sabato 21 giugno 2014

Risoluzione esercizi di statistica con R!

Frequenza relativa:!

- Creo larray con i dati allinterno:!

!

x<-c(X1, X2, X3,, X10)!

- Creo la funzione:!
!

bond=seq(da n di inizio, a n finale, by=n)!

- Es.
Se ho 10 dati e voglio la frequenza relativa da 0 a 25:
bond=seq(0,25, by=25)
ci mi permetter di fare la frequenza relativa del valori da 0 a 25:
table(cut(x,bond)) / n di dati di X!

Gradi di libert!
In una tabella di contingenza da R righe ed S colonne, i gradi di libert (test chi-quadro)
sono:!
!

(n di righe - 1)*(n di colonne -1)!

Regressione lineare (retta)!

- Creo il set di dato:!

!
!
!

x<-c(X1, X2, X3,, X10)

y<-c(Y1, Y2, Y3,, Y10)
modello= lm(formula=x~y)!

N.B. Il simbolo ~ si scrive premendo ALT + 926

su Windows e ALT + 5 su OSX

Test Chi-quadro!
Per ottenere il test del chi-quadro creo un array con il set di dati fornito:!
!
!

x=c()
chisq.test (x)!

Covarianza, Deviazione standard, Quantili, quartini, Correlazione

varianza-covarianza!
Innanzitutto creo i set di dati:!
1

sabato 21 giugno 2014

x<-c(X1, X2, X3,, X10)
y<-c(Y1, Y2, Y3,, Y10)!
Dopodich dar i seguenti comandi:!
Covarianza

Deviazione standard

Quantili e quartili

Correlazione varianzacovarianza

cov (x,y)

sd (x)

quantile (x)

cor (x,y)

Se il set di dati composto da dati ripetuti, la tabella verr popolata aggiungendo il

comando:!
rep(n, n ripetizioni)!
Es.!
rip_tab <-c(rep(5,111),rep(8,271))!
tramite questo comando ho popolato la tabella rip_tab con il numero 5 ripetuto 111
volte ed il numero 8 ripetuto 271 volte; successivamente possibili utilizzare i comandi
riportati sopra.!

Metodo dei rettangoli!

Dato un integrale, prendo il valore pi alto e lo inserisco in un array a, il valore pi

piccolo in un array b ed uso la seguente formula:!
!
!

(b-a)*(f(b)-f(a) !
= Soglia derrore
n!

(2 + x2 + x)dx
2

Dove a=4 e b=2!

In R sar:!
!

a<-c(4)!

b<-c(2)!

Sostituisco la x ad a, quindi:!
!

Fa<-c(2+(a^2)+a)!

Fb<-c(2+(b^2)+a)!

((b-a)*(Fa-Fb)/n

Dove n= n dei rettangoli per avere una data soglia derrore!

sabato 21 giugno 2014

Errore standard e limiti di fiducia (t student)!

Nella pratica, l'errore standard serve per calcolare l'intervallo fiduciale o intervallo di
confidenza (sinonimo: limiti fiduciali) della proporzione. L'intervallo di confidenza
l'intervallo di valori entro i quali si stima che cada, con un livello di probabilit scelto a
piacere, il valore vero della popolazione. In realt si sceglie quasi sempre un livello di
probabilit di 0.95 o, pi raramente, 0.99, ottenendo rispettivamente l'intervallo di
confidenza al 95% o al 99%.!
!

La media composta da
deviazione standard diviso la
radice del numero di dati
campione.

!
!
!
!
!

t un coefficiente desumibile dalla Tabella dei

valori t per la distribuzione di Student. Nelluso
della tabella, devi tener conto che i gradi di
libert si calcolano come: numerosit del
campione - 1.

Es.!
Si consideri una variabile normale. Nel corso di un esperimento tale variabile viene
misurata 10 volte. la media del campione 12 e la deviazione standard campionaria 2.
Lintervallo di confidenza al 95% per la media della variabile :!
!
!
!

2/sqrt(x=10)= 0.63
12+2.26*0.63=13.42
12-2.26*0.63= 10.57!

Quindi lintervallo di confidenza al 95% per la media della variabile da 10.57 a 13.42.!

Distribuzione normale!
ha due parametri, e , che corrispondono al valore atteso e alla deviazione
standard;!
presenta una tipica forma a campana;!
simmetrica intorno alla media, ovvero X=; la media coincide con il massimo della
distribuzione (ricordiamo, moda) e con il punto che i valori della variabile casuale in
due regioni di uguale probabilit (ricordiamo, mediana).!
il valore massimo della distribuzione nel punto
proporzionale alla deviazione standard. !

inversamente

la curva tanto pi appiattita quanto maggiore il valore della deviazione standard.!

3

sabato 21 giugno 2014

Variabile normale!
si consideri una variabile normale con valore atteso =8 e deviazione standard =3. Con
quale probabilit il valore X risulta compreso tra 7.8 e 8.2?!

Z1

Dove x il valore compreso!

Quindi:!

8.2 8 0.2
Z1
=
=0.06
3
3

Compiere loperazione per entrambi i valori, sommarli e

vedere il corrispettivo sulla tabella gaussiana.!
0.06 > equivale a 0.0239 (*2) 0.0478, quindi 47,8%!