Analisi in Componenti Principali

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Analisi in Componenti Principali"

Transcript

1 Analisi in Componenti Principali ( Esempio sul dataset Cars ) (azzurro = teoria) Introduzione Si effettuano p rilevazioni statistiche su n unità. Ciascuna unità può essere visualizzata con un punto di R p (le cui coordinate sono i risultati delle rilevazioni relative a tale unità). Esempio con tre variabili: 1

2 Notazioni: siano x 1,..., x p p vettori di dimensione n contenenti i risultati delle rilevazioni (variabili); sia X la matrice (n,p) che ha come colonne i vettori x 1,..., x p ; sia x( i) il vettore di lunghezza p contenente i valori delle p rilevazioni dell'i-esima unità (riga i-esima di X). matrice X x( 1)... x( i)... x( n) x 1 x 2... x p Problema: Come studiare una nube di punti di R p se p>3? Come ridurre la dimensione dello spazio in modo da "perdere" il minor numero di informazioni possibili? ovvero: Come sostituire alle p variabili di partenza un numero q, inferiore a p, di nuove variabili (dette componenti principali CP ) combinazioni lineari delle variabili originali in modo che queste q variabili rappresentino il più "fedelmente" possibile le p variabili iniziali? Traccia : Si centrano i dati nel baricentro e si effettua una rotazione degli assi in modo che la varianza delle proiezioni della nuvola degli n punti sul primo nuovo asse sia massima, che quella sul secondo nuovo asse sia massima una volta fissato il primo asse, e così via. Si trova che una base ortonormale per i nuovi assi che soddisfa le condizioni precedenti è quella formata dagli autovettori associati agli autovalori della matrice delle correlazioni (o covarianze) di X; indicheremo tale base con (u 1,..., x p ). Proiettando i punti di R p sullo spazio generato da (u 1,..., x q ), con q <p, si trova la "miglior" approssimazione della nuvola in uno spazio di dimensione q. 2

3 Esempio sul dataset cars I dati che esamineremo sono tratti da H.V. Henderson & P.F. Velleman, Building Multiple Regression Models Interactively, Biometrics, 1981, pag I dati riguardano : modello nazione di fabbricazione consumo (litro/km) peso (in kg) rapporto di trasmissione al ponte potenza (in HP) cilindrata (in cm3) numero cilindri ripresa (sec./1 miglio da fermo) 3

4 Dati esaminati (file cars.xls): C N C D P I R A O R O L I Z N I T I N P T I S P V E N U R O I O U E E N D M E B P N M S _ Z R _ S S O E O O R A A C A 1 Buick Estate Wagon U.S Ford Country Squire Wagon U.S Chevy Malibu Wagon U.S Chrysler LeBaron Wagon U.S Chevette U.S Toyota Corona Japan Datsun 510 Japan Dodge Omni U.S Audi 5000 Germany Volvo 240 GL Sweden Saab 99 GLE Sweden Peugeot 694 SL France Buick Century Special U.S Mercury Zephyr U.S Dodge Aspen U.S AMC Concord D/L U.S Chevy Caprice Classic U.S Ford LTD U.S Mercury Grand Marquis U.S Dodge St Regis U.S Ford Mustang 4 U.S Ford Mustang Ghia U.S Mazda GLC Japan Dodge Colt Japan AMC Spirit U.S VW Scirocco Germany Honda Accord LX Japan Buick Skylark U.S Chevy Citation U.S Olds Omega U.S Pontiac Phoenix U.S Plymouth Horizon U.S Datsun 210 Japan Fiat Strada Italy VW Dasher Germany Datsun 810 Japan BMW 320i Germany VW Rabbit Germany

5 Statistiche elementari: Libellé Effectif Poids Moyenne Ecart-type Minimum Maximum consumo peso rapportot potenza cilindrata ncilindri ripresa nazione Effectif % / Total % / Expr. U.S Japan Germany Sweden France Italy Total É possibile notare che la maggior parte delle auto analizzate viene fabbricata negli Stati Uniti. Analisi bivariata: 5

6 Dal grafico sono evidenti le correlazioni tra consumo, peso, potenza, cilindrata e il numero cilindri. La variabile ripresa risulta essere meno correlata con le altre. Matrice di correlazione: Matrice des corrélations consumo peso rapporto potenza cilindrat ncilindri ripresa t a consumo 1.00 peso rapportot potenza cilindrata ncilindri ripresa Matrice des valeurs-tests consumo peso rapporto potenza cilindrat ncilindri ripresa t a consumo peso rapportot potenza cilindrata ncilindri ripresa Utilizzando la matrice dei valori Test si osserva che la variabile ripresa é meno correlata con le altre variabili. Cambiamento di coordinate Traslazione dell'origine nel baricentro Sia = ( 1,..., p ) il baricentro della nuvola. Sia Y la matrice dei punti centrati nel baricentro: Y = X - 1 n1 '. La matrice di varianza/covarianza di X e di Y è Y' Y. Per ottenere un'analisi indipendente dall'unità di misura di ciascuna variabile, i dati della matrice Y, oltre che centrati, vanno anche "standardizzati", ponendo: y i =. In questo caso la matrice = Y' Y è la matrice di correlazione. 6

7 Rotazione degli assi Viene effettuata quella rotazione tale che: la maggior intensità della dispersione dei punti coincida con la direzione del primo asse; lungo la direzione del secondo asse vi sia una dispersione maggiore di tutti i successivi, e così via. Esempio con due variabili Proiezione dei punti su un vettore Se v è un vettore di R p, v = (v 1,..., v p ), di lunghezza 1 (cioè v i 2 = 1) allora: - y( i)' v è la "lunghezza" della proiezione di y( i) sulla retta che ha la direzione di v - Y v è il vettore contenente le n proiezioni. Nuovi assi Come nuovo sistema di coordinate consideriamo la base ortonormale costituita dagli autovettori u 1,...,u p della matrice associati agli autovalori 1... p. Indichiamo con c j = Y u j il vettore delle proiezioni degli n punti y( i) sull'asse u j ; Questa base ha i requisiti voluti, infatti: i. 2 (c j) = j la varianza dei punti proiettati "lungo" il j-esimo vettore u j è uguale al j- esimo autovalore j ii. (c i, c j ) = 0 i vettori delle proiezioni dei punti sugli u 1,...,u p sono a due a due non correlati iii. Se v R p, v' v = 1 a. 2 (c 2 1) = sup v { (Y v) } la varianza dei punti proiettati "lungo" u 1 è la più grande fra le varianze dei punti proiettati "lungo" un generico vettore di R p b. 2 (c j) = sup v { Y v t.c. Y v è non correlato con c 1,..., c j-1 } la varianza dei punti proiettati lungo u j è la più grande fra le varianze dei punti proiettati lungo un generico vettore non correlato con c 1,..., c j-1 7

8 Autovalori della matrice di correlazione Tableau des valeurs propres Trace de la matrice: Numéro Valeur propre Pourcent age Pourcent age cumulé Intervalles laplaciens d'anderson (seuil: 0.95) Numéro Borne inférieur e Valeur propre Borne supérieu re IC Autovalori 95% Autovalore Ordine Autovalore Borne inférieure Valeur propre Borne supérieure Le prime due componenti spiegano l 88% della varianza presente nei dati. Possiamo ridurre il problema originale da 7 a 2 variabili con solamente il 22% di variabilitá non spiegata. 8

9 Autovettori Anciens axes unitaires Libellé de la Axe 1 Axe 2 Axe 3 Axe 4 Axe 5 variable consumo peso rapportot potenza cilindrata ncilindri ripresa Gli autovettori u j vengono detti assi principali (o assi fattoriali) della nuvola. Il vettore c j viene detto j-esima componente principale (o fattore principale) ed è determinata in modo univoco a meno del segno se j è un autovalore semplice. Le componenti principali c j possono essere interpretate come nuove variabili, essendo combinazioni lineari delle variabili di partenza. Ad esempio il valore della j-esima componente principale per la i-esima unità è: c j ( i) = y 1 ( i) u 1j + y 2 ( i) u 2j y p ( i) u pj Come già osservato le componenti principali c 1,..., c p hanno le seguenti proprietà: hanno media 0 hanno varianza 1,..., p decrescente, 1... p sono tra loro a due a due non correlate Fedeltà della rappresentazione in uno spazio di dimensione minore. La dispersione della nuvola attorno al baricentro, detta anche inerzia, è: I = x( i) - 2 = y( i) 2 = (y( i). u j ) 2 = 2 (c j) = j = traccia ( ) Se si rimpiazza la nuvola di punti y( i) con la sua proiezione nel sottospazio generato da (u 1,...,u q ), con q<p, la dispersione della nuvola proiettata è q. Se questa somma è grande in rapporto a q p si può dire che la proiezione è una buona rappresentazione della nuvola. 9

10 Più precisamente: si chiama fedeltà di una proiezione il rapporto fra la dispersione della nuvola proiettata e la dispersione della nuvola originale. Per quanto visto precedentemente, lo spazio generato da (u 1,...,u q ) è lo spazio di dimensione q più fedele possibile. La fedeltà della proiezione su tale spazio è: cioè il rapporto dell'inerzia nello spazio di dimensione minore rispetto all'inerzia originale. Per avere una rappresentazione piana delle proiezioni dei punti nello spazio generato da (u 1,...,u q ) in genere si proiettano i punti (c 1 ( i), c j ( i)), con j = 2,...,q. Tali rappresentazioni sono anche chiamate carte degli individui. (Proiezione degli individui) Carta degli individui carta degli individui sul primo piano fattoriale (perc.var. 88%) con indicata la nazione di fabbricazione 10

11 Dalle tabelle seguenti si puó osservare che é forte la rappresentazione nella prima CP della nazione di fabbricazione. Valeurs-Tests des modalités illustratives Libellé Effectif Poids absolu Distance à l'origine nazione U.S Japan Germany Sweden France Italy Axe 1 Axe 2 Axe 3 Axe 4 Axe 5 COORDONNEES, CONTRIBUTIONS ET COSINUS CARRES DES INDIVIDUS AXES 1 A INDIVIDUS COORDONNEES CONTRIBUTIONS COSINUS CARRES IDENTIFICATEUR P.REL DISTO Buick Estate Wagon Ford Country Squire Wago Chevy Malibu Wagon Chrysler LeBaron Wagon Chevette Toyota Corona Datsun Dodge Omni Audi Volvo 240 GL Saab 99 GLE Peugeot 694 SL Buick Century Special Mercury Zephyr Dodge Aspen AMC Concord D/L Chevy Caprice Classic Ford LTD Mercury Grand Marquis Dodge St Regis Ford Mustang Ford Mustang Ghia Mazda GLC Dodge Colt AMC Spirit VW Scirocco Honda Accord LX Buick Skylark Chevy Citation Olds Omega Pontiac Phoenix Plymouth Horizon Datsun Fiat Strada VW Dasher Datsun BMW 320i VW Rabbit

12 Correlazione fra le variabili e le componenti principali Supponiamo, per semplicità, di lavorare con variabili "standardizzate". La correlazione fra la variabile i-esima e la componente principale j-esima è: Consideriamo la matrice P = U ( ) 1/2 : (y i,c j ) = u ij j u 1 1 u u p p u ij j Nella colonna j-esima si può leggere quali variabili sono meglio correlate con la j-esima componente principale e quindi quali sono meglio rappresentate sul j-esimo asse principale. Nella riga i-esima si può leggere su quali assi principali è meglio rappresentata la i-esima variabile. Corrélations des variables actives avec les facteurs Libellé de la variable Axe 1 Axe 2 Axe 3 Axe 4 Axe 5 consumo peso rapportot potenza cilindrata ncilindri ripresa Commento: lettura per colonne: sul primo asse fattoriale sono ben rappresentate le variabili peso, potenza, cilindrata e numero cilindri (orientamento negativo per l'algoritmo utilizzato) e in misura minore le variabili consumo e drive ratio (orientamento positivo). sul secondo asse fattoriale è ben rappresentata la variabile ripresa (orientamento negativo) sul terzo asse la variabile rapporto di trasmissione al ponte, sul quarto il numero dei cilindri. 12

13 lettura per righe: il consumo, il peso, la potenza, la cilindrata e il numero cilindri sono meglio rappresentati sul primo asse la ripresa sul secondo il drive ratio sul terzo. Correlazione fra due variabili Indicando con p i una riga della matrice P precedente, la correlazione fra la variabile h-esima e la variabile k-esima sarà: (y h, y k ) = p h ' p k cioè il prodotto scalare fra le due righe di P. Disegnando i punti p ij = ( u i1 1, u ij j ), con j = 2,...,p si ottengono le cosiddette carte delle variabili (o cerchio delle correlazioni) che visualizzano la correlazione fra le variabili e le componenti principali 1 e j. Attraverso tali grafici (in particolare se j = 2) si può in qualche modo anche interpretare la correlazione fra le variabili, essendo p hj ' p hj una approssimazione di p h ' p k. L'analisi comparata delle carte degli individui e delle carte dei caratteri permette una descrizione delle rilevazioni statistiche considerate. Carta delle variabili o cerchio delle correlazioni 13

14 Commento: Essendo l'analisi in componenti normalizzate, le coordinate dei punti nella carta dei caratteri sono inferiori a 1 in valore assoluto; in effetti i punti sono a distanza 1 dall'origine in R 7 e l'operazione di proiezione non può che diminuire le distanze. Peso, potenza, cilindrata, numero cilindri e Consumo si trovano da uno stesso lato del primo asse fattoriale (e sono ben rappresentate su questo come visto precedentemente); una tale disposizione traduce il fatto che tali variabili sono in effetti ben correlate positivamente fra loro: se per un auto una variabile assume un valore elevato, tutte le altre assumono un valore elevato. drive ratio si trova ben rappresentavo dall'altro lato del primo perché correlato negativamente con le variabili precedenti. Questa caratteristica di numerosi dati sperimentali di avere molte variabili ben rappresentate sul primo asse viene detto fattore di scala. Qui il fattore di scala oppone le auto "grosse" dalle auto "medie". La ripresa si trova sul secondo asse (ed è ben rappresentata su questo come visto precedentemente) e ha in effetti una correlazione bassa con tutte le altre variabili e pertanto é rappresentata su un asse ortogonale alle precedenti. 14

15 Carta degli individui sul primo piano fattoriale La dimensione del cerchio é proporzionale al consumo (litri per km), mentre i colori rappresentano le nazioni secondo il grafico precedente. Commento: - dall'esame dei dati si osserva che: l'orientamento negativo del primo asse fattoriale corrisponde a valori alti di peso, cilindrata, numero cilindri e potenza e a valori alti di consumo (l/km) e drive-ratio (e queste variabili sono ben rappresentate su tale asse); l'orientamento negativo del secondo asse corrisponde a valori alti per la ripresa (e questa variabile è ben rappresentata su tale asse) - dall'esame complessivo della carta delle auto suddivise per nazione si può concludere che: le auto tedesche, italiane e giapponesi sono caratterizzate complessivamente da valori bassi per peso, cilindrata, numero cilindri e potenza e consumo e drive-ratio; in particolare un'auto giapponese pur avendo bassi valori per le variabili precedenti ha la ripresa massima e ciò è evidenziato dalla sua posizione in basso a destra; le auto statunitensi sono per lo più posizionate (ma non totalmente) sull'orientamento negativo del primo asse mentre si distribuiscono più o meno uniformemente rispetto al secondo: questo corrisponde a valori medio-alti per le variabili peso, cilindrata, numero cilindri e potenza e medio-alti per consumo e drive-ratio e a valori sia alti che bassi per la variabile ripresa. 15

ANALISI DEI DATI PER IL MARKETING 2014

ANALISI DEI DATI PER IL MARKETING 2014 ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it RIPASSO SULLE MATRICI 1 Addizione tra matrici Moltiplicazione Matrice diagonale Matrice identità Matrice trasposta

Dettagli

RICERCHE DI MERCATO. 5.6 Analisi Fattoriale (Componenti Principali)

RICERCHE DI MERCATO. 5.6 Analisi Fattoriale (Componenti Principali) RICERCHE DI MERCATO 5.6 Analisi Fattoriale (Componenti Principali) Prof. L. Neri Dip. di Economia Politica Premessa Come evidenziato in precedenza l approccio di segmentazione per omogeneità prevede la

Dettagli

Incidenza di alcune malattie nelle regioni Italiane (dati 2002)

Incidenza di alcune malattie nelle regioni Italiane (dati 2002) Incidenza di alcune malattie nelle regioni Italiane (dati 2002) Da una indagine ISTAT per l anno 2002 é stata rilevata l incidenza di alcune malattie nelle 20 regioni italiane. I valori su 100000 abitanti

Dettagli

LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE

LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE FLAVIO ANGELINI Sommario Queste note hanno lo scopo di indicare a studenti di Economia interessati alla finanza quantitativa i concetti essenziali

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

Principal Component Analysis

Principal Component Analysis Principal Component Analysis Alessandro Rezzani Abstract L articolo descrive una delle tecniche di riduzione della dimensionalità del data set: il metodo dell analisi delle componenti principali (Principal

Dettagli

Analisi 2. Argomenti. Raffaele D. Facendola

Analisi 2. Argomenti. Raffaele D. Facendola Analisi 2 Argomenti Successioni di funzioni Definizione Convergenza puntuale Proprietà della convergenza puntuale Convergenza uniforme Continuità e limitatezza Teorema della continuità del limite Teorema

Dettagli

A.1 Rappresentazione geometrica dei segnali

A.1 Rappresentazione geometrica dei segnali Appendice A Rappresentazione dei segnali A.1 Rappresentazione geometrica dei segnali Scomporre una generica forma d onda s(t) in somma di opportune funzioni base è operazione assai comune, particolarmente

Dettagli

Consumi di flotta (1989 2012)

Consumi di flotta (1989 2012) Basi e metodologia comparativa Ogni anno «auto-svizzera», l associazione degli importatori svizzeri di automobili, rileva il consumo medio delle marche più vendute sul mercato elvetico, il cosiddetto consumo

Dettagli

Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione

Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione Consideriamo il nostro dataset formato da 468 individui e 1 variabili nominali costituite dalle seguenti modalità : colonna D: Age of client

Dettagli

L analisi fattoriale

L analisi fattoriale L analisi fattoriale Scopo dell analisi fattoriale e quello di identificare alcune variabili latenti (fattori) in grado di spiegare i legami, le interrelazioni e le dipendenze tra le variabili statistiche

Dettagli

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D) ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Una immagine (digitale) permette di percepire solo una rappresentazione 2D del mondo La visione 3D si pone lo scopo di percepire il mondo per come è in 3 dimensioni

Dettagli

Principal Component Analysis (PCA)

Principal Component Analysis (PCA) Principal Component Analysis (PCA) Come evidenziare l informazione contenuta nei dati S. Marsili-Libelli: Calibrazione di Modelli Dinamici pag. Perche PCA? E un semplice metodo non-parametrico per estrarre

Dettagli

Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica

Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica Terzo Appello del corso di Geometria e Algebra II Parte - Docente F. Flamini, Roma, 7/09/2007 SVOLGIMENTO COMPITO III APPELLO

Dettagli

La statistica multivariata

La statistica multivariata Cenni di Statistica Multivariata Dr Corrado Costa La statistica multivariata La statistica multivariata è quella parte della statistica in cui l'oggetto dell'analisi è per sua natura formato da almeno

Dettagli

Esercizi su Autovalori e Autovettori

Esercizi su Autovalori e Autovettori Esercizi su Autovalori e Autovettori Esercizio n.1 5 A = 5, 5 5 5 Esercizio n.6 A =, Esercizio n.2 4 2 9 A = 2 1 8, 4 2 9 Esercizio n.7 6 3 3 A = 6 3 6, 3 3 6 Esercizio n.3 A = 4 6 6 2 2, 6 6 2 Esercizio

Dettagli

LE FIBRE DI UNA APPLICAZIONE LINEARE

LE FIBRE DI UNA APPLICAZIONE LINEARE LE FIBRE DI UNA APPLICAZIONE LINEARE Sia f:a B una funzione tra due insiemi. Se y appartiene all immagine di f si chiama fibra di f sopra y l insieme f -1 y) ossia l insieme di tutte le controimmagini

Dettagli

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli

AL. Algebra vettoriale e matriciale

AL. Algebra vettoriale e matriciale PPENDICI L. lgebra vettoriale e matriciale Vettori Somma di vettori: struttura di gruppo Come abbiamo richiamato nell introduzione vi sono delle grandezze fisiche caratterizzabili come vettori, cioè tali

Dettagli

CORSO DI LAUREA IN OTTICA E OPTOMETRIA CORSO DI INFORMATICA E STATISTICA DANIELE.MONTANINO@UNISALENTO.IT

CORSO DI LAUREA IN OTTICA E OPTOMETRIA CORSO DI INFORMATICA E STATISTICA DANIELE.MONTANINO@UNISALENTO.IT CORSO DI LAUREA IN OTTICA E OPTOMETRIA CORSO DI INFORMATICA E STATISTICA DANIELE.MONTANINO@UNISALENTO.IT CONVENZIONE SULLE CIFRE SIGNIFICATIVE La convenzione usata sul troncamento delle cifre è troncare

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli

Autovalori e Autovettori

Autovalori e Autovettori Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Autovalori e Autovettori Definizione Siano A C nxn, λ C, e x C n, x 0, tali che Ax = λx. (1) Allora

Dettagli

Capitolo 2 Distribuzioni di frequenza

Capitolo 2 Distribuzioni di frequenza Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.

Dettagli

Statistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni

Statistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni Statistica II, Laurea magistrale in Ing. Gestionale, a.a. 20010/11 Esempi di domande e dissertazioni Note. Si pensi di poter rispondere alle seguenti domande avendo l ausilio di: 1) un foglio con l elenco

Dettagli

Indice Statistiche Univariate Statistiche Bivariate

Indice Statistiche Univariate Statistiche Bivariate Indice 1 Statistiche Univariate 1 1.1 Importazione di un file.data.............................. 1 1.2 Medie e variabilità................................... 6 1.3 Distribuzioni di frequenze...............................

Dettagli

Indirizzo Fisico Informatico Matematico matematica per le classi 47A, 48A, 49A

Indirizzo Fisico Informatico Matematico matematica per le classi 47A, 48A, 49A Indirizzo Fisico Informatico Matematico matematica per le classi 47A, 48A, 49A 1. L'intersezione di tre insiemi contiene 1 solo elemento (cioè esiste un unico elemento comune a tutti e tre gli insiemi).

Dettagli

PARTE TERZA. STATISTICA DESCRITTIVA MULTIDIMENSIONALE (Analisi delle Relazioni)

PARTE TERZA. STATISTICA DESCRITTIVA MULTIDIMENSIONALE (Analisi delle Relazioni) PARTE TERZA STATISTICA DESCRITTIVA MULTIDIMESIOALE (Analisi delle Relazioni) La notazione matriciale 3 III.. LA OTAZIOE MATRICIALE III... L analisi statistica dei fenomeni multivariati L intrinseca complessità

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISICHE UNA ANALISI DELLE ESPERIENZE DI EDUCAZIONE FISICA NELLE SCUOLE: I DATI PACES

UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISICHE UNA ANALISI DELLE ESPERIENZE DI EDUCAZIONE FISICA NELLE SCUOLE: I DATI PACES UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISICHE CORSO DI LAUREA TRIENNALE IN STATISTICA E GESTIONE DELLE IMPRESE UNA ANALISI DELLE ESPERIENZE DI EDUCAZIONE FISICA NELLE SCUOLE: I DATI PACES

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Chevrolet e la proposta gasata per tutti i suoi modelli

Chevrolet e la proposta gasata per tutti i suoi modelli Chevrolet e la posta... gasata per tutti i suoi modelli Alla Guida http://www.allaguida.it/articolo/chevrolet-e-la-posta-gasata-per-tutti-i-suoi-modelli... Pagina 1 di 5 Chevrolet e la posta gasata per

Dettagli

Algebra e Geometria. Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2)

Algebra e Geometria. Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2) Algebra e Geometria Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2) Traccia delle lezioni che saranno svolte nell anno accademico 2012/13 I seguenti appunti

Dettagli

1 La Matrice dei dati

1 La Matrice dei dati Dispense sull uso di Excel Daniela Marella 1 La Matrice dei dati Un questionario è costituito da un insieme di domande raccolte su un determinato supporto (cartaceo o elettronico) e somministrate alla

Dettagli

Università degli studi di Padova

Università degli studi di Padova Università degli studi di Padova Facoltà di scienze statistiche corso di laurea in statistica e tecnologie informatiche tesi di laurea Studio del comportamento di visita a due siti web. relatore: dott.

Dettagli

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.

VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza. VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della

Dettagli

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza

Dettagli

Esempi di funzione. Scheda Tre

Esempi di funzione. Scheda Tre Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.

Dettagli

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE 1 Associazione tra variabili quantitative ASSOCIAZIONE FRA CARATTERI QUANTITATIVI: COVARIANZA E CORRELAZIONE 2 Associazione tra variabili quantitative Un esempio Prezzo medio per Nr. Albergo cliente (Euro)

Dettagli

Tecniche di analisi multivariata

Tecniche di analisi multivariata Tecniche di analisi multivariata Metodi che fanno riferimento ad un modello distributivo assunto per le osservazioni e alla base degli sviluppi inferenziali - tecniche collegate allo studio della dipendenza

Dettagli

Elaborazione dei dati su PC Regressione Multipla

Elaborazione dei dati su PC Regressione Multipla 21 Elaborazione dei dati su PC Regressione Multipla Analizza Regressione Statistiche Grafici Metodo di selezione Analisi dei dati 21.1 Introduzione 21.2 Regressione lineare multipla con SPSS 21.3 Regressione

Dettagli

ANALISI DEI DATI BIOLOGICI

ANALISI DEI DATI BIOLOGICI ANALISI DI DATI BIOLOGICI RAPPRSNTAR L COMUNITA tramite descrizioni grafiche e relazioni tra gli organismi presenti nei vari campioni. DISCRIMINAR dei siti sulla base della loro composizione biologica.

Dettagli

Ricerca Operativa 2. Introduzione al metodo del Simplesso

Ricerca Operativa 2. Introduzione al metodo del Simplesso Ricerca Operativa 2. Introduzione al metodo del Simplesso Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema di ottimizzazione vincolata è definito dalla massimizzazione

Dettagli

Validazione dei modelli Strumenti quantitativi per la gestione

Validazione dei modelli Strumenti quantitativi per la gestione Validazione dei modelli Strumenti quantitativi per la gestione Emanuele Taufer Validazione dei modelli Il data set Auto I dati Il problema analizzato Validation set approach Diagramma a dispersione Test

Dettagli

ED. Equazioni cardinali della dinamica

ED. Equazioni cardinali della dinamica ED. Equazioni cardinali della dinamica Dinamica dei sistemi La dinamica dei sistemi di punti materiali si può trattare, rispetto ad un osservatore inerziale, scrivendo l equazione fondamentale della dinamica

Dettagli

Lezione del 28-11-2006. Teoria dei vettori ordinari

Lezione del 28-11-2006. Teoria dei vettori ordinari Lezione del 8--006 Teoria dei vettori ordinari. Esercizio Sia B = {i, j, k} una base ortonormale fissata. ) Determinare le coordinate dei vettori v V 3 complanari a v =,, 0) e v =, 0, ), aventi lunghezza

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Grazie ai Colleghi di Geometria del Dipartimento di Matematica dell Università degli Studi di Torino per il loro prezioso contributo. Grazie al Prof.

Grazie ai Colleghi di Geometria del Dipartimento di Matematica dell Università degli Studi di Torino per il loro prezioso contributo. Grazie al Prof. A01 178 Grazie ai Colleghi di Geometria del Dipartimento di Matematica dell Università degli Studi di Torino per il loro prezioso contributo. Grazie al Prof. S.M. Salamon per tanti utili suggerimenti e

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Un breve riepilogo: caratteri, unità statistiche e collettivo UNITA STATISTICA: oggetto dell osservazione

Dettagli

Soluzioni Esercizi elementari

Soluzioni Esercizi elementari Soluzioni sercizi elementari Capitolo. carattere: itolo di Studio, carattere qualitativo ordinato modalità: Diploma, Licenza media, Laurea, Licenza elementare unità statistiche: Individui. carattere: Fatturato,

Dettagli

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA

ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai

Dettagli

COMPITO B - ANALISI DEI DATI PER IL MARKETING OTTOBRE 2009

COMPITO B - ANALISI DEI DATI PER IL MARKETING OTTOBRE 2009 COGNOME E NOME COMPITO B - ANALISI DEI DATI PER IL MARKETING OTTOBRE 2009 Esercizio I MATR. Si è effettuata un indagine di customer satisfaction su un campione di 100 acquirenti d un modello di auto, chiedendo

Dettagli

4. Proiezioni del piano e dello spazio

4. Proiezioni del piano e dello spazio 4. Proiezioni del piano e dello spazio La visualizzazione di oggetti tridimensionali richiede di ottenere una vista piana dell'oggetto. Questo avviene mediante una sequenza di operazioni. Innanzitutto,

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2003 Sessione straordinaria

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2003 Sessione straordinaria ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 3 Sessione straordinaria Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PROBLEMA È assegnata

Dettagli

Appunti di Statistica Descrittiva

Appunti di Statistica Descrittiva Appunti di Statistica Descrittiva 30 dicembre 009 1 La tabella a doppia entrata Per studiare dei fenomeni con caratteristiche statistiche si utilizza l espediente della tabella a doppia entrata Per esempio

Dettagli

Il modello di regressione lineare multivariata

Il modello di regressione lineare multivariata Il modello di regressione lineare multivariata Eduardo Rossi 2 2 Università di Pavia (Italy) Aprile 2013 Rossi MRLM Econometria - 2013 1 / 39 Outline 1 Notazione 2 il MRLM 3 Il modello partizionato 4 Collinearità

Dettagli

DISCHI FRENO INDEX INDICE

DISCHI FRENO INDEX INDICE DISCHI FRENO INDEX INDICE ALFA ROMEO pag. 3 AUDI 9 AUTOBIANCHI 21 BMW 21 CHEVROLET 27 CHRYSLER 28 CITROËN 28 CITROËN - Veicoli Industriali 36 DACIA 38 DAEWOO 39 DAIHATSU 40 DAIHATSU - Veicoli Industriali

Dettagli

Analisi discriminante

Analisi discriminante Capitolo 6 Analisi discriminante L analisi statistica multivariata comprende un corpo di metodologie statistiche che permettono di analizzare simultaneamente misurazioni riguardanti diverse caratteristiche

Dettagli

Statistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.

Statistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2. Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni

Dettagli

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli

GEOMETRIA I Corso di Geometria I (seconda parte)

GEOMETRIA I Corso di Geometria I (seconda parte) Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo

Dettagli

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE

STATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE STATISTICA DESCRITTIVA SCHEDA N. : REGRESSIONE LINEARE Nella Scheda precedente abbiamo visto che il coefficiente di correlazione fra due variabili quantitative X e Y fornisce informazioni sull esistenza

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Questa nota consiste perlopiù nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo i dati nel file esercizio10_dati.xls.

Dettagli

L analisi statistica multivariata applicata alle ricerche di mercato

L analisi statistica multivariata applicata alle ricerche di mercato Capitolo 4 L analisi statistica multivariata applicata alle ricerche di mercato 4.1 Introduzione I capitoli precedenti hanno discusso alcuni aspetti relativi alla raccolta delle informazioni rilevanti

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

Elaborazione dati in Analisi Sensoriale

Elaborazione dati in Analisi Sensoriale Elaborazione dati in Analisi Sensoriale Si è parlato di interpretazione corretta dei risultati ottenuti; a questo concorrono due fattori: affidabilità e validità. Se i test fossero stati ripetuti con lo

Dettagli

Appunti di Statistica

Appunti di Statistica Appunti di Statistica Riccardo Ricci Università di Firenze, Facoltà di Psicologia Corso di Laurea in Scienze e Tecniche di Psicologia del Lavoro e delle Organizzazioni Anno Accademico 2002-2003 1 maggio

Dettagli

5.4 Solo titoli rischiosi

5.4 Solo titoli rischiosi 56 Capitolo 5. Teoria matematica del portafoglio finanziario II: analisi media-varianza 5.4 Solo titoli rischiosi Suppongo che sul mercato siano presenti n titoli rischiosi i cui rendimenti aleatori sono

Dettagli

GIROSCOPIO. Scopo dell esperienza: Teoria fisica. Verificare la relazione: ω p = bmg/iω

GIROSCOPIO. Scopo dell esperienza: Teoria fisica. Verificare la relazione: ω p = bmg/iω GIROSCOPIO Scopo dell esperienza: Verificare la relazione: ω p = bmg/iω dove ω p è la velocità angolare di precessione, ω è la velocità angolare di rotazione, I il momento principale d inerzia assiale,

Dettagli

TEMA 1. 1. Della seguente matrice, calcolare i complementi algebrici e il determinante: a + b 1 a 2 S = a + b + 3 a + 2b. x = t. f = x 2 + 2xy 3y 2,

TEMA 1. 1. Della seguente matrice, calcolare i complementi algebrici e il determinante: a + b 1 a 2 S = a + b + 3 a + 2b. x = t. f = x 2 + 2xy 3y 2, Prova scritta di MATEMATICA B1 Vicenza, 17 marzo 008 TEMA 1 1 1 A = 1 0 1. 3 0 1. Stabilire se il seguente sottoinsieme di M(, R): {( ) a + b 1 a S = a, b R}, a + b + 3 a + b è un sottospazio di M(, R).

Dettagli

Strumenti statistici per l analisi di dati genetici

Strumenti statistici per l analisi di dati genetici Strumenti statistici per l analisi di dati genetici Luca Tardella + Maria Brigida Ferraro 1 email: luca.tardella@uniroma1.it Lezione #1 Introduzione al software R al suo utilizzo per l implementazione

Dettagli

Excel Terza parte. Excel 2003

Excel Terza parte. Excel 2003 Excel Terza parte Excel 2003 TABELLA PIVOT Selezioniamo tutti i dati (con le relative etichette) Dati Rapporto tabella pivot e grafico pivot Fine 2 La tabella pivot viene messa di default in una pagina

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

ITALIA - IMMATRICOLAZIONI AUTOVETTURE ITALY - NEW CAR REGISTRATIONS

ITALIA - IMMATRICOLAZIONI AUTOVETTURE ITALY - NEW CAR REGISTRATIONS ITALIA - IMMATRICOLAZIONI AUTOVETTURE ITALY - NEW CAR REGISTRATIONS dati provvisori/provisional data GIUGNO VAR. % GENNAIO/GIUGNO VAR. % JUNE % CHG. JANUARY/JUNE % CHG. MARCA/MAKE 2011 % 2010 % 11/10 2011

Dettagli

Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica

Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim

Dettagli

Metodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla

Metodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui

Dettagli

Analisi fattoriale 1

Analisi fattoriale 1 Analisi fattoriale Analisi fattoriale: a che serve? L analisi fattoriale permette di rappresentare un set di variabili tramite un insieme più compatto di nuove variate fra loro indipendenti. Da tante variabili

Dettagli

Zr 4 fili L 970 mm Zr 4 fili L 400 mm Zr 4 fili L 1470 mm Zr 3 fili L 870 mm ALFA FIAT LANCIA CITROEN PEUGEOT CITROEN FIAT PEUGEOT VOLKSWAGEN

Zr 4 fili L 970 mm Zr 4 fili L 400 mm Zr 4 fili L 1470 mm Zr 3 fili L 870 mm ALFA FIAT LANCIA CITROEN PEUGEOT CITROEN FIAT PEUGEOT VOLKSWAGEN OXYGEN SENSOR OXYGEN SENSOR OXYGEN SENSOR Oxygen Sensors 7481001 7481002 7481003 7481004 Zr 4 fili L 970 mm Zr 4 fili L 400 mm Zr 4 fili L 1470 mm Zr 3 fili L 870 mm ALFA FIAT LANCIA CITROEN PEUGEOT CITROEN

Dettagli

L analisi dei dati. Capitolo 4. 4.1 Il foglio elettronico

L analisi dei dati. Capitolo 4. 4.1 Il foglio elettronico Capitolo 4 4.1 Il foglio elettronico Le più importanti operazioni richieste dall analisi matematica dei dati sperimentali possono essere agevolmente portate a termine da un comune foglio elettronico. Prenderemo

Dettagli

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete

Corso di Calcolo delle Probabilità e Statistica. Esercizi su variabili aleatorie discrete Corso di Calcolo delle Probabilità e Statistica Esercizi su variabili aleatorie discrete Es.1 Da un urna con 10 pallina bianche e 15 palline nere, si eseguono estrazioni con reimbussolamento fino all estrazione

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Analisi dei sistemi dinamici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Analisi dei

Dettagli

UNIVERSITÀ DEGLI STUDI DI FERRARA

UNIVERSITÀ DEGLI STUDI DI FERRARA UNIVERSITÀ DEGLI STUDI DI FERRARA Anno Accademico 2012/2013 REGISTRO DELL ATTIVITÀ DIDATTICA Docente: ANDREOTTI MIRCO Titolo del corso: MATEMATICA ED ELEMENTI DI STATISTICA Corso: CORSO UFFICIALE Corso

Dettagli

Analisi discriminante e regressione logistica: applicazione al sondaggio sul tema delle aggregazioni comunali per il Comune di Novazzano

Analisi discriminante e regressione logistica: applicazione al sondaggio sul tema delle aggregazioni comunali per il Comune di Novazzano Analisi discriminante e regressione logistica: applicazione al sondaggio sul tema delle aggregazioni comunali per il Comune di Novazzano Flaminio Cadlini e Roberto Stoppa www.tiresia.ch Giugno 26 Indice

Dettagli

Federico Lastaria. Analisi e Geometria 2. Matrici simmetriche. Il teorema spettrale. 1/24

Federico Lastaria. Analisi e Geometria 2. Matrici simmetriche. Il teorema spettrale. 1/24 Contenuto Endomorfismi auto-aggiunti. Matrici simmetriche. Il teorema spettrale Gli autovalori di una matrice simmetrica sono tutti reali. (Dimostrazione fatta usando i numeri complessi). Dimostrazione

Dettagli

COPYRIGHT 2014 O.M.M.A. SRL

COPYRIGHT 2014 O.M.M.A. SRL Via dell'artigianato n.30 48018 - Faenza (RA) ITALIA Tel. +39-0546 620026 - Fax +39-0546 622483 www.idroguide.com - info@idroguide.com INDICE SEMIASSI - GIUNTI LATO e GIUNTI LATO CAMBIO ALFA ROMEO (G)

Dettagli

Valori caratteristici di distribuzioni

Valori caratteristici di distribuzioni Capitolo 3 Valori caratteristici di distribuzioni 3. Valori attesi di variabili e vettori aleatori In molti casi è possibile descrivere adeguatamente una distribuzione di probabilità con pochi valori di

Dettagli

RISPOSTA SISMICA DI STRUTTURE ASIMMETRICHE IN PIANTA: UN METODO SEMPLIFICATO

RISPOSTA SISMICA DI STRUTTURE ASIMMETRICHE IN PIANTA: UN METODO SEMPLIFICATO ALMA MATER STUDIORUM UNIVERSITÀ DI BOLOGNA FACOLTÀ DI INGEGNERIA Dipartimento Ingegneria Civile, Ambientale e dei Materiali CORSO DI LAUREA IN INGEGNERIA CIVILE TESI DI LAUREA in Progetto in Zona Sismica

Dettagli

4. Matrici e Minimi Quadrati

4. Matrici e Minimi Quadrati & C. Di Natale: Matrici e sistemi di equazioni di lineari Formulazione matriciale del metodo dei minimi quadrati Regressione polinomiale Regressione non lineare Cross-validazione e overfitting Regressione

Dettagli

Facoltà di Psicologia - Corso FSE gennaio febbraio 2010. Marco Vicentini info@marcovicentini.it

Facoltà di Psicologia - Corso FSE gennaio febbraio 2010. Marco Vicentini info@marcovicentini.it Facoltà di Psicologia - Corso FSE gennaio febbraio 2010 Marco Vicentini info@marcovicentini.it Statistica e Psicologia Quali statistiche per la psicologia? Quali programmi per la statistica? Codifica e

Dettagli

servono per andare a studiare l'argomento che prendiamo in considerazione in questo momento cioè la scelta politica. Quindi si presuppone,

servono per andare a studiare l'argomento che prendiamo in considerazione in questo momento cioè la scelta politica. Quindi si presuppone, ANALISI FATTORIALE I calcoli che vengono fatti con l'analisi fattoriale servono soprattutto per validare dei questionari quindi è così troviamo una struttura esterna per andare a vedere gli item, cioè

Dettagli

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 9 - Pag. 1

Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 9 - Pag. 1 Diaz - Appunti di Statistica - AA 2001/2002 - edizione 29/11/01 Cap. 9 - Pag. 1 Capitolo 9. Statistica multivariata. Relazioni tra osservazioni. Relazioni tra variabili. Sur-rayplot. Draftsman plot. Analisi

Dettagli

Statistica sociale. Facoltà di Scienze Politiche. (prof.ssa C. Davino) La sintesi degli indicatori sociali. Corso di. Seminario su: gherghi@unina.

Statistica sociale. Facoltà di Scienze Politiche. (prof.ssa C. Davino) La sintesi degli indicatori sociali. Corso di. Seminario su: gherghi@unina. Università degli studi di Macerata Facoltà di Scienze Politiche Corso di Statistica sociale (prof.ssa C. Davino) Seminario su: La sintesi degli indicatori sociali marco gherghi Dipartimento di matematica

Dettagli

Le catene di Markov come metodologia utilizzata dai motori di ricerca per classificare le pagine web su internet.

Le catene di Markov come metodologia utilizzata dai motori di ricerca per classificare le pagine web su internet. Università degli Studi di Palermo Facoltà di Economia Dipartimento di Scienze Statistiche e Matematiche S. Vianelli Dottorato di Ricerca in Statistica e Finanza Quantitativa - XXI Ciclo Sergio Salvino

Dettagli

Statistica descrittiva univariata

Statistica descrittiva univariata Statistica descrittiva univariata Elementi di statistica 2 1 Tavola di dati Una tavola (o tabella) di dati è l insieme dei caratteri osservati nel corso di un esperimento o di un rilievo. Solitamente si

Dettagli

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE

ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114

Dettagli

Esercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: e x. per x 1 f(x) = α x + e 1 per 1 < x

Esercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: e x. per x 1 f(x) = α x + e 1 per 1 < x FUNZIONI Esercizio 1 Studiare la funzione f(x) = ln ( ) x e disegnarne il grafico. x 1 Esercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: { e x per x 1 f(x) = α x + e 1 per 1

Dettagli