Matematica II: Calcolo delle Probabilità e Statistica Matematica

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Matematica II: Calcolo delle Probabilità e Statistica Matematica"

Transcript

1 Matematca II: Calcolo delle Probabltà e Statstca Matematca ELT A-Z Docente: dott. F. Zucca Eserctazone # 8 Gl esercz contrassegnat con (*) sono tratt da Eserc Prof. Secch # 0 - Statstca Matematca A Regressone lneare semplce Eserczo Per quattro Ingegner s sono osservat gl ann trascors dalla Laurea X e l reddto annuale lordo Y msurato n euro. I rsultat sono rassunt dalla seguente tabella: Ingegnere X Y 575, , ,42 436,55. S determn la retta d regressone d Y su X 2. Se Z = X 2, la retta d regressone d Y su Z spega una maggore proporzone d varabltà d Y rspetto alla retta determnata al punto precedente? 3. S stm l reddto annuale lordo d un Ingegnere laureato da 3 ann Eserczo 2 I valor assunt da due grandezze X ed Y n 20 dvers cas fornscono per entrambe le grandezze meda camponara nulla e varanze camponare s 2 X = 9 e s2 Y = 4 rspettvamente.. S determn la retta d regressone d Y su X sapendo che essa passa per l punto (3, ) 2. S calcol l coeffcente rxy 2 3. S determn la retta d regressone d X su Y Eserczo 3 (*)In una tabella sono raccolt seguent dat X Y Calcolare la retta d regressone d Y su X 2. Calcolare l coeffcente d correlazone d X ed Y 3. Calcolare l coeffcente d correlazone d X e Z = ln Y. Questo modello è mglore del precedente?

2 Eserczo 4 (*) S vuole studare la relazone tra le varabl Peso delle madr (X) e Peso de fgl (Y), entrambe msurate n Kg. Le osservazon (x, y ) per =,..., 2 sono tal che 2 = x = 800, 2 = y = 8, 2 = x2 = 5348, 2 = y2 = 54849, 2 = x y = Determnare la retta d regressone d Y su X. 2. Proporre uno stmatore non dstorto per la varanza σ 2 delle component d errore ε del modello d regressone. Supposte valde le potes gaussane: 3. verfcare l potes nulla H 0 : β = 0 contro H : β 0 al lvello del 2%. 4. verfcare se la retta d regressone passa per l orgne al lvello del 2%. Eserczo 5 (*) Nel corso d uno studo naturalstco sono stat raccolt dat su 8 esemplar d una certa spece d albero: sono state msurate le altezze x (n metr) e pes y (n Kg.). Nell ntento d evdenzare una relazone tra le grandezze s potzza un legame lneare: y = β 0 + β x + ε sotto le potes gaussane (coè ε N ( 0; σ 2) ). Dopo l esecuzone della regressone, s sono trovat seguent valor per le stme de parametr e la somma de resdu al quadrato: ˆβ 0 = 0.2; ˆβ = 25.3; SS E = 72.5 con stme degl error standard d ˆβ 0 e ˆβ date da se ˆβ0 = ; se ˆβ = Calcolare un ntervallo d confdenza al lvello 80% per β 0 e per β 2. verfcare se la retta d regressone passa per l orgne al lvello 20% ed al lvello 0% 3. calcolare gl ntervall d confdenza al 90% per la prevsone meda e per la prevsone del peso d un albero alto 0 metr. Eserczo 6 (*) In una certa comuntà s regstrano menslmente l consumo d gelat X msurato n Kg. e l numero d cas d allerga al pollne Y. I dat raccolt nell ultmo anno fornscono le seguent nformazon: Il coeffcente d correlazone vale 0.93 X = 20; S X = 00 Ȳ = 22; S Y = 5. S determn la retta d regressone d Y su X e se ne dsegn l grafco 2. S stm (puntualmente) l numero d cas d allerga n un mese n cu l consumo d gelat è par a 300 Kg. La prevsone ottenuta è buona? 2

3 2 Regressone lneare multpla Eserczo 7 (*) Da un elaborazone prelmnare su seguent dat: x y rsultano le seguent devazon standard camponare σ X = 2.427, σ Y = ed l coeffcente d correlazone ρ xy = S esegue una regressone lneare supponendo e che valgano le potes gaussane.. Stmare coeffcent β 0 e β. Y = β 0 + β x + ɛ 2. Calcolare un ntervallo d confdenza per β 0 al 95%. 3. S valut l opportuntà d aggungere l nuovo regressore x 2 Y = β 0 + β x + β 2 x 2 + ɛ con un test al 5% sapendo che per l modello n questone SS E = S consdera l seguente modello Y = β 0 + β x 3 + ɛ; quanto dovrebbe valere la somma de quadrat resdua affnché sa preferble questo modello a quello d regressone semplce? Eserczo 8 (*) Ad un gruppo d 4 uomn vengono msurat peso X, altezza Y e crconferenza toracca Z; l rsultato è rassunto nella seguente tabella: X (n Kg) Y (n cm) Z (n cm)

4 Eseguendo una regressone d X rspetto ad Y e Z s ottene n SS E = ( x x ) 2 = , SS R = SS T = = n ( x x) 2 = , = n (x x) 2 = 94.. Esegure un test per la sgnfcatvtà della regressone al 0%. 2. Determnare l P-value del test. Eserczo 9 = Una compagna d sondagg ha raccolto seguent dat crca l prezzo de vol aere (Y), la dstanza chlometrca tra l aeroporto d partenza e d arrvo (X) e l numero d post dsponbl Y X X all atto dell acqusto (X2): Stmare coeffcent della regressone multpla 2. Calcolare l coeffcente d detrmnazone multpla corretto R 2 adjusted 3. Stmare la varanza dell errore 3 Svolgment Soluzone Es.. Ipotzzamo che valga un modello del tpo Y = β 0 + β x. Per determnare la retta d regressone occorre calcolare le stme ˆβ 0 e ˆβ d β 0 e β rspettvamente. È noto che ˆβ = sxy s xx e ˆβ 0 = y ˆβ x; utlzzando queste formule e calcolando s xy = , s xx = 42 s yy = s ottene ˆβ 0 = 9904, 87 e ˆβ = 295, 9. L espressone della retta d regressone (stmata) è dunque ŷ = 9904, , 9x. 2. Per confrontare due modell d regressone utlzzamo l coeffcente d correlazone; è mglore l modello che presenta l coeffcente d correlazone pù alto. Il coeff. per la regressone d Y su Z è dato dala relazone r xy = s xy = 0, 969 sxx s yy mentre, calcolando quello d Z su X è dato da s yz = , s zz = 584, r zy = s zy szz s yy =. Il fatto che r zy = ndca non solo che l secondo modello è preferble al prmo (ha un coeff. d correlaz. maggore), ma anche che la relazone Y = ˆγ 0 + ˆγ z = 5493, , 23z è esatta. 4

5 3. Utlzzando dunque l secondo modello prevedamo che un Ingegnere laureato da 3 ann guadagn Y = 5493, , = 787, 76 euro. Soluzone Es. 2. Dett ˆβ 0 e ˆβ coeffcent della retta d regressone, s deve avere che = ˆβ 0 + ˆβ 3.. Questa equazone non è suffcente da sola a determnare ˆβ 0 e ˆβ. Per l modo n cu vene costruta la retta de mnm quadrat deve anche accadere che y = ˆβ 0 + ˆβ x. Dal testo sappamo che x = 0 e y = 0.. Rsolvendo l sstema ottenamo ˆβ 0 = 0 e ˆβ = 3. Dunque la retta d regressone (stmata) ha equazone y = 3 x. 2. Notamo che rxy 2 s può scrvere come rxy 2 cov(x,y )2 = var(x)var(y ). Non conoscendo dat, non possamo calcolare drettamente cov(x, Y ). Possamo però rcavarla osservando che ˆβ = cov(x,y ) var(x) (la varanza camponara d X è nota dal testo). S ha dunque cov(x, Y ) = ˆβ var(x) = 3 9 = 3. Da cò rcavamo nfne r2 xy = = 4 3. Chamamo ˆα 0 ed ˆα coeffcent della retta d regressone d X su Y. Utlzzando quanto vsto ne punt precedent possamo determnare ˆα come ˆα = cov(y, X) var(y ) = cov(x, Y ) var(y ) = 3 4. Inoltre, dalla relazone y = ˆα 0 + ˆα x rcavamo ˆα 0 = x ˆα y = 0. La retta d regressone d X su Y ha qund equazone ˆx = 3 4 y Soluzone Es.3 a) Calcolamo nnanztutto le mede camponare d X e Y. x = = ȳ =... = 3.75 Calcolamo ora coeffcent della retta d regressone d Y su X: ˆβ = S xy = (x x) (y ȳ) (x x) 2 =... = ˆβ 0 = ȳ ˆβ x = L espressone della retta d regressone (stmata) è dunque ŷ = x. b) Sccome s xx = 4.875, s yy = e s xy = , l coeffcente d correlazone d Y e X è dato da r xy = s xy sxx s yy = c) Per confrontare due modell d regressone utlzzamo l coeffcente d correlazone; è mglore l modello che presenta l coeffcente d correlazone pù alto. Facendo cont, trovamo che z = 2.58 e l coeffcente d correlazone d Z e X è dato da r zx = s zx szz s xx = Sccome r xz < r xy deducamo che è mglore l modello n a) d quello n c). Soluzone Es.4 5

6 . Per calcolare la retta d regressone ncomncamo a rcavare s xx e s xy da nostr dat. x = x = n ȳ = y = 67.6 n s xx = x 2 n x 2 = s xy = x y n xȳ = qund ˆβ = S xy = ˆβ 0 = ȳ ˆβ x = Uno stmatore non dstorto della varanza degl error della regressone è dato da ˆσ 2 = SS E n 2 = (y ŷ ) 2 (y ˆβ 0 ˆβ ) 2 x = =... 2 n 2 n 2 3. Voglamo testare l potes contro H 0 : β = 0 = β,0 H : β 0 Utlzzamo qund la statstca test ˆβ β,0 ˆσ2 / t n 2 accettando l potes nulla al lvello d sgnfcatvtà α se t α/2;n 2 ˆβ β,0 ˆσ 2 / t α/2;n 2. Sccome ˆβ ˆσ 2 /s xx = 3.6 > t α/2;n 2 = 2.764, allora rfutamo H 0 al lvello del 2%. 4. Voglamo testare l potes contro H 0 : β 0 = 0 = β 0,0 H : β 0 0 Utlzzamo qund la statstca test ˆβ 0 β 0,0 [ ] ˆσ t n 2 2 n + x2 2h ˆβ 0 β 0,0 rˆσ n + x2 accettando l potes nulla al lvello d sgnfcatvtà α se 2h t α/2;n 2 t Sxx α/2;n 2. [ ] Sccome x2 = 5.84, ˆσ 2 n + x2 ˆβ = , 0 = > t rˆσ n sxx α/2;n 2 = 2.764, + x2 allora rfutamo H 0 al lvello del 2%. 6

7 Soluzone Es.5. Gl ntervall d confdenza per parametr β 0 e β della regressone sono della forma: ˆβ 0 t α/2;n 2 se ˆβ0 β 0 ˆβ 0 + t α/2;n 2 se ˆβ0 ˆβ t α/2;n 2 se ˆβ β ˆβ + t α/2;n 2 se ˆβ Avendo qund α/2 = 0.; n = 8; t α/2;6 =.440, ottenamo qund:.87 β β Voglamo testare l potes contro H 0 : β 0 = 0 = β 0,0 H : β 0 0 Sccome β 0,0 = 0 non appartene all ntervallo d confdenza trovato sopra, rfutamo H 0 al lvello d sgnfcatvtà 20%. Mentre l ntervallo d confdenza al lvello 90% è, sapendo che n questo caso t α/2,n , [.043, 2.43]; n questo caso β 0 = 0 appartene all ntervallo, pertanto l potes nulla è accettata. 3. Da dat rcavamo mmedatamente σ 2 = SS E /(n 2) Rcordando che [ ] se( β 0 ) = ˆσ 2 n + x2 ˆσ se( β ) = 2 da cu s xx e x 2 = ( se( β 0 ) 2 σ 2 n ) ma, essendo per la natura del problema x 0, s ha nfne x = Infne σ 2 (x x) n ( σ 2 + ) (x x) n da cu, calcolando come al punto precedente t α/2,n 2 =.9432 (con α = 0.), due ntervall sono, rspettvamente, [ , ] [ , ]. Soluzone Es.6 7

8 . Per calcolare la retta d regressone ncomncamo a rcavare s xx e s xy da nostr dat. Sccome SX 2 = n (x x) 2 e analogamente per SY 2, ottenamo: Sccome 2. Dalla retta d regressone ottenamo s xx = (n ) s 2 X = 00 s yy =... = 55 ˆβ = s xy s yy = r xy = s xx s xx ˆβ 0 = ȳ ˆβ x = 6.42 ŷ (300) = = 30.37, qund l numero stmato d cas d allerga n un mese n cu l consumo d gelat è par a 300 Kg. è Soluzone Es.7 Anche n questo eserczo dat sono rdondant n quanto tutt coeffcent che s servono possono essere rcavat da dat n tabella.. Ponamo s xx = dove x = 0.73 e y = 3.254; allora Da cu faclmente s yy = s xy = n (x x) 2, = n (y y) 2, = n (x x)(y y), = s xx = σ 2 x(n ) = = , s yy = σ 2 y(n ) = = , s xy = ρ xy sxx s yy = = β = s xy s xx = , β 0 = y β x = = Consderando la matrce x, x k, X = x,2 x k,2 x,n x k,n s calcola faclmente (X t X), = n + x2 s xx = =

9 Rcordamo che l errore quadratco medo ( o meda quadratca de resdu) è σ 2 = MS E := n p n (y ŷ ) 2 (n questo caso n = 0 e p = k + = 2). Nel caso d regressone semplce σ 2 = (SS T β ) s xy n 2 = s yy s2 xy s xx n 2 = = Allora l ntervallo d confdenza a lvello α è [ β o, β + o ] dove e se( β o ) := β ± o := β 0 ± se( β o ) t α 2,n p σ 2 (X t X), = =.4277, qund, essendo t 0.025,8 = 2.306, s ha che l ntervallo cercato è [ 8.705,.5859]. 3. Nel modello con regressore aggunto, s tratta d testare l potes nulla H 0 : β 2 = 0. S calcola da cu β 0 β = β = (X t X) X t Y β = = Pertanto e qund Lo stmatore che s utlzza è con regone d accettazone σ 2 = SS E n p = = , se( β 2 ) = σ 2 (X t X) 3,3 = T 0 := β 2 se( β 2 ) = = T 0 t α/2,n p t 0.025,7 = L potes nulla è pertanto accettata e non è opportuno aggungere l regressore x 2. 9

10 4. Il secondo modello, con k 2 regressor, rsulta mglore del prmo, con k regressor, se e solo se SS E2 n k 2 < SS E n k. Nel caso n questone s ha n = 0, k = k 2 = ed SS E = per cu l modello con regressore x 3 sarà mglore d quello con x se e solo se Soluzone Es.8 SS E2 < Osservamo che dat del problema sono rdondant e che gl error quadratc srcavano banalmente da dat n tabella. D altro canto conoscut gl error quadratc, non samo pù nteressat a dat della tabella se non per conoscere l ampezza del campone n = 4 ed l numero d regressor k = 2.. S consder l potes nulla Lo stmatore è H 0 : β 0 = β = β 2 = 0. F 0 := SS R /k SS E /(n p) (dove p = k + ) con la regone d accettazone a lvello α Eseguendo calcol s ottene f 0 = f 0 < f α,k,n p / /(4 3) = = e f 0.,2, = Pertanto accetto H 0 al lvello del 5% pertanto la regressone non è sgnfcatva. 2. Se utlzzamo le tabelle de quantl ottenamo f 0.25,2, = 7.5 > da cu α > Utlzzando un calcolatore s ottene Soluzone Es.9 α = f,2, (3.7992) = F f 2, (3.7992) = La stma de coeffcent della regressone: Y = β 0 +β x +β 2 x 2 +ε s ottengono dal seguente sstema d equazon: n ˆβ 0 + ˆβ x + ˆβ 2 x 2 = y ˆβ 0 x + ˆβ x 2 + ˆβ2 x 2x = x y ˆβ 0 x 2 + ˆβ x x 2 + ˆβ 2 x 2 2 = x 2y Sccome x = 5460; x x 2 = 49700; x y = ; x 2 = 0; y = 380 x 2 = ; x 2 2 = 3650 x 2y =

11 allora ottenamo ˆβ 0 = 3.5 ˆβ = 0.28 ˆβ 2 =.48 ottenendo qund ŷ = x.48x 2 2. dove R 2 adjusted = SS E/(n p) SS T / (n ) SS E = somma quadrat error = (y ŷ ) 2 SS T = (y ȳ) 2 p = numero parametr regressone Sccome p = 3 (β 0, β, β 2 ), ȳ = 345, ŷ = 56.7, ŷ 2 = 239., ŷ 3 = 77.7, ŷ 4 = allora SS T = e SS E = e d conseguenza: 3. La stma della varanza dell errore è data da: R 2 adjusted = ˆσ 2 = SS E n p = = 59.24

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

REALTÀ E MODELLI SCHEDA DI LAVORO

REALTÀ E MODELLI SCHEDA DI LAVORO REALTÀ E MODELLI SCHEDA DI LAVORO 1 Le tabelle d crescta Nella tabella sono rportat dat relatv alle altezze mede delle bambne dalla nascta fno a un anno d età. Stablsc se esste una relazone lneare tra

Dettagli

Campo di applicazione

Campo di applicazione Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo

Dettagli

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012 CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso

Dettagli

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30 1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student. Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana

Dettagli

Regressione lineare con un singolo regressore

Regressione lineare con un singolo regressore Regressone lneare con un sngolo regressore Eduardo Ross 2 2 Unverstà d Pava (Italy) Marzo 2013 Ross Regressone lneare semplce Econometra - 2013 1 / 45 Outlne 1 Introduzone 2 Lo stmatore OLS 3 Esempo 4

Dettagli

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

LA CALIBRAZIONE NELL ANALISI STRUMENTALE LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra

Dettagli

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

Correlazione lineare

Correlazione lineare Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl

Dettagli

RAPPRESENTAZIONE DI MISURE. carta millimetrata

RAPPRESENTAZIONE DI MISURE. carta millimetrata carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati. Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes

Dettagli

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill Statstca - metodologe per le scenze economche e socal /e S Borra, A D Cacco - McGraw Hll Es Soluzone degl esercz del captolo 7 In base agl arrotondament effettuat ne calcol, s possono rscontrare pccole

Dettagli

Adattamento di una relazione funzionale ai dati sperimentali

Adattamento di una relazione funzionale ai dati sperimentali Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

Test delle ipotesi Parte 2

Test delle ipotesi Parte 2 Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca

Dettagli

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi Allenament d matematca: Teora de numer e algebra modulare Soluzon esercz 29 novembre 2013 1. Canguro salterno. Un canguro salterno s trova a ped d una scala nfnta che ntende salre nel seguente modo: Salta

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

Probabilità cumulata empirica

Probabilità cumulata empirica Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè

Dettagli

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra d Statstca Medca, Unverstà d Bar 1/19 IL PROBLEMA

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità: LA VARIABILITA LA VARIABILITA E L ATTITUDINE DEL FENOMENO QUANTITATIVO AD ASSUMERE DIVERSE MODALITA, O MEGLIO LA TENDENZA DI OGNI SINGOLA OSSERVAZIONE AD ASSUMERE VALORI DIFFERENTI RISPETTO AL VALORE MEDIO.

Dettagli

Tutti gli strumenti vanno tarati

Tutti gli strumenti vanno tarati L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello

Dettagli

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 6 - Pag. 1

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 6 - Pag. 1 Daz - Appunt d Statstca - AA 2001/2002 - edzone 29/11/01 Cap. 6 - Pag. 1 Captolo 6. Dstrbuzone bnomale. Devazone standard d una proporzone. Dstrbuzone d Posson. Assortment. Dstrbuzone bnomale La dstrbuzone

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

Taratura: serve a trovare il legame tra il valore letto sullo strumento e il valore della grandezza fisica misurata

Taratura: serve a trovare il legame tra il valore letto sullo strumento e il valore della grandezza fisica misurata Taratura: serve a trovare l legame tra l valore letto sullo strumento e l valore della grandezza fsca msurata Msure Meccanche e Termche Dsturb d trasduttor anello dnamometrco trasduttore d spostamento

Dettagli

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla

Dettagli

Appunti di Econometria

Appunti di Econometria Appunt d Econometra ARGOMENTO [4]: VARIABILI DIPENDENTI BINARIE Mara Lusa Mancus Unverstà Boccon Novembre 200 Introduzone Ne modell econometrc studat fno ad ora la varable dpendente, y, è sempre stata

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017 Esercz 3 Pan d ammortamento Eserczo 1. Un prestto d 12000e vene rmborsato n 10 ann con rate mensl e pano all

Dettagli

Determinazione del momento d inerzia di una massa puntiforme

Determinazione del momento d inerzia di una massa puntiforme Determnazone del momento d nerza d una massa puntorme Materale utlzzato Set d accessor per mot rotator Sensore d rotazone Portamasse e masse agguntve Statvo con base Blanca elettronca Calbro nteracca GLX

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

Capitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per

Capitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per Captolo : IL METODO DEI MINIMI QUADRATI. La mglor retta Nel Captolo precedente c samo post l problema d determnare la mglor retta che passa per cert punt spermental, ed abbamo dscusso un metodo graco.

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo

Dettagli

Grafico di una serie di dati sperimentali in EXCEL

Grafico di una serie di dati sperimentali in EXCEL Grafco d una sere d dat spermental n EXCEL 1. Inseramo sulla prma rga l ttolo che defnsce l contenuto del foglo. Po nseramo su un altra rga valor spermental della x e su quella successva valor della y.

Dettagli

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu) lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu

Dettagli

B - ESERCIZI: IP e TCP:

B - ESERCIZI: IP e TCP: Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3: Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 3: 21022012 professor Danele Rtell www.unbo.t/docdent/danele.rtell 1/31? Captalzzazone msta S usa l regme composto per l

Dettagli

Modelli con varabili binarie (o qualitative)

Modelli con varabili binarie (o qualitative) Modell con varabl bnare (o qualtatve E( Y X α + βx + ε quando Y è una varable benoullana Y 1 0 s ha l modello lneare d probabltà Pr( Y 1 X α + βx + ε dove valor stmat della Y assumono l sgnfcato d probabltà.

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente Unverstà d Macerata Dpartmento d Scenze Poltche, della Comuncazone e delle Relaz. Internazonal La Regressone Varable ndpendente o esplcatva Prezzo n () () 1 1 Varable dpendente 15 1 1 1 5 5 6 6 61 6 1

Dettagli

Studente estratto Esami sostenuti voto Frequenza Pos.ne lavor.va sesso rendimento si No M B si No M O no No F S

Studente estratto Esami sostenuti voto Frequenza Pos.ne lavor.va sesso rendimento si No M B si No M O no No F S Esercz del corso d Statstca A.A 00-0 a cura d : Gulana Satta Eserczo E stato estratto un campone d 5 student tra frequentant l secondo semestre e s sono osservate le seguent caratterstche: esam sostenut

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

Premessa essa sulle soluzioni

Premessa essa sulle soluzioni Appunt d Chmca La composzone delle soluzon Premessa sulle soluzon...1 Concentrazone...2 Frazone molare...2 Molartà...3 Normaltà...4 Molaltà...4 Percentuale n peso...4 Percentuale n volume...5 Massa per

Dettagli

CPM: Calcolo del Cammino Critico

CPM: Calcolo del Cammino Critico Supponamo d conoscere per ogn attvtà A = (,j) la sua durata t j t j j Calcolamo l tempo al pù presto n cu può nzare o fnre una attvtà. Supponamo d dover calcolare l tempo al pù presto n cu s possono nzare

Dettagli

Esercitazione 8 del corso di Statistica (parte 1)

Esercitazione 8 del corso di Statistica (parte 1) Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.

Dettagli

TEORIA DELLA STIMA E DELLA DESCISIONE STATISTICA

TEORIA DELLA STIMA E DELLA DESCISIONE STATISTICA TEORIA DELLA STIMA E DELLA DESCISIOE STATISTICA STIMA A MASSIMA VEROSIMIGLIAZA Per determnare la stma a massma verosmglanza d un parametro θ, partendo da un campone d dat X, bsogna scrvere la denstà d

Dettagli

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla? Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esercizi sulle reti elettriche in corrente continua (parte 2) Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola

Dettagli

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

Dettagli

Esercitazione 12 ottobre 2011 Trasformazioni circuitali. v 3. v 1. Per entrambi i casi, i valori delle grandezze sono riportati in Tab. I.

Esercitazione 12 ottobre 2011 Trasformazioni circuitali. v 3. v 1. Per entrambi i casi, i valori delle grandezze sono riportati in Tab. I. Eserctazone ottobre 0 Trasformazon crcutal Sere e parallelo S consderno crcut n Fg e che rappresentano rspettvamente un parttore d tensone e uno d corrente v v v v Fg : Parttore d tensone Fg : Parttore

Dettagli

MODELLI STOCASTICI DELLA CLASSE GLM

MODELLI STOCASTICI DELLA CLASSE GLM MODELLI STOCASTICI DELLA CLASSE GLM S possono consderare GLM con dstrbuzone specfcata o modell con quas-verosmglanza, quest ultm sono modell d tpo semparametrco. Illustramo l loro uso come: strumento d

Dettagli

Appunti di statistica descrittiva Versione provvisoria

Appunti di statistica descrittiva Versione provvisoria Alessandro Benedett UnCAM-SSIS-FIM.04/3 Appunt d statstca descrttva Versone provvsora (v. allegato foglo Excel LDS4_Correlazone.xls) Correlazone e Regressone lneare La teora della correlazone s propone

Dettagli

Il pendolo di torsione

Il pendolo di torsione Unverstà degl Stud d Catana Facoltà d Scenze MM.FF.NN. Corso d aurea n FISICA esna d ABORAORIO DI FISICA I Il pendolo d torsone (sezone costante) Moreno Bonaventura Anno Accademco 005/06 Introduzone. I

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE AA 2016/2017 1 Esercz 2 Regme d sconto commercale Eserczo 1 Per quale durata una somma a scadenza S garantsce lo stesso valore

Dettagli

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate

Dettagli

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

Dettagli

Leggere i dati da file

Leggere i dati da file Esempo %soluzon d una equazone d secondo grado dsp('soluzon d a^+b+c') anput('damm l coeffcente a '); bnput('damm l coeffcente b '); cnput('damm l coeffcente c '); deltab^-4*a*c; f delta0 dsp('soluzon

Dettagli

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3 Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Calibrazione. Lo strumento idealizzato

Calibrazione. Lo strumento idealizzato Calbrazone Come possamo fdarc d uno strumento? Abbamo bsogno d dentfcare l suo funzonamento n condzon controllate. L dentfcazone deve essere razonalmente organzzata e condvsa n termn procedural: s tratta

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

PREVEDERE IL CHURN: UN APPROCCIO LONGITUDINALE

PREVEDERE IL CHURN: UN APPROCCIO LONGITUDINALE UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISTICHE CORSO DI LAUREA SPECIALISTICA IN SCIENZE STATISTICHE, ECONOMICHE, FINANZIARIE E AZIENDALI PREVEDERE IL CHURN: UN APPROCCIO LONGITUDINALE

Dettagli

Il pendolo fisico. Se l asse è orizzontale, l equazione del moto è, trascurando gli attriti che causano lo smorzamento dell oscillazione, d Mgd 2

Il pendolo fisico. Se l asse è orizzontale, l equazione del moto è, trascurando gli attriti che causano lo smorzamento dell oscillazione, d Mgd 2 l pendolo fsco Un pendolo fsco è un corpo rgdo lbero d rotare attorno ad un asse fsso non passante per l suo centro d massa. l moto del pendolo è completamente descrtto dall angolo d rotazone θ(t), che

Dettagli

5. Baricentro di sezioni composte

5. Baricentro di sezioni composte 5. Barcentro d sezon composte Barcentro del trapezo Il barcentro del trapezo ( FIURA ) s trova sull asse d smmetra oblqua (medana) della fgura; è suffcente, qund, determnare la sola ordnata. A tal fne,

Dettagli

Corso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE

Corso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE Corso d laurea n Ingegnera per l Ambente e l Terrtoro a.a. 006-007 Prof. V. Franco: Topografa e tecnche cartografche RETI TOPOGRAFICHE Unverstà degl Stud d Palermo Dpartmento d Rappresentazone Corso d

Dettagli

Statistica descrittiva

Statistica descrittiva Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.

Dettagli

La teoria del consumo

La teoria del consumo La teora del consumo La funzone d domanda ndvduale e l denttà d Slutsky. Maro Sportell Dpartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I 70125 Bar (Italy) (Tel.: +39 (0)99 7720 626; fa:

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

Dettagli

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1 Chmca Fsca Botecnologe santare Lezone n. 7 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Antonno Polmeno 1 Soluzon / comportamento deale - Il dagramma d stato d una soluzone bnara,

Dettagli

COMPORTAMENTO DINAMICO DI ASSI E ALBERI

COMPORTAMENTO DINAMICO DI ASSI E ALBERI COMPORTAMENTO DNAMCO D ASS E ALBER VBRAZON TORSONAL Costruzone d Macchne Generaltà l problema del progetto d un asse o d un albero non è solo statco Gl ass e gl alber, come sstem elastc, sotto l azone

Dettagli

Il campionamento casuale semplice

Il campionamento casuale semplice Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V

Dettagli

Dispensa LE RETI TOPOGRAFICHE. Elementi per il calcolo e la compensazione

Dispensa LE RETI TOPOGRAFICHE. Elementi per il calcolo e la compensazione Unverstà degl Stud d Palermo Facoltà d Ingegnera Dspensa LE RETI TOPOGRFICHE Element per l calcolo e la compensazone Vncenzo Franco Mauro Lo rutto Maggo . RILEVMENTO TOPOGRFICO..... SCHEMI MISURE STRETTMENTE

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

Cenni di regressione non-parametrica

Cenni di regressione non-parametrica S. Borra, A. D Cacco Statstca, metodologe per le scenze economche e socal, 0 Cenn d regressone non-parametrca funzone non-lneare non-lneartà ne parametr o nelle varabl overfttng funzon lnearzzabl funzone

Dettagli

DESTINAZIONE ORIGINE A B C A B C Esercizio intersezioni a raso - pag. 1

DESTINAZIONE ORIGINE A B C A B C Esercizio intersezioni a raso - pag. 1 ESERCIZIO Argomento: Intersezon a raso Data l ntersezone a raso a tre bracc rappresentata n fgura s vuole procedere al dmensonamento de suo element. I dat nzal necessar per la progettazone sono d seguto

Dettagli

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare.

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare. Una semplce applcazone del metodo delle caratterstche: la propagazone d un onda d marea all nterno d un canale a sezone rettangolare. In generale la propagazone d un onda monodmensonale n una corrente

Dettagli