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
240 g244,4 gT = X₁ + … + X₆?

Le masse di bulloni sono indipendenti e normali con media 40 g e deviazione standard 1,2 g. Trova la probabilità P che la massa totale di 6 di essi superi 244,4 g. Arrotonda z a due decimali.

μ = 40 gσ = 1,2 gn = 6> 244,4 g
P =
2.Distribuzione normaleDifficile
0,02 mm0D − d?

I diametri D dei fori sono normali con media 25,02 mm e deviazione standard 0,01 mm. I diametri d degli alberi sono indipendenti e normali con media 25 mm e deviazione standard 0,02 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 = 0,01 mmalbero: μ = 25 mm, σ = 0,02 mm
P =
3.Intervalli di confidenzaMedia
μ₁ − μ₂0L = ?Ux̄₁ − x̄₂E95%

Si confronta la durata della batteria di due modelli di telefono. Modello 1: 60 telefoni, media 101,5 h, deviazione standard nota 7 h. Modello 2: 100 telefoni, media 91,5 h, deviazione standard nota 16 h. Trova il limite inferiore dell’intervallo di confidenza al 95% per μ₁ − μ₂.

n₁ = 60x̄₁ = 101,5 hσ₁ = 7 hn₂ = 100x̄₂ = 91,5 hσ₂ = 16 h95%
limite inferiore = h
4.Intervalli di confidenzaDifficile
σ = 10, n = ?x̄ − Ex̄ + Ex̄E = 2,590%

La deviazione standard della popolazione è 10. Quanto deve essere grande il campione n perché un intervallo di confidenza al 90 % per la media abbia un margine di errore non superiore a 2,5?

σ = 10E = 2,590%
n =
5.Test d'ipotesi e intervalli di confidenzaMedia
t −2,13102,131

Un campione di 16 studenti ha un punteggio medio di 193,3 e una deviazione standard campionaria di 15. Trova la statistica test t per H₀: μ = 200.

μ₀ = 200x̄ = 193,3s = 15n = 16
t =
6.Test d'ipotesi e intervalli di confidenzaDifficile
μ₀x̄c

Un test z unilaterale di H₀: μ = 500 contro H₁: μ > 500 viene eseguito con α = 0,05 su un campione di 100; la deviazione standard è nota e vale 30. In realtà la media è 508,1. Trova la probabilità di un errore di secondo tipo β in percentuale.

μ₀ = 500μ = 508,1σ = 30n = 100α = 0,05
β = %
7.Regressione lineare e correlazioneMedia
xy264136208261030xy510102030

La tabella riporta 5 osservazioni appaiate di x = carico in kN e y = allungamento in mm. Trova il coefficiente di determinazione r² della retta dei minimi quadrati.

n = 5
r² =
8.Regressione lineare e correlazioneDifficile
xy294156238311041xy51010203040x = 9

La tabella riporta 5 osservazioni appaiate di x = carico in kN e y = allungamento in mm. Usa la retta dei minimi quadrati ŷ = a + b·x. Si effettua una nuova osservazione (9, 33). Trova il suo residuo e = y − ŷ.

n = 5(9, 33)
e =
9.Test chi quadratoMedia
bassomedioaltoTotaleurbano20303080rurale403050120Totale606080200

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 = 2002 × 3
χ² =
10.Test chi quadratoDifficile

Un test chi quadrato di bontà dell’adattamento verifica se le frequenze in 5 categorie seguono una distribuzione di Poisson la cui media è stimata dagli stessi dati. Quanti gradi di libertà df ha il test?

k = 5
df =

3Soluzioni

1.Distribuzione normale

Risposta: P = 0,06681

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 = 240 g, σT = 1,2·√6 = 2,939 g

Standardizza

z = (244,4 − 240)/2,939 = 1,5

Probabilità

P = 1 − Φ(1,5) = 0,06681

Risposta

P = 0,06681
2.Distribuzione normale

Risposta: P = 0,8133

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 = 0,02236 mm

Standardizza

z = (0 − 0,02)/0,02236 = −0,89

Probabilità

P = 1 − Φ(−0,89) = 0,8133

Risposta

P = 0,8133
3.Intervalli di confidenza

Risposta: limite inferiore = 6,398 h

Interval for a difference: estimate ± critical value × standard error. For two independent means with known σ: SE = √(σ₁²/n₁ + σ₂²/n₂) and z. With equal unknown variances: pooled s_p and t with n₁ + n₂ − 2 degrees of freedom. For paired data, work with the differences: d̄ ± t·s_d/√n.

Stima puntuale

x̄₁ − x̄₂ = 101,5 − 91,5 = 10

Errore standard

SE = √(7²/60 + 16²/100) = 1,838

Margine di errore

E = 1,96·1,838 = 3,602

Intervallo

10 ± 3,602 → [6,398, 13,6]

Risposta

limite inferiore = 6,398 h

L’intervallo non contiene 0, quindi le medie differiscono in modo significativo.

4.Intervalli di confidenza

Risposta: n = 44

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.

Ricava n

n = (1,645·10/2,5)² = 43,3

Arrotonda per eccesso

La numerosità campionaria è un numero intero, e arrotondare per difetto renderebbe il margine troppo grande.

n = 44

Risposta

n = 44
5.Test d'ipotesi e intervalli di confidenza

Risposta: t = −1,787

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 = 15/√16 = 15/4 = 3,75

Statistica test

t = (193,3 − 200)/3,75 = −1,787

Risposta

t = −1,787
t0,025; df = 15 = 2,131

|t| < 2.131, quindi H₀ non viene rifiutata al livello del 5% (bilaterale).

6.Test d'ipotesi e intervalli di confidenza

Risposta: β = 14,57 %

Potenza di un test: la potenza = 1 − β è la probabilità di rifiutare H₀ quando è falsa. Trova la soglia x̄c da μ₀ e z_α, poi calcola la probabilità di cadere oltre x̄c usando la media vera: z = (x̄c − μ)/(σ/√n).

Media campionaria critica

SE = 30/√100 = 3
x̄c = 500 + 1,645·3 = 504,9

z sotto la media vera

z = (504,9 − 508,1)/3 = −1,055

Errore di secondo tipo

potenza = P(Z > −1,055) = 85,43%
β = 100% − 85,43% = 14,57%

Risposta

β = 14,57%
7.Regressione lineare e correlazione

Risposta: r² = 0,9896

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 = 30/5 = 6
ȳ = 95/5 = 19

Somme dei quadrati e dei prodotti

Sxx = Σ(x − x̄)² = 40
Sxy = Σ(x − x̄)(y − ȳ) = 122
Syy = Σ(y − ȳ)² = 376

Coefficiente di determinazione

r² = 122²/(40·376) = 0,9896

Risposta

r² = 0,9896

Circa il 98,96% della variabilità di y è spiegato dalla retta.

8.Regressione lineare e correlazione

Risposta: e = −2,8

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 = 30/5 = 6
ȳ = 119/5 = 23,8

Somme dei quadrati e dei prodotti

Sxx = Σ(x − x̄)² = 40
Sxy = Σ(x − x̄)(y − ȳ) = 160

Retta di regressione

b = 160/40 = 4
a = 23,8 − 4·6 = −0,2
ŷ = −0,2 + 4·x

Valore previsto

ŷ = −0,2 + 4·9 = 35,8

Residuo

e = 33 − 35,8 = −2,8

Risposta

e = −2,8

Il punto si trova sotto la retta.

9.Test chi quadrato

Risposta: χ² = 3,819

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

urbano: 80·60/200 = 24, 80·60/200 = 24, 80·80/200 = 32
rurale: 120·60/200 = 36, 120·60/200 = 36, 120·80/200 = 48

Statistica chi quadrato

χ² = (20 − 24)²/24 + (30 − 24)²/24 + (30 − 32)²/32 + (40 − 36)²/36 + (30 − 36)²/36 + (50 − 48)²/48
χ² = 3,819

Risposta

χ² = 3,819

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

10.Test chi quadrato

Risposta: df = 3

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 = 5 − 1 − 1 = 3

Risposta

df = 3

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