 4 rportano nvece due cas ntermed d varabltà: n entramb cas le frequenze sono rpartte unformemente tra due modaltà del carattere; la msurazone degl ndc d omogenetà/eterogenetà (Gn o Sannon) sulle due dstrbuzon produrrà d conseguenza lo stesso valore L utlzzo d tal ndc, non sfruttando alcuna nformazone sull ordnamento delle modaltà, non permette d rlevare l evdente dverstà delle due dstrbuzon: l caso 3, nfatt, è caratterzzato dal fatto ce le unce due modaltà present sono due modaltà vcne alla modaltà centrale mentre nel caso 4 le unce due modaltà present sono le due modaltà estreme Quest ultma dstrbuzone è qund caratterzzata da una maggore dspersone (n partcolare dalla massma dspersone possble, ce s a quando le frequenze sono rpartte n manera unforme tra le due modaltà estreme) La mnma dspersone concde con l caso d mnma eterogenetà (o massma omogenetà), ovvero quando tutte le untà presentano la stessa modaltà (caso ) Un ndce d dspersone dovrà qund assumere valore mnmo nel caso della dstrbuzone caratterzzata da mnma dspersone (caso ) e valore massmo nel caso della dstrbuzone caratterzzata da massma dspersone (caso 4) el caso d una varable caratterzzata da dspersone mnma, s è detto ce tutte le untà presentano una stessa modaltà del carattere Indcando con tale modaltà, s avrà: Facoltà d Economa Unverstà degl Stud d Cassno

Corso d Statstca docente: Domenco Vstocco X n f F RF 0 0 () 0 0 ( ) 0 0 ( ) x ( ) 0 0 ( + ) 0 0 ( ) In partcolare, per le frequenze cumulate e retrocumulate s avrà, rspettvamente: 0 se < se F RF se 0 se > Defnendo complement ad delle frequenze cumulate e retrocumulate, s avrà ovvamente: se < 0 se F RF 0 se se > Sfruttando le frequenze cumulate e retrocumulate (e loro complement all untà) è possble costrure l seguente ndce d dspersone: ( ) ( ) D F F + RF RF Essendo una somma d termn tutt non negatv, l ndce D è non negatvo In partcolare è mmedato vedere come l valore mnmo dell ndce (lo 0) è assunto nel caso d varabl caratterzzate da mnma dspersone La seguente tabella rporta dat necessar per l calcolo dell ndce nel caso della dstrbuzone denotata n precedenza come caso : X n f F -F RF -RF F (-F) RF (-RF) 0 0 0 0 0 () 0 0 0 0 0 ( ) 0 0 0 0 0 Facoltà d Economa Unverstà degl Stud d Cassno

Corso d Statstca docente: Domenco Vstocco 0 0 0 0 0 0 0 0 0 0 00 0 0 Il valore massmo dell ndce, ce s rscontra nel caso d dstrbuzone caratterzzata da dspersone massma, dpende dalla numerostà del collettvo d rfermento; n partcolare s anno due seguent cas (s rmanda all appendce per la dmostrazone): par dspar Il calcolo dell ndce D per l caso della dstrbuzone ndcata come caso 4, ovvero l caso d massma dspersone, è rportata nella seguente tabella: X n f F -F RF -RF F (-F) RF (-RF) 05 05 05 0 05 0 () 0 05 05 05 05 05 05 ( ) 0 05 05 05 05 05 05 0 05 05 05 05 05 05 05 0 05 05 0 05 00 00 00 Da cu s evnce come l ndce D assume l valore, ovvero l suo valore massmo (essendo par e 5) La seguente tabella rporta, nfne, l calcolo dell ndce D per la dstrbuzone del caso 3, ovvero per la dstrbuzone caratterzzata da una dspersone ntermeda: X n f F -F RF -RF F (-F) RF (-RF) 0 0 0 0 () 05 05 05 05 0 05 ( ) 05 0 05 05 05 05 0 0 05 0 05 0 0 05 0 05 00 05 05 Facoltà d Economa Unverstà degl Stud d Cassno 3

Corso d Statstca docente: Domenco Vstocco In questo caso l ndce D vale 05, denotando una dspersone ntermeda rspetto a due cas d dspersone mnma e dspersone massma E possble calcolare l ndce D senza far rcorso al calcolo delle frequenze retrocumulate, sfruttando la seguente equvalenza: ( ) ( ) ( ) D F F + RF RF F F E mmedato vedere, negl esemp rportat n precedenza, come le due colonne F ( F) e RF ( RF) sono caratterzzate dalla stessa somma; per una dmostrazone formale dell equvalenza delle due formule s rmanda all appendce el caso n cu s vogla confrontare la dspersone tra due varabl caratterzzate da un numero dverso d modaltà, è necessaro costrure un ndce normalzzato per elmnare la dpendenza del campo d varabltà dell ndce dal numero d modaltà della varable su cu s msura E possble utlzzare la seguente formula: I mn( I) Inormalzzato max( I) mn( I) dove con I s è ndcato l ndce ce s vuole normalzzare e d cu sono not l valore mnmo e massmo (rspettvamente ndcat con mn(i) e max(i)) L ndce ottenuto n seguto a tale trasformazone vara tra 0 ed, assumendo l valore 0 nel caso d mnma dspersone e l valore nel caso d massma dspersone Per applcare tale trasformazone all ndce D s dovrebbe dstnguere l caso d par ed dspar, essendo dverso l valore massmo ce l ndce può assumere ne due cas Se è suffcentemente grande, tende a 0: s può assumere come valore massmo d D sempre ed utlzzare tale valore nella formula d trasformazone sa nel caso d par ce nel caso d dspar APPEDICE Dmostrazone dell equvalenza delle due formule per l calcolo dell ndce d dspersone D: ( ) ( ) ( ) D F F + RF RF F F D F ( F ) RF ( RF ) + F ( F ) RF ( RF ) + dstrbuendo la sommatora su due addend F ( F ) RF ( RF ) + sfruttando l fatto ce: 0 e F ; ( ) F RF ; ( RF ) 0 s possono cambare gl ndc delle due sommatore Facoltà d Economa Unverstà degl Stud d Cassno 4

Corso d Statstca docente: Domenco Vstocco + F ( F ) RF ( RF ) + + F( F) + ( F) ( [ F] ) s può modfcare l ndce della seconda sommatora (e pedc del suo argomento) n modo da unformarne gl estrem a quell della prma sfruttando la relazone ce lega le frequenze retrocumulate alle frequenze cumulate: RF F RF F + F F + F F ( ) ( ) F ( F) Massmo dell ndce D Per trovare l valore massmo dell ndce D è necessaro specfcare separatamente l caso d par e d dspar S può noltre esprmere l ndce D usando le frequenze assolute n luogo delle relatve come d seguto rportato: D F F ( ) ( ) Per la dmostrazone s può far rcorso al seguente teorema: FRA TUTTI I PRODOTTI DI DUE UMERI ITERI AVETI UA STESSA SOMMA, SE QUESTA È PARI, È MASSIMO QUEL PRODOTTO I CUI FATTORI SOO ETRAMBI UGUALI AD ; SE È DISPARI, È MASSIMO QUEL PRODOTTO I CUI TERMII SOO AD ESEMPIO: + ED par 0 n + n dspar 9 n + n n n n x n n n n x n 0 0 0 0 9 0 9 9 8 8 8 6 7 4 3 7 3 6 8 4 6 4 4 5 0 5 5 5 CASO DI PARI Il massmo d D è assunto se, per ogn,,, s a: Facoltà d Economa Unverstà degl Stud d Cassno 5

Corso d Statstca docente: Domenco Vstocco Cò s verfca soltanto se: n, n 0, n3 0,, n 0, n ossa se metà delle untà presenta la prma modaltà e l altra metà presenta l ultma modaltà Tale caso concde con l caso d massmo dspersone; l ndce D, n tale caso, vale: ( ) ( ) D CASO DI DISPARI Il massmo è assunto se, per ogn,,,, s a: n n + + n+ n + + + ovvero se: n n + + + n+ n + + Queste due stuazon s verfcano n uno de seguent tre cas: ) ) 3) + n, n 0, n3 0,, n 0, n + n, n 0, n3 0,, n 0, n n e n ugual a 0, una qualunque delle altre frequenze è uguale ad e tutte le altre sono In quest cas D assume l valore massmo, avendos: + ( ) D ( )( + ) + ( ) ( ) + ( ) + Facoltà d Economa Unverstà degl Stud d Cassno 6