Академический Документы
Профессиональный Документы
Культура Документы
e Campus
Relatori
Prof.ssa Simona Musacchio
Ing. Gianluca Pizzuti
Introduzione
Cos' è la statistica?
Definizione Trilussa (nota di colore)
La statistica fornisce gli strumenti per
analizzare i fenomeni collettivi (caratteristiche
fisiche di un gruppo di soggetti).
Statistica descrittiva Statistica inferenziale
Popolazione globale/campione Campione
Descrizione Stima delle caratteristiche
Sintesi numerica Sintesi numerica
Analisi dei risultati Analisi dei risultati
Campione statistico/Popolazione
Il campione statistico è un sottoinsieme dell'universo di
riferimento, caratterizzato da attributi comuni alla
popolazione.
La popolazione è l'insieme dei soggetti appartenenti alla
categoria oggetto di studio.
Fasi dell'analisi statistica
1
Definizione obiettivi Rilevazione
Analisi statistica
Elaborazione dati
Applicazione degli
esiti dell'analisi
Interpretazione dati
Fasi dell'analisi
statistica:definizione obiettivi
Individuazione obiettivi
2 Delimitazione della ricerca nel tempo e nello
spazio
Fasi dell'analisi statistica:rilevazione
4
Fasi dell'analisi statistica:presentazione
ed interpretazione dei dati
Rappresentazione dei dati mediante tabelle, grafici
ed indici
Spiegazione dei risultati
5
Fasi dell'analisi statistica:applicazione
degli esiti dell'analisi
La statistica non è fine a se stessa
Economia
Demografia
Statistica
..
..
..
..
..
Medicina Output
6
Indagine statistica: definizione
Il carattere oggetto di studio
1
La scala di misurazione del carattere
2
L'universo delle unità statistiche (popolazione)
3
4 L'ampiezza della rilevazione (totale o parziale)
Unità statistica :definizione
Variabile : rappresentata mediante numeri
Modalità : valori assunti da un carattere su
un'unità statistica
Tipologia carattere
●Qualitativo o Mutabile (rappresentato
mediante attributi)
●Quantitativo (rappresentato mediante numeri)
Variabili: tipologia
Variabili Qualitative
● Modalità nominali (es. stato civile)
● Modalità ordinali (es. livello di istruzione)
Variabili Quantitative
● Valori numerici (es. numero di figli)
Variabili indipendenti (manipolata dallo sperimentatore)
Variabili dipendenti (misurate dallo sperimentatore)
Variabili di disturbo
Variabili: quantitative
Variabili Quantitative
● Continue (numeri reali)
● Discrete (numeri interi)
Esempio di variabili dipendenti ed
indipendenti
30 adolescenti vengono convocati per un test di memoria, a 15 di loro,
prima di iniziare la prova viene detto che si tratta di un compito
particolarmente difficile, agli altri 15 non viene data alcune indicazione.
Indicare la variabile indipendente e quella dipendente.
VARIABILE INDIPENDENTE?
Informazione sulla difficoltà della prova
VARIABILE DIPENDENTE?
Punteggio test di memoria
LA MISURAZIONE: definizione
Misurazione
● Assegnare valori numerici ad eventi/oggetti secondo le
proprietà del sistema numerico (S.I.)
Scale di misurazione
● Scala nominale (variabili o mutabili; i numeri hanno
valore di etichetta).
Operazioni di misurazione
– Raggruppamento in classi
– Conteggio delle frequenze delle classi
Esempi:
● Scala Celsius, Kelvin, Q.I., Test di atteggiamento e di
personalità
LA MISURAZIONE: le scale a rapporti
Scale a rapporti
● Caratteristiche
Lo 0 equivale ad assenza di proprietà
Non assumono valori negativi
Operazioni di misura: addizione e sottrazione, trasformazione
dei numeri (normalizzazione), moltiplicazione e divisione
Esempi:
● Distanza, statura, peso
Output delle misurazioni: Dati
Variabili qualitative Frequenza
Misura
Definizione:
● è il numero delle volte secondo cui una modalità di una
variabile si presenta nella popolazione osservata
Frequenze classificazione:
● Cumulate (somma progressiva delle frequenze della
distribuzione)
● Relative (frequenza della modalità/numero totale delle
osservazioni)
● Percentuali: freq.relat*100 (%)
Esempio
MASCHI 28
FEMMINE 22
Maschi 28 Femmine 22
Fm = 28 F f = 22
Il totale delle osservazioni N=50
Le frequenze relative dei maschi
sono F. rel=28/50=0,56
Le frequenze percentuali dei
maschi sono F%0 28/50x100= 1
56%
Le Classi
Definizione:
● è un raggruppamento di dati in definiti intervalli
● Ogni intervallo è delimitato da un estremo inferiore ed
estremo superiore
● La differenza tra supinf= ampiezza di classe
Regole di costruzione delle classi:
● Non meno di 5 e non più di 20
● Intervalli della medesima ampiezza
● Ampiezze preferite 3, 5, 10 o multipli
● Intervalli mutuamente esclusivi (es. 02, 35, 68….)
● Punto medio centrale =(sup+inf)/2 >costruzione
poligono di frequenza
Le Classi: rappresentazione
grafica
Definizione:
● Spesso per avere una visione d'insieme di una
distribuzione di frequenza si usa rappresentarla su
grafici.
● istogramma: in cui sull'ascissa sono riportate le
modalità della distribuzione e sulle ordinate le rispettive
frequenze assolute o relative.
90
80
70
60
50
Est
40
Ovest
30 Nord
20
10
0
1° 2° 3° 4°
Trim. Trim. Trim. Trim.
Le Classi: rappresentazione grafica-
Poligono di frequenza
Definizione:
● Poligono di frequenza: in cui sull'ascissa sono riportate le
modalità ( il valore medio di ciascuna classe )e sull'ordinata
le frequenze relative cumulate e i punti trovati si uniscono
con una spezzata
Poligono di frequenza
100
80
60 maschi
fr
40 femmine
20
0
1° Trim. 2° Trim. 3° Trim. 4° Trim.
Statistica descrittiva
Definizione:
● I dati ottenuti durante uno studio empirico (dati grezzi)
possono essere sintetizzati in una forma analizzabile.
L’ampio numero di osservazioni si può ridurre in
numero più piccolo di indici statistici (statistiche
descrittive).
● Le principali statistiche descrittive sono:
Misure della tendenza centrale: moda, mediana, media
Misure della variabilità:range, differenza interquartile,
deviazione standard e varianza.
Statistica descrittiva-Moda
Definizione:
La moda è rappresentata dal valore più frequente della
distribuzione osservata. Può essere espresso in ogni scala
di misura (è l’unico indice di tendenza centrale per la scala
nominale) Quando la moda è unica si parla di distribuzione
unimodale, ma se ci sono due valori ugualmente frequenti
la distribuzione è detta bimodale.
Statistica descrittiva-Moda
Esempio
● 10, 15, 13, 4, 9, 8, 15, 7, 13, 15, 2, 15, 19. N = 13
Esempio
● 10, 15, 13, 4, 9, 8, 15, 7, 13, 15, 2, 13, 19. N = 13, 15
● Il 13 ed il 15 si presentano più frequentemente, quindi
sono i valori modali La distribuzione è BIMODALE
Statistica descrittiva-Mediana
Definizione:
MEDIANA −E’ rappresentata dal valore che occupa la posizione centrale della
distribuzione (valore che divide in due parti uguali la distribuzione, al di sopra
e al di sotto del quale si trovano il 50% dei casi)
la determinazione della mediana è diversa a seconda che sia n dispari o pari.
Se n è dispari, la mediana e l'intensità individuata dal posto centrale:
C = (n+1) / 2
Ad esempio, la mediana dell'intensità 3, 15, 9, 2, 6,12, 5, si ottiene innanzitutto
ordinando la serie: 2, 3, 5, 6, 9,12,15.
Siccome le intensità sono sette, numero dispari, il posto centrale è unico ed è
pari a:
C = (7+1) / 2 = 4 (posizione della mediana)
La mediana è quindi, l'intensità individuata dal quarto posto, vale a dire che
essa è uguale a 6.
Statistica descrittiva-Mediana
Se n è pari, la mediana è data dalla semisomma delle intensità
corrispondenti ai due posti centrali:
C = n / 2 C = (n / 2) + 1
Ad esempio, la mediana delle intensità 7, 16, 2, 3, 9, 12, 15, 5, si ottiene
innanzitutto ordinando la serie: 2, 3, 5, 7, 9, 12, 15, 16. (n=8)
Visto che si tratta di 8 numeri, numeri pari, i posti centrali sono due e
sono:
C = 4 (7 ) e C = 5 (9)
(posizioni della mediana)
Pertanto, la mediana è dalla semisomma delle intensità individuate dal
quarto e dal quinto posto, vale a dire che essa è uguale a:
Me = (7 + 9) / 2 = 8
Statistica descrittiva-Media
MEDIA (è il centro di gravità della distribuzione)
● La media aritmetica è data dalla somma delle misure osservate
diviso il numero delle osservazioni fatte (N)
● Si indica con M per i campioni e con μ per le popolazioni
● Può essere calcolata su scale di misura ad intervalli e a rapporti
(scale METRICHE)
La media aritmetica è uguale alla somma dei termini divisa per il loro
numero.
Se si indicano gli n termini di una serie con x1, x2, x3….. xn, la media
aritmetica sarà pari a:M = (x1 + x2 + x3 + ….. + xn ) / n
Se ad esempio avessimo i valori 1, 2, 3, 7, 10, 13, specificano la
formula sopra enunciata, si ottiene:
M = (1+2+3+7+10+13) / 6 = 36/6 = 6
La formula può essere meglio come:M = Σ Xi/N
Oppure M = Σ fi Xi/N
(in questo caso si moltiplica la frequenza di ogni classe per il valore
medio di ogni classe)
Statistica descrittiva-Media-
Esempio
M = Σ fi Xi/N
Valore=193/10
VOTI FREQ. VALORE*FREQ.
18 2 36
1
19 3 57
20 5 100
TOTALE 10 193
Statistica descrittiva-Indici di
posizione
Definizione:
Gli indici DI POSIZIONE indicano la posizione che un valore occupa all’interno di una distribuzione.
● QUARTILI
● DECILI
● PERCENTILI
● I percentili o quantili sono le intensità che dividono una distribuzione in due parti, lasciandola da
una parte x% dei casi e dall’altra parte il rimanente (100 – x%).
I quantili si dicono quartili se dividono la distribuzione in 4 parti uguali, tali che:
il primo quartile lascia alla sinistra il 25% dei casi e alla sua destra il rimanente 75 % dei casi;
il secondo quartile, che coincide con la mediana lascia alla sua sinistra il 50% dei casi ed alla
destra il rimanente 50%; il terzo quartile lascia alla sua sinistra il 75% dei casi ed alla sua destra
il rimanente 25%.
1° quartile 2° quartile 3° quartile
__________|__________|___________|__________
Per calcolarli occorre:
1. Ordinare in senso crescente la distribuzione
2. Calcolare le frequenze cumulate
3. Calcolare la posizione del quartile con le seguenti formule:
1° quartile pos Q1= ((n+1)/4) *1° quartile pos Q2= ((n+1)/4) *2 3° quartile pos Q3=
((n+1)/4) *3
Statistica descrittiva-Indici di
posizione-Quartili
Esempio
● Pos Q1=n+1/4*1= 101+1/4*1=101+1/4*1=25.5
● Corrisponde alla seconda posizione
Freq. F.cum.
1 10 10
2 21 31
3 20 51
1
4 26 77
5 20 97
6 4 101
101
Statistica descrittiva-Indici di
posizione-Decili, centili o
percentili
Esempio:
● Decili= nove punti che dividono la distrib. In 10 parti.
(pos D1= n+1/10*1;pos D3=n+1/10*3)
● Percentili= 99 punti che dividono la distrib. In 100 parti
(pos.P1= n+1/100*1)
Statistica descrittiva-Indici di
dispersione o variabilità
Definizione:
● Le medie facilitano la comprensione della frequenza dei
fenomeni collettivi. Per una più esatta conoscenza di
essi occorre però anche studiare la loro variabilità, cioè
la capacità di assumere differenti valori quantitativi in
un certo periodo di tempo, o in seguito all’influenza di
un altro o altri fenomeni.
Statistica descrittiva-Indici di dispersione o
variabilità-Campo variazione
Campo di variazione
E’ una misura della variabilità dei dati. Esso si ottiene dalla differenza
tra il valore massimo e quello minimo delle intensità di un fenomeno.
CV = XmaxXmin
Ad esempio se le intensità di un dato fenomeno sono le seguenti:
29 24 20 28 22 22 23
Il campo di variazione sarà:
29 – 20 = 9
Statistica descrittiva-Indici di dispersione o
variabilità-Differenza Interquartile
●Definizione
IQR=Q3Q1
Statistica descrittiva-Indici di
dispersione o variabilità-Varianza
●Definizione
Scostamento semplice medio (SSM)
è la differenza tra un singolo punteggio e il punteggio medio
Devianza è la somma degli scarti elevati al quadrato di ciascun
punteggio dalla media
Varianza: è la media dei quadrati degli scostamenti dalla media
di tutti i soggetti e indica la distanza media di ciascun soggetto
dalla media del campione.
Si indica con s2.
Scostamento quadratico medio o deviazione standard:
è la radice quadrata positiva della varianza
Statistica descrittiva-Indici di
dispersione o variabilità-Varianza
●Esempio DATI MEDIA SCARTI
DALLA
SCARTI
QUADRATI
GREZZI MEDIA
1 4 7 3 9
2 5 7 2 4
3 6 7 1 1
4 7 7 0 0
5 8 7 1 1
6 9 7 2 4
7 10 7 3 9
49 0 28
Statistica descrittiva-Indici di dispersione o
variabilità-Deviazione Standard Calcolo
●Calcolo
MEDIA= SX/N= 49/7=7
DEVIANZA= sommatoria degli scarti al quadrato= 28
VARIANZA= sommatoria degli scarti al quadrato/media=28/7=4
DEVIAZIONE STANDARD=la radice quadrata positiva della
varianza= 2
Statistica descrittiva-Standardizzazione
delle misure
●Definizione naif
Per effettuare il confronto, si usano delle trasformazioniche
rendono confrontabili tra loro distribuzioni diverse.
2 tipi di trasformazioni:
● punti Z (in questo caso dobbiamo avere come riferimento la
media e la deviazione standard)
● percentili, decili, quartili (riferimento posizione nel gruppo)
Statistica descrittiva-
Standardizzazione delle misure-Z
Formula Z transform
Xi − X
Zi =
s
Statistica descrittiva-
Standardizzazione delle misure-Z
Esempio
Un bambino di 5 anni ha un punteggio 20 in test di lettura.
Tuttavia, possiamo domandarci: la posizione nel test del bambino di
5 anni è migliore rispetto al gruppo di 5 anni.
Confrontiamo il punteggio del bambino con la media del suo gruppo
(media=10;d.s.=5)
Otteniamo che: il bambino è migliore rispetto alla media della classe.
Standardizziamo il punteggio del bimbo (standardizzare una misura
significa riferire la misura stessa a una scala standard con media e
varianza note. La scala più comune è quella della standard o z che
ha la media 0 e varianza 1.
Statistica descrittiva-
Standardizzazione delle misure-Z
Esempio
Tale trasformazione si ottiene trasformando
una serie di punteggi xi in punteggi zi con la
seguente formula:
X i − X 20 − 10
Zi = = =2
s 5
Il bimbo sta 2 deviazioni standard sopra la
media.
Se la media del suo gruppo fosse stata di 25:
20 − 25
Zb = = −1
La prestazione del bimbo è inferiore alla 5
media del gruppo.
Statistica descrittiva-Standardizzazione
delle misure-Percentili
Il percentile è il valore al di sotto del quale si trova una certa
percentuale di casi di una distribuzione.
Esempio:il 94 percentile è il valore al di sotto del quale si trova il
94% dei casi di una distribuzione.
Ad esempio si considera la distrib. delle medie dei voti
d’esame, il voto 29 corrisponde al 94° percentile della
distribuzione
Statistica descrittiva-Standardizzazione
delle misure-Percentili-Calcolo
Il calcolo dei vari percentili è analogo a quello per il
calcolo della mediana, dividendo la numerosità totale
invece che per due, per il numero di classi che sono
individuate (10 per i decili, 100 per i centili, ecc.).
Per i decili il primo decile sarà dato dal valore
corrispondente alla posizione n/10, il secondo dalla
posizione 2*n/10, il quinto da 5*n/10 (=nl2=Mediana),
…….
il decimo da 10*n/10 (=n).
Statistica descrittiva-Standardizzazione
delle misure-Percentili-Calcolo
Si esprime il punteggio di un soggetto in relazione alla posizione
occupata dal soggetto(So) nella distribuzione (cioè nel gruppo di cui
fa parte). In particolare, si calcola la sua posizione come se il
gruppo fosse formato da 100 soggetti(Ss).
Procedura (simile alla mediana):
– si ordinano i Ss (da quello che ha preso il punteggio più
basso a quello che ha preso il punteggio più alto)
– si vede che posizione occupa il So (per es., è il 30° in
un distribuzione di 50 Ss)
– si vede che posizione il So occuperebbe se ci fossero
non 50 Ss ma 100 Ss.
– è logico pensare che se il So è 30° su 50 Ss sarebbe
60° su 100 Ss.
– si dice perciò che il So è al 60° percentile.
Statistica descrittiva-Standardizzazione
delle misure-Percentili-Calcolo
In altre parole, si fa una proporzione:
30° : 50 = x : 100
x = 30/50 × 100 = 60°
Il percentile indica perciò la percentuale di Ss che hanno avuto un
punteggio minore del So (e, per differenza, la percentuale di Ss che
hanno avuto un punteggio superiore).
Un So è nel 25° percentile: significa che sotto di lui c’è il 25% dei
Ss e sopra di lui il 75%.
Un soggetto al 50% percentile sta a metà.
Statistica Inferenziale
• La probabilità che si verifichi un certo evento è uguale alla
frequenza (relativa) con cui l’evento si verifica in un numero di
prove sufficientemente grande, ripetute nelle medesime
condizioni.
fA
P( A) = lim
n →∞ n
• P(A) è la probabilità di verificarsi un evento A
• Lim limite per n che tende all’infinito ∞ e indica un numero
molto grande
• fA frequenza con cui si è verificato l’evento A in un numero di
prove n
Probabilità-Posteriori
Probabilità a posteriori: è data dal rapporto tra i risultati
favorevoli e il totale delle prove effettuate, quando questo
numero diventa infinitamente grande. Il concetto di
probabilità a posteriori si riduce in definitiva a quello di
frequenza relativa di un fenomeno, quando il numero di
prove è finito (quella sopradetta).
Non è possibile definire la probabilità in base ad un’unica
prova ma le prove devono essere molte e ripetute.
Es: lanciando un dado 10 volte avremo la seguente
sequenza (4752928145) la probabilità di ottenere la faccia
5; basata sulla frequenza relativa in 10 lanci, è di 2/10=0.20
Probabilità-Teorica
Definizione: probabilità a priori o teorica: è il rapporto tra
numero di casi favorevoli al verificarsi di un evento ed il
totale degli eventi possibili, supposti equiprobabili.
Riprendendo il caso del lancio di un dado non truccato, la
probabilità dell'evento esce 6 è uguale a 1/6.
Probabilità-Concetti generali
Evento: uno dei possibili risultati di una prova; se la
prova consistesse nell’osservazione dell’esito del lancio
del dado, l’evento sarebbe la faccia 5.
La prob.di A si definisce con P(A), faccia 5.
Tutte le altre facce esclusa la 5 hanno la prob.P(non A)
P(A) +P(non A)= 1
La somma delle probabilità di tutti gli eventi è uguale a
1 (probabilità dell’evento certo)
Probabilità-Concetti generali-
Principio della somma
• La probabilità di verificarsi di due eventi mutualmente
escludentisi è uguale alla somma delle probabilità di
verificarsi dei singoli eventi:
P(A U B) = P (A) + P (B)
• La probabilità che lanciando un dado si
ottenga l’evento numero dispari (faccia 1,3,5) sarà
uguale: P1+P3+P5= 1/6+1/6+1/6=3/6= ½
Probabilità-Concetti generali-
Principio del prodotto
Definizione:
Quando due eventi si verificano simultaneamente o in
successione :
P (A e B) = P (A) * P (B)
la probabilità di avere 2 con due dadi è data dalla prob.di
avere 1 con dado e 1 con l’altro.
P (s=2) = P (1) * P (1)= 1/6*1/6 = 1/36
La combinazione 1+ 1 è solo una dei 36 eventi possibili che
corrispondono ai 36 diversi modi possibili in cui si
possono combinare le 6 facce del primo dado con le 6
facce del secondo.
Probabilità-Concetti generali-
Probabilità condizionata
Definizione:
Abbiamo trattato di eventi indip., quando invece si tratta di
eventi non indipen. Ossia quegli eventi che il verificarsi
dell’uno modifica la prob. del verificarsi dell’altro.
Ad esempio nel lotto l’aver estratto un numero (tra i 90
possibili) modifica la prob. di estrazione del numero
successivo (1/89)
P (A B) = P (A) * P (B/A)= P(B) P(A/B)
Probabilità-Concetti generali-
Probabilità condizionata
P (∅) = 0;
P (Ā) = 1 P(A), dove Ā è not A
P (A U B)= P(A) +P(B) P(A∩B)
Probabilità-Concetti generali-
Probabilità condizionata
Tra due eventi A e B può sussistere una relazione per la
quale, sapendo che una prova ha generato un risultato
che appartiene a B, si è indotti a modificare la
valutazione del verificarsi di A. La probabilità dell'evento
B, dato che si è verificato l'evento A, è il rapporto fra la
probabilità del contemporaneo verificarsi di A e B e la
probabilità di A, se questa è diversa da zero.
P ( A ∩B )
P( A B) = ; P ( B ) >0
P( B)
P ( B ∩A)
P ( B A) = ; P ( A) >0
P ( A)
Probabilità-Distribuzione normale
La Curva normale è la curva continua rappresentativa
delle distribuzioni che più frequentemente si incontrano in
statistica
E’ simmetrica e unimodale. Media, moda e mediana
coincidono. I valori si addensano attorno alla media (il
94,5dei valori sono posizionati entro i due scarti quadrati
medi sopra e sotto la media.) Per descriverla bastano la
media e la d.s.
Un solo valore appare con la frequenza massima, quella
centrale, e sono tanto meno frequenti quanto più si
allontanano dal valore centrale.
Probabilità-Distribuzione normale
Probabilità-Distribuzione normale
Si applica a variab. Continue ossia che la funzione viene
definita su tutto l’asse dei numeri reali da ∞ a +∞ (sulle
ascisse si trovano tutti i valori di x e sulle ordinate le
frequenze di ciascun valore)
La somma di tutte le prob. È uguale a 1
Espressa dall’integrale:
+∞
ƒ ƒ(x)dx=1
∞
Che esprime l’area racchiusa dalla distrib. a campana
Probabilità-Distribuzione normale
1/2 .(Χμ)2/ σ2
F(x)=1/σ√2π e
F(x)=frequenza di un dato valore di x
X=qualsiasi valore nella distribuzione
μ=media della distribuzione
σ=deviazione standard della distrib.
π=3,1416
e=2,7183(base dei logaritmi neperiani)
σ 2 µ sono media e varianza della popolazione
Probabilità-Distribuzione normale-
Esempio
L’area sottesa nel punto x esprime qual’è la probababilità che
si presenti un valore inferiore o superiore a x. Per esempio
consideriamo una distribuzioni di voti all’esame, ci sono 20
possibilità che uno studente abbia una media superiore al 27,5
Probabilità-Distribuzione normale-
Esempio
Vogliamo sapere qual è la prob. , in una distrib. di Q.I. µ = 100 σ = 10, di
ottenere un punteggio compreso tra 90 e 100:
X2=100
ƒ ƒ(x)dx=?
x1=90
Trasformiamo i punti grezzi in punti z:
Z1= xµ /σ = 90100/10= 1
Z2= 100100/10=0
L’integrale diventa: 0
ƒ f(z)dz=?
1
L’area che ci interessa è l’area tra 0 e –1. Sulla tavola B troviamo l’area tra
0 e 1. Riga = I cifra decimale colonna= II cifra decimale
Z1=1 riga=1.0 col.=0 = .3413 la risposta che cercavamo
Probabilità-Distribuzione
binomiale
Ad ogni evento si associa una prob. che assume una
distribuzione che si definisce in base all’evento. X= evento
e f(x) la sua distribuzione . In caso x assume 2 valori (testa
e croce), eventi indip.Se eseguiamo n prove avremo una
distrib. teorica definita binomiale.
Equazione: f(x)= n C x p x q nx
p= prob. che si verifichi l’evento
Q= prob che non si verifichi l’evento
n C x = numero dei modi in cui si possono combinare x
successi (nx) insuccessi in n prove
Probabilità-Distribuzione
binomiale
n C x
Si definisce comb. di n oggetti a r a r , tutte le possibili
repliche che si costituiscono con n oggetti senza tener
conto dell’ordine degli oggetti stessi.
La combinazione formula:
n C x = { r}= n!/ r! (nr) !=
n
Il punto ! Si legge fattoriale e indica tutta la serie di numeri
naturali.
Per es n=4 n!= 4= 4*3*2*1=24
4C 2 = { 2}= 4!/ 2!(42)!= 4*3*2*1/ (2*1) (2*1)=6
4
Probabilità-Distribuzione
binomiale
Proprietà dei parametri della distribuzione campionaria delle medie
La media delle medie del campione coincide con la media della
popolazione dalla quale i campioni sono estratti.Anche se la media della
distribuzione campionaria è uguale alla media della popolazione non è
detto che la forma sia identica; ciò riguarda l’ampiezza del campione:
aumentando l’ampiezza dei campioni aumenta la media di ciascuno di essi
diventando una stima più precisa della popolazione
Verifica delle ipotesi-Parametri
indicatori-Distribuzione campionaria
della media
Supponiamo di aver estratto un campione di 10 topi: ci
attendiamo che i topi scelgono il braccio sinistro:
μ0 =np= 10*.05= 5
Nel caso in cui l’ipot. Nulla sia vera.
Effettuato l’esperimento i topi scelgono 6 volte il braccio
sinistro.
Sulle tavole della distribuzione binomiale
Leggiamo la prob. di un risultato di 6 con n=10 p=.50
otteniamo .20508 ossia una prob. del 20% di ottenere risultato
6. Per convenzione si sceglie con probabilità critica (α ) quella
pari al 5% (.05)
Verifica delle ipotesi-Esempio
Tutti i risultati che hanno prob. Di verificarsi minori di tale livello
sono considerati significativi ossia si accetta l’ipot. Alternativa.
Si individuano due tipi di errori
● rifiutare H0 quando è vera, errore di primo tipo
● accettare H0 quando è falsa, errore di secondo tipo
α si accetta Ho quando è falsa
La quantità 1β si chiama potenza del test ed esprime quindi la
capacità di un test statistico riconoscere la falsità di H0 quando
questa è effettivamente falsa.
TRYSTORMING…
Just do it !!!
Termine seminario
Studiare
Esercitarsi
Rilassarsi