VERIFICA DEI RIFLESSI …Tutto ciò che avreste voluto sapere e non avete mai osato chiedere… M. & D.

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.
Le distribuzioni di probabilità discrete
Le distribuzioni di probabilità continue
2. Introduzione alla probabilità
variabili aleatorie discrete e continue
Distribuzione Normale o Curva di Gauss
Proprietà degli stimatori
La probabilità.
Inferenza Statistica Le componenti teoriche dell’Inferenza Statistica sono: la teoria dei campioni la teoria della probabilità la teoria della stima dei.
Lez. 3 - Gli Indici di VARIABILITA’
Elementi di statistica Elementi di statistica M. Dreucci Masterclasses LNF Elementi di statistica M. Dreucci.
3. Processi Stocastici Un processo stocastico è una funzione del tempo i cui valori x(t) ad ogni istante di tempo t sono v.a. Notazione: X : insieme di.
Inferenza statistica per un singolo campione
Valutazione delle ipotesi
Esercizi x1=m-ts x2=m+ts
ISTOGRAMMI E DISTRIBUZIONI:
Obiettivi del corso di Statistica Medica.
Introduzione alla statistica per la ricerca Lezione I
Distribuzioni di probabilità
Introduzione alla fisica
Introduzione alla fisica
Corso di biomatematica lezione 5: propagazione degli errori
Corso di biomatematica lezione 4: La funzione di Gauss
STATISTICA a.a DISTRIBUZIONE BINOMIALE (cenni)
ISTOGRAMMI E DISTRIBUZIONI : i xixi
Esercizi x1=m-ts x2=m+ts
Valutazione della stima: gli intervalli di confidenza
Cenni di teoria degli errori
Complementi al Corso di Ecologia - Approfondimenti di statistica
Emivita Fisica (T1/2) e Vita Media (T)
Lezione 8 Numerosità del campione
Num / 36 Lezione 9 Numerosità del campione.
Parte I (introduzione) Taratura degli strumenti (cfr: UNI 4546) Si parla di taratura in regime statico se lo strumento verrà utilizzato soltanto per misurare.
Pag. 1 A.A A. Mostacci – Confronti fra misure Confronto fra misure 1. Confronto fra misure e valor atteso (previsione teorica, …) 2. Confronto.
Quale valore dobbiamo assumere come misura di una grandezza?
Le distribuzioni campionarie
PROBABILITA : se un EVENTO si verifica in h modi diversi su n possibili (POPOLAZIONE) p = h/n Questa definizione è talvolta applicabile a priori (es. lancio.
Unità 6 Test parametrici e non parametrici Test per la verifica della normalità Funzione di ripartizione.
TRATTAMENTO DEI DATI ANALITICI
Unità 2 Distribuzioni di probabilità Misure di localizzazione Misure di variabilità Asimmetria e curtosi.
Pag. 1 A.A A. Mostacci – Confronti fra misure Confronto fra misure 1. Confronto fra misure e valor atteso (previsione teorica, …) 2. Confronto.
Introduzione alla fisica
STATISTICA CHEMIOMETRICA
Cap. 15 Caso, probabilità e variabili casuali Cioè gli ingredienti matematici per fare buona inferenza statistica.
Laurea Ing EO/IN/BIO;TLC D.U. Ing EO 10 PROBABILITA’ E VARIABILI ALEATORIE.
PROPAGAZIONE DEGLI ERRORI:
Esercizi Due gruppi di studenti effettuano la misura della densità di un oggetto, trovando rispettivamente i valori 13.7 ± 0.9 g/cm3 e ± 1300 kg/m3.
Un insieme limitato di misure permette di calcolare soltanto i valori di media e deviazione standard del campione, ed s. E’ però possibile valutare.
Elementi di Statistica Elementi di statistica Marco Stages Estivi - Frascati 12/6/2007 Elementi di statistica Marco Dreucci 1/37.
“Teoria e metodi della ricerca sociale e organizzativa”
Misura di una quantità fisica
La statistica F Permette di confrontare due varianze, per stabilire se sono o no uguali. Simile al valore t di Student o al chi quadrato, l’F di Fisher.
Intervallo di Confidenza Prof. Ing. Carla Raffaelli A.A:
Distribuzioni di probabilità di uso frequente
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
Scelta del metodo analitico:
TRATTAMENTO STATISTICO DEI DATI ANALITICI
Problemi analitici quantitativi I metodi chimico-analitici strumentali hanno lo scopo di quantificare o di determinare proprietà chimico-fisiche di uno.
1 Statistica Scienza dell’incertezza PROBABILITÀ ALLA BASE DELL’INFERENZA Ipotesi VERA o FALSA? Campionamento Analisi statistica Scelta di una delle due.
Operazioni di campionamento CAMPIONAMENTO Tutte le operazioni effettuate per ottenere informazioni sul sito /area da monitorare (a parte quelle di analisi)
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.
Ipotesi operative TeoriaEsperienza diretta e/o personale Quesito Piano esecutivo Scelta popolazione Scelta strumenti Scelta metodi statistici Discussione.
1 DISTRIBUZIONI DI PROBABILITÁ. 2 distribu- zione che permette di calcolare le probabilità degli eventi possibili A tutte le variabili casuali, discrete.
La distribuzione normale. Oltre le distribuzioni di frequenza relative a un numero finito di casi si possono utilizzare distribuzioni con un numero di.
Introduzione alle distribuzioni di probabilità di Gauss o normale di Bernoulli o binomiale di Poisson o dei casi rari.
Trattamento dei dati sperimentali
Transcript della presentazione:

VERIFICA DEI RIFLESSI …Tutto ciò che avreste voluto sapere e non avete mai osato chiedere… M. & D.

Premessa Questo esperimento è un modo semplice per introdurre al concetto di analisi statistica di misure ripetute.

Descrizione dellesperienza Si è deciso di fermare il cronometro al quinto secondo: 1° caso: pilotato 2° caso: cieco 3° caso: doppio cieco

Scopo dellesperienza verifica dei riflessi attraverso luso di un cronometro digitale discussione sullanalisi dei dati (istogrammi e gaussiane)

Costruzione di istogrammi E importante la scelta della larghezza degli intervalli (né troppo larghi, né troppo stretti)! Infatti…

…se troppo larghi: …se troppo stretti:

Un po di… cronostoria…

sotto il 5: 27 sopra il 5: 23 sul 5: 0

sotto il 5: 18 sopra il 5: 32 sul 5: 0

sotto il 5: 43 sopra il 5: 6 sul 5: 1

sotto il 5: 20 sopra il 5: 25 sul 5: 5

sotto il 5: 45 sopra il 5: 5 sul 5: 0

sotto il 5: 16 sopra il 5: 34 sul 5: 0

Come registrare e rappresentare i valori misurati Organizzare i numeri in ordine crescente Attribuire alle misure il corrispondente numero di occorrenze n k Calcolare la frazione F k = n k /N (dove N= numero totale di misure) Istogramma a intervalli

E se la misura cade sul limite tra due intervalli?

Quante volte bisogna ripetere le misure, perché lanalisi statistica sia fatta bene? Cosa succede aumentando il numero di misure? Cosa significa distribuzione limite? E distribuzione normale o di Gauss?

Caratteristiche della gaussiana Forma simmetrica e a campana Più la misura è precisa, più la curva è piccata attorno al valore vero Parametro di larghezza = deviazione standard Piccoli errori casuali e trascurabili errori sistematici

FUNZIONE GAUSSIANA Principali proprietà di questa funzione:

Un po di chiarezza sui termini… Accuratezza e precisione Valore vero e miglior stima (media) Principio di massima verosimiglianza Deviazione standard e limite di confidenza del 68%

Altri tipi di distribuzione… binomiale (si usa per calcolare la probabilità di un numero finito di uscite; es. lancio di un dado) di Poisson (descrive i risultati di esperimenti in cui si contano eventi che capitano a caso, ma con una media temporale definita; es. conteggiare il numero di raggi cosmici che investono un rivelatore in un minuto)

Risultati sperimentali

Gaussiane…

Conclusioni fattori interni ed esterni che influenzano le misurazioni… I caso: risultati migliori per entrambi gli sperimentatori risultati accettabili per una esperienza didattica, ma migliorabili aumentando il numero di misure