Analisi Fattoriale Discriminante

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Analisi Fattoriale Discriminante"

Transcript

1 Aalisi Fattoriale Discrimiate Bibliografia Lucidi (materiale reperibile via Iteret) Lauro C.N. Uiversità di Napoli Gherghi M. Uiversità di Napoli D Ambra L. Uiversità di Napoli Keeth M. Portier Uiversity of Florida Davio C. Uiversità di Macerata Durad J.F. CNRS Motpellier (Frace) Sabatier R. Uiversità di Motpellier I.

2 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) L Aalisi Fattoriale Discrimiate (AFD) cosidera u isieme di idividui suddivisi a priori i k ruppi simili. Gli idividui soo raggruppati sulla base delle differeti modalità di ua variabile qualitativa, che costituisce la variabile da spiegare e su di essi vegoo osservate p variabili cotiue che costituiscoo le variabili esplicative 3 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) Obiettivo osservare se la classificazioe effettuata a priori risulta cofermata ache dopo l osservazioe delle p variabili esplicative Obiettivo descrittivo assegare u uovo idividuo, di cui o si coosca il gruppo di apparteeza, ad uo dei gruppi co la miima probabilità di commettere u errore di classificazioe Obiettivo decisioale 4

3 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) Si cosideri il caso dei clieti di u istituto di credito che abbiao usufruito di uo dei prodotti dell istituto stesso (es: prestito persoale). Sulla base della storia del loro rapporto co l istituto, i soggetti possoo essere classificati ei k=3 possibili gruppi 5 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) I gruppi, defiiti i modo arbitrario sulla base del loro rapporto co l Istituto, differiscoo ache rispetto ai valori assuti dalle variabili esplicative? E possibile defiire ua regola di decisioe da applicare ad u uovo cliete, di cui o si coosce il gruppo di apparteeza, che coseta di prevedere l affidabilità? Campi di applicazioe Scieze biologiche Medicia Ecoomia Istruzioe Credito 6

4 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) I dati possoo essere raccolti ua matrice (,p+) i cui l ultima coloa cotiee le determiazioi della variabile da spiegare che può assumere valori da a k (codifica ridotta) 7 Determiazioe delle fuzioi lieari discrimiati Idichiamo: X Matrice dei dati ( x p) g g Il baricetro del gruppo G E il baricetro della ube totale Defiiamo: W = Matrice Var-Cov gruppo G (=,.,k) i= ( xi g )( xi g ) 8

5 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) L AFD ricerca le combiazioi lieari delle variabili esplicative i grado di determiare il sottospazio R p tale che le proiezioe dei baricetri g dei gruppi risultio il più distaziate possibile, avedo al tempo stesso il massimo raggruppameto delle uità attoro ai rispettivi baricetri 9 Determiazioe delle fuzioi lieari discrimiati Defiiamo: W = Matrice Var-Cov gruppo G (=,.,k) i= ( xi g )( xi g ) B = k = ( g g)( g g) Matrice Var-Cov tra i gruppi V k = ( xi g)( xi g) Matrice Var-Cov totale i= 0

6 Determiazioe delle fuzioi lieari discrimiati L aalisi lieare discrimiate (ALD) ipotizza l uguagliaza delle matrici di Var-Cov etro i gruppi (ipotesi di omoschedasticità) prededoe come stima la matrice comue W otteuta come media delle matrici di Var-Cov dei k gruppi poderata co la rispettiva umerosità: W k = W = Matrice Var-Cov etro i gruppi Formula di Huyghes V = W + B Matrice di ierzia totale Matrice di ierzia etro le classi Matrice di ierzia tra le classi Determiazioe delle fuzioi lieari discrimiati Il primo passo cosiste el ricercare u asse u, passate per il cetro di gravità della ube dei puti, tale che la variaza dei baricetri proiettati sia massima metre risulti miima la proiezioe della variaza all itero dei gruppi. Obiettivo: = u Bu u Vu ( ) = max Q u Che equivale a ricercare il massimo della forma quadratica vicolo quadratico u Vu =. Si ha quidi: L = u Bu λ Vu ( u ) = max u Bu co il

7 Determiazioe delle fuzioi lieari discrimiati L Derivado rispetto ad u ed uguagliado a zero abbiamo: = Bu λvu = 0 u Da cui: Bu = λvu Ipotizzado che la matrice V o è sigolare: V Bu = λu Il vettore cercato è quidi l autovettore u associato al più grade autovalore della matrice V B λ L autovalore è quidi uguale alla quota di ierzia (proiettata) tra i gruppi rispetto all ierzia totale, ed è perciò sempre iferiore, o la massimo uguale, a 3 Determiazioe delle fuzioi lieari discrimiati Ua volta idividuato il primo asse, la ricerca del secodo sarà idirizzata verso u asse u, ortogoale ad u e tale che dal massimizzare il rapporto: ubu uvu Si dimostra facilmete che gli autovettori u α (α=,,k-) della matrice V - B costituiscoo le soluzioi cercate. È importate ricordare che B è la matrice Var-Cov sui k baricetri, la cui somma poderata è uguale al vettore ullo. Il rago di B è quidi pari a k- e, di cosegueza, il umero di autovalori o ulli dalla matrice è al più pari a k- 4

8 Determiazioe delle fuzioi lieari discrimiati Poedo: v = Vu u = V v L espressioe Bu = λvu diveta: BV v = λv I vettori v α autovettori della matrice BV -, costituiscoo gli assi discrimiati, metre i vettori u α =V - v α, autovettori della matrice B co la metrica V -, soo chiamati forme lieari discrimiati 5 Regola di classificazioe e valutazioe dei risultati Dopo aver idividuato le fuzioi discrimiati che separao al meglio i k gruppi è ecessario defiire ua regola di decisioe che coseta di riassegare ciascu idividuo ad u gruppo, per poter poi cofrotare la partizioe defiita a priori co quella otteuta sulla base delle variabili esplicative. Quado k= la matrice di Var-Cov tra i gruppi si scrive: = g ( g g)( g g) + ( g g)( g ) B Che, utilizzado la relazioe: g = + g g 6

9 Regola di classificazioe e valutazioe dei risultati Idicado ora co h il vettore (p,) h ( g ) = g = hh B Quidi la relazioe V Bu = λu V diveta: hh u = λu ( h V h) h u = λh u λ = h V h 7 Regola di classificazioe e valutazioe dei risultati La quatità λ quidi al meo di ua costate risulta pari alla distaza tra i due baricetri g eg e prede il ome di distaza geeralizzata o distaza di Mahalaobis. L autovettore: u = V h Soluzioe dell espressioe: hh u = λvu Rappreseta l uica fuzioe discrimiate. La regola di decisioe, cosisterà ell assegare u idividuo e al gruppo se risulta: ( e g ) V ( e g ) < ( e g ) V ( e g ) i i i i 8

10 Regola di classificazioe e valutazioe dei risultati Poiché il termie e i V e è comue ad etrambi i membri, si può dire che l idividuo e i verrà assegato al gruppo G se: ( g ei ) V g < ( g ei ) V g equivalete g () ( g g ) 0 V g g V g + ev i > 9 Regola di classificazioe e valutazioe dei risultati Ricordado che si può scrivere: g + ( g + g ) V ( g ) V g g V g = g L espressioe () diveta: e G ev i ( ) ( ) ( ) g > + + g g g V g g E la regola di decisioe sarà: e G ei ( g + g ) V ( g g ) 0 > 0

11 Regola di classificazioe e valutazioe dei risultati La relazioe precedete ci cosete di iterpretare la regola di decisioe ache dal puto di vista geometrico. ( g + g ) g g e i u = V ( g g ) L idividuo e i sarà assegato a G se la proiezioe del vettore che uisce il puto medio tra i baricetri g e g co il puto sull asse u è positivo Regola di classificazioe e valutazioe dei risultati Quado k> la regola di decisioe per u idividuo e i cosiste ell assegare l idividuo al Gruppo G se la distaza della sua proiezioe ê i da quella del baricetro ĝ è miore delle distaze da tutti gli altri baricetri proiettati. e G d i ( eˆ, gˆ ) = mi[ d ( eˆ, gˆ )] i i È possibile dimostrare che misurare la distaza di u idividuo da u gruppo ello spazio iiziale equivale a misurare la stessa distaza i termii di proiezioi sullo spazio defiito dai uovi assi. L idividuo e i verrà quidi assegato al gruppo per il quale risulta: ( e g ) V ( e g ) = mi ( = k) i i,..., O ache: ( g e ) V g = mi ( = k) i,...,

12 Regola di classificazioe e valutazioe dei risultati Estededo questo ragioameto a tutti gli idividui si otterrà la ricostruzioe dei k gruppi sulla base delle coordiate el uovo spazio e sarà possibile cofrotare le ripartizioi effettuate a priori, su quella della variabile da spiegare, co quella otteuta a posteriori sulla base delle p variabili esplicative Quado più soo simili le due partizioi tato più si potrà dire che le variabili hao u buo potere discrimiate 3 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) U giudizio sulla botà della uova ripartizioe è dato dalla percetuale di be classificati calcolata sulla matrice di cofusioe S i cui vegoo riportati sulle coloe i gruppi origiari e sulle righe quelli a cui gli idividui soo stati idirizzati dopo l aalisi % be classificati = tr(s)/ 4

13 Selezioe delle variabili Il problema, i realtà, si preseta molto complesso per due aspetti. Il umero di sottoisiemi di q variabili che è possibile otteere dalle p di parteza è pari a: p! q!( p q)!. Perché il miglior sottoisieme di q variabili può o coteere affatto il miglior sottoisieme di q- variabili. È quidi ecessario imporre dei vicoli che se risolvoo i problemi computazioali o possoo garatire le defiizioe del sottoisieme ottimo. 5 Selezioe delle variabili Per ridurre i costi e migliorare l affidabilità dell AD è importate selezioare le variabili. Esistoo due metodi:. step by step ascedete a. Si sceglie la variabile che separa meglio i gruppi b. Si sceglie la coppia di variabili, compresa la prima, che separa meglio i gruppi e così via c. L algoritmo si arresta quado l apporto dato da u ulteriore variabile è poco sigificativo. step by step discedete a. Tra i J sottisiemi che è possibile otteere co J- variabili, si sceglie quello che separa meglio i gruppi, elimiado la variabile o compresa b. Tra i J- sottisiemi che è possibile otteere co J- variabili si sceglie quello che separa meglio i gruppi elimiado la variabile o compresa, e così via. c. L algoritmo si arresta quado la differeza tra due iterazioi successive è poco sigificativa Idipedetemete dal tipo di procedura prescelta è ecessario defiire u criterio che defiisce, ad ogi passo, il migliore sottisieme. 6

14 Criteri di selezioe delle variabili Criterio della traccia di Lawley-Hotellig Il criterio selezioa al passo q il gruppo di q variabili per cui: Criterio del determiate di Wilks tr W q B q = max Il criterio selezioa al passo q il gruppo di variabili per cui Criterio della % di BC det W q det Vq = max Il criterio selezioa al passo q la variabile per cui: % BC = max La procedura di selezioe si arresta quado le % di BC el campioe di base e el campioe test si stabilizzao 7 Validazioe dei risultati TEST DELLA REGOLA DI CLASSIFICAZIONE Metodo del campioe test k = 3 Costruzioe della regola di classificazioe E E E E E 3 Campioe Totale E 3 % BC 8

15 Legami co altri metodi Nel caso di due gruppi l AFD può essere cosiderata come ua regressioe multipla i cui la variabile dipedete assume i valori e. Quado k> si possoo avere altre aalogie: Ad esempio: Cosideriamo la relazioe fodametale dell ACP X X M u =λu Matrice Metrica Autovettore B V - v =λv Si può quidi affermare che effettuare u aalisi discrimiate sugli idividui utilizzado la metrica euclidea equivale ad effettuare u ACP sui k baricetri utilizzado la metrica defiita dalla matrice V - 9 Applicazioe Matrice dei dati prezzo cilidrata cavalli lugh largh peso velocità cosstrada cosurbao affidab Var.discr A55 9, ,4 9,5 36 AU80 34, ,8 0, BMW3 40, ,6 9,6 7 3 CXAN 9, , 0,3 8 TEMP 3, ,3 0,5 305 MOND 3, , 0,6 95 DELT 9, ,8 75 DEDR 3, PRIM 8, ,7 8,9 6 VECT , 0, 95 P405 8, , 9,8 80 RE 9, ,8 350 GOLF 8, ,6 9,9 96 PASS ,4 0,4 344 VOL4 3, ,4 0,3 48 Le auto soo state divise i 3 classi (segmeto di mercato) [8, 30[ [30, 33[ [33, 4[ 3 30

16 Applicazioe Autovalori Fuzioe Autovalore % di variaza % cumulata Correlazioe caoica,0 a 9,7 9,7,958,87 a 7,3 00,0,68 a. Per l'aalisi soo state usate le prime fuzioi discrimiati caoiche. Lambda di Wilks Test di fuzioi Da a Lambda di Wilks Chi-quadrato df Sig.,044 4,909 8,7,534 5,05 8,756 3 Applicazioe Coefficieti stadardizzati della fuzioe discrimiate caoica cilidrata cavalli lughezza larghezza peso velocità cosumost cosumourb affidab Fuzioe,3,73 5,8,734 -,45 -,4,685,583 -,0 -,40-3,869 -,73 -,776,709,86 -,884 3,593,3 3

17 Applicazioe cilidrata cosumourb peso cavalli velocità cosumost affidab larghezza lughezza Matrice di struttura Fuzioe,*,99,3*,060,90 -,374*,34 -,370*,35 -,35* -,034 -,86* -,033 -,8*,058,85* -,089 -,03* Correlazioi comui etro gruppi tra variabili discrimiati e fuzioi discrimiati caoiche stadardizzate Variabili ordiate i base alla dimesioe assoluta della correlazioe etro la fuzioe. *. Correlazioe assoluta più grade tra ciascua variabile e qualsiasi fuzioe discrimiate 33 Applicazioe Fuzioi ai baricetri di gruppo discrim 3 Fuzioe -4,698,45,98,88 -,496 -,5 Fuzioi discrimiati caoiche o stadardizzate valutate alle medie di gruppo 34

18 Applicazioe 3 Fuzioi discrimiati caoiche 3 4 Fu zi o e discrim 5 6 Cetroidi di gruppo 3 4 Fuzioe A55 AU80 BMW3 CXAN TEMP MOND DELT DEDR PRIM VECT P405 RE GOLF PASS VOL4 35 Applicazioe Matrice di Cofusioe Gruppo origie di Gruppo di destiazioe G G G 3 G G G La percetuale di corretta classificazioe è quidi: % b. c. = 00 = 00 % 5 36

19 Aalisi Fattoriale Discrimiate Esempio X: Età X: Reddito pricipale X3: % di idebitameto X4: Da quati ai è occupato/a X5: Da quati ai è cliete dell istituto (0 se uovo cliete) X6: Importo del prestito X7: Durata del prestito = Cattivi clieti = Itermedi 3 = Buoi clieti 37 Aalisi Fattoriale Discrimiate Esempio 38

20 Aalisi Fattoriale Discrimiate Esempio 39 Aalisi Fattoriale Discrimiate Esempio 40

21 Aalisi Fattoriale Discrimiate Esempio 4 Aalisi Fattoriale Discrimiate Esempio % b.c. = 00 x [(46+8+9)/0] = 93.6% 4

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

Selezione avversa e razionamento del credito

Selezione avversa e razionamento del credito Selezioe avversa e razioameto del credito Massimo A. De Fracesco Dipartimeto di Ecoomia politica e statistica, Uiversità di Siea May 3, 013 1 Itroduzioe I questa lezioe presetiamo u semplice modello del

Dettagli

Analisi statistica dell Output

Analisi statistica dell Output Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?

Dettagli

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15 Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di

Dettagli

Complementi di Matematica e Statistica

Complementi di Matematica e Statistica Uiversità di Bologa Sede di Forlì Ao Accademico 009-00 Complemeti di Matematica e Statistica (Alessadro Lubisco) Aalisi delle compoeti pricipali INDICE Idice... i Aalisi delle compoeti pricipali... Premessa...

Dettagli

Il test parametrico si costruisce in tre passi:

Il test parametrico si costruisce in tre passi: R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica

Dettagli

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

LA VERIFICA DELLE IPOTESI SUI PARAMETRI LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività

Dettagli

Approfondimenti di statistica e geostatistica

Approfondimenti di statistica e geostatistica Approfodimeti di statistica e geostatistica APAT Agezia per la Protezioe dell Ambiete e per i Servizi Tecici Cos è la geostatistica? Applicazioe dell aalisi di Rischio ai siti Cotamiati Geostatistica La

Dettagli

PARTE QUARTA Teoria algebrica dei numeri

PARTE QUARTA Teoria algebrica dei numeri Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)

Dettagli

Campi vettoriali conservativi e solenoidali

Campi vettoriali conservativi e solenoidali Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile

Dettagli

Le carte di controllo

Le carte di controllo Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità

Dettagli

1. Considerazioni generali

1. Considerazioni generali . osiderazioi geerali Il processaeto di ob su acchie parallele è iportate sia dal puto di vista teorico che pratico. Dal puto di vista teorico questo caso è ua geeralizzazioe dello schedulig su acchia

Dettagli

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras

IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazione di Gras IMPLICAZIONE TRA VARIABILI BINARIE: L Implicazioe di Gras Date due variabili biarie a e b, i quale misura posso assicurare che i ua popolazioe da ogi osservazioe di a segue ecessariamete quella di b? E

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2006

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2006 ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 006 Il cadidato risolva uo dei due problemi e 5 dei 0 quesiti i cui si articola il questioario. PRBLEMA U filo metallico di lughezza l viee utilizzato

Dettagli

8. Quale pesa di più?

8. Quale pesa di più? 8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora

Dettagli

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche est o parametrici Il test di Studet per uo o per due campioi, il test F di Fisher per l'aalisi della variaza, la correlazioe, la regressioe, isieme ad altri test di statistica multivariata soo parte dei

Dettagli

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia)

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia) Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia) Massimo A. De Fracesco Uiversità di Siea December 18, 2013 1 ichiami su utilità attesa e avversioe al rischio Prima di cosiderare il

Dettagli

Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni

Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni. Problemi di Scheduling Definizioni Problemi di Schedulig Defiizioi I problemi di schedulig soo caratterizzati da tre isiemi: Attività (Task) T {T,T 2, T } macchie (Machies) P {P,P 2, P m } Risorse R {R,R 2, R s } Schedulig: assegare m Macchie

Dettagli

Serie numeriche e serie di potenze

Serie numeriche e serie di potenze Serie umeriche e serie di poteze Sommare u umero fiito di umeri reali è seza dubbio u operazioe che o può riservare molte sorprese Cosa succede però se e sommiamo u umero ifiito? Prima di dare delle defiizioi

Dettagli

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6 SUCCESSIONI Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La serie

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1 ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO Agela Doatiello 1 Esercizio. E stato tabulato il peso di ua certa popolazioe

Dettagli

I appello - 29 Giugno 2007

I appello - 29 Giugno 2007 Facoltà di Igegeria - Corso di Laurea i Ig. Iformatica e delle Telecom. A.A.6/7 I appello - 9 Giugo 7 ) Studiare la covergeza putuale e uiforme della seguete successioe di fuzioi: [ ( )] f (x) = cos (

Dettagli

Complessità Computazionale

Complessità Computazionale Uiversità degli studi di Messia Facoltà di Igegeria Corso di Laurea i Igegeria Iformatica e delle Telecomuicazioi Fodameti di Iformatica II Prof. D. Brueo Complessità Computazioale La Nozioe di Algoritmo

Dettagli

Statistica di base. Luca Mari, versione 31.12.13

Statistica di base. Luca Mari, versione 31.12.13 Statistica di base Luca Mari, versioe 31.12.13 Coteuti Moda...1 Distribuzioi cumulate...2 Mediaa, quartili, percetili...3 Sigificatività empirica degli idici ordiali...3 Media...4 Acora sulla media...4

Dettagli

Capitolo uno STATISTICA DESCRITTIVA BIVARIATA

Capitolo uno STATISTICA DESCRITTIVA BIVARIATA Capitolo uo STATISTICA DESCRITTIVA BIVARIATA La statistica bidimesioale o bivariata si occupa dello studio del grado di dipedeza di due caratteri distiti della stessa uità statistica. E possibile, ad esempio,

Dettagli

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

STIMA DEL FONDO RUSTCO

STIMA DEL FONDO RUSTCO STIMA DEL FONDO RUSTCO 1) Quali soo gli aspetti ecoomici che possoo essere presi i cosiderazioe ella stima dei fodi rustici? La stima di u fodo rustico può essere fatta applicado i segueti aspetti ecoomici:

Dettagli

Il confronto tra DUE campioni indipendenti

Il confronto tra DUE campioni indipendenti Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo

Dettagli

Introduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche

Introduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche Itroduzioe alla Statistica descrittiva Defiizioi prelimiari È la scieza che studia i feomei collettivi o di massa. U feomeo è detto collettivo o di massa quado è determiato solo attraverso ua molteplicità

Dettagli

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1)

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) I umeri aturali hao u ordie; ogi umero aturale ha u successivo (otteuto aggiugedo 1), e ogi umero aturale diverso da zero ha u precedete (otteuto sottraedo 1).

Dettagli

5 ln n + ln. 4 ln n + ln. 6 ln n + ln

5 ln n + ln. 4 ln n + ln. 6 ln n + ln DOMINIO FUNZIONE Determiare il domiio della fuzioe f = l e e + e + e Deve essere e e + e + e >, posto e = t si ha t e + t + e = per t = e e per t = / Il campo di esisteza è:, l, + Determiare il domiio

Dettagli

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa I umeri complessi Pagie tratte da Elemeti della teoria delle fuzioi olomorfe di ua variabile complessa di G. Vergara Caffarelli, P. Loreti, L. Giacomelli Dipartimeto di Metodi e Modelli Matematici per

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

Tutti i diritti di sfruttamento economico dell opera appartengono alla Esselibri S.p.A. (art. 64, D.Lgs. 10-2-2005, n. 30)

Tutti i diritti di sfruttamento economico dell opera appartengono alla Esselibri S.p.A. (art. 64, D.Lgs. 10-2-2005, n. 30) Copyright 2005 Esselibri S.p.A. Via F. Russo, 33/D 8023 Napoli Azieda co sistema qualità certificato ISO 400: 2003 Tutti i diritti riservati. È vietata la riproduzioe ache parziale e co qualsiasi mezzo

Dettagli

Problemi di turnistica del personale nei trasporti. Pianificazione dei turni. Tecniche di ottimizzazione. Programma. Paolo Toth e Daniele Vigo

Problemi di turnistica del personale nei trasporti. Pianificazione dei turni. Tecniche di ottimizzazione. Programma. Paolo Toth e Daniele Vigo Problemi di turistica del persoale ei trasporti Paolo Toth e Daiele Vigo DEIS, Uiversità di Bologa http://promet4.deis.uibo.it/ Piaificazioe dei turi Dati: u isieme di servizi da effettuare i u determiato

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si

Dettagli

Campionamento stratificato. Esempio

Campionamento stratificato. Esempio ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete

Dettagli

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014)

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014) Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia per maager. Prima versioe, marzo 2013; versioe aggiorata, marzo 2014) Massimo A. De Fracesco Uiversità di Siea March 14, 2014 1 Prezzo

Dettagli

Appunti sulla MATEMATICA FINANZIARIA

Appunti sulla MATEMATICA FINANZIARIA INTRODUZIONE Apputi sulla ATEATIA FINANZIARIA La matematica fiaziaria si occupa delle operazioi fiaziarie. Per operazioe fiaziaria si itede quella operazioe ella quale avviee uo scambio di capitali, itesi

Dettagli

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni Statistica I, Laurea trieale i Ig. Gestioale, a.a. 2011/12 Registro delle lezioi Lezioe 1 (28/9, ore 11:30). Vedere la registrazioe di Barsati, dispoibile alla pagia http://users.dma.uipi.it/barsati/statistica_2011/idex.html.

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1 SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:

Dettagli

CAPITOLO 5 TEORIA DELLA SIMILITUDINE

CAPITOLO 5 TEORIA DELLA SIMILITUDINE CAPITOLO 5 TEORIA DELLA SIMILITUDINE 5.. Itroduzioe La Teoria della Similitudie ha pricipalmete due utilizzi: Estedere i risultati otteuti testado ua sigola macchia ad altre codizioi operative o a ua famiglia

Dettagli

Metodi statistici per l analisi dei dati

Metodi statistici per l analisi dei dati Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo

Dettagli

Interesse e formule relative.

Interesse e formule relative. Elisa Battistoi, Adrea Frozetti Collado Iteresse e formule relative Esercizio Determiare quale somma sarà dispoibile fra 7 ai ivestedo oggi 0000 ad u tasso auale semplice del 5% Soluzioe Il diagramma del

Dettagli

Capitolo Terzo. rappresenta la rata di ammortamento del debito di un capitale unitario. Si tratta di risolvere un equazione lineare nell incognita R.

Capitolo Terzo. rappresenta la rata di ammortamento del debito di un capitale unitario. Si tratta di risolvere un equazione lineare nell incognita R. 70 Capitolo Terzo i cui α i rappreseta la rata di ammortameto del debito di u capitale uitario. Si tratta di risolvere u equazioe lieare ell icogita R. SIANO NOTI IL MONTANTE IL TASSO E IL NUMERO DELLE

Dettagli

Economia Internazionale - Soluzioni alla IV Esercitazione

Economia Internazionale - Soluzioni alla IV Esercitazione Ecoomia Iterazioale - Soluzioi alla IV Esercitazioe 25/03/5 Esercizio a) Cosa soo le ecoomie di scala? Come cambia la curva di oerta i preseza di ecoomie di scala? Perchè queste oroo u icetivo al commercio

Dettagli

Appunti su rendite e ammortamenti

Appunti su rendite e ammortamenti Corso di Matematica I Facoltà di Ecoomia Dipartimeto di Matematica Applicata Uiversità Ca Foscari di Veezia Fuari Stefaia, fuari@uive.it Apputi su redite e ammortameti 1. Redite Per redita si itede u isieme

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

Foglio di esercizi N. 1 - Soluzioni

Foglio di esercizi N. 1 - Soluzioni Foglio di esercizi N. - Soluzioi. Determiare il domiio della fuzioe f) = log 3 + log 3 3)). Deve essere + log 3 3) > 0, ovvero log 3 3) >, ovvero prededo l espoeziale i base 3 di etrambi i membri) 3 >

Dettagli

EQUAZIONI ALLE RICORRENZE

EQUAZIONI ALLE RICORRENZE Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo

Dettagli

Metodi Iterativi Generalità e convergenza Metodi di base Cenni sui metodi basati sul gradiente Cenni sui metodi multigriglia

Metodi Iterativi Generalità e convergenza Metodi di base Cenni sui metodi basati sul gradiente Cenni sui metodi multigriglia Itroduzioe Metodi diretti Elimiazioe di Gauss Decomposizioe LU Casi particolari Metodi Iterativi Geeralità e covergeza Metodi di base Cei sui metodi basati sul gradiete Cei sui metodi multigriglia 1 Itroduzioe

Dettagli

3.4 Tecniche per valutare uno stimatore

3.4 Tecniche per valutare uno stimatore 3.4 Teciche per valutare uo stimatore 3.4. Il liguaggio delle decisioi statistiche, stimatori corretti e stimatori cosisteti La teoria delle decisioi forisce u liguaggio appropriato per discutere sulla

Dettagli

Appunti di matematica Percorso

Appunti di matematica Percorso Biaca Arrigoi Apputi di matematica Percorso Statistica e probabilità EDIZIONE RIFORMA Biaca Arrigoi Apputi di matematica Percorso Statistica e probabilità EDIZIONE RIFORMA iteret: www.cedamscuola.it e-mail:

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli

Terzo appello del. primo modulo. di ANALISI 18.07.2006

Terzo appello del. primo modulo. di ANALISI 18.07.2006 Terzo appello del primo modulo di ANALISI 18.7.26 1. Si voglioo ifilare su u filo delle perle distiguibili tra loro solo i base alla dimesioe: si hao a disposizioe perle gradi di diametro di 2 cetimetri

Dettagli

Principi base di Ingegneria della Sicurezza

Principi base di Ingegneria della Sicurezza Pricipi base di Igegeria della Sicurezza L aalisi delle codizioi di Affidabilità del sistema si articola i: (i) idetificazioe degli sceari icidetali di riferimeto (Eveti critici Iiziatori - EI) per il

Dettagli

Capitolo Decimo SERIE DI FUNZIONI

Capitolo Decimo SERIE DI FUNZIONI Capitolo Decimo SERIE DI FUNZIONI SUCCESSIONI DI FUNZIONI I cocetti di successioe e di serie possoo essere estesi i modo molto aturale al caso delle fuzioi DEFINIZIONE Sia E u sottoisieme di  e, per ogi

Dettagli

Soluzione del tema di Informatica Progetto Mercurio Esame di Stato AS 2010-2011 1 Prof. Mauro De Berardis Itis Teramo Mercurio 2011 Prova scritta di

Soluzione del tema di Informatica Progetto Mercurio Esame di Stato AS 2010-2011 1 Prof. Mauro De Berardis Itis Teramo Mercurio 2011 Prova scritta di Soluzioe del tema di Iformatica Progetto Mercurio Esame di Stato AS 2010-2011 1 Sessioe ordiaria Esame di Stato 2011 Tema di Iformatica - Progetto: Mercurio Soluzioe proposta da: Co il termie Web 2.0 si

Dettagli

Esercitazione 2 Progetto e realizzazione di un semplice sintetizzatore musicale basato su FPGA

Esercitazione 2 Progetto e realizzazione di un semplice sintetizzatore musicale basato su FPGA Architetture dei sistemi itegrati digitali Alessadro Bogliolo Esercitazioe 2 Progetto e realizzazioe di u semplice sitetizzatore musicale basato su FPGA (A) Defiizioe della specifica ed esperimeti prelimiari

Dettagli

Random walk classico. Simulazione di un random walk

Random walk classico. Simulazione di un random walk Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S = S0 X k, co X k = k= co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti

Dettagli

LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT

LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT LA GESTIONE DELLA QUALITA : IL TOTAL QUALITY MANAGEMENT La gestioe, il cotrollo ed il migliorameto della qualità di u prodotto/servizio soo temi di grade iteresse per l azieda. Il problema della qualità

Dettagli

INVENTORY CONTROL. Ing. Lorenzo Tiacci

INVENTORY CONTROL. Ing. Lorenzo Tiacci INVENTORY CONTRO Ig. orezo Tiacci Testo di riferimeto: Ivetory Maagemet ad Productio Plaig ad Cotrol - Third Ed. E.A. Silver, D.F. Pyke, R. Peterso Wiley, 998 Idice. POITICA (s, ) (order poit, order quatity)

Dettagli

Modelli multiperiodali discreti. Strategie di investimento

Modelli multiperiodali discreti. Strategie di investimento Modelli multiperiodali discreti Cosideriamo ora modelli discreti cioè co u umero fiito di stati del modo multiperiodali, cioè apputo co più periodi. Il prototipo di questa classe di modelli è il modello

Dettagli

TECNICHE DI ANALISI DEI DATI IN ECOLOGIA

TECNICHE DI ANALISI DEI DATI IN ECOLOGIA TECNICHE DI ANALISI DEI DATI IN ECOLOGIA Michele Scardi Dipartimeto di Biologia Uiversità di Roma Tor Vergata Via della Ricerca Scietifica 0033 Roma e-mail: mscardi@mclik.it home page: http://www.mare-et.com/mscardi

Dettagli

PARAMETRI DEL MOTO SISMICO

PARAMETRI DEL MOTO SISMICO PARAMETRI DEL MOTO SISMICO Attività microsismica: caratterizzata da vibrazioi di debole ampiezza e periodi molto gradi tali da o essere percepiti dai più comui strumeti di registrazioe (importate soprattutto

Dettagli

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio Radicali Per itrodurre il cocetto di radicali che già avete icotrato alle medie quado avete imparato a calcolare la radice quadrata e cubica dei umeri iteri, abbiamo bisogo di rivedere il cocetto di uzioe

Dettagli

2.1. CONSIDERAZIONI GENERALI SULLA TEORIA DEL METODO AGLI ELEMENTI FINITI PER LA SIMULAZIONE DEI PROCESSI DI LAMIERA

2.1. CONSIDERAZIONI GENERALI SULLA TEORIA DEL METODO AGLI ELEMENTI FINITI PER LA SIMULAZIONE DEI PROCESSI DI LAMIERA Politecico di Torio Sistemi di Produzioe... CONSIDERAZIONI GENERALI SULLA TEORIA DEL METODO AGLI ELEMENTI FINITI PER LA SIMULAZIONE DEI PROCESSI DI LAMIERA... Equazioe di govero Negli ultimi ai il metodo

Dettagli

, l'insieme dei numeri interi relativi: 0, 1, 1, 2, 2, infinito. m dove m e n sono elementi di. Le frazioni hanno tre

, l'insieme dei numeri interi relativi: 0, 1, 1, 2, 2, infinito. m dove m e n sono elementi di. Le frazioni hanno tre Uiversità Boccoi. Ao accademico 00 00 Corso di Matematica Geerale Prof. Fabrizio Iozzi email: fabrizio.iozzi@ui-boccoi.it Lezioi / Gli isiemi umerici Gli isiemi umerici co i quali lavoreremo soo:, l'isieme

Dettagli

SERIE NUMERICHE. (Cosimo De Mitri) 1. Definizione, esempi e primi risultati... pag. 1. 2. Criteri per serie a termini positivi... pag.

SERIE NUMERICHE. (Cosimo De Mitri) 1. Definizione, esempi e primi risultati... pag. 1. 2. Criteri per serie a termini positivi... pag. SERIE NUMERICHE (Cosimo De Mitri. Defiizioe, esempi e primi risultati... pag.. Criteri per serie a termii positivi... pag. 4 3. Covergeza assoluta e criteri per serie a termii di sego qualsiasi... pag.

Dettagli

METODO DELLE PIOGGE PER IL CALCOLO DEI VOLUMI DI INVASO PER L INVARIANZA IDRAULICA

METODO DELLE PIOGGE PER IL CALCOLO DEI VOLUMI DI INVASO PER L INVARIANZA IDRAULICA METODO DELLE PIOGGE PER IL CALCOLO DEI OLUMI DI INASO PER L INARIANZA IDRAULICA 1. Premessa I queste brevi ote si preseta il metodo semplificato delle piogge illustradoe l implemetazioe i u foglio di calcolo

Dettagli

CAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE

CAPITOLO UNDICESIMO VARIABILI CASUALI 1. INTRODUZIONE CAPITOLO UNDICESIMO VARIABILI CASUALI SOMMARIO:. Itroduzioe. -. Variabili casuali discrete. - 3. La variabile casuale di Beroulli. - 4. La variabile casuale biomiale. -. La variabile casuale di Poisso.

Dettagli

Distribuzione di un carattere

Distribuzione di un carattere Distribuzioe di u carattere Dopo le fasi di acquisizioe e di registrazioe dei dati, si passa al loro cotrollo e quidi alle loro elaborazioe. Si defiisce distribuzioe uitaria semplice di u carattere l elecazioe

Dettagli

STIMA DEI DANNI 1) Che cosa si intende per danno economico?

STIMA DEI DANNI 1) Che cosa si intende per danno economico? STIMA DEI DANNI 1) Che cosa si itede per dao ecoomico? Per dao ecoomico si itede la perdita o la dimiuzioe di valore che u bee subisce a seguito di u siistro ( eveto o prevedibile) o da u fatto doloso

Dettagli

1. Distribuzioni campionarie legate alla distribuzione normale. 3. Intervallo bilatero di confidenza bilatero per la frazione p di una popolazione

1. Distribuzioni campionarie legate alla distribuzione normale. 3. Intervallo bilatero di confidenza bilatero per la frazione p di una popolazione Questi esempi vi potrao essere utili come riferimeto ella ricerca di itervalli di cofideza e test di ipotesi statistiche. Per gli aggiorameti potete visitare i siti www.boch.et o www.feaor.com. Per dubbi

Dettagli

Sommario. Metodologie di progetto. Introduzione. Modello del Sistema. Diagramma a Blocchi. Progetto

Sommario. Metodologie di progetto. Introduzione. Modello del Sistema. Diagramma a Blocchi. Progetto Sommario Metodologie di progetto Massimo Violate troduzioe Progetto a Livello Porte Logiche Progetto a Livello Registri Progetto a Livello Sistema. troduzioe U sistema è ua collezioe di oggetti, compoeti,

Dettagli

La matematica finanziaria

La matematica finanziaria La matematica fiaziaria La matematica fiaziaria forisce gli strumeti ecessari per cofrotare fatti fiaziari che avvegoo i mometi diversi Esempio: Come posso cofrotare i ricavi e i costi legati all acquisto

Dettagli

Capitolo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE

Capitolo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE Capitoo 3 CARATTERIZZAZIONE MECCANICA DELLE FIBRE 3.1 LA TEORIA DI WEIBULL I comportameto meccaico dee fibre di giestra e di juta è stato caratterizzato mediate o studio dea resisteza a trazioe dee fibre

Dettagli

APPUNTI DI ECONOMIA ELEMENTARE. (tratti da A. MONTE Elementi di Impianti Industriali Cortina)

APPUNTI DI ECONOMIA ELEMENTARE. (tratti da A. MONTE Elementi di Impianti Industriali Cortina) ITIS OMAR Dipartimeto di Meccaica APPUNTI DI ECONOMIA ELEMENTARE (tratti da A. MONTE Elemeti di Impiati Idustriali Cortia) Si defiisce iteresse il dearo pagato per l'uso di u capitale otteuto i prestito

Dettagli

Capitolo 8 Le funzioni e le successioni

Capitolo 8 Le funzioni e le successioni Capitolo 8 Le fuzioi e le successioi Prof. A. Fasao Fuzioe, domiio e codomiio Defiizioe Si chiama fuzioe o applicazioe dall isieme A all isieme B ua relazioe che fa corrispodere ad ogi elemeto di A u solo

Dettagli

Indici COMIT Metodologia di calcolo

Indici COMIT Metodologia di calcolo Il presete documeto riassume le regole fodametali per il calcolo e la gestioe degli idici elaborati da Itesa Sapaolo per l itero Mercato Telematico Azioario italiao (MTA) ed il vecchio Nuovo Mercato. Gli

Dettagli

3. Progetto di reti di comunicazione

3. Progetto di reti di comunicazione 3. Progetto di reti di comuicazioe 66 ROC-00/01 Capitolo 3 3. 1 Alberi di costo miimo e alberi di costo miimo co capacità Come acceato el paragrafo 2.1.2, i questo corso affroteremo solo due aspetti del

Dettagli

LA DERIVATA DI UNA FUNZIONE

LA DERIVATA DI UNA FUNZIONE LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:

Dettagli

Valutazione delle prestazioni di calcolo

Valutazione delle prestazioni di calcolo Architettura degli Elaboratori e delle Reti Valutazioe delle prestazioi di calcolo A. Borghese, F. Pedersii Dipartimeto di Iformatica Uiversità degli Studi di Milao 1 Perché valutare le prestazioi? Perché?!

Dettagli

A = 10 log. senϕ = n n (3)

A = 10 log. senϕ = n n (3) CORSO DI LABORATORIO DI FISICA A Misure co fibre ottiche Scopo dell esperieza è la misura dell atteuazioe e dell apertura umerica di fibre ottiche di tipo F-MLD-500. Teoria dell esperieza La fisica sulla

Dettagli

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione

Le onde elettromagnetiche. Origine e natura, spettro delle onde e.m., la polarizzazione Le ode elettromagetiche Origie e atura, spettro delle ode e.m., la polarizzazioe Origie e atura delle ode elettromagetiche: Ua carica elettrica che oscilla geera u campo elettrico E che oscilla e a questo

Dettagli

Esame di Matematica 2 Mod.A (laurea in Matematica) prova di accertamento del 4 novembre 2005

Esame di Matematica 2 Mod.A (laurea in Matematica) prova di accertamento del 4 novembre 2005 Esame di Matematica 2 ModA (laurea i Matematica prova di accertameto del 4 ovembre 25 ESERCIZIO Si poga a 3 5 + 9 e b 2 4 6 + 6 ( (a Si determii d MCD(a, b e gli iteri m, Z tali che d ma + b co m < b ed

Dettagli

Università degli Studi di Bologna. Appunti del corso di Analisi Matematica Anno Accademico 2013 2014. prof. Daniele Ritelli

Università degli Studi di Bologna. Appunti del corso di Analisi Matematica Anno Accademico 2013 2014. prof. Daniele Ritelli Uiversità degli Studi di Bologa Scuola di Ecoomia Maagemet e Statistica Corso di Laurea i Scieze Statistiche Apputi del corso di Aalisi Matematica Ao Accademico 03 04 f b y prof. Daiele Ritelli f a a b

Dettagli

Elementi di matematica finanziaria

Elementi di matematica finanziaria Elemeti di matematica fiaziaria 18.X.2005 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate

Dettagli

LA SELEZIONE DI VARIABILI NELLA REGRESSIONE LINEARE. IL MODELLO BERDS

LA SELEZIONE DI VARIABILI NELLA REGRESSIONE LINEARE. IL MODELLO BERDS Relazioe Assego di ricerca. La selezioe delle variabili ell aalisi multivariata. 0/09/2006 3/08/2007 LA SELEZIONE DI VARIABILI NELLA REGRESSIONE LINEARE. IL MODELLO BERDS Massimo Guerriero Summary: The

Dettagli

4. Metodo semiprobabilistico agli stati limite

4. Metodo semiprobabilistico agli stati limite 4. Metodo seiprobabilistico agli stati liite Tale etodo cosiste el verificare che le gradezze che ifluiscoo i seso positivo sulla, valutate i odo da avere ua piccolissia probabilità di o essere superate,

Dettagli

Piano Lauree Scientifiche 2010-2011 Laboratorio di Autovalutazione per il miglioramento della preparazione per i corsi di laurea scientifici

Piano Lauree Scientifiche 2010-2011 Laboratorio di Autovalutazione per il miglioramento della preparazione per i corsi di laurea scientifici Piao Lauree Scietifiche 2010-2011 Laboratorio di Autovalutazioe per il migliorameto della preparazioe per i corsi di laurea scietifici Caserta, 14 febbraio 2011 Prof.ssa Maria Cocozza Quate possibilità

Dettagli

Stima di un immobile a destinazione alberghiera APPROFONDIMENTI

Stima di un immobile a destinazione alberghiera APPROFONDIMENTI APPROFONDIMENTI www.shutterstock.com/vladitto Stima di u immobile a destiazioe alberghiera di Maria Ciua (Ricercatore di Estimo Facoltà di Igegeria dell Uiversità di Palermo) I geere ell expertise immobiliare

Dettagli

Metodi gerarchici divisivi. Potenziali problemi. Metodi gerarchici divisivi/2. Metodi gerarchici divisivi/3

Metodi gerarchici divisivi. Potenziali problemi. Metodi gerarchici divisivi/2. Metodi gerarchici divisivi/3 Metodi gerarchici divisivi La costruzioe gerarchica può ache essere scissoria (o divisiva): si parte da u solo cluster che iclude tutte le etità e si arriva ad ua suddivisioe i clusters di ampiezza uo.

Dettagli

1 Metodo della massima verosimiglianza

1 Metodo della massima verosimiglianza Metodo della massima verosimigliaza Estraedo u campioe costituito da variabili casuali X i i.i.d. da ua popolazioe X co fuzioe di probabilità/desità f(x, θ), si costruisce la fuzioe di verosimigliaza che

Dettagli

STATISTICA ECONOMICA STATISTICA PER L ECONOMIA

STATISTICA ECONOMICA STATISTICA PER L ECONOMIA STATISTICA ECONOMICA STATISTICA PER L ECONOMIA aa 2009-2010 Operazioi statistiche elemetari Spesso ci si preseta il problema del cofroto tra dati Ad esempio, possiamo voler cofrotare feomei [ecoomici]

Dettagli

Modellazione e disegno sperimentale per sistemi ad alta dimensionalità.

Modellazione e disegno sperimentale per sistemi ad alta dimensionalità. Corso di Laurea i Statistica per l Impresa Prova fiale di Laurea Modellazioe e disego sperimetale per sistemi ad alta dimesioalità. Relatrice Prof.ssa Iree Poli Laureado Adrea Zaia Matricola 8909 Ao Accademico

Dettagli

Capitolo 2 CALCOLO DELLE PROBABILITÀ

Capitolo 2 CALCOLO DELLE PROBABILITÀ CORSO DI LAUREA IN ECONOMIA AZIENDALE (Note didattiche) Bruo Chiadotto Fabrizio Cipollii Capitolo CALCOLO DELLE PROBABILITÀ Il calcolo delle probabilità, ato el cotesto dei giochi d azzardo si è sviluppato

Dettagli

Estimo rurale appunti 2005. Estimo rurale

Estimo rurale appunti 2005. Estimo rurale Estimo rurale apputi 2005 Estimo rurale L estimo rurale rietra ell ambito delle disciplie ecoomiche, ma metre l ecoomia si occupa della coosceza della realtà, esso si occupa della valutazioe dei bei. Compito

Dettagli