ANALISI ESPLORATIVA
DI SERIE DI OSSERVAZIONI
P Claps
Rappresentazione tabellare della serie storica
2
Sequenza ordinata Sequenza
cronologica
Osservazioni di massimo annuo di pioggia in un giorno
Rappresentazione grafica della serie storica (Sequenza cronologica)
0 100 200 300 400 500
1921 1926 1931 1936 1941 1946 1951 1956 1961 1966 1971 1976 1981 1986
h(mm)
anno
massimo annuo di pioggia in un giorno
P Claps 4
Altro esempio: regione Lombardia. Consumi energetici annui
Non stazionarietà (Civile, industria) Bassa variabilità (Agricolt.)
Diagramma a punti
Ampiezza del campione
Distribuzione del campione (Caratteristiche di variabilità)
P Claps 6
n= numero totale di dati campionari k= numero di classi
Numero di dati campionari che ricadono nella classe(0-75) divisi per il numero totale di dati
• Rappresentazione ad istogramma delle frequenze di classe, sia
• Assolute (n°elementi per classe), che
• Relative: (n° elementi per classe divisi per N=numero totale dati) frequenza relativa
Per evitare arbitrarietà nella determinazione del numero di classi, si può utilizzare la relazione suggerita da Sturges che lega il
numero delle classi, k, alla dimensione del campione, N, secondo la relazione :
(logaritmo in base 10)
Distribuzione del campione (Caratteristiche di variabilità)
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0 50 100 150 200 250 300 350 400 450
frequenza cumulata
X(mm)
Curva di Frequenza cumulata
Frequenza cumulata campionaria:
Distribuzione del campione (Caratteristiche di variabilità)
P Claps
Media campionaria Varianza
Coefficiente di
asimmetria (skewness)
Coefficiente di
appiattimento (kurtosi)
8
MOMENTI CAMPIONARI
singolo dato campionario Media campionaria
QUARTILI del Campione
0 0.2 0.4 0.6 0.8 1 1.2
0 50 100 150 200 250 300 350 400 450
X(mm)
frequenza cumulata
0,25
I II III 0,50
0,75
P Claps
Rappresentazione Box-Plot della serie
Limiti del box:
Si definisce range interquartile (IQR) la differenza:
IQR = X( Φ =0.75) - X( Φ =0.25)
10
Inferiore: I quartile del campione x(Φ=0.25)
Superiore: III quartile del campione x(Φ=0.75)
Linea mediana: II quartile del campione x(Φ=0.50)
Limiti dei whiskers:
Inferiore
Valor minimo della serie delle osservazioni (X
1) oppure
I quartile - 1.5 volte IQR ! X( Φ =0.25) - 1.5 IQR
Se negativo può essere posto pari a zero quando le osservazioni sono definite positive
Superiore
Valor massimo della serie delle osservazioni (X
n) oppure
III quartile + 1.5 volte IQR ! X( Φ =0.75) + 1.5 IQR
P Claps
Nella rappresentazione con i whiskers si possono indicare tutte le osservazioni di valore inferiore al whisker minimo e superiore al whisker massimo
12
P Claps 14
Spazio campionario o popolazione.
Esempi:
Esperimento Popolazione Tipo
Numero di giorni piovosi in un anno
{
0,1,2,...365}
Finito, numero Numero di giorni non piovosi consecutivi{
0,1,2...}
Infinito, numero Valori osservati della portata{
x; !x 0}
Infinito, non numero• Evento aleatorio semplice A ,,B C: ciascun elemento della popolazione (punto).
• Evento aleatorio composto A ,,B C: insieme di due o più punti.
• Complemento dell’elemento A: A: insieme dei punti che non appartengono ad A.
• Evento certo !: insieme di tutti i punti della popolazione.
• Evento nullo ! : insieme vuoto.
• Unione di eventi A e B :A!B: insieme dei punti dei due eventi.
• Intersezione di A!C: insieme dei punti comuni ad A e a B
1. 0!P
[ ]
A !12. P
[ ]
! =13. Se B = A1 ! A2 ! A3.... e seA1,A2,A3... sono mutuamente escludentisi:
[ ]
B = P[ ]
A1 + P[ ]
A2 +P[ ]
A3 +....P
Esempi:
[ ]
A P[ ]
AP = 1!
[ ]
# =1"P[ ]
! =0P
PROBABILITA’ DELLE UNIONI DI EVENTI.
Esempio: In un istituto universitario vi sono 10 docenti (3 donne e 7 uomini) e 30 non docenti (10 donne e 20 uomini).
Qual è la probabilità che un membro dell’istituto scelto a caso sia un docente e/o una donna?
[
D F]
P[ ]
D P[ ] [
F P D F]
P " = + ! !
Eventi mutuamente escludentisi: P
[
A!B]
=0[ ] [ ]
[ ]
FP F D F P
D
P !
=
Eventi statisticamente indipendenti: P
[
A!B]
=P[ ] [ ]
A !P BEventi mutuamente escludentisi: P
[ ]
AB =0TEOREMA DELLA PROBABILITA’ TOTALE.
A evento qualsiasi.
!"
#
$
n =
n B B B
si escludenti mutuamente
eventi B
B B
B ! !...!
.... . ,
2 1 3
2 1
(
B1 ! A)
,(
B2 ! A)
,(
B3 ! A)
,....,(
Bn ! A)
Altra serie di eventi mutuamente escludentisi.(
B1 " A)
!(
B2 " A)
!(
B3 " A)
!...."(
Bn ! A)
= A[ ]
A = P[
AB1]
P[ ]
B1 +P P
[
AB2]
P[ ]
B2 +... P[
ABn]
P[ ]
BnIl valore assunto da una variabile aleatoria associata con un esperimento dipende dal risultato dell’esperimento.
Ad ogni punto dello spazio campionario si associa un valore della variabile.
Esempio:
“Testa e Croce”: due monete (argento e oro) lanciate simultaneamente.
Variabile aleatoria (v.a.): X numero di teste ottenute.
Evento Semplice Descrizione
Valore di X Dorata Argentata
A Croce Croce x = 0
B Testa Croce x =1
C Croce Testa x =1
D Testa Testa x = 2
Funzione massa di probabilità (f.m.p.) associa una probabilità ad ogni valore della variabile.
[
X x]
p (x)P = = X
Esempio:
[ ] [ ]
4 0 1
) 0
( =P X = = P A =
pX
[ ] [ ] [ ] [ ]
2 1 1
) 1
( = P X = = P B C = P B +P C =
px !
[ ] [ ]
4 2 1
) 2
( = P X = = P D = pX
• 0! pX(x)!1
•
!
pX(xi)=1•
[ ] !
"
"
=
"
"
b x a
i x
i
x p b
X a
P ( )
!
"x xiEsempio:
[ ] !
"
=
"
=
x x
i X X
i
x p x
X P x
F ( ) ( )
1 ) ( =2 FX
4 ) 3 ( =1 FX
4 ) 1 ( =0
FX FX(!1)=0
Funzione di distribuzione cumulata:
[
X x]
f u duP x
FX
!
X+"
"
#
=
$
= ( )
) (
! ( ) ( )
x dx f
x dF
x
X = solo per variabili assolutamente continue.
! FX(!)=1; FX(!") =0
! FX(x+")! Fx(x) per qualsiasi ! >0; FX(x2)"FX(x1) =P
[
x1 ! X ! x2]
Per ogni tipo di variabile definita nell’intervallo
[ ]
a,b :! 0!FX(x)!1; FX( =a) 0; FX( =b) 1
x
Funzione di densità di probabilità.
x x x x X
x P x
fX x
!
"
#
% $
&
' !
+ (
! ( )
= ! *
2 lim 2
)
( 0
! fX( !x) 0
!
( ) =1+"
"
#
dx x
fX P
[
a X b]
f x dxb
a
!
X=
"
" ( )
[ ]
=!
=xi
i x iP x x X
E ( ) µ
di una variabile aleatoria continua.
[ ]
=!
= µ+"
"
#
dx x xf X
E x( )
di una funzione g(x) di una v.a. continua o discreta:
[ ]
=!
xi
i x
i P x
x g x
g
E ( ) ( ) ( )
[
g x]
g x f x dxE
!
x+"
"
#
= ( ) ( )
) (
r-esimo momento di X :
[ ]
[ ]
X x f x dx E[ ]
XE
x P x X
E
x r r
r
x
i x r i r
r
i
=
=
!!
"
!!#
$
=
=
=
=
%
&
' +
' (
µ µ µ
µ
1
) (
) (
[ ]
1' 2'[ ]
2[ ]
2 2[ ]
2' 2' '
var
; 0 )
( ) (
) (
µ µ
! µ
µ µ
µ µ
"
=
"
=
=
=
=
##
$
##%
"
=
"
=
'
) +
)
"
X E X
E X
dx x f x
X
E r r x
r
xi
MISURA DI LOCAZIONE.
Moda: x~
max
~) (x = fx
50 . 0 ) (x = Fx
Media: µx = E
[ ]
xMedia geometrica: i
k i
g x k
M =
!
[
x]
E Mg log
log =
Scarto quadratico medio: ! = var
[ ]
xCoefficiente di variazione: ! µ
"
= Cv =
MISURA DI ASIMMETRIA.
Coefficiente di asimmetria: 3
' 1 3
!
" = Ca= µ
MISURA DI APPIATTIMENTO O CURTOSI.
Curtosi: 4
' 4
!
= µ k
Coefficiente di eccesso o di Curtosi: 3 4 3
' 4
2 = ! = !
"
# k µ