Analisi della correlazione canonica
|
|
- Lucio Pasquali
- 7 anni fa
- Visualizzazioni
Transcript
1 Capitolo 8 Analisi della correlazione canonica Si supponga che su un collettivo di unità statistiche si siano osservati due gruppi di k ed m variabili corrispondenti ad altrettanti aspetti di un fenomeno in esame. Lo studio delle relazioni di interdipendenza tra i due gruppi di variabili costituisce l obiettivo dell analisi della correlazione canonica, proposta da H. Hotelling (1938) allo scopo di analizzare i legami tra le caratteristiche fisiologiche (variabili antropometriche) e quelle mentali (risposte a tests psicologici) di un insieme di individui. Lo studio della correlazione tra le variabili di un gruppo e quelle dell altro richiederebbe il calcolo di k m coefficienti di correlazione semplice tra le variabili dei due gruppi accoppiate, di k(k 1)/2 ed m(m 1)/2 coefficienti di correlazione semplice all interno di ciascun gruppo, dei coefficienti di correlazione multipla tra le singole variabili di un gruppo e tutte o parte delle variabili dell altro gruppo. Nella stessa ottica che ha portato allo studio delle componenti principali, il metodo proposto per affrontare lo studio delle interdipendenze tra due gruppi di variabili consiste nell individuare un doppio sistema di variabili latenti che riproducano la correlazione tra i due gruppi di variabili osservate al netto di quella presente al loro interno. In altri termini dalla rappresentazione originaria delle unità statistiche, fornita dai due gruppi di variabili rilevate, si vuole ottiene una sintesi tale da rappresentarle tramite due nuovi gruppi di variabili artificiali che siano incorrelati al loro interno e massimamente correlati tra loro. 113
2 114 A. Pollice - Statistica Multivariata 8.1 Determinazione delle componenti canoniche Si considerino le due variabili X e rispettivamente di dimensione k ed m che, osservate su un collettivo di n individui, danno luogo alle matrici dati x 11 x 1k y 11 y 1m X.... (8.1) x n1 x nk y n1 y nm caratterizzate dai seguenti vettori di medie campionarie X 1 n X u n ( X 1,..., X k ) Ȳ 1 n u n (Ȳ1,..., Ȳm) (8.2) e dalle matrici di varianze e covarianze campionarie S X 1 n (X u n X ) (X u n X ) S 1 n ( u nȳ ) ( u n Ȳ ) (8.3) S X 1 n (X u n X ) ( u n Ȳ ) S X Siano U e V vettori n-dimensionali ottenuti come combinazioni lineari delle colonne delle matrici X ed rispettivamente con a e b vettori di k ed m costanti, si ha U Xa V b (8.4) Ū a X V b Ȳ (8.5) S 2 U a S X a S 2 V b S b (8.6) S UV a S X b b S X a ed il coefficiente di correllazione tra U e V è dato da ρ UV a S X b a S X a b S b (8.7) Le variabili latenti U e V (i vettori a e b) sono definite in modo tale da massimizzare ρ UV, e poiché il coefficiente di correlazione è invariante per
3 Cap. 8: Analisi della correlazione canonica 115 trasformazioni lineari delle variabili, ciò implica l introduzione dei consueti vincoli che in questo caso riguardano l unitarietà delle varianze delle variabili artificiali U e V. Ancora una volta la definizione delle variabili latenti è ottenuta risolvendo un problema di massimo vincolato max a a S X b max b a S X b (8.8) a S X a 1 b S b 1 Indicando con ν/2 ed η/2 i moltiplicatori, la funzione lagrangiana è data da (a, b, ν, η) a S X b ν 2 (a S X a 1) η 2 (b S b 1) (8.9) quindi il sistema che ne deriva è a (a, b, ν, η) S X b νs X a o b (a, b, ν, η) S X a ηs b o ν (a, b, ν, η) a S X a 1 0 η (a, b, ν, η) b S b 1 0 b S b 1 (8.10) inoltre poiché vale a S X b b S X a, ne risulta che ν η, quindi il sistema diventa S X b νs X a S X a νs b a S X a 1 b S b 1 a S X b νa S X a ν b S X a ηb S b η a S X a 1 a 1 ν S 1 X S X b a S X a 1 b S b 1 b 1 ν S 1 S Xa (8.11) Le prime due equazioni del sistema espresse in quest ultima forma vengono anche dette formule di transizione poiché servono per ricavare a da b e viceversa. Dalla loro applicazione si ottiene 1 ν S X S 1 S Xa νs X a S 1 X S X S 1 S Xa ν 2 a 1 ν S XS 1 X S X b νs b a S X a 1 b S b 1 a S X a 1 b S b 1 S 1 S XS 1 X S X b ν 2 b (8.12)
4 116 A. Pollice - Statistica Multivariata osservando le prime due equazioni si deduce che ν 2 λ è un autovalore di E 1 S 1 X S X S 1 S X come di E 2 S 1 S XS 1 X S X e che a e b sono gli autovettori corrispondenti e rispettivamente tali che a S X a 1 e b S b 1. Le due matrici E 1 ed E 2 hanno un numero di autovalori non nulli pari al rango e poiché S X e S devono essere invertibili, allora necessariamente r(s X ) k e r(s ) m, mentre r(s X ) r(s X ) r min(k, m), quindi complessivamente r(e 1 ) r(e 2 ) r min(k, m) (8.13) Inoltre, poiché è Cov(U, V ) a S X b ν λ, gli autovettori a 1 e b 1 che corrispondono al più grande degli autovalori di E 1 (ovvero di E 2 ) indicato con λ 1 individuano le combinazioni lineari delle colonne di X ed che risultano massimamente correlate tra loro, dette prime componenti canoniche U 1 Xa 1 V 1 b 1 (8.14) Si definisce invece prima correlazione canonica la quantità ρ U1 V 1 S U1 V 1 λ 1 (8.15) In modo analogo si possono definire le coppie componenti canoniche successive. Siano U 2 Xa 2 V 2 b 2 (8.16) e si vogliano determinare i vettori a 2 e b 2 in modo tale che la correlazione tra U 2 e V 2 sia massima e che U 1 e U 2 siano incorrelate, e così pure V 1 e V 2. max a2 a 2 S X b 2 max b2 a 2 S X b 2 a 2 S Xa 2 1 b 2 S b 2 1 a 1 S Xa 2 0 b 1 S b 2 0 (8.17) Considerando ora come moltiplicatori ν/2, η/2, γ e δ si ottiene la seguente espressione per la funzione lagrangiana (a 2, b 2, ν, η, γ, δ) (8.18) a 2S X b 2 ν 2 (a 2S X a 2 1) η 2 (b 2S b 2 1) γa 1S X a 2 δb 1S b 2
5 Cap. 8: Analisi della correlazione canonica 117 La soluzione del problema di massimo vincolato è data dal sistema a 2 (a 2, b 2, ν, η, γ, δ) S X b 2 νs X a 2 γs X a 1 o b 2 (a 2, b 2, ν, η, γ, δ) S X a 2 ηs b 2 δs b 1 o ν (a 2, b 2, ν, η, γ, δ) a 2 S Xa η (a 2, b 2, ν, η, γ, δ) b 2 S Xb γ (a 2, b 2, ν, η, γ, δ) a 1 S Xa 2 0 δ (a 2, b 2, ν, η, γ, δ) b 1 S b 2 0 Tralasciando per brevità le quattro equazioni relative ai vincoli, si ha a 1 S X b 2 ν a 1S X a 2 γ a }{{} 1S X a 1 0 { }{{} b 2 S X a 1 γ 0 1 {}}{{}}{ b 1 S Xa 2 η b 1S b 2 δ b a 1S b S X b 1 δ 1 λ1 b 2 S XS 1 X S X b 1 γ 1 λ1 a 2 S X S 1 S Xa 1 δ (8.19) (8.20) dove l ultima espressione è ottenuta trasformando a 1 e b 1 tramite le formule di transizione. Si noti ora che per la definizione delle prime componenti canoniche si può scrivere S X S 1 X S X b 1 λ 1 S b 1 e S X S 1 S Xa 1 λ 1 S X a 1, quindi il sistema prende la forma seguente λ1 b 2S b 1 γ }{{} 0 {}}{ (8.21) λ1 a 2S X a 1 δ e di conseguenza γ δ 0. Pertanto, annullati i due vincoli sull incorrelazione, il problema si riconduce esattamente a quello della determinazione della prima coppia di componenti canoniche, quindi anche in questo caso, posto ν η λ, si ottengono le due equazioni caratteristiche { S 1 X S X S 1 S Xa 2 λa 2 S 1 S XS 1 X S (8.22) X b 2 λb 2 e poiché si dimostra in modo analogo a quanto già visto che λ coincide ancora con la funzione da massimizzare, allora detto λ λ 2 il secondo maggiore
6 118 A. Pollice - Statistica Multivariata autovalore delle matrici E 1 ed E 2 ed a 2 e b 2 rispetivamente gli autovettori corrispondenti e tali da soddisfare a 2 S Xa 2 1 e b 2 S b 2 1, la seconda coppia di variabili canoniche è definita da mentre la seconda correlazione canonica è data da U 2 Xa 2 V 2 b 2 (8.23) ρ U2 V 2 S U2 V 2 λ 2 (8.24) Si noti che oltre ad essere S U1 U 2 0 e S V1 V 2 0, valgono anche S U1 V 2 a 1 S X b 2 γ 0 S U2 V 1 a 2 S X b 1 δ 0 (8.25) In generale la h-esima coppia di componenti canoniche consiste nelle combinazioni lineari U h Xa h V h b h (8.26) tali da essere massimamente correlate, posto che S Uh U 1 S Uh U h 1 0 S Vh V 1 S Vh V h 1 0 (8.27) Si ricava facilmente che a h e b h sono gli autovettori associati all h-esimo autovalore λ h delle matrici E 1 ed E 2 e tali che a h S Xa h 1 e b h S b h 1. Inoltre l autovalore λ h coincide con il quadrato del coefficiente di correlazione canonica tra U h e V h. Quindi se r r(s X ) min(k, m), l analisi della correlazione canonica consiste nel trasformare le k colonne di X e le m colonne di in r coppie di vettori (U 1, V 1 ),..., (U r, V r ) (8.28) inoltre, posto U (U 1,..., U r ) e V (V 1,..., V r ), si ha che S 2 U S2 V I r e S UV diag( λ 1,..., λ r ). Le r correlazioni canoniche misurano pertanto l associazione tra i due insiemi di variabili quando tutte le correlazioni entro gli insiemi sono state rimosse. Nelle applicazioni finalizzate allo studio dell interdipendenza tra due variabili multidimensionali, l analisi della correlazione canonica consente di ridurre la dimensione delle osservazioni. Analogamente a quanto detto per le componenti principali, i suoi risultati possono essere interpretati analizzando i valori dei coefficienti che individuano le variabili canoniche. Inoltre
7 Cap. 8: Analisi della correlazione canonica 119 la rappresentazione grafica delle osservazioni nel riferimento (U j, V j ) per j 1,..., r può servire come strumento diagnostico per l individuazione di quelle osservazioni multidimensionali che presentano valori anomali. E possibile calcolare componenti e correlazioni canoniche in base alle matrici di correlazione, piuttosto che in base alle matrici di varianze e covarianze. In tal caso gli elementi dei vettori a j e b j (per j 1,..., r) sono adimensionali. 8.2 Proprietà campionarie sotto l assunzione di normalità Si ponga W (X, ) con W N k+m (µ W, Σ W ), essendo rispettivamente µ W ( µx µ ) ( ΣX Σ Σ W X Σ X Σ ) (8.29) Si assuma di osservare n replicazioni indipendenti di W. Come è noto gli stimatori di massima verosimiglianza delle matrici Σ X, Σ X, Σ e Σ X sono dati dalle corrispondenti matrici di varianze e covarianze campionarie, pertanto E 1 ed E 2 risultano essere gli stimatori di massima verosimiglianza di ɛ 1 Σ 1 X Σ X Σ 1 Σ X ed ɛ 2 Σ 1 Σ XΣ 1 X Σ X. Nel caso in cui gli r autovalori λ 1,..., λ r di ɛ 1 ed ɛ 2 siano tutti distinti, i loro stimatori di massima verosimiglianza coincidono con gli autovalori λ 1,..., λ r delle matrici E 1 ed E 2. In questo caso anche gli autovettori ã j e b j corrispondenti a λ j e tali che ã j Σ Xã j b j Σ b j 1 sono stimati da a j e b j, autovettori di E 1 ed E 2 corrispondenti a λ j e tali che a j S Xa j b j S b j 1. Nel caso in cui gli autovalori di ɛ 1 ed ɛ 2 non siano tutti distinti, i risultati appena enunciati perdono validità, ossia λ 1,..., λ r non sono più gli stimatori di massima verosimiglianza di λ 1,..., λ r, anche se continuano ad essere stimatori consistenti (ciò vale anche in assenza dell assunzione di normalità di W). 8.3 Verifica di ipotesi Sotto l assunzione distributiva effettuata al paragrafo precedente è possibile costruire delle procedure per la verifica della significatività delle componenti canoniche. In primo luogo può verificarsi l ipotesi che sia nullo λ 1, il maggiore degli autovalori di ɛ 1 ed ɛ 2, ovvero che siano nulli tutti gli autovalori, ovvero che sia r r(ɛ 1 ) r(ɛ 2 ) r(σ X ) 0, e cioè Σ X O il che
8 120 A. Pollice - Statistica Multivariata equivale all assenza di correlazione tra X ed { H0 : λ 1 0 H 1 : λ 1 0 { H0 : Σ X O H 1 : Σ X O (8.30) Il test del rapporto di verosimiglianze generalizzato per verificare questa ipotesi è già noto ed è dato dalla (3.73) λ ( ) S n/2 (8.31) S X S con ( SX S S X S X S ) (8.32) ed inoltre lim 2 ln λ n χ2 km (8.33) Nel caso in cui l ipotesi nulla suddetta sia respinta, può volersi verificare la significatività di un dato numero di autovalori di ɛ 1 ed ɛ 2, ovvero la signigficatività dellipotesi che il rango di Σ X assuma un certo valore r 0 { H0 : r(σ X ) r 0 H 1 : r(σ X ) > r 0 (8.34) con r 0 costante e tale che 1 < r 0 < min(k, m), ovvero { H0 : λ 1 > > λ r0 > 0, λ h 0, h > r 0 H 1 : ɛ 1 ed ɛ 2 hanno più di r 0 autovalori distinti diversi da 0 (8.35) Per la verifica di questa ipotesi, posto k m, viene utilizzato un test dovuto a Bartlett (1939) e dato dall espressione [ γ n 1 ] 2 (m + k + 3) r jr 0 +1 ln(1 λ 2 j) (8.36) Sotto l ipotesi nulla la distribuzione campionaria asintotica di γ è data da con p (k r 0 )(m r 0 ). lim γ n χ2 p (8.37)
9 Cap. 8: Analisi della correlazione canonica Dati qualitativi e variabili dicotomiche L analisi della correlazione canonica può anche essere applicata a variabili di tipo qualitativo. Sia N una tabella di contingenza r c in cui n individui sono classificati in base alle modalità di due mutabili statistiche tra le quali si voglia verificare se vi è una relazione (associazione). Sia n jh la frequenza delle unità che presentano la j-esima modalità del fattore riga e la h-esima modalità del fattore colonna. La matrice N di elemento generico n jh può essere espressa in modo alternativo, tramite la matrice n (r + c) Z (X, ) (8.38) in cui le colonne di X ed sono variabili dicotomiche (0/1) che indicano la presenza delle modalità rispettivamente di riga e di colonna: X ij ih { 1 l i-esimo individuo possiede il j-esimo livello del fattore riga; 0 altrimenti { 1 l i-esimo individuo possiede l h-esimo livello del fattore colonna; 0 altrimenti per i 1,..., n, j 1,..., r, h 1,..., c. Si noti che r j1 X j c h1 h u n ed inoltre X j h n jh. Tramite l analisi della correlazione canonica si vogliono determinare le variabili latenti U Xa V b (8.39) in modo tale che siano massimamente correlate. Ciascuna riga delle matrici X ed ha tutti gli elementi nulli ed un solo elemento uguale ad 1 in corrispondenza con i livelli del fattore riga e rispettivamente colonna posseduti dall individuo in questione. Di conseguenza per un individuo appartenente al j-esimo livello del fattore riga e all h-esimo del fattore colonna si ha: U a j V b h (8.40) In altri termini un individuo nel (j, h)-esimo incrocio di N viene associato al punteggio (a j, b h ). Questi punteggi possono essere rappresentati tramite un diagramma a punti (in cui n jh osservazioni sono associate ad (a j, b h )). La forma più o meno allungata della nuvola di punti esprime una misura della relazione tra i due fattori qualitativi di classificazione. Si noti come in questo caso, posti f e g rispettivamente i vettori dei totali marginali di riga e di colonna di N, la matrice di varianze e covarianze
10 122 A. Pollice - Statistica Multivariata campionaria di Z sia data da ( ns Z Z Z n Z Z nsx ns X ns X ns ) ( diag(f) n 1 ff N ˆN N ˆN diag(g) n 1 gg ) dove ˆN fg corrisponde alla stima di N nell ipotesi che tra righe e colonne non vi sia associazione. Poiché r j1 X j c h1 h u n, allora non è possibile calcolare le inverse delle matrici S X e S (ciò che serve per il calcolo delle correlazioni canoniche). Il modo per ovviare a questo inconveniente consiste nell eliminare la prima colonna di X e di. In tal caso l origine degli assi (a, b) coincide con il punto che rappresenta il primo livello del fattore di riga e il primo livello del fattore di colonna. Si noti come anche in questo caso si possono calcolare le correlazioni canoniche successive alla prima. Inoltre tutto quanto appena detto può essere utilizzato anche quando i dati disponibili risultino dall osservazione di un insieme di caratteristiche qualitative e quantitative, utilizzando queste ultime insieme alle variabili dicotomiche che rappresentano le modalità delle mutabili.
Analisi della correlazione canonica
Analisi della correlazione canonica Su un collettivo di unità statistiche si osservano due gruppi di k ed m variabili L analisi della correlazione canonica ha per obiettivo lo studio delle relazioni di
DettagliAnalisi delle corrispondenze
Capitolo 11 Analisi delle corrispondenze L obiettivo dell analisi delle corrispondenze, i cui primi sviluppi risalgono alla metà degli anni 60 in Francia ad opera di JP Benzécri e la sua equipe, è quello
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 41 Outline 1 2 3 4 5 () Statistica 2 / 41 Misura del legame Data una variabile doppia (X, Y ), la
DettagliCapitolo 12. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 12.1: Suggerimento
Capitolo Suggerimenti agli esercizi a cura di Elena Siletti Esercizio.: Suggerimento Per verificare se due fenomeni sono dipendenti in media sarebbe necessario confrontare le medie condizionate, in questo
DettagliLa dipendenza. Antonello Maruotti
La dipendenza Antonello Maruotti Outline 1 Distribuzioni doppie 2 Medie e varianze condizionate 3 Indici di associazione Distribuzione doppia Definizione Una distribuzione doppia si ha quando su di uno
DettagliANALISI MULTIDIMENSIONALE DEI DATI (AMD)
ANALISI MULTIDIMENSIONALE DEI DATI (AMD) L Analisi Multidimensionale dei Dati (AMD) è una famiglia di tecniche il cui obiettivo principale è la visualizzazione, la classificazione e l interpretazione della
Dettagli1 Il polinomio minimo.
Abstract Il polinomio minimo, così come il polinomio caratterisico, è un importante invariante per le matrici quadrate. La forma canonica di Jordan è un approssimazione della diagonalizzazione, e viene
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
DettagliStatistica. Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza e correlazione
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2010/2011 Statistica Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza
DettagliAppunti su Indipendenza Lineare di Vettori
Appunti su Indipendenza Lineare di Vettori Claudia Fassino a.a. Queste dispense, relative a una parte del corso di Matematica Computazionale (Laurea in Informatica), rappresentano solo un aiuto per lo
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliEsercizi su distribuzioni doppie, dipendenza, correlazione e regressione (Statistica I, IV Canale)
Esercizi su distribuzioni doppie, dipendenza, correlazione e regressione (Statistica I, IV Canale) Esercizio 1: Un indagine su 10.000 famiglie ha dato luogo, fra le altre, alle osservazioni riportate nella
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliTEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI
TEORIA DEI SISTEMI Laurea Specialistica in Ingegneria Meccatronica Laurea Specialistica in Ingegneria Gestionale Indirizzo Gestione Industriale TEORIA DEI SISTEMI ANALISI DEI SISTEMI LTI Ing. Cristian
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 24 Outline 1 2 3 4 5 () Statistica 2 / 24 Dipendenza lineare Lo studio della relazione tra caratteri
DettagliVariabili indipendenti qualitative. In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli.
Variabili indipendenti qualitative Di solito le variabili nella regressione sono variabili continue In molte applicazioni si rende necessario l introduzione di un fattore a due o più livelli Ad esempio:
DettagliSistemi sovradeterminati
Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione lineare di
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliL ALGORITMO DEL SIMPLESSO REVISIONATO
L ALGORITMO DEL SIMPLESSO REVISIONATO L'algoritmo del simplesso revisionato costituisce una diversa implementazione dell algoritmo standard tesa a ridurre, sotto certe condizioni, il tempo di calcolo e
DettagliLezione 8. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 8. A. Iodice. Relazioni tra variabili
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 26 Outline 1 2 3 4 () Statistica 2 / 26 Misura del legame Data una variabile doppia (X, Y ), la misura
DettagliEsercizi Svolti. 2. Costruire la distribuzione delle frequenze cumulate del tempo di attesa
Esercizi Svolti Esercizio 1 Per una certa linea urbana di autobus sono state effettuate una serie di rilevazioni sui tempi di attesa ad una determinata fermata; la corrispondente distribuzione di frequenza
DettagliEsercizi per Geometria II Geometria euclidea e proiettiva
Esercizi per Geometria II Geometria euclidea e proiettiva Filippo F. Favale 8 aprile 014 Esercizio 1 Si consideri E dotato di un riferimento cartesiano ortonormale di coordinate (x, y) e origine O. Si
DettagliEsercitazione ENS su processi casuali (13 e 14 Maggio 2008)
Esercitazione ES su processi casuali ( e 4 Maggio 2008) D. Donno Esercizio : Calcolo di autovalori e autovettori Si consideri un processo x n somma di un segnale e un disturbo: x n = Ae π 2 n + w n, n
DettagliStatistica. Esercitazione 4 15 maggio 2012 Connessione. Medie condizionate. Covarianza e correlazione
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2011/2012 Statistica Esercitazione 4 15 maggio 2012 Connessione. Medie condizionate.
DettagliANALISI DEI DATI PER IL MARKETING 2014
ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it ANALISI DELLE CORRISPONDENZE (cap. VII) Problema della riduzione delle dimensioni L ANALISI DELLE COMPONENTI PRINCIPALI
DettagliSTATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE
STATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 2 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1.1
DettagliSTATISTICA DESCRITTIVA BIVARIATA
STATISTICA DESCRITTIVA BIVARIATA Si parla di Analisi Multivariata quando su ogni unità statistica, appartenente ad una determinata popolazione, si rileva un certo numero s di caratteri X, X 2,,X s. Si
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliStatistiche e relazioni
tatistiche descrittive per frequenze e misure Frequenze e misure Per le frequenze e le misure, molte di queste statistiche perdono senso. In compenso, esistono indici appropriati, inutilizzabili per i
DettagliForma canonica di Jordan
Capitolo INTRODUZIONE Forma canonica di Jordan Siano λ i, per i =,, h, gli autovalori distinti della matrice A e siano r i i corrispondenti gradi di molteplicità all interno del polinomio caratteristico:
DettagliFin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili.
Sistemi di variabili casuali Fin qui si sono considerate le variabili casuali ciascuna per proprio conto. Ora consideriamo la possibilità di relazioni tra variabili. Esempi: - il massimo annuale della
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliCONTROLLO DI SISTEMI ROBOTICI Laurea Specialistica in Ingegneria Meccatronica
CONTROLLO DI SISTEMI ROBOTICI Laurea Specialistica in Ingegneria Meccatronica CONTROLLO DI SISTEMI ROBOTICI ANALISI DEI SISTEMI LTI Ing. Tel. 0522 522235 e-mail: secchi.cristian@unimore.it http://www.dismi.unimo.it/members/csecchi
DettagliIl modello di regressione lineare multipla. Il modello di regressione lineare multipla
Introduzione E la generalizzazione del modello di regressione lineare semplice: per spiegare il fenomeno d interesse Y vengono introdotte p, con p > 1, variabili esplicative. Tale generalizzazione diventa
DettagliAnalisi della varianza: I contrasti e il metodo di Bonferroni
Analisi della varianza: I contrasti e il metodo di Bonferroni 1 Contrasti In molti problemi risulta importante stabilire, nel caso venga rifiutata l ipotesi nulla, di uguaglianza delle medie µ j delle
DettagliLEZIONE 23. ax 2 + bxy + cy 2 + dx + ey + f
LEZIONE 23 23.1. Riduzione delle coniche a forma canonica. Fissiamo nel piano un sistema di riferimento Oxy e consideriamo un polinomio di grado 2 in x, y a meno di costanti moltiplicative non nulle, diciamo
DettagliSistemi lineari - Parte Seconda - Esercizi
Sistemi lineari - Parte Seconda - Esercizi Terminologia Operazioni elementari sulle righe. Equivalenza per righe. Riduzione a scala per righe. Rango di una matrice. Forma canonica per righe. Eliminazione
DettagliStudio generale di una conica
Studio generale di una conica Manlio De Domenico 19 Giugno 2003 Definizione 1 Si definisce conica C un equazione algebrica F (x 1, x 2, x 3 ) = 0 del secondo ordine omogenea. Detta A la matrice simmetrica
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante
Dettagli1.1 Coordinate sulla retta e nel piano; rette nel piano
1 Sistemi lineari 11 Coordinate sulla retta e nel piano; rette nel piano Coordinate sulla retta Scelti su una retta un primo punto O (origine) ed un diverso secondo punto U (unita ), l identificazione
DettagliGeometria analitica del piano pag 12 Adolfo Scimone
Geometria analitica del piano pag 12 Adolfo Scimone Fasci di rette Siano r e r' due rette distinte di equazioni r: ax + by + c r': a' x + b' y + c' Consideriamo la retta combinazione lineare delle due
DettagliMassimi e minimi vincolati
Massimi e minimi vincolati Vedremo tra breve un metodo per studiare il problema di trovare il minimo e il massimo di una funzione su di un sottoinsieme dello spazio ambiente che non sia un aperto. Abbiamo
DettagliLa retta nel piano. Supponiamo che la retta r sia assegnata attraverso un suo punto P 0 (x 0, y 0 ) e un vettore v (l, m) che ne indichi la direzione.
La retta nel piano Equazioni vettoriale e parametriche di una retta Supponiamo che la retta r sia assegnata attraverso un suo punto P 0 (x 0, y 0 ) e un vettore v (l, m) che ne indichi la direzione. Condizione
DettagliTest F per la significatività del modello
Test F per la significatività del modello Per verificare la significatività dell intero modello si utilizza il test F Si vuole verificare l ipotesi H 0 : β 1 = 0,, β k = 0 contro l alternativa che almeno
DettagliModelli lineari generalizzati
Capitolo 5 Modelli lineari generalizzati I modelli lineari generalizzati costituiscono un estensione del modello lineare generale e servono anch essi allo studio della dipendenza in media di una variabile
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
DettagliMatematica Finanziaria 13 settembre 2001
Matematica Finanziaria 3 settembre 00 Prova Generale. ESERCIZIO : Algebra Lineare ² Dire se le seguenti applicazioni sono lineari e in caso a ermativo indicarne la matrice associata A: a)f : R >R : b)f
DettagliSISTEMI LINEARI. x y + 2t = 0 2x + y + z t = 0 x z t = 0 ; S 3 : ; S 5x 2y z = 1 4x 7y = 3
SISTEMI LINEARI. Esercizi Esercizio. Verificare se (,, ) è soluzione del sistema x y + z = x + y z = 3. Trovare poi tutte le soluzioni del sistema. Esercizio. Scrivere un sistema lineare di 3 equazioni
DettagliEsercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale
Esercizi svolti 1. Matrici e operazioni fra matrici 1.1 Date le matrici 1 2 1 6 A = B = 5 2 9 15 6 risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Osservazione iniziale: qualunque
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 43 I principali test statistici per la verifica di ipotesi: Il test del χ 2 per tavole di contingenza a 2 vie Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia
DettagliSTUDIO DELLE RADICI DI UNA EQUAZIONE ALGEBRICA DI TERZO GRADO A COEFFICIENTI REALI
M. G. BUSATO STUDIO DELLE RADICI DI UNA EQUAZIONE ALGEBRICA DI TERZO GRADO A COEFFICIENTI REALI mgbstudio.net PAGINA INTENZIONALMENTE VUOTA SOMMARIO In questo scritto viene compiuto lo studio dettagliato
DettagliTema d esame del 15/02/12
Tema d esame del 15/0/1 Volendo aprire un nuovo locale, una catena di ristoranti chiede ad un consulente di valutare la posizione geografica ideale all interno di un centro abitato. A questo scopo, avvalendosi
DettagliMatematica Finanziaria 29 novembre 2000
Matematica Finanziaria 29 novembre 2000 Ottimizzazione. Cognome Nome FILA A ESERCIZIO 1: Gestione del rischio a) Ricavare l espressione del vettore dei coe cienti nella tecnica dei minimi quadrati. b)
DettagliLezioni di Statistica del 15 e 18 aprile Docente: Massimo Cristallo
UIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECOOMIA Corso di laurea in Economia Aziendale anno accademico 2012/2013 Lezioni di Statistica del 15 e 18 aprile 2013 Docente: Massimo Cristallo LA RELAZIOE
DettagliDistribuzioni secondo due caratteri. Rappresentazioni e prime sintesi
Distribuzioni secondo due caratteri Rappresentazioni e prime sintesi Rappresentazioni delle distribuzioni doppie Quando per ogni unità del collettivo rileviamo due caratteri otteniamo una Esempio. Ad alcuni
DettagliLEZIONE 9. Figura 9.1.1
LEZIONE 9 9.1. Equazioni cartesiane di piani. Abbiamo visto come rappresentare parametricamente un piano. Un altro interessante metodo di rappresentazione di un piano nello spazio è tramite la sua equazione
DettagliESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo
ESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo 1 La seguente tabella riporta le frequenze relative riguardanti gli studenti di un università e gli esiti dell esame da essi sostenuto. Qual è la percentuale
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliI. Foglio di esercizi su vettori linearmente dipendenti e linearmente indipendenti. , v 2 = α v 1 + β v 2 + γ v 3. α v 1 + β v 2 + γ v 3 = 0. + γ.
ESERCIZI SVOLTI DI ALGEBRA LINEARE (Sono svolti alcune degli esercizi proposti nei fogli di esercizi su vettori linearmente dipendenti e vettori linearmente indipendenti e su sistemi lineari ) I. Foglio
Dettagli( ) TEORIA DELLE MATRICI. A. Scimone a.s pag 1
. Scimone a.s 1997 98 pag 1 TEORI DELLE MTRICI Dato un campo K, definiamo matrice ad elementi in K di tipo (m, n) un insieme di numeri ordinati secondo righe e colonne in una tabella rettangolare del tipo
DettagliIl teorema di Rouché-Capelli
Luciano Battaia Questi appunti (1), ad uso degli studenti del corso di Matematica (A-La) del corso di laurea in Commercio Estero dell Università Ca Foscari di Venezia, campus di Treviso, contengono un
DettagliMATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI
MATRICI E VETTORI APPROFONDIMENTO PER IL CORSO DI LABORATORIO DI INFORMATICA SARA POLTRONIERI LE MATRICI DEFINIZIONE: Una matrice è un insieme di numeri disposti su righe e colonne. 1 3 7 M = 2 5 1 M è
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
Dettagli3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
DettagliRETTE E PIANI. ove h R. Determinare i valori di h per cui (1) r h e α sono incidenti ed, in tal caso, determinare l angolo ϑ h da essi formato;
RETTE E PIANI Esercizi Esercizio 1. Nello spazio con riferimento cartesiano ortogonale Oxyz si considerino la retta r h ed il piano α rispettivamente di equazioni x = 1 + t r h : y = 1 t α : x + y + z
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
Dettagli2 2 2 A = Il Det(A) = 2 quindi la conica è non degenere, di rango 3.
Studio delle coniche Ellisse Studiare la conica di equazione 2x 2 + 4xy + y 2 4x 2y + 2 = 0. Per prima cosa dobbiamo classificarla. La matrice associata alla conica è: 2 2 2 A = 2 2 2 Il DetA = 2 quindi
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 1 Outline () Statistica 2 / 1 La curtosi La curtosi è la caratteristica della forma della distribuzione
DettagliCONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa
CONTROLLI AUTOMATICI Ingegneria della Gestione Industriale e della Integrazione di Impresa http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm CRITERIO DI ROUTH-HURWITZ
DettagliLEZIONE 4. { x + y + z = 1 x y + 2z = 3
LEZIONE 4 4.. Operazioni elementari di riga. Abbiamo visto, nella precedente lezione, quanto sia semplice risolvere sistemi di equazioni lineari aventi matrice incompleta fortemente ridotta per righe.
DettagliEquazioni di 2 grado
Equazioni di grado Tipi di equazioni: Un equazione (ad una incognita) è di grado se può essere scritta nella forma generale (o forma tipica o ancora forma canonica): a b c con a, b e c numeri reali (però
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliSPAZI VETTORIALI. Esercizi Esercizio 1. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi:
SPAZI VETTORIALI Esercizi Esercizio. Sia V := R 3. Stabilire quale dei seguenti sottoinsiemi di V sono suoi sottospazi: V := { (a, a, a) V a R }, V 2 := { (a, b, a) V a, b R }, V 3 := { (a, 2a, a + b)
DettagliFormulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010
Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010 In quetsa dispensa: V è uno spazio vettoriale di dimensione d sul campo complesso C generato dai vettori v 1,..., v d. Le variabili m,
DettagliAppendice 1. Spazi vettoriali
Appendice. Spazi vettoriali Indice Spazi vettoriali 2 2 Dipendenza lineare 2 3 Basi 3 4 Prodotto scalare 3 5 Applicazioni lineari 4 6 Applicazione lineare trasposta 5 7 Tensori 5 8 Decomposizione spettrale
DettagliEsercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente
Esercizi di Matematica di Base Scienze biologiche e Scienze e Tecnologie dell Ambiente Dati i vettori di R (i) Calcolare il prodotto scalare v w, (ii) Stabilire se v e w sono ortogonali, (ii) Stabilire
DettagliIl metodo delle osservazioni indirette
Il metodo delle osservazioni indirette Teoria della stima ai minimi quadrati Il criterio di massima verosimiglianza Sia data una grandezza η e si abbiano n osservazioni indipendenti l i (i=1,...,n) di
Dettagli0 altimenti 1 soggetto trova lavoroentro 6 mesi}
Lezione n. 16 (a cura di Peluso Filomena Francesca) Oltre alle normali variabili risposta che presentano una continuità almeno all'interno di un certo intervallo di valori, esistono variabili risposta
DettagliEsercitazione di Analisi Matematica II
Esercitazione di Analisi Matematica II Barbara Balossi 06/04/2017 Esercizi di ripasso Esercizio 1 Sia data l applicazione lineare f : R 3 R 3 definita come f(x, y, z) = ( 2x + y z, x 2y + z, x y). a) Calcolare
DettagliSommario. Capitolo 1 I dati e la statistica 1. Capitolo 2 Statistica descrittiva: tabelle e rappresentazioni grafiche 25
Sommario Presentazione dell edizione italiana Prefazione xv xiii Capitolo 1 I dati e la statistica 1 Statistica in pratica: BusinessWeek 1 1.1 Le applicazioni in ambito aziendale ed economico 3 Contabilità
DettagliAlgebra lineare con R
Università di Napoli Federico II cristina.tortora@unina.it Standardizzare una variabile Standardizzazione Data una variabile X distribuita secondo una media µ e una varianza σ 2 la standardizzazione permette
DettagliEsercizi di ottimizzazione vincolata
Esercizi di ottimizzazione vincolata A. Agnetis, P. Detti Esercizi svolti 1 Dato il seguente problema di ottimizzazione vincolata max x 1 + x 2 x 1 4x 2 3 x 1 + x 2 2 0 x 1 0 studiare l esistenza di punti
DettagliVettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara
DettagliFacoltà di Economia - Università di Pavia Simulazione Prova Scritta di Statistica Sociale 19 dicembre 2012
Facoltà di Economia - Università di Pavia Simulazione Prova Scritta di Statistica Sociale 19 dicembre 01 Esercizio 1. Con riferimento a due variabili dicotomiche X e Y (con valori possibili 0 o 1) si definisca
Dettagli= elemento che compare nella seconda riga e quinta colonna = -4 In generale una matrice A di m righe e n colonne si denota con
Definizione di matrice Una matrice (di numeri reali) è una tabella di m x n numeri disposti su m righe e n colonne. I numeri che compaiono nella tabella si dicono elementi della matrice. La loro individuazione
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliAutovalori ed autovettori di una matrice
Autovalori ed autovettori di una matrice Lucia Gastaldi DICATAM http://www.ing.unibs.it/gastaldi/ Indice 1 Definizioni di autovalori ed autovettori Autovalori ed autovettori 2 Metodo delle potenze 3 Calcolo
Dettagli( ) le colonne della matrice dei coefficienti, con. , risulta A 3 = A 1 + 4A 2 + 4A 5, A 4 = A 1 + A 2,
1 Elementi di Analisi Matematica e Ricerca Operativa prova del 6 luglio 2016 1) Discutere il seguente problema di Programmazione Lineare: Trovare il massimo di p x 1, x 2, x 3, x 4 # x 2 + 4 x 3 + x 4
DettagliEsame di FONDAMENTI DI AUTOMATICA (9 crediti) SOLUZIONE
Esame di FONDAMENTI DI AUTOMATICA (9 crediti) Prova scritta 16 luglio 2014 SOLUZIONE ESERCIZIO 1. Dato il sistema con: si determinino gli autovalori della forma minima. Per determinare la forma minima
DettagliCorso di Geometria Ing. Informatica e Automatica Test 1: soluzioni
Corso di Geometria Ing. Informatica e Automatica Test : soluzioni k Esercizio Data la matrice A = k dipendente dal parametro k, si consideri il k sistema lineare omogeneo AX =, con X = x x. Determinare
DettagliMetodo dei minimi quadrati e matrice pseudoinversa
Scuola universitaria professionale della Svizzera italiana Dipartimento Tecnologie Innovative Metodo dei minimi quadrati e matrice pseudoinversa Algebra Lineare Semestre Estivo 2006 Metodo dei minimi quadrati
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliProdotti scalari e matrici
Prodotti scalari e matrici 1 Forme bilineari e matrici In questa sezione vogliamo studiare la corrispondenza biunivoca che esiste tra l insieme delle forme bilineari su di un certo spazio vettoriale V
DettagliIndicatori di Posizione e di Variabilità. Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica
Indicatori di Posizione e di Variabilità Corso di Laurea Specialistica in SCIENZE DELLE PROFESSIONI SANITARIE DELLA RIABILITAZIONE Statistica Medica Indici Sintetici Consentono il passaggio da una pluralità
DettagliPremessa: la dipendenza in media
Premessa: la dipendenza in media Supponiamo di avere K diversi livelli di un fattore che potrebbero influire su una determinata variabile. Per esempio supponiamo di domandarci se la diversificazione (intesa
Dettagli1 - Matrice delle masse e delle rigidezze
Cilc per tutti gli appunti (AUOMAZIONE RAAMENI ERMICI ACCIAIO SCIENZA delle COSRUZIONI ) e-mail per suggerimenti SEMPLICE ESEMPIO NUMERICO DEL MEODO DI ANALISI DINAMICA Si vuole qui chiarire con un semplice
Dettagli