Stima dei Parametri. Capitolo 8
|
|
- Erico Toscano
- 5 anni fa
- Visualizzazioni
Transcript
1 Capitolo 8 Stima dei Parametri Lo scopo dello studio dei fenomeni fisici è quello di scoprire le leggi che legano le grandezze oggetto di indagine e di misurare il valore delle costanti che compaiono della formulazione di leggi fisiche note. Il primo passo in questa analisi consiste nell ipotizzare una relazione matematica tra le grandezze fisiche che caratterizzano il fenomeno osservato. Questa funzione matematica costituisce il cosiddetto modello matematico, brevemente modello. Con modello si intende una forma matematica (lineare, quadratica, esponenziale,... o una loro combinazione della quale fanno parte un certo numero di parametri incogniti λ 1, λ 2,..., λ k (che alle volte saranno indicate con Λ per brevità. La stima del valore di questi parametri è, in molti casi, l obiettivo principale dello studio del fenomeno fisico. Una volta specificato un modello, i dati raccolti permettono di stimare i parametri con i metodi che verranno esposti nei prossimi paragrafi. La stima del valore dei parametri che caratterizzano una popolazione statistica è un importante capitolo della statistica detto teoria degli stimatori. La teoria degli stimatori si divide in puntuale, quando valuta il valore di un parametro, e in stima di intervallo, quando assegna un intervallo di valori che includa il parametro cercato con un prefissato livello di fiducia 1 Come esempio si consideri un esperimento in cui per stimare l accelerazione di gravità locale si studia il moto di un grave in caduta libera; le grandezze fisiche osservate sono un certo numero di distanze percorse dal grave in corrispondenza di tempi fissati (s i, t i, i = 1,..., N. La teoria, in particolare il secondo principio della dinamica, stabilisce che queste grandezze soddisfano la relazione 2 s = gt 2 /2 dove g è l accelerazione di gravità; il modello matematico da adattare ai dati sarà quindi una forma quadratica: s = λ 1 + λ 2 t + λ 3 t 2 dove il parametro λ 1 tiene conto di una eventuale valore non nullo della reale coordinata di inizio del moto, λ 2 tiene conto di un eventuale velocità iniziale non nulla e infine λ 3 è il parametro che stima l accelerazione di gravità diviso 2. Se i dati sperimentali sono in numero sufficiente (possibilmente in numero molto maggiore dei parametri Λ la teoria degli estimatori (in particolare la stima puntuale fornisce gli strumenti per stimare i parametri dai dati sperimentali. Nei paragrafi successivi saranno esposti i due metodi più usati per la stima puntuale dei parametri: il metodo dei minimi quadrati e il metodo di massima verosimiglianza. 1 Si parla di fiducia e non di probabilità perché nell interpretazione frequentista della probabilità i parametri delle teorie hanno valori fissi per quanto non noti e quindi non ammettono una distribuzione di probabilità. L interpretazione soggettivista della probabilità al contrario, ammette che i parametri incogniti in quanto tali abbiano una distribuzione di probabilità. 2 Supponendo velocità iniziale e coordinata di inizio del moto nulle 85
2 CAPITOLO 8. STIMA DEI PARAMETRI Metodo dei Minimi Quadrati In questo paragrafo illustriamo metodo dei minimi quadrati, uno dei metodi di stima puntuale più utilizzati in fisica e non solo. Consideriamo un esperimento nel quale siano state acquisite N coppie di valori (x i, y i di due grandezze fisiche X e Y tra le quali si ipotizza che esista una relazione funzionale 3 Y = f(x Λ, (il modello. Come già detto la funzione f dipenderà anche da un certo numero di parametri Λ : {λ k }; ad esempio se la relazione funzionale è lineare avremo: f(x λ 1, λ 2 = λ 1 + λ 2 X, se è quadratica: f(x λ 1, λ 2, λ 3 = λ 1 + λ 2 X + λ 3 X 2, se è esponenziale: f(x λ 1, λ 2 = λ 1 exp(λ 2 X e così via. Supponiamo inoltre le grandezze y i siano affette dalle incertezze u yi mentre le incertezze sulle grandezze x i possano essere ritenute trascurabili. Fatte queste premesse, possiamo enunciare il Principio dei Minimi Quadrati: la stima migliore dei parametri incogniti Λ è quella che minimizza la seguente espressione: N (y i f(x i Λ 2 R = u 2 (8.1 y i somma R degli scarti quadrati tra il valore sperimentale e quello previsto dal modello (il valore teorico diviso per la stima della varianza di y i (u 2 y i. Per ottenere la stima di parametri f(x Figura 8.1: La somma delle distanze al quadrato tra i punti sperimentali e i corrispondenti valori teorici (quelli sulla curva deve essere minima per la definizione della migliore curva secondo il Metodo del Minimi Quadrati. Λ si deve trovare il minimo dell espressione (8.1 vista come funzione dei parametri, ovvero si deve risolvere il seguente sistema: = =... = = 0 (8.2 λ 1 λ 2 λ m dove m è il numero dei parametri da determinare. Se indichiamo con Λ o = {λ 1o, λ 2o,... λ mo } la soluzione del sistema (8.2, la funzione f(x, Λ o è completamente determinata e generalmente viene indicata con il termine gergale di fit 4 dei dati. Si noti il principio dei minimi quadrati non richiede alcuna condizione sulla distribuzione di probabilità delle grandezze y i ; tuttavia se le y i hanno distribuzioni gaussiane con valore 3 La relazione matematica da utilizzare può derivare da considerazioni teoriche legate all analisi del fenomeno che si studia oppure può essere suggerita dagli andamenti fenomenologici sperimentali 4 Il termine inglese fit si può tradurre, in questo contesto, con: procedura di adattamento di una curva teorica ai dati sperimentali x
3 CAPITOLO 8. STIMA DEI PARAMETRI 87 medio f(x i Λ o e deviazione standard u yi allora l espressione che si ottiene dalla (8.1 quando Λ = Λ o è per definizione una variabile che segue la distribuzione del χ 2 (vedi il paragrafo 5.9.6, e potremo scrivere 5 : N χ 2 (y i f(x i Λ o 2 = u 2 (8.3 y i In questo caso, utilizzando le tabelle precompilate della distribuzione del χ 2, si potranno fare considerazioni probabilistiche sulla qualità del fit ottenuto 6, come sarà mostrato nel capitolo Minimi quadrati e fit lineare L applicazione più semplice del metodo dei minimi quadrati si ha quando la funzione che si vuole adattare all insieme delle N coppie di dati (x i, y i ± u yi è lineare. Il modello teorico in questo caso è rappresentato da una retta: y = a + bx (per raccordarsi con la notazione precedente: λ 1 = a e λ 2 = b, nel piano xy e la funzione R da minimizzare si scrive come: N R = w i (y i a bx i 2 dove per semplificare la notazione si sono introdotti i pesi w i delle misure y i definiti dalla relazione: w i = 1/u 2 y i. In valori di a e b che minimizzano R sono quelli che annullano le derivate di R rispetto ai due parametri: a = 2 N w i (y i a bx i = 0 (8.4 N b = 2 w i x i (y i a bx i = 0 Per alleggerire la notazione poniamo: S 0 = w i, S x = w i x i, S xx = w i x 2 i, S xy = w i x i y i, S y = w i y i (8.5 Con queste posizioni il sistema precedente si scrive: { as0 + bs x = S y as x + bs xx = S xy (8.6 La soluzione del sistema precedente è: dove a = 1 (S xxs y S x S xy, b = 1 (S 0S xy S y S x (8.7 = S 0 S xx (S x 2 Si verifica facilmente che i valori trovati corrispondono al minimo di R. Riassumendo, le relazioni (8.7 sono le stime dei parametri a e b con il metodo dei minimi quadrati. 5 In molti testi, anche se in modo improprio e che può generare confusione, l espressione (8.1 è indicata con il simbolo χ 2 anche nel caso generale in cui la distribuzione delle y i non sia normale. 6 Se la distribuzione cui appartengono le y i non è gaussiana ma è nota, il calcolo della qualità del fit ottenuto è molto più complessa da ottenere
4 CAPITOLO 8. STIMA DEI PARAMETRI 88 Incertezza sui parametri a e b. I parametri a e b sono variabili aleatorie in quanto funzioni, in particolare lineari, delle variabili aleatorie y i, quindi applicando la formula di propagazione delle incertezze (7.10 si ha per l incertezza su parametro a: ( N 2 a u 2 a = u 2 y y j = 1 N ( 2 S y S xy 1 j 2 S xx S x = 1 N (S xx w j S x w j x j 2 y j y j w j 2 = w j = 1 2 N (Sxxw 2 j + Sxw 2 j x 2 j 2S xx S x w j x j = 1 ( 2 SxxS SxS 2 xx 2S xx Sx 2 = S xx e per l incertezza sul parametro b: ( N 2 b u 2 b = u 2 y y j = 1 N ( S xy j 2 S 0 y j = 1 2 N 2 S y 1 S x = 1 y j w j 2 N (S 0 w j x j S x w j 2 w j = (S0w 2 j x 2 j + Sxw 2 j 2S 0 S x w j x j = 1 ( 2 S0S 2 xx + SxS 2 0 2S 0 Sx 2 = S 0 Riassumendo le incertezze standard sui parametri a e b ottenuti con il metodo dei minimi quadrati sono: S xx S 0 u a = u b = (8.8 Caso delle incertezze uguali. Nel caso in cui tutte le incertezze sulle y i siano uguali (u yi = u y le posizioni (8.5 si semplificano, utilizzando il peso w = 1/u 2 y, in S 0 = wn, S x = w x i, S xx = w x 2 i, S xy = w x i y i, S y = w y i (8.9 Si verifica facilmente che in questo caso il valore di entrambi i parametri a e b, dati dalle (8.7, non dipende dal valore dell incertezza u y. Le incertezze su a e b date dalle (8.8 in questo caso divengono: u a = u y Esempi x 2 i N x 2 i ( x i 2 N u b = u y N x 2 i ( x i 2 Consideriamo un esperimento con cui si vuole misurare la costante elastica di una molla elicoidale. L esperimento si esegue nel seguente modo: la molla viene sospesa e se ne misura l allungamento rispetto alla sua posizione di riposo in funzione della massa che è agganciata all estremo libero della molla. Nell esperimento si misurano, con un incertezza trascurabile, la massa del peso (variabile x che si aggancia all estremo libero della molla e il conseguente allungamento (variabile y con la sua incertezza u y. Nella tabella seguente sono riportate 5 coppie di misure delle grandezze x e y. x (g (y ± u y (mm ± ± ± ± ± 11
5
6 CAPITOLO 8. STIMA DEI PARAMETRI 90 In conclusione la stima puntuale dei parametri a e b con il metodo dei minimi quadrati è: a = (8 ± 4 mm b = (0.81 ± 0.04 mm g 1 Dal valore di b si risale alla costante k della molla attraverso la relazione k = bg. L incertezza su k si ottiene propagando unicamente quella b, solo se si assume per g un valore la cui incertezza 8 sia tale che u g gu b /b. La giustificazione di questa condizione è lasciata al lettore Minimi quadrati e Media pesata Supponiamo di avere n misure y i di una stessa grandezza fisica, ciascuna con una propria incertezza u i. Supponiamo inoltre che queste misurazioni siano state eseguite con diverse modalità per cui le varie incertezze sono differenti, come ad esempio mostrato nella figura 8.3. Applichiamo il metodo dei minimi quadrati per ottenere una stima della grandezza che tenga conto di tutte le misurazioni eseguite con le loro incertezze. In questo caso la funzione f(x Λ si riduce ad una costante, λ, il cui valore corrisponde al valore della grandezza cercata. La funzione R da minimizzare è R = n (y i λ 2 u 2 i derivando e annullando la relazione precedente si ha: n ( λ = 2 y i λ n u 2 = 2 i y i u 2 i n 1 λ = 0 u 2 i Da cui introducendo i pesi w i = 1/u 2 i otteniamo la nota formula della media aritmetica pesata: wi y i y λ = wi Y Figura 8.3: Misure ripetute con incertezze differenti. 8 in tutti i casi in cui nelle formule appaiono grandezze di riferimento (come l accelerazione di gravità, l incertezza è sostanzialmente determinata dal numero di cifre significative che si utilizzano nei calcoli
9.3 Il metodo dei minimi quadrati in formalismo matriciale
8 CAPIOLO 9. IMA DEI PARAMERI MEODO DEI MINIMI QADRAI 9.3 Il metodo dei minimi quadrati in formalismo matriciale Nel caso si debba applicare il metodo minimi quadrati con molti parametri risulta vantaggioso
DettagliEsperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI
Esperimentazioni di Fisica 1 Prova d esame del 20 febbraio 2018 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 6 01/02/2018 1. (12 Punti) Quesito. In un esperimento è stata misurata la grandezza Y in funzione
DettagliMetodo dei Minimi Quadrati. Dott. Claudio Verona
Metodo dei Minimi Quadrati Dott. Claudio Verona E in generale interessante studiare l andamento di una variabile in funzione di un altra e capire se c è una funzione matematica che le lega. Viceversa è
DettagliIl METODO DEI MINIMI QUDRATI
Il METODO DEI MINIMI QUDRATI Nelle scienze sperimentali si osserva o si ipotizza l esistenza di relazioni fra due o più grandezze. Limitando lo studio a problemi che stabiliscono relazioni fra due sole
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
Dettagli1 Fit di dati sperimentali: il χ 2. Il metodo dei minimi quadrati.
1 Fit di dati sperimentali: il χ 2. Il metodo dei minimi quadrati. Per comprendere dei fenomeni fisici, non basta raccogliere buoni dati sperimentali, occorre anche interpretarli. Molto spesso lo scopo
DettagliRichiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche
Richiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche Ludovico Biagi Politecnico di Milano, DIIAR ludovico.biagi@polimi.it (materiale didattico preparato in
DettagliEsperimentazioni di Fisica 1. Prova d esame del 18 febbraio 2019 SOLUZIONI
Esperimentazioni di Fisica 1 Prova d esame del 18 febbraio 2019 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 8 1. (12 Punti) Quesito. La misurazione della massa di una certa quantità di una sostanza liquida
DettagliRegressione lineare. Lucio Demeio Dipartimento di Ingegneria Industriale e Scienze Matematiche Università Politecnica delle Marche.
Regressione lineare Lucio Demeio Dipartimento di Ingegneria Industriale e Scienze Matematiche Università Politecnica delle Marche Siano x ed y due variabili legate tra loro da una forma funzionale del
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliCapitolo 11. minimi quadrati Il metodo dei minimi quadrati
Capitolo 11 I minimi quadrati Il problema con cui abbiamo a che fare adesso consiste nel determinare con buona approssimazione una curva (funzione) che descriva il fenomeno a cui i dati appartengono. Lo
DettagliAPPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD
APPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD In una popolazione di ragazze di età inclusa tra i 18 e i 25 anni, la concentrazione di emoglobina nel sangue (x) approssima la distribuzione gaussiana con
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
Dettagli1 Ampliamento del piano e coordinate omogenee
1 Ampliamento del piano e coordinate omogenee Vogliamo dare una idea, senza molte pretese, dei concetti che stanno alla base di alcuni calcoli svolti nella classificazione delle coniche. Supponiamo di
DettagliCampionamento. Una grandezza fisica e' distribuita secondo una certa PDF
Campionamento Una grandezza fisica e' distribuita secondo una certa PDF La pdf e' caratterizzata da determinati parametri Non abbiamo una conoscenza diretta della pdf Possiamo determinare una distribuzione
DettagliEsercizi su Regressione e Connessione
Esercizi su Regressione e Connessione Stefano Cabras 31 marzo 2009 Sommario Questa serie di esercizi è principalmente incentrata sulla regressione e la connessione, tuttavia in alcuni esercizi le soluzioni
DettagliAnalisi degli Errori di Misura. 08/04/2009 G.Sirri
Analisi degli Errori di Misura 08/04/2009 G.Sirri 1 Misure di grandezze fisiche La misura di una grandezza fisica è descrivibile tramite tre elementi: valore più probabile; incertezza (o errore ) ossia
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono
DettagliPOPOLAZIONE E CAMPIONI
p. 1/2 POPOLAZIONE E CAMPIONI POPOLAZIONE insieme di tutti quegli elementi che hanno almeno una caratteristica comune (persone, oggetti,misure, osservazioni). Consideriamo il caso di caratteristiche associate
Dettagli11 - Test del Chi-Quadro
11 - Test del Chi-Quadro rocedura generale di un fit ai dati: 1) Misure: (x 1,y 1 )...(x n,y n ), x 0, y = yi (gaussiani indipendenti) ) Ipotesi H 0 sul modello (Es. y = f(x) =A + Bx) 3) Metodo dei minimi
DettagliIncertezza nelle misure indirette
Capitolo 7 Incertezza nelle misure indirette 7.1 Propagazione delle incertezze Nel capitolo 3 abbiamo studiato come valutare l incertezza di una grandezza in una misurazione diretta, tuttavia raramente
DettagliIl metodo dei minimi quadrati. Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo:
Il metodo dei minimi quadrati Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo: Dove A e B sono costanti y = A + Bx (ad esempio in un moto uniformemente
DettagliLaboratorio di Chimica Fisica. Analisi Statistica
Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica
DettagliDal coefficiente di Correlazione lineare tra due grandezze x, y alla covarianza.
1 Dal coefficiente di Correlazione lineare tra due grandezze x, y alla covarianza. La seguente nota è dedicata ad una riorganizzazione del capitolo 9 del Taylor. Si fà notare che viene invertito l ordine,
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2013-2014) Metodi Numerici Appunti delle lezioni: Approssimazione di dati e funzioni Approssimazione ai minimi quadrati Docente Vittoria Bruni Email:
DettagliAppunti di statistica ed analisi dei dati
Appunti di statistica ed analisi dei dati Indice generale Appunti di statistica ed analisi dei dati...1 Analisi dei dati...1 Calcolo della miglior stima di una serie di misure...3 Come si calcola μ...3
Dettagli19 Marzo Equazioni differenziali.
19 Marzo 2019 Equazioni differenziali. Definizione 1. Si chiama equazione differenziale una relazione che coinvolge una o più derivate di una funzione incognita y(x), la funzione stessa, funzioni di x
DettagliUNIVERSITÀ DEL SALENTO
UNIVERSITÀ DEL SALENTO FACOLTÀ DI SCIENZE MMFFNN Corso di Laurea in Fisica CORSO DI LABORATORIO I MISURA DELLA COSTANTE ELASTICA DI UNA MOLLA E VERIFICA DELLA LEGGE DI HOOKE Scopo dell esperienza Misura
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliOsservazioni e Misura. Teoria degli errori
Osservazioni e Misura ella misura di una grandezza fisica gli errori sono inevitabili. Una misura non ha significato se non viene stimato l errore. Teoria degli errori La teoria degli errori cerca di trovare
DettagliEsperimentazioni di Fisica 1. Prova scritta del 10 giugno 2015 SOLUZIONI
Esperimentazioni di Fisica 1 Prova scritta del 10 giugno 2015 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 8 10/06/2015 1. (12 Punti) Quesito La forza che si esercita tra due conduttori percorsi,
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliTOPOGRAFIA 2013/2014. Prof. Francesco-Gaspare Caputo
TOPOGRAFIA 2013/2014 L operazione di misura di una grandezza produce un numero reale che esprime il rapporto della grandezza stessa rispetto a un altra, a essa omogenea, assunta come unità di misura. L
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Analisi e scelta dei dati di input Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Dati di input Per l esecuzione di una
DettagliSTATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE
S.S.I.S TOSCANA F.I.M. -II anno STATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE PROBLEMA 1 Vogliamo valutare la percentuale p di donne fumatrici tra le donne in età fertile. Procediamo all estrazione
DettagliSperimentazioni di Fisica I mod. A Statistica - Lezione 2
Sperimentazioni di Fisica I mod. A Statistica - Lezione 2 A. Garfagnini M. Mazzocco C. Sada Dipartimento di Fisica G. Galilei, Università di Padova AA 2014/2015 Elementi di Statistica Lezione 2: 1. Istogrammi
DettagliLezione 7 Metodo dei Minimi Quadra1
Lezione 7 Metodo dei Minimi Quadra1 S1matori di Minimi Quadra1 q Supponiamo di misurare due variabili casuali X e Y: ad ogni valore di X misuro il valore di Y. Per esempio negli istan1 x 1, x 2,, x n misuro
DettagliCapitolo 10. La media pesata Calcolo della media pesata
Capitolo 0 La media pesata Supponiamo che una stessa grandezza sia stata misurata da osservatori differenti (es. velocità della luce) in laboratori con strumenti e metodi di misura differenti: Laboratorio
DettagliDistribuzione Normale. Dott. Claudio Verona
Distribuzione Normale Dott. Claudio Verona Rappresentazione di valori ottenuti da misure ripetute Il primo problema che si riscontra nelle misure ripetute più volte è trovare un metodo conveniente per
DettagliRappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r
1 Rappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r Ovviamente tra le coppie (x i,y i ) può sussistere una correlazione
DettagliStatistica 2 parte ARGOMENTI
Statistica 2 parte ARGOMENTI Vettori gaussiani Matrice di covarianza e sua positività Marginali di un vettore normale Trasformazioni affini di vettori normali Indipendenza delle componenti scorrelate di
DettagliInterpolazione Statistica
Interpolazione Statistica Come determinare una funzione che rappresenti la relazione tra due grandezze x e y a cura di Roberto Rossi novembre 2008 Si parla di INTERPOLAZIONE quando: Note alcune coppie
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliAnalisi e scelta dei dati di input
Analisi e scelta dei dati di input Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 24 Aprile 2006 Francesca Mazzia (Univ. Bari) Analisi e
DettagliIl metodo dei minimi quadrati
Il metodo dei minimi quadrati 1 Posizione del problema Introduciamo la problematica con un semplice esempio pratico. Supponiamo di avere a disposizione una certa quantità x di oggetti tutti uguali tra
DettagliLezione 6. Tabelle funzionali. Utilizziamo il nostro sistema a portata di mano e ben controllabile
Tabelle funzionali Riguardano dati in cui si vuole verificare una relazione tra più grandezze. Si organizzano le tabelle delle migliori stime delle coppie di grandezze e delle rispettive incertezze totali.
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliSTIME STATISTICHE. Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 2/2
p. 1/1 INFORMAZIONI Prossime lezioni Giorno Ora Dove 10/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 17/02 14:30 P50 23/02 14:30 P50 25/02 14:30 Aula informatica (6-7 gruppi) 02/03 14:30 P50 04/03
DettagliLa media e la mediana sono indicatori di centralità, che indicano un centro dei dati.
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,
DettagliStatistica. POPOLAZIONE: serie di dati, che rappresenta linsieme che si vuole indagare (reali, sperimentali, matematici)
Statistica La statistica può essere vista come la scienza che organizza ed analizza dati numerici per fini descrittivi o per permettere di prendere delle decisioni e fare previsioni. Statistica descrittiva:
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
DettagliCapitolo 2 Le misure delle grandezze fisiche
Capitolo 2 Le misure delle grandezze fisiche Gli strumenti di misura Gli errori di misura Il risultato di una misura Errore relativo ed errore percentuale Propagazione degli errori Rappresentazione di
DettagliVogliamo determinare una funzione lineare che meglio approssima i nostri dati sperimentali e poter decidere sulla bontà di questa approssimazione.
S.S.I.S. TOSCANA F.I.M. II anno FUNZIONI DI REGRESSIONE E METODO DEI MINIMI QUADRATI Supponiamo di star conducendo uno studio sulla crescita della radice di mais in funzione del contenuto di saccarosio
DettagliEsercizi. Esercizio 1. Date le funzioni f(x) = x 2 3x + 2 e g(x) = 2x 1,
Esercizi Esercizio 1. Date le funzioni f(x) = x 2 3x + 2 e g(x) = 2x 1, (a) dire quanto vale f g e qual è il suo insieme di definizione; (b) dire quanto vale g f e qual è il suo insieme di definizione;
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Stima Puntuale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio In ciascuno dei casi seguenti determinare quale tra i due stimatori S e T per il parametro θ è distorto
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
Dettagli1 4 Esempio 2. Si determini la distribuzione di probabilità della variabile casuale X = punteggio ottenuto lanciando un dado. Si ha immediatamente:
CAPITOLO TERZO VARIABILI CASUALI. Le variabili casuali e la loro distribuzione di probabilità In molte situazioni, dato uno spazio di probabilità S, si è interessati non tanto agli eventi elementari (o
Dettaglip. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali.
p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 1/2 STIME STATISTICHE Consideriamo il caso della misura di una grandezza fisica
DettagliPresentazione dell edizione italiana
1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli
DettagliElementi di Probabilità e Statistica - 052AA - A.A
Elementi di Probabilità e Statistica - AA - A.A. -6 Prova scritta - giugno 6 Problema. (pt 9) Supponiamo che ad un centralino arrivino n chiamate, agli istanti aleatori T, T,..., T n.. Supponiamo che T,
DettagliMinimi quadrati pesati per la Regressione Lineare
Minimi quadrati pesati per la Regressione Lineare Salto in alto oltre le formule Ing. Ivano Coccorullo Perchè? La tabella che segue riporta il raggio medio dell orbita R ed il periodo di rivoluzione T
DettagliCorso di Statistica Industriale
Corso di Statistica Industriale Corsi di Laurea Specialistica in Ingegneria Gestionale e Ingegneria Meccanica Docente: Ilia Negri Orario del corso: Martedì: dalle 14.00 alle 16.00 Venerdì: dalle 10.30
DettagliUniversità di Siena. Teoria della Stima. Lucidi del corso di. Identificazione e Analisi dei Dati A.A
Università di Siena Teoria della Stima Lucidi del corso di A.A. 2002-2003 Università di Siena 1 Indice Approcci al problema della stima Stima parametrica Stima bayesiana Proprietà degli stimatori Stime
DettagliPROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
DettagliContenuto del capitolo
Capitolo 8 Stima 1 Contenuto del capitolo Proprietà degli stimatori Correttezza: E(Stimatore) = parametro da stimare Efficienza Consistenza Intervalli di confidenza Per la media - per una proporzione Come
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
Dettagli1 Equazioni Differenziali
Equazioni Differenziali Un equazione differenziale è un equazione che esprime un legame tra una variabile indipendente x (o t, quando ci riferiamo al tempo) una variabile dipendente y o incognita che sta
Dettagli5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana)
5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) Esercizio 1: Una variabile casuale e caratterizzata da una distribuzione uniforme tra 0 e 10. Calcolare - a) la probabilità
DettagliAnalisi statistica delle incertezze casuali. Dott. Claudio Verona
Analisi statistica delle incertezze casuali Dott. Claudio Verona Errori casuali Errori casuali e sistematici Un errore si dice casuale se viene commesso per semplice casualità (esso può essere trattato
DettagliCorrezione secondo compitino, testo A
Correzione secondo compitino, testo A 7 aprile 2010 1 Parte 1 Esercizio 1.1. Tra le funzioni del vostro bestiario, le funzioni che più hanno un comportamento simile a quello cercato sono le funzioni esponenziali
DettagliErrori sistematici e casuali
Errori sistematici e casuali Errori Casuali Tempo di reazione nel far partire o fermare l orologio: Può essere sia in eccesso che in difetto (ad esempio partenza e arrivo), quindi l errore può avere segno
DettagliInterpolazione e Smoothing di dati
IL FITTING DI DATI Interpolazione e Smoothing di dati PROBLEMA REALE MODELLO MATEMATICO METODO NUMERICO ALGORITMO SOFTWARE La prima fase del processo di risoluzione di un problema mediante calcolatore
DettagliElementi di Probabilità e Statistica - 052AA - A.A
Elementi di Probabilità e Statistica - 05AA - A.A. 014-015 Prima prova di verifica intermedia - 9 aprile 015 Problema 1. Dati due eventi A, B, su uno spazio probabilizzato (Ω, F, P), diciamo che A è in
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Regressione e correlazione Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
DettagliESAME. 9 Gennaio 2017 COMPITO B
ESAME 9 Gennaio 2017 COMPITO B Cognome Nome Numero di matricola 1) Approssimare tutti i calcoli alla quarta cifra decimale. 2) Ai fini della valutazione si terrà conto solo ed esclusivamente di quanto
DettagliRegressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DettagliEsperimentazioni di Fisica 1. Prova scritta del 10 giugno 2015 SOLUZIONI
Esperimentazioni di Fisica 1 Prova scritta del 10 giugno 2015 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 9 10/06/2015 1. (12 Punti) Quesito La forza che si esercita tra due conduttori percorsi,
DettagliLe Derivate. Appunti delle lezioni di matematica di A. Pisani Liceo Classico Dante Alighieri
Le Derivate Appunti delle lezioni di matematica di A. Pisani Liceo Classico Dante Alighieri Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato durante
DettagliRichiami di inferenza statistica Strumenti quantitativi per la gestione
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Parametri e statistiche Esempi Tecniche di inferenza Stima Precisione delle stime Intervalli
DettagliRichiami di inferenza statistica. Strumenti quantitativi per la gestione. Emanuele Taufer
Richiami di inferenza statistica Strumenti quantitativi per la gestione Emanuele Taufer Inferenza statistica Inferenza statistica: insieme di tecniche che si utilizzano per ottenere informazioni su una
DettagliMatematica Lezione 22
Università di Cagliari Corso di Laurea in Farmacia Matematica Lezione 22 Sonia Cannas 14/12/2018 Indici di posizione Indici di posizione Gli indici di posizione, detti anche misure di tendenza centrale,
Dettagli3 - Esercizi: strumenti di misura, propagazione degli errori, media, deviazione standard, intervalli
3 - Esercizi: strumenti di misura, propagazione degli errori, media, deviazione standard, intervalli Esercizio 1: Si intende misurare la densità di un fluido tramite misure di massa e di volume. Lo si
DettagliDistribuzione Normale. Dott. Claudio Verona
Distribuzione Normale Dott. Claudio Verona Rappresentazione di valori ottenuti da misure ripetute Il primo problema che si riscontra nelle misure ripetute più volte è trovare un metodo conveniente per
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliStima dell intervallo per un parametro
Stima dell intervallo per un parametro In aggiunta alla stima puntuale di un parametro dobbiamo dare l intervallo che rappresenta l incertezza statistica. Questo intervallo deve: comunicare in modo obbiettivo
DettagliINTERPOLAZIONE. Introduzione
Introduzione INTERPOLAZIONE Quando ci si propone di indagare sperimentalmente la legge di un fenomeno, nel quale intervengono due grandezze x, y simultaneamente variabili, e una dipendente dall altra,
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La v.c. Uniforme Continua Secondo alcuni sondaggi sul sito della Apple (technical support site,
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
DettagliMinimi quadrati vincolati e test F
Minimi quadrati vincolati e test F Impostazione del problema Spesso, i modelli econometrici che stimiamo hanno dei parametri che sono passibili di interpretazione diretta nella teoria economica. Consideriamo
DettagliDistribuzioni e inferenza statistica
Distribuzioni e inferenza statistica Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliAPPUNTI DI STATISTICA INFERENZIALE. Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO
APPUNTI DI STATISTICA INFERENZIALE Avalle Fulvia, maggio 2014, ITSOS MARIE CURIE CLASSI 4A BIO e 4B BIO PREREQUISITI VARIABILE ALEATORIA (QUANTITATIVA): è una funzione che associa un numero reale ad ogni
DettagliFranco Ferraris Marco Parvis Generalità sulle Misure di Grandezze Fisiche. Prof. Franco Ferraris - Politecnico di Torino
Generalità sulle Misure di Grandezze Fisiche Prof. - Politecnico di Torino - La stima delle incertezze nel procedimento di misurazione -modello deterministico -modello probabilistico - La compatibilità
DettagliElementi. Statistica. Masterclass - Frascati 27/2/2013 Elementi di statistica Marco Dreucci
Elementi di Statistica 1 Fisica Alte Energie : di cosa si occupa? 2 Variabili aleatorie e distribuzioni 3 Fit ai dati sperimentali 4 Tre esempi completi 1 Fisica Alte Energie Di cosa si occupa? Spiega
DettagliPolinomio di Taylor del secondo ordine per funzioni di due variabili
Esercitazioni del 15 aprile 2013 Polinomio di Taylor del secondo ordine per funzioni di due variabili Sia f : A R 2 R una funzione di classe C 2. Fissato un p unto (x 0, y 0 A consideriamo il seguente
DettagliDISTRIBUZIONE NORMALE (1)
DISTRIBUZIONE NORMALE (1) Nella popolazione generale molte variabili presentano una distribuzione a forma di campana, bene caratterizzata da un punto di vista matematico, chiamata distribuzione normale
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliCorso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Intervalli di confidenza Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
DettagliIndice. Capitolo 1 Richiami di calcolo numerico 1. Capitolo 2 Rappresentazioni di dati 13
Autori Prefazione Nota dell Editore e istruzioni per l uso Guida alla lettura XI XIII XV XVII Richiami di calcolo numerico 1 1.1 Unità di misura e fattori di conversione; potenze del 10; notazioni scientifiche
DettagliIncertezza di Misura: Concetti di Base
Incertezza di Misura: Concetti di Base Roberto Ottoboni Dipartimento di Elettrotecnica Politecnico di Milano 1 Il concetto di misura Nella sua accezione più comune si è sempre inteso come misura di una
Dettagli