Cristina Tortora a.a.: 2012/2013 Università degli Studi di Napoli Federico II Facoltà di Economia.

Slides:



Advertisements
Presentazioni simili
DISTRIBUZIONE BINOMIALE (cenni) DISTRIBUZIONE NORMALE
Advertisements

Stime per intervalli Oltre al valore puntuale di una stima, è interessante conoscere qual è il margine di errore connesso alla stima stessa. Si possono.
Marco Riani STATISTICA A – K (60 ore) Marco Riani
2. Introduzione alla probabilità
Definizione di probabilità, calcolo combinatorio,
Linguaggio C++ Operatori – numeri pseudocasuali - costanti.
Numeri casuali.
Variabili aleatorie discrete e continue
Approssimazione e convergenza
La probabilità.
2.VARIABILI CONTINUE A. Federico ENEA; Fondazione Ugo Bordoni Scuola estiva di fonetica forense Soriano al Cimino 17 – 21 settembre 2007.
Fondamenti della Misurazione
Inferenza Statistica Le componenti teoriche dell’Inferenza Statistica sono: la teoria dei campioni la teoria della probabilità la teoria della stima dei.
Definizioni di probabilità
Elementi di statistica Elementi di statistica M. Dreucci Masterclasses LNF Elementi di statistica M. Dreucci.
Metodi Probabilistici, Statistici e Processi Stocastici Università Carlo Cattaneo Emanuele Borgonovo Metodi Probailistici, Statistici e Processi Stocastici.
STATISTICA A – K (60 ore) Marco Riani
Calcolo delle Probabilità terza parte
Inferenza statistica per un singolo campione
FUNZIONI DI BIBLIOTECA
Le Variabili Casuali Corso di Teoria dell’Inferenza Statistica 1
Valutazione delle ipotesi
UN ESEMPIO DI ESPERIMENTO CASUALE
DISTIBUZIONE BINOMIALE
Fare scienza con il computer
Matematica e statistica Versione didascalica: parte 8 Sito web del corso Docente: Prof. Sergio Invernizzi, Università di Trieste
Istituto Tecnico industriale “L. Galvani” v
“Dadi” diversi Utilizziamo strumenti diversi per studiare la casualità/per determinare la frequenza relativa in modo sperimentale.
Corso di biomatematica Lezione 3: Distribuzioni di probabilità continue Davide Grandi.
STATISTICA a.a DISTRIBUZIONE BINOMIALE (cenni)
Valutazione della stima: gli intervalli di confidenza
le variabili aleatorie discrete
VERIFICA DEI RIFLESSI …Tutto ciò che avreste voluto sapere e non avete mai osato chiedere… M. & D.
Funzioni di densità (o di probabilità) congiunte.
Esercizio n.15 a) Utilizzare due metodi iterativi, tra cui il Newton-Raphson, per risolvere leq. f (x) = 0 con: f (x) = x 3 + 2x x 20, partendo da.
Corso di biomatematica lezione 3b: applicazioni di probabilità Davide Grandi.
Concorso “marta russo”
Disposizioni probabilità con dadi-gettoni
QUALCHE LUCIDO DI RIPASSO… 1. Esperimento casuale ( e. aleatorio) risultato Esperimento condotto sotto leffetto del caso: non è possibile prevederne il.
Teorie e Tecniche di Psicometria
Lancio dadi Analisi probabilità esito somme varie.
Esercizi Supponete di lanciare 50 volte un dado regolare e indicate con M la media aritmetica dei risultati ottenuti. Calcolate il valor medio e lo s.q.m.
Giocare con la probabilità
LA PROBABILITA’ La probabilità nella concezione classica
IDEA DI PROBABILITÀ MATEMATICA
Esercizi con soluzione
Probabilità ed eventi casuali (Prof. Daniele Baldissin)
Le variabili casuali e la loro distribuzione di probabilità Generalmente, lanciando un dado, si considera il valore numerico della faccia uscita.
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
Cap. 15 Caso, probabilità e variabili casuali Cioè gli ingredienti matematici per fare buona inferenza statistica.
3 ALS - ASA 20 Marzo 2014.
STATISTICA A – K (60 ore) Marco Riani
PROBABILITA’ Scienza che studia i fenomeni retti dal caso EVENTO (E): avvenimento che può accadere oppure no 1.certo: se si verifica sempre (es. nel lancio.
Probabilità e Variabili Casuali
Evento: “Fatto o avvenimento che già si è verificato o che può verificarsi ….” Gli eventi di cui ci occuperemo saranno soltanto gli eventi casuali, il.
Elementi di Statistica Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 1/37.
Esercizi Determinare la probabilità che, lanciando due dadi da gioco, si abbia: A: somma dei risultati maggiore di 10 B: differenza dei punteggi in valore.
Spiegazione di alcuni concetti
Distribuzioni di probabilità di uso frequente
Eventi aleatori Un evento è aleatorio (casuale) quando non si può prevedere con certezza se avverrà o meno I fenomeni (eventi) aleatori sono studiati.
La distribuzione campionaria della media
La densità come funzione di punto un esercizio sulla determinazione del centro di massa di una bacchetta sottile rigida.
Elementi di teoria delle probabilità
Elementi di statistica e probabilità Misure Meccaniche e Termiche - Università di Cassino 2 Eventi aleatori e deterministici Un evento aleatorio può.
In alcuni casi gli esiti di un esperimento possono essere considerati numeri naturali in modo naturale. Esempio: lancio di un dado In atri casi si definisce.
1111 Università di Napoli Federico II, Dipartimento di Scienze Economiche e Statistiche S. BalbiI test non parametrici.
Introduzione alle distribuzioni di probabilità di Gauss o normale di Bernoulli o binomiale di Poisson o dei casi rari.
Probabilità Definizione di probabilità La definizione di probabilità si basa sul concetto di evento, ovvero sul fatto che un determinato esperimento può.
1 ELEMENTI DI CALCOLO COMBINATORIO. 2 Elementi di calcolo combinatorio Si tratta di una serie di tecniche per determinare il numero di elementi di un.
Esercizi.
Transcript della presentazione:

Cristina Tortora a.a.: 2012/2013 Università degli Studi di Napoli Federico II Facoltà di Economia

Variabili casuali connesse alla Normale Cristina Tortora

Esercizio Cristina Tortora Determinare la probabilità che, lanciando 400 volte un dado, la faccia 5 compaia almeno 60 volte Lancio di un dado  esperimento binomiale probabilità di successo (la faccia uscita è il 5)  p=1/6=0,17 v.c X: numero di uscite della faccia 5 in 400 lanci

Esercizio5: correzione per la continuità Funzioni di massa Binomiali che convergono ad una densità Normale. Correzione per la continuità! Supponiamo di avere una v.c. X ~ B(6, 0.5) e vogliamo calcolare la P(X ≤ 2): Calcolando esattamente la P(X ≤ 2) non si includerebbe l’area verde, ovvero la probabilità calcolata sarebbe inferiore a quella effettiva. Correzione per la continuità: aumentiamo di 0.5 (0 diminuiamo in caso di P(X≥2)) P(X ≤ 2) → P(X ≤ 2.5) Cristina Tortora

Esercizio Cristina Tortora Correzione per la continuità

Esercizio1 Cristina Tortora Si determini P(X<30) quando X è una variabile casuale chi-quadrato con 26 gradi di libertà.

Esercizio1: soluzione Cristina Tortora

Esercizio2 Cristina Tortora Si trovi quanto vale

Esercizio2: soluzione Cristina Tortora

Esercizio3 Cristina Tortora Come cambia la forma della distribuzione della v.c. chi-quadrato al variare del parametro g (gradi di libertà)?

Esercizio3: soluzione Cristina Tortora per valori piccoli di g la distribuzione è concentrata su valori piccoli di X; all’aumentare di g la distribuzione tende a distendersi su tutti i valori positivi di X; all’aumentare di g la distribuzione tende a distribuirsi come una Normale.

Esercizio4 Cristina Tortora Si determini P(X<1,2) quando X è una variabile casuale t- student con 12 gradi di libertà.

Esercizio4: soluzione Cristina Tortora

Esercizio5 Cristina Tortora Si trovi quanto vale t 0,025; 9

Esercizio5: soluzione Cristina Tortora

Esercizio6 Cristina Tortora Come cambia la forma della distribuzione della v.c. t- student al variare del parametro g (gradi di libertà)?

Esercizio6: soluzione Cristina Tortora La funzione di densità della v.c. di Student è sempre simmetrica, con valore medio pari a 0, ed assume una forma molto simile a quella della Normale standardizzata alla quale tende assai velocemente al crescere dei gradi di libertà. Per valori di g piccoli o moderati, la v.c. di Student si caratterizza per una curtosi leggermente più elevata e per code più “pesanti” della v.c. Normale.

Esercizio7 Cristina Tortora Usando le tavole della distribuzione F- Fisher trovare: 1.F 0,05; 10; 15 2.F 0,95; 10, 5

Esercizio7: soluzione (1) Cristina Tortora

Esercizio7: soluzione (2) Cristina Tortora

Un’impresa produce pomodori ed il processo di inscatolamento è stato regolato in modo tale che in ogni barattolo venga introdotta, in media, una quantità di pomodori pari a 13 etti. Lo s.q.m. del peso netto effettivo è 0,1 etti e si suppone che i pesi siano distribuiti normalmente. Si determini la probabilità che un barattolo preso a caso contenga una quantità di pomodori compresa tra 13 e 13,2 etti. Esercizio 8

Cristina Tortora L’altezza di un gruppo di ragazzi è distribuita normalmente con media 180cm e scarto quadratico medio 10cm. Calcolare la probabilità che un ragazzo scelto a caso dal gruppo abbia una statura superiore a 190cm. Esercizio 9