La SCALA di Probabilità varia tra 0.00 e 1.00. DISTRIBUZIONE NORMALE.pdf · ctrasformazione delle...
-
Upload
truongliem -
Category
Documents
-
view
214 -
download
0
Transcript of La SCALA di Probabilità varia tra 0.00 e 1.00. DISTRIBUZIONE NORMALE.pdf · ctrasformazione delle...
CHE COS’E’ LA PROBABILITA’La probabilità è la MISURA dell’incertezza di un evento, cioè come noi classifichiamo gli eventi rispetto alla loro incertezza.
• La SCALA di Probabilità varia tra 0.00 e 1.00.
0.00 = Evento Impossibile
1.00 = Evento Certo
.50 = Evento massimamente
incerto
CHE COS’E’ LA PROBABILITA’Gli statistici Misurano la Probabilità di un evento come:
Il rapporto tra i casi (teoricamente) favorevoli all’evento ed i casi (teoricamente) possibili.La frequenza relativa dell’evento in un esperimento (cioè, quante volte si verifica l’evento relativamente ad un certo numero di repliche di un esperimento).Il grado di fiducia che un individuo ha sul verificarsi di un evento (cioè, quanto egli è disposto a scommettere sull’evento).
DISTRIBUZIONE DI PROBABILITA’
I possibili risultati di un esperimento costituiscono uno spazio campionario di neventi A ciascun evento possiamo associare la probabilità del suo verificarsi
DISTRIBUZIONE DI PROBABILITA’definita da tutti i possibili risultati e le corrispondenti probabilità
DISTRIBUZIONE NORMALELa distribuzione NORMALE èrappresentata da una particolare curva continua a forma campanulare(gaussiana)
Y
Xμ
Risposta a 4 Item Vero-Falso: k= “Totale Risposte Corrette” con p=0.5
p
k0 1 2 3 4
0.375
0.25
.0625
n=4 Item
•• •
••
Risposta a 10 Item Vero-Falso: k= “Totale Risposte Corrette” con p=0.5
p
k0 1 2 3 4 5 6 7 8 9 10
0.246
0.205
.0117
0.44
0.010
0.001
n=10 Item
•• •
••
• •• •
• •
DISTRIBUZIONE NORMALE Per qualsiasi valore x che la variabile può
assumere, attraverso la funzione si calcola la ycorrispondente, cioè la probabilità
Y
Xμ
yi
xi
2
21
21 ⎟
⎠⎞
⎜⎝⎛ −
−
= σμ
πσ
ix
i ey
DISTRIBUZIONE NORMALE
Y
Xμ
πσμ 21
=y
μ-σ
CRESCENTE per -∞<x<μ e DECRESCENTEper μ<x<+∞ due punti di flesso a ± σda μ
μ+σ
Punti di flesso
-∞ +∞
Asintotica
Media=Moda=Mediana
DISTRIBUZIONE NORMALELa curva NORMALE è definita dai parametri μ e σ famiglia di distribuzioni normali con medie e deviazioni standard diverse
Y
Xμ1
μ1≠ μ2 ≠ μ3
μ2 μ3
σ1≠ σ 2 ≠ σ 3
DISTRIBUZIONE NORMALE famiglia di distribuzioni normali con
una diversa media e con la stessa deviazione standard
Y
Xμ1
μ1≠ μ2 ≠ μ3
μ2 μ3
σ1=σ 2 =σ 3
DISTRIBUZIONE NORMALEQualsiasi siano i parametri μ e σ, l’area della porzione di curva delimitata dalla media e un ordinata espressa in termini di deviazioni standard è costante
μ+σ= 34.13% della distribuzione μ+2σ= 47.73% della distribuzione μ+3σ= 49.86% della distribuzione
DISTRIBUZIONE NORMALE
Y
Xμμ-σ μ+σ μ+2σ μ+3σμ-3σ μ-2σ
68.26%95.46%99.73%
Porzioni della distribuzione comprese tra ± 1,2,3 deviazioni standard da μ (in %)
STANDARDIZZAZIONE PUNTI ZConsentono riferire una misura ad una scala standard con media uguale a zero e deviazione standard uguale a 1.
La trasformazione dei valori xi in valori zi significa esprimere i valori come distanza dalla media in termini di deviazioni standard (cioè, usare la deviazione standard come unità di misura)
Il segno del punteggio z indica immediatamente la posizione del soggetto sopra (+) o sotto la media (-)
STANDARDIZZAZIONE PUNTI Z
Il punto zi indica la distanza dalla mediadel valore xi dell’i-esimo soggetto, distanza espressa in deviazioni standard.Per calcolare i punti z:
sMx
z ii
−=
STANDARDIZZAZIONE PUNTI Z
Esempio: In un test di percezione visiva la media è
21.25 con una deviazione standard di 6.74. Trasformare in punti z i seguenti punteggi ottenuti da 6 soggetti dislessici.
Sogg. 1 2 3 4 5 6xi 8 14 17 20 25 28
STANDARDIZZAZIONE PUNTI Z
Si standardizzano i punteggi:
97.174.6
25.2181 −=
−=z 10.1
74.625.2114
2 −=−
=z
63.074.6
25.21173 −=
−=z 18.0
74.625.2120
4 −=−
=z
56.074.6
25.21255 =
−=z 00.1
74.625.2128
6 =−
=z
STANDARDIZZAZIONE PUNTI Z
• Il soggetto n°6 con 25 è circa mezza deviazione standard sopra la media e dista da questa circa la metà rispetto al soggetto n°7.• Il soggetto n°1 con 8 è circa due deviazioni standard sotto la media e dista da questa circa il doppio rispetto al soggetto n°2.
xi 8 14 17 20 21.25 25 28zi -1.97 -1.10 -0.63 -0.18 0 0.56 1.00
(MEDIA)
DISTRIBUZIONE NORMALE STANDARDIZZATA
Trasformando i valori di x in punti z si ottiene una distribuzione STANDARDIZZATA con μ=0 e σ=1
( )2
21
21 z
ezfY−
==π
DISTRIBUZIONE NORMALEData una variabile continua possiamo associare ai possibili valori la probabilità del loro verificarsi La probabilità associata ai valori di una variabile continua è sempre definita entro un intervallo i cui estremi delimitano un’area
DISTRIBUZIONE DI PROBABILITA’NORMALE
DISTRIBUZIONE NORMALEL’area si ottiene risolvendo un’integrale
Il valore che si ottiene è sempre compreso tra 0 e 1( probabilità)
Moltiplicando tale valore per 100 si ottiene la percentuale della distribuzione compresa tra x1e x2
∫=<<2
1
)()( 21
x
x
dxxfxxxp
Y X
Y
∫∞−
=<<−∞1
)()( 1
x
dxxfxxp
x1
Area totalesottesaalla curva
Porzione di area sottesa alla curva
∫∞
∞−
==∞<<−∞ 1)()( dxxfxp
X
Y X
Y( )dxxfxxp
x∫∞
=∞<<1
)( 1
∫=<<2
1
)()( 21
x
x
dxxfxxxp
x1 x2
x1
Porzione di area sottesa alla curva
Porzione di area sottesa alla curva
X
DISTRIBUZIONE NORMALEPer la curva normale standardizzata (μ=0; σ=1) sono stati tabulati i valori degli integrali per tutti i valori di z, cioè di tutte le aree comprese tra 0 (media) e un qualsiasi z
DISTRIBUZIONE DI PROBABILITA’NORMALE STANDARDIZZATA
TAVOLA DI Z
Z 0 1 2 3 4 5 6 7 8 90.00.10.20.3..1.0
1.1...3.9∞
Valoredi z con la 1° cifra decimale
2° cifra decimale di z
area tra 0 e zi
0 zi
∫=<<iz
i dzzfzzp0
)()0(
Riporta le aree comprese tra μ=0 e z
Esempio: Se z = 1.03 (0<z<1.03)=.3485
Z 0 1 2 3 4 5 6 7 8 90.00.10.2...1.0
1.1...3.9∞
.3485= area tra 0 e 1.03(circa il 35% della distribuzione)
3485.)()03.10(03.1
0
==<< ∫ dzzfzp
0 1.03 z
Uso della Tavola di z: Per avere la probabilità associata ad un
intervallo i cui estremi sono valori x: trasformazione delle x in punti z attraverso la tavola si risale all’area
delimitata da questi valori. Questa area rappresenta la probabilità ad essi associata
TAVOLA DI Z
Esempio a: Data una distribuzione con μ=100 e σ=10 qual è la probabilità che un valore sia compreso tra la media e 110?
Si trasformano gli estremi dell’intervallo in punti z: μ=100 z = 0
x=110
Si cerca sulla tavola l’area tra 0 e z=1.00
3413.)()10()110100(1
0
==<<=<< ∫ dzzfzpxp
0 1
110
100110=
−=z
.3413
z
Esempio b: Qual è la probabilità che un valore sia compreso tra 90 e la media?
Si trasformano gli estremi dell’intervallo in punti z: μ=100 z = 0;
x=90 Si cerca sulla tavola l’area tra 0 e z=1.00 che data la
simmetria della curva è identica a quella tra -1 e 0
3413.)()01()10090(0
1
==<<−=<< ∫−
dzzfzpxp
-1 0
110
10090−=
−=z
.3413
z
Esempio c: Qual è la probabilità che un valore sia compreso tra 90 e 110?p(90<x<110)= p(90<x<100)+ p(100<x<110)
p(90<x<110)= p(-1<z<1)= .3413+.3413=.6824
3413.)()01()10090(0
1
==<<−=<< ∫−
dzzfzpxp
-1 0 1
110
100901 −=
−=z 1
10100110
2 =−
=z
3413.)()10()110100(1
0
==<<=<< ∫ dzzfzpxp
.6824
z
Esempio d: Qual è la probabilità che un valore sia minore di 110?
p(x<110)= p(-∞<x<100)+ p(100<x<110)
p(x<110) = p(z<1) = .5000 + .3413 = .8413
3413.)()10()110100(1
0
==<<=<< ∫ dzzfzpxp
0 1
110
100110=
−=z
5000.)()0()100(0
==<<−∞=<<−∞ ∫∞−
dzzfzpxp
.8413
z
Esempio e: Qual è la probabilità che un valore sia maggiore di 110?
p(x>110)= p(100<x<∞)- p(100<x<110)
p(x>110) = p(z>1) = .5000 - .3413 = .1587
3413.)()10()110100(1
0
==<<=<< ∫ dzzfzpxp
0 1
110
100110=
−=z
5000.)()0()100(0
==∞<<=∞<< ∫∞
dzzfzpxp
.1587z
Esempio f: Qual è la probabilità che un valore sia compreso tra 108 e 110?
p(108<x<110)= p(100<x<110)- p(100<x<108)
p(108<x<110)= p(0.8<z<1)= .3413 - .2881 = .0532
3413.)()10()110100(1
0
==<<=<< ∫ dzzfzpxp
0 0.8 1
8.010
1001081 =
−=z 1
10100110
2 =−
=z
2881.)()8.00()108100(8.0
0
==<<=<< ∫ dzzfzpxp
.0532
z
DISTRIBUZIONE NORMALESe si conosce la porzione di area (ovvero la probabilità associata) delimitata da due valori (grezzi o standardizzati) di una distribuzione normale con N noto è possibile risalire alle frequenze teoriche comprese in quella porzione di area
f= Area × N
Esempio a: Data una distribuzione normale con N=1000, l’area compresa tra 0 e z = .3413. Quali sono le frequenze teoriche comprese nell’intervallo?
Le frequenze comprese nell’intervallo tra la media e z sono 341
f = .3413 × 1000 = 341