Formule e spiegazione: Appunti di Statistica

Statistica

Misure di posizione

L'oggetto di un operatore di misura è un numero che esprime le misure (9) di una quantità caratteristica che stiamo eseguendo di misura. Non avrebbe senso di considerare e tenere nel risultato.

• Valori nella ricerca scientifica
• Valori misurati
• Probleme inferiore

Procedura empirica: procedura necessaria per cavare il valore più numeroso del valore fino, ottenendo un determinato valore.

• Frequentza assoluta - molg jogge che consegue xyz
• Frequentza relativa - Regenza sulla n. hist

Tot frequentza tecnica = 1

Posizione dominante di frecuencia relativa

Diagramma a settore e istogramma

• (a, b) numero delle frecuenze ai tempi
• Lunghezza di classe in relaçione frequenza relativa

area in classe ampierzz bassa e classe estreza lunga

Tabella T (X soprasegnato)

• +
• sommi prodotti volgo + fui pussili

MODA = Valore che si ripete con maggior frequenza

Distribuzione simmetrica

MODA MEDIA = Mediana dei valori

Mediana =

Mediana di occorrenza è la valore centrale delle osservazioni

Frequenza assoluta cumulata

• 1
• 2
• 3

Media aritmetica

Errore dalle osservazioni

MEDIA GIORNA (in campo delle varia)

INFLUENZA DEGLI SLAMPLES

• Media cambia ▷
• Moda non cambia ▷
• Mediana non cambia
• Cambia
• Non cambia ▷
• Non cambia
• Non cambia
• Non cambia

ERRORI DI MISURA E MISURE DI DISPERSIONE

Scarto assoluto di tutte le misurazioni

Scarto di accuratezza media rispetto alla valore con media media

Uniformità

Pertrasportare ogni minima dispersione di tutte le misure

Partendo da una variabile X che ha distribuzione casuale

Media campionaria

E(X)

DS(X)

V(X)

n: campioni con dimensione n

M = dimensione campionaria

ng: all'aumentare di M, la Gaussiana diventa più alta e più stretta

Distribuzione di tesione

Alcune variabili biologiche non seguono la gaussiana ma hanno distribuzione:

• Asimmetria negativa
• Asimmetria positiva

Calcolando la media campionaria come fatto precedentemente, considerando

Teorema del limite centrale

Varianza campionaria

Le curve sono meno campane con varianza dei campioni

Tende ad avvicinarsi a σ² tanti più si minimizza M campione

y_i = a + bx

y_j = a + x_j + b + f_i

x_j = x

f_i

x_i - y_i = 0

y_i

^{Σ(x - xi)} m

s² = ^Σ(y2) / (n - 1)

Σ_x x̅

e di componente e i _{JS(b) = i . f}

N(n̂a͓o͓n)

e_v. ^{Σ͓(x_i- x͒)2}

limiti di confidenza

(e - 1)..

sud(u/͑) = f..