Statistica 2: Inferenza statistica: pacchetto last-minute

Formulari, i passaggi chiave del metodo per ogni argomento e 10 esercizi, con le soluzioni complete in fondo.

Nuovi eserciziTorna al corso

Nella finestra di stampa scegli “Salva come PDF” per conservarne una copia sul tuo dispositivo.

1Formule e metodi

Distribuzione normale

Punteggio z
z = (x − μ)/σ
Sotto x
P(X < x) = Φ(z)
Sopra x
P(X > x) = 1 − Φ(z)
Tra due valori
Φ(z2) − Φ(z1)
Percentile
x = μ + z·σ

Metodo

  1. Converti il valore in un punteggio z: z = (x − μ)/σ.
  2. Cerca Φ(z), l’area a sinistra di z.
  3. Per l’area a destra usa 1 − Φ(z); per un intervallo sottrai le due aree a sinistra.
  4. Per un percentile procedi a ritroso: trova z per l’area, poi x = μ + z·σ.

Intervalli di confidenza

σ nota
x̄ ± z·σ/√n
σ incognita
x̄ ± t·s/√n, df = n − 1
z critico
90%: 1,645, 95%: 1,96, 99%: 2,576
Numerosità campionaria
n = (z·σ/E)², rounded up

Metodo

  1. Scegli tra z (σ della popolazione nota) e t (solo la s del campione, con n − 1 gradi di libertà).
  2. Trova il valore critico per il livello di confidenza.
  3. Margine di errore: E = valore critico × deviazione standard/√n.
  4. Intervallo: x̄ ± E.

Test d'ipotesi e intervalli di confidenza

Test z per una media
z = (x̄ − μ0)/(σ/√n)
Test t per una media
t = (x̄ − μ0)/(s/√n), df = n − 1
Bilaterale al 5%
rifiuta H0 se |z| > 1,96
Intervallo di confidenza
x̄ ± z·σ/√n

Metodo

  1. Formula H₀ e H₁ e stabilisci se il test è unilaterale o bilaterale.
  2. Calcola la statistica test: (x̄ − μ₀)/(σ/√n), oppure con s e t.
  3. Confrontala con il valore critico, oppure trova il p-value.
  4. Rifiuta H₀ se la statistica supera il valore critico (p inferiore ad α) ed esprimi la conclusione a parole.

Regressione lineare e correlazione

Somme dei quadrati
Sxx = Σ(x − x̄)² = Σx² − (Σx)²/n, Sxy = Σxy − ΣxΣy/n
Pendenza
b = Sxy/Sxx
Intercetta
a = ȳ − b·x̄
Correlazione
r = Sxy/√(SxxSyy)
Residuo
e = y − ŷ

Test chi quadrato

Statistica test
χ² = Σ(O − E)²/E
Bontà dell’adattamento
E = n·p, df = k − 1 − (estimated parameters)
Indipendenza
E = row total × column total / grand total, df = (r − 1)(c − 1)
Valori critici (α = 0,05)
df 1: 3,841, 2: 5,991, 3: 7,815, 4: 9,488
Decisione
rifiuta H0 se χ² > χ²crit

2Esercizi

1.Distribuzione normaleMedia
510 kg539,4 kgT = X₁ + … + X₆?

Le masse di passeggeri con bagaglio sono indipendenti e normali con media 85 kg e deviazione standard 12 kg. Trova la probabilità P che la massa totale di 6 di essi superi 539,4 kg. Arrotonda z a due decimali.

μ = 85 kgσ = 12 kgn = 6> 539,4 kg
P =
2.Distribuzione normaleDifficile
0,02 mm0D − d?

I diametri D dei fori sono normali con media 25,02 mm e deviazione standard 0,015 mm. I diametri d degli alberi sono indipendenti e normali con media 25 mm e deviazione standard 0,015 mm. Un albero scelto a caso si accoppia quando D − d > 0. Trova la probabilità P che si accoppi. Arrotonda z a due decimali.

foro: μ = 25,02 mm, σ = 0,015 mmalbero: μ = 25 mm, σ = 0,015 mm
P =
3.Intervalli di confidenzaMedia
n = 16, s = 1,5LU = ?x̄ = 10,5E95%

Un campione di 16 elementi ha media 10,5 e deviazione standard s = 1,5. La popolazione è approssimativamente normale. Trova il limite superiore dell’intervallo di confidenza al 95 % per la media.

n = 16x̄ = 10,5s = 1,595%t(15) = 2,131
limite superiore =
4.Intervalli di confidenzaDifficile
n = 15Lσ = ?s = 11,195%

I diametri di 15 alberi lavorati alla macchina hanno una deviazione standard campionaria di 11,1 µm. Supponendo che i diametri siano distribuiti normalmente, trova il limite superiore σ dell’intervallo di confidenza al 95% per la deviazione standard della popolazione. Con df = 14, il 2,5% della distribuzione χ² si trova sotto 5,629 e il 2,5% sopra 26,119.

n = 15s = 11,1 µmχ² = 5,629, 26,119
σ = µm
5.Test d'ipotesi e intervalli di confidenzaMedia
t −2,0302,03

Un campione di 36 studenti ha un punteggio medio di 102,8 e una deviazione standard campionaria di 8. Trova la statistica test t per H₀: μ = 100.

μ₀ = 100x̄ = 102,8s = 8n = 36
t =
6.Test d'ipotesi e intervalli di confidenzaDifficile
−1,961,96z = ?

In una sperimentazione, 45 pazienti su 100 con il trattamento A guariscono, e 138 su 250 con il trattamento B. Usando la proporzione combinata, trova la statistica test z per H₀: p₁ = p₂.

x₁ = 45n₁ = 100x₂ = 138n₂ = 250
z =
7.Regressione lineare e correlazioneMedia
xy123221320413511612xy2461520

La tabella riporta 6 osservazioni appaiate di x = età dell’auto in anni e y = prezzo in k€. Le loro somme sono date. Trova il coefficiente di correlazione di Pearson r a partire da queste somme.

n = 6Σx = 21Σy = 100Σx² = 91Σy² = 1804Σxy = 304
r =
8.Regressione lineare e correlazioneDifficile
xy144347550758968xy5506070ŷ = 45

La tabella riporta 5 osservazioni appaiate di x = ore di studio e y = voto all’esame. Usa la retta dei minimi quadrati ŷ = a + b·x. Per quale valore x la retta prevede ŷ = 45?

n = 5ŷ = 45
x =
9.Test chi quadratoMedia
nessun difettolievegraveTotaleturno di giorno126444120turno di notte243264120Totale3696108240

La tabella di contingenza riporta le frequenze osservate. Calcola la statistica chi quadrato χ² per il test di indipendenza tra la variabile di riga e quella di colonna. Non usare la correzione di continuità.

N = 2402 × 3
χ² =
10.Test chi quadratoDifficile

Un test chi quadrato di bontà dell’adattamento verifica se le frequenze in 6 categorie seguono una distribuzione di Poisson la cui media è stimata dagli stessi dati. Quanti gradi di libertà df ha il test?

k = 6
df =

3Soluzioni

1.Distribuzione normale

Risposta: P = 0,1587

Somme e differenze di variabili normali: se X e Y sono indipendenti e normali, anche X + Y e X − Y sono normali. Le medie si sommano o si sottraggono: E(X ± Y) = μX ± μY. Le varianze si sommano sempre, anche per una differenza: Var(X ± Y) = σX² + σY², quindi σ = √(σX² + σY²). Le deviazioni standard non si sommano mai direttamente. Il totale di n elementi indipendenti con la stessa distribuzione ha media n·μ e deviazione standard σ·√n. Poi standardizza come al solito: z = (x − media)/σ e leggi Φ(z).

Distribuzione del totale

μT = 510 kg, σT = 12·√6 = 29,39 kg

Standardizza

z = (539,4 − 510)/29,39 = 1

Probabilità

P = 1 − Φ(1) = 0,1587

Risposta

P = 0,1587
2.Distribuzione normale

Risposta: P = 0,8264

Somme e differenze di variabili normali: se X e Y sono indipendenti e normali, anche X + Y e X − Y sono normali. Le medie si sommano o si sottraggono: E(X ± Y) = μX ± μY. Le varianze si sommano sempre, anche per una differenza: Var(X ± Y) = σX² + σY², quindi σ = √(σX² + σY²). Le deviazioni standard non si sommano mai direttamente. Il totale di n elementi indipendenti con la stessa distribuzione ha media n·μ e deviazione standard σ·√n. Poi standardizza come al solito: z = (x − media)/σ e leggi Φ(z).

Distribuzione della differenza

μ = 25,02 − 25 = 0,02 mm, σ = 0,02121 mm

Standardizza

z = (0 − 0,02)/0,02121 = −0,94

Probabilità

P = 1 − Φ(−0,94) = 0,8264

Risposta

P = 0,8264
3.Intervalli di confidenza

Risposta: limite superiore = 11,3

Intervallo di confidenza per una media: x̄ ± margine di errore. Con σ della popolazione nota il margine è z·σ/√n; se hai solo la deviazione standard campionaria s, usa t con n − 1 gradi di libertà: t·s/√n. Valori critici: z = 1,645 (90 %), 1,96 (95 %), 2,576 (99 %). Per ottenere un margine pari a E o inferiore serve n ≥ (z·σ/E)², arrotondato per eccesso.

Valore critico

df = n − 1 = 15, t = 2,131

Margine di errore

E = 2,131·1,5/√16 = 0,7991

Intervallo

10,5 ± 0,7991 → [9,701, 11,3]

Risposta

limite superiore = 11,3
4.Intervalli di confidenza

Risposta: σ = 17,51 µm

Intervallo per una varianza: (n − 1)s²/σ² ha una distribuzione χ² con n − 1 gradi di libertà. L’intervallo al 95% per σ² va da (n − 1)s² diviso il valore χ² superiore (2,5% al di sopra) a (n − 1)s² diviso il valore χ² inferiore (2,5% al di sotto); l’intervallo per σ è la radice quadrata di entrambi i limiti. Non è simmetrico rispetto a s.

Somma dei quadrati

(n − 1)s² = 14·11,1² = 1725

Limiti per σ²

1725/26,119 = 66,04
1725/5,629 = 306,4

Limite per σ

σ = √306,4 = 17,51 µm

Risposta

σ = 17,51 µm

Intervallo al 95% per σ: [8,127, 17,51] µm.

5.Test d'ipotesi e intervalli di confidenza

Risposta: t = 2,1

Test su una media: la statistica test misura a quanti errori standard la media campionaria si trova dal valore dichiarato in H₀: z = (x̄ − μ₀)/(σ/√n) se σ è nota, t = (x̄ − μ₀)/(s/√n) se viene stimata dal campione. Un intervallo di confidenza è x̄ ± (valore critico)·(errore standard).

Errore standard

SE = 8/√36 = 8/6 = 1,333

Statistica test

t = (102,8 − 100)/1,333 = 2,1

Risposta

t = 2,1
t0,025; df = 35 = 2,03

|t| > 2,03, quindi H₀ viene rifiutata al livello del 5% (bilaterale).

6.Test d'ipotesi e intervalli di confidenza

Risposta: z = −1,726

Hypothesis test: the test statistic = (estimate − value under H₀)/(standard error under H₀). The p-value is the probability, assuming H₀ is true, of a statistic at least as extreme as the one observed: the area in one tail for a one-sided H₁, twice the tail area for a two-sided H₁. Reject H₀ when p ≤ α.

Proporzioni campionarie

p̂₁ = 45/100 = 0,45
p̂₂ = 138/250 = 0,552
p̂ = 183/350 = 0,5229

Errore standard sotto H₀

SE = √(0,5229·0,4771·(1/100 + 1/250)) = 0,0591

Statistica test

z = (0,45 − 0,552)/0,0591 = −1,726

Risposta

z = −1,726

|z| < 1.96, quindi H₀ non viene rifiutata al livello del 5% (bilaterale).

7.Regressione lineare e correlazione

Risposta: r = −0,9383

Regressione ai minimi quadrati: con x̄ e ȳ le medie, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² e Sxy = Σ(x − x̄)(y − ȳ), la retta ŷ = a + b·x ha pendenza b = Sxy/Sxx e intercetta a = ȳ − b·x̄, quindi passa sempre per (x̄, ȳ). Il coefficiente di correlazione di Pearson r = Sxy/√(Sxx·Syy) è compreso tra −1 e 1; r² è la frazione della variabilità di y spiegata dalla retta.

Somme centrate

Sxy = 304 − 21·100/6 = −46
Sxx = 91 − 21²/6 = 17,5
Syy = 1804 − 100²/6 = 137,3

Coefficiente di correlazione

r = −46/√(17,5·137,3) = −0,9383

Risposta

r = −0,9383
8.Regressione lineare e correlazione

Risposta: x = 2,153

Regressione ai minimi quadrati: con x̄ e ȳ le medie, Sxx = Σ(x − x̄)², Syy = Σ(y − ȳ)² e Sxy = Σ(x − x̄)(y − ȳ), la retta ŷ = a + b·x ha pendenza b = Sxy/Sxx e intercetta a = ȳ − b·x̄, quindi passa sempre per (x̄, ȳ). Il coefficiente di correlazione di Pearson r = Sxy/√(Sxx·Syy) è compreso tra −1 e 1; r² è la frazione della variabilità di y spiegata dalla retta.

Medie

x̄ = 25/5 = 5
ȳ = 267/5 = 53,4

Somme dei quadrati e dei prodotti

Sxx = Σ(x − x̄)² = 40
Sxy = Σ(x − x̄)(y − ȳ) = 118

Retta di regressione

b = 118/40 = 2,95
a = 53,4 − 2,95·5 = 38,65
ŷ = 38,65 + 2,95·x

Risolvi per x

x = (45 − 38,65)/2,95 = 2,153

Risposta

x = 2,153
9.Test chi quadrato

Risposta: χ² = 18,37

Test chi quadrato: confronta le frequenze osservate O con le frequenze E attese sotto H₀ usando χ² = Σ(O − E)²/E. Bontà dell’adattamento: E = n·p per ogni categoria, gl = k − 1 (meno uno in più per ogni parametro stimato dai dati). Indipendenza in una tabella r × c: E = totale di riga × totale di colonna / totale generale, gl = (r − 1)(c − 1). Rifiuta H₀ quando χ² supera il valore critico per l’α scelto.

Frequenze attese

turno di giorno: 120·36/240 = 18, 120·96/240 = 48, 120·108/240 = 54
turno di notte: 120·36/240 = 18, 120·96/240 = 48, 120·108/240 = 54

Statistica chi quadrato

χ² = (12 − 18)²/18 + (64 − 48)²/48 + (44 − 54)²/54 + (24 − 18)²/18 + (32 − 48)²/48 + (64 − 54)²/54
χ² = 18,37

Risposta

χ² = 18,37

gl = 2. Con α = 0,05 il valore critico è 5,991, quindi H₀ (indipendenza) viene rifiutata.

10.Test chi quadrato

Risposta: df = 4

Test chi quadrato: confronta le frequenze osservate O con le frequenze E attese sotto H₀ usando χ² = Σ(O − E)²/E. Bontà dell’adattamento: E = n·p per ogni categoria, gl = k − 1 (meno uno in più per ogni parametro stimato dai dati). Indipendenza in una tabella r × c: E = totale di riga × totale di colonna / totale generale, gl = (r − 1)(c − 1). Rifiuta H₀ quando χ² supera il valore critico per l’α scelto.

Gradi di libertà

df = 6 − 1 − 1 = 4

Risposta

df = 4

ExamProblems · examproblems.com/courses/statistics-2-inference