Statistica
Approssimo Binomiale Bernoulli con Poisson
Se n>=50
Se p<=0.1
Test d'ipotesi
Errori
Errore tipo II: non rifiuto H0 quando H1 è vera
Potenza notevole: 1-(B), ovvero complementare dell'errore tipo II
Verifica ipotesi
probabilità rischio
media variata
potenza del test
distribuzione normale
varianza nota
campione piccolo
studio con statistica test t (Student, pA15)
ha senso perchè student è uno dei pochi che mi da grado di libertà e l'intervallo di confidenza
altre distribuzioni
Media campionaria differisca di x
Senza conoscere legge probabilità che distribuisce popolazione
Se n è abbastanzza grande
TCL Teorema Centrale Limite approssima gli scarti fra media campionaria e valore atteso teorico con legge gaussiana
Errore tipo I: rifiuto H0 quando H0 è vera
Tipologie ipotesi
Code
Ad una coda (UNILATERALE)
Quando maggiore o minore
Due code (BILATERALE)
Quando uguale, abbiamo due regioni. Quella negativa e positiva
Ipotesi nulla (H0): quello che credavamo vero
Ipotesi alternativa (H1): quello che vogliamo trarre
Tipo test
Sulla media
Campione piccolo, varianza incognita
Campione grande, varianza nota
Statistica Z
Statistica T
Distribuzioni
Distribuzione Nota
Probabilmente Gaussiana/Normale. Comunque è nota
Campione
maggiore 30
Teorema Centrale del Limite
<30
non lo so
Qualsiasi altro caso
Disuguaglianza di Chebychev
Andamento variabili aleatorie
Poisson
Quando conto numero occorrenze fenomeno in un intervallo di tempo o spazio (devono essere indipendenti)
Confidenza
Campione piccolo (<30
Varianza ignota
t Student
che quindi approssima a curva normale con abbastanza n
Tipologia esame
Probabilità
che uno evento specifico abbia successo su n possibilità
combino opzioni in cui uno per uno hanno successo, semplice moltiplicazione
solo un elemento ha successo
probabilità condizionata
Funzione densità e ripartizione
Eventi in un arco di tempo (Poiss)
Probabilità che nella prima ora/minuti arrivano almeno x cose
Uso distribuzione X sostituendo i valori. Lo faccio per tutti i valori di x (può essere 0 oppure un numero positivo, in quel caso devo farlo per tutti i numeri fino a quello positivo)
Probabilità tempo d'attesa x per far accadere la prima cosa
Guardo tabella e grafico e faccio lo stesso lavoro di prima.
Media campionaria
Probabilità che differisca più di x dal valore atteso teorico
incognito
Teorema limite centrale per n>30, la distribuzione è Gaussiana
uso tabelle per calcolare probabilità in modo appropriato
Test Ipotesi
Con livello di significatività alpha
guardo su tabella regione di riufiuto. Se valori sono dentro, rifiuto ipotesi H0 e confermo nuova ipotesi H1, altrimenti il contrario
Definizioni
H0: ipotesi nulla, quella che crediamo vera prima del test
H1: ipotesi alternativa: quella che vorremmo trarre dal test
Errori, tipologie
Tipo 1: rifiuto H0 quando è vera
Tipo 2: non rifiuto H0 quando H1 è vera
Potenza notevole: 1-p(tipoII). complementare del tipo 2
Condizionata
Trovare una combinazione che non so
Scrivo bene i dati e cerco tra il formulario delle formule che mi possono servire tra:
Probabilità condizionata
Regola Additiva
Probabilità totale
Teorema Bayes
Probabilità che variabile aleatoria assuma valori in intorno di raggio x del suo valor medio
Calcolo valor atteso con formule. Probabilità di X-E[X]<intorno e integro come nel formulario per trovare densità
Intervallo di confidenza
Per la media
Per proporzione
Per differenza fra due medie
Per differenza fra due proporzioni
Per scarto quadratico medio
Rapporto fra due varianze
Svolgo con manipolazioni algebriche generiche
questo lo faccio se il numero di campioni mi è impossibile da trovare nelle tavole statistiche. Quindi lo calcolo con la formula di Poisson che trovo nelle tavole
funzione con parametro incognito sia funzione di densità
condizioni f(x) che sia >= 0
uguaglio a 1 l'integrale considerato
Distribuzioni Note
Discrete
Continue
BINOMIALE
POISSON
Uniforme
Gamma
ESPONENZIALE
NORMALE
Normal Standard
Descrive il numero di successi in n tentativi indipendenti, ciascuno con una probabilità di successo costante p
Esprime le probabilità per il numero di eventi che si verificano successivamente e indipendentemente in un dato intervallo di tempo, conoscendo il tasso medio di eventi λ
Assegna la stessa probabilità a ciascun possibile risultato all'interno di un intervallo finito.
Modella il tempo di attesa fino al verificarsi di un certo numero di eventi indipendenti ed identicamente distribuiti.
Esprime il tempo di attesa tra eventi di un processo di Poisson, dove gli eventi avvengono in maniera continua e indipendente.
Distribuzione con forma a campana simmetrica, completamente descritta dalla sua media e deviazione standard.
È una distribuzione normale con media zero e deviazione standard uno.
QUANDO si usa?
QUANDO si usa?
QUANDO si usa?
QUANDO si usa?
QUANDO si usa?
QUANDO si usa?
QUANDO si usa?
Usata quando si contano i successi in un numero finito di tentativi, come nel caso di lanci di una moneta o nel conteggio di successi in esperimenti di prova.
Utilizzata quando si modellano eventi rari ma conosciuti su un intervallo di tempo o spazio, come il numero di chiamate ricevute da un call center in un'ora.
Utilizzata quando si ha un insieme finito o un intervallo di valori equiprobabili, come nel caso di estrazioni casuali senza preferenze.
Usata per modellare tempi di attesa o durate di eventi, come nel tempo di decadimento radioattivo o nel tempo di arrivo di flussi di denaro.
Utilizzata per modellare i tempi di attesa tra gli arrivi di pacchetti di rete, clienti in coda o fallimenti di componenti elettronici.
Utilizzata per modellare fenomeni naturali come altezze, pesi, punteggi di test standardizzati e errori di misura.
Usata per semplificare i calcoli e confrontare distribuzioni normali con diversi parametri, trasformando variabili casuali normali in una scala comune.
APPROSSIMABILE con ?
POISSON
Quando il numero di tentativi (n) è grande e la probabilità di successo (p) è molto piccola
p < 0.1
n > 50
esperimenti con un grande numero di tentativi e una bassa probabilità di successo
Ricorda: np ≈ λ
NORMALE
Quando il numero di tentativi (n) è grande e sia np che n(1-p) sono grandi
np > 5
n(1-p) > 5
APPROSSIMABILE con?
NORMALE
n grande
p vicino a 0,5
NECESSARIA: Correzione di continuità
Quando il parametro λ della distribuzione di Poisson è grande
λ > 10
NECESSARIA: Correzione di continuità
click to edit
click to edit
schema finale? si spera
Probabilità
Funzioni densità e ripartizione
Probabilità con distribuzioni note (tavole)
Medie, varianze con distrubuzioni note
Intervalli di confidenza
Test d'ipotesi
dimostra ordinamento ottimale vittoria
scrivo la probabilità della vittoria
confermo per assurdo che le probabilità siano quelle date dal testo
risultato conferma l'ipotesi delle probabilità, quindi pposso dire che l'ordine è irrilevante ma devo incontrare il più scarso alla seconda partita
probabilità che un solo evento si verifichi
e probabilità che uno solo preciso si verifichi
Probabilità totale di tutti gli eventi in cui nessun evento si verifica tranne uno
Calcolando la complementare delle probabilità posso risolvere probabilità totale
nel caso dell'evento preciso è probabilità condizionata che avvenga quell'evento rispetto alla probabilità totale. Quindi intersezione con il totale fratto il totale
comunicare probabilità che parte dei test fatti abbiano esito positivo e che il campione rifletta il test
conosco gli effetti (test e ispezione) ma non le cause
Bayes
probabilità di errore in un evento
probabilità condizionata
manipolazioni della probabilità totale
avendo probabilità condizionata, calcolare probabilità degli eventi singoli
inversa probabilità condizionata
incognita in intervallo che rende funzione di densità
calcolo valore atteso
funzione di ripartizione
condizioni
f(x) >= 0
integrale indefinito f(x)dx = 1
se condizioni vere ricavo a
attenzione che i valori rientrino nell'intervallo
Parametri distribuzione caso discreto/continuo pagina B-3
mu = E(X) quindi calcolo mu
integrale indefinito di f(t)dt
quindi riassumo in un sistema tutti i valori per tutti gli intervalli
data densità variabile aleatoria, trovare valori x per cui P(X<>=x) = y, dove y è dato dal testo
integrale indefinito con risultato y noto
ricavo x
data densità calcola probabilità che variabile aleatoria assuma intorno di raggio x del suo valor medio
valor medio è integrale indefinito della funzione
scrivo la probabilità in modo che X sia compresa nei 2 valori +- raggio
integrale della funzione nel nuovo intevallo
data probabilità errore, determinare che x eventi abbiano errore
probabilità successi eventi indipendenti
distribuzione Binomiale
se n grande (>50) e p piccolo (<0.1)
Poisson
vita media due componenti, determinare probabilità che non duri più di x giorni. Segue legge Poisson
Distribuzione Poisson: modella eventi rari indipendenti nel tempo (num errori in unità tempo)
scelgo esponenziale perchè probabilità di tempo
Distribuzione Esponenziale: modella tempo tra eventi rari indipendenti (tempo prima di errore)
ricavo probabilità con integrale da 0 ai giorni x dati
dato campione, distribuzione Normale N(x,y), determinare legge variabile aleatoria sapendo che Xi <= 0
Caratteristica fisica, modello normale
Gaussiana
cerco la legge
Gamma? da appello di Febbraio
dimostro ordine di incontro ottimale
calcolo probabilità di vincere contro x, poi la calcolo per y e z e dimostro che è indifferente
se conosco effetti ma non le cause
teorema di Bayes, le incognite diventano le probabilità condizionate
considero tutte cause di un errore
probabilità totale
Data una funzione con intervallo che ha un incognita
Determina valore dell'incognita che rende la funzione una funzione di densità
Applico condizioni
f(x)>=0
Ricava funzione di ripartizione
è la cumulativa, che indica la distribuzione di un evento in un intervallo di tempo
la calcolo integrando
Produco un siistema finale che mi riassuma i valori ricavati in base agli intervalli di x
Calcolo valor atteso (medio)
ovvero che la cumulativa sull'intervallo deve avere area = 1
Data la probabilità nota che assume x in P(X<=x), calcolare quanto vale x
Uguaglio funzione di ripartizione con il valore noto
Probabilità con distribuzioni note
(uso tavole)
probabilità di n successi indipendenti
binomiale
se n>50 e p<0.1
posso approssimare con Poisson
oppure con valori nelle tabelle
oppure con le tavole
probabilità che si verifichino x eventi in un unità di tempo
click to edit
uso distribuzione normale standardizzata nelle tabelle per trovale prob.
standardizzo variabile X
50 eventi indipendenti
x<=0
probabilità di successi
binomiale
se n>=50 e p<=0.1
approssimabile con Poisson
trovo p successi in n eventi
VA distribuita da legge normale, con media e varianza note
probabilità che venga un evento
normale std
evento segue poisson, qual'è probabilità che scorra fino a un minuto sapendo che sono già avvenuti x eventi?
Gamma
Eventi raggruppati in modo diverso nel tempo o tempo tra eventi sapendo che alcuni sono si sono già verificati
riconduco a Poisson per semplicità
Campione e deviazione std note, non conosciamo distribuzione
Calcolo probabilità che media campionaria differisca al più di x da valore atteso teorico icognito
Uso distribuzione media campionaria con varianza nota e popolazione incognita
Ricavo Z e approssimo alla normale standardizzata
click to edit
Si verifichi sia ragionevole assumere varianze di due popolazioni siano uguali con x livello di significatività
Intervallo confidenza per rapporto di due varianze
Calcolo intervallo confidenza
uso tabelle per valori F
Accetto o rifiuto hp
Due valori medi possono essere ritenuti uguali con x livello di significatività
Intervallo confidenza per differenza tra medie
Calcolo stima congiunta di S^2
Calcolo intervallo
Livello di significatività x, valuta se la media rientra nell'intervallo dichiarato con deviazione standard nota
Intervallo di confidenza per la media con varianza nota
Determino plausibilità rendimento teorico con x intervallo confidenza
Distribuzione non nota
Se non nota generica segue normale
Se non segue specificatamente normale, allora è Chebishev
Legge normale, varianza campionaria nota, numero campioni noto, deviazione standard nota
Cambiamento rientri nel livello di confidenza x
Intervallo confidenza per varianza
Legge normale, campioni noti, varianza campionaria nota, intervallo confidenza della media noto
Con che confidenza ho ottenuto intervallo?
Intervallo per la media (varianza incognita)
isolo alpha, in modo da fare 1-alpha e ricavare grado fiducia
media nota, deviazione std nota, campione noto e i loro valori noti. Legge normale
Intervallo di confidenza su deviazione std
Intervallo sulla varianza
Calcolo varianza campionaria visto che ho campioni noti