IL CALCOLO DELLA DOMANDA DI TRASPORTO (Capitolo 4)

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "IL CALCOLO DELLA DOMANDA DI TRASPORTO (Capitolo 4)"

Transcript

1 Facoltà d Igegera - Uverstà d Bologa Ao Accademco: 00/ TECNICA ED ECONOMIA DEI TRASPORTI Docete: Maro Lup IL CALCOLO DELLA DOMANDA DI TRASPORTO (Captolo 4)

2 Modello descrttvo per l calcolo della domada d trasporto aereo fra due cttà ( PP ) l F l d β + β l + β3 Facco l seguete espermeto: - Itroduco el membro d destra valor delle varabl esplcatve osservate u certo ao, le dco co: l P, P,l F, - Itroduco el membro d sstra l valore l d della domada verfcatos quell ao Scarto aleatoro l d [ β + β l P P + β3 lf e dovuto agl attrbut trascurat e semplfcazo trodotte el modello M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa

3 l 3 d β + P P + Fˆ β l β l + e y x x x + e c β c + β c + β3 c3 c I geerale ho T equazo: y βx y βx yc βxc yt βx T β x β x K K K K β x K K ck β x + TK + e + M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 3 e e + c e T

4 I forma compatta scrvo: y Xβ + e X( T K) : y( T ) : matrce delle varabl esplcatve od dpedet, gl elemet d X soo quattà determstche. è l vettore aleatoro de dat campoar. β( K ) : è l vettore de coeffcet (parametr) del modello (soo quattà determstche). e( T ) : è l vettore aleatoro degl error. I fase d calbrazoe del modello l vettore y e la matrce soo quattà ote. Le quattà o ote soo: β : vettore de coeffcet da stmare (quattà determstche). e : vettore d varabl aleatore o osservabl. X M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 4

5 Ipotes base del modello d regressoe leare potes ( yc ) β xc + βxc β K xck y Xβ + E( e c ) 0 E c potes e var( e c 3 potes ) var( yc ) σ I base a questa potes l modello s dce omoscedastco Le varabl y c, come le varabl e c, soo dpedet ( y, y ) 0 c, ' cov ( e, e ') 0 c, c' cov ' c c c 4 potes La matrce X (TxK) è composta da varabl determstche ed ha peo rago coloa. c M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 5 c

6 Queste soo le potes fodametal del modello d regressoe leare omoscedastco: 5 potes (questa potes o è ecessara sede d calbrazoe, lo sarà vece ella fase d corroborazoe). e c Per la varable aleatora, "errore", s fa l potes che sa dstrbuta secodo ua varable aleatora ormale. Ifatt e c è l'effetto rsultate della somma d umeros fattor o specfcat el modello, pertato, basados sul teorema del lmte cetrale s potzza che sa dstrbuta secodo ua ormale. (Teorema del Lmte Cetrale: la somma d varabl aleatore, fra loro dpedet, al crescere d, tede ad ua varable aleatora ormale), Se le varabl aleatore soo dstrbute modo ormale ache le soo varabl aleatore ormal. y c e c 6

7 Caso d u uca varable dpedete e d u uca varable dpedete (c permette d llustrare l modello) y c β + βxc + ec Itercetta y e c y (ordata c all orge) y β β + β x c β Ho T equazo: y β + βx + e y β + βx + e yc β + βxc + ec yt β + βxt + e T x x c T T y Xβ + T La prma coloa della matrce X è costtuta da tutt. x e Coeffcete agolare 7

8 Idco co b la stma del vettore β. Determo quel vettore b tale che sa mma la sommatora del quadrato degl scart fra quello che dà l modello ed l dato spermetale (cosdero l quadrato per evtare che gl scart postv e egatv s compeso): M M T [ ] y ( b x + b x b x ( y Xb)( ' y Xb) ( T ) ( T ) K K ) b ( X' X) X' y b è l estmatore de mm quadrat (ordaro). ( Ordary Least Squared Estmator, OLSE). 8

9 b K ( ) X ' X X' y k T T K K T T K K b è u vettore aleatoro perché è fuzoe d y che è u vettore aleatoro Propretà dell estmatore de mm quadrat y Xβ + e E E [( ) ] [( ) ( ) ] ( b) E X' X X' y E X' X X' Xβ + X' X X' e [ β + ( X X) X e] β + [( X X) X e] ' ' E ' ' β + ( X' X) X' E[ e] β E è u operatore leare 0 ( potes del modello) E[ b ] β L estmatore de mm quadrat è u estmatore corretto 9

10 θˆ è u estmatore corretto d θ θˆ è u estmatore dstorto d θ M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 0

11 b è u vettore aleatoro, vece d parlare d varaza come el caso d uo scalare parlo d matrce d covaraza (detta ache matrce d varaza-covaraza). Nel caso d u vettore geerco z: [ ] V z [ ] σ V b var( z) cov( zz )... cov( zz K ) cov( zz) var( z)... cov( zzk ) cov( zk z) cov( zk z)... var( zk ) Nel caso del vettore b: ' X X T T K K K K Matrce d covaraza dell estmatore de mm quadrat b (dmostrazoe sulle dspese)

12 Rassumamo le propretà dell estmatore de mm quadrat b b ( X' X) X' y E u estmatore leare: ossa otteuto co ua trasformazoe leare del vettore aleatoro y ( b Ay dove A ( X' X) X' ) E[ b ] β V [ b] σ ( ) X'X E u estmatore corretto: la meda cocde co l vettore de parametr da stmare. β La matrce d covaraza ha questa espressoe - Teorema d Gauss-Markov L estmatore de mm quadrat b è l mglore estmatore leare corretto d β. M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa

13 - Classe degl estmator lear, ossa del tpo: β ˆ Ay (Nel caso dell estmatore de mm quadrat ordaro b : A ( X' X) X' ) - Classe degl estmator corrett: [ ] Eβ ˆ β Nell ambto della classe degl estmator lear corrett b è l mglore el seso che: Og altro estmatore b ˆ leare corretto ha ua var( ) var( β ) varaza maggore, al pù uguale, a quella dell estmatore de mm quadrat, ma ma more. M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 3

14 θˆ è u estmatore pù effcete d θˆ ( θˆ e θˆ soo etramb estmator corrett d θ ) M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 4

15 Il teorema d Gauss- Markov (rsultato teorco rgorosamete dmostrato) seme alla ragoevolezza dell approcco, mmzzo l quadrato degl scart fra modello e dat spermetal, oltre al collaudato utlzzo, spegao l dffuso utlzzo dell estmatore de mm quadrat. σ s stma attraverso l estmatore: ˆ σ dove eˆ + eˆ + + eˆ... T K eˆ y Xb T eˆ 'eˆ T K è l vettore de resdu σˆ è u estmatore corretto d σ quato (s dmostra che): E [ ] eˆ + eˆ eˆ T ˆ σ E σ T K 5

16 Le fas d messa a puto d u modello d domada soo tre: - Specfcazoe - Calbrazoe - Corroborazoe Fase d corroborazoe el caso d u modello d regressoe leare y Xβ + e Ua volta stmato l vettore de parametr del modello co l vettore de mm quadrat : b β Calcolo l coeffcete d determazoe: R M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 6

17 T ( y y) Msura della varazoe d y (dat y spermetal) ( y è la meda degl y ) T y ˆ Xb estmatore d y Xβ T ( yˆ yˆ) Msura della varazoe d ŷ yˆ ( yˆ è la meda degl ŷ ) T (valor fort dal modello ) M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 7

18 R R y varazoe spegata dal modello varazoe totale T T ( yˆ y) ( y y) Coeffcete d determazoe y ê y ŷ x x M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 8

19 0 R Se R 0 Se R Il modello o fuzoa perché la varazoe spegata dal modello è bassa rspetto alla varazoe totale. Il modello (da questo puto d vsta) va bee perché la varazoe spegata dal modello è crca uguale alla varazoe totale. y y y eˆ y yˆ y ˆ y yˆ y R << x x 9

20 y y R x x M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 0

21 Esempo- Domada d trasporto aereo fra due cttà [ β + β ( ) ] l PP + T e l d 3 l + β Dopo calbrazoe cosderado 35 coppe d cttà (dat campoar, o sere storca) l d 4, ,95 l ( PP ) 0,767 lt R 0,774 Nel modello (macromodello) che avevamo vsto a proposto del traffco d vecol pesat autostrada: l d 3,6 +,99 l IPI 0, 76T vp t R 0,97 t t M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa

22 Il coeffcete d determazoe R è u dce d corroborazoe globale del modello. Serve però ache u dce putuale: che c dca se cascua varable dpedete (attrbuto) spega ( e quale msura) la varable dpedete (domada). b ( β, σ ( X' X) ) ( ) y b X' X X' è u vettore ormale multvarato (5 potes del modello d regressoe leare). b ( X' X) N ( β,σ ) Elemeto della matrce σ ( X ' X) Ossa la geerca compoete -esma, b, d b è ua varable ormale

23 ˆ σ b β σ X X ( ' ) eˆ Se pogo al posto d + eˆ + + eˆ... T K N(0,) T σ σ eˆ 'eˆ T K o lo coosco, ma lo posso stmare la sua stma: ottego ua varable t d Studet co T-K grad d lbertà: b σˆ β ( X' X) b β ( s è la stma della devazoe stadard d b ) s è ua varable t d Studet co T-K grad d lbertà (ua varable t d Studet, co DF grad d lbertà, è ua varable aleatora, a meda ulla, che assomgla tato pù ad ua ormale stadard quato pù è alto l umero d grad d lbertà)

24 Test d potes su parametr del modello β β 0 0 IPOTESI NULLA (la varable esplcatva -esma o pesa ello spegare la varable dpedete) IPOTESI ALTERNATIVA (la varable esplcatva - esma pesa ello spegare la varable dpedete) Per esempo el caso ˆ y b x + b x b K Secoda coloa della matrce x K Es. x l PIL l PIL... l PIL T M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 4

25 b β s È la statstca del test (come è stato detto è ua t d Studet co T-K grad d lbertà) Se l potes ulla è vera (ossa x o è statstcamete sgfcatva ello spegare la y) b s è ua t d Studet co T-K grad d lbertà. (Se per esempo el modello ho 0 equazo e tre parametr da stmare T-K0-37 grad d lbertà) M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 5

26 Fsso ua dmesoe del test. Per esempo α 0,05, oppure α 0, 0 t ˆ T K b s Calcolo l valore della t d Studet co T-K grad d lbertà corrspodeza de me dat. Cosdero la t d Studet co T-K grad d lbertà (è smle ad ua ormale stadard) Area uguale a 0,05 α / tt K Area uguale a 0,05 α / 0,05 (Se α 0,05 e T-K7 t t,) T K L evdeza campoara m fa respgere l potes ulla: la varable è statstcamete sgfcatva per spegare y. x 7 ˆ tt K 6

27 Area uguale a 0,05 α / tt K Area uguale a 0,05 tt K Se β 0 l eveto è possble, ma mprobable Se vece s verfca questo caso accetto l potes ulla d o sgfcatvtà statstca della varable x ˆ Area uguale a 0,05 α / tt K Area uguale a 0,05 ˆ tt K 7

28 Area uguale a 0,05 α / tt K Area uguale a 0,05 t ˆ T K L aalsta spera che s verfch questo caso: l potes ulla vee respta co forza; la varable è statstcamete sgfcatva ello spegare la varable dpedete ( la domada). I questo caso vuol dre che è stata scelta bee la varable esplcatva (dpedete) -esma. Il test t d Studet su parametr del modello m permette d selezoare le varabl esplcatve ad ua ad ua. Ivece co l coeffcete R le promuovo, o le bocco, blocco (l coeffcete d determazoe è ua msura sulla botà globale del modello). 8

29 Traffco autostradale talao 983/000 (vecol pesat) l d 3,6 +,99 l IPI 0, 76T vp t t t R 0,97 ˆl IPI T t t 3,4 t t ˆ5 3, 88 t 0, 5, 3 5 Itala A: Traffco aereo tero ˆ 05 l d t 7, +,89 l SE t 0,67 lt t R 0,96 d passegger mbarcat u ao/popolazoe t SEt Tt prodotto tero lordo pro capte ell ao (espresso lre 99) rapporto fra gl cass total e pass-km realzzat (espresso cets/pass-km co valore 99) ˆl SE t t 0,55 ˆl T t t, 33 t 0, 9, ˆ 05 9

30 Metod utlzzat per la calbrazoe d u modello d domada Modell descrttv Estmatore de mm quadrat Modell comportametal Estmatore d massma verosmglaza V ( X ) K β x Vettore degl attrbut dell -esma alteratva per l -esmo utete (K compoet) M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 30

31 Calbrare l modello Determare l vettore de parametr cogt β (stmare parametr cogt) Metodo della massma verosmglaza Itervsto N utet Per og utete ho u vettore d attrbut (che coosco facedo le tervste) X I Og utete scegle u uca alteratva Itroduco la varable y 0 se l utete o scegl se l utete scegl M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 3

32 Ammettamo che: I aereo treo auto Ammettamo che l utete scegl l alteratva aereo, sarà: y y 0 0 aereo treo y auto La probabltà d scelta dell alteratva aereo (alteratva effettvamete scelta dall utete) secodo l modello la posso scrvere così: ( ) ( ) ( ) ( ) ( ) 0 0 y aereo y treo ( ) yauto p p p p p p aereo treo auto aereo treo auto p I ( ) y Forma compatta 3

33 N ( p ) I y Nel caso d u modello logt L p Probabltà coguta d osservare le scelte campoare p e I ' β X e ' β X dpede dal vettore β da stmare ( ) ( β, β β p ),... K N I y Fuzoe d verosmglaza (lkelhood). Esprme la probabltà coguta d osservare le scelte campoare E ua fuzoe che ha come varabl dpedet le compoet del vettore. β Il metodo della massma verosmglaza cosste ell assumere come stma d β quel vettore de parametr βˆ che massmzza la fuzoe d verosmglaza. 33

34 Per semplfcare calcol, vece d massmzzare la fuzoe d verosmglaza ( lkelhood ) massmzzo l suo logartmo (fuzoe deomata log-lkelhood ). L ( β, β,... β ) l L( β, β β ) K,... Essedo la fuzoe logartmo ua fuzoe strettamete crescete due put d massmo (della fuzoe d lkelhood e loglkelhood ) cocdoo. L N ( β) I y l p K Ho ua sommatora, vece d avere ua produttora come ella fuzoe d lkelhood. M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 34

35 L estmatore d massma verosmglaza gode d buoe propretà astotche: ossa valgoo rgorosamete quado l ampezza campoara N, pratca (per u gegere) basta che N sa grade. - L estmatore d massma verosmglaza è u estmatore cosstete : all aumetare dell ampezza campoara, N, s dstrbusce co varaza sempre pù bassa toro al parametro da stmare. - L estmatore d massma verosmglaza è u estmatore effcete (mma varaza). - L estmatore d massma verosmglaza è dstrbuto modo ormale. M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 35

36 Nel caso dell estmatore de mm quadrat resco ad esplctare l estmatore: b ( X' X) X' y. Nel caso dell estmatore d massma verosmglaza o resco ad arrvare ad ua formula esplcta dell estmatore Devo rsolvere l problema l seguete problema d massmo ( l problema della stma d massma verosmglaza s rduce a rsolvere u problema d massmo, o vcolato, d ua fuzoe a pù varabl): βˆ arg max L ( β) arg max N I y l p La fuzoe è strettamete cocava (oltre o ho vcol su parametr ). β Esstoo de procedmet teratv per rsolvere l suddetto problema d massmo. 36

37 Corroborazoe d u modello d utltà aleatora Calcolo la statstca ρ (è aaloga a R del modello d regressoe leare) ( β) L ˆ ρ L 0 ρ ( 0) ρ 0 L ( βˆ ) L( 0) I parametr soo tutt ull p e ' β X e ' β X alteratve I Il modello o forsce essua ulterore formazoe rspetto ad ua potes d equprobabltà delle alteratve. M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 37

38 aereo I treo auto Se vece: p aereo 3 ˆ ( ) ρ Lβ 0 p treo ( ) y l p l p 0 Lβ N I N 3 p auto 3 : alteratva effettvamete scelta dall utete N y 0 l p per le alteratve o scelte dall utete 0 p Il modello prevede (per og utete) ua probabltà d scelta par ad per l alteratva effettvamete scelta dall utete: modello perfetto. Quato pù ρ tato pù l modello fuzoa. 38

39 - Test t d Studet su parametr del modello Verfca putuale su parametr d u modello Voglo verfcare la sgfcatvtà dell attrbuto ello spegare le scelte effettuate dagl utet. Facco u test d potes sul parametro β (aalogo a quello utlzzato ella fase d corroborazoe d u modello d regressoe leare) X β β 0 0 IPOTESI NULLA (la varable esplcatva -esma o pesa ello spegare le scelte degl utet) IPOTESI ALTERNATIVA (la varable esplcatva - esma pesa ello spegare le scelte degl utet) M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 39

40 ˆ (, N β σ β β ˆ ) La matrce d covaraza Ω dell estmatore d massma verosmglaza s stma co: Ωˆ [ ] H(βˆ ) La stma è valda term astotc ( pratca per N, ampezza campoara, grade ) ˆ β ˆ σ ˆ β 0 E ua t d Studet co N-K grad d lbertà ( pratca, dato l alto umero d grad d lbertà, è ua varable aleatora ormale stadard). M. Lup, "Tecca ed Ecooma de Trasport" - A.A. 00/ - Uverstà d Bologa 40

41 Dmesoe del test 0,05 Area uguale a 0,05 α / t T K,96 Area uguale a 0,05 Rfuto l potes ulla ˆ β ˆ σ ˆ β Area uguale a 0,05 α / t T K,96 Area uguale a 0,05 Accetto l potes ulla ˆ β ˆ σ ˆ β 4

42 4

Quale retta? La retta migliore è quella che più si avvicina all insieme dei 115

Quale retta? La retta migliore è quella che più si avvicina all insieme dei 115 Quale retta? Quale retta? Questa? Oppure questa? Questa certamete o! 0 1 0 1 La retta mglore è quella che pù s avvca all seme de 115 put corrspodet alle coppe d valor (x, y ). Per la stma de parametr s

Dettagli

MEDIA DI Y (ALTEZZA):

MEDIA DI Y (ALTEZZA): Uverstà d Casso Eserctazo d Statstca del 4 Marzo 0 Dott. Mrko Bevlacqua ESERCIZIO Su u collettvo d dvdu soo stat rlevat caratter X Peso( kg) e Altezza ( cm) otteamo la seguete dstrbuzoe d frequeza coguta:

Dettagli

LA FUNZIONE DI VEROSIMIGLIANZA

LA FUNZIONE DI VEROSIMIGLIANZA A FUNZIONE DI VEROSIMIGIANZA HA UN RUOO IMPORTANTE NEA PROCEDURE DI INFERENZA STATISTICA COME: ) METODO DI COSTRUZIONE DI STIMATORI (IN SITUAZIONI COMPESSE) ) METODO DI INDIVIDUAZIONE DI TEST UNIFORMEMENTE

Dettagli

Caso studio 12. Regressione. Esempio

Caso studio 12. Regressione. Esempio 6/4/7 Caso studo Per studare la curva d domada d u bee che sta per essere trodotto sul mercato, s rlevao dat rguardat l prezzo mposto e l umero d pezz vedut 7 put vedta plota, ell arco d ua settmaa. I

Dettagli

Esercitazione 6 del corso di Statistica (parte 1)

Esercitazione 6 del corso di Statistica (parte 1) Eserctazoe del corso d Statstca parte Dott.ssa aola Costat 8 Marzo 0 Eserczo S ha motvo d rteere che u uovo farmaco A abba la propretà d abbassare l lvello d glcema el sague. I cascuo de pazet dabetc osservat,

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 26 Febbrao 200 Dott. Mrko Bevlacqua ESERCIZIO Cosderado le class d altezza 60 6; 6 70; 70 78; 78 86 per u collettvo d 20 persoe, s può affermare che l ALTEZZA dpede

Dettagli

Regressione e Correlazione

Regressione e Correlazione Regressoe e Correlazoe Probabltà e Statstca - Aals della Regressoe - a.a. 4/5 L aals della regressoe è ua tecca statstca per modellare e vestgare le relazo tra due (o pù) varabl. Nella tavola è rportata

Dettagli

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2 Cogome Numero d matrcola SECONDA PROVA INERMEDIA DI SAISICA CLEA 07 7-77-08 geao 00 Nome COMPIO C A f della valutazoe s terrà coto solo ed esclusvamete d quato rportato egl appost spaz. Al terme della

Dettagli

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza Uverstà egl Stud d Bergamo Corso d laurea Igegera dle STATISTICA Stma d massma verosmglaza Sao,, varabl aleatore d Posso dpedet, cascua co valore atteso λ S determ lo stmatore d massma verosmglaza d λ

Dettagli

exp("# (al posto di n) var Ca Coefficiente di asimmetria, indipendente dal valore dei parametri. f X DISTRIBUZIONE EV1 o DI GUMBEL.

exp(# (al posto di n) var Ca Coefficiente di asimmetria, indipendente dal valore dei parametri. f X DISTRIBUZIONE EV1 o DI GUMBEL. DISTRIBUZIONE EV o DI GUMBEL. x x [ $ e ] exp[ e ] F x exp co: Sgfcato de parametr: f exp al posto d : Numero medo d evet dpedet [ 0,t], ad esempo u ao. / :Valore medo della gradezza dell eveto, esempo

Dettagli

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica).

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica). Regressoe leare Il terme regressoe fu trodotto da Fracs Galto (8-9), atropologo (promotore dell eugeetca). I u suo famoso studo (877-885), Galto scoprì che, sebbee c fosse ua tedeza de getor alt ad avere

Dettagli

Istogrammi e confronto con la distribuzione normale

Istogrammi e confronto con la distribuzione normale Istogramm e cofroto co la dstrbuzoe ormale Suppoamo d effettuare per volte la msurazoe della stessa gradezza elle stesse codzo (es. la massa d u oggetto, la tesoe d ua pla, la lughezza d u oggetto, ecc.):

Dettagli

LA REGRESSIONE LINEARE SEMPLICE

LA REGRESSIONE LINEARE SEMPLICE LA REGRESSIONE LINEARE SEMPLICE L ANALISI DI REGRESSIONE La regressoe è volta alla rcerca d u modello atto a descrvere la relazoe esstete tra ua varable Dpedete e ua varable dpedete (regressoe semplce)

Dettagli

Variabilità = Informazione

Variabilità = Informazione Varabltà e formazoe Lo studo d u feomeo ha seso solo se esso s preseta co modaltà/testà varabl da u soggetto all altro. Ad esempo, se dobbamo studare l reddto ua certa regoe è ecessaro osservare utà statstche

Dettagli

Seconda Prova Parziale di STATISTICA Modalità A

Seconda Prova Parziale di STATISTICA Modalità A Secoda Prova Parzale d STATISTICA 0..07 Modaltà A (A) a f della valutazoe verrao cosderate solo le rsposte rportate dallo studete egl appost rquadr bach. (B) ello svolgmeto del compto s utlzzo almeo quattro

Dettagli

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione STIMA PARAMTRICA TST DLL IPOTSI L fereza Statstca rguarda affermazo crca I parametr d ua popolazoe sulla base della metodologa statstca e del calcolo delle probabltà Stma putuale Quado u parametro della

Dettagli

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d;

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d; ESERCIZIO 5. Sa (X, X,, X ) u campoe casuale geerato da ua v.c. X f(x; θ) per la quale è oto che E(X) θ e Var(X). S cosdero 3 stmator d θ: X ; X ; ( ) X 3 a) s determ se soo corrett; b) per quell o corrett,

Dettagli

12/11/2015 STATISTICA 1. Esercitazione 4. Dott.ssa Vera Gurtovaya

12/11/2015 STATISTICA 1. Esercitazione 4. Dott.ssa Vera Gurtovaya STATISTICA Eserctazoe 4 Dott.ssa Vera Gurtovaa //5 Eserczo. La seguete tabella a doppa etrata rporta dat relatv al umero d SMS vat u mese e all'età de mttet. S calcolo covaraza e correlazoe della varable

Dettagli

Compito A1- Soluzioni

Compito A1- Soluzioni Compto A- Soluzo Eserczo (4 put) I ua dage statstca codotta presso 0 rstorat s soo raccolt dat rportat tabella, dove l sgfcato delle varabl è l seguete Spesa: Copert: Stelle: esa a persoa meda (escl. bevade)

Dettagli

Lezione 4. La Variabilità. Lezione 4 1

Lezione 4. La Variabilità. Lezione 4 1 Lezoe 4 La Varabltà Lezoe 4 1 Defzoe U valore medo, comuque calcolato, o è suffcete a rappresetare l seme delle osservazo effettuate (o l seme de valor assut dalla varable statstca); è ecessaro qud affacare

Dettagli

Analisi dei Dati. La statistica è facile!!! Correlazione

Analisi dei Dati. La statistica è facile!!! Correlazione Aals de Dat La statstca è facle!!! Correlazoe A che serve la correlazoe? Mettere evdeza la relazoe esstete tra due varabl stablre l tpo d relazoe stablre l grado d tale relazoe stablre la drezoe d tale

Dettagli

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV Uverstà degl Stud d Napol Partheope Facoltà d Sceze Motore a.a. 011/01 Statstca Lezoe IV E-mal: paolo.mazzocch@upartheope.t Webste: www.statmat.upartheope.t Fuzoe d regressoe Attraverso la fuzoe d regressoe

Dettagli

LEZIONI DI STATISTICA MEDICA

LEZIONI DI STATISTICA MEDICA LEZIONI DI STATISTICA MEDICA A.A. 00/0 - Idc d dspersoe Sezoe d Epdemologa & Statstca Medca Uverstà degl Stud d Veroa La dspersoe o varabltà è la secoda mportate caratterstca d ua dstrbuzoe d dat. Essa

Dettagli

CORSO DI STATISTICA I (Prof.ssa S. Terzi)

CORSO DI STATISTICA I (Prof.ssa S. Terzi) CORSO DI STATISTICA I (Prof.ssa S. Terz) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI Eserctazoe 2 2.1 Da u dage svolta su u campoe d lavorator dpedet co doppo lavoro è stata rlevata la dstrbuzoe coguta del reddto

Dettagli

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE ANALISI DELLA REGRESSIONE L Aals della Regressoe rguarda lo studo delle relazo esstet fra o pù caratter quattatv o varal. La rcerca de lega esstet fra pù varal s poe coe rcerca delle relazo fuzoal che

Dettagli

La media aritmetica. La sua individuazione si basa sulla logica della trasferibilità di un carattere. Se la funzione f( ) corrisponde alla somma:

La media aritmetica. La sua individuazione si basa sulla logica della trasferibilità di un carattere. Se la funzione f( ) corrisponde alla somma: La meda artmetca La sua dvduazoe s basa sulla logca della trasferbltà d u carattere. ( ) = ( µ µ ) f,, f,, volte Se la fuzoe f( ) corrspode alla somma: + + + = µ + µ + + µ volte + + + = µ µ X= = La meda

Dettagli

ρ XY risponde alla domanda esiste un associazione lineare tra le variabili X e Y?

ρ XY risponde alla domanda esiste un associazione lineare tra le variabili X e Y? Relazoe fra varabl casual X e Y cogutamete dstrbute Test d potes due popolazo Coeffcete d Correlazoe ρ XY (9.5.3) Regressoe ρ XY rspode alla domada esste u assocazoe leare tra le varabl X e Y? Costrure

Dettagli

Caso studio 10. Dipendenza in media. Esempio

Caso studio 10. Dipendenza in media. Esempio 09/03/06 Caso studo 0 S cosder la seguete dstrbuzoe degl occupat Itala secodo l umero d ore settmaal effettvamete lavorate e l settore d attvtà (cfr. Itala cfre, Ao 008, pag. 7 ): Ore lavorate Settore

Dettagli

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 5 Febbrao 00. Dott. Mrko Bevlacqua ESERCIZIO N A partre dalla dstrbuzoe semplce del carattere peso rlevata su 0 studet del corso d Mcroecooma peso: { 4, 59, 65,

Dettagli

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione? Prma dstrb. Secoda dstrb. Totale Meda 0 5 8 35 85 63 63/5 =3,6 5 5 38 40 45 63 63/5 =3,6 Due dstrbuzo, stessa meda ma quale delle due la meda rappreseta, stetzza meglo la stuazoe? Le mede stetzzao la dstrbuzoe,

Dettagli

DATA MINING PER IL MARKETING (63 ore)

DATA MINING PER IL MARKETING (63 ore) DATA MINING PER IL MARKETING (63 ore) Marco Ra mra@upr.t Sto web del corso http://www.ra.t/dmm REGRESSIONE INFERENZIALE 1 Itroduzoe agl elemet aleator N. dpedet (X) Vedte mlo d (Y) A 10 1,9 B 18 3,1 C

Dettagli

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0) Massm e Mm Fuzo d pù varabl Massm e Mm Dezoe: Sa z = (, ) ua uzoe deta u seme E U puto (, E s dce puto d massmo (rsp mmo) relatvo per (, ) se esste δ > tale che ((, ) B((, ), δ ) E (, ) (, ) (rsp (, )

Dettagli

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1 Facoltà d Ecooma - STATISTICA - Corso d Recupero a.a. 2012-13 Prof.ssa G. Balsamo CONCETTI d BASE Carattere X [o A ] caratterstca quattatva [o qualtatva] rappresetatva d u feomeo sottoposto ad dage Popolazoe

Dettagli

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso La varabltà L utlzzo d ua meda permette d stetzzare effcacemete l formazoe coteuta ua dstrbuzoe statstca dal puto d vsta dell testà del carattere. Tuttava la stes può essere eccessva, el seso s possoo

Dettagli

Il campionamento e l inferenza

Il campionamento e l inferenza e l fereza Popolazoe Campoe Da dat osservat medate scelta campoara s guge ad affermazo che rguardao la popolazoe da cu ess soo stat prescelt Uverstà d Macerata Facoltà d Sceze Poltche - Ao accademco Ao

Dettagli

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

Dettagli

Soluzione degli esercizi del capitolo 11

Soluzione degli esercizi del capitolo 11 Statstca - metodooge per e sceze ecoomche e soca /e S Borra, A D Cacco - McGraw H s Souzoe deg esercz de captoo a rsposta esatta è a c, fatt daa s ha: da cu rcavamo a corretto Ifatt,,,,,,,,,,,,,,, b Sì,

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 La Legge de Grad Numer Cosderata ua sere d prove rpetute co p par alla probabltà d successo ua sgola prova, l rapporto tra l umero d success K ed l umero d prove tede a p quado tede ad fto: K P p per co

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 La Legge de Grad Numer Cosderata ua sere d prove rpetute co p par alla probabltà d successo ua sgola prova, l rapporto tra l umero d success K ed l umero d prove tede a p quado tede ad fto: K P p ε per

Dettagli

Statistica descrittiva per l Estimo

Statistica descrittiva per l Estimo Statstca descrttva per l Estmo Paolo Rosato Dpartmeto d Igegera Cvle e Archtettura Pazzale Europa 1-34127 Treste. Itala Tel: +39-040-5583569. Fax: +39-040-55835 80 E-mal: paolo.rosato@da.uts.t 1 A cosa

Dettagli

Var iabili aleatorie continue

Var iabili aleatorie continue Var abl aleatore cotue Probabltà e Statstca I - Varabl aleatore cotue - a.a. 04/05 Per ua varable aleatora dscreta, la fuzoe massa d probabltà ) f f è tale che ( x ) ) a 3) x f :,..., ( x Defzoe { x, x,,

Dettagli

DI IDROLOGIA TECNICA PARTE II

DI IDROLOGIA TECNICA PARTE II FACOLTA DI INGEGNERIA Laurea Specalstca Igegera Cvle NO Guseppe T Aroca CORSO DI IDROLOGIA TECNICA PARTE II Aals e prevsoe statstca delle varabl drologche Lezoe X: Scelta d u modello probablstco Aals e

Dettagli

Dott.ssa Marta Di Nicola

Dott.ssa Marta Di Nicola RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quado s cosderao due o pù caratter (varabl) s possoo esamare ache l tpo e l'testà delle relazo che sussstoo tra loro. http://www.bostatstca.uch.tt Nel caso cu per

Dettagli

Lezione 4. Metodi statistici per il miglioramento della Qualità

Lezione 4. Metodi statistici per il miglioramento della Qualità Tecologe Iormatche per la Qualtà Lezoe 4 Metod statstc per l mglorameto della Qualtà Msure d Tedeza Cetrale Ultmo aggorameto: 30 Settembre 2003 Il materale ddattco potrebbe coteere error: la segalazoe

Dettagli

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Uverstà d Macerata Facoltà d Sceze Poltche - Ao accademco 01-013013 Gl dc d varabltà Crsta Davo Gl dc stetc Qualche cosderazoe Tedeza cetrale Varabltà La scelta dell dce d tedeza cetrale/poszoe dpede dal

Dettagli

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE PROVA SCRITTA DI STATISTICA (COD 08-07-7-77) Febbrao 00 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE ESERCIZIO (6 put) Da ua classfca del sto teret IBS rsulta che 0 flm pù vedut vdeocassetta

Dettagli

INDICI DI VARIABILITA

INDICI DI VARIABILITA INDICI DI VARIABILITA Defzoe d VARIABILITA': la varabltà s può defre come l'atttude d u carattere ad assumere dverse modaltà quattatve. La varabltà è la quattà d dspersoe presete e dat. Idc d varabltà

Dettagli

I percentili e i quartili

I percentili e i quartili I percetl e quartl I percetl soo quelle modaltà che dvdoo la dstrbuzoe ceto part d uguale umerostà. I quartl soo quelle modaltà che dvdoo la dstrbuzoe quattro part d uguale umerostà. Il prmo quartle Q

Dettagli

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini e Leonardo Bertini. Lezione 2:

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini e Leonardo Bertini. Lezione 2: Costruzoe d macche Modulo d: rogettazoe probablstca e affdabltà Marco Begh e Leoardo Bert Lezoe : robabltà codzoata e varabl casual robabltà codzoata ((A/B)): La probabltà che s verfch u eveto A, assumedo

Dettagli

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo.

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo. È molto raro che u compoete meccaco sa sollectato a fatca da u carco cclco ad ampezza costate. Geeralmete sa l ampezza che l valore medo della sollectazoe soo varabl el tempo. max a a max m m m m Tempo

Dettagli

Caso studio 2. Le medie. Esercizio. La media aritmetica. Esempio

Caso studio 2. Le medie. Esercizio. La media aritmetica. Esempio 8/02/20 Caso studo 2 U vesttore sta valutado redmet d due ttol del settore Petrolo e Gas aturale. Sulla base de redmet goraler della settmaa passata vuole cercare d prevedere l redmeto per la prossma settmaa

Dettagli

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza Soluzoe degl esercz sulla statstca descrttva e gl tervall d cofdeza. Il campoe casuale d tagla 35 ha meda 0.866 e medaa 0.6490. Il coeffcete d asmmetra rsulta essere.57, pertato samo preseza d ua asmmetra

Dettagli

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti e l fereza Popolazoe Campoe Da dat osservat medate scelta campoara s guge ad affermazo che rguardao la popolazoe da cu ess soo stat prescelt e l fereza S defsce campoameto u procedmeto attraverso l quale

Dettagli

Classi di reddito % famiglie Fino a 15 5.3 15-25 16.2 25-35 21.1 35-45 18.6 45-55 13.6 Oltre 55 25.2 Totale 100

Classi di reddito % famiglie Fino a 15 5.3 15-25 16.2 25-35 21.1 35-45 18.6 45-55 13.6 Oltre 55 25.2 Totale 100 ESERCIZIO Data la seguete dstrbuzoe percetuale delle famgle talae per class d reddto, espresso mlo d lre, (ao 995, fote Istat): Class d reddto % famgle Fo a 5 5.3 5-5 6. 5-35. 35-45 8.6 45-55 3.6 Oltre

Dettagli

LA REGRESSIONE LINEARE SEMPLICE

LA REGRESSIONE LINEARE SEMPLICE LA REGRESSIONE LINEARE SEMPLICE Nello studo delle relazo tra due (o pù) varabl, oltre a msurare l testà del legame esstete, s è ache teressat ad accertare come vara ua d esse (dpedete) al varare dell altra

Dettagli

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione Corso d laurea Sceze Motore Corso d Statstca Docete: Dott.ssa Immacolata Scacarello Lezoe 9: Covaraza e correlazoe Altr tp d dpedeza L dce Ch-quadro presetato ella lezoe precedete stablsce l grado d dpedeza

Dettagli

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che:

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che: Eserctazoe VI: Il teorema d Chebyshev Eserczo La statura meda d u gruppo d dvdu è par a 73,78cm e la devazoe stadard a 3,6. Qual è la frequeza relatva delle persoe che hao ua statura superore o ferore

Dettagli

ESERCIZI DI STATISTICA

ESERCIZI DI STATISTICA ESERCIZI DI STATISTICA Soluzo degl esercz sugl stmator putual. A cura d Nazareo Maro Soluzoe dell'eserczo. Trovamo, come prmo passo, la fuzoe d verosmglaza che è: L( f(x, {

Dettagli

Il modello di regressione multipla

Il modello di regressione multipla S. Borra A. D Cacco Statstca metodologe per le sceze ecoomche e socal McGraw Hll 4 ISBN 88-386-66-6 9 Il modello d regressoe multpla Relazoe statstca modello d regressoe leare multpla omoschedastctà superfce

Dettagli

IL MODELLO DI REGRESSIONE LINEARE MULTIPLA

IL MODELLO DI REGRESSIONE LINEARE MULTIPLA Captolo 9 - Il modello d regressoe leare multpla 9 - IL MODELLO DI REGRESSIONE LINEARE MULTIPLA 9 9. Itroduzoe 9. Il modello d regressoe leare multpla 9.3 Il modello d regressoe leare multpla forma matrcale

Dettagli

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi Le mede Italo Nofro LE MEDIE Statstca medca Le mede (o valor med) soo dc d tedeza cetrale e costtuscoo u modo semplce ed mmedato per stetzzare u solo valore dat eterogee raccolt el collettvo oggetto d

Dettagli

Contenuti. Facoltà di Economia. Scatterplot o diagramma a dispersione Analisi grafica della relazione tra due. francesco mola.

Contenuti. Facoltà di Economia. Scatterplot o diagramma a dispersione Analisi grafica della relazione tra due. francesco mola. Coteut Corso d Statstca Facoltà d Ecooma a.a. - fracesco mola Lezoe 9 Correlazoe leare Scatterplot e aals grafca L uso delle varabl stadardzzate La covaraza Il coeffcete d correlazoe leare d Bravas-Pearso

Dettagli

Capitolo 13 Il modello di regressione lineare

Capitolo 13 Il modello di regressione lineare Captolo 3 Il modello d regressoe leare La fase pù operatva della statstca è dretta alla costruzoe d modell e coè d rappresetazo semplfcate, aalogche e ecessare della realtà attraverso le qual provare a

Dettagli

corrispondenza della generica i-esima modalità. Indicando con #(.) la cardinalità di un insieme, per esse si ha, rispettivamente:

corrispondenza della generica i-esima modalità. Indicando con #(.) la cardinalità di un insieme, per esse si ha, rispettivamente: Corso d Statstca docete: Domeco Vstocco Le requeze cumulate S cosder ua varable qualtatva ordale X Per essa, oltre alle requeze assolute, relatve e ercetual, è ossble calcolare ache le requeze cumulate

Dettagli

4 CAMPIONE DI n UNITA STATISTICHE (lettere latine)

4 CAMPIONE DI n UNITA STATISTICHE (lettere latine) 4 CAMPIONE DI UNITA TATITICHE (lettere late) Meda campoara x meda solo per dat quattatv m 1 x = modaltà assuta dall -esma utà statstca Devaza campoara solo per dat quattatv 1 ( x m) 1 x 1 x dev.q Varaza

Dettagli

III Esercitazione: Sintesi delle distribuzioni semplici secondo un carattere qualitativo ordinale.

III Esercitazione: Sintesi delle distribuzioni semplici secondo un carattere qualitativo ordinale. III Eserctazoe: Stes delle dstrbuzo semplc secodo u carattere qualtatvo ordale. Eserczo 3 dvdu ao seguet ttol d studo: Lceza elemetare, Lceza elemetare, ploma, Lceza meda, Lceza elemetare, Lceza meda,

Dettagli

Matematica elementare art.1 di Raimondo Valeri

Matematica elementare art.1 di Raimondo Valeri Matematca elemetare art. d Ramodo Valer I questo artcolo voglamo provare che esste ua formula per calcolare l umero de dvsor d u dato umero aturale seza cooscere la scomposzoe fattor prm del umero stesso.

Dettagli

Formulario e tavole. Complementi per il corso di Statistica Medica

Formulario e tavole. Complementi per il corso di Statistica Medica Complemet per l corso d Statstca Medca Formularo e tavole Ne è cosetto l uso all esame scrtto, ma og Studete deve cosultare solo l propro formularo, e essu altro materale! Statstca Descrttva destà ampea

Dettagli

La Regressione. Y = f ( X ) Le motivazioni che ci spingono alla ricerca di f essenzialmente due: la Previsione ed il Controllo.

La Regressione. Y = f ( X ) Le motivazioni che ci spingono alla ricerca di f essenzialmente due: la Previsione ed il Controllo. La Regressoe Sulla base delle coppe d modaltà osservate (x 1,y 1 ),..,(x,y ), dopo aver verfcato la dpedeza tra caratter quattatv X ed Y, c propoamo d determare la fuzoe matematca f che meglo stetzz l

Dettagli

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE Corso d Ifereza Statstca Eserctazo A.A. 009/0 ESERCIZI SU DISTRIBUZIONI CAMPIONARIE Eserczo I cosumator d marmellata ua data popolazoe soo l 40%. Determare la probabltà che, per u campoe beroullao d =

Dettagli

Associazione tra due variabili quantitative

Associazione tra due variabili quantitative Esempo (1) Assocazoe tra due varabl quattatve Suppoamo che u professore vogla dmostrare che eserctars a casa aut gl studet el superameto dell esame. esame. A tal fe regstra la votazoe de compt a casa e

Dettagli

TRATTAMENTO STATISTICO DEI DATI ANALITICI

TRATTAMENTO STATISTICO DEI DATI ANALITICI TRATTAMENTO STATISTICO DEI DATI ANALITICI Nell aals chmca u aalsta effettua u umero lmtato d prove e cosdera la meda de rsultat otteut per poter arrvare a determare o l valore VERO d ua determata gradezza

Dettagli

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in Le mede Italo Nofro LE MEDIE Le mede (o valor med) soo dc d tedeza cetrale e costtuscoo u modo semplce ed mmedato per stetzzare u solo valore dat eterogee raccolt u collettvo Statstca medca Le mede Le

Dettagli

Statistica per le ricerche di mercato. 10. La regressione lineare semplice

Statistica per le ricerche di mercato. 10. La regressione lineare semplice Statstca per le rcerche d mercato A.A. 0/3 Dr. Luca Secod 0. La regressoe leare semplce Il terme regressoe fu trodotto verso la metà dell Ottoceto dall glese Sr Fracs Galto (8-9) che, e suo stud d eugeetca,

Dettagli

Modelli di accumulo del danno dovuto a carichi ciclici

Modelli di accumulo del danno dovuto a carichi ciclici Modell d accumulo del dao dovuto a carch cclc Modell d accumulo del dao dovuto a carch cclc È molto raro che u compoete meccaco sa sollectato a fatca da u carco cclco ad ampezza costate. Geeralmete sa

Dettagli

Daniela Tondini

Daniela Tondini Daela Tod dtod@ute.t Facoltà d Medca Veterara C.L. Tutela e Beessere Amale Uverstà degl Stud d Teramo INDICI STATISTICI La moda o orma M O d ua dstrbuzoe d frequeza X, calcolable per caratter sa quattatv

Dettagli

Statistica per le ricerche di mercato. 13. La regressione lineare semplice

Statistica per le ricerche di mercato. 13. La regressione lineare semplice Statstca per le rcerche d mercato A.A. 0/ Prof.ssa Tzaa Lauret Dott. Luca Secod 3. La regressoe leare semplce Il terme regressoe fu trodotto verso la metà dell Ottoceto dall glese Sr Fracs Galto (8-9)

Dettagli

La media aritmetica. Le medie. Esempio. Esempio. Media aritmetica Mediana. Medie analitiche Medie di posizione. x 1

La media aritmetica. Le medie. Esempio. Esempio. Media aritmetica Mediana. Medie analitiche Medie di posizione. x 1 Le mede Mede: permettoo d stetzzare ua dstrbuzoe sulla base d u solo valore. Possoo essere classcate : Mede aaltche: calcolate tramte operazo algebrche su valor del carattere solo per caratter quattatv

Dettagli

LE MEDIE. Le Medie. Medie razionali. Medie di posizione

LE MEDIE. Le Medie. Medie razionali. Medie di posizione LE MEDIE RAZIONALI LE MEDIE Msure stetche trodotte per valutare aspett compless e global d ua dstrbuzoe d u feomeo X medate u solo umero reale costruto modo da dsperdere al mmo le formazo su dat orgar.

Dettagli

UNIVERSITA DEGLI STUDI MEDITERRANEA DI REGGIO CALABRIA

UNIVERSITA DEGLI STUDI MEDITERRANEA DI REGGIO CALABRIA UNIVERSITA DEGLI STUDI MEDITERRANEA DI REGGIO CALABRIA Corso d Statstca Ecoomca a.a. / Prof. Alberto Botta DERIVAZIONE DEGLI STIMATORI OLS La regressoe semplce Il procedmeto d calcolo degl stmator OLS

Dettagli

CAP. 5 MODELLO STATISTICO LINEARE

CAP. 5 MODELLO STATISTICO LINEARE B Cadotto Versoe 7 Cap 5 Modello statstco leare CAP 5 MODELLO STATISTICO LINEARE Itroduzoe S suppoga ce la mafestazoe d uo specfco feomeo, ad esempo la domada d u certo bee d cosumo da parte delle famgle,

Dettagli

2 si da eguale peso alle misure senza tener conto dell incertezza, che in generale possono essere diverse.

2 si da eguale peso alle misure senza tener conto dell incertezza, che in generale possono essere diverse. 5 MEDIE PESTE Come combare msure separate? Esempo, msure Msura d : ± Msura d B: B ± B Se s effettua la meda artmetca: B s da eguale peso alle msure seza teer coto dell certezza, che geerale possoo essere

Dettagli

Esercitazioni di Calcolo delle Probabilità (16/12/2011) Soluzioni

Esercitazioni di Calcolo delle Probabilità (16/12/2011) Soluzioni Eserctazo d Calcolo delle Probabltà (16/1/011) Soluzo Eserczo 1 1. S trov l valore del parametro θ per cu la tabella seguete defsce la fuzoe d probabltà d ua v.c. udmesoale X e la s rappreset grafcamete.

Dettagli

Capitolo 6 Gli indici di variabilità

Capitolo 6 Gli indici di variabilità Captolo 6 Gl dc d varabltà ommaro. Itroduzoe. -. Il campo d varazoe. - 3. La dffereza terquartle. - 4. Gl scostamet med. -. La varaza, lo scarto quadratco medo e la devaza. - 6. Le dffereze mede. - 7.

Dettagli

Lezione 13. Anelli ed ideali.

Lezione 13. Anelli ed ideali. Lezoe 3 Prerequst: Aell e sottoaell. Sottogrupp. Rfermet a test: [FdG] Sezoe 5.2; [H] Sezoe 3.4; [PC] Sezoe 4.2 Aell ed deal. Rcordamo la seguete defzoe, data el corso d Algebra : Defzoe 3. S dce aello

Dettagli

Università della Calabria

Università della Calabria Uverstà della Calabra FACOLTA DI INGEGNERIA Corso d Laurea Igegera per l Ambete e l Terrtoro CORSO DI IDROLOGIA Ig. Daela Bod SCHEDA DIDATTICA N 5 ISOIETE E TOPOIETI A.A. 20-2 Calcolo della precptazoe

Dettagli

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek MISURE DI TENDENZA CENTRALE Pscometra 1 - Lezoe Lucd presetat a lezoe AA 000/001 dott. Corrado Caudek 1 Suppoamo d dsporre d u seme d msure e d cercare u solo valore che, meglo d cascu altro, sa grado

Dettagli

Analisi di regressione con SAS. Ci interessa. Matrice di covarianza. Esempio: due test su 31 individui PROC CORR PROC GPLOT PROC REG

Analisi di regressione con SAS. Ci interessa. Matrice di covarianza. Esempio: due test su 31 individui PROC CORR PROC GPLOT PROC REG Esempo: due test su 3 dvdu Aals d regressoe co SAS PROC CORR PROC GPLOT PROC REG ttle 'Rsultato d test su 3 soggett'; data dat; fle V:\Ddat\Carla\regressoe\ta_.txt'; put d test test; proc prt; Rsultato

Dettagli

TEST CHI DI INDIPENDENZA STOCASTICA

TEST CHI DI INDIPENDENZA STOCASTICA Comad cel: Test Ch d dpedeza, pag. Test F a due campo per varaze, pag. Materale ddattco per eserctazo cel pro. R. D Ago, Castellaza, Dcembre, 4 TST CHI DI INDIPNDNZA STOCASTICA Per due pop. stat. e s vuole

Dettagli

IL MODELLO DI REGRESSIONE

IL MODELLO DI REGRESSIONE IL MODELLO DI REGRESSIONE Itroduzoe Problema: verfcare l essteza d ua relazoe fra ua data varable (varable edogea o dpedete) ed ua o pù altre varabl (varabl esplcatve o dpedet). Il legame è del tpo cause-effetto

Dettagli

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità SIMULAZIONE DI SISTEMI CASUALI parte Varabl casual e Dstrbuzo d varabl casual Calcolo delle probabltà Defzo Il calcolo delle probabltà tede a redere razoale l comportameto dell uomo d frote all certezza;

Dettagli

Indici di asimmetria. Elementi di Statistica descrittiva Parte IV. Simmetria di una distribuzione di frequenze. Primo indice di asimmetria (1/3)

Indici di asimmetria. Elementi di Statistica descrittiva Parte IV. Simmetria di una distribuzione di frequenze. Primo indice di asimmetria (1/3) Smmetra d ua dstrbuzoe d frequeze Ua dstrbuzoe s dce asmmetrca se o è possble dvduare (aalzzado u stogramma) u asse vertcale che tagl la dstrbuzoe due part specularmete ugual Idc d asmmetra Rferedoc a

Dettagli

valido se i dati E dato da max(x i )-min(x i )

valido se i dati E dato da max(x i )-min(x i ) Idc d Dspersoe o d Varabltà: Rage e DIQ No basta la coosceza d quale è la poszoe meda de dat statstc, serve ache cooscere quale è la varabltà de dat raccolt attoro al valore medo. Allo scopo d troducoo

Dettagli

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Uverstà d Macerata Dpartmeto d Sceze Poltche, della Comucazoe e delle Relaz. Iterazoal Gl dc d varabltà Crsta Davo Gl dc stetc Qualche cosderazoe Tedeza cetrale Varabltà La scelta dell dce d tedeza cetrale/poszoe

Dettagli

Unità 11. Studio di più variabili. Interpolazione. Regressione. Correlazione. Notazione matriciale

Unità 11. Studio di più variabili. Interpolazione. Regressione. Correlazione. Notazione matriciale Utà 11 Studo d pù varabl Iterpolazoe Regressoe Correlazoe Notazoe matrcale 1 INTERPOLAZIONE Può spesso captare d scoprre l essteza d ua relazoe spermetale tra due (o pù) varabl ed è allora aturale rcercare

Dettagli

Calcolo delle Probabilità: esercitazione 4

Calcolo delle Probabilità: esercitazione 4 Argometo: Probabltà classca Lbro d testo pag. 1-7 e 7-77 e varable casuale uforme dscreta NB: asscurars d cooscere le defzo, le propretà rchamate e le relatve dmostrazo quado ecessaro Eserczo 1 S cosder

Dettagli

Variabili casuali ( ) 1 2 n

Variabili casuali ( ) 1 2 n Varabl casual &. Valore edo. Data ua varable casuale = ( x,x 2, K,x ) (.) cu valor assuoo le rspettve probabltà P = p,p, K,p (.2) s defsce valore edo la quattà ( ) 2 = [ ] T M = M = P = xp (.3) Sgfcato:

Dettagli

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1 SIMULAZIONE DI ESAME ESERCIZI Cattedra d Statstca MedcaUverstà degl Stud d BarProf.ssa G. Sero ESERCIZIO. Alcu autor hao studato se la depressoe possa essere assocata a dc serologc d process autommutar

Dettagli

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso Facoltà d Farmaca Corso d Matematca co elemet d Statstca Docete: Rccardo Rosso Statstca descrttva: l coeffcete d cocetrazoe d G Quado s vuole rpartre ua certa somma d dearo, v soo due suddvso che soo,

Dettagli