Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
Formulario Statistica
Formulario Statistica
indici (o misure) di posizione 1
n
xi −x
4
R2 = =1− = ; 2
Range) DEV TOT DEV TOT 2y 0≤ R ≤1
IQR=Q 3 −Q 1 tanto più esso si avvicina ad uno tanto più la funzione di regressione
indici di forma trovata è buona.
n 3
1 x − x
sk= ∑ i
n i=1
Formulario di Probabilità e Statistica [2005-07-24] - Copyright © 2005 Nicola Asuni (info@tecnick.com – www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 1
Probabilità proprietà
P =1
definizioni P ∅=0
eventi elementari P A =1−P A
tutti i possibili esiti di un esperimento aleatorio P A∪ B= P A P B− P A∩ B
∞
P ∪n=1 A n =∑ P An , con Ai ∩ A j =∅ se i≠ j
∞
evento
n =1
ogni sottoinsieme di uno spazio campionario discreto
probabilità classica
spazio campionario la probabilità di un evento è il rapporto dei casi favorevoli ed il numero
insieme di tutti gli eventi elementari; può essere: dei casi possibili
discreto posto Ω di N elementi k (k = 1, 2, .., N) e
se gli elementi sono un numero finito o un'infinità numerabile P { k }= p , eventi elementari equiprobabili , A evento
P { k }= pk qualunque
continuo ∣A∣ ∣A∣
P A= ∑ P { k }= p∣A∣= =
se è più numeroso (ad esempio: tutti i numeri reali in un certo ∈A k
N ∣∣
intervallo) ∣A∣èil numerodi elementi di A
linguaggio permutazione di n oggetti
insiemi eventi è ogni allineamento di n oggetti distinti in n caselle
, intero spazio campionario evento certo P n= n!=n n−1n−2⋯3⋅2
proprietà di n! (n fattoriale)
∅ , insieme vuoto evento impossibile
0!=1
insieme A l'evento si verifica n!
=n−1!
insieme A complementare di A l'evento non si verifica n
n!
A∪ B , (unione) si verifica almeno uno dei due eventi = nn−1n− 2⋯m1 , con m n
m!
A∩ B , (intersezione) gli eventi si verificano simultaneamente disposizione di n oggetti in k posti
)
A ∖ B , ( sottrazione = A∩ B si verifica A e non si verifica B è ogni allineamento di k oggetti scelti tra n oggetti distinti in k posti
Dn , k = n n−1n−2⋯n−k 1 , con 1≤k ≤n
A∩B=∅ , eventi disgiunti gli eventi sono incompatibili
Dn , n= P n= n!
B⊆ A ( B incluso in A ) B implica A disposizione con ripetizione di n oggetti in k
proprietà eventi A, B, C sottoinsiemi di Ω posti
A∪ A= A è ogni allineamento di k oggetti scelti tra n oggetti e ripetibili, in k posti
∗ k
A∩ A= A Dn , k = n , con k≥1
A∪ B= B∪ A combinazione di n oggetti di classe k
A∩ B= B∩ A è ogni sottoinsieme di k elementi dell'insieme di n oggetti
A∪ B∪C= A∪C∪C (modi per scegliere k oggetti tra n)
A∩ B∩C = A∩C∩C
A∪ B∩C= A∪ B∩ A∪C
A∩ B∪C= A∩ B∪ A∩C
C n , k=
Pk
=
k
=
k!
D n , k n nn−1n−2⋯ n−k 1
,
con n≥1 ; 0≤k ≤n
A∪∅= A
coefficiente Binomiale
A∩∅=∅
A∪=
A∩= A
n = n =C
k n− k
n ,k ;
n =n
1
;
n = n =1
0 n
A∪ A= combinazione con ripetizione di k oggetti scelti
A∩ A=∅ fra n
A∪ B= A∩ B ogni gruppo formato di k oggetti scelti fra n, che possono essere ripetuti
B= A∪ B (modi per disporre k oggetti uguali in n posti)
A∩
A =A
∗
k
C n , k = n k−1 = n k−1
n−1
probabilità su Ω permutazione con ripetizione di n oggetti uguali
P : P [0,1] fra loro a gruppi
(allineamento in n posti di n oggetti)
n!
P∗k =
1, k 2,. .. k r
k 1!k 2!k r !
Formulario di Probabilità e Statistica [2005-07-24] - Copyright © 2005 Nicola Asuni (info@tecnick.com – www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 2
probabilità condizionata legge (o distribuzione) di una v.a.
applicazione che associa ad ogni intervallo I ⊆ℝ il numero:
probabilità dell'evento A, condizionata a B P X ∈ I = P {∈ : X ∈ I }
P A∩ B
P A∣B= densità discreta di X
P B
funzione che ad ogni valore assunto da X associa la probabilità che X
proprietà assuma quel valore
P A∩ B= P B∩A= P A∣B PB= P B∣ A P A p X x k = P X =x k
P B∣ A P A
P A∣B= proprietà
P B
probabilità dell'evento X ∈I :
P A∣B=1− P A∣ B
probabilità totali P X ∈ I = ∑ pX x k , purché la serie converga
n x k ∈I
j=1 proprietà
indipendenza di eventi E aX b= a EX b , con a , b ∈ℝ
E X 1 X 2 X n= EX 1 EX 2 EX n
eventi A, B indipendenti E X 1⋅X 2 ⋯ X n = EX 1⋅EX 2⋯ EX n ,
lo sono se soddisfano una delle seguenti condizioni
con X 1, X 2, , X n v.a. indipendenti
P A∩ B= P A⋅P B
P A∣B= P A Ef X =∑ f x k p X x k , purché la serie converga
P B∣ A= P B k
famiglia di eventi indipendenti E aX 1 b= aEX 1b , per ogni a , b∈ℝ per v.a. continue
n eventi A1, A2, ..., An costituiscono una famiglia di eventi indipendenti
se per ogni sottofamiglia di r eventi ( 2≤r ≤n ), la probabilità di E g X 1 =∫ g t f t dt , per g : ℝ ℝ per v.a. continue
X1
intersezione di questi r eventi è uguale al prodotto delle probabilità di ℝ
ciascuno di essi:
P Ai ∩ A j = P Ai P A j , per ogni coppia di indici i ≠ j varianza
P Ai ∩ A j ∩ ∩ An = P Ai P A j P A n X v.a. discreta:
2 2 2 2
data una famiglia di eventi indipendenti, anche sostituendo alcuni Ai X =VarX = E X − EX = E X −EX
i , rimane una famiglia di eventi indipendenti. X v.a. continua:
con i complementari A
2
Affidabilità di un sistema 2X =VarX = E X 2− EX 2=∫ t 2 f X t dt −∫ t f X t dt
ℝ ℝ
Formulario di Probabilità e Statistica [2005-07-24] - Copyright © 2005 Nicola Asuni (info@tecnick.com – www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 3
proprietà Binomiale di parametri n e p
Cov X , X =VarX X ~ B n , p
Cov X , c=0 , per ogni costante c conta il numero complessivo di successi ottenuti in n prove (estrazione
Cov X ,Y =Cov Y , X con reimissione)
Cov X Y , Z =Cov X , Z Cov Y , Z
Cov Y , Y Z =Cov X ,Y Cov X , Z k
p X k = n p 1− p , k=0,1,2,... , n
k n −k
P a X b =∫
b
1
=1/ arctan b−arctan a
N −n 2
1t
(fattore di correzione per la popolazione finita (< 1)) a
N −1
densità Normale Standard
Poisson di parametro λ > 0 “curva a campana” di Gauss, o curva degli errori
Y ~ P 0 , con 0 1 −t / 2 2
f X t = e
permette di descrivere quantitativamente situazioni in cui non abbiamo 2
accesso ai valori di N e p, ma possediamo un unica informazione b
1 −t /2
P a X b =∫
2
numerica: il parametro λ (numero medio di arrivi) e dt
−
k a 2
pY k = e , per k = 0,1,2,
k! funzione di ripartizione di X (f.d.r.)
EY = ; VarY = equivale alla densità discreta nel caso continuo
1 1 F X t: ℝ[0,1]
sk X = ; curt X =3
F X t= P X ≤t , per ogni t ∈ℝ
t
proprietà F X t= ∫ f X y dy , per X continua
se X i ~ P 0 i allora: −∞
Formulario di Probabilità e Statistica [2005-07-24] - Copyright © 2005 Nicola Asuni (info@tecnick.com – www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 5
n−1 n−1 1 modello Normale
= = , stima di
n
n X n
∑Xi legge Normale standard
i =1
Z ~ N 0,1
legge Gamma di parametri n (intero positivo) e ν 1
t −y 2
1
misura l'istante dell'ennesimo arrivo in un processo di Poisson Xt di f Z t = e 2 ≡ t
intensità ν 2
n−1
t
k
E Z =0 ; Var Z =1
F Y t=1− ∑ e
−t
, per t 0
k=0 k! proprietà
F Y t=0 , per t≤0 −t =1− t , simmetria
n −1
− t t n−1 − t calcoli con i quantili
f Y t =e =C n , t e , per t 0 ,
n−1! posto z quantile α-esimo della legge Normale standard:
f Y t =0 , per t0 z =− z 1−
n
P Z z =
C n ,=
n−1! P Z z 1−=
n n P ∣Z∣ z 1−/2 =
E Y = ; Var Y = 2
P ∣ Z ∣ z 1 /2=
legge Gamma di parametri r e ν (reali positivi)
legge Normale (o gaussiana) di media µ e
Y ~ r ,
descrive il tempo di vita di un apparecchio la cui propensione al guasto
varianza σ2
2
cresce col tempo, fino al limite ν X ~ N ,
r −1 −t
f Y t =C r , t e , per t0 rappresenta bene gli errori di approssimazione
t −
f Y t =0 , per t0 F X t=
r r
E Y = ; Var Y = 2 −t −2
1 t− 1 22
f X t = = e
assenza di memoria 2
P Y ≥T −t∣Y ≥T =P Y ≥t EX = ; Var X = 2
P Y ≥T t = P Y ≥t⋅P Y ≥T =0 ; curt X =3 sk X
se una v.a. continua soddisfa questa proprietà, allora ha legge X −
la v.a. Z = ha legge Normale standard
Esponenziale se è continua e legge Geometrica traslata se discreta
istantaneous failure rate (propensione istantanea proprietà
al guasto) 2 2
posto X 1~ N 1, 1 , X 2~N 2, 2 indipendenti:
f Y t 2
X 1 X 2 ~ N 1 2, 1 2
2
Z t =
1− F Y t posto a ,b∈ℝ :
2 2
per la legge Esponenziale: aX 1 b~ N a 1b , a 1
Z t = , per t 0 relazione tra legge Normale e legge Normale standard
per la legge Gamma: Z ~ N 0,1 ⇒ Z ~ N ,
2
n−1 n n−1
t t 2 X −
Z t =C n n−1 k = X ~ N , ⇒ ~ N 0,1
t n−1! n−1
t
k
∑ k! ∑ k!
k=0 k=0 errori
densità di Weibull Y =misura di una grandezza fisica
utile a rappresentare il tempo di vita di un apparecchio =valore vero
posto Z t =c t si trova: X =errore di misura
−c t 1
=errore sistematico
F Y t=1−e 1 , con −1 E c =errore casuale
1
−c t 2
=inacuratezza della misura
f Y t =c t e 1 2
X ~ N , , X = E c
se 0 l'apparecchio invecchia 2
se −10 l'apparecchio migliora col tempo
E c ~ N 0,
se =0 si ritrova la legge Esponenziale E E c =0
EY =
media campionaria
se X i ~ N ,
2
sono v.a. indipendenti ed identicamente
Formulario di Probabilità e Statistica [2005-07-24] - Copyright © 2005 Nicola Asuni (info@tecnick.com – www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 6
[ ]
distribuite (i.i.d.): 3
3
2 X −
sk X = =E
Xn ~ N , 3/2
2
n
coefficiente di curtosi di una v.a. X con µ'4 finito
2
E Xn = ; Var X n =
n misura quanto la densità di X sia appuntita
[ ]
4
media campionaria standardizzata 4 X − 2
Xn − curt X = 2 =E , = EX , =Var X
∗ 2
S =
n , n=1,2,3,
/ n
teorema del limite centrale statistica inferenziale
∗
P S ≤t t per n∞ , t ∈ℝ
n campionamento e stime
approssimazione Normale
2 definizioni
Date X i v.a.i.i.d. , EX i= , VarXi= con n abbastanza
grande: modello statistico
2 famiglia di leggi di v.a., dipendenti da uno o più parametri incogniti:
t−
Xn ≃N , ossia P Xnt ≃ n { pX x ; : ∈ I }
n è un vettore di parametri
n n
t −n
∑ X i ≃N n , n 2 ossia P ∑ X i t ≃
n
campione casuale di ampiezza n
i=1 i=1 estratto da una popolazione di densità p X x ; è una ennupla di v.a.
approssimazione Normale di Gamma per n grande: indipendenti e identicamente distribuite (i.i.d) X 1, X 2, , X n ,
Y ~ n , ciascuna avente legge p X x ; .
n n stima di parametri e stimatori
Y ≃N , 2
stima puntuale dei parametri
F Y t=P Y t ≃
t−n
n
stimare il valore vero del parametro (o dei parametri) a partire dal
campione casuale
approssimazione Normale della Binomiale: stima del parametro p della popolazione bernulliana
approssimazione utile in problemi di campionamento p = xn , con xi valori effettivamente osservati
NOTA: vale se: np5 ; n1− p5
statistica T
Y ~ Bn , p
è una qualsiasi v.a. T funzione del campione casuale X 1, X 2, , X n
Y ≃ N np , np 1− p
di ampiezza n estratto da una popolazione di legge p X x , :
F Y t=P Y ≤t≃
t−np
np 1− p
, per v.a. continua n
T = f X 1, X 2, , X n , con f : ℝ ℝ
k 0.5−np stimatore del parametro ϑ
F Y k= P Y ≤k ≃ , statistica che viene usata per stimare il valore del parametro
np1− p
k=0,1,2,, n , per v.a. discreta è corretto (non distorto) se ET = altrimenti è detto distorto
Formulario di Probabilità e Statistica [2005-07-24] - Copyright © 2005 Nicola Asuni (info@tecnick.com – www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 7
di legge N , , allora:
n n 2
1 1 n
s2n ≡ ∑ x − x 2= n−1
n−1 i=1 i n
∑ xi2− n−1 xn 2
Xn−
i=1
~ t n −1
stima popolazione Normale S /n 2
n
= xn
calcoli con i quantili
= sn posto t n quantile α-esimo della legge t(n):
2 2
se µ è nota: P T t n=
n
1 P T t 1− n=
2 = ∑
2
X − i
n = i 1 P ∣T∣t 1− / 2 n=
stima popolazione Gamma P ∣T ∣t 1 / 2 n=
x x
2 t 1 − n−1≃ z 1 , approssimazione per n120
= 2n ; r = n2 2 2
sn sn
approssimazione di quantili tramite
leggi interpolazione lineare
y= mxq ,
legge Chi quadro con n gradi di libertà
equazione della retta che passa per i punti {q 1, t q1 }, {q 2, t q 2 }
n 1
Y ~X n ≡ Y ~ , t q 2 − t q 1
2
n
X i − del parametro che si vuole stimare; fissato un numero ∈ 0,1 ,
∑
i =1
~ X 2 n l'intervallo aleatorio (T1, T2) si dice intervallo di confidenza al 100α%
per h(ϑ) se:
n
X − X
∑ i n ~ X 2 n−1 P T 1 h T 2 =
i =1
a campionamento eseguito l'intervallo (t1,t2) si dice “calcolato al
2
n−1 S n campione”;
~ X 2 n−1 h(ϑ) appartiene all'intervallo (t1, t2) con una confidenza del 100α%;
2
t1 e t2 sono detti limiti di confidenza
S n e Xn sono tra loro indipendenti
2
2
n Sn
ET = 0 , tranne per n =1 per cui nonesiste finito Xn ±t 1 n−1
= , con varianzaincognita
2
n
per t ∞ la t di student tende alla Normale standard
approssimazioni
Sia X i , X 2, , X n un campione casuale estratto da una popolazione
Formulario di Probabilità e Statistica [2005-07-24] - Copyright © 2005 Nicola Asuni (info@tecnick.com – www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 8
stima dell'ampiezza per limitare l'errore E0 H0 H1 rifiutare H0 se
2
n =t 1 / 2 n− 1
2
2
, con varianza nota = 0 ≠ 0 ∣z∣ z 1− / 2
E0
≤ 0 0 z z 1−
intervallo di confidenza per la frequenza p
valido per una popolazione bernoulliana e per grandi campioni ≥0 0 z− z 1−
n≥30
test sulla media di una popolazione Normale di
p= X n ± z 1/2
n
X n 1− X n
; se: n xn5 , n1− xn 5
è l'insieme R dei possibili risultati campionari che portano a rifiutare H0 2
X Y
2
varianza campionaria pesata 2 2
media pesata delle varianze campionarie di due campioni n, m 1 1 n−1S X m−1S Y
n n n m nm−2
1 1 nm
p 1− p le classi andranno accorpate in maniera tale che le frequenze assolute
n m attese siano tutte maggiori o uguali a 5;
H0 H1 rifiutare H0 se Chi quadro calcolato dal campione:
2
∣z∣z 1 − /2
k
np i− N i
p1= p2 p1≠ p2 Q= ∑
=
i 1
npi
p1≤ p2 p1 p2 z z 1− 2
Q X k−1 per n ∞ , con pi assegnate a priori
p1≥ p2 p1 p2 z− z 1− 2
Q X k−1−r per n∞ , con pi calcolate dopo
aver stimato r parametri incogniti
inferenze su una varianza
2 fissato α, si stabilisce la regola di decisione:
n−1 s n
2 si rifiuti H 0 se Q X 1− k −1 −r (si calcola tramite tabelle)
2
X =
02 il p-value corrispondente al valore Q è:
= P X Q , con X ~ X k − 1−r
2
H0 H1 rifiutare H0 se
2
=0
2 2
≠0
2 2 2
X X 1− /2 n−1 o X X / 2 n−1
2 2 test Chi quadro di indipendenza
verifica l'indipendenza o meno di due variabili;
2 2 2 2 2 2
≤0 0 X X 1− n−1 si costruisce una tabella di contingenza di rs classi:
2 2 2 2 2 2
A1 A2 ... A r Tot.
≥0 0 X X n−1 B1 n11 n 21 ... nr1 n⋅1
intervallo di confidenza B2 n12 n 22 ... nr1 n⋅2
... ... ... ... ... ...
n −1 s2n n−1 s 2n Bs n 1s n 2s ... nrs n⋅s
,
X 1 n −1 X 1− n − 1
2 2
Tot. n 1⋅ n2⋅ ... nr⋅ n
2 2
Formulario di Probabilità e Statistica [2005-07-24] - Copyright © 2005 Nicola Asuni (info@tecnick.com – www.tecnick.com)
*** ATTENZIONE: Non posso garantire che le seguenti informazioni siano corrette. Usatele a vostro rischio. *** 10