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 pt 2, Formulari di Statistica

tutte le formule necessarie per il corso di statistica

Tipologia: Formulari

2020/2021

In vendita dal 06/01/2021

verdylin-channel
verdylin-channel 🇮🇹

2 documenti

1 / 6

Toggle sidebar

Questa pagina non è visibile nell’anteprima

Non perderti parti importanti!

bg1
FORMULARIO
STATISTICA
ECD
e
vcx
)
Valore
atteso
.
E
G)
=
ma
=
Exi
.
PG
)
Varianza
:
°
vcx
)
.
TI
=
Exa
.
pcx
)
-
feed
]
'
oppure
vcx
)
-
È
=
EH
)
-
[
EH
]
'
Trasformazio ne
lineare
in
y
>
atbx
Standardizzazione
eca.se
(
x2
-
4×1=5
Ely
)
=
atb
.
EG
)
F-
=
in
a.
÷
(
y
)
:
b
?
.
V
(
X
)
t'
×
Ely
)
=
2.3+1=7
(
x
)
:
e
(
x2
-
4×7=5
64
=
/
b)
.
[
×
ECx2I-4oElD--5@ge.noeei.panomnaea.pa.sson
ua.ie?;;;;;;;;.&
X.
n
Be
:
E
G)
=p
vcyt.ba
.
vai
=
4
a
8
=
24
G)
=p
P
)
ECD
=
n
.
p
µ
vcx
)
=
ECD.cl
-
p
)
X
n
Bin
:
ripetizione
n
volte
di
Be
perdo
x
±
(f)
.
p
'
.
(
1-
p
)
"
-
×
calcolo
-
coefficiente
×
n
Poisson
:
e
±
2,718
binomi
male
:
(F)
=
×!%!
[
(
D=
X
n'
di
volte
che
si
verifica
in
un
determinato
lasso
di
tempo
G)
=
Elam
)
.
×
D=
n'
atteso
di
successi
nell'
intervallo
datofngomggigu.in#enpepPCx)=
è
"
.
E
approssimazione
binomiale
Poisson
se
ne
e
pt
X
-
n
.
p
E-
7
si
può
approssimare
come
Xn
Be
:
Bob
×
:
(f)
.
p
'
.
(
1-
p
)
"
-
×
Variabili
aleatorie
continua
:
Distribuzione
uniforme
;
Esponenziale
negativa
;
Gaussiana
o
Normale
Stnd
Xn
Uniforme
:
Jlx
)
=
{
[
a
alxlb
÷
÷
"
"
÷
.
:
P
(
alxl
b)
=
Flbl
-
Fla
)
;
i
-
i
i
Fatto
.at
i
/
i
i
i
/
P
(
clxld
)
=
d-
c
a
El
b
-
2
b-
a
n
EH
pf3
pf4
pf5

Anteprima parziale del testo

Scarica Formulario Statistica pt 2 e più Formulari in PDF di Statistica solo su Docsity!

FORMULARIO STATISTICA

① ECD e vcx)

Valore atteso.^ E^ G)= (^) ma = (^) Exi. PG) Varianza (^) : °

vcx)^. TI^ =^ Exa. pcx) - feed]

' oppure vcx)^ -^ È^ =^ EH)^ -^ [^ EH] ' Trasformazione lineare^ in^ y > atbx^ Standardizzazione^ eca.se (x2^ - 4 ×1= Ely) =^ atb^.^ EG) F-^ = in (^) a. zÌ÷ ✓ (^) (y): b?. V (^) (X) t'×^ • Ely) =^ 2.3+1= ✓ (^) (x) : e (^) (x2 - (^4) ×7= 64 =^ /^ b)^.^ [× [email protected] X. n^ Be : (^) E G) (^) =p ua.ie• vcyt.ba?. vai;;;;;;;;.& = 4 a^8 = 24 ✓ (^) G) (^) =p P) ECD = (^) n. p μ vcx)^ =^ ECD.cl-^ p)

X n^ Bin : ripetizione n volte di Be

perdo x ± (f). p'^. (1- (^) p) "-× calcolo-

coefficiente

× n^ Poisson : (^) e ± (^) 2, binomi (^) male : (F) = ×!%!

[(D= X n' di volte che si verifica in un determinato lasso^ di tempo

✓ G)=^ Elam). × D=^ n'atteso^ di^ successi^ nell'^ intervallo

datofngomggigu.in#enpepPCx)=è". (^) E

approssimazione binomiale^ Poisson

se ne^ e^ pt^ X^ -^ n^. p E-^7 si^ può approssimare come^ Xn^ Be^ :

Bob × : (f). p'. (1- p)

"-× ③ Variabili^ aleatorie^ continua^ :^ Distribuzione^ uniforme ;^ Esponenziale^ negativa^ ; Gaussiana o^ Normale^ Stnd Xn (^) Uniforme: (^) Jlx) = {[ a alxlb ÷;÷÷ " "÷^

: P(alxl (^) b) =^ Flbl^ -^ Fla) (^) ; i

  • i i Fatto.at (^) i / i i i / → P (^) (clxld) =

d- c a El b

  • 2 b-a (^) n EH

^ Xn (^) Esp. (^) Negat. : fenomeni di (^) durata di (^) funzionamento, lsoeovaeoi positivi) III;; " attesa np; ¥ 5 :[ ÷ ; e (^) # È jet dei^ μ "

per xao^ ve)=L 12

F.G) = PLX!^ × (^) ) =^ 1-^ e-^ "× per ×^ >^ o^ - × ~ (^) N : (^) trasformazione in una distribuzione normale standardizzata Z ^ #=^ KI^ E^ G)^ =^ O t dei.^ e-^ £ a -^ ocxaoo ""^ e μ Utilizzo (^) tavole distribuzione normale (^) standardizzata

  • O

④ campionamento -^ distribuzione^ campionaria - stimatore

  • stimatore^ media (^) campionaria : I^ = In [xi (^) Prop. 1) E^ G)^ =^ un valore medio di^ ×^ è uguale a

quello da^ stimare

prop.^ 2)^ VA)^ =! In^ ¥^ Vlx) Prop.^ 3)Teorema^ centrale^ Limite^ : per n^ ±^30 var.^ nota^ /^ n^?^50 var.^ non^ nota

XIII (m ; ¥) è possibile standardizzare:

È ' /

  • Stimatore varianza (^) campionaria corretta (^) : s'= #[(E^ -^ xp^ ' Propria)^ Elsa)^ =^ è Propr.^ 2)^ Se^ in campione casuale^ allora^ ÈN^ Xn,
  • (^) Stimatore (^) proporzione campionaria: se xn Be^ E coincide con (^) pop. campionaria : (^) Propr 1) E^ (p)=^ E^ (E) (^) =p P-

f- →^ drstrib.^ camp^.

V (P) = (^) V (^) (e) = PIÙ n Pope. (^) 2) Teorema^ centrale del^ Limite se naso XIII (^) ( p ; (^) PIÙ)

e standardizziamo^ con:

n

  • Stima (^) per intervalli (^) (intervallo di (^) valori + stima errore ] Sia (^) (Xe.. ... Xn ) (^) con ampiezza n^ } (^) campione Xv (^) ) (O) } distribuzione (^) campione

consideriamo 2 stimatori te e T

P (^) (Tel (^) OLTZ ) = 1- a } (^) a. di (^) confidenza con cui stimiamo • ^ 1- (^) a 0 Intervalli^ di^ considera (^) per la^ media di^ una^ pop ne (^) ¢

rapinata :^ Ivar^ (ne :{)^ sternutire la

IC (^) * (^) E. «

  • In] , D= Il.az^

2 ¥oÌ (^) :*: " stima (^) margine errore 12 VAR - NON (^) NOTA : Ivar(n^ ; (^) FI ) (^) unpunt - (^) s×? [(× (^). -^ E^ ,

ec.fi :^ ti:c.fr/ n.es?=ECxi-- n - o Intervalli di (^) confidenza (^) per la (^) popolazione di (^) grandi campioni (naso) xn Be (^) {! p in IC: [III.μ^ . JpI] A-^ ÈI .^ P^ Lane. - 2. NEL II.FÈn (^0) Confronto tra^ media (^) di 2 popolazioni E xnatlm.it!) (^) - yn.it/mxjo! ) (^) se invece stimo^ t ?

variarono

.- μ

Io

:L"%÷÷òÌ!÷) NEI .mil?tI!-TVARIANZENONNOTE-( ho solo varianza^ campionaria)

  • sx = Xxi - (^) Ita E- (^) THE.ae.^ - III. % ÷ VAriANZANONNOTANAuguAU_ STIMA VAR CON (^) media NOTA

÷::

il!÷Èàs÷÷÷ x :P sii :;÷)

  • Verifica di^ ipotesi
  • (^) vai pop.^ generica

(^3) hp IVAR (^) Nota ( Rifiuto No) (^) VAR NON Nota (^) pop.genvajanz.be Pop. gen VAR (^) NON NOTA

  • (^) -.

e) μ; ma.^ "ma iI> tra II. t-e.at >tra i. (^) μ , (^) % > (^) te- a Sion (^) Sion " %::^ :

II. ÷.^ ÷

II. ÷.

;÷ . %:^ " - - Èlite,^ Istituti^

ÈEII

i. (^) MI

al sistema una xn^ IT 3.hp (^) Xnbe Silp una^ Xnt^ con^ naso %;mà÷i. (^) ne > ÉTÉ > (^) %"

I .^ i

nodi (^) prove % :^ :^ " (^) ÷

po

:p:*:[%:

  1. No^ :^ in^ =^ I-^ Po^ dell' innovazione tiene (^) , tua