Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione
|
|
- Filippa Marchi
- 8 anni fa
- Visualizzazioni
Transcript
1 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 (età del cliente) -> 4 modalità (meno di 3;da 3 a 40;da 40 a 50;oltre 50) colonna E: Profession (professione) -> 3 modalità (dipendente ;esecutivo; altra professione) colonna F: Seniority (anzianità) -> 5 modalità( 1 anno o meno;da 1 a 4 anni;da 4 a 6;da 6 a 1;più di 1) colonna G: Family Situation (situazione di famiglia) -> 4 modalità ( single;sposato;divorziato;vedovo) colonna H: Type of client (tipo di cliente) -> modalità ( buono; cattivo) colonna I: Home of employee (a casa del dipendente) -> modalità (stipendio a domicilio e non) colonna J: Size of savings (dimensione dei risparmi) -> 4 modalità(nessun risparmio;meno di 10 KF;da 10 a 100 kf; oltre 100 KF) colonna K: Active mean migliaia di franchi (media attiva in ml di franchi)->3 modalità (meno di KF;da a 5;più di 5) colonna L: Mean of mouvements (media del movim. di trasl.) -> 4 modalità (meno di 10KF;da 10 a 30;da 30 a 50;più di 50) colonna M: Cumulative debits (debiti cumulativi) -> 3 modalità (meno di 40;da 40 a 100;più di 100) colonna N: overdraft authorized (scoperto autorizzato) -> modalità (proibito;autorizzato) colonna O: Checkbook not allowed (assegni ammessi) -> 1 modalità (libretto di assegni ammessi) Totale 37 modalità Figura 1 Matrice di partenza Eseguiamo una statistica semplice per Il calcolo delle frequenze relative delle rispettive modalità 4 modalità 3 modalità 5 modalità 4 modalità modalità modalità 4 modalità 3 modalità 4 modalità 3 modalità modalità 1 modalità
2 Poiché il numero di variabili osservate è superiore a tre, la matrice non è più rappresentabile ma è possibile immaginare una tabella a p vie in cui ciascuna cella contiene le frequenze relative a quella particolare combinazione di modalità. La caratteristica di questa matrice è che quasi sempre il numero di celle è di gran lunga superiore al numero di osservazioni, con il risultato che la maggior parte delle celle risultano vuote. Se infatti consideriamo il dataset sopra con 468 clienti appartenenti ad una banca, osserviamo che ad ogni cliente vengono considerate 1 variabili nominali, ma ad ogni variabile è assegnato un numero di modalità (con un minimo di 1 ad un massimo di 5), per un totale di 37 modalità. La matrice quindi è formata da 468 righe per 37 colonne ( celle) che indicheremo con il nome Z (detta anche in codifica disgiuntiva completa -figura 3). Lo studio di una tabella del genere risulta quindi particolarmente complesso, motivo per cui l analisi viene generalmente semplificata limitando i gradi di interazione e considerando, ad esempio, il solo insieme di tabelle a due vie che dalla matrice iniziale possono essere generate, tale matrice è chiamata Matrice dei dati in codifica ridotta ed è sotto meglio descritta. Figura - Matrice R dei dati in codifica ridotta Id Age Prof. Seniority Family Type of Home of Size Active Mean of Cumulati Over Chec client of mean ve debits draf book Dalla matrice di partenza di figua 1, si passa alla matrice R dei dati in codifica ridotta, in cui ogni colonna rappresenta una variabile che può assumere valori da 1 al numero di modalità previste dalla variabile stessa. La codifica così definita ha il vantaggio di raccogliere i dati osservati in modo compatto e facilmente leggibile. Successivamente si effettua una prima trasformazione e si ottiene quindi definendo con Z una matrice in cui ogni variabile dà origine a tante variabili dicotomiche ( che assumono cioè i soli valori zero o uno) quante sono le modalità previste. Questo tipo di codifica viene detta disgiunta completa perché prevede i soli valori uno e zero (disgiuntiva) e perché per ogni variabile una e una sola delle modalità deve assumere valore uno, non essendo previste modalità diverse da quelle considerate (completa). Dalla matrice R si ottiene quindi la matrice Z o in codifica disgiuntiva completa sotto riportata. Figura 3 Matrice dei dati in codifica disgiuntiva completa Id Age Prof. Seniority Family Type of Home of Size Active Mean of Cumulati client of mean ve debits Figura Matrice dei dati in codifica disgiuntiva completa ( prodotta con softwarexlstat) Over draf Chec book -La matrice Z dei dati in codifica disgiuntiva completa è formata da 468 righe e 37 colonne, in quanto la somma delle colonne riporta la frequenza di ciascuna delle s modalità, avendo indicato con s la somma s1+s+s3+.s1 delle modalità di tutte le variabili. Alla matrice Z possono quindi essere applicati i concetti di profilo riga e profilo colonna, di massa e di distanza del chi-quadrato e quindi gli algoritmi definiti per l analisi delle corrispondenze binarie. Dalla matrice Z è inoltre possibile ottenere la matrice B di Burt in cui vengono considerati tutti i possibili incroci tra le variabili. Tale matrice, ottenuta dal prodotto Z Z, è costituita da p blocchi, dove ciascun blocco diagonale è a sua volta una matrice diagonale di ordine sj i cui elementi riportano le frequenze delle modalità delle variabile pj, mentre i blocchi non diagonali, di dimensioni si x sj, rappresentano le tabelle di contingenza relative alle modalità delle variabili pi e pj. Dalla matrice B di Burt si ottiene la matrice diagonale D, che è anch essa una matrice a blocchi con i blocchi non diagonali pari a zero e blocchi diagonali uguali a quelli di B.
3 La matrice di Burt con p =11 blocchi e la matrice diagonale D sono riportate di seguito. E possibile individuare in queste tabelle le distribuzioni di frequenze delle 1 variabili (matrice D o blocco diagonale di B) e le tabelle di contingenza per tutte gli incroci possibili ( blocchi non diagonali di B). Figura 4 Matrice di Burt (prodotta con software XLSTAT) La trasformazione delle matrici La prima trasformazione è quella di portarla in forma disgiuntiva completa, ossia trasformarla in una matrice casi x modalità. La seconda trasformazione è quella di moltiplicare la matrice disgiuntiva completa per la sua trasposta ottenendo così la matrice di Burt. La matrice di Burt è una matrice variabili x variabili, in quanto ottenuta dalla moltiplicazione della matrice disgiuntiva completa per la sua trasposta; essa, quindi, risulta essere quadrata e diagonale. La matrice di Burt racchiude in sé tutte le tabelle di contingenza tra le variabili ed è su questa che verranno condotte le operazioni che consentono l estrazione dei fattori. Figura 5 Matrice Diagolane D (prodotta con software XLSTAT La metrica
4 Lavorando con variabili categoriali non si può ragionare usando la metrica di tipo Euclideo, ma si dovrà usare la metrica del Chi-quadrato. Le distanze si calcolano tra i profili riga (o colonna). Il calcolo della distanza del chi-quadrato inserisce un coefficiente di ponderazione che rivaluta le componenti a più bassa frequenza e ridimensiona quelle a più alta frequenza. Il coefficiente di ponderazione T/Cj è l inverso del rapporto Cj/T che è la frequenza relativa marginale della modalità J: si pondera ogni elemento per l inverso della sua importanza sul totale delle frequenze) D ( ir) = S (j = 1 q) T/Cj (fij/fi frj/fr) Obiettivo ACM Trovare poche dimensioni in grado di riprodurre la maggior parte dell associazione presente fra le variabili analizzate in un ridotto numero di fattori. E possibile scegliere quali variabili far partecipare alla determinazione dei fattori (variabili attive). Le variabili che non partecipano all elaborazione possono essere analizzate in qualità di variabili illustrative (controllando la loro relazione con i fattori ottenuti con l ACM) I fattori ottenuti con l ACM: - sono ortogonali fra loro - sono combinazioni delle variabili-modalità inserite nell analisi - riproducono, in ordine decrescente, il massimo della dispersione (o inerzia) presente nella matrice di Burt Inerzia totale e tassi di inerzia La matrice Z, di dimensioni (n,s), identifica, nello spazio R n, s punti le cui coordinate sono le righe della matrice D -1 Z ( o le colonne della matrice ZD -1 ). Ciascuna sottomatrice Zq genera, in R n,un sottospazio lineare a p q dimensioni che avrà certamente in comune con tutti gli altri almeno la prima bisettrice, ossia il vettore le cui componenti risultano tutte uguali a uno. Il rango massimo di ZD -1, e quindi di Z, è quindi pari a: s 1+(s -1)+(s 3-1)+.+(s p-1)=s-p+1 D altra parte, degli s-p+1 autovettori della matrice Z ZD -1, uno sarà quello che congiunge l origine con il baricentro e che corrisponde all autovalore banale unitario. Nell analisi centrata, quindi, potranno essere determinati al massimo s-p auto valori non nulli e la percentuale di variabilità spiegata da ciascun fattore sarà rappresentata dalla quantità: α Tassi di inerzia : x100 s p λ j = 1 λ α Tale quantità, che è una misura eccessivamente pessimistica dell effettivo potere esplicativo dei diversi fattori, assume, nel caso dell ACM, valori generalmente molto bassi anche per i primi fattori. Questo perché la codifica disgiuntiva, imponendo una relazione di ortogonalità tra le modalità di una stessa variabile, introduce una sorta di sfericità artificiale della nube dei punti, che si manifesta proprio nei bassi valori dei tassi di inerzia. L inerzia di una modalità, I(j), è data dal quadrato della distanza dal baricentro per il peso mj, rappresentato dal corrispondente marginale di colonna sulla tabella delle frequenze relative: m j= z. j n p Nel nostro caso Inerzia totale:,083 Gli s-p=5 autovalori non nulli che è possibile determinare sono i seguenti: Autovalori e tassi di inerzia Tra i metodi per correggere i valori dei tassi di inerzia e renderli attendibili, soprattutto relativamente ai primi fattori, Benzècri ha introdotto la correzione: p = ( ) x( p 1 1 ) p λ λ per λ >1/p Che, per p elevato, equivale a considerare il quadrato degli autovalori mentre per p= porta all espressione λ *=( λ -1) =µ che individua gli auto valori dell AC sulla tabella di contingenza che incrocia le due variabili.
5 Istogramma Come nell AC, gli autovalori sono tutti minori di 1. Le percentuali di inerzia spiegata risultano molto basse ma è possibile applicare la formula di correzione sotto p = ( ) x( p 1 1 ) p λ λ per λ >1/p Per ottenere i seguenti nuovi valori: Autovalori corretti e tassi di inerzia La corretta interpretazione dei fattori richiede la lettura dei contributi assoluti e della qualità della rappresentazione dei punti, quantità riportata nella tabella sotto.
6
7 Figura 6 Piano fattoriale 1-: modalità attive (prodotto con software XLSTAT
8 La contrapposizione delle modalità sugli assi è ben visibile, in alto abbiamo i clienti che hanno un età superiore a 50 anni che presentano le seguenti caratteristiche: - hanno una media di movimenti superiore ai franchi, con un anzianità superiore a 1 anni e con stato familiare coniugato. Possiamo affermare che queste sono le categorie che risparmiano di più ed hanno una media attiva di oltre 5000 franchi, inoltre, la loro professione è maggiormente executive (dirigenti). - Nella parte centrale del piano fattoriale di fig. 6, abbiamo le categorie tra i 3 e 40 anni, esse risultano essere maggiormente divorziati e per la banca non sono buoni clienti. - I clienti con età compresa tra 40 e 50 si trovano in una situazione intermedia rispetto ai due gruppi analizzati. - Nella parte bassa a sinistra abbiamo i clienti con età al di sotto di 3 anni. Essi risultano essere per la maggior parte Single ed hanno una media attiva in franchi compresa tra e 5 KF, anche perché sono clienti da meno di 1 mesi con cumulo di debiti meno di 40 mila franchi. Analizziamo ora il piano formato da terzo e quarto fattore: Si evince che questo piano contribuisce a definire il profilo dei soggetti analizzati e mette in risalto aspetti quali le professioni e più precisamente: - i clienti sotto i 3 anni non sono dipendenti della banca. Da una prima analisi troviamo pochi individui appartenenti a questa categoria. Un aspetto importante è che pochi individui risparmiano più di franchi. Il tutto conferma che il correntista più anziano ha una buona condizione economica e risulta essere un buon cliente. Tale fattore spiega il fatto che la banca tende a mantenere i rapporti con clienti buoni, in tal modo abbassa il rischio di inadempienza di un debitore (cliente cattivo) e tiene sotto controllo la riserva o il proprio patrimonio di Vigilanza così come stabilito da Basilea. Analisi eseguita dal Prof. Roberto Fantaccione
9 Grafico asimmetrico delle variabili (assi F3 e F4: 10,61 %) 3 Size of savings-more than 100 KF 39 F4 (4,16 %) 1 Active mean migliaia di franchi-more than 5 KF Size of savings-from 10 to 100 KF 10 Age of client-less than Profession-other Mean 3 Seniority-1 years of mouvements-less year or less profession than 10 KF Home of employee-not Profession-executive domicile 43 salary 33 Cumulative overdraft debits-less authorized-forbidden than 40 Mean Age of of mouvements-more client-from 40 to 50 than years 50 KF Family Situation-single 3 Family Type Situation-divorced of client-bad client 38 8 Checkbook 1 not allowed-checkbook 9 allowed Size of Cumulative savings-less than 10 KF 4 debits-more than 100 Cumulative Home Type of debits-from of client-good employee-domicile Size 45 Family 40 client of to savings-no Situation-married 100 salary Age savings of client-over 47Family years Situation-widow Age of client-from 5 3 Active to 40 years mean migliaia Seniority-plus di franchi-from 1 years 34 to 5 KF Seniority-from Seniority-from 6 to Profession-employee 1 overdraft years 11 1 to authorized-authorised 4 Active years 18 mean migliaia di franchi-less than 14 KF 15 Mean Seniority-from of mouvements-from 4 to 6 years 10 to 30 KF Mean 4of mouvements-from 4 30 to 50 KF F3 (6,45 %) Variabili Osservazioni
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:
DettagliIl 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
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliSISTEMI DI NUMERAZIONE E CODICI
SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema
DettagliOCCUPATI SETTORE DI ATTIVITA' ECONOMICA
ESERCIZIO 1 La tabella seguente contiene i dati relativi alla composizione degli occupati in Italia relativamente ai tre macrosettori di attività (agricoltura, industria e altre attività) negli anni 1971
DettagliDott.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
DettagliAnalisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda
Analisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda Premessa Con l analisi di sensitività il perito valutatore elabora un range di valori invece di un dato
DettagliLABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE
LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile
DettagliCapitolo 11 Test chi-quadro
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova
DettagliLABORATORIO EXCEL XLSTAT 2008 SCHEDE 2 e 3 VARIABILI QUANTITATIVE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) LABORATORIO EXCEL
DettagliEsempi 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.
DettagliParte 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
Dettaglix 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.
Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini
DettagliGEOMETRIA DELLE MASSE
1 DISPENSA N 2 GEOMETRIA DELLE MASSE Si prende in considerazione un sistema piano, ossia giacente nel pian x-y. Un insieme di masse posizionato nel piano X-Y, rappresentato da punti individuati dalle loro
DettagliRicerca Operativa Esercizi sul metodo del simplesso. Luigi De Giovanni, Laura Brentegani
Ricerca Operativa Esercizi sul metodo del simplesso Luigi De Giovanni, Laura Brentegani 1 1) Risolvere il seguente problema di programmazione lineare. ma + + 3 s.t. 2 + + 2 + 2 + 3 5 2 + 2 + 6,, 0 Soluzione.
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
DettagliRICHIAMI 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
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliCenni su algoritmi, diagrammi di flusso, strutture di controllo
Cenni su algoritmi, diagrammi di flusso, strutture di controllo Algoritmo Spesso, nel nostro vivere quotidiano, ci troviamo nella necessità di risolvere problemi. La descrizione della successione di operazioni
Dettaglietà sesso luogo-abitazione scuola superiore esperienza insegnamento 1 2 2 2 1 2 2 2 2 2 1 2 3 2 2 2 1 2 4 2 2 2 1 2 5 3 2 2 1 2 6 2 2 2 1 2 7 3 2 1 1
età sesso luogo-abitazione scuola superiore esperienza insegnamento 1 1 1 3 1 4 1 5 3 1 6 1 7 3 1 1 8 3 1 9 3 1 10 3 1 11 3 1 1 1 13 4 1 1 14 3 1 15 1 16 1 17 1 18 1 19 1 0 1 1 1 1 3 3 1 4 1 Come analizzare
DettagliInteresse, sconto, ratei e risconti
TXT HTM PDF pdf P1 P2 P3 P4 293 Interesse, sconto, ratei e risconti Capitolo 129 129.1 Interesse semplice....................................................... 293 129.1.1 Esercizio per il calcolo dell
DettagliAnalisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016. 1. Esercizi 4
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2015/2016 1. Esercizi 4 Piani di ammortamento Esercizio 1. Un debito di 1000e viene rimborsato a tasso annuo i = 10%
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliParte 3. Rango e teorema di Rouché-Capelli
Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici
DettagliMATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010
elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre
DettagliControlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.
Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:
DettagliESTRAZIONE DI RADICE
ESTRAZIONE DI RADICE La radice è l operazione inversa dell elevamento a potenza. L esponente della potenza è l indice della radice che può essere: quadrata (); cubica (); quarta (4); ecc. La base della
DettagliESERCIZI 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
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
DettagliLa 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
Dettagli4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0
Rappresentazione dei numeri I numeri che siamo abituati ad utilizzare sono espressi utilizzando il sistema di numerazione decimale, che si chiama così perché utilizza 0 cifre (0,,2,3,4,5,6,7,8,9). Si dice
DettagliElementi di informatica
Elementi di informatica Sistemi di numerazione posizionali Rappresentazione dei numeri Rappresentazione dei numeri nei calcolatori rappresentazioni finalizzate ad algoritmi efficienti per le operazioni
DettagliRappresentazione dei numeri in un calcolatore
Corso di Calcolatori Elettronici I A.A. 2010-2011 Rappresentazione dei numeri in un calcolatore Lezione 2 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Rappresentazione dei numeri
Dettagli(a cura di Francesca Godioli)
lezione n. 12 (a cura di Francesca Godioli) Ad ogni categoria della variabile qualitativa si può assegnare un valore numerico che viene chiamato SCORE. Passare dalla variabile qualitativa X2 a dei valori
Dettaglib. Che cosa succede alla frazione di reddito nazionale che viene risparmiata?
Esercitazione 7 Domande 1. L investimento programmato è pari a 100. Le famiglie decidono di risparmiare una frazione maggiore del proprio reddito e la funzione del consumo passa da C = 0,8Y a C = 0,5Y.
DettagliAPPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE
APPUNTI SU PROBLEMI CON CALCOLO PERCENTUALE 1. Proporzionalità diretta e proporzionalità inversa Analizziamo le seguenti formule Peso Lordo = Peso Netto + Tara Ricavo = Utile + Costo Rata = Importo + Interesse
DettagliMATRICI E DETERMINANTI
MATRICI E DETERMINANTI 1. MATRICI Si ha la seguente Definizione 1: Un insieme di numeri, reali o complessi, ordinati secondo righe e colonne è detto matrice di ordine m x n, ove m è il numero delle righe
DettagliTeoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26
Indice L attività di recupero 6 Funzioni Teoria in sintesi 0 Obiettivo Ricerca del dominio e del codominio di funzioni note Obiettivo Ricerca del dominio di funzioni algebriche; scrittura del dominio Obiettivo
DettagliComplementi di Analisi per Informatica *** Capitolo 2. Numeri Complessi. e Circuiti Elettrici. a Corrente Alternata. Sergio Benenti 7 settembre 2013
Complementi di Analisi per nformatica *** Capitolo 2 Numeri Complessi e Circuiti Elettrici a Corrente Alternata Sergio Benenti 7 settembre 2013? ndice 2 Circuiti elettrici a corrente alternata 1 21 Circuito
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
DettagliRette e piani con le matrici e i determinanti
CAPITOLO Rette e piani con le matrici e i determinanti Esercizio.. Stabilire se i punti A(, ), B(, ) e C(, ) sono allineati. Esercizio.. Stabilire se i punti A(,,), B(,,), C(,, ) e D(4,,0) sono complanari.
DettagliForze come grandezze vettoriali
Forze come grandezze vettoriali L. Paolucci 23 novembre 2010 Sommario Esercizi e problemi risolti. Per la classe prima. Anno Scolastico 2010/11 Parte 1 / versione 2 Si ricordi che la risultante di due
Dettagli4. Operazioni aritmetiche con i numeri binari
I Numeri Binari 4. Operazioni aritmetiche con i numeri binari Contare con i numeri binari Prima di vedere quali operazioni possiamo effettuare con i numeri binari, iniziamo ad imparare a contare in binario:
DettagliMatrice Excel Calcolo rata con IMPORTO DEL FINANZIAMENTO determinato dall'utente
Matrice Excel Calcolo rata con IMPORTO DEL FINANZIAMENTO determinato dall'utente L'acquisto di un immobile comporta un impegno finanziario notevole e non sempre è possibile disporre della somma di denaro
DettagliLe query di raggruppamento
Le query di raggruppamento Le "Query di raggruppamento" sono delle Query di selezione che fanno uso delle "Funzioni di aggregazione" come la Somma, il Conteggio, il Massimo, il Minimo o la Media, per visualizzare
DettagliAnalisi Matematica di circuiti elettrici
Analisi Matematica di circuiti elettrici Eserciziario A cura del Prof. Marco Chirizzi 2011/2012 Cap.5 Numeri complessi 5.1 Definizione di numero complesso Si definisce numero complesso un numero scritto
DettagliSistemi di Numerazione
Fondamenti di Informatica per Meccanici Energetici - Biomedici 1 Sistemi di Numerazione Sistemi di Numerazione I sistemi di numerazione sono abitualmente posizionali. Gli elementi costitutivi di un sistema
DettagliCos è Excel. Uno spreadsheet : un foglio elettronico. è una lavagna di lavoro, suddivisa in celle, cosciente del contenuto delle celle stesse
Cos è Excel Uno spreadsheet : un foglio elettronico è una lavagna di lavoro, suddivisa in celle, cosciente del contenuto delle celle stesse I dati contenuti nelle celle possono essere elaborati ponendo
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliRelazioni 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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it A.Studio dell interdipendenza tra variabili: riepilogo Concetto relativo allo studio delle relazioni tra
DettagliPROGRAMMA SVOLTO NELLA SESSIONE N.
Università C. Cattaneo Liuc, Corso di Statistica, Sessione n. 1, 2014 Laboratorio Excel Sessione n. 1 Venerdì 031014 Gruppo PZ Lunedì 061014 Gruppo AD Martedì 071014 Gruppo EO PROGRAMMA SVOLTO NELLA SESSIONE
DettagliCapitolo 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.
DettagliBASILEA 2. Allegato Tecnico. Fonte: circolari dedicate alla Fondazione Luca Pacioli
BASILEA 2 Correlazione tra Indice di Ponderazione, Impieghi e Risultati Economici nell Operatività Bancaria - Dimostrazione empirica dei riflessi sul rapporto banca/impresa Allegato Tecnico Fonte: circolari
DettagliExcel. A cura di Luigi Labonia. e-mail: luigi.lab@libero.it
Excel A cura di Luigi Labonia e-mail: luigi.lab@libero.it Introduzione Un foglio elettronico è un applicazione comunemente usata per bilanci, previsioni ed altri compiti tipici del campo amministrativo
DettagliMatrice Excel Calcolo rata con DURATA DEL FINANZIAMENTO determinata dall'utente
Matrice Excel Calcolo rata con DURATA DEL FINANZIAMENTO determinata dall'utente L'acquisto di un immobile comporta un impegno finanziario notevole e non sempre è possibile disporre della somma di denaro
DettagliPer visualizzare e immettere i dati in una tabella è possibile utilizzare le maschere;
Maschere e Query Le Maschere (1/2) Per visualizzare e immettere i dati in una tabella è possibile utilizzare le maschere; Le maschere sono simili a moduli cartacei: ad ogni campo corrisponde un etichetta
DettagliGIROSCOPIO. 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,
DettagliCalcolatori: Algebra Booleana e Reti Logiche
Calcolatori: Algebra Booleana e Reti Logiche 1 Algebra Booleana e Variabili Logiche I fondamenti dell Algebra Booleana (o Algebra di Boole) furono delineati dal matematico George Boole, in un lavoro pubblicato
DettagliUniversita 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
DettagliESERCIZI DI STATISTICA DESCRITTIVA
ESERCIZI DI STATISTICA DESCRITTIVA ES1 Data la seguente serie di dati su Sesso e Altezza di 8 pazienti, riempire opportunamente due tabelle per rappresentare le distribuzioni di frequenze dei due caratteri,
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliSistemi Informativi Territoriali. Map Algebra
Paolo Mogorovich Sistemi Informativi Territoriali Appunti dalle lezioni Map Algebra Cod.735 - Vers.E57 1 Definizione di Map Algebra 2 Operatori locali 3 Operatori zonali 4 Operatori focali 5 Operatori
Dettagli2.1 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
DettagliUniversità degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI
ORDINAMENTO DEI DATI Quando si ordina un elenco (ovvero una serie di righe contenenti dati correlati), le righe sono ridisposte in base al contenuto di una colonna specificata. Distinguiamo due tipi di
DettagliMatrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f).
Due Matrici A,B. Ker f = ker g. 1- Ridurre a scala A e B e faccio il sistema. 2 Se Vengono gli stessi valori allora, i ker sono uguali. Cauchy 1 autovalore, 1- Metto a matrice x1(0),x2(0),x3(0) e la chiamo
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliUtilizzo delle formule in Excel
Utilizzo delle formule in Excel Excel è dotato di un potente motore di calcolo che può essere utilizzato per elaborare i dati immessi dagli utenti. I calcoli sono definiti mediante formule. Ogni formula
DettagliTrasformazioni 2D. Grande differenza rispetto alla grafica raster!
Trasformazioni 2D Il grande vantaggio della grafica vettoriale è che le immagini vettoriali descrivono entità matematiche È immediato manipolare matematicamente tali entità In quasi tutte le manipolazioni
Dettaglif(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da
Data una funzione reale f di variabile reale x, definita su un sottoinsieme proprio D f di R (con questo voglio dire che il dominio di f è un sottoinsieme di R che non coincide con tutto R), ci si chiede
DettagliStatistica. Alfonso Iodice D Enza iodicede@unina.it
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16 Outline 1 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16
DettagliPlate Locator Riconoscimento Automatico di Targhe
Progetto per Laboratorio di Informatica 3 - Rimotti Daniele, Santinelli Gabriele Plate Locator Riconoscimento Automatico di Targhe Il programma plate_locator.m prende come input: l immagine della targa
DettagliAppunti sulla Macchina di Turing. Macchina di Turing
Macchina di Turing Una macchina di Turing è costituita dai seguenti elementi (vedi fig. 1): a) una unità di memoria, detta memoria esterna, consistente in un nastro illimitato in entrambi i sensi e suddiviso
Dettaglia) Il campo di esistenza di f(x) è dato da 2x 0, ovvero x 0. Il grafico di f(x) è quello di una iperbole -1 1
LE FUNZIONI EALI DI VAIABILE EALE Soluzioni di quesiti e problemi estratti dal Corso Base Blu di Matematica volume 5 Q[] Sono date le due funzioni: ) = e g() = - se - se = - Determina il campo di esistenza
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
DettagliStatistica 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
DettagliProf.ssa Paola Vicard
DISTRIBUZIONE DI FREQUENZE PER CARATTERI QUALITATIVI Questa nota consiste per la maggior parte nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000,
DettagliDiagonalizzazione di matrici e applicazioni lineari
CAPITOLO 9 Diagonalizzazione di matrici e applicazioni lineari Esercizio 9.1. Verificare che v = (1, 0, 0, 1) è autovettore dell applicazione lineare T così definita T(x 1,x 2,x 3,x 4 ) = (2x 1 2x 3, x
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliESEMPIO 1: eseguire il complemento a 10 di 765
COMPLEMENTO A 10 DI UN NUMERO DECIMALE Sia dato un numero N 10 in base 10 di n cifre. Il complemento a 10 di tale numero (N ) si ottiene sottraendo il numero stesso a 10 n. ESEMPIO 1: eseguire il complemento
DettagliInteresse, sconto, ratei e risconti
129 Interesse, sconto, ratei e risconti Capitolo 129 129.1 Interesse semplice....................................................... 129 129.1.1 Esercizio per il calcolo dell interesse semplice........................
DettagliAnalisi di scenario File Nr. 10
1 Analisi di scenario File Nr. 10 Giorgio Calcagnini Università di Urbino Dip. Economia, Società, Politica giorgio.calcagnini@uniurb.it http://www.econ.uniurb.it/calcagnini/ http://www.econ.uniurb.it/calcagnini/forecasting.html
DettagliFederico 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
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliUNA LEZIONE SUI NUMERI PRIMI: NASCE LA RITABELLA
UNA LEZIONE SUI NUMERI PRIMI: NASCE LA RITABELLA Tutti gli anni, affrontando l argomento della divisibilità, trovavo utile far lavorare gli alunni sul Crivello di Eratostene. Presentavo ai ragazzi una
DettagliLE FUNZIONI E LE LORO PROPRIETÀ
LE FUNZIONI E LE LORO PROPRIETÀ LE FUNZIONI REALI DI VARIABILE REALE COSA SONO LE FUNZIONI Dati due sottoinsiemi A e B non vuoti di R, una FUNZIONE da A a B è una relazione che associa ad ogni numero reale
DettagliRETTE, PIANI, SFERE, CIRCONFERENZE
RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
DettagliIl sistema monetario
Il sistema monetario Premessa: in un sistema economico senza moneta il commercio richiede la doppia coincidenza dei desideri. L esistenza del denaro rende più facili gli scambi. Moneta: insieme di tutti
Dettagli[ Analisi della. concentrazione] di Luca Vanzulli. Pag. 1 di 1
[ Analisi della concentrazione] di Luca Vanzulli Pag. 1 di 1 LA CONCENTRAZIONE NELL ANALISI DELLE VENDITE L analisi periodica delle vendite rappresenta un preziosissimo indicatore per il monitoraggio del
DettagliDOMINIO E LIMITI. Esercizio 3 Studiare gli insiemi di livello della funzione f, nei seguenti casi: 1) f(x,y) = y2 x 2 + y 2.
FUNZIONI DI DUE VARIABILI 1 DOMINIO E LIMITI Domini e disequazioni in due variabili. Insiemi di livello. Elementi di topologia (insiemi aperti, chiusi, limitati, convessi, connessi per archi; punti di
DettagliParte II Indice. Operazioni aritmetiche tra valori rappresentati in binario puro. Rappresentazione di numeri con segno
Parte II Indice Operazioni aritmetiche tra valori rappresentati in binario puro somma sottrazione Rappresentazione di numeri con segno modulo e segno complemento a 2 esercizi Operazioni aritmetiche tra
Dettagli