1 Metodo della massima verosimiglianza

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "1 Metodo della massima verosimiglianza"

Transcript

1 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 rappreseta la fuzioe di probabilità/desità del campioe stesso: i quest ambito si ipotizza che essa sia fuzioe del vettore dei parametri θ, metre le realizzazioi campioarie x i soo fisse. Aaliticamete si ha perciò: L(x, x,..., x ; θ) = f(x i, θ) [.] La fuzioe statistica ˆθ = t(x, x,..., x ) è detta stimatore di massima verosimigliaza se, i corrispodeza di ciascu campioe estratto, assega u valore al vettore θ che massimizza la fuzioe di verosimigliaza. I simboli: max L(x, θ) = L(x, ˆθ) [.] Ovviamete la stima di massima verosimigliaza è defiita i questo modo: ˆθ = arg max L(x, θ) [.] Per poter calcolare lo stimatore MLE si ricorre alla fuzioe log-verosimigliaza otteuta attraverso l applicazioe del logaritmo aturale, quidi risulta: l(x, θ) = l L(x, θ) [.4] Dato che la fuzioe logaritmica è ua trasformazioe mootòa crescete, co il passaggio alla log-verosimigliaza o si perdoo le caratteristiche della fuzioe L(x, θ) i termii di cresceza e decresceza e soprattutto si ottiee I iglese, Likelihood fuctio. I letteratura tale stimatore è oto ache come stimatore MLE, che deriva dall iglese Maximum Likelihood Estimator. Per semplificare la otazioe d ora i avati la fuzioe di verosimigliaza sarà idicata semplicemete co L(x, θ).

2 Elemeti di statistica per l ecoometria ua forma aalitica più semplice da trattare. Nel caso di variabili casuali i.i.d. questo è particolarmete vero perché la fuzioe di desità cogiuta del campioe può essere espressa come produttoria delle margiali: per le proprietà dei logaritmi, dalla [.] si ricava perciò la log-verosimigliaza come sommatoria, ifatti: [ ] l(x, θ) = l f(x i, θ) = l f(x i, θ) [.5] U importate proprietà della log-verosimigliaza è la seguete: l(x, θ) L(x, θ) = [L(x, θ)] [.6] Dimostrazioe: Applicado la derivata di ua fuzioe logaritmica si ha: l(x, θ) l(x, θ) l(x, θ) l L(x, θ) = L(x, θ) = L(x, θ) = [L(x, θ)] L(x, θ) La più importate proprietà della fuzioe di log-verosimigliaza è però quella che costituisce la motivazioe pricipale per il metodo di stima trattato: poiché ella sua defiizioe etrao le realizzazioi x i delle variabili casuali, la logverosimigliaza è ua fuzioe casuale del vettore dei parametri icogiti, el seso che per θ dato, restituisce ua variabile casuale; alterativamete si può pesare che ad ogi possibile realizzazioe del campioe è associata ua diversa fuzioe di θ. Se questa fuzioe ha u valore atteso, tale valore atteso sarà ua fuzioe o stocastica del vettore dei parametri. Si osservi pertato la figura.: le liee tratteggiate corrispodoo alla fuzioe di log-verosimigliaza osservabile per ciascua realizzazioe campioaria f(x,..., x ; θ ), metre la liea cotiua rappreseta la fuzioe E[l(x, θ)]. Tale fuzioe assume u massimo proprio i corrispodeza di θ, ossia del vero valore della fuzioe di desità di x. Si cosideri la seguete fuzioe di θ: Dimostrazioe: A(θ) = E» L(x, θ) L(x, θ )

3 Figura. Log-verosimigliaza campioaria e media θ θ Questa fuzioe è uguale a per θ, poiché L(x, θ) è ua possibile fuzioe di desità di x per ciascu valore di θ, quidi: Z Z L(x, θ) A(θ) = L(x, θ)dx = L(x, θ)dx = x L(x, θ ) x Da questa relazioe segue che l A(θ) =. Poiché il logaritmo è ua fuzioe ovuque cocava, per il lemma di Jese si avrà:»» L(x, θ) L(x, θ) E l l E = L(x, θ ) L(x, θ ) Tale relazioe è vera per θ Θ. E [l(x, θ) l(x, θ )] E [l(x, θ)] E[l(x, θ )] Alla luce di questo risultato è aturale pesare che il puto di massimo della fuzioe l(x, θ) possa essere utilizzato come stimatore di θ. È possibile dimostrare che, sotto codizioi molto geerali, lo stimatore così otteuto è uo stimatore cosistete. Per la massimizzazioe di l(x, θ) le codizioi del primo ordie risultao: l(x, θ) s(x, θ) = = [.7] dove la fuzioe s(x, θ) è detta score. Quado si è i preseza di u campioe composto da variabili casuali i.i.d., lo score può ache essere scritto come segue: l f(x i, θ) s(x, θ) = s(x i, θ) = [.8]

4 Elemeti di statistica per l ecoometria Dato che è fuzioe dei campioi estratti, lo score è ach esso ua variabile casuale; quado θ = θ, i suoi mometi soo:. E[s(x, θ )] = Dimostrazioe: Teedo presete le proprietà delle derivate e la [.6] risulta: E[s(x, θ)] = E[s(x, θ)] = E[s(x, θ)] = Valutado lo score per θ = θ, si ottiee: E[s(x, θ )] = E[s(x, θ )] = s(x, θ)l(x, θ )dx l(x, θ) L(x, θ )dx L(x, θ) [L(x, θ)] L(x, θ )dx L(x, θ ) dx Poiché i corrispodeza del vero parametro θ vale E[s(x, θ )] = = L(x, θ )dx L(x, θ )dx =, si ha:. V ar[s(x, θ )] = I(θ ) dove I(θ ) è la matrice di iformazioe di Fisher valutata i corrispodeza del vero parametro θ. La matrice I(θ) è defiita come l opposto del valore atteso dell Hessiaa della log-verosimigliaza, quidi risulta: [ ] l(x, θ) I(θ) = E = E [H(x, θ)] [.9] I corrispodeza di θ = θ vale l uguagliaza: I(θ ) = V ar[s(x, θ )] = E [H(x, θ )] [.] Dimostrazioe: Per dimostrare questa proprietà si parte dalla defiizioe di valore atteso dello score: E[s(x, θ)] = 4 s(x, θ)l(x, θ)dx

5 Derivado etrambi i membri rispetto a θ si ottiee: s(x, θ)l(x, θ) dx = Per la proprietà della derivata del prodotto e per la [.6] si ha: Z s(x, θ) + L(x, θ)dx + s(x, θ) L(x, θ)dx + s(x, θ) L(x, θ)dx + L(x, θ) s(x, θ)dx = l(x, θ) s(x, θ)l(x, θ)dx = s(x, θ) L(x, θ)dx = Utilizzado l operatore valore atteso e valutado il tutto i θ = θ si ha:» s(x, θ) E + E ˆs(x, θ ) = θ Dato che E[s(x, θ )] = risulta:» l(x, θ) E + V ar[s(x, θ )] = θ» l(x, θ) V ar[s(x, θ)] = E V ar[s(x, θ)] = H[s(x, θ )] θ La matrice I(θ ) è posta uguale ad etrambi i membri di questa idetità. 5

6 Elemeti di statistica per l ecoometria Nel caso di variabili casuali idipedeti la matrice di iformazioe di Fisher è data dalla sommatoria di tutte le variaze degli score che soo preseti all itero della [.8], ifatti risulta: I(θ ) = V ar[s(x i, θ )] = E [H(x i, θ )] [.] Se le variabili casuali soo ache ideticamete distribuite, tutti gli elemeti della sommatoria soo uguali, per cui si può scrivere: I(θ ) = V ar[s(x i, θ )] = E [H(x i, θ )] [.] La stima MLE è quidi quel valore del vettore θ i corrispodeza del quale lo score si aulla. La Figura. mostra graficamete come può essere otteuta la stima di massima verosimigliaza. Figura. Discussioe grafica dello stimatore MLE L(x, θ) (x, θ) ^ θ s(x, θ) θ All itero del grafico soo state tracciate la fuzioe di verosimigliaza, la log-verosimigliaza e lo score ; i corrispodeza della stima MLE ˆθ si può agevolmete otare che le fuzioi L(x, θ) e l(x, θ) hao valore massimo, metre s(x, θ) si aulla. Il grafico è stato tracciato per ua variabile casuale di Poisso. Per fii esclusivamete didattici i valori della fuzioe di verosimigliaza soo stati moltiplicati per 6, metre quelli della log-verosimigliaza soo stati traslati aggiugedo ua costate pari a 5: i questo modo è possibile mettere a cofroto le diverse curve all itero di u solo grafico seza compromettere le proprietà. 6

7 Esempio. Calcolare lo stimatore MLE per l icogito parametro π di ua popolazioe Beroulliaa co fuzioe di probabilità pari a: p(x, π) = π x ( π) x co x i =, Fuzioe di verosimigliaza: L(x, π) = Y π x i ( π) x i = π γ ( π) γ Passado alla log-verosimigliaza si ha: l(x, π) = l π x i + l( π) ( x i) dove γ = x i. l(x, π) = γ l π + ( γ) l( π) Derivado la log-verosimigliaza si ottiee lo score: s(x, π) = l(x, π) π = γ π γ π Eguagliado lo score a zero si ottiee lo stimatore di massima verosimigliaza. γ ˆπ γ ˆπ = γ( ˆπ) ˆπ( γ) = γ ˆπ = ˆπ = Lo stimatore MLE per ua popolazioe Beroulliaa è la media campioaria. x i Esempio. Calcolare lo stimatore MLE per il parametro λ di ua popolazioe Poissoiaa co la seguete fuzioe di probabilità: Fuzioe di verosimigliaza: dove γ = x i. L(x, λ) = p(x, λ) = e λ λ x Y x! e λ λ x i x i! = e λ λ γ Y x i! Fuzioe log-verosimigliaza: l(x, λ) = λ + l λ x i l(x i!) 7

8 Elemeti di statistica per l ecoometria Fuzioe score: s(x, λ) = + λ Stimatore MLE: + ˆλ x i = ˆλ = x i Lo stimatore MLE per ua popolazioe Poissoiaa coicide co la media campioaria. x i Esempio. Calcolare lo stimatore MLE per l icogito vettore θ = [ µ σ ] di ua popolazioe ormale. Si calcola la fuzioe di verosimigliaza: Y j L(x, θ) = (πσ ) exp ff (x i µ) σ ( ) L(x, θ) = (πσ ) exp (x i µ) σ La log-verosimigliaza è: l(x, θ) = l(π) l σ σ (x i µ) lo score è il vettore gradiete coteete le derivate parziali della log-verosimigliaza calcolate rispetto ai parametri µ e σ. (x σ i µ) s(x, θ) = 6 4 σ + 7 (x σ 4 i µ) 5 Per otteere lo stimatore MLE occorre risolvere il sistema: (x ˆσ i ˆµ) = ˆσ + 7 (x ˆσ 4 i ˆµ) 5 Dalla prima equazioe si ottiee: ˆσ ˆσ (x i ˆµ) = x i = ˆµ ˆσ ˆµ = x i = X 8

9 Sostituedo ella secoda si ha: ˆσ + ˆσ 4 ˆσ (x i X) (x i X) = ˆσ = (x i X) = s Lo stimatore MLE per i parametri icogiti di ua distribuzioe ormale è dato dalla media campioaria e dalla variaza campioaria. I simboli: ˆθ =» X s Estremo di Cramér-Rao Esiste u valore miimo per la variaza di uo stimatore corretto? Se la risposta è affermativa sigifica che, se uo stimatore ha tale variaza, esso è sicuramete il più efficiete tra quelli corretti. Quado si è i preseza di u problema regolare di stima l estremo di Cramér-Rao forisce la soluzioe del quesito. Si ha u problema regolare di stima quado soo verificate le segueti codizioi:. lo spazio dei parametri Θ R k è u isieme chiuso e limitato,. la fuzioe di probabilità/desità del campioe L(x i, θ) è cotiua e derivabile due volte rispetto al parametro θ,. il domiio della variabile casuale X o dipede da θ. Per ricavare l estremo di Cramér-Rao si cosidera u geerico stimatore corretto per l icogito parametro θ; per le proprietà dello score risulta: Cov[ˆθ, s(x, θ )] = I k [.] dove I k è la matrice idetità di dimesioe k k e k è il umero di parametri coteuti i θ. L importaza di questo risultato risiede el fatto che la covariaza tra il geerico stimatore corretto per θ e lo score valutato i θ è costate a prescidere dal campioe estratto. 9

10 Elemeti di statistica per l ecoometria Dimostrazioe: Partedo dall equazioe del valore atteso dello stimatore si ha: ˆθL(x, θ)dx = θ Derivado rispetto al vettore θ etrambi i membri (si tega presete che lo stimatore è ua fuzioe statistica quidi ˆθ/ = ) si ottiee: Ma poiché risulta: ˆθ ˆθ L(x, θ) dx = I k Z L(x, θ) + Z l(x, θ) + dx = ˆθ L(x, θ)dx = ˆθs(x, θ)l(x, θ)dx = I k, Utilizzado l operatore valore atteso si può perciò scrivere: E[ˆθ s(x, θ)] = I k Valutado lo score i θ = θ si ha E[s(x, θ )] =, quidi, visto che Cov(X, Y ) = E(XY ) E(X)E(Y ), si ottiee la seguete relazioe: Cov[ˆθ, s(x, θ )] = E[ˆθ s(x, θ )] = I k Dato il vettore V = [ ˆθ s(x, θ ) ] risulta perciò: V ar(v ) = [ V ar(ˆθ) Ik I k I(θ ) ] [.4] dove V ar(v ) è ua matrice almeo semidefiita positiva. Poiché risulta: [ Ik I(θ ) ] [ V ar(ˆθ) I k I k I(θ ) ] [ I k I(θ ) ] = V ar(ˆθ) I(θ ) [.5] Dato che ache la [.5] è ua matrice almeo semidefiita positiva 4, l estremo di Cramér-Rao coicide co l iversa della matrice di iformazioe di Fisher valutata per il vero parametro θ, quidi rappreseta il valore miimo per la variaza di uo stimatore corretto. 4 Questa proprietà deriva dal seguete risultato: data ua matrice A semidefiita positiva ed ua qualsiasi matrice B, risulta semidefiita positiva ache la matrice BAB.

11 Esempio.4 Determiare l estremo di Cramér-Rao per la media e la variaza di ua popolazioe X N(µ, σ ). La fuzioe di verosimigliaza, la log-verosimigliaza e la score soo state già determiate ell Esempio.. La derivata dello score rispetto ai parametri µ e σ è data dalla seguete matrice: s(x, θ) = 6 4 σ 4 X (x σ σ 4 i µ) X (x i µ) σ 4 σ 6 (x i µ) Calcolado il valore atteso e cambiado il sego si ottiee la matrice di iformazioe di Fisher.» s(xi, θ) I(θ) = E E E(x σ σ 4 i µ) I(θ) = 6 4 E(x σ 4 i µ) σ + 7 E(x 4 σ 6 i µ) 5 = 4 σ 5 σ 4 L estremo di Cramér-Rao è perciò: I(θ) = 6 4 σ σ PROPRIETÀ DELLO STIMATORE DI MASSIMA VEROSIMIGLIANZA:. Sotto alcue blade codizioi lo stimatore MLE è uo stimatore cosistete i quato risulta: ˆθ Pr θ. Sotto opportue codizioi di regolarità, quasi sempre verificate elle applicazioi pratiche, lo stimatore MLE ha la seguete distribuzioe limite: ) d (ˆθ θ N (, Ω ) dove Ω = (/)I(θ ) è ua matrice che o dipede dalla umerosità del campioe. Alla luce di questo risultato è possibile usare l approssimazioe: ˆθ N ( θ, I(θ ) ) dove I(θ ) è la matrice di iformazioe di Fisher calcolata per il vero parametro θ.

12 Elemeti di statistica per l ecoometria. Lo stimatore MLE risulta sempre asitoticamete efficiete. Questa proprietà deriva direttamete dalla precedete dato che, per, la variaza asitotica dello stimatore MLE coicide co l estremo di Cramer-Rao dato dall iversa della matrice di iformazioe di Fisher. 4. Lo stimatore MLE gode della proprietà di ivariaza a trasformazioi mootòe cotiue: se il vettore θ segue ua fuzioe g(θ) mootòa e cotiua, la stima di massima verosimigliaza vale g(ˆθ). Dimostrazioe: La fuzioe g(θ) : Θ R trasforma ogi θ i u valore k R, quidi risulta che: ˆk = g(ˆθ) Cosiderado la fuzioe di verosimigliaza si ha: L(x, θ) = L(x, θ) = Y f(x, θ) Y f[x, g (k)] L(x, θ) = L[x, g (k)] L(x, θ) = L(x, k) Per le proprietà della fuzioe g(θ) la fuzioe di verosimigliaza è massimizzata per quel valore di k che si ottiee i corrispodeza dello stimatore MLE, ifatti: L(x, ˆθ) = L[x, g (ˆk)] L(x, ˆθ) = L(x, ˆk) Quest ultima proprietà è molto importate soprattutto per due ragioi: a) Se si coosce il valore di ˆθ e si desidera stimare col metodo della massima verosimigliaza ua fuzioe del vero parametro icogito, o occorre ripetere il procedimeto di stima. b) È possibile applicare qualsiasi trasformazioe mootòa cotiua alla fuzioe L(x, θ) i modo da rederla più semplice da gestire a livello aalitico, seza implicare mutameti ei valori assuti dallo stimatore MLE.

13 Test basati sulla verosimigliaza Ua statistica test è ua statistica che ha ua distribuzioe ota (almeo per ) sotto l ipotesi ulla, cosicché è possibile costruire ua regioe di accettazioe e ua regioe di rifiuto. Ma come si costruisce ua statistica test? Uo degli approcci più usati i ecoometria è basato sulla verosimigliaza, ed è applicabile i tutte le situazioi i cui l ipotesi ulla possa essere scritta ella forma: g(θ ) = dove la fuzioe g(θ ) è cotiua, derivabile, ha come domiio lo spazio dei parametri Θ R k e come codomiio R q. I altri termii, questa fuzioe defiisce u sistema di q vicoli sui k parametri oggetto di stima. Naturalmete, si ha che q k. Esempio. Dato u campioe di variabili casuali ormali co media µ e variaza σ, il vettore dei parametri icogiti θ è: θ = [θ θ ] = ˆµ σ La fuzioe g(θ) corrispodete all ipotesi H : µ = è semplicemete: g(θ) = θ U ipotesi ulla più articolata, come ad esempio H : µ = σ avrebbe potuto essere espressa per mezzo della fuzioe g(θ) = θ θ oppure idifferetemete, g(θ) = θ θ La stima di massima verosimigliaza può essere effettuata teedo coto o meo dei vicoli g(θ ) =. Lo stimatore otteuto seza teer coto dei vicoli (già cosiderato el sottoparagrafo, e geeralmete idicato co la

14 Elemeti di statistica per l ecoometria otazioe ˆθ) si chiama stimatore libero. Si cosideri il seguete problema di ottimizzazioe: { Max L(x, θ) [.] Sub g(θ) = Lo stimatore otteuto come soluzioe del problema, prede il ome di stimatore vicolato, e di solito si idica co il simbolo θ. Si cosideri la Figura.: Figura. I tre test classici l idea di base è quella di cofrotare la soluzioe libera co quella vicolata e cosiderare valida l ipotesi ulla se le due soluzioi o soo troppo distati. I pratica, questo può essere fatto i tre modi diversi, ciò che coduce a defiire tre tipi di test: Test LR: la sigla LR sta per Likelihood Ratio, i italiao rapporto di verosimigliaza ; questo tipo di test è basato sul cofroto fra il massimo libero e il massimo vicolato, ossia sul cofroto fra l(x, ˆθ) e l(x, θ). Test W: oto come Test di Wald, esso poe direttamete a cofroto gli stimatori libero ˆθ e vicolato θ, aziché i rispettivi valori della verosimigliaza. Test LM: ache detto test dello score, si basa sul valore dello score i θ (ovviamete lo score valutato i ˆθ è ullo per costruzioe). La sigla LM sta per Lagrage Multipliers. Osservado uovamete la Figura. si può otare che il test LR è basato sulla differeza i ordiata fra la soluzioe libera e quella vicolata, metre il test W cosidera la differeza i ascissa. Il test LM, ivece, è basato sulla pedeza della log-verosimigliaza el puto di massimo vicolato, ossia sul 4

15 valore dello score i θ. U aspetto importate è che questi tre test soo asitoticamete equivaleti, cioè, sotto alcue blade codizioi di regolarità, risulta che: plim(lr W ) = plim(lr LM) = plim(w LM) = [.] Da questa proprietà deriva che essi hao ache la stessa distribuzioe asitotica, che solitamete risulta essere ua variabile casuale χ q, dove il umero dei g.d.l. q è pari a quello dei vicoli preseti all itero della fuzioe g(θ). Il test relativo all ipotesi ulla è pertato u test ad ua coda, co regioe di accettazioe pari a [, c α ], dove α è il livello di sigificatività e c α è il relativo valore critico della χ q. L esempio.5 rappreseta u caso particolare di questa proprietà. Per popolazioi distribuite ormalmete, quado si è i preseza di campioi di umerosità fiita, vale ioltre la relazioe:.. Test LR W LR LM [.] Il test LR è il più semplice da calcolare, ua volta che le soluzioi dei problemi di ottimo libero e vicolato siao etrambe dispoibili. La forma della statistica test è la seguete: [ LR = l(x, ˆθ) l(x, θ) ] [.4] Il ome è dovuto al fatto che la differeza fra le log-verosimigliaze è ovviamete uguale al logaritmo aturale del rapporto fra le fuzioi di verosimigliaza, cioè: [ L(x, LR = l ˆθ) ] L(x, θ) [.5] Esempio. Sia dato u campioe di variabili X i, distribuite come espoeziali egative i.i.d. co le segueti caratteristiche: ampiezza campioaria = 4; media aritmetica X =.8. Calcolare u test LR per l ipotesi H : θ =. Poiché la fuzioe di desità dell i-esima osservazioe è: La fuzioe di log-verosimigliaza è data da f(x i, θ) = θe θx i l(θ) = (l θ θ X) Si deduce facilmete che la stima libera di θ è pari a: ˆθ = X =.5 Si veda i proposito l Esempio.5. 5

16 Elemeti di statistica per l ecoometria Il valore della log-verosimigliaza el puto di massimo è pari a: l(ˆθ) = (l.5 ) = 4 (.7769) =.746 Il puto di massimo vicolato è l uico valore possibile per θ sotto l ipotesi ulla, ossia θ = θ = ; la log-verosimigliaza corrispodete è Applicado la [.4] risulta: l( θ) = (l.8) = 4 (.8) = LR = [.746 ( )] = 8.55 Sotto l ipotesi ulla, il test si distribuisce come ua χ. I valori critici per tale distribuzioe soo: α χ %.755 5%.844 % L ipotesi viee rifiutata a qualuque livello di sigificatività... Test W Il test di Wald è reso possibile dalla ormalità asitotica dello stimatore di massima verosimigliaza, espressa dalla seguete espressioe: ) d (ˆθ θ N (, A ) dove A = I(θ ). Se questo è vero, è possibile utilizzare i risultati di teoria asitotica (i particolare il delta method ) per affermare che, sotto l ipotesi ulla, vale la relazioe: d g(ˆθ) N (, Ω) [.6] co Ω = GA G e G = g(θ). θ I pratica, si parte dalla distribuzioe asitotica dello stimatore per calcolare la distribuzioe asitotica della fuzioe vicolo g(ˆθ). Pertato, se H è vera, la statistica test di Wald è data dalla seguete forma quadratica: [ ] W = g(ˆθ) Ω g(ˆθ) [.7] La [.7] coverge ad ua variabile casuale χ q dove q rappreseta il umero di vicoli imposti sui parametri dalla fuzioe g(ˆθ). Nel caso i cui la matrice Ω o fosse osservabile, è sufficiete dal puto di vista asitotico usare u suo stimatore cosistete. Si veda i proposito la proprietà. di pag.. 6

17 Esempio. Co gli stessi dati dell esempio., calcolare u test di Wald. Distribuzioe asitotica dello stimatore ˆθ: derivado due volte la fuzioe di log-verosimigliaza si ottiee: H(θ) = l(θ) =» «θ X = θ La matrice di iformazioe di Fisher è pari al egativo del valore atteso dell Hessiao quidi risulta essere uguale a: I(θ) = θ quidi ˆθ θ d N `, θ Il vicolo i questo caso è molto semplice i quato si ha g(θ) = θ e di cosegueza G =. Il test di Wald, pertato può basarsi sul fatto che, sotto l ipotesi ulla, risulta: d ˆθ N (, ) La statistica test ha quidi la seguete distribuzioe: W = ˆθ χ Co i dati dell esempio si ha: W = 4 (.5 ) = 4.65 = 5 Ache i questo caso l ipotesi ulla viee rifiutata... Test LM Il criterio su cui si basa il test LM è il seguete: se l ipotesi ulla è vera, allora lo stimatore vicolato θ deve essere cosistete. I questo caso la fuzioe casuale s(x, θ) asitoticamete deve avere le stesse proprietà sia che vega calcolata el vero parametro θ, sia i θ. Nell ipotesi di variabili i.i.d. risulta che: - E [s(x i, θ )] = - V ar [s(x i, θ )] = I(θ ) dove I(θ ) = I(θ ). A questo puto è possibile ivocare il TLC di Lideberg- Lévy per affermare la ormalità asitotica della media aritmetica degli score, cioè: ] s(x, θ ) = [ s(x i, θ ) 7 d N (, I(θ ) ) [.8]

18 Elemeti di statistica per l ecoometria Costruedo la forma quadratica si ha: s(x, θ ) I(θ ) s(x, θ ) = s(x, θ ) I(θ ) d s(x, θ ) χ q [.9] Poiché se H è vera risulta che θ Pr θ, allora e cosegue ache che: LM = s(x, θ) I( θ) s(x, θ) d χ q [.] È possibile dimostrare che questo test è asitoticamete equivalete ai test LR e W, cosicché il umero di g.d.l. del test è pari al umero dei vicoli q. Come risultato, è possibile impostare u test a ua coda la cui regioe di rifiuto è data da: LM > c α dove c α è quel valore tale per cui P r(χ q > c α ) = α. Esempio.4 Co gli stessi dati dell esempio., calcolare u test LM. Nell esempio. abbiamo già calcolato score e matrice di iformazioe, per cui o resta che da applicare la [.]. «s( θ) = θ X = ( X) La statistica test è: I( θ) = I() = LM = ( X) ( X) = ( X) Essa ha ua distribuzioe asitotica χ co g.d.l. Si oti che i questo particolare cotesto il test LM è idetico al test W quidi la stessa statistica test può essere iterpretata i etrambi i modi. Come ell esempio. risulta: LM = 4 (.8) = 4.4 = 6 Ache i quest ambito l ipotesi ulla o può essere accettata. Si oti ioltre che la codizioe [.] è rispettata...4 Criteri di scelta fra i tre test classici Dovrebbe essere chiaro dalla discussioe precedete che la scelta di quale dei tre test classici usare i pratica o può essere basato su cosiderazioi di atura asitotica, visto che i test soo asitoticamete equivaleti. I certi cotesti è possibile impostare u cofroto sulle proprietà dei test i campioi fiiti, ma di regola questa è ua via difficilmete praticabile. Il criterio che si utilizza di solito è quello della semplicità di calcolo: ifatti, 8

19 oguo dei tre test ha la particolarità di richiedere, per il suo calcolo, iformazioi che o soo richieste per gli altri due. La differeza è evidete fra i test LM e W: ifatti, il primo è calcolabile solo a partire dal puto di massimo vicolato, metre il secodo richede la sola coosceza del massimo libero (si vedao gli esempi. e.4). Il test LR viceversa, richiede la coosceza di ambo le soluzioi. Esso, tuttavia, o richiede il calcolo delle derivate della fuzioe di log-verosimigliaza (ecessario egli altri due casi), i quato è sufficiete calcolare la differeza fra l(x, ˆθ) e l(x, θ) e moltiplicarla per due. Esempio.5 Data ua popolazioe X N(µ, σ /) co σ oto, data H : µ = µ, si verifichi che i test LR, W e LM coicidoo per.. Fuzioe log-verosimigliaza:. Score: l(x, µ) = k l σ σ s(x, µ) = σ X. Iversa della matrice di iformazioe di Fisher: (X i µ) (X i µ) I(µ) = σ " # LR = (X σ i ˆµ) + (X σ i µ ) # LR = " (X σ i ˆµ) + (X i µ ) LR = σ ` X µ W = (ˆµ µ) I(ˆµ) W = σ ( X µ ) " # σ LM = (X σ i µ ) LM = σ ˆ X µ) LM = σ ( X µ ) Il risultato a cui si giuge è LR=W=LM= σ ( X µ ). Quado si ha perciò l equivaleza asitotica dei test classici, cioè: LR, W, LM χ 9

20 Elemeti di statistica per l ecoometria Esempio.6 Negli esempi. e.4 soo state determiate le equazioi dello stimatore ML, della log-verosimigliaza e della matrice di iformazioe di Fisher relative ad ua popolazioe distribuita come ua variabile casuale ormale. Utilizzado tali iformazioi calcolare i test LR, W e LM relativi all ipotesi ulla che la popolazioe abbia distribuzioe ormale stadardizzata, sapedo che: - X i = - Xi = 47 - = 5 L ipotesi ulla è: H :»» µ σ o alterativamete j µ = σ = =» Gli stimatori ML per la media e per la variaza soo rispettivamete: X = X i =. s =. Test LR Xi X =.9 " LR = l ˆσ (X ˆσ i ˆµ) + l σ + σ " # LR = l ˆσ + X i LR = [ 5 (.5) ] =.5 # (X i µ). Test W La matrice Jacobiaa calcolata sul vicolo è G = I dove I è la matrice idetità. La matrice Ω sarà perciò:» Ω = I(ˆµ, ˆσ ˆσ ) = ˆσ Si costruisce pertato la seguete forma quadratica: W = ˆ ˆµ ˆσ»» ˆσ ˆσ 4 W = 5 ˆ..».9.6 ˆµ ˆσ». = 6..

21 . Test LM Lo score el modello vicolato é: (X s(x, µ, σ σ i µ) ) = 6 4 σ + 7 (X σ 4 i µ) 5 = L iversa della matrice di iformazioe di Fisher calcolata sotto H è: σ I( µ, σ 6 ) = 4 7 σ 4 5 = La statisica test è perciò: LM = ˆ 5 4 5» Poiché χ = l ipotesi ulla o può essere accettata. X i X i = = 4 5 5

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

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

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

SUCCESSIONI E SERIE NUMERICHE

SUCCESSIONI E SERIE NUMERICHE SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua

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

II-9 Successioni e serie

II-9 Successioni e serie SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La

Dettagli

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE

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

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x. ANALISI MATEMATICA Area dell Igegeria dell Iformazioe Appello del 5.0.0 TEMA Esercizio Si cosideri la fuzioe f(x = arcsi log x. Determiare il domiio di f e discutere il sego. Discutere brevemete la cotiuità

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE LORENZO BRASCO. Teoremi di Cesaro Teorema di Stolz-Cesaro. Siao {a } N e {b } N due successioi umeriche, co {b } N strettamete positiva, strettamete crescete e ilitata. Se esiste

Dettagli

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02% RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base

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

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

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative

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

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

V Tutorato 6 Novembre 2014

V Tutorato 6 Novembre 2014 1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe

Dettagli

Successioni. Capitolo 2. 2.1 Definizione

Successioni. Capitolo 2. 2.1 Definizione Capitolo 2 Successioi 2.1 Defiizioe Ua prima descrizioe, più ituitiva che rigorosa, di quel che itediamo per successioe cosiste i: Ua successioe è ua lista ordiata di oggetti, avete u primo ma o u ultimo

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

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

STATISTICA 1 parte 2/2 STATISTICA INFERENZIALE

STATISTICA 1 parte 2/2 STATISTICA INFERENZIALE STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI

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

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte. ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie

Dettagli

Successioni. Grafico di una successione

Successioni. Grafico di una successione Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario

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

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

Appunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15

Appunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15 Apputi di Statistica Matematica Ifereza Statistica Multivariata Ao Accademico 014/15 November 19, 014 1 Campioi e modelli statistici Siao Ω, A, P uo spazio di probabilità e X = X 1,..., X u vettore aleatorio

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

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2006

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2006 ESAME DI STAT DI LICE SCIENTIFIC CRS DI RDINAMENT 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

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

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

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

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi. Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.

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

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

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagia Giovaa Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secodaria di secodo grado UNITÀ CAMPIONE Edizioi del Quadrifoglio à t i U 2 Radicali I questa Uità affrotiamo

Dettagli

CAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE

CAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE CAPITOLO SETTIMO GLI INDICI DI FORMA SOMMARIO: 1. Itroduzioe. - 2. Asimmetria. - 3. Grafico a scatola (box plot). - 4. Curtosi. - Questioario. 1. INTRODUZIONE Dopo aver aalizzato gli idici di posizioe

Dettagli

Successioni ricorsive di numeri

Successioni ricorsive di numeri Successioi ricorsive di umeri Getile Alessadro Laboratorio di matematica discreta A.A. 6/7 I queste pagie si voglioo predere i esame alcue tra le più famose successioi ricorsive, presetadoe alcue caratteristiche..

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

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

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

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

5. Le serie numeriche

5. Le serie numeriche 5. Le serie umeriche Ricordiamo che ua successioe reale è ua fuzioe defiita da N, evetualmete privato di u umero fiito di elemeti, a R. Solitamete si idica ua successioe co la lista dei suoi valori: (a

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

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità

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

UNIVERSITÀ POLITECNICA DELLE MARCHE Dipartimento di Economia. Variabili Casuali. Giulio Palomba

UNIVERSITÀ POLITECNICA DELLE MARCHE Dipartimento di Economia. Variabili Casuali. Giulio Palomba UNIVERSITÀ POLITECNICA DELLE MARCHE Dipartimeto di Ecoomia Variabili Casuali Giulio Palomba Variabili casuali Idice Itroduzioe 5 Variabili casuali discrete 7. Variabile casuale degeere....................

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Il modello di Regressioe Prof. Livia De Giovai statistica@dis.uiroma.it Esercizio Solitamete è accertato che aumetado il umero di uità prodotte, u idustria possa ridurre i costi

Dettagli

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la

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

DISTRIBUZIONI DOPPIE

DISTRIBUZIONI DOPPIE DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad

Dettagli

Serie numeriche: esercizi svolti

Serie numeriche: esercizi svolti Serie umeriche: esercizi svolti Gli esercizi cotrassegati co il simbolo * presetao u grado di difficoltà maggiore. Esercizio. Dopo aver verificato la covergeza, calcolare la somma delle segueti serie:

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

Limiti di successioni

Limiti di successioni Argometo 3s Limiti di successioi Ua successioe {a : N} è ua fuzioe defiita sull isieme N deiumeriaturaliavalori reali: essa verrà el seguito idicata più brevemeteco{a } a èdettotermie geerale della successioe

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

Anno 5 Successioni numeriche

Anno 5 Successioni numeriche Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai

Dettagli

CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli:

CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli: PROPOSTA DI UN PROTOCOLLO DI PROVE PER IL CONTROLLO DELLE CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE FINALITÀ Nel campo edile l utilizzo di rivestimeti esteri da riportare sulle

Dettagli

Corso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015

Corso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015 Corso di Elemeti di Impiati e mahie elettriche Ao Aademico 014-015 Esercizio.1 U trasformatore moofase ha i segueti dati di targa: Poteza omiale A =10 kva Tesioe omiale V 1 :V =480:10 V Frequeza omiale

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

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

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

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

ESERCIZI SULLE SERIE

ESERCIZI SULLE SERIE ESERCIZI SULLE SERIE Studiare la atura delle segueti serie. ) cos 4 + ; ) + si ; ) + ()! 4) ( ) 5) ( ) + + 6) ( ) + + + 7) ( log ) 8) ( ) + 9) log! 0)! Studiare al variare di x i R la atura delle segueti

Dettagli

Esercizi riguardanti limiti di successioni

Esercizi riguardanti limiti di successioni Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse

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

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

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone Numerazioe biaria Pagia di 9 easy matematica di Adolfo Scimoe SISTEMI DI NUMERAZIONE Sistemi di umerazioe a base fissa Facciamo ormalmete riferimeto a sistemi di umerazioe a base fissa, ad esempio el sistema

Dettagli

Corso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale.

Corso di laurea in Matematica Corso di Analisi Matematica 1-2 Dott.ssa Sandra Lucente 1 Funzioni potenza ed esponenziale. Corso di laurea i Matematica Corso di Aalisi Matematica -2 Dott.ssa Sadra Lucete Fuzioi poteza ed espoeziale. Teorema. Teorema di esisteza della radice -esima. Sia N. Per ogi a R + esiste uo ed u solo

Dettagli

Formula per la determinazione della Successione generalizzata di Fibonacci.

Formula per la determinazione della Successione generalizzata di Fibonacci. Formula per la determiazioe della uccessioe geeralizzata di Fiboacci. A cura di Eugeio Amitrao Coteuto dell articolo:. Itroduzioe......... uccessioe di Fiboacci....... 3. Formula di Biet per la successioe

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

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

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

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe

Dettagli

SERIE NUMERICHE Esercizi risolti. 2 b) n=1. n n 2 +n

SERIE NUMERICHE Esercizi risolti. 2 b) n=1. n n 2 +n SERIE NUMERICHE Esercizi risolti. Applicado la defiizioe di covergeza di ua serie stabilire il carattere delle segueti serie, e, i caso di covergeza, trovare la somma: = + b) = + +. Verificare utilizzado

Dettagli

ESERCIZI SULLE SERIE NUMERICHE

ESERCIZI SULLE SERIE NUMERICHE ESERCIZI SULLE SERIE NUMERICHE a cura di Michele Scaglia RICHIAMI TEORICI Richiamiamo brevemete i pricipali risultati riguardati le serie umeriche. Teorema (Codizioe Necessaria per la Covergeza) Sia a

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

Serie numeriche. Lorenzo Pisani Facoltà di Scienze Mm.Ff.Nn. A.A. 2007/08

Serie numeriche. Lorenzo Pisani Facoltà di Scienze Mm.Ff.Nn. A.A. 2007/08 Serie umeriche Lorezo Pisai Facoltà di Scieze Mm.Ff.N. A.A. 2007/08 Il problema di sommare i iti addedi è uo dei problemi classici dell aalisi matematica. Azi si tratta di u problema che ell atichità ha

Dettagli

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1 Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia

Dettagli

1 Limiti di successioni

1 Limiti di successioni Esercitazioi di matematica Corso di Istituzioi di Matematica B Facoltà di Architettura Ao Accademico 005/006 Aa Scaramuzza 4 Novembre 005 Limiti di successioi Esercizio.. Servedosi della defiizioe di ite

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al

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

che sono una l inversa dell altra; l insieme dei messaggi cifrati C i cui elementi sono indicati con la lettera c.

che sono una l inversa dell altra; l insieme dei messaggi cifrati C i cui elementi sono indicati con la lettera c. I LEZIONE Il ostro iteto è aalizzare i dettaglio i metodi di cifratura che si soo susseguiti el corso della storia prestado particolare attezioe all impiato matematico che e cosete la realizzazioe Iiziamo

Dettagli

ARGOMENTO: SERIE NUMERICHE 1. Dott.ssa Sandra Lucente

ARGOMENTO: SERIE NUMERICHE 1. Dott.ssa Sandra Lucente Corso di Laurea i Matematica LEZIONI PER IL CORSO DI ANALISI MATEMATICA..2 A.A. 2007-2008 ARGOMENTO: SERIE NUMERICHE Dott.ssa Sadra Lucete Idice :. Prime geeralità sulle serie. 2. Serie a termii o egativi:

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

Progressioni aritmetiche

Progressioni aritmetiche Progressioi aritmetiche Comiciamo co due esempi: Esempio Cosideriamo la successioe di umeri:, 7,, 5, 9, +4 +4 +4 +4 +4 La successioe è tale che si passa da u termie al successivo aggiugedo sempre +4. Si

Dettagli

Calcolo Combinatorio (vers. 1/10/2014)

Calcolo Combinatorio (vers. 1/10/2014) Calcolo Combiatorio (vers. 1/10/2014 Daiela De Caditiis modulo CdP di teoria dei segali Igegeria dell Iformazioe - sede di Latia, CALCOLO COMBINATORIO Pricipio Fodametale del Calcolo Combiatorio: Si realizzio

Dettagli

Corso di Laurea in Ing. Edile Politecnico di Bari A.A. 2008-2009 Prof. ssa Letizia Brunetti DISPENSE DEL CORSO DI GEOMETRIA

Corso di Laurea in Ing. Edile Politecnico di Bari A.A. 2008-2009 Prof. ssa Letizia Brunetti DISPENSE DEL CORSO DI GEOMETRIA Corso di Laurea i Ig Edile Politecico di Bari AA 2008-2009 Prof ssa Letizia Bruetti DISPENSE DEL CORSO DI GEOMETRIA 2 Idice Spazi vettoriali Cei sulle strutture algebriche 4 2 Defiizioe di spazio vettoriale

Dettagli

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2 Uiversità degli Studi di Bergamo - Corsi di laurea i Igegeria Edile e Tessile Idici di posizioe e variabilità Esercitazioe 2 1. Nella seguete tabella si riporta la distribuzioe di frequeza del cosumo i

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

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

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

3.1 Il principio di inclusione-esclusione

3.1 Il principio di inclusione-esclusione Capitolo 3 Calcolo combiatorio 3.1 Il pricipio di iclusioe-esclusioe Il calcolo combiatorio prede i cosiderazioe degli isiemi fiiti particolari e e cota il umero di elemeti. Questo può dar luogo ad iteressati

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

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

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

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

Corsi di Laurea in Ingegneria Edile e Architettura Prova scritta di Analisi Matematica 1 del 6/02/2010. sin( x) log((1 + x 2 ) 1/2 ) = 1 3.

Corsi di Laurea in Ingegneria Edile e Architettura Prova scritta di Analisi Matematica 1 del 6/02/2010. sin( x) log((1 + x 2 ) 1/2 ) = 1 3. Corsi di Laurea i Igegeria Edile e Architettura Prova scritta di Aalisi Matematica del 6// ) Mostrare che + si( ) cos () si( ) log(( + ) / ) = 3. Possibile soluzioe: Cosiderado dapprima il deomiatore otiamo

Dettagli

Teorema 13. Se una sere converge assolutamente, allora converge:

Teorema 13. Se una sere converge assolutamente, allora converge: Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 03: Riferimeti: R.Adams, Calcolo Differeziale.- Si cosiglia vivamete di fare gli esercizi del testo. Covergeza assoluta e

Dettagli