Propagazione delle incertezze

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Propagazione delle incertezze"

Transcript

1 Propagazoe delle certezze Luca Mar, versoe Questo testo è dstrbuto co Lceza Creatve Commos Attrbuzoe Codvd allo stesso modo 4.0 Iterazoale Coteut Itroduzoe...1 Rappresetazoe d gradezze codzo d certezza... Icertezze relatve... Dall certezza tpo all certezza estesa...3 Propagazoe de valor msurat...3 Propagazoe delle certezze: caso a u sgolo argometo...4 Alcu esemp...4 Propagazoe delle certezze: caso a pù argomet...5 Alcu cas semplc d propagazoe delle certezze...5 U esempo...5 Propagazoe delle dstrbuzo...6 U esempo...6 I prcpal cocett trodott questo captolo devazoe stadard campoara... fattore d copertura...3 certezza estesa...3 certezza relatva... certezza tpo... certezza tpo combata...4 tervallo d cofdeza...3 legge d propagazoe delle certezze...5 lvello d cofdeza...3 metodo Mote Carlo...6 valore msurato... Itroduzoe Ua gradezza X è stata valutata (per esempo msuradola) volte, codzo d rpetbltà e d dpedeza statstca e come rsultato d tal valutazo è stato otteuto l campoe x 1,..., x. Il fatto che gl elemet del campoe sao dvers tra loro e che l valore x o sa precsamete prevedble a partre da valor x 1,..., x 1 suggersce d formalzzare la gradezza X come ua varable casuale, otteuta da ua dstrbuzoe d probabltà che geerale è o ota (come d abtude statstca, per semplctà adotteremo lo stesso smbolo, X, per dcare sa la gradezza sa la varable casuale ad essa assocata, e altereremo lberamete l rfermeto a X come gradezza e come varable). Noostate la codzoe statstco-probablstca, è abtuale rappresetare la gradezza medate u sgolo elemeto x del suo seme supporto A, x A, duque: X = x come quado, per esempo, s scrve: lughezza(oggetto) = 1,3 m U mportate ragoe d questa rappresetazoe è che le legg (geometrche, fsche, ecoomche,...) che descrvoo le relazo tra gradezze soo geeralmete scrtte suppoedo che le varabl abbao come valor sgol umer (co evetual utà d msura, ua precsazoe o rlevate qu). Cosderamo l caso, suffcetemete geerale, d ua gradezza Y, al cu valore samo teressat ma che o sappamo valutare drettamete, ma solo attraverso ua fuzoe f: Y = f(x 1,..., X K ) cu le X soo varabl casual. Ache Y è allora geerale ua varable casuale, le cu caratterstche dovrebbero essere dervate dalle caratterstche delle varabl casual X propagate attraverso la fuzoe f. Poché l formazoe sulle gradezze X è certa, u problema d questo geere s chama d propagazoe 1

2 delle certezze (l terme tradzoale è propagazoe degl error : o dscuteremo qu l evetuale dffereza). La pù semplce stuazoe d propagazoe delle certezze è el caso Y = f(x). Potrebbe trattars per esempo del calcolo della superfce d u oggetto quadrato a partre da u campoe d valor per la sua lughezza, Y = f(x) = X. U poco pù complessa è per esempo la stuazoe cu le varabl dpedet da cosderare soo due, come el caso cu s vogla calcolare la superfce d u oggetto rettagolare a partre da campo d valor per le sue due dmeso, Y = f(x 1, X ) = X 1 X. Rcordamo prma d tutto come s può rappresetare l formazoe su ua gradezza l cu valore è certo. Vedremo po come propagare le certezze attraverso fuzo a u argometo e po a K >1 argomet. Rappresetazoe d gradezze codzo d certezza Come sappamo, codzo d certezza l formazoe su ua gradezza può essere stetzzata partcolare medate ua statstca d poszoe e ua statstca d dspersoe. Abbamo gà dscusso crca lmt d applcabltà della meda campoara. Quado essa rsulta applcable, e s potzza che la dstrbuzoe da cu l campoe è stato otteuto sa suffcetemete regolare, l valore medo della varable casuale è stmato medate l valore medo campoaro: m X = 1 =1 x che porta u formazoe d poszoe sulla dstrbuzoe su valor possbl della varable casuale, e vee qud usato come valore rappresetatvo per la gradezza, chamato breve valore msurato. I asseza d altra formazoe, è duque l valore msurato che vee applcato alla fuzoe f per calcolare u valore y per la gradezza Y. L formazoe sulla gradezza X dovrebbe però essere rappresetata o solo medate l valore msurato ma ache attraverso ua statstca d dspersoe, che specfch l certezza d tale valore, che è evdetemete dovuta alla dspersoe de valor della varable casuale toro al suo valor medo. Rcordamo che la varaza campoara è: ( x m X ) s =1 X = 1 La sua radce quadrata, coè la devazoe stadard campoara, è ua statstca d certezza relatva alla varabltà della gradezza. D altra parte, c teressa valutare l certezza o drettamete della varable casuale ma del suo valor medo, coè del valore msurato della gradezza, che è a sua volta ua varable casuale: eseguedo pù campoamet dalla stessa dstrbuzoe, s otterrebbero fatt valor med campoar dvers. Duque la varaza del valore msurato è: s m X = s ( x m X ) X = =1 ( 1) la cu radce quadrata: =1 ( x m X ) = u X = s X ( 1) è ua devazoe stadard, dmesoalmete omogeea al msurado, chamata certezza tpo ( glese stadard ucertaty, da cu l smbolo u X ) del valore msurato. I codzo d certezza l formazoe su ua gradezza può essere duque stetzzata dalla coppa m X, u X, valore msurato e certezza tpo. Icertezze relatve L certezza tpo u X forsce u formazoe sulla stabltà del valore msurato, ma matee ua certa ambgutà: per esempo, ua stessa certezza d 1 W sul valore della ressteza d u resstore da 10 W e d uo da 10 kw flusce modo be dverso sulla qualtà de due valor msurat. Per rdurre questa ambgutà, s usa rportare l certezza relatva, defta come: u Xrel = u X m X

3 duque mettedo relazoe l valore dell certezza tpo co l valore msurato. Poché geeralmete u Xrel è u umero pccolo, lo s dca specfcadoe solo la prma cfra sgfcatva e la poteza egatva d dec per cu è moltplcato. Per esempo, se (tralascado l dcazoe dell utà d msura) m X = 40,6 e u X = 0,03 allora l certezza relatva è u Xrel = 0,03/40,6» 0,0007 coè u Xrel = U altro metodo per rportare le certezze relatve è d moltplcarle per 10 3, e qud d comucarle per mlle (ell esempo, 0,7 ), oppure ache d moltplcarle per 10 6, e qud d comucarle part per mloe (ell esempo, 700 ppm). Dall certezza tpo all certezza estesa E spesso utle esprmere le msure come tervall d dffereza, tal coè che og elemeto dell tervallo possa essere scelto co u alta probabltà come valore per la gradezza. S può passare dalla rappresetazoe medate certezze tpo a quella per tervall moltplcado l certezza tpo u X per u fattore d copertura ( glese coverage factor) k, otteedo così l certezza estesa ( glese expaded ucertaty) U X =k u X, tale duque che [m X U X, m X +U X ] sa l tervallo d dffereza cercato. Assumedo che sa ota la dstrbuzoe d probabltà d cu m X è l valor medo e u X è l certezza tpo, può essere rcavata la relazoe tra l tervallo così otteuto, chamato tervallo d cofdeza, e la probabltà dell tervallo stesso, chamata tal caso lvello d cofdeza. C è evdetemete ua relazoe d mootoctà dretta tra fattore d copertura e lvello d cofdeza, e qud tra ampezza dell tervallo d cofdeza e lvello d cofdeza, relazoe che può essere espressa aaltcamete se s coosce la dstrbuzoe d probabltà sottostate. Nel caso d dstrbuzoe gaussaa, partcolare: fattore d copertura lvello d cofdeza 1 0,68 1,645 0,9 1,960 0,95 0,9545,576 0,99 3 0,9973 Propagazoe de valor msurat Data ua relazoe fuzoale Y = f(x 1,..., X K ) se le X soo varabl casual, ogua co valor medo m e certezza tpo u, evdetemete ache la Y sarà ua varable casuale, dpedete dalle X attraverso la fuzoe f. Dalle K coppe m, u e cooscedo l espressoe aaltca d f s poe duque l problema d come calcolare la coppa m Y, u Y per la varable casuale Y, coè propramete la msura per la gradezza Y. Per quato rguarda m Y, la scelta abtuale è: m Y = f(m 1,..., m K ) che però è o problematca solo el caso cu f sa leare. Solo questo caso, fatt dcado co E[X] l valore atteso della varable casuale X, vale che f(e[x 1 ],..., E[X K ]) = E[f(X 1,..., X K )], coè o è rlevate se prma s calcolao valor med delle X e po ad ess s applca f, come appea supposto, oppure s applca f agl elemet de K campo e po s calcola l valor medo d Y sul rsultato, u opzoe d prcpo altrettato ammssble. Vedamo u semplce esempo, el caso d ua fuzoe o leare moo-argometale, coè co K = 1, come: Y = f(x) = X co cu potremmo valutare l area d ua superfce quadrata a partre dalla msura del suo lato. Suppoamo che X sa stato valutato tre volte, otteedo x 1 =1.00, x =1.10, x 3 =1.30 ( umer soo evdetemete artfcal e stamo tralascado l dcazoe dell utà d msura). Le due procedure forscoo allora: m Y = f(e[x])» (m X ) = x 1 x x 3 /3 =1.8 e: 3

4 m Y = E[f(X)] = E[X ]» x 1 x x 3 /3=1.30 Il fatto che rsultat sao dvers mostra che la scelta della procedura o è geerale dfferete. D altra parte, l crtero d scelta è complesso: potremo qud cotuare ad assumere che valor msurat s propagho secodo la procedura tradzoale. Propagazoe delle certezze: caso a u sgolo argometo Il calcolo d u Y è pù complesso. Comcamo a cosderare l caso semplce delle fuzo a u solo argometo, K = 1, cu duque Y = f(x). La preseza d u certezza su X fa sì che valor x sao geerale o cocdet co l valor medo m X e qud che a og valore sa assocato uo scarto x m X. Assumedo che gl scart x m X sao suffcetemete pccol e che l comportameto d f toro al puto m X sa suffcetemete leare, s può svluppare f sere d Taylor toro a m X arrestados al terme del prmo orde: y= f ( x)= f ( m X )+ df dx ( x m X ) avedo dcato co df/dx la dervata df/dx della fuzoe f calcolata el puto m X. D altra parte, poché abbamo assuto che f(m X ) = m Y : y m Y = df dx ( x m X) relazoe che stablsce la dpedeza de (pccol) scart d y toro a m Y da (pccol) scart d x toro a m X (rcordamo che lo svluppo sere d Taylor cosete d calcolare l valore f ( x+δ x) a partre dal valore d f(x) e delle dervate d f calcolate x: f ( x+δ x)= f (x)+ df dx Δ x+ d f dx Δ x! + d 3 f dx 3 Δ x 3 3! +..., dove apputo d f dx è la dervata -esma della fuzoe f calcolata x). Tal scart possoo essere mmedatamete trasformat certezze tpo, otteedo: u Y = df dx u X (espressoe che tra l altro gustfca l dea che questo o sa altro che u problema d cambo d varabl). Il valore u Y, chamato certezza tpo combata della gradezza Y dpede dall certezza tpo u X della gradezza X attraverso l terme df / dx, che rappreseta duque u coeffcete d sesbltà della varazoe d X medate f ell toro del puto m X. Per esempo, se Y =f X = X allora df dx = m X e qud u Y = m X u X (aturalmete queste equazo soo dmesoalmete corrette, el seso che [u Y ]=[Y ] ; fatt assumedo che [ X ]=[u X ] e cosderado che [dx ]=d [ X ], d [f ] d [x ] [u X ]=[f ]=[Y ] ). Alcu esemp (S ot: valor umerc rportat quest esemp o soo realstc e le gradezze soo dcate omettedo l utà d msura) Y =X k Poché df /dx =1, allora u Y =u X L certezza o s modfca per traslazoe. Y =k X Poché df /dx =k, allora u Y =k u X Se l certezza assoluta d Y è k volte superore a quella d X, le certezze relatve, u Xrel =u X / m X e u Yrel =u Y / m Y =k u X / k m X, soo ugual. Y =X Poché df /dx =X, allora u Y = m X u X Duque questo caso l certezza dpede dal valore della gradezza d gresso. Per esempo, se m X =10 e u X =, allora m Y =m X =100 e u Y = m X u X = 10 =40. I term d certezze relatve: u Xrel =/10=0, metre u Yrel =40/100=0,4 : la relazoe quadratca tra X e Y peggora ache l certezza relatva. 4

5 Y =s( X ) Poché df / dx =cos( X ), u Y = cos(m X ) u X Duque ache questo caso l certezza dpede dal valore della gradezza d gresso. Per esempo, se m X =0 e u X =0,1, allora m Y =s(m X )=0 e u Y =cos(m X ) u X =1 0,1=0,1. Nell toro d m X =0, la fuzoe Y =s( X ) è approssmata come Y X : l certezza tpo d Y è uguale all certezza tpo d X. Propagazoe delle certezze: caso a pù argomet Possamo ora geeralzzare l dscorso precedete al caso cu la fuzoe f ha K > 1 argomet, acora svluppado f sere d Taylor toro al puto m 1,..., m K e arrestados a term del prmo orde. Nell potes che le covaraze tra le gradezze d gresso X sao trascurabl, dopo alcu passagg aalogh a quell comput el caso moo-argometale s ottee: K ( y m Y ) = ( f ) ( x x m ) e qud: K =1 =1 = u Y ( f ) u x espressoe che cosete d calcolare l certezza tpo d Y fuzoe delle certezze tpo delle X (ota: ache questo caso, coeffcet d sesbltà f / x s tedoo calcolat el valor medo m 1,..., m K ). Pù geerale, cosderado le covaraze u, j (e dcado co u, =u la varaza d X ): = u Y =1 K K j=1 f f u x x, j j la versoe geerale della cosddetta legge d propagazoe delle certezze. Alcu cas semplc d propagazoe delle certezze coè d applcazoe a cas partcolar della legge: u Y = ulle): se Y =X 1 X allora u Y =u 1 u ; K f u =1 x (duque ell potes d covaraze se Y =X 1 X allora u Y =m u 1 m 1 u o ache, pù espressvamete u Yrel =u 1rel u rel ; se Y=X k allora u Y = k m k 1 X u X o ache, pù espressvamete u Yrel = k u Xrel. Nell esempo semplce Y =X 1 X, applchamo ache la formula per covaraze o ulle (rcordado aturalmete che u, j =u j, ): K K u Y = f f u =1 j=1 x x, j = f [ f u j x 1 x 1 f u 1 x 1, ] f [ f u x x 1, f u 1 x ] f e poché questo caso = f =1 s ha falmete che u x 1 x Y =u 1 u u 1,. U esempo S vuole valutare la poteza P dsspata a cap d u resstore a cu è applcata ua tesoe, ma o s dspoe d u sstema per msurare drettamete P. S rcorda, d altra parte, che P=V / R, dove V è la tesoe applcata al resstore e R è la sua ressteza. Dspoedo d u sstema d msura che cosete d valutare V e R, s potrà allora calcolare, coè msurare drettamete, P. Suppoamo che la msurazoe d V e R sa stata rpetuta. Da corrspodet campo s calcolao valor med m V e m R e le certezze tpo u V e u R, così che l formazoe per V e R è rappresetata dalle coppe m V,u V e m R, u R rspettvamete. Il problema è duque d calcolare m P, u P per la poteza dsspata. Per quato rguarda m P, semplcemete m P =m V / m R. Per calcolare u P s utlzza la legge d propagazoe delle certezze, ell potes d covaraze ulle: u P =( f V ) u V +( f R ) u R =( m V ) u m V +( m V ) u R R m R 5

6 Il passo successvo potrebbe essere d rcooscere che l modello della msurazoe prevede la dpedeza d R dalla temperatura t, R(t)=R 0 [ 1+α(t t 0 )], dove R 0 è la ressteza del resstore alla temperatura t 0. Propagazoe delle dstrbuzo La procedura dcata per la propagazoe delle certezze può o essere sempre applcable, partcolare perché s rtee troppo complessa, o o approprata (per esempo perché f è sesblmete o leare toro al valor medo delle gradezze d gresso, e qud u approssmazoe solo al prmo orde ello svluppo sere d Taylor è crtca ma s gudca troppo complesso u trattameto aaltco dell approssmazoe a ord superor), o o fattble (per esempo perché f o è dervable toro al valor medo delle gradezze d gresso). S può allora adottare ua stratega alteratva per valutare l certezza per la gradezza Y, medate ua tecca d tpo o aaltco ma umerco, basata sul metodo Mote Carlo. Suppoamo che sao ot la fuzoe Y = f ( X 1,..., X K ) e le dstrbuzo delle gradezze d gresso X (e qud o solo le coppe m, u ). U campoe d put è ua K-upla d valor x 1,..., x K, cu og x è otteuto dalla dstrbuzoe assocata a X (se le varabl casual X o fossero dpedet la K-upla dovrebbe essere otteuta per campoameto dalla dstrbuzoe coguta). Evdetemete da x 1,..., x K s può calcolare u valore y per Y, y = f(x 1,..., x K ). Suppoamo ora che queste due operazo campoameto dalle K varabl d put a f e calcolo d f sul campoe così otteuto sao rpetute u umero W suffcetemete elevato d volte. S geera questo modo u campoe y 1,..., y W d valor per Y. Se W è apputo suffcetemete elevato (dell orde delle dece d mglaa d elemet o pù), la sua dstrbuzoe a frequeze relatve s può affdablmete cosderare o dstguble dalla dstrbuzoe d probabltà d Y. Il valor medo e la devazoe stadard del campoe forscoo duque valor m Y e u Y cercat, ma da tale dstrbuzoe s possoo ache calcolare drettamete gl tervall d cofdeza per og dato lvello d cofdeza rchesto. Questa tecca duque propaga le dstrbuzo, e o solo le certezze, e ha ache l merto d o rchedere la coosceza de coeffcet d sesbltà d f. U esempo Suppoamo (valor umerc o realstc e seza dcazoe d utà d msura): Y = f ( X 1, X )= X 1 + X co etrambe le gradezze d gresso dstrbute uformemete, egl tervall 10± e 0±3 rspettvamete e statstcamete dpedet. Utlzzado per esempo u foglo d calcolo, geeramo W campo d put, coè W coppe d valor dstrbut come rchesto (cofdado duque ell uformtà del geeratore d umer casual del programma) e sommamo valor d ogua delle W coppe. La dstrbuzoe de valor y otteut può essere allora vsualzzata stogramma: e da essa possoo essere calcolat m Y e u Y. Naturalmete la qualtà dell operazoe dpederà sa dalla qualtà del geeratore d umer casual adottato, sa dalla dmesoe W del campoe (el caso raffgurato, W = 10000) ( questo caso o è dffcle cofrotare rsultat otteut co Mote Carlo co quell aaltc: le certezze tpo soo u 1 =/ 3 e u =3/ 3, e qud u Y = u 1 +u,08 ). 6

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

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

Capitolo 2 Errori di misura: definizioni e trattamento

Capitolo 2 Errori di misura: definizioni e trattamento Captolo Error d msura: )Geeraltà defzo e trattameto I cocett d meda, varaza e devazoe stadard s utlzzao ormalmete per otteere formazo sulla botà d ua msura. I geerale, s assume come msura m della gradezza

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

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

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

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

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

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

Lezioni del Corso di Fondamenti di Metrologia Meccanica

Lezioni del Corso di Fondamenti di Metrologia Meccanica Uverstà degl Stud d Casso Facoltà d Igegera Lezo del Corso d Fodamet d Metrologa Meccaca A.A. 005-006 Prof. Paolo Vgo Uverstà degl Stud d Casso Idce. Icertezza d Msura. Propagazoe delle Icertezze 3. Errore

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

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

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

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 Qualche cosderazoe Tedeza cetrale La scelta dell dce d tedeza cetrale/poszoe dpede dal tpo e dalle caratterstche della dstrbuzoe; Pù che dvduare l dce mglore assoluto (che o esste), è mportate ache valutare

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

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

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

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

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

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

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

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

Esercizi su Rappresentazioni di Dati e Statistica

Esercizi su Rappresentazioni di Dati e Statistica Esercz su Rappresetazo d Dat e Statstca Eserczo Esprmete forma percetuale e traducete u aerogramma dat della seguete tabella: Nord Cetro Sud Isole Totale 5 58 866 0 95 36 4 35 30 6 79 56 57 399 08 Soluzoe

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

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

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

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

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

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

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

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

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

7 STIMATORI DI REGRESSIONE LINEARE 7.1 INTRODUZIONE

7 STIMATORI DI REGRESSIONE LINEARE 7.1 INTRODUZIONE 7 STIMATORI I REGRESSIOE LIEARE 7. ITROUZIOE Co l terme stmator d regressoe leare s dca u'ampa classe d stmator, che comprede ache gl stmator rapporto, utlzzabl quado s dspoe d u'formazoe auslara rappresetata

Dettagli

Esercitazione 4 del corso di Statistica (parte 1)

Esercitazione 4 del corso di Statistica (parte 1) Eserctazoe 4 del corso d Statstca (parte ) Dott.ssa Paola Costat Febbrao 0 Eserczo Data la dstrbuzoe del carattere Reddto d cu all eserczo precedete se e msur l grado d cocetrazoe. La cocetrazoe d u carattere

Dettagli

Variabili casuali doppie

Variabili casuali doppie Varabl casual doppe Ua varable casuale doppa (,) è ua fuzoe defta sullo spazo campoaro che assoca ad og possble rsultato dell espermeto ua coppa d umer real (x,y) S y ω ω 3 ω y y 3 (x, y ) (x, y ) (x 3,

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

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

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

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

Ellissi di densità costante. Distribuzione normale multivariata. Ellissoidi di isodensità. Esempio isodensità: X~N 2 (μ,σ) Consideriamo

Ellissi di densità costante. Distribuzione normale multivariata. Ellissoidi di isodensità. Esempio isodensità: X~N 2 (μ,σ) Consideriamo Dstrbuzoe ormale multvarata / f ( ) π = Σ exp ( )' ( ) μ Σ μ Ellss d destà costate Cosderamo c = % ' Σ % = ( μ)' Σ ( μ) S dca co N p (μ,σ) Relazoe tra ormale multvarata e ormale multvarata stadard N p

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

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

Approfondimenti Lezione 3. Mara Bruzzi

Approfondimenti Lezione 3. Mara Bruzzi Approfodmet Lezoe 3 Mara Bruzz APPROFONDIMENTO 1 : I BOSONI Partcelle come le a, foto, meso hao vece fuzo d oda smmetrche y S. Esse o obbedscoo al prcpo d esclusoe d Paul. Tal partcelle soo dette BOSONI.

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

y = α + βx + ε Qui ci soffermeremo su un unica classe di modelli, detti modelli statistici lineari. Si veda la seguente figura:

y = α + βx + ε Qui ci soffermeremo su un unica classe di modelli, detti modelli statistici lineari. Si veda la seguente figura: Il problema della regressoe s poe quado l valore d ua varable aleatora y, chamata varable dpedete, è fuzoe d ua varable o aleatora x, chamata varable dpedete Qu c soffermeremo su u uca classe d modell,

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

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

CALCOLO DEGLI INDICI STATISTICI

CALCOLO DEGLI INDICI STATISTICI CALCOLO DEGLI INDICI STATISTICI Premessa Le formule d calcolo de prcpal dc statstc (parlamo sostazalmete d meda campoara e varaza campoara) dpedoo dal caso esame qud zamo col fare luce sulla possble casstca.

Dettagli

Sommario. Facoltà di Economia. Generalità sulla variabilità A B C. francesco mola. Lezione n 4. Variabilità e Dispersione. Concetto di variabilità

Sommario. Facoltà di Economia. Generalità sulla variabilità A B C. francesco mola. Lezione n 4. Variabilità e Dispersione. Concetto di variabilità Corso d Statstca Facoltà d Ecooma a.a.. 00-00 fracesco mola Lezoe 4 Sommaro Campo d varazoe Varaza Scarto uadratco medo Coeffcete d varazoe Scostamet dalla Meda e dalla Medaa Mutua Varabltà Mutabltà lez4

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

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

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

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

Esercitazione 3 del corso di Statistica (parte 1)

Esercitazione 3 del corso di Statistica (parte 1) Eserctazoe 3 del corso d Statstca parte ) Dott.ssa Paola Costat 7 Febbrao 0 Eserczo. A partre dalla dstrbuzoe class della varable Altezza rpartta 3 class equfrequet, calcolare medaa, prmo e terzo quartle.

Dettagli

CORSO DI STATISTICA I (Prof.ssa S. Terzi) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI. Esercitazione n 3

CORSO DI STATISTICA I (Prof.ssa S. Terzi) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI. Esercitazione n 3 ORSO I STTISTI I (Prof.ssa S. Terz) STUIO ELLE ISTRIUZIONI SEMPLII Eserctazoe 3 3. ata la seguete dstrbuzoe de reddt: lass d reddto Reddter Reddto medo 6.500-7.500 4 6.750 7.500-8.500 7.980 8.500-9.500

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

Corso di Architettura (Prof. Scarano) 06/03/2002

Corso di Architettura (Prof. Scarano) 06/03/2002 Orgazzazoe della lezoe Lezoe Codfca della formazoe Vttoro Scarao Archtettura Corso d Laurea Iformatca Uverstà degl Stud d Salero La codfca della formazoe Notazoe poszoale Rappresetazoe base degl ter Coversoe

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

Voti Diploma Classico Scientifico Tecn. E Comm Altro

Voti Diploma Classico Scientifico Tecn. E Comm Altro 4 Data la seguete dstrbuzoe doppa de vot rportat ad u esame secodo l Dploma posseduto: Vot 8-3-5 6-8 9-30 Dploma Classco 8 4 5 Scetfco 5 7 7 5 Tec E Comm 8 0 0 Altro 3 a) s calcol la meda artmetca de vot

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

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

Le misure di variabilità

Le misure di variabilità arlea Pllat - Semar d Statstca (SVIC) "Le msure d varabltà e cocetrazoe" La varabltà L atttude d u carattere quattatvo X ad assumere valor dfferet tra le utà compoet u seme statstco è chamata varabltà

Dettagli

Incertezza di misura

Incertezza di misura Icertezza d msura Itroduzoe e rcham Come gà detto rsultat umerc ottebl dalle msurazo soo trsecamete caratterzzat da aleatoretà è duque sempre ecessaro stmare ua fasca d valor attrbubl come msura al msurado;

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

Organizzazione della lezione. Lezione 2 Codifica della informazione. Codifica della informazione. Dove si trova la ALU. Un quadro della situazione

Organizzazione della lezione. Lezione 2 Codifica della informazione. Codifica della informazione. Dove si trova la ALU. Un quadro della situazione Orgazzazoe della lezoe Lezoe Codfca della formazoe Vttoro Scarao Archtettura Corso d Laurea Iformatca Uverstà degl Stud d Salero U quadro della stuazoe: dove samo, dove stamo adado e perché La codfca della

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

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario Dpartmeto d Meccaca, Strutture, Ambete e Terrtoro UNIVERSITÀ DEGLI STUDI DI CASSINO Laurea Specalstca Igegera Meccaca: Modulo d Fsca Tecca Lezoe d: Dffereze fte per problem d coduzoe regme stazoaro /20

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

Esercitazione 5 del corso di Statistica (parte 1)

Esercitazione 5 del corso di Statistica (parte 1) Eserctazoe 5 del corso d Statstca (parte 1) Dott.ssa Paola Costat 8 Novembre 011 I alcue crcostaze s poe u maggor teresse sullo studo della varabltà tra le sgole utà statstche, puttosto che lo studo della

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

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

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

Elementi di Statistica descrittiva Parte II

Elementi di Statistica descrittiva Parte II Elemet d Statstca descrttva Parte II Nella prma parte d queste ote s soo llustrate le tecche utlzzate per rappresetare dat, maera stetca, medate tabelle e grafc Tal tecche soo applcabl sa a caratter quattatv

Dettagli

Propagazione degli errori

Propagazione degli errori Propagazoe degl error Argomet: combazo degl error; RSS: svluppo tutvo; RSS: svluppo razoale; coeffcet admesoal. Combazoe degl error All tero d u sgolo strumeto, o d u sstema d msura, og elemeto costtutvo

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

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

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

Propagazione di errori

Propagazione di errori Propagazoe d error Gl error e dat possoo essere amplfcat durate calcol. Rspetto alla propagazoe degl error s può dstguere: comportameto del problema - codzoameto del problema: vedere come le perturbazo

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

STATISTICA DESCRITTIVA - SCHEDA N. 3 VARIABILI QUANTITATIVE Indici di centralità, dispersione e forma

STATISTICA DESCRITTIVA - SCHEDA N. 3 VARIABILI QUANTITATIVE Indici di centralità, dispersione e forma Matematca e statstca: da dat a modell alle scelte www.dma.uge/pls_statstca Resposabl scetfc M.P. Rogat e E. Sasso (Dpartmeto d Matematca Uverstà d Geova) STATISTICA DESCRITTIVA - SCHEDA N. 3 VARIABILI

Dettagli

FORMULARIO DI RIFERIMENTO PER IL CALCOLO DELLE INCERTEZZE DI MISURA. F.Silvestrin, V.Talamini

FORMULARIO DI RIFERIMENTO PER IL CALCOLO DELLE INCERTEZZE DI MISURA. F.Silvestrin, V.Talamini FORMULARIO DI RIFERIMENTO PER IL CALCOLO DELLE INCERTEZZE DI MISURA F.Slvestr, V.Talam Ne calcol fatt per valutare le certezze d msura s farà rfermeto al presete formularo rportado umer delle formule usate

Dettagli

Interpolazione. Definizione: per interpolazione si intende la ricerca di una funzione matematica che approssima l andamento di un insieme di punti.

Interpolazione. Definizione: per interpolazione si intende la ricerca di una funzione matematica che approssima l andamento di un insieme di punti. Iterpolazoe Defzoe: per terpolazoe s tede la rcerca d ua fuzoe matematca che approssma l adameto d u seme d put. Iterpolazoe MATEMATICA Calcola ua fuzoe che passa PER tutt put Tp d terpolazoe Iterpolazoe

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

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

Università degli Studi di Napoli Parthenope. STATISTICA per il Turismo. IV Lezione

Università degli Studi di Napoli Parthenope. STATISTICA per il Turismo. IV Lezione Uverstà degl Stud d Napol Partheope Corso d Laurea Maagemet per le Imprese Turstche STATISTICA per l Tursmo IV Lezoe Docete: Sergo Logobard sergo.logobard@upartheope.t Cosderazo sulla moda La moda forsce

Dettagli

Riassunto di teoria elementare degli errori

Riassunto di teoria elementare degli errori Ncola Gaquto - Rassuto d teora elemetare degl error /9 Rassuto d teora elemetare degl error Valore vero (covezoale), valore stmato, errore Se s prede ua ressteza dal valore omale d 00 Ω e se e determa

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

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

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100) ESERCIZIO Il Moblty Maager d u azeda ha rlevato l umero d chlometr percors settmaalmete da 60 mpegat. I dat soo rportat ello schema successvo. 67 4 93 58 66 87 5 53 86 8 7 47 56 70 54 86 48 43 60 58 5

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

Statistica descrittiva Campioni vettoriali

Statistica descrittiva Campioni vettoriali Statstca Descrttva Capo vettoral Statstca descrttva Capo vettoral Itroduzoe el caso cu s osserv ua varable statstca ultdesoale, s assoca al sgolo esto dell espereza u vettore d rsultat e o pù u seplce

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

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

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

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

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

Analisi di una distribuzione. Analisi di una distribuzione

Analisi di una distribuzione. Analisi di una distribuzione Aals d ua dstrbuzoe Varabltà Aals d ua dstrbuzoe Qualuque feomeo emprco preseta ua certa varabltà. Prof. Claudo Caplupp - Facoltà d Sceze della Formazoe - A.A. 007/08 I ua popolazoe, co rfermeto ad ua

Dettagli

Design of experiments (DOE) e Analisi statistica

Design of experiments (DOE) e Analisi statistica Desg of epermets (DOE) e Aals statstca L utlzzo fodametale della metodologa Desg of Epermets è approfodre la coosceza del sstema esame Determare le varabl pù sgfcatve; Determare l campo d varazoe delle

Dettagli