Introduzione Metodo POT

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Introduzione Metodo POT"

Transcript

1 Introduzione Metodo POT 1 Un recente metodo di analisi dei valori estremi è un metodo detto POT ( Peak over thresholds ), inizialmente sviluppato per l analisi dei dati idrogeologici a partire dalla seconda metà degli anni 70, ha trovato in anni recenti una sempre maggiore applicazione. L idea fondamentale alla base di questo metodo è l analisi degli estremi di una grandezza X sulla base delle eccedenze. Dato un insieme di dati x 1, x 2..x n, si definiscono come eccedenze y j quei valori xi maggiori di un valore di soglia u. Le quantità (y j -u) sono detti gli eccessi sopra u.

2 Introduzione metodo POT 2 raccogliere solo le eccedenze risulta vantaggioso (es. stazioni metereologiche) L accadimento di una eccedenza è condizionato dall evento che l osservazione sia maggiore di u. Tale probabilità condizionata, detta F la probabilità cumulata della variabile X, risulta: [ ] F( x) F( u) F u ( x) = 1 F( u)

3 Distribuzione Pareto generalizzata 3 Le distribuzioni generalizzate dei valori estremi sono correlate ad una distribuzione detta distribuzione di Pareto generalizzata avente probabilità cumulata: W ( x) 1" (1 + = # x) " 1/ definita per x>0 se γ>0 e per 0<x< 1/ se γ<0 Per γ 0 la distribuzione tende all espressione: W 0 ( x) = 1 e x Il legame tra la distribuzione di Pareto e la distribuzione generalizzata dei massimi è la seguente: W ( x) = 1+ logg( x)

4 Distribuzione Pareto generalizzata 4 Come già visto per la G, possiamo introdurre due parametri µ e σ : W $ $ x # µ %%,, ( x) = 1# ' 1+ & ' ( " ( ) ) ** µ " # 1/ Una interessante proprietà della distribuzione di Pareto è la seguente: [ u] W, µ," ( x) = W, u, " + $ u # ( µ ) ovvero la distribuzione delle eccedenze è ancora una Pareto con il parametro γ, con µ=u e con una parametro di scala espresso da: ( u ) + " # $ µ

5 Distribuzione Pareto generalizzata 5 La distribuzione delle eccedenze ha proprietà asintotiche simili a quelle delle distribuzioni dei valori estremi. In particolare considerando ipotesi sulla F(x) simili a quelle dei valori estremi: F [ u] (, x) " W$, u # ( x) 0 per u ω(x), dove con ω(x) si indica l estremo superiore della grandezza x. Sulla base della relazione soprascritta è possibile cercare di analizzare le eccedenze di dati provenienti da una qualsiasi distribuzione mediante la Pareto generalizzata. Dati quindi : x 1, x 2, x 3..x n y 1,y 2, y 3 y k dati originali raccolti in un tempo Γ eccedenze sopra una soglia u si analizzano le eccedenze mediante una distribuzione W γ,u,σ, ricavando i parametri γ e σ mediante metodo ML.

6 Fittaggio parametri distribuzione Pareto 6 I parametri della distribuzione di Pareto si cercano mediante metodo ML. In particolare la log-verosimiglianza: per γ 0 diventa: ed in particolare la stima di σ risulta:

7 Applicazione POT - a 7 Cosa ce ne facciamo della W γ,u,σ per stimare degli eventi estremi? 1 possibilità Conoscendo k ed n, possiamo stimare che: F( x) # F( u) F x W 1 # F( u) [ u ] ( ) = $, u, ( ) 1" k F u " n ( ) ( ) ( ) ( 1 ) y, u, F x " F u + # F u $ W per x u A questo punto disponiamo di una stima della F(x) con cui ad esempio stimare il valore massimo di x su un intervallo 10 Γ massimo caratteristico su 10 n (evento con T=10 n) F max,10 ( ) 10 = " $ F x # % n

8 Applicazione POT - b 8 La strada vista prima presuppone di sapere che il numero di estrazioni in Γ è pari ad n. Possiamo anche sapere solo di avere k eccedenze. 2 possibilità Disponiamo della stima della distribuzione tronca: [ u ] ( )#, u, F x W " l evento massimo rilevato su Γ è il massimo di k eccedenze; l evento massimo ha quindi T u = k; y cl # 1 $ 1 % = W, u, " & 1# ' ( k ) Fmax,10 W, u, " # = $ & % ' 10k

9 Applicazione POT - c 9 3 possibilità Cerchiamo una distribuzione: W, µ, " Tale che: [ u] # $ W, µ," = W, u, " % $& W, µ," ( u) = FX ( u)

10 10 Applicazione POT - c Per l esponenziale negativa (γ =0): ln k u n µ = " # $ % & = + ' ( ) # * +, Per γ 0 : " # $ % % & ' ( ( ) * % & ' ( ) * +, + = % & ' ( ) *, = -. µ / 1 n k u n k

11 Diagnostica - mean excess plot 11 in linea teorica y' = y u " # 1 # esempio inclusioni praticamente non si ha mai un adamento così semplice e si identificano delle zone (prima della zona finale) in cui identificare l andamento

12 Legame tra POT e LEVD - a 12 Supponiamo di aver analizzato k eccedenze su un periodo di acquisizione Γ # W 0,u, = 1" exp " y " u & $ % ' ( Se cerchiamo il valore massimo caratteristico su Γ ha periodo di ritorno T=k e risulta: y( T = k) = u + " log( k) Se cerchiamo il valore massimo caratteristico su 10Γ ha periodo di ritorno T=10k e risulta: y( T = 10k) = u + " log( 10 " k) che diventa: y( T = 10k) = y T = k + " log(10) Dobbiamo ricordarci che il massimo caratteristico ha una probabilità di superamento del 63.2%

13 Legame tra POT e LEVD -b 13 Se avessimo dato la descrizione dell evento massimo su 10Γ attraverso la LEVD, avremmo potuto stimarlo dal massimo caratteristico su Γ (ovvero il λ Γ dei massimi su Γ) come: 10"# = # + $ " log(10) E evidente l analogia tra le due formulazioni. Ne segue che i massimi su Γ appartengono ad una LEVD con parametri: ( ) & " = u + # $ log k ' (% = #

x ( 3) + Inoltre (essendo il grado del numeratore maggiore del grado del denominatore, d ancora dallo studio del segno),

x ( 3) + Inoltre (essendo il grado del numeratore maggiore del grado del denominatore, d ancora dallo studio del segno), 6 - Grafici di funzioni Soluzioni Esercizio. Studiare il grafico della funzione f(x) = x x + 3. ) La funzione è definita per x 3. ) La funzione non è né pari, né dispari, né periodica. 3) La funzione è

Dettagli

11) convenzioni sulla rappresentazione grafica delle soluzioni

11) convenzioni sulla rappresentazione grafica delle soluzioni 2 PARAGRAFI TRATTATI 1)La funzione esponenziale 2) grafici della funzione esponenziale 3) proprietá delle potenze 4) i logaritmi 5) grafici della funzione logaritmica 6) principali proprietá dei logaritmi

Dettagli

Affidabilità nel tempo tasso di guasto. h( t) =! dt N dt N ( ) ( ) = =! N N

Affidabilità nel tempo tasso di guasto. h( t) =! dt N dt N ( ) ( ) = =! N N Affidabilità nel tempo tasso di guasto 1 N=numero componenti N s (t)=numero componenti sopravvissuti al tempo t N f (t)=numero componenti rotti al tempo t N ( ) ( ) s t N f t R( t) = = 1! N N dr( t) 1

Dettagli

Reliability Demonstration Tests Distribuzione di Weibull

Reliability Demonstration Tests Distribuzione di Weibull Reliability Demonstration Tests Distribuzione di Weibull Stefano Beretta Politecnico di Milano, Dipartimento di Meccanica Giugno 2009 Sommario Le prove di laboratorio molto spesso vengono intese come tests

Dettagli

DI IDROLOGIA TECNICA PARTE III

DI IDROLOGIA TECNICA PARTE III FACOLTA DI INGEGNERIA Laurea Specialistica in Ingegneria Civile N.O. Giuseppe T. Aronica CORSO DI IDROLOGIA TECNICA PARTE III Idrologia delle piene Lezione XII: I metodi diretti per la valutazione delle

Dettagli

Corso di Analisi Matematica. Polinomi e serie di Taylor

Corso di Analisi Matematica. Polinomi e serie di Taylor a.a. 2013/14 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli

Dettagli

Limiti e continuità delle funzioni reali a variabile reale

Limiti e continuità delle funzioni reali a variabile reale Limiti e continuità delle funzioni reali a variabile reale Roberto Boggiani Versione 4.0 9 dicembre 2003 1 Esempi che inducono al concetto di ite Per introdurre il concetto di ite consideriamo i seguenti

Dettagli

Le funzioni elementari. La struttura di R. Sottrazione e divisione

Le funzioni elementari. La struttura di R. Sottrazione e divisione Le funzioni elementari La struttura di R La struttura di R è definita dalle operazioni Addizione e moltiplicazione. Proprietà: Commutativa Associativa Distributiva dell addizione rispetto alla moltiplicazione

Dettagli

MATEMATICA GENERALE - (A-D) Prova d esame del 1 giugno 2012 - FILA A

MATEMATICA GENERALE - (A-D) Prova d esame del 1 giugno 2012 - FILA A MATEMATICA GENERALE - (A-D) Prova d esame del giugno 202 - FILA A Nome e cognome Matricola I Parte OBBLIGATORIA (quesiti preliminari: punto ciascuno). Riportare le soluzioni su questo foglio, mostrando

Dettagli

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI DI STATISTICA PER IDROLOGIA Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono

Dettagli

Regressione Mario Guarracino Data Mining a.a. 2010/2011

Regressione Mario Guarracino Data Mining a.a. 2010/2011 Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume

Dettagli

11. Analisi statistica degli eventi idrologici estremi

11. Analisi statistica degli eventi idrologici estremi . Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

Corso di Automazione Industriale 1. Capitolo 4

Corso di Automazione Industriale 1. Capitolo 4 Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione

Dettagli

Matlab per applicazioni statistiche

Matlab per applicazioni statistiche Matlab per applicazioni statistiche Marco J. Lombardi 19 aprile 2005 1 Introduzione Il sistema Matlab è ormai uno standard per quanto riguarda le applicazioni ingegneristiche e scientifiche, ma non ha

Dettagli

RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA?

RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Crenca & Associati CORPORATE CONSULTING SERVICES RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Ufficio Studi Milano, 3 aprile 2008 Introduzione al Risk Management

Dettagli

La Distribuzione Normale (Curva di Gauss)

La Distribuzione Normale (Curva di Gauss) 1 DISTRIBUZIONE NORMALE o CURVA DI GAUSS 1. E la più importante distribuzione statistica continua e trova numerose applicazioni nello studio dei fenomeni biologici. 2. Fu proposta da Gauss (1809) nell'ambito

Dettagli

FUNZIONI ESPONENZIALE E LOGARITMICA

FUNZIONI ESPONENZIALE E LOGARITMICA FUNZIONI ESPONENZIALE E LOGARITMICA Le potenze con esponente reale La potenza a x di un numero reale a è definita se a>0 per ogni x R se a=0 per tutti e soli i numeri reali positivi ( x R + ) se a

Dettagli

30-12-2014. Supplemento straordinario n. 16 alla GAZZETTA UFFICIALE Serie generale - n. 301

30-12-2014. Supplemento straordinario n. 16 alla GAZZETTA UFFICIALE Serie generale - n. 301 964 965 966 967 968 969 { [ ]} = { [ ]} = 970 . 971 972 . 973 [2 x soglia massima x ( Costo del venduto e per la produzione di servizi (2 x soglia massima + 365) Rimanenzefinali) - ( Esistenzeiniziali

Dettagli

FREQUENZA TEORICA E FREQUENZA PERCENTUALE Lezione n. 13

FREQUENZA TEORICA E FREQUENZA PERCENTUALE Lezione n. 13 FREQUENZA TEORICA E FREQUENZA PERCENTUALE Lezione n. 13 Finalità: Enunciare le definizioni maturate attraverso l esercitazione pratica. Sistematizzare concetti e definizioni Metodo: Sperimentazione pratica

Dettagli

Statistica inferenziale

Statistica inferenziale Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo

Dettagli

La Funzione Caratteristica di una Variabile Aleatoria

La Funzione Caratteristica di una Variabile Aleatoria La Funzione Caratteristica di una Variabile Aleatoria La funzione caratteristica Φ densità di probabilità è f + Φ ω = ω di una v.a., la cui x, è definita come: jωx f x e dx E e j ω Φ ω = 1 La Funzione

Dettagli

UNIVERSITÁ DEGLI STUDI DI FIRENZE

UNIVERSITÁ DEGLI STUDI DI FIRENZE UNIVERSITÁ DEGLI STUDI DI FIRENZE FACOLTÁ DI ECONOMIA CORSO DI LAUREA MAGISTRALE IN BANCA, ASSICURAZIONI E MERCATI FINANZIARI TESI DI LAUREA IN TEORIA DEL RISCHIO E TECNICHE ATTUARIALI CONTRO I DANNI UNA

Dettagli

Osservazione 2 L elemento di arrivo ( output) deve essere unico corrispondenza univoca da A e B. f : A B

Osservazione 2 L elemento di arrivo ( output) deve essere unico corrispondenza univoca da A e B. f : A B FUNZIONI Definizione 1 Dati due insiemi A e B, si chiama funzione da A a B una legge che ad ogni elemento di A associa un (solo) elemento di B. L insieme A si chiama dominio della funzione e l insieme

Dettagli

Confronto tra i regimi finanziari

Confronto tra i regimi finanziari Confronto tra i regimi finanziari Consideriamo i tre regimi finanziari Quale è il regime più conveniente? Per misurare la convenienza, paragoniamo i fattori di capitalizzazione: r s (t) = f. cap. interesse

Dettagli

Determinare il dominio e la derivata delle seguenti funzioni e studiarne la monotonia ed eventuali massimi/minimi. ( ) x + 2.

Determinare il dominio e la derivata delle seguenti funzioni e studiarne la monotonia ed eventuali massimi/minimi. ( ) x + 2. Determinare il dominio e la derivata delle seguenti funzioni e studiarne la monotonia ed eventuali massimi/minimi (1) (2) (3) (4) f (x) = log ( ) x + 2 x 1 f (x) = x exp( x 3 ) ( f (x) = arctan x ) x 1

Dettagli

0 < a < 1 a > 1. In entrambi i casi la funzione y = log a (x) si può studiare per punti e constatare che essa presenta i seguenti andamenti y

0 < a < 1 a > 1. In entrambi i casi la funzione y = log a (x) si può studiare per punti e constatare che essa presenta i seguenti andamenti y INTRODUZIONE Osserviamo, in primo luogo, che le funzioni logaritmiche sono della forma y = log a () con a costante positiva diversa da (il caso a = è banale per cui non sarà oggetto del nostro studio).

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

Cos è una funzione? (x,y) Є f o y=f(x)

Cos è una funzione? (x,y) Є f o y=f(x) Cos è una funzione? Dati gli insiemi X e Y non vuoti, si chiama funzione da in una relazione f tale che per ogni x Є X esiste uno ed un solo elemento y Є Y tale che (x,y) Є f. Data la funzione f:x->r,

Dettagli

Corso di Analisi Matematica. Successioni e serie numeriche

Corso di Analisi Matematica. Successioni e serie numeriche a.a. 2011/12 Laurea triennale in Informatica Corso di Analisi Matematica Successioni e serie numeriche Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità

Dettagli

In laboratorio si useranno fogli di carta millimetrata con scale lineari oppure logaritmiche.

In laboratorio si useranno fogli di carta millimetrata con scale lineari oppure logaritmiche. GRAFICI Servono per dare immediatamente e completamente le informazioni, che riguardano l andamento di una variabile in funzione dell altra. La Geometria Analitica c insegna che c è una corrispondenza

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

Funzioni e loro grafici

Funzioni e loro grafici Funzioni e loro grafici Dicesi funzione y=f(x) della variabile x una legge qualsiasi che faccia corrispondere ad ogni valore di x, scelto in un certo insieme, detto dominio, uno ed uno solo valore di y

Dettagli

ESERCITAZIONI DI ANALISI 1 FOGLIO 1 FOGLIO 2 FOGLIO 3 FOGLIO 4 FOGLIO 5 FOGLIO 6 FOGLIO 7 SVOLTI. Marco Pezzulla

ESERCITAZIONI DI ANALISI 1 FOGLIO 1 FOGLIO 2 FOGLIO 3 FOGLIO 4 FOGLIO 5 FOGLIO 6 FOGLIO 7 SVOLTI. Marco Pezzulla ESERCITAZIONI DI ANALISI FOGLIO FOGLIO FOGLIO 3 FOGLIO 4 FOGLIO 5 FOGLIO 6 FOGLIO 7 SVOLTI Marco Pezzulla gennaio 05 FOGLIO. Determinare il dominio e il segno della funzione ( ) f(x) arccos x x + π/3.

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

Alcune applicazioni delle equazioni differenziali ordinarie alla teoria dei circuiti elettrici

Alcune applicazioni delle equazioni differenziali ordinarie alla teoria dei circuiti elettrici Alcune applicazioni delle equazioni differenziali ordinarie alla teoria dei circuiti elettrici Attilio Piana, Andrea Ziggioto 1 egime variabile in un circuito elettrico. Circuito C. 1.1 Carica del condensatore

Dettagli

Appunti relativi a Lab4

Appunti relativi a Lab4 Appunti relativi a Lab4 ESEMPIO 1 Sia (X 1,, X n ) un campione aleatorio estratto da una variabile aleatoria X Exp(λ) e sia (x 1,, x n ) una sua realizzazione campionaria contenuta nel vettore oss > set.seed(5)

Dettagli

Docente: Anna Valeria Germinario. Università di Bari. A.V.Germinario (Università di Bari) Analisi Matematica ITPS 1 / 22

Docente: Anna Valeria Germinario. Università di Bari. A.V.Germinario (Università di Bari) Analisi Matematica ITPS 1 / 22 Laurea in Informatica e Tecnologie per la Produzione del Software Corso di Analisi Matematica Calcolo differenziale e approssimazioni, formula di Taylor Docente: Anna Valeria Germinario Università di Bari

Dettagli

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).

Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................

Dettagli

Regime finanziario dell interesse semplice: formule inverse

Regime finanziario dell interesse semplice: formule inverse Regime finanziario dell interesse semplice: formule inverse Il valore attuale di K è il prodotto del capitale M disponibile al tempo t per il fattore di sconto 1/(1+it). 20 Regime finanziario dell interesse

Dettagli

Esame di Analisi Matematica prova scritta del 23 settembre 2013

Esame di Analisi Matematica prova scritta del 23 settembre 2013 Esame di Analisi Matematica prova scritta del 23 settembre 2013 1. Determinare dominio, limiti significativi, intervalli di monotonia della funzione f (x) = (2x + 3) 2 e x/2 e tracciarne il grafico. In

Dettagli

Perché il logaritmo è così importante?

Perché il logaritmo è così importante? Esempio 1. Perché il logaritmo è così importante? (concentrazione di ioni di idrogeno in una soluzione, il ph) Un sistema solido o liquido, costituito da due o più componenti, (sale disciolto nell'acqua),

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

Decisioni in condizioni di incertezza

Decisioni in condizioni di incertezza Decisioni in condizioni di incertezza Paolo Arcaini Roberto Cordone Programmazione in condizioni di incertezza La programmazione in condizioni di incertezza affronta problemi di decisione nei quali occorre

Dettagli

Numeri Complessi. 4. Ricordando che, se z è un numero complesso, zz è un numero reale, mettere sotto la forma. z 2 + 2z + 2 = 0. z 2 + 2z + 6 = 0.

Numeri Complessi. 4. Ricordando che, se z è un numero complesso, zz è un numero reale, mettere sotto la forma. z 2 + 2z + 2 = 0. z 2 + 2z + 6 = 0. Numeri Complessi. Siano z = + i e z 2 = i. Calcolare z + z 2, z z 2, z z 2 e z z 2. 2. Siano z = 2 5 + i 2 e z 2 = 5 2 2i. Calcolare z + z 2, z z 2, z z 2 e z z 2. 3. Ricordando che, se z è un numero complesso,

Dettagli

Misurare il rischio finanziario con l Extreme Value Theory

Misurare il rischio finanziario con l Extreme Value Theory Misurare il rischio finanziario con l Extreme Value Theory M. Bee Dipartimento di Economia, Università di Trento MatFinTN 2012, Trento, 24 gennaio 2012 Outline Introduzione Extreme Value Theory EVT e rischio

Dettagli

FONDAMENTI DI PSICOMETRIA - 8 CFU

FONDAMENTI DI PSICOMETRIA - 8 CFU Ψ FONDAMENTI DI PSICOMETRIA - 8 CFU STIMA DELL ATTENDIBILITA STIMA DELL ATTENDIBILITA DEFINIZIONE DI ATTENDIBILITA (affidabilità, fedeltà) Grado di accordo tra diversi tentativi di misurare uno stesso

Dettagli

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004 Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità

Dettagli

CLASSE terza SEZIONE H A.S. 14/ 15 PROGRAMMA SVOLTO

CLASSE terza SEZIONE H A.S. 14/ 15 PROGRAMMA SVOLTO DOCENTE: Laura Marchetto CLASSE terza SEZIONE H A.S. 14/ 15 RIPASSO ARGOMENTI PROPEDEUTICI L insieme dei numeri razionali. Equazioni di primo e di secondo grado Sistemi di disequazioni di primo grado Equazione

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

Nel seguito sono riportati due esercizi che si possono risolvere con la formula di Erlang e le relative risoluzioni.

Nel seguito sono riportati due esercizi che si possono risolvere con la formula di Erlang e le relative risoluzioni. Nel seguito sono riportati due esercizi che si possono risolvere con la formula di Erlang e le relative risoluzioni. Al fine di risolvere questo tipo di esercizi, si fa in genere riferimento a delle tabelle

Dettagli

f(x) = 1 x. Il dominio di questa funzione è il sottoinsieme proprio di R dato da

f(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

Dettagli

Analisi della risorsa eolica. Corso di Aerodinamica e Gasdinamica A.A. 2009/2010 Docente: Prof. Renato RICCI

Analisi della risorsa eolica. Corso di Aerodinamica e Gasdinamica A.A. 2009/2010 Docente: Prof. Renato RICCI Analisi della risorsa eolica Corso di Aerodinamica e Gasdinamica A.A. 2009/2010 Docente: Prof. Renato RICCI Spettro di frequenza del vento Zona di lavoro di una torre anemometrica (tempi di campionamento

Dettagli

1. Intorni di un punto. Punti di accumulazione.

1. Intorni di un punto. Punti di accumulazione. 1. Intorni di un punto. Punti di accumulazione. 1.1. Intorni circolari. Assumiamo come distanza di due numeri reali x e y il numero non negativo x y (che, come sappiamo, esprime la distanza tra i punti

Dettagli

Determinare estremo superiore ed estremo inferiore dell insieme ( 1) n A = n + 1 : n IN

Determinare estremo superiore ed estremo inferiore dell insieme ( 1) n A = n + 1 : n IN Prima prova di verifica in itinere di ANALISI MATEMATICA Gennaio 00 Determinare estremo superiore ed estremo inferiore dell insieme { } ( ) n A = n + : n IN specificando se si tratta rispettivamente di

Dettagli

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

Slide Cerbara parte1 5. Le distribuzioni teoriche

Slide Cerbara parte1 5. Le distribuzioni teoriche Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle

Dettagli

Le Scelte Finanziarie. S. Corsaro Matematica Finanziaria a.a. 2007/08

Le Scelte Finanziarie. S. Corsaro Matematica Finanziaria a.a. 2007/08 Le Scelte Finanziarie 1 Tasso Interno di Rendimento Consideriamo un operazione finanziaria (t 0 =0): 0 x 0 t 1 t 2 t m...... x 1 x 2 x m Posto: x = x0, x1,, xm { } si definisce tasso interno di rendimento

Dettagli

Dispense di Matematica Analisi Matematica. Riccarda Rossi

Dispense di Matematica Analisi Matematica. Riccarda Rossi Dispense di Matematica Analisi Matematica Riccarda Rossi Corso di Laurea in Disegno Industriale Università degli Studi di Brescia Anno Accademico 2009/2010 2 Capitolo 1 Nozioni preliminari 4 Riccarda Rossi

Dettagli

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1

Dettagli

STUDIO DI SETTORE VG82U

STUDIO DI SETTORE VG82U ALLEGATO 18 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE VG82U SERVIZI PUBBLICITARI, RELAZIONI PUBBLICHE E COMUNICAZIONE 862 CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio

Dettagli

STUDIO DI SETTORE WK21U

STUDIO DI SETTORE WK21U ALLEGATO 12 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE WK21U ATTIVITÀ DEGLI STUDI ODONTOIATRICI CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio di settore attribuisce ai

Dettagli

Corso di Elettronica di Potenza (12 CFU) ed Elettronica Industriale (6 CFU) Convertitori c.c.-c.c. 2/83

Corso di Elettronica di Potenza (12 CFU) ed Elettronica Industriale (6 CFU) Convertitori c.c.-c.c. 2/83 I convertitori c.c.-c.c. monodirezionali sono impiegati per produrre in uscita un livello di tensione diverso da quello previsto per la sorgente. Verranno presi in considerazione due tipi di convertitori

Dettagli

Progetto di un alimentatore con Vo = +5 V e Io = 1 A

Progetto di un alimentatore con Vo = +5 V e Io = 1 A Progetto di un alimentatore con o +5 e Io A U LM7805/TO IN OUT S F T 5 4 8 - ~ ~ + + C GND + C + C3 3 R D LED Si presuppongono noti i contenuti dei documenti Ponte di Graetz Circuito raddrizzatore duale

Dettagli

Corso di Idraulica ed Idrologia Forestale

Corso di Idraulica ed Idrologia Forestale Corso di Idraulica ed Idrologia Forestale Docente: Prof. Santo Marcello Zimbone Collaboratori: Dott. Giuseppe Bombino - Ing. Demetrio Zema Lezione n. 16: Le precipitazioni (parte seconda) Anno Accademico

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

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

SEQUENZE DI NUMERI PSEUDO- CASUALI

SEQUENZE DI NUMERI PSEUDO- CASUALI SEQUENZE DI NUMERI PSEUDO- CASUALI Test Statistici sulle Sequenze Pseudo Casuali E di fondamentale importanza per una buona riuscita della SIMULAZIONE ( affidabilità dei risultati), che le sequenze pseudo

Dettagli

4G 14/2/2000 Potenze in R

4G 14/2/2000 Potenze in R Claudio Cereda esponenziali e logaritmi luglio 2005 pag. 1 4G 14/2/2000 Potenze in R 1. Si consideri la potenza a m/n con a R + e m/n frazione assoluta ridotta ai minimi termini. a) cosa si intende con

Dettagli

Approssimazione polinomiale di funzioni e dati

Approssimazione polinomiale di funzioni e dati Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

Dettagli

PROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA

PROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA Simulazione 01/15 ANNO SCOLASTICO 01/15 PROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA DELL ESAME DI STATO PER IL LICEO SCIENTIFICO Il candidato risolva uno dei due problemi Problema 1 Nella

Dettagli

Esercitazione 5 Soluzioni

Esercitazione 5 Soluzioni Esercitazione 5 Soluzioni. (Esercizio 5. del Ross) Sia X una variabile aleatoria la cui densità è c( 2 ) < < 0 altrimenti. (a) Qual è il valore di c? (b) Scrivere la funzione di ripartizione di X. 2. (Esercizio

Dettagli

La funzione è continua nel suo dominio perchè y = f(x) è composizione di funzioni continue. Il punto x = 0 è un punto isolato per D f.

La funzione è continua nel suo dominio perchè y = f(x) è composizione di funzioni continue. Il punto x = 0 è un punto isolato per D f. FUNZIONI CONTINUE - ALCUNI ESERCIZI SVOLTI SIMONE ALGHISI 1. Continuità di una funzione Dati un insieme D R, una funzione f : D R e x 0 R, si è detto che f è continua in x 0 se sono soddisfatte le seguenti

Dettagli

STUDIO DI SETTORE VG87U

STUDIO DI SETTORE VG87U ALLEGATO 21 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE VG87U CONSULENZA FINANZIARIA, AMMINISTRATIVO-GESTIONALE E AGENZIE DI INFORMAZIONI COMMERCIALI CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE

Dettagli

Esercitazioni 2013/14

Esercitazioni 2013/14 Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta

Dettagli

Esponenziali e logaritmi

Esponenziali e logaritmi Esponenziali e logaritmi Corso di accompagnamento in matematica Lezione 4 Sommario 1 La funzione esponenziale Proprietà Grafico 2 La funzione logaritmo Grafico Proprietà 3 Equazioni / disequazioni esponenziali

Dettagli

ELEMENTI DI STATISTICA DESCRITTIVA

ELEMENTI DI STATISTICA DESCRITTIVA Metodi Statistici e Probabilistici per l Ingegneria ELEMENTI DI STATISTICA DESCRITTIVA Corso di Laurea in Ingegneria Civile Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain E-mail:

Dettagli

Curva di apprendimento

Curva di apprendimento Curva di apprendimento Definizione La curva di apprendimento (o curva di progresso o learning curve) è uno strumento usato per progettare (o riorganizzare) sistemi di produzione in considerazione di variazioni

Dettagli

31/10/2012. Lo studio delle funzioni permette di interpretare la variazione di due grandezze, l una rispetto l altra, quando

31/10/2012. Lo studio delle funzioni permette di interpretare la variazione di due grandezze, l una rispetto l altra, quando FUNZIONI MATEMATICHE Introduzione Lo studio delle funzioni permette di interpretare la variazione di due grandezze, l una rispetto l altra, quando tra le due esiste un legame di tipo matematico. La teoria

Dettagli

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili:

Abbiamo visto due definizioni del valore medio e della deviazione standard di una grandezza casuale, in funzione dalle informazioni disponibili: Incertezze di misura Argomenti: classificazione delle incertezze; definizione di incertezza tipo e schemi di calcolo; schemi per il calcolo dell incertezza di grandezze combinate; confronto di misure affette

Dettagli

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R

Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.

Dettagli

STUDIO DI SETTORE VG82U

STUDIO DI SETTORE VG82U ALLEGATO 18 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE VG82U SERVIZI PUBBLICITARI, RELAZIONI PUBBLICHE E COMUNICAZIONE CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio di

Dettagli

Francesco Biccari (biccari@gmail.com) Maria Grazia Polidoro (mariagraziapolidoro@gmail.com) 24 gennaio 2013. Prerequisiti

Francesco Biccari (biccari@gmail.com) Maria Grazia Polidoro (mariagraziapolidoro@gmail.com) 24 gennaio 2013. Prerequisiti Schema dettagliato di una lezione rivolta a una classe di studenti del secondo biennio del liceo scientifico. Argomento: Studio di funzione. Dominio, insieme di positività, simmetrie. Francesco Biccari

Dettagli

Università degli Studi di Milano

Università degli Studi di Milano Università degli Studi di Milano Laurea in Scienza della Produzione e Trasformazione del Latte Note di Calcolo delle Probabilità e Statistica STEFANO FERRARI Analisi Statistica dei Dati Note di Calcolo

Dettagli

Scheda n.5: variabili aleatorie e valori medi

Scheda n.5: variabili aleatorie e valori medi Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata

Dettagli

Università del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a. 2002 2003. Corso di Statistica Medica. Inferenza sulle medie

Università del Piemonte Orientale. Corso di dottorato in medicina molecolare. a.a. 2002 2003. Corso di Statistica Medica. Inferenza sulle medie Università del Piemonte Orientale Corso di dottorato in medicina molecolare aa 2002 2003 Corso di Statistica Medica Inferenza sulle medie Statistica U Test z Test t campioni indipendenti con uguale varianza

Dettagli

Sviluppi di Taylor Esercizi risolti

Sviluppi di Taylor Esercizi risolti Esercizio 1 Sviluppi di Taylor Esercizi risolti Utilizzando gli sviluppi fondamentali, calcolare gli sviluppi di McLaurin con resto di Peano delle funzioni seguenti fino all ordine n indicato: 1. fx ln1

Dettagli

Probabilità discreta

Probabilità discreta Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che

Dettagli

Analisi di scenario File Nr. 10

Analisi 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

Dettagli

Concetti introduttivi

Concetti introduttivi Indice 1 Concetti introduttivi 3 1.1 Studi sperimentali e studi osservazionali..................... 3 1.2 Concetti iniziali: indipendenza fra eventi..................... 6 1.3 Indipendenza fra variabili

Dettagli

f(x) = x3 2x 2x 2 4x x 2 x 3 2x 2x 2 4x =, lim lim 2x 2 4x = +. lim Per ricavare gli asintoti obliqui, essendo lim

f(x) = x3 2x 2x 2 4x x 2 x 3 2x 2x 2 4x =, lim lim 2x 2 4x = +. lim Per ricavare gli asintoti obliqui, essendo lim Esercizi 0//04 - Analisi I - Ingegneria Edile Architettura Esercizio. Studiare la seguente funzione e disegnarne il graco. Soluzione: f(x) = x3 x x 4x La funzione è denita dove il denominatore risulta

Dettagli

4 FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMO

4 FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMO 4 FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMO 4.0. Esponenziale. Nella prima sezione abbiamo definito le potenze con esponente reale. Vediamo ora in dettaglio le proprietà della funzione esponenziale a,

Dettagli

Funzioni e loro invertibilità

Funzioni e loro invertibilità Funzioni e loro invertibilità Una proposta didattica di Ettore Limoli Definizione di funzione Sono dati due insiemi non vuoti A (dominio) e B (codominio) Diremo che y=f(x) è una funzione, definita in A

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

INTEGRALI: alcuni esercizi con svolgimento

INTEGRALI: alcuni esercizi con svolgimento INTEGRALI: alcuni esercizi con svolgimento. Entro certi limiti, per stendere una molla occorre applicare una forza proporzionale allo spostamento. Se lo spostamento è x la forza è F (x) = cx con c costante

Dettagli

Tecniche di DM: Link analysis e Association discovery

Tecniche di DM: Link analysis e Association discovery Tecniche di DM: Link analysis e Association discovery Vincenzo Antonio Manganaro vincenzomang@virgilio.it, www.statistica.too.it Indice 1 Architettura di un generico algoritmo di DM. 2 2 Regole di associazione:

Dettagli