

Studia grazie alle numerose risorse presenti su Docsity
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
Prepara i tuoi esami
Studia grazie alle numerose risorse presenti su Docsity
Prepara i tuoi esami con i documenti condivisi da studenti come te su Docsity
Trova i documenti specifici per gli esami della tua università
Preparati con lezioni e prove svolte basate sui programmi universitari!
Rispondi a reali domande d’esame e scopri la tua preparazione
Riassumi i tuoi documenti, fagli domande, convertili in quiz e mappe concettuali
Studia con prove svolte, tesine e consigli utili
Togliti ogni dubbio leggendo le risposte alle domande fatte da altri studenti come te
Esplora i documenti più scaricati per gli argomenti di studio più popolari
Ottieni i punti per scaricare
Guadagna punti aiutando altri studenti oppure acquistali con un piano Premium
Statistica (codice 30001) esame Università Bocconi ; il file è valido per qualunque altra università e corso che tratti l’argomento E’ POSSIBILE INSERIRE I DATI DEL DATASET NELLA FORMULA PREIMPOSTATA E RUNNARLA E AVERE LA RISPOSTA VOLUTA È PERCIO’ FORTEMENTE CONSIGLIATO APRIRE IL FILE DIRETTAMENTE SU R E AVERE COSI’ LE FORMULE E GLI APPUNTI A PORTATA DI MANO DURANTE L’ANALISI DI UN DATASET … Il file contiene spiegazioni chiare concise e semplici dell’argomento con le relative formule già costruite per l’analisi spiegando quando e come usarle, gli input che la formula richiede e riportando il risultato voluto
Tipologia: Dispense
1 / 3
Questa pagina non è visibile nell’anteprima
Non perderti parti importanti!


si preferisce la INTERVALLO che ingloba l incertezza della stima dovuta alla variabilità campionaria parametro: Theta ; Stimatore: Theta_hat ; Stima : relaizzazione campionaria dello stimatore in questione Propietà: Non distorsione stima varianza: s_quadro <- n/n-1( media dei quadrati - quadrato media ) cov <- media dei prodotti - prodotto medie media: parametro: mi , stimatore: X_hat stima: x_hat (piccolo) std_error stima ha s al posto di sigma x_hat <- var <- sd <- sqrt(var) sd <- n std_error <- sd/sqrt(n) proporzione: parametro: p , stimatore : P_hat , stima: p_hat (piccolo) std_error stima ha p_hat al posto di p p_hat <- std_error <- sqrt(p_hat(1-p_hat)/n) Diffmean: parametro: mi_x - mi_y ; stimatore: X_hat - Y_hat ; stima: x_hat - y_hat 1] INDIPENDENTI: 0] var note: std_error NON è stima (var note) var_x <- var_y <- n_x <-
n_y <- std_error <- sqrt( (var_x/n_x) + (var_y/n_y) ) 1] NON note supposte UGUALI: var_x <- var_y <- n_x <- n_y <- s_quadro_pooled <- ( (n_x-1)var_x + (ny-1)var_y )/ ( nx+ny-2 ) std_error <- sqrt(s_quadro_pooled((1/nx)+(1/ny))) 2] NON note supposte DIVERSE: s_quadro_x <- s_quadro_y <- n_x <- n_y <- std_error <- sqrt( (s_x/n_x) + (s_y/n_y) ) 1] APPAIATI: 0] var NOTE: sigma_quadro_D <- n <- sigma_quadro_x <- sigma_quadro_y <- cov <- ro <- cov <- rosqrt(sigma_quadro_x)sqrt(sigma_quadro_y) std_error <- sqrt(sigma_quadro_D/n) std_error <- sqrt((sigma_quadro_x+sigma_quadro_y-2cov)/n) 1] NON note: s_quadro_D <- n <- s_quadro_x <- s_quadro_y <- cov <- ro <- cov <- rosqrt(s_quadro_x)sqrt(s_quadro_y) std_error <- sqrt(s_quadro_D/n)