Lezione 3 Proprietà statistiche degli stimatori OLS - 1. Anche in questo capitolo si considera il modello di regressione lineare.
|
|
- Norberto Borghi
- 5 anni fa
- Visualizzazioni
Transcript
1 Lezioe 3 Proprieà saisiche degli simaori OLS - Ache i queso capiolo si cosidera il modello di regressioe lieare y x β + u co E( u Ω ) 0, x appariee a Ω per,,, e si assume che sia assegao il processo (fiio) delle osservazioi ( y, x ) per,,, per il processo socasico {( y, x )}. Nelle applicazioi il modello di regressioe e` u modello ecoomerico che si assume correamee specificao, el seso che i dai a disposizioe provegoo da u DGP del modello. Si osservi che qui (erambe) le variabili y e x soo variabili aleaorie, mere gli argomei del precedee capiolo richiedoo solao la dispoibilià del veore y di R e della marice (di umeri reali) di dimesioe. Si segalao i due semplici esempi di modelli di regressioe lieare che si cosiderao ei corsi di saisica di base. () y x β u u iid σ, +,.. (0, ) () y x β u u id σ, +,.. (0, ) co i valori di x fissai (e quidi la variabile x può essere cosideraa o aleaoria). Nel seguio quado si fara` uso delle oazioi i () e (), la variabile x può essere aleaoria ma si soiede che le variabili aleaorie u e x soo idipedei e quidi che E( u x ) 0. Evideemee i due modelli soo paramerici, il primo è parzialmee specificao (o e` oa la disribuzioe degli errori) mere il secodo è compleamee specificao (e` oa la disribuzioe degli errori). I ecoomeria le proprieà degli simaori che hao maggiore ieresse soo quelle asioiche (valide cioè i preseza di gradi campioi), Per compleezza si riporao le proprieà, spesso ralasciado la prova, degli simaori OLS valide per campioi fiii, che soo ceramee oe a coloro che hao seguio u corso di saisica. Ci sarao piccoli aggiusamee perche possao essere uilizzae ache i problemi ecoomerici. Proprieà dello simaore OLS per campioi fiii Proposizioe Se sussise E( u ) 0 per ogi,,, ( ) allora lo simaore ˆβ è correo; ( ) Quesa ipoesi, deomiaa srea esogeeià delle variabili idipedei, è evideemee più resriiva di E( u per ogi, presee el modello, che ivece è dea esogeeià coemporaea delle variabili x) 0,, idipedei. Si segala che la srea esogeeià, che può essere abbasaza ragioevole per dai cross-secio, è poco verosimile (ma o esclusa a priori) i preseza di ime series, ma è ceramee o valida se el modello soo presei (ra le variabili idipedei) variabili dipedei riardae (modelli diamici).
2 più precisamee E( βˆ ) β, da cui ovviamee segue E( βˆ ) β. (La verifica è immediaa e la prova mosra che i asseza della srea esogeeià lo simaore o è correo). Proposizioe ( ) Nelle ipoesi: le variabili x soo sreamee esogee ( E( u ) 0 ), gli errori soo omoschedaici ( E( u ) σ ); gli errori soo o correlai ( E( uu ) 0 per s) s (e quidi i paricolare se { u } iid...(0, σ ) che equivale a { u} iid σ variabili u e soo idipedei), si ha:...(0, ) e le ( ) σ I var( β ) ( E ( )( ) E ( ) ( ) ββ β β uu ) σ I. Osservazioe: Se si defiisce (marice di) precisioe di uo simaore correo la marice iversa della sua variaza, allora elle ipoesi di proposizioe si ha: la precisioe dello simaore aumea co la lughezza del campioe e dimiuisce i preseza di quasi-mulicolliearià (Si dice che c è mulicolliearià ella marice se le sue coloe soo liearmee dipedei come veori di R e duque se il deermiae di è ullo). Lo simaore OLS è il più efficiee (cioè ha la miore variaza e quidi la maggiore precisioe ( 3 ) ) ra gli simaori correi e lieari i y. Ifai sia β Ay u alro simaore di β lieare i y e correo, co A marice di ordie. Allora si ha ( A ) A( β y β + u) e quidi β E( β ) E( Ay ) E( Aβ + Au ) Aβ (quale che sia il valore di β ) dode si ha A I. Ora poso C A( ) si ha C 0 (segue dalla rappreseazioe di C e da A I ); ( ) Le ipoesi della proposizioe soo ceramee valide se{ ( y, x) } i.. id. e quidi ragioevoli i modelli co dai cross-secio. ( 3 ) Si segala il seguee risulao che sarà uilizzao i seguio, il cui euciao è abbasaza prevedibile ma la cui dimosrazioe o è baale e per quesa ragioe è saa sposaa ell appedice. Teorema: Siao A e B marici quadrae dello sesso ordie, allora le seguei proposizioi soo equivalei: a) 0 < A B ; b) 0 B < A.
3 Cy + βˆ β ( Ay Cy+ ( ) y ) C + C + ˆ C + ˆ β u β u β ; quidi cov (, C ) E ( )( ) E ( ) C' β y ββ β β uu 0(essedo C 0) e cov( βˆ, C y) 0. L assero a queso puo segue dalla rappreseazioe β Cy + βˆ essedo cov( β ˆ, C y) 0. Nella seguee proposizioe soo elecae alcue proprieà dei residui, valide sempre per campioi fiii. Proposizioe 3 Nelle ipoesi di proposizioe (duque le variabili idipedei soo sreamee esogee e il processo degli errori è a) E( uˆ ) E( u ) E( u ) 0 ; ( 4) iid...(0, σ )) si ha: b) c) uˆ uu σ σ (duque le coordiae di û, a var( ) E( ) ( ( I ( ) )) differeza di quelle degli errori u soo correlae e duque o soo idipedei; i realà la preseza di correlazioe elle coordiae di û è gia saa segalaa ella oa (4). S u u ˆ ( ) è uo simaore correo di σ ; dicesi ache simaore OLS della u variaza. Ifai osservao che ˆ ˆ, essedo h il e simo elemeo var( u ) E( u ) ( h) σ diagoale della marice P, si ha h Tr( P ) Tr(( ) ) Tr( I) e quidi σ σ E( S ) E( uˆ ) ( h) (e i paricolare E( S ) σ ). d) ˆ cov( β, S ) 0 ; (euo coo della rappreseazioe di S è sufficiee ricooscere che è cov( βˆ, u) 0. Ifai si ha ˆ ˆ β u β β u uu 0). cov (, ) E ( ) E ( ) Osservazioe: ( 4) uˆ ˆ u ; i paricolare è orogoale a ciascu veore coloa di e se il modello y β + u û coiee l iercea allora la somma delle coordiae del veore û è ulla (e perao le coordiae o possoo essere idipedei, circosaza che ivece si verifica per u ). 3
4 ) Ua quesioe che qui o è affroaa, ma di sicuro ieresse per le applicazioi, è l effeo sulle sime dei seguei due errori di specificazioe (i u qualuque eso di ecoomeria l argomeo è raao esaurieemee). i) E presee el modello ua variabile idipedee o ecessaria per spiegare la variabile dipedee y (sovraspecificazioe). ii) Ua variabile idipedee uile per spiegare la variabile dipedee y o è saa iseria el modello (soospecificazioe). Si segala solao (la prova è quasi imediaa) che l errore di sovraspecificazioe o alera le proprieà dello simaore ma e riduce la precisioe, mere l errore di soospecificazioe alera (geeralmee) le proprieà dello simaore. Proprieà degli simaori OLS per campioi fiii e modelli ormali Fermo resado le alre ipoesi (i paricolare la srea esogeeià delle variabili idipedei) si u id...(0, σ )(o equivaleemee u N(; 0 σ I )). Allora alle precedei assume che { } proprieà si aggiugoo le seguei: a) ˆ (,( ) β N β σ I (o equivaleemee ) ( ˆ ) ( β ) β N( 0; σ I) ); è evidee o appea si osserva che β ˆ si oiee da ua variabile aleaoria co disribuzioe ormale mediae ua rasformazioe lieare. b) Le variabili ˆβ ed S (codizioae ad ) soo idipedei; ifai le variabili ˆβ e u ( ) soo cogiuamee ormali e o correlae 5 e quidi idipedei e iolre S è fuzioe di u. c) Si ha S ( ) χ σ ; segue dalla rappreseazioe ( ) S u u e dal eorema i appedice. Appedice Proposizioe: Siao A e B marici simmeriche defiie posiive dello sesso ordie. Allora I A defiia posiiva A I defiia posiiva. ( 5) cov (, ) E ( )( ) E ( )( ) ( ) E( )( I ( β u β β u β β u uu ) ) σ ( ) ( I ( ) ) 0. 4
5 Ifai sia x R, x 0 ( A), e si cosideri z x. Allora essedo A ( A) si ha > ( A x I) x z A( A I) Az z ( I A) z 0 AB è defiia posiiva se A e B commuao. ABA è defiia posiiva (essua ipoesi su A salvo l iveribilià); i paricolare ABA è defiia posiiva se A è simmerica. A B B A defiia posiiva defiia posiiva. Ifai / / / / A B > 0 I A BA > 0 I A B A < 0 A B < 0 Teorema : Sia x u veore aleaorio di dimesioe. Allora x N(, 0 Ω) x Ω x χ. / Basa osservare che Ω x N(, 0 I ) e duque x Ω x e la somma di dei quadrai di variabili co disribuzioe ormale sadard. P Sia ua proiezioe orogoale sullo spazio geerao dai veori coloa della marice di dimesioe ( < ) (si oi che ua proiezioe è orogoale se e solao se è simmerica). Allora z N(, 0 I ) z P z χ. Segue dalla precedee o appea si osserva che z P z z z e z N(, 0 ). ( ) 5
1-Econometria, a.a Breve introduzione
-Ecoomeria, a.a. 0-. Breve iroduzioe Lezioe Breve Iroduzioe. L Ecoomeria e ua disciplia che uilizza i meodi saisici per dare risposa a problemi di aura ecoomica.. I dai ecoomici o soo di aura sperimeale.
Dettagli1-Econometria, a.a Capitolo 1
-Ecoomeria, a.a. 04-5 Capiolo - Breve Iroduzioe - Modello di regressioe lieare -3 Due meodi di sima: Il Meodo dei Momei e il Meodo dei Miimi Quadrai -4 Proprieà geomeriche delle sime OLS -5 Le sime OLS
Dettagli0 t }, allora il modello
9-Ecoomeria, a.a. -. Variabili Srumeali Lezioe 9 Il Meodo (di sima) delle Variabili Srumeali U ruolo fodameale ei meodi di sima fiora preseai, è la codizioe sugli errori del modello (preseaa ella forma
DettagliCapitolo Modelli econometrici con variabili endogene (tra le variabili indipendenti)
7-Ecoomeria, aa 04-5 Capiolo 7 7- Modelli ecoomerici co variabili edogee (ra le variabili idipedei 7- Il meodo (di sima delle variabili srumeali 7-3 Lo simaore SLS 7-4 Tes sulle ipoesi: il modello IVGNR
DettagliSforzo all interfaccia fra due regioni con differente permeabilità magnetica
Sforzo all ierfaccia fra due regioi co differee permeabilià mageica Si cosideri l ierfaccia fra due regioi, Ω e Ω, avei diversa permeabilià mageica, rispeivamee e. Si limii ora lo sudio ad ua porzioe ifiiesima
DettagliLezione 7. Il Metodo GLS (Minimi Quadrati Generalizzati) e FGLS
Lezioe 7 Il Meodo (Miimi Quadrai Geeralizzai) e F Nei meodi di sima OLS e NLS, reseai ei recedei caioli, l eveuale reseza di eeroschedasicià egli errori (ed ache la reseza di auocorrelazioe) iflueza solao
Dettagli0 per x / ( 1, ). i) (4 p) Trovare per quali valori di α la funzione f è una densità di probabilità (non si chiede di calcolare C α ).
Corsi di Probabilià, Saisica e Processi socasici per Ig dell Auomazioe, Iformaica e If Ges Azieda /5/ Esercizio U sisema di preallarme su u velivolo segala ua A allarme oppure ua N o allarme ogi dieci
DettagliSMSMW#300#130#1#220#210W#300#130#1#140#130W#220#13
Marice icideza La marice d'icideza complea A c di u grafo orieao G co N odi ed R rami, è ua marice reagolare di N righe ed R coloe che si cosruisce come segue: si umerao co =1,2,...,N ui i odi e co r=1,2,...,r
Dettagli(x + 1) α (1 x) 3 α per x ( 1, 1) 0 per x / [ 1, 1]
Corsi di Probabilià, Saisica e Processi socasici per Ig dell Auomazioe, Iformaica e If Ges Azieda // Esercizio Si osserva l iesià del veo el poro di Maria regisrado uo ogi gioro i cui il veo o supera ua
DettagliIl modello di Black e Scholes come limite del modello binomiale multiperiodale
Capiolo Il modello di Blac e Scholes come limie del modello biomiale muliperiodale. Il Modello Biomiale Muliperiodale Ricordiamo brevemee il Modello Biomiale Muliperiodale o Cox-Ross-Rubisei IPOTESI e
DettagliSi dice che f è infinitesima o che è un infinitesimo per x x0 Un infinitesimo, quindi è una variabile che tende a zero.
pag Appui elaborai dal collega Prof. Vicezo De Pasquale Ifiiesimi Si dice che f è ifiiesima o che è u ifiiesimo per se f ( ) U ifiiesimo, quidi è ua variabile che ede a zero. Es. - π y cos è u ifiiesimo
DettagliEsercizio 1. Sia N un processo di Poisson di parametro λ. Dimostrare che, per ogni t > 0,
Esercizi di Calcolo delle Probabilià della 9 a seimaa Corso di Laurea i Maemaica, Uiversià degli Sudi di Padova. Esercizio 1. Sia N u processo di Poisso di paramero λ. Dimosrare che, per ogi > 0, N P oλ.
Dettaglio in forma matriciale, con l evidente significato dei simboli,
5-Ecoomeria, a.a. - Lezioe 5 Prorieà asioiche egli simaori OLS Ua caraerisica ei ai ecoomici è quella i essere (geeralmee) molo umerosi, erao i ecoomeria assumoo grae rilievo i risulai asioici e i quesi
Dettagli4 I MINIMI QUADRATI GENERALIZZATI
F. Carlucci Traccia per u corso di Ecoomeria Modulo II Miimi quadrai 4 I MINIMI QUADRATI GENERALIZZATI Idice del capiolo 4. L ipoesi di sfericià dei residui... 4. Lo simaore dei miimi quadrai geeralizzai...
DettagliCapitolo 4. denota il complesso di informazioni disponibili all istante t (risp. nell unita` sezionale
4-Ecoomeria, a.a. 4-5 Caiolo 4 4- Modelli di regressioe o lieare 4- Meodi di sima: Il meodo dei momei e quello dei miimi quadrai (NLS) 4-3 Prorieà asioiche delle sime NLS: Cosiseza e asioica ormalia` 4-4
DettagliTab. 1 - Studenti presenti alla lezione di statistica del per voto alla maturità
53 Idici di variabilià 531 Iervalli di variazioe Sosiuire ua disribuzioe co u valore medio, per quao esso possa essere rappreseaivo, causa comuque ua fore perdia di iformazioe Divea perciò ecessario rovare
DettagliSerie e trasformate di Fourier brevi richiami
UNIVERSIÀ DEGLI SUDI DI FIRENZE DIPARIMENO DI INGEGNERIA CIVILE e AMBIENALE Sezioe Geoecica Serie e rasformae di Fourier brevi richiami Do. Ig. Albero Pulii eorema di Fourier U qualsiasi segale periodico
DettagliI appello - 8 Gennaio 2019
Aalisi Maemaica - A.A. 08/9 Prove scrie di Aalisi Maemaica - A.A. 08/09 Corso di Laurea i Igegeria Civile Corso di Laurea i Igegeria Iformaica ed Eleroica I appello - 8 Geaio 09 Svolgere i seguei esercizi,
DettagliTeoria delle distribuzioni Parte quinta Limiti nel senso delle distribuzioni
ezioi di Maemaica e disribuzioi pare 5 Teoria delle disribuzioi Pare quia imii el seso delle disribuzioi operazioe di limie i seso disribuzioale Passiamo a raare, araverso ua serie di esempi precedui da
DettagliTecnica delle misurazioni applicate Esame del 7 gennaio 2008
Tecica delle misurazioi applicae Esame del 7 geaio 008 Problema 1. La Beloiglio rl è u impresa che alleva idusrialmee coigli e da lugo empo uilizza il magime ProRabbi 10% che ha sempre garaio, i u presabilio
DettagliModelli'di'Variabili'Aleatorie'
ModellidiVariabiliAleaorie! VariabilialeaoriediBeroulli: " X èdiberoullidiparamero p (,) se P( X ) p e P( X ) p. " Proprieà: # E X # Var X : p X ( ) + p X ( ) p. E( X ) E( X) masiccome X X $ E( X) E( X)
DettagliEquazioni differenziali: formule
Equazioi differeziali: formule Equazioi a variabili separabili y ' A B y Vale eorema esiseza e uicià locale y ' dy Ad B y y y ' A B y y Si applicao le codizioi alla fie dei due iegrali idefiii, oppure
Dettagli2. Moto browniano: prime proprietà Il moto browniano Processi stocastici gaussiani
6. MOTO BROWNIANO: PRIME PROPRIETÀ. Moo browiao: prime proprieà I queso capiolo sviluppiamo la raazioe maemaica del moo browiao. Queso processo prede il ome dal boaico scozzese Rober Brow, che el 87 descrisse
DettagliFondamenti di Internet e Reti
. sui riardi commuazioe di paccheo -.o U sisema rasmissivo della velocià di 00 [kb/s] presea ua lughezza di 500[km]. Si calcoli il empo che iercorre fra la rasmissioe del primo bi e la ricezioe dell'ulimo
DettagliTEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11
1 TEORIA DELLE MATRICI Dato u campo K, defiiamo matrice ad elemeti i K di tipo (m, ) u isieme di umeri ordiati secodo m righe ed coloe i ua tabella rettagolare del tipo a11 a12... a1 a21 a22... a2 A =.........
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
DettagliAPPENDICE 1 Richiami di algebra lineare
APPENDICE Richiami di algebra lieare vettore: isieme ordiato di elemeti (umeri reali, umeri complessi, variabili, fuzioi,...) B = b b M b 2 { } = b, co i =, L, i il vettore sopra defiito è detto ache vettore
DettagliAnalisi stocastica. Dispense del corso 2009/10. Versione 2.1 Ultima modifica: 21 dicembre FRANCESCO CARAVENNA
Aalisi socasica Dispese del corso 9/1 Versioe.1 Ulima modifica: 1 dicembre 1. FRANCESCO CARAVENNA fracesco.caravea@mah.uipd.i hp://www.mah.uipd.i/~fcarave DIPARIMENO DI MAEMAICA PURA E APPLICAA UNIVERSIÀ
DettagliIntervalli di Fiducia
di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica
DettagliProprietà asintotiche stimatori OLS e statistiche collegate
Proprietà asitotiche stimatori OLS e statistiche collegate Eduardo Rossi 2 2 Uiversità di Pavia (Italy) Maggio 2014 Rossi Proprietà asitotiche Ecoometria - 2014 1 / 30 Sommario Risultati prelimiari Distribuzioe
Dettagli3 VARIABILI DI COMODO E CAMBIAMENTI STRUTTURALI
F. Carlucci Traccia per u corso di Ecoomeria Modulo II Miimi quadrai 3 VARIABILI DI COMODO E CAMBIAMENTI STRUTTURALI Idice del capiolo 3. Esesioi del modello lieare classico e es di malaspecificazioe.
Dettagli1 IL MODELLO LINEARE GENERALE
Fracesco Carlcci Traccia per corso di Ecoomeria Modlo II Miimi qadrai IL MODELLO LINEARE GENERALE Idice del capiolo. Serie soriche, dai sezioali e logidiali... Dai logidiali...3. Il crierio dei miimi qadrai...4.3
DettagliAlcuni concetti di statistica: medie, varianze, covarianze e regressioni
A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè
DettagliSeconda Prova Intermedia 28 Maggio 2019 Elementi di Probabilità e Statistica, Laurea Triennale in Matematica, M. Romito, M.
Secoda rova Itermedia 8 Maggio 09 Elemeti di robabilità e Statistica, Laurea Trieale i Matematica, 08-9 M. omito, M. ossi roblema 0. Sia X, Y ) ua v.a. a valori i co desità dove N è u parametro fissato.
DettagliTRASFORMATA DI FOURIER. A.1 Segnali analogici, deterministici ed aleatori. A p p e n d i c e A
A p p e d i c e A RASFORMAA DI FOURIER Uo degli aspei più imporai di uo il seore dell igegeria è sicuramee l aalisi di segali el domiio del empo e della frequeza. I segali aalogici si disiguoo i segali
DettagliCampionamento casuale da popolazione finita (caso senza reinserimento )
Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori
DettagliUniversità di Camerino Corso di Laurea in Fisica: indirizzo Tecnologie per l Innovazione Appunti di Calcolo Prof. Angelo Angeletti
Iegrali idefiii Geeralià Si è viso come, daa ua fuzioe di equazioe y = f(), si possa rovare la sua derivaa prima f (). Si è ache osservao che esise ua codizioe ecessaria, ma o sufficiee, affiché ua fuzioe
DettagliLezione 6 Modelli di Regressione Non Lineare In questo capitolo si considerano modelli econometrici non lineari del tipo. y t
6-Ecoomeria, a.a. -. Regressioe o lieare Lezioe 6 Moelli i Regressioe No Lieare I queso caiolo si cosierao moelli ecoomerici o lieari el io y = f( x, ) + u co E( u x ) = ; quii si sa assumeo che la variabile
DettagliSomma E possibile sommare due matrici A e B ottenendo una matrice C se e solo se le due matrici hanno lo stesso numero di righe e di colonne.
Matrici Geeralità sulle matrici I matematica, ua matrice è uo schierameto rettagolare di oggetti; le matrici di maggiore iteresse soo costituite da umeri come, per esempio, la seguete: 1 s 6 4 4 2 v t
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile
DettagliIl modello di Black e Scholes come limite del modello binomiale multiperiodale
Capiolo Il modello di Blac e Scholes come limie del modello biomiale muliperiodale. Il Modello Biomiale Muliperiodale Ricordiamo brevemee il Modello Biomiale Muliperiodale o Cox-Ross-Rubisei.. Ipoesi e
DettagliFondamenti Segnali e Trasmissione IOL Prova in presenza 23/02/2006
Fodamei Segali e rasmissioe IOL Prova i preseza 0006 è l igresso di u sisema lieare empo ivariae caraerizzao dalla risposa all impulso h () rec 0. 5. Disegare ale risposa all impulso e valuare quale y
DettagliSTATISTICA INFERENZIALE: TRE FILE PDF
Uiversià C. Caaeo, Corso di STATISTICA. AA 008-9, Robero D Agiò STATISTICA INFERENZIALE: TRE FILE PDF Il file PDF Saisica Ifereziale (I) è il rimo dei seguei re file scaricabili dal Maeriale Didaico (soo
DettagliElementi di calcolo combinatorio
Appedice A Elemeti di calcolo combiatorio A.1 Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare
DettagliUniversità degli Studi di Salerno Pietro Coretto. Corso di Statistica FORMULARIO
Versioe: 16 ottobre 2017 (h17:25) Uiversità degli Studi di Salero Pietro Coretto Corso di Statistica FORMULARIO Valori osservati per statistiche di posizioe, variabilità e correlazioe Nota: per ua distribuzioe
DettagliMoto browniano e analisi stocastica
Moo browiao e aalisi socasica Versioe 3.3 Ulima modifica: 9 giugo 11. FRANCESCO CARAVENNA fracesco.caravea@uimib.i hp://www.maapp.uimib.i/~fcarave DIPARIMENO DI MAEMAICA E APPLICAZIONI UNIVERSIÀ DEGLI
DettagliUN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI
UN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI Il piu semplice problema (saico) di ifereza saisica paramerica e quello i cui la disribuzioe di probabilia comue a ui i umeri aleaori (a) osservabili
DettagliNozioni elementari di Analisi Matematica applicate alla Fisica Generale
Nozioi elemeari di alisi Maemaica applicae alla Fisica Geerale Nozioe di iegrale ideiio La derivazioe può essere ierpreaa come ua regola che, per ogi uzioe assegaa (primiiva), ci permee di deermiare u
DettagliLEZIONI DI ANALISI ECONOMETRICA
LEZIONI DI ANALISI ECONOMETRICA Idice Lisa degli esempi applicaivi Iroduzioe Il modello lieare. Aalisi ecoomica ed aalisi ecoomerica Primi obieivi dell Ecoomeria. I modelli e il lugo periodo Modelli saici
Dettagli0.1 Esercitazioni V, del 18/11/2008
1 0.1 Esercitazioi V, del 18/11/2008 Esercizio 0.1.1. Risolvere usado Cramer il seguete sistema lieare x + y + z = 1 kx + y z = 0 x kz = 1 Soluzioe: Il determiate della matrice dei coefficieti è (k 2)(k
Dettagli1 Famiglia delle densità gamma
olitecico di Milao, Statistica INF, TEL [A-LZ], Epifai I., AA 7/8 Famiglia delle desità gamma Le espressioi delle desità espoeziale di parametro θ e χ date da (E(β)) (χ ) /θe x/β (, ) (x), β > (/) / x
DettagliCapitolo 3. un suo modello, che si assume correttamente specificato (cioe` il processo soddisfa (*) per qualche valore di β ).
3-Ecoomeria, a.a. 4-5 Caiolo 3 3- Prorieà asioiche egli simaori OLS: Cosiseza 3- Alcue versioi el eorema el limie cerale 3-3 Prorieà asioiche egli simaori OLS: Asioica ormalia` 3-4 Simaore cosisee ella
DettagliAlgebra delle matrici
Algebra delle matrici Prodotto di ua matrice per uo scalare Data ua matrice A di tipo m, e dato uo scalare r R, moltiplicado r per ciascu elemeto di A si ottiee ua uova matrice di tipo m, detta matrice
DettagliREGRESSIONE LINEARE E POLINOMIALE
REGRESSIONE LINEARE E POLINOMIALE Nota ua tabella di dati relativi alle osservazioi di due gradezze X e Y, è aturale formulare ipotesi su quale possa essere ua ragioevole fuzioe che rappreseti o che approssimi
Dettagli= = 32
Algabra lieare (Matematica CI) - 9 Algebra delle matrici - Moltiplicazioe Euple, righe e coloe Notazioe I algebra lieare giocao u ruolo importate le coppie, tere,, ple ordiate di umeri reali; cosi come
DettagliANalysis. Analisi della Varianza - ANOVA. Aprile, Aprile, Nel linguaggio delle variabili le operazioni fondamentali sono tre
ANalsis Of VAriace Nel liguaggio delle variabili le operazioi fodametali soo tre Descrizioe Spiegazioe Iterpretazioe Descrizioe La relazioe tra variabili viee sitetizzata per meglio cogliere gli aspetti
DettagliDistribuzione normale
Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore Marco Riai mriai@uipr.it http://www.riai.it STIMA PUNTUALE (p. 55 Il parametro è stimato co u uico valore Esempio: stima della share di u programma TV % di spettatori el campioe
DettagliINTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI
Adolfo Scimoe FORMULE INTEGRAZIONE Pag INTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI Iegrazioe delle fuzioi razioali frae Se la frazioe è impropria, cioè il grado del umeraore è maggiore o uguale
DettagliEsercitazione sette: soluzioni. H 1 : θ > 0.48 ( =
Esercitazioe sette: soluzioi. { H0 : θ 0.48 H : θ > 0.48 a) La variabile Y ha ua distribuzioe beroulliaa di parametro θ. La desità appartiee alla famiglia espoeziale e possiamo vedere se è a rapporto di
DettagliAppunti sui modelli lineari
Uiversità degli Studi di Bologa Facoltà di Scieze Statistiche Auti sui modelli lieari Agela Motaari ANNO ACCADEMICO 2004-2005 . INRODUZI ONE AI DAI MUL IVARI AI Esemio (Fote: Quattroruote, Marzo 996 =
DettagliIstituzioni di Analisi Superiore, secondo modulo
Uiversià degli Sudi di Udie Ao Accademico 997/98 Facolà di Scieze aemaiche, Fisiche e Naurali Corso di Laurea i aemaica Isiuzioi di Aalisi Superiore, secodo modulo Cogome e Nome: Prova Scria del 4 giugo
DettagliElementi di algebra per la chimica. Antonino Polimeno Dipartimento di Scienze Chimiche Università degli Studi di Padova
Elemeti di algebra per la chimica toio Polimeo Dipartimeto di Scieze Chimiche Uiversità degli Studi di Padova 1 Corpi & spazi Corpo: u corpo K è u isieme di umeri tali che Se a e b appartegoo a K, allora
DettagliESAME DI STATO DI LICEO SCIENTIFICO Corso Sperimentale P.N.I. Tema di MATEMATICA - 23 giugno 2005
ESAME DI STATO DI LICEO SCIENTIFICO -5 Corso Sperimeale PNI Tema di MATEMATICA - giugo 5 Svolgimeo a cura della profssa Sadra Berecoli e del prof Luigi Tomasi (luigiomasi@liberoi) RISPOSTE AI QUESITI DEL
DettagliUniversità degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno
Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto
DettagliCAMBIAMENTO DI BASE IN UNO SPAZIO VETTORIALE
CAMBIAMENTO DI BASE IN UNO SPAZIO VETTORIALE Sia V uo spazio vettoriale sul campo K. Siao v, v,..., v vettori dati apparteeti a V e siao, ioltre, assegati scalari k, k,..., k apparteeti a K. Si defiisce
Dettagli( ) che include le rilevazioni sulle variabili effettuate sulla i-esima unità. Di tali vettori
Rappreseazioe geomerica dei dai mulidimesioali l veore è ua m-upla ordiaa di umeri reali che esprime u blocco di iformazioi: x i,x i,,x im se e usao (umero di uià rilevae). L isieme delle rilevazioi forma
DettagliLe successioni: intro
Le successioi: itro Si cosideri la seguete sequeza di umeri:,, 2, 3, 5, 8, 3, 2, 34, 55, 89, 44, 233, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi 2 mesi i u allevameto!
DettagliStima di somme: esercizio
Stima di somme: esercizio Valutare l'ordie di gradezza della somma k l (1 + 3 k ) Quado x
DettagliCenni di calcolo combinatorio
Appedice B Cei di calcolo combiatorio B Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare degli
Dettagli1 + 1 ) n ] n. < e nα 1 n
Esercizi preparati e i parte svolti martedì 0.. Calcolare al variare di α > 0 Soluzioe: + ) α Per α il ite è e; se α osserviamo che da + /) < e segue che α + ) α [ + ) ] α < e α Per α > le successioi e
Dettagli(A + B) ij = A ij + B ij, i = 1,..., m, j = 1,..., n.
Algebra lieare Matematica CI) 263 Somma di matrici Siao m ed due iteri positivi fissati Date due matrici A, B di tipo m, sommado a ciascu elemeto di A il corrispodete elemeto di B, si ottiee ua uova matrice
DettagliDistribuzione normale o gaussiana
Distribuzioe ormale o gaussiaa Ua variabile radom si dice distribuita ormalmete (o secodo ua curva gaussiaa) se la sua fuzioe di desità di probabilità è del tipo: f () ( ) ep co - rappreseta il valore
DettagliSUCCESSIONI DI FUNZIONI
SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe
DettagliDef. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii)
Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi : Riferimeti: R.Adams, Calcolo Differeziale. -Si cosiglia vivamate di fare gli esercizi del testo. Cap. 9.5 - Serie di poteze,
DettagliLezione 2. . Gruppi isomorfi. Gruppi S n e A n. Sottogruppi normali. Gruppi quoziente. , ossia, equivalentemente, se x G Hx = xh.
Prerequisiti: Lezioe Gruppi Lezioe 2 Z Gruppi isomorfi Gruppi S e A Riferimeti ai testi: [FdG] Sezioe ; [H] Sezioe 26; [PC] Sezioe 58 Sottogruppi ormali Gruppi quoziete L Esempio 7 giustifica la seguete
DettagliMetodi statistici per l analisi dei dati
Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo
DettagliAlgebra delle matrici
Algebra delle matrici Vettori riga, vettori coloa Sia u itero ositivo fissato Ciascu vettore di R uo essere esato come ua matrice riga oure come ua matrice coloa (co elemeti) Per covezioe, idetifichiamo
DettagliDETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE
DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo
DettagliOPERAZIONI SUI SEGNALI DETERMINISTICI, ENERGIA, VALOR MEDIO, POTENZA, ANALISI DI FOURIER, CONVOLUZIONE. A cos 2 / 2
OPERAZIONI SUI SEGNALI DEERMINISICI, ENERGIA, VALOR MEDIO, POENZA, ANALISI DI FOURIER, CONVOLUZIONE Esercizio Calcolare la poeza, l eergia e il valor medio dei seguei segali a) x()a; b) x()u() ; c) x()acos(oφ)
DettagliMatematica con elementi di Informatica
La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche
DettagliLe principali procedure inferenziali: nozioni, schemi di procedimento ed esempi di applicazione
Complemeti per il corso di Statistica Medica Le pricipali procedure ifereziali: ozioi, schemi di procedimeto ed esempi di applicazioe IC al livello (-α) % per la media µ Ipotesi: ella popolazioe il feomeo
Dettaglile dimensioni dell aiuola, con le limitazioni 0 x λ λ
PROBLEMA a) idicate co e co che e esprime l area è: le dimesioi dell aiuola, co le limitazioi 0 A( )., la fuzioe Per la ricerca del massimo si studia il sego della derivata prima Si ha: 0 / / A' ( ). Si
DettagliTitolo della lezione. Campionamento e Distribuzioni Campionarie
Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe
DettagliSottospazi associati a matrici e forma implicita. Sottospazi associati a una matrice Dimensione e basi con riduzione Sottospazi e sistemi. Pag.
Spazi vettoriali Sottospazi associati a ua matrice Dimesioe e basi co riduzioe Sottospazi e sistemi 2 Pag. 1 2006 Politecico di Torio 1 Spazi delle righe e delle coloe Sia A M m, ua matrice m x. Allora
DettagliForme Bilineari 1 / 34
Forme Bilieari 1 / 34 Defiizioe applicazioe Dicesi forma bilieare su uo spazio vettoriale V, ua ϕ : V V R che è lieare i etrambi gli argometi, ossìa tale che u,v,w V e a,b R si abbia: ϕ(au + bv,w) =aϕ(u,w)
DettagliL INTERVALLO DI CONFIDENZA
L INTERVALLO DI CONFIDENZA http://www.biostatistica.uich.itit POPOLAZIONE POPOLAZIONE CAMPIONAMENTO CAMPIONE PARAMETRO INFERENZA CAMPIONAMENTO? STIMA CAMPIONE Stimare i Parametri della Popolazioe Itervallo
DettagliMetodi statistici per l'analisi dei dati
Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio
DettagliStima della media di una variabile X definita su una popolazione finita
Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe
DettagliIl logaritmo e l esponenziale
Il logarimo e l espoeziale 6 marzo 2009 La defiizioe di logarimo che si impara ella scuola secodaria è la seguee: Defiizioe Il logarimo i base b di x è l espoee cui si deve elevare b per oeere x. I formule:
DettagliPROPRIETÀ DELLE POTENZE IN BASE 10
PROPRIETÀ DELLE POTENZE IN BASE Poteze i base co espoete itero positivo Prediamo u umero qualsiasi che deotiamo co la lettera a e u umero itero positivo che deotiamo co la lettera Per defiizioe (cioè per
DettagliCOME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)
COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x
DettagliConvergenza di variabili aleatorie
Covergeza di variabili aleatorie 1 Covergeza quasi certa Ua successioe (X ) 1 di v.a. coverge quasi certamete alla v.a. X se: X X (P-q.c.), cioè P(X X) = 1, ove {X X} = {ω : X (ω) X(ω)} è l issieme di
DettagliDisposizioni semplici
Disposizioi semplici Calcolo combiorio D, K ( ) ( )...( K+ ) co 0< K Di elemeti e K (umero urale) si dicoo disposizioi semplici di elemeti di classe K i raggruppameti otteuti scegliedo K elemeti tra gli
DettagliStatistica Inferenziale Soluzioni 1. Stima puntuale
ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Miozzo e Aamaria Guolo Laurea i Ecoomia del Commercio Iterazioale Laurea i Ecoomia e Ammiistrazioe delle Imprese Uiversità degli Studi di Veroa sede di Viceza
Dettagli3. Calcolo letterale
Parte Prima. Algera 1) Moomi Espressioe algerica letterale 42 Isieme di umeri relativi, talui rappresetati da lettere, legati fra loro da segi di operazioi. Moomio Espressioe algerica che o cotiee le operazioi
DettagliFUNZIONI SUCCESSIONI PRINCIPIO DI INDUZIONE
FUNZIONI SUCCESSIONI PRINCIPIO DI INDUZIONE. Le Fuzioi L'operazioe di prodotto cartesiao relazioe biaria La relazioe biaria fuzioe Fuzioi iiettive, suriettive, biuivoche Fuzioi ivertibili. Le Successioi
DettagliMetodi statistici per lo studio dei fenomeni biologici
Metodi statistici per lo studio dei feomei biologici Alla fie di questa lezioe dovreste essere i grado di: spiegare i cocetti di stima putuale e stima itervallare iterpretare gli itervalli di cofideza
Dettagli