MODELLI MULTISTATO. Introduzione ai modelli multistato. Esempio di modello multistato per descrivere la progressione di una malattia
|
|
- Emanuele Nobile
- 5 anni fa
- Visualizzazioni
Transcript
1 MODELLI MULTISTATO Introuzone a moell multstato Esempo moello multstato per escrvere la progressone una malatta I moell multstato Un moello multstato per l asscurazone malatta
2 Introuzone a moell multstato INTRODUZIONE AI MODELLI MULTISTATO Il moello per la urata aleatora fno al verfcars un etermnato evento può essere vsto come un partcolare moello multstato con ue stat soltanto: 2 l nvuo è n vta l nvuo è eceuto In tale moello è possble soltanto l passaggo allo stato allo stato 2 2 Un moello con ue cause uscta può nvece essere escrtto meante un moello multstato con tre stat: 2 l nvuo è uscto per altra causa 2
3 Introuzone a moell multstato In tal moell le probabltà passaggo tra gl stat possono essere escrtte meante le ntenstà ( mortaltà e uscta per altra causa). In stuazon pù general s parla ntenstà passaggo a uno stato all altro. Un altro esempo moello a tre stat è l asscurazone nvaltà permanente. 2 l nvuo è attvo 2 l nvuo è nvalo l nvuo è eceuto La probabltà passaggo allo stato allo stato 2 pene all ntenstà nvaltà; la probabltà passaggo allo stato 2 allo stato pene all ntenstà mortaltà per gl nval e la probabltà passaggo allo stato allo stato pene all ntenstà mortaltà per gl attv.
4 Esempo moello multstato per escrvere la progressone una malatta ESEMPIO DI MODELLO MULTISTATO PER DESCRIVERE LA PROGRESSIONE DI UNA MALATTIA Il moello Paner per escrvere la progressone ell AIDS è un moello a 6 stat a b l nvuo è non nfetto l nvuo è seropostvo ma non è ammalato I successv tre stat escrvono progressv sta ella malatta: 2a 2b L ultmo stato rguara l ecesso: 4 l nvuo è eceuto a b 2a 2b 4 Poché sono possbl solo passagg a uno stato a quello successvo, le urate permanenza ne sngol stat sono escrtte a moell a una sola causa uscta e le ntenstà uscta sono ette ntenstà progressone 4
5 Esempo moello multstato per escrvere la progressone una malatta Sa T urata aleatora permanenza nello stato, = a,b, 2a, 2b, Ipotes: T, = a,b, 2a, 2b, stocastcamente npenent ntenstà progressone costant: µ, = a,b, 2a, 2b, In tal potes, la urata permanenza n uno stato non pene alla urata permanenza negl altr stat. Sa P µ t µ t ( T > t) = e f T ( t) = e µ p, + ( t) probabltà che un nvuo presente nello stato, sa nello stato + opo t ann p, + ( t) = t e 0 µ r µ e µ + ( t r) r 5
6 Esempo moello multstato per escrvere la progressone una malatta Per la stma el moello, se s spone elle nformazon sulle urate esatte n cu s sono avut passagg tra var stat, le stme massma verosmglanza elle ntenstà progressone sono ate a rapport tra le numerostà e passagg, a uno stato all altro, e le esposzon total esatte. Spesso però nformazon questo tpo non sono sponbl; per esempo, nello stuo Paner at sponbl erano: - urata tempo n cu l nvuo è stato osservato, raggruppate n 4 grupp urate ( =, 2,, 4): -6 mes; 6-2 mes; 2-24 mes; 24-6 mes - stato n cu l nvuo s trovava all nzo ell osservazone - nformazone se urante l osservazone l nvuo è rmasto nello stesso stato oppure se ne è uscto I parametr le verosmglanze µ, = a,b, 2a, 2b,, possono essere stmat separatamente massmzzano ( ) L µ = a,b, 2a, 2b, 6
7 Esempo moello multstato per escrvere la progressone una malatta Con rfermento allo stato, = a,b, 2a, 2b,, sano n l numero nvu osservat appartenent all -esmo gruppo urate, =, 2,, 4 l numero nvu relatv all -esmo gruppo urate, =, 2,, 4, usct allo stato urante l osservazone r la urata mea osservazone per gl nvu relatv all -esmo gruppo urate, =, 2,, 4, e non usct allo stato urante l osservazone (per semplctà s assume r = 4, 5mes, r 2 = 9 mes, r = 8 mes, r 4 = 0 mes) p la probabltà che un nvuo appartenente all -esmo gruppo urate, =, 2,, 4, rmanga nello stato urante l osservazone 7
8 8 Esempo moello multstato per escrvere la progressone una malatta La verosmglanza n funzone el parametro µ è allora ( ) = = 4 ) ( n p p L µ esseno r p e µ = Dalla logverosmglanza ( ) + = = 4 ) )log( ( ) log( p n p l µ s ottene l equazone verosmglanza che s può rsolvere per va numerca. = = 4 0 p n p p µ
9 I moell multstato I MODELLI MULTISTATO Sa {, 2, K,N} S = l nseme egl stat F l nseme elle transzon {(, ) ;, } F S Se lo stato nca lo stato nzale all stante 0, s potzza che tutt gl stat raggungbl allo stato meante transzon rette o nrette. S efnsce moello multstato la coppa ( S, F ) S sano Con rfermento a un rscho (per esempo un nvuo) sa S (t) lo stato occupato al rscho al tempo t 0 S potzza S ( 0) = { ( t); t 0} S è un processo stocastco a parametro contnuo con valor n S s nca con (z) s lo stato occupato al processo nell stante z > 0 n una realzzazone { s (t)} el processo stocastco { S( t); t 0} 9
10 I moell multstato S rà che l processo { ( t); t 0} S è una catena markovana a parametro contnuo se per ogn 0 τ < u e per ogn,, s (z) con 0 z < τ,,, s( z) S tal che s ha (( S( z) = s( z)) ( S( ) = ) ( S( = ) ) > 0 P τ ( S( = ( S( z) = s( z)) ( S( τ ) = ) ) = P( S( = S( τ ) ) P = Le probabltà conzonate ( S( = S( t ) P ( t, = P ) = 0 t u sono ette probabltà transzone; esseno P ( t, t) = 0 per e P ( t, t) = per = Le probabltà transzone sosfano le seguent propretà: 0 P ( t, per ogn, ; 0 t u S P ( t, = per ogn ; 0 t u 0
11 I moell multstato S efnscono noltre le probabltà permanenza ( S( z) = per ogn z [ t, u] S( t ) P ( t, = P ) = Le probabltà transzone sosfano le equazon Chapman-Kolmogorov P ( t, = P ( t, w) P ( w, t w u k S k S efnscono le ntenstà transzone µ ( t) = lm S prova che u t P ( t, u t k t P ( z, t) = ep µ ( u z S prova noltre che sotto conzon general per le ntenstà transzone s possono etermnare, a partre a esse, le probabltà transzone. Transton ntensty approach: assegnate le ntenstà transzone, a queste s etermnano le probabltà transzone.
12 Un moello multstato per l asscurazone malatta UN MODELLO MULTISTATO PER L ASSICURAZIONE MALATTIA Un esempo mportante è l moello per l asscurazone malatta (Permanent Health Insurance PHI) 2 l nvuo è attvo 2 l nvuo è nvalo l nvuo è eceuto Supponamo che le ntenstà transzone sano costant, npenent all età raggunta: 2 ( t ) µ 2 µ ( t ) = µ µ 2 ( t ) = µ 2 µ 2 ( t ) = µ 2 µ = a esse s possono ottenere le probabltà permanenza nello stato attvo o nvalo e le probabltà ecesso, rspettvamente allo stato attvo e allo stato nvalo. Il moello può essere utlzzato per stmare le ntenstà transzone penent soltanto all età e costante a tratt su ogn ntervallo età (, + ) 2
13 Un moello multstato per l asscurazone malatta Sano a µ a µ a µ µ le ntenstà transzone relatve alla classe età (, + ) a Supponamo che s sponga osservazon su nvu nella classe età e che per ogn nvuo sano rlevat le urate tempo tra ue transzon successve numer transzon cascun tpo
14 Un moello multstato per l asscurazone malatta S prova che la verosmglanza elle osservazon è L ove a a a ( ) [ a a ( ) ] [ a ( ) ] a u a s a r µ, µ, µ, µ = ep µ + µ c ep µ + µ w ( µ ) ( µ ) ( µ ) ( µ ) c w u s r è l tempo totale osservato nello stato attvo è l tempo totale osservato nello stato nvalo è l numero totale transzon allo stato attvo allo stato eceuto è l numero totale transzon allo stato nvalo allo stato eceuto è l numero totale transzon allo stato attvo allo stato nvalo è l numero totale transzon allo stato nvalo allo stato attvo S ottengono le seguent stme massma verosmglanza: a u µˆ = µˆ = c w µˆ a s = c µˆ a r = w Anche per tale moello s pone l problema ella perequazone elle stme ottenute. In letteratura sono stat propost a tale scopo moell GLM. 4
15 Rferment bblografc RIFERIMENTI BIBLIOGRAFICI S. Haberman, E. Ptacco, Actuaral moels for sablty nsurance, Chapman & Hall, 999 (Par..,.,.4, 4., 4.2) D. Lonon, Survval moels an ther estmaton, Acte publcatons, 997 (Par. 0., 0.2) 5
PEREQUAZIONE MEDIANTE MODELLI LINEARI GENERALIZZATI
Perequazone eante oell lnear generalzzat Sano PEREQUAZIONE MEDIANTE MODELLI LINEARI GENERALIZZATI qˆ oppure ˆ = a, a +, K, ω le ste nzal una tavola sopravvvenza ottenute n un approcco tpo non paraetrco
DettagliIL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni
IL MODELLO DI MACK Materale ddattco a cura d Domenco Gorgo Attuaro Dann d Gruppo Socetà Cattolca d Asscurazon CHAIN-LADDE CLASSICO Metodo pù utlzzato per la stma della rserva snstr. Semplctà. Dstrbuton-ree
DettagliQualità dell adattamento di una funzione y=f(x) ad un insieme di misure (y in funzione di x)
Qualtà ell aattamento una funzone y=f() a un nseme msure (y n funzone ) Date N msure coppe valor elle granezze e y, legate alla relazone y=f(;a,b), nell potes che le ncertezze sulle sano trascurabl e y
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto
DettagliCORSO DI STUDI E VALUTAZIONI AMBIENTALI A.A
CORSO DI STUDI E VALUTAZIONI AMBIENTALI A.A. 2012-2013 1 INDICE 1 STIMA DELLA DOMANDA DI TRASPORTO 3 1.1 Moello generazone 3 1.2 Moello strbuzone 4 1.3 Moello scelta moale 5 1.4 Stma elle sottomatrc scambo
DettagliESERCITAZIONE N 8 VALUTAZIONE DEL LIVELLO DI SERVIZIO DI UNA INTERSEZIONE A T SEMAFORIZZATA
ESERITAZIONE N 8 VALUTAZIONE DEL LIVELLO DI SERVIZIO DI UNA INTERSEZIONE A T SEMAFORIZZATA 1. Introuzone Nel presente elaborato c s pone l obettvo etermnare l lvello servzo una ntersezone a tre bracc semaforzzata.
DettagliI MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE
Facoltà d Economa Valutazone de prodott e dell mpresa d asscurazone I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Clauda Colucc Letza Monno Gordano Caporal Martna Ragg I Modell Multstato sono un
DettagliTutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017
Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può
DettagliSchema generale su fenomeni, eventi, misure analitiche e sintetiche
chema generale su fenomen, event, msure analtche e sntetche Tologa event: - NON rnnovabl negatv (morte, mgrazon) - NON rnnovabl (rmo matrmono, nascte er orne, ecc.) - Rnnovabl (matrmono, nascta fgl, ecc.)
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
DettagliL ADOZIONE DI NUOVE TECNOLOGIE (1)
(1) Approcco statco: TIZIO Nuova tecnologa Veccha tecnologa CAIO Nuova tecnologa Veccha tecnologa α; α ; γ Nash E. γ; β; β Nash E. Ipotes base: Presenza esternaltà rete α > β > γ Excess nerta: s verfca
DettagliLaboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto
DettagliIntorduzione alla teoria delle Catene di Markov
Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }
DettagliCPM: Calcolo del Cammino Critico
Supponamo d conoscere per ogn attvtà A = (,j) la sua durata t j t j j Calcolamo l tempo al pù presto n cu può nzare o fnre una attvtà. Supponamo d dover calcolare l tempo al pù presto n cu s possono nzare
DettagliUniversità di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1
Unverstà d Cassno Corso d Statstca Eserctazone del 7/0/006 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 0 soggett. Soggetto Sesso Età Reddto
Dettagli= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)
ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa
Dettagli2. La base monetaria e i mercati dei depositi e del credito
2. La base monetara e mercat e epost e el creto Esercz svolt Eserczo 2.1 (a) Conserate l moello che rappresenta l equlbro el mercato ella base monetara e el mercato e epost (fate l potes che coe cent c;
DettagliEsercizi di econometria: serie 1
Esercz d econometra: sere Eserczo E data la popolazone dell Abruzzo classcata n se categore d reddto ed n tre class d età come segue: Reddto: () L... 4.. () L. 4.. 8.. () L. 8.... (4) L..... () L.....
DettagliLa soluzione delle equazioni differenziali con il metodo di Galerkin
Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo
DettagliDipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009
Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 25 17 marzo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? Convesstà Sa I un ntervallo
DettagliREGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari
REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat
Dettagli03/03/2012. Campus di Arcavacata Università della Calabria
Campus d Arcavacata Unverstà della Calabra Corso d statstca RENDE a.a 0-00 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 Concentrazone Un altro aspetto d un nseme d dat che s aggunge alla meda e alla varabltà è costtuto
DettagliLa sincronizzazione. (Libro) Trasmissione dell Informazione
La sncronzzazone (Lbro) Problem d sncronzzazone La trasmssone e la dverstà tra gl OL del trasmetttore e del rcevtore ntroducono (anche n assenza d fadng) un errore d d frequenza, d fase e d camponamento
DettagliIntegrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1
Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado
DettagliANALISI STATISTICA DELLE INCERTEZZE CASUALI
AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte
Dettagli3) Entropie condizionate, entropie congiunte ed informazione mutua
Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata
DettagliC.I. di Metodologia clinica
C.I. d Metodologa clnca I metod per la sntes e la comuncazone delle nformazon sulla salute Come possamo trarre concluson attendbl su parametr a partre dalle stme camponare? I metod per la produzone delle
DettagliLE FREQUENZE CUMULATE
LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune
DettagliUna semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare.
Una semplce applcazone del metodo delle caratterstche: la propagazone d un onda d marea all nterno d un canale a sezone rettangolare. In generale la propagazone d un onda monodmensonale n una corrente
DettagliStatistica Descrittiva
Statstca Descrttva Corso d Davd Vettur Dat osservat Sano note le seguent msure dello spessore d una lastra d materale polmerco espresse n mllmetr 3.71 3.83 3.85 3.96 3.84 3.8 3.94 3.55 3.76 3.63 3.88 3.86
Dettagliuna variabile casuale è continuase può assumere un qualunque valore in un intervallo
Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere
DettagliMisure indipendenti della stessa grandezza, ciascuna con una diversa precisione.
Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.
Dettagli1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x
TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1
DettagliPotenzialità degli impianti
Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Potenzaltà degl mpant Impant ndustral Potenzaltà degl mpant 1 Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Defnzone della potenzaltà
DettagliPropagazione degli errori
Propagaone degl error Voglamo rcavare le ncertee nelle msure ndrette. Abbamo gà vsto leone un prma stma degl error sulle grandee dervate valda n generale. Consderamo ora l caso specco d grandee aette da
DettagliModelli con varabili binarie (o qualitative)
Modell con varabl bnare (o qualtatve E( Y X α + βx + ε quando Y è una varable benoullana Y 1 0 s ha l modello lneare d probabltà Pr( Y 1 X α + βx + ε dove valor stmat della Y assumono l sgnfcato d probabltà.
DettagliB - ESERCIZI: IP e TCP:
Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s
DettagliPer calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:
ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente
Dettaglicommutazione induttiva (carico induttivo); commutazione capacitiva (carico capacitivo).
I crcut per la rduzone delle perdte devono essere dmensonat consderando le dverse condzon operatve che possono presentars durante l apertura e la chusura del Transstor. Per caratterzzare queste condzon,
DettagliEsame del corso di Tecniche Avanzate per il Trattamento delle Immagini
Esame del corso d Tecnche Avanzate per l Trattamento delle Immagn Data: 18 Settembre 2007 1 Es.1 [pt. 5]: Nella fgura (10x10 pxel) rportata a fanco l rettangolo banco è d dmenson 6x4 pxel. Indcando con
DettagliStima dei Parametri: Metodo di Massima Verosimiglianza
Captolo 8 Stma de Parametr: Metodo d Massma Verosmglanza Lo scopo dello studo spermentale de fenomen fsc è quello d scoprre qual sono le legg che legano le grandezze fsche e d ottenere l valore delle costant
DettagliLezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo
UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
DettagliSistemi Intelligenti Stimatori e sistemi lineari - III
Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\
DettagliSERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete
SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le
DettagliSommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?
Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà
Dettaglix 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n
Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
DettagliStatistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 2
Espermento aleatoro : espermento l cu esto, non noto a pror, appartene ad un determnato nseme d est plausbl. Spazo degl est W : nseme d tutt possbl est d un espermento aleatoro. Spazo degl event : ogn
DettagliAnalisi Class Successioni Lezione 6 2 ottobre 2014
CLASS Bologna Anals Matematca @ Class Successon Lezone 6 2 ottobre 2014 professor Danele Rtell danele.rtell@unbo.t 1/17? Successon Una successone d numer real è una funzone a valor real l cu domno è l
DettagliCarla Seatzu, 18 Marzo 2008
8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte
DettagliStrada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum
Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest
DettagliUNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE E IL TERRITORIO METODI DI LOCALIZZAZIONE DEL RISALTO IDRAULICO RELATORE Ch.mo Prof. Ing.
DettagliAPPENDICE B. La dinamica delle distribuzioni dimensionali delle maggiori imprese mondiali
APPENDICE B La dnamca delle dstrbuzon dmensonal delle maggor mprese mondal Consderamo le dstrbuzon delle maggor mprese ndustral mondal (fonte Fortune 5, var ann) dal 1959 al 199, n termn d fatturato a
DettagliIng. Enrico Grisan. Modelli di popolazione in farmacocinetica
Ing. Enrco Grsan Modell d popolazone n farmacocnetca Sommaro Modell a sngolo soggetto Modell d popolazone Naïve poolng Stme basate sul sngolo soggetto Modell a effett mst Lnearzzazone del modello 2 Ing.
DettagliIl logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.
Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo
DettagliNorma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura
orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato
DettagliCorso di Tecniche elettromagnetiche per la localizzazione e il controllo ambientale. Test scritto del 08 / 09 / 2005
Corso d Tecnche elettromagnetche per la localzzazone e l controllo ambentale Test scrtto del 8 / 9 / 5 S rsponda alle seguent domande marcando con un segno le rsposte che s reputano corrette. S rsolva
DettagliESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:
ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone
DettagliSTATISTICA DESCRITTIVA CON EXCEL
STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/ Esercizi: lezione 17/10/2018
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/2019 1. Esercz: lezone 17/10/2018 Rendmento d un B.O.T. Eserczo 1. Un captale C vene chesto n prestto alla banca
Dettagli3. Esercitazioni di Teoria delle code
3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come
DettagliAmplificatori operazionali
mplfcator operazonal Parte www.e.ng.unbo.t/pers/mastr/attca.htm (ersone el 9-5-0) mplfcatore operazonale L amplfcatore operazonale è un sposto, normalmente realzzato come crcuto ntegrato, otato tre termnal
DettagliUniversità di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano
Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre
DettagliIl procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.
SCELTA OTTIMALE DEL PROCEDIMENTO PER PESARE Il procedmento può essere pensato come una rcerca n un nseme ordnato, l peso ncognto può essere cercato con l metodo della rcerca bnara. PESI CAMPIONE IN BASE
DettagliStima dei Parametri Metodo di Massima Verosimiglianza
Captolo 8 Stma de Parametr Metodo d Massma Verosmglanza Lo scopo dello studo de fenomen fsc è quello d scoprre le legg che legano le grandezze studate e d msurare l valore delle costant che compaono della
DettagliLaboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca
DettagliPremessa essa sulle soluzioni
Appunt d Chmca La composzone delle soluzon Premessa sulle soluzon...1 Concentrazone...2 Frazone molare...2 Molartà...3 Normaltà...4 Molaltà...4 Percentuale n peso...4 Percentuale n volume...5 Massa per
Dettagli{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo
Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d
DettagliOltre la regressione lineare
Oltre la regressone lneare Modello d regressone lneare (semplce o multpla: - varabl esplcatve X quanttatve e qualtatve (nserte tramte uso d varabl dummy - varable dpendente Y è quanttatva Y = b + b X +
DettagliANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI
ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI Rappresentazone tabellare della sere storca Sequenza cronologca Sequenza ordnata Osservazon d massmo annuo d pogga n un gorno 2 Rappresentazone grafca della
DettagliConcetti principale della lezione precedente
Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl
Dettagliθ il numero di individui che decedono nella classe di età ] x, x +1]
spszne attuarale e freuenze d decess Per stmare vver SPOSIZION ATTUARIAL FRQUNZ DI DSSO m, per a, a + 1, K, ω,sn state ntrdtte, n ambt attuarale, le stme ttenute rapprtand l numer d decess sservat ad una
DettagliMcGraw-Hill. Tutti i diritti riservati. Caso 11
Caso Copyrght 2005 The Companes srl Stma d un area fabbrcable n zona ndustrale nella cttà d Ferrara. La stma è effettuata con crter della comparazone e quello del valore d trasformazone. Indce Confermento
DettagliMisure dirette utilizzate per il calcolo della misura indiretta X:
Propagazone degl error Msure drette utlzzate per l calcolo della msura ndretta X: ( ) a a a = ± Δ b = ( b ± Δ b) Il calcolo dell errore assoluto X ( espresso nella stessa untà d msura della grandezza X
DettagliINDAGINE ESAUSTIVA O CAMPIONARIA?
INDAGINE ESAUSTIVA O CAMPIONARIA? S rcorre certamente all ndagne per campone quando la rlevazone completa è mpossble e quando la determnazone delle modaltà possedute dalle untà n esame ne comporta la dstruzone
DettagliLEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N
LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate
DettagliLezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse
Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso
DettagliEsercitazioni del corso: STATISTICA
A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA
DettagliSOLUZIONI. p T. p T. nella quale la temperatura va espressa in Kelvin e non in gradi Celsius, per cui occorre convertire:
SOLUZIONI POBLEA N. I at el problema sono seguent: 0 C (temperatura nzale ell ara) 50 C (temperatura nale ell ara) p. bar p.? Il processo è approssmable con una trasormazone a volume costante, e l ara
DettagliCarla Seatzu, 18 Marzo Una coda è costituita da 3 componenti fondamentali: i serventi i clienti
7. Teora delle Code Una coda è costtuta da 3 coponent fondaental: servent clent Carla Seatzu, 8 Marzo 8 uno spazo n cu clent attendono d essere servt (coda d attesa). clent n arrvo coda d attesa serv.
DettagliRiassunto. l A. 1 Ampere (A) = 1 C/s. P = L / t = i V = V 2 /R= R i 2. Q t dq dt. Q t. lim
assunto Q t lm t0 Q t dq dt Ampere (A) = C/s V l A l A P = L / t = V = V 2 /= 2 La potenza elettrca Mentre passa la corrente, l energa potenzale elettrca s trasforma n energa nterna, dsspata sotto forma
DettagliTest delle ipotesi Parte 2
Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca
DettagliIntroduzione al Machine Learning
Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone
Dettagli3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)
lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu
DettagliUNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA
UNIVERSITA DEGI STUDI DI CASSINO FACOTA DI INGEGNERIA ANTONIO RUSSO, ANGEO EOPARDI ANAISI DE ERRORE CONNESSO A APPROSSIMAZIONE DEE UNGHEZZE E DEE CEERITA NE METODO DI INTEGRAZIONE DEE CARATTERISTICHE (MOC)
DettagliEsercitazione sulle Basi di di Definizione
Eserctazone sulle as d d Defnzone ESERIZIO Un bpolo ressto (dodo) ha la seguente equazone: = k [ 0 + 00] con k 0 nella quale ed sono descrtt dalla conenzone degl utlzzator come n fgura. Stablre se l bpolo
DettagliVALUTAZIONE DEL LIVELLO DI SERVIZIO DI UNA INTERSEZIONE A QUATTRO BRACCI SEMAFORIZZATA CON PRECEDENTE FASATURA DEL CICLO SEMAFORICO
ESERITAZIONE N 10 VALUTAZIONE DEL LIVELLO DI SERVIZIO DI UNA INTERSEZIONE A QUATTRO BRAI SEMAFORIZZATA ON PREEDENTE FASATURA DEL ILO SEMAFORIO. ALOLO DELLA VARIAZIONE DEL LIVELLO DI SERVIZIO IN FUNZIONE
DettagliPROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -
PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata
DettagliPropagazione delle incertezze
Propagazone delle ncertezze In questa Sezone vene trattato l problema della propagazone delle ncertezze quando s msurano pù grandezze dfferent,,,z soggette a error d tpo casuale e po s utlzzano tal grandezze
DettagliRETI TELEMATICHE Lucidi delle Lezioni Capitolo VII
Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd
DettagliVariabili casuali. Variabili casuali
Varabl casual Assegnato uno spazo d probabltà (S, A, P[.]) s densce varable casuale una unzone avente come domno lo spazo de campon (S) e come codomno la retta reale. S Le varabl casual s ndcano con lettere
DettagliPrecisione e Cifre Significative
Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra
DettagliElementi di statistica
Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e
Dettagli