Distribuzione Normale o Curva di Gauss

Slides:



Advertisements
Presentazioni simili
ESERCITAZIONE 2 Come leggere la tavola della normale e la tavola t di Student. Alcune domande teoriche.
Advertisements

Metodi Quantitativi per Economia, Finanza e Management Lezione n°4 Analisi bivariata. Analisi di connessione, correlazione e di dipendenza in media.
Le distribuzioni di probabilità continue
2. Introduzione alla probabilità
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.
Scale di misura delle variabili
IDROLOGIA.
LA DISTRIBUZIONE NORMALE
Variabilità Variabilità: inevitabile fluttuazione dei fenomeni naturali, fisici, sociali ecc le indicazioni fornite dalle misure di tendenza centrale (media.
Lez. 3 - Gli Indici di VARIABILITA’
Analisi dei dati per i disegni ad un fattore
CAMPIONE E CAMPIONAMENTO
Metodi Quantitativi per Economia, Finanza e Management Lezione n°6.
Distribuzione degli Errori di Misura
Inferenza statistica per un singolo campione
Valutazione delle ipotesi
Distribuzione degli Errori di Misura La distribuzione normale Johann Carl Friedrich Gauss ( )
ISTOGRAMMI E DISTRIBUZIONI:
Introduzione alla statistica per la ricerca Lezione I
DISTRIBUZIONI TEORICHE DI PROBABILITA’
Appunti di inferenza per farmacisti
Corso di biomatematica lezione 4: La funzione di Gauss
STATISTICA a.a PARAMETRO t DI STUDENT
STATISTICA a.a METODO DEI MINIMI QUADRATI REGRESSIONE
ISTOGRAMMI E DISTRIBUZIONI : i xixi
VERIFICA DEI RIFLESSI …Tutto ciò che avreste voluto sapere e non avete mai osato chiedere… M. & D.
Lezione 4 Probabilità.
Pedagogia sperimentale
Popolazione campione Y - variabile casuale y - valori argomentali Frequenza relativa: Estrazione Densità della classe i-esima: Lezione 1.
Teoria degli errori.
PROBABILITÀ La probabilità è un giudizio che si assegna ad un evento e che si esprime mediante un numero compreso tra 0 e 1 1 Evento con molta probabilità.
METODI E CONTROLLI STATISTICI DI PROCESSO
Quale valore dobbiamo assumere come misura di una grandezza?
Le funzioni esponenziali
27 febbraio 2007 MISURE ED ERRORI
TRATTAMENTO, ANALISI E INTERPRETAZIONE DEI DATI
27 febbraio 2007 MISURE ED ERRORI
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
TRATTAMENTO DEI DATI ANALITICI
Unità 7 Test parametrici ☐ Test t di Student ☐ Analisi della varianza ad una via ☐ Confronti multipli.
La Statistica La statistica è una disciplina che ha come fine lo studio quantitativo e qualitativo di un particolare fenomeno. Studia i modi (descritti.
Unità 2 Distribuzioni di probabilità Misure di localizzazione Misure di variabilità Asimmetria e curtosi.
Simboli usati popolazione: media = μ deviazione standard = σ
La teoria dei campioni può essere usata per ottenere informazioni riguardanti campioni estratti casualmente da una popolazione. Da un punto di vista applicativo.
STATISTICA PER LA RICERCA SPERIMENTALE E TECNOLOGICA
Cap. 15 Caso, probabilità e variabili casuali Cioè gli ingredienti matematici per fare buona inferenza statistica.
Gli Indici di VARIABILITA’
PROPAGAZIONE DEGLI ERRORI:
Strumenti statistici in Excell
Il residuo nella predizione
Martina Serafini Martina Prandi
“Teoria e metodi della ricerca sociale e organizzativa”
Misura di una quantità fisica
Intervallo di Confidenza Prof. Ing. Carla Raffaelli A.A:
Metodologia della ricerca e analisi dei dati in (psico)linguistica 23 Giugno 2015 Statistica descrittiva
La curva di Gauss Prof. Marco Lombardi.
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
Elaborazione statistica di dati
Metodologia della ricerca e analisi dei dati in (psico)linguistica 24 Giugno 2015 Statistica inferenziale
TRATTAMENTO STATISTICO DEI DATI ANALITICI
La covarianza.
Operazioni di campionamento CAMPIONAMENTO Tutte le operazioni effettuate per ottenere informazioni sul sito /area da monitorare (a parte quelle di analisi)
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.
1 DISTRIBUZIONI DI PROBABILITÁ. 2 distribu- zione che permette di calcolare le probabilità degli eventi possibili A tutte le variabili casuali, discrete.
1 VARIABILI CASUALI. 2 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l’esito.
La distribuzione normale. Oltre le distribuzioni di frequenza relative a un numero finito di casi si possono utilizzare distribuzioni con un numero di.
Trattamento dei dati sperimentali
Gli Indici di VARIABILITA’
Teoria dei Sistemi di Trasporto Tematica 4: Elementi minimi di teoria della probabilità.
Transcript della presentazione:

Distribuzione Normale o Curva di Gauss

Distribuzione Normale o Curva di Gauss E’ la più importante distribuzione di variabili casuali continue, in quanto descrive la distribuzione di probabilità della maggior parte dei fenomeni quantitativi antropometrici. E’ detta anche curva degli errori accidentali perché descrive la probabilità di commettere un errore accidentale in misure ripetute della stessa grandezza Presenta una tipica forma a campana, è unimodale e simmetrica, presenta il punto di massimo in corrispondenza della media, coincidente con mediana e moda, e tende a zero man mano che la distribuzione tende asintoticamente a -∞ e + ∞. Al centro della distribuzione, la curva si presenta più o meno dispersa e la misura della dispersione intorno alla media è data dalla deviazione standard. Media e deviazione standard sono detti rispettivamente il parametro di locazione e di scala della distribuzione

Curva degli errori accidentali L’errore accidentale è l’errore di misura che si commette per un insieme di cause tra loro indipendenti e non individuabili Gli errori accidentali mediamente si annullano La probabilità di un errore di segno positivo è uguale alla probabilità di un errore di segno negativo All’aumentare dell’entità dell’errore, la probabilità di commetterlo si riduce. Al limite, la probabilità di commettere un errore infinitamente grande è uguale a zero.

Distribuzione Normale La v.c. Normale X, è una v.c. continua che può assumere valori su tutto l’asse reale. La funzione di densità è data da: - 2>0

Distribuzione Normale

Distribuzione Normale

Esistono una doppia infinità di curve, per ogni possibile valore di μ e σ2 Volendo calcolare la probabilità che x sia compreso entro due possibili valori x1 ed x2, vi sono due possibilità: Si calcola l’integrale della funzione normale nell’intervallo [x1,x2] Si trasforma la funzione normale con parametri μ e σ2 nella distribuzione normale standard per la quale gli integrali sono stati calcolati e tabulati

Distribuzione Normale Proprietà Ogni trasformazione lineare di una v.c. Normale è ancora una v.c. Normale La somma di due v.c. Normali indipendenti è ancora una v.c. Normale con media e varianza pari, rispettivamente, alla somma delle medie e delle varianze delle due v.c. Normali.

Curtosi indice di curtosi di Pearson indice di curtosi di Fisher =  - 3 >0 se leptocurtica =0 mesocurtica <0 platicurtica

La curva normale è simmetrica e mesocurtica La linea blu descrive la funzione di densità Normale e l’area ad essa sottesa è pari ad 1. Ciascuna porzione dell’area misura una probabilità

La v.c. Normale Standardizzata Z Se la v.c. X ha una distribuzione normale con parametri  e 2, allora Z= (X- )/  è ancora una v.c. Normale con media nulla e varianza unitaria.

Funzione di ripartizione Normale standardizzata permette di semplificare i calcoli delle aree sottese dalla funzione di densità. Il calcolo dell’area sottesa nell’intervallo [-2,2]

La Normale standard E’ la curva normale avente media zero e varianza 1 Attraverso una semplice trasformazione lineare è possibile passare da una qualunque curva Normale alla Normale standard Attraverso la trasformazione inversa è possibile tornare dalla Normale standard ad una qualunque curva Normale con media μ e deviazione standard σ

Utilizzando la distribuzione normale è possibile calcolare la probabilità che un’osservazione abbia un valore superiore (o inferiore) ad una determinata soglia. 68.2% -2 -1  +1 +2 95.4% -2 -1  +1 +2 L’area compresa nell’intervallo è uguale a 99.7%

1.645 1.96 2.33 2.58

Si supponga che la distribuzione delle stature sia normale con media 170 e deviazione standard 4 cm. Calcolare: Si standardizzano i valori: P2 P1 -0.3 0.025

Si supponga che la distribuzione delle stature sia normale con media 170 e deviazione standard 4 cm. Calcolare: Si standardizzano i valori: P1 P2 0.5 0.025

Si supponga che la distribuzione delle stature sia normale con media 170 e deviazione standard 4 cm. Calcolare il 15° Percentile: Si determina il percentile della normale standardizzata che stacca alla coda inferiore una probabilità pari a 0.15: 15% Z=-1.04 x=165.84

Si supponga che la distribuzione delle stature sia normale con media 170 e deviazione standard 4 cm. Calcolare il 65° Percentile: Si determina il percentile della normale standardizzata che stacca alla coda inferiore una probabilità pari a 0.65 e quindi alla coda superiore lo 0.35: 65% z=0.39 x=171.56