Docsity
Docsity

Prepara i tuoi esami
Prepara i tuoi esami

Studia grazie alle numerose risorse presenti su Docsity


Ottieni i punti per scaricare
Ottieni i punti per scaricare

Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium


Guide e consigli
Guide e consigli


Formulario statistica, Formulari di Statistica

Formulario utile per conseguire l'esame, fornito dal docente stesso esclusivamente per gli studenti del corso

Tipologia: Formulari

2017/2018

Caricato il 14/03/2018

giulia_binotti
giulia_binotti 🇮🇹

4.5

(2)

2 documenti

1 / 2

Toggle sidebar

Questa pagina non è visibile nell’anteprima

Non perderti parti importanti!

bg1
FORMULARIO
I PARTE M=𝑥𝑖𝑛𝑖
𝑟
𝑖=1𝑛 𝑀𝑔=𝑥𝑖
𝑛
𝑖=1
𝑛 𝑀𝑒=𝑥𝑠+𝑥𝑠−𝑥𝑠
𝐹(𝑥𝑠)−𝐹(𝑥𝑠−1)[0,50𝐹(𝑥𝑠−1)]
K=x𝑚𝑎𝑥𝑥𝑚𝑖𝑛 DI = x0,75 x0,25 𝜎=(𝑥𝑖−𝑀)2
𝑛
𝑖=1 𝑛= 𝑛−1
2𝑛 2
𝜎𝑚𝑎𝑥=(𝑀𝑥𝑚𝑖𝑛)(𝑥𝑚𝑎𝑥 𝑀) 𝑆𝑀=|𝑥𝑖−𝑀|
𝑛
𝑖=1𝑛 MAD = Me(|xi - Me|)
1=∆= |𝑥𝑖𝑥𝑗|
𝑛
𝑗=1
𝑛
𝑖=1𝑛(𝑛1)= 2𝑥(𝑖)[2𝑖(𝑛+1)]
𝑛
𝑖=1 𝑛(𝑛1) 𝑚𝑎𝑥=2𝑛
𝑛1 (𝑀𝑥𝑚𝑖𝑛)(𝑥𝑚𝑎𝑥𝑀)
𝑥𝑚𝑎𝑥𝑥𝑚𝑖𝑛
2= |𝑥𝑖𝑥𝑗|2
𝑛
𝑗=1
𝑛
𝑖=1𝑛(𝑛1) 𝑉𝐴𝑅= (𝑥𝑖𝑀)2
𝑛
𝑖=1 𝑛= 𝑀22𝑀2=𝜎2 𝑆𝑀𝑒=|𝑥𝑖𝑀𝑒|
𝑛
𝑖=1 𝑛
𝑛𝛼=𝑛(𝑥𝑚𝑎𝑥𝑀)
𝑥𝑚𝑎𝑥𝑥𝑚𝑖𝑛 𝑛𝜔=𝑛𝑛𝛼=𝑛(𝑀𝑥𝑚𝑖𝑛
𝑥𝑚𝑎𝑥𝑥𝑚𝑖𝑛
𝑅 =1 𝑛
𝑛1(∑(𝑞𝑖
𝑟
𝑖=1 +𝑞𝑖−1
)𝑓𝑖1
𝑛) 𝑅 = 𝑛+1
𝑛12
𝑛1𝑞𝑖
𝑛
𝑖=1 𝑞𝑖=𝑥(𝑖)𝑛𝑖
𝑥𝑖𝑛𝑖
𝑟𝑖=1
𝑀=𝑥𝑖𝑤𝑖
𝑛
𝑖=1
𝑤𝑖
𝑛
𝑖=1 𝜎= (𝑥𝑖𝑀)2𝑤𝑖
𝑛
𝑖=1𝑤𝑖
𝑛
𝑖=1 𝑧𝑖=𝑥𝑖𝑀
𝜎
𝐴𝑆1=𝑀𝑀𝑒
𝜎 𝐴𝑆2=𝑀𝑀𝑒
𝑠𝑀𝑒 𝐴𝑆3= ∑(𝑥𝑖𝑀)3𝑓𝑖
𝑟
𝑖=1
3 𝐴𝑆4=(𝑥0,75𝑀𝑒)(𝑀𝑒𝑥0,25)
𝛾(𝑋)=(𝑥𝑖−𝑀(𝑋))3𝑓𝑖
𝑟
𝑖=1[𝜎(𝑋)]3 ASr=(x0,75Me)−(Me−x0,25)
x0,75− x0,25 𝐾𝑢=(𝑥𝑖−𝑀(𝑋))4𝑓𝑖
𝑟
𝑖=1 𝜎4
𝐶𝑂𝑉(𝑋,𝑌)=(𝑥𝑖𝑀)(𝑦𝑖𝑀)
𝑛
𝑖=1 𝑛 𝐺=1𝑓𝑖2
𝑝
𝑖=1
(𝑝1)/𝑝 𝐻=𝑓𝑖𝑙𝑜𝑔𝑓𝑖
𝑝
𝑖=1
𝑙𝑜𝑔𝑝
a=𝑦𝑖 𝑥𝑖2𝑥𝑖𝑥𝑖𝑦𝑖
𝑛𝑥𝑖2−(𝑥𝑖)2=𝑀(𝑌)𝑏𝑀(𝑋) b = 𝑛𝑥𝑖𝑦𝑖𝑥𝑖𝑦𝑖
𝑛𝑥𝑖2−(𝑥𝑖)2=𝐶𝑂𝑉(𝑋,𝑌))
𝑉𝐴𝑅(𝑋) =𝑟𝑋𝑌σY
σX
𝑟𝑋𝑌=𝐶𝑂𝑉(𝑋,𝑌)
𝑉𝐴𝑅(𝑋)𝑉𝐴𝑅(𝑌)=𝐶𝑂𝑉(𝑋,𝑌)
𝜎𝑋𝜎𝑌 𝑟𝑋𝑌
2=𝛿=𝐷𝐸𝑉(𝑌)
𝐷𝐸𝑉(𝑌)=1𝐷𝐸𝑉(𝐸)
𝐷𝐸𝑉(𝑌)
Funzone esponenziale: f(t) = abt Funzione di potenza: f(t) = atb
per calcolatrice:
COV(X,Y) = rXY ·X ·Y DEV(Y) = (Y )2 · n DEV(ŷ)=r2 ·DEV(Y) DEV(E)=(1-r2 )·DEV(Y)
pf2

Anteprima parziale del testo

Scarica Formulario statistica e più Formulari in PDF di Statistica solo su Docsity!

FORMULARIO

I PARTE M =

∑ 𝑟𝑖=1𝑥𝑖𝑛𝑖 𝑛

𝑀𝑔 = √∏^ 𝑥𝑖

𝑛 𝑖=

𝑛 𝑀𝑒 = 𝑥̅𝑠 +

𝑥̅̅𝑠−𝑥̅𝑠 𝐹(𝑥𝑠)−𝐹(𝑥𝑠−1)^

[0,50 − 𝐹(𝑥𝑠−1)]

K = x𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛 DI = x0,75 – x0,25 𝜎 = √

∑ 𝑛𝑖=1(𝑥𝑖−𝑀)^2

𝑛

𝑛−

2𝑛

∑ 𝑛 𝑖= 1 |𝑥𝑖−𝑀| 𝑛

MAD = Me(|xi - Me|)

𝑛 𝑗= 1

𝑛 𝑖= 1 𝑛(𝑛 − 1 )

2 ∑^ 𝑥(𝑖)[ 2 𝑖 − (𝑛 + 1 )]

𝑛 𝑖= 1 𝑛(𝑛 − 1 )

∑ 𝑛 𝑖= 1 ∑ 𝑛 𝑗= 1 |𝑥𝑖 − 𝑥𝑗 |^2

∑ (𝑥𝑖 − 𝑀)^2

𝑛 𝑖= 1 𝑛

= 𝑀 22 − 𝑀^2 = 𝜎^2 𝑆𝑀𝑒 =

𝑛 𝑖= 1 𝑛

(∑(𝑞𝑖^ ′

𝑟

𝑖= 1

+ 𝑞𝑖^ ′−^1 )𝑓𝑖 −

∑ 𝑞𝑖^ ′

𝑛

𝑖= 1

𝑛 𝑖= 1 ∑ 𝑛 𝑖= 1 𝑤𝑖

∑ 𝑛 𝑖= 1 (𝑥𝑖 − 𝑀)^2 𝑤𝑖

𝐴𝑆 3 = √∑(𝑥𝑖 − 𝑀)^3 𝑓𝑖

𝑟

𝑖=

3 𝐴𝑆 4 = (𝑥0,75 − 𝑀𝑒) − (𝑀𝑒 − 𝑥0,25)

∑ 𝑟𝑖=1(𝑥𝑖−𝑀(𝑋))^3 𝑓𝑖 [𝜎(𝑋)]^3

ASr =

(x0,75−Me)−(Me−x0,25) x0,75− x0,

∑ 𝑟𝑖=1(𝑥𝑖−𝑀(𝑋))^4 𝑓𝑖 𝜎^4

𝑛 𝑖= 𝑛

𝐺′^ =

𝑝 2 𝑖= (𝑝 − 1)/𝑝

𝐻′^ =

𝑝 𝑖= 𝑙𝑜𝑔𝑝

a=

∑ 𝑦𝑖 ∑ 𝑥𝑖^2 −∑ 𝑥𝑖 ∑ 𝑥𝑖𝑦𝑖

𝑛 ∑ 𝑥𝑖^2 −(∑ 𝑥𝑖)^2

= 𝑀(𝑌) − 𝑏𝑀(𝑋) b =

𝑛 ∑ 𝑥𝑖𝑦𝑖−∑ 𝑥𝑖 ∑ 𝑦𝑖

𝑛 ∑ 𝑥𝑖^2 −(∑ 𝑥𝑖)^2

𝐶𝑂𝑉(𝑋,𝑌))

𝑉𝐴𝑅(𝑋)

σY

σX

2 = 𝛿 =

Funzone esponenziale: f(t) = ab

t Funzione di potenza: f(t) = at

b

per calcolatrice:

COV(X,Y) = rXY ·X ·Y DEV(Y) = (Y )

2 · n DEV(ŷ)=r

2 ·DEV(Y) DEV(E)=(1-r

2 )·DEV(Y)

II PARTE

𝐷𝑛,𝑘 = 𝑛 (𝑛 − 1) × (𝑛 − 2) × ⋯ × (𝑛 − 𝑘 + 1) 𝐷𝑛,𝑘∗^ = 𝑛𝑘

𝑃𝑛 = 𝐷𝑛,𝑛 = 𝑛 × (𝑛 − 1) × ⋯ × 2 × 1 = 𝑛! 𝐶𝑛,𝑘 =

𝑛! 𝑘!(𝑛−𝑘)!

𝑛 𝑘)

P(E 1  E 2 ) = P(E 1 ) + P(E 2 ) – P(E 1  E 2 )

1

1 2 2 1 PE

PE E

P E E

 P(E 1  E 2 ) = P(E 2 | E 1 ) P(E 1 )

Teorema di Bayes 𝑃(𝐴𝑗|𝐵) =

𝑃(𝐵|𝐴𝑗)𝑃(𝐴𝑗) ∑ 𝑛𝑗=1𝑃(𝐵|𝐴𝑗)𝑃(𝐴𝑗)

v. a. bernoulli E(X) =  VAR(X) =  ·(1 -  ) v.a. binomiale (n. successi) E(X) = n  VAR(X) = n  (1 -  )

v.a.binomiale ( freq.rel. successi) (E(P) =  VAR(P) =

n

s ns s

n P s

 ^  

Ppz ( ) s ( P ) pz () s ( P ) 1   n

p p s P

E ( X )

n

VAR X

2 ( )

PXz ( ) s ( X ) Xz () s ( X ) 1   n

s

n

s s X cor cor  

2 ( )

  

n

i

cor i s n

n x x n

s 1

2 2 2 1

s ( DP ) = 

1 2

n n

p p s ( DM ) =  

2

2 2

1

2 1 n

s

n

s (^) cor cor

 

n

i

i

cor

x x

s sB

1

2

1

( )

( ) z ( b 1 ) = ( 1 )

1 1 s B

b  

 

n

i

i

cor

x x

s

b

1

2

1

2 s cor = 2

1

i i

n

i

y y n

 

=   

n

i

ei n (^) 1

2 2

Pb 1  z ( ) s ( B 1 ) 1  b 1  z () s ( B 1 )  1 

F =

DEV E n

DEV Y

2 ( 1 ) ( 1 )/( 2 )

zb n

Modello g.libertà Somme dei quadrati Medie dei quadrati F P-value Regressione 1  

n

i

yi y 1

2 (ˆ )  

n

i

yi y 1

2 (ˆ ) /

1

2

1

2

e n

y y

n

i

i

n

i

(^) i

P { F  del valore osservato nel campione}

Residuo (^) n  2  

n

i

ei 1

2  

n

i

ei 1

(^2) /( n  2)

Totale (^) n  1  

n

i

yi y 1

2 ( )  

n

i

yi y 1

2 ( ) /( n  1)