Appunti Statistica - parte 2

Analisi statistica delle partite di basket

Il testo fornisce informazioni sulla distribuzione binomiale delle vittorie di una squadra di basket. Sono riportati i dati relativi alle vittorie (70) e alle sconfitte (28) della squadra, con una probabilità di successo del 50%. Viene anche menzionata la possibilità di utilizzare la distribuzione normale per approssimare i risultati.

Inoltre, vengono presentati calcoli e risultati relativi alla distribuzione di Poisson e alla distribuzione normale. Sono menzionati anche esempi di applicazione di queste distribuzioni in contesti diversi, come la temperatura misurata con un termometro e il consumo di nicotina nelle sigarette.

Infine, vengono forniti calcoli e risultati relativi alla distribuzione di Gauss e alla distribuzione di Poisson. Viene menzionata la possibilità di utilizzare la distribuzione normale per approssimare i risultati.

02410numerosità 02numerosità20 5 2SIP S XE9 4SI X IN È È PifE 1siat pesi 1 9,4 0,82FC9II II PPGIN2 IftsES Esame 6,80n 74 ÈIP 75a sceltinaso50studenti acaso nigga IETIIIPIE PLEC75 PP 2 1P 0,85081Z 1,0475 0,149171 1 Z1b ila dei 50votiDistribuzione xx studentimediaINN 74 0,9617esimaC 80 100deila 50studentimedia oI NtZOE 5 74A 740,9617 810,84Z 0,840,8 UniformeEs max21g Distribuzioneminunocarboidrati in hannosnack 29gA 0Distribuzione deicarbo 1 Nsnackinbn 291 a 21bXNU XNU21,291aN 25 2,3094AI 0 big2157 29ftb distribuzione carbx inmedia ninfeeInNenie E 0,2309INN 25 0,23094 ifc P fate ÈXE24E 26 Iiineh f2APlanck26 BaseHatezza 0,25rettangoloI IIII24PLEC ZILLIPLEC 9d P 25,1 P PE24,9 Z E25,1 P Z 0,6664Z 0,43Z P 0,43 332800,3336IIIe DistribuzioneExEXNNINEX 25.100Nex 25008nn 23,094100Osx Oth 0,23094NNEX 2500 23,094f EXP 2540 PIZZ P2540 22500 1271,73 1173P 0,04181 0,95818YI Igna 23,0gINFERENZA PARAMETRICAsullevdescriveincertezza somiglianzafamiglia 01FIXdi

parametrichevia I0Ifai flXil0lvnp ISTIMATORI q 110 fu tnXi xil0lalvariareoaEchemassimizzaè MedialaMAXIMUM LIKELIHOOD ESTIMATEMLE 04NINHEIRBLA0,1XIE ElÈelmonafverosomigl.llaixn.n.tn y g gneFÉE I EE EHI ZIYITI stimarneiiiastmaterosomiglianzaPOISSONIN PzipneIIIIelhxn.nlA FI 0sefa1ITL11 0VALUTAZIONE STIMATORI ilavalutare perditabisogna SETHI OoS01 0TARISCHIO ExMSE DXATA FITCHMSEAES EYseMSEACHEELE XIEVARIEKIPoisson ELNXPVarix X sexixMSEta HEBBIAS DIE 31seCHE 3MSET0bolo TIXEImatordio MiSTIMATORIPROPRIETÀ iEla 0XNFIXIOSe e A x1ft90 1,6451 èEhi EhiTAI 1seocorretto 951 1,96Ehi0 0EXXIE 987 2,33 A2 IL EEtal mediose stimatore corretto quadratico 2,57599Var TUITODISTORTISTIMATORI EVar ba trlt.at TÈPIZDICONFIDENZAINTERVALLI notoenoto non oXNNINOdatoN ÈÈ 1196110,95EX 1,96NIN P II XtgPI 1n ntgaggaggguagnagna ainII PI 1,96 1nfcncxttgin.sntgin1,96gXaagygaaygyyI tgnne nfitttg.n.AENUMEROSITÀDETERMINARE ee VS CLGI ftpAshtonminimax curvadei

CIfermiteBMPredizioneINTERVALLI cenadi EBMvalore Xdisul ndopoosservatoprossimo tenneprevisione ZieNIN04INNIN IIIEXAN EBMXNNINO rnco.nleIXan Ntnuse t studentcon 1nntabella dilibertà e IgradifusonLYIIE Snft SnftIna_pftg.n Tuttea tg.mnctg.mn nBAYESIANAINFERENZA 210Znpincertezzaripetuto v.azovvero zaiacampionamento ITPIZ101 AE2diosservazioneprocesso Pio DeoPlotsuil'incertezzaBayes fparametriaggiunge distribclasse suoe aprioriPoiZIE PIZIOPIO PizSopizialploideFATTORIZZAZIONEdiTEOREMA0l PCZIOPIZa.tn ÈOlde ZIOtizi è tizistatisticapiziolegltizinse sufficienteBINOMIALE ZiEz 0,1tetizi 0 10Plait 0 IIII tEftp.on èfix 01Xi tratteda x si_Xn osservazioni distribuiscepopolazione altrimentiostima 0max diverosimiglianza III cenaèèfixilol a nCIO sx i 1xn n min Ximax quando axfaX fata atnn avrimentiastima exmaxverosimiglianzaMaiMaCla a XiXa1 _xn Emin I coghtiniogimimeningimassimizzachevalore Ennio 0realebilancia 0,1misurato dapeso 3,153 3nun3,163

3,1503,142osservazioni dellaconfidenza mediadiintervalloa 95I al asI neo03,152spunti a.ge0,1minim Za 1,96pausaeuganea gII al 99A Za1 2,570,995CII 01929TI 3,2656311512,57 3,03Zags 0g jàb di 95 della varEintervallo Predizione nonsapendoproxosservazione IIt FEIn Sn 95Elfisn A 10,00920326 0,025Estàn tuo 2dilibertàconnongradi2,77 3,26563,033115 g YnNina04Xnnina04Xy caratteristiche3 wnncnntna.azwnosservazioni 02stima di notanennmax verosimiglianza narnalYiEhi Win mwawaynyollnn.naixn.n.tn nataE nal't Wi na naYiXiwx ycogleinnina E Wi nanit naXiXY.WS OAIKEN In EyEwEX2 3Nvi WiE E224 Xinn.nlE nnltlwiyi oayfgnrix.Y.ws snNumerosità cononotacampionaria SnumerositàSmetta2 fa 9hnn222ZEEMEZZIIn Ine GenEldaElda 0 Varia2706variati 2diede ostimatori con2 del parametroQualepreferisco attesorischioVarldilt'Elail 6AdeMSE 6MSE 2AZ 2 Zo 21Zupoisson ZnFattorizzazione statistica perosufficienteteoremaQNGammaldn.hr qistribizioneèflottanti

tfoAlltramiletfattorizz 0Suffstat catalogoOLIIPIZ ZIO antezilogoè è sufficienteèo azizb èXO PoissonGamma allaDistribuzione a priori coniugataè 014,720 NgapleinES test tesa0Distribuito 6,5normale meno90a intervalloconfidenzaII A Za 1,6450,95Zag CII Ogg ÉvaGE 83,0692582 80,930751,645 intervanoconfidenzab EBM FI1,645EBM 1,06925ZAG 15Es 0risultatitest Tesa alE 95di 5,367erroremargine 957 2a 1,96nquantistudentic'erano 1,962E 30n ZefZE 5,3672andareall'unichestudentiproporzioneEs voglionoE957 5A fi 0,25pin ilèse Max0,5p che1,96 scelgoE 0,05z oPZap 1 1,962 015 3850,5ne Coos diLINEARE dispersioneMODELLO graficoREGRESSIONE trainmediastudia fenomenidipendenza talefcercando una cheer mediaprima dipendenza G a PXX V indipendentev4 dipendente byteG At REGRESSIONECampioneMODELLOXTBXTE REGRESSIONEy UNIVERSOMODELLOSTIMATORI XIII N n nB IEy51Ehi A51 viB aNEExit XECAE EBB O'ExiVar B VarAEffner Ex NTn BB NNCONMASUMOF SQUARESÈ