ELEMENTI DI STATISTICA PER IDROLOGIA

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "ELEMENTI DI STATISTICA PER IDROLOGIA"

Transcript

1 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 da un numero elevato di cause sconosciute e/o parzialmente note e che, quindi, non sono prevedibili a priori. Le grandezze idrologiche possono essere considerate variabili casuali. Ad esempio le portate massime annuali in un corso d acqua non sono prevedibili e si succedono con variazioni di entità rilevante e possono quindi apparire come una serie di numeri casuali. Per determinare il possibile campo di valori che può assumere una grandezza idrologica si esegue sulla base di dati noti un analisi statistico-probabilistico al fine di individuare la distribuzione di probabilità che segue per associare ad ogni valore che può assumere la grandezza idrologica la frequenza con cui si verifica. Per tempo di ritorno Tr si intende l intervallo di tempo, per essere più precisi il numero di anni, in cui un dato valore di una grandezza idrologica viene mediamente uguagliato o superato una sola volta. Per evento si intende il verificarsi di un qualsiasi valore della variabile casuale superiore od inferiore ad un valore prefissato o compreso in un possibile intervallo due valori prestabiliti. Il verificarsi di un valore della grandezza idrologica uguale o superiore a quello prefissato è un evento con tempo di ritorno Tr pari al numero di anni di osservazione. Il tempo di ritorno è quindi univocamente collegato ad un prefissato valore della grandezza idrologica. Ad esempio se un anno il valore massimo della portata convogliata dal fiume Po è Q = 7 m 3 /s e l anno successivo è Q = 6 m 3 /s, il primo valore corrisponde ad un tempo di ritorno di due anni, ovvero accade ogni due anni, mentre il secondo corrisponde ad un tempo di ritorno di un anno, ovvero viene uguagliato o superato ogni anno. ell esempio sopra riportato la stima del tempo di ritorno associata ad un evento (verificarsi del valore della grandezza idrologica) è basata su una finestra di osservazione di due anni. Prendendo in considerazione una finestra di osservazione di più anni, i tempi di ritorno associati ai valori considerati possono cambiare. Data una qualsiasi variabile casuale si definisce popolazione l insieme di tutti i valori che la variabile casuale può assumere. Si definisce campione di dimensione, un insieme di valori estratto dalla popolazione della variabile casuale. Ad esempio i valori di precipitazione massima annuale registrati da un pluviometro per la durata di un ora per il periodo 97- costituiscono un campione della popolazione della variabile casuale precipitazione massima annuale per la durata di un ora nella località in cui è stata registrata.

2 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 Analisi statistica preliminare del campione e funzioni di frequenza L analisi statistica preliminare del campione si esegue per descrivere l andamento dei valori del campione. Si ordinano gli valori della variabile casuale che costituiscono il campione in senso crescente o decrescente. Il campione viene quindi suddiviso in classi che comprendono più di un elemento. Il numero di classi k è stabilito mediante la relazione di Snedecor: k = +.33 ln () Il valore di k ottenuto tramite la relazione () deve essere arrotondato ad un numero intero: con =, k = 4.98, si assume k = 5, con = 5, k = 6., si assume k = 6. Si determinano quindi gli estremi delle classi in cui si vuole suddividere il campione. L estremo inferiore della prima classe x è un valore della variabile casuale minore del valore minimo del campione mentre l estremo superiore dell ultima classe x è un valore della variabile casuale maggiore od uguale al valore massimo del campione. Fissati gli estremi inferiore e superiore della prima ed ultima classe si stabiliscono gli estremi delle rimanenti classi dividendo l intervallo tra i due estremi in parti uguali o diseguali. Gli elementi del campione facenti parte di una classe di estremi x i ed x i+ (x i < x i+ ) sono quelli per cui il loro valore x è compreso tra gli estremi della classe che viene considerata chiusa a destra: x i < x x i+ Il numero di elementi di un campione f Ai contenuti in una classe è denominato frequenza assoluta di classe. Si definisce frequenza relativa f Ri il rapporto fra la frequenza assoluta di classe e la dimensione del campione: f Ri = f Ai /. La frequenza relativa di classe indica la percentuale di elementi del campione compresi in quella classe, ovvero la frequenza con cui si presenta un qualsiasi elemento contenuto in quella classe. Si introduce il rapporto g i = f Ai /( (x i+ x i )), denominato densità di frequenza relativa che rapporta la frequenza relativa f Ai / all ampiezza della classe (x i+ x i ). La rappresentazione grafica della densità di frequenza relativa è l istogramma di frequenza relativa costituito da un insieme di rettangoli aventi per base l ampiezza di classe x i+ x i e per altezza la densità di frequenza relativa g i (fig. ). La densità di frequenza relativa indica come è distribuita la frequenza relativa in funzione dei valori del campione. Ad esempio se un campione è composto di 9 elementi divisi in due classi la cui ampiezza è l una il doppio dell altra e con un corrispondente numero di elementi l uno il doppio

3 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 3 dell altro la densità di frequenza relativa è uguale per ogni classe, ovvero il campione è distribuito uniformemente e qualsiasi elemento del campione si presenta con la stessa frequenza (fig. a). g x x x 3 x 4 x 5 x 6 x Figura. Istogramma di frequenza relativa. Se invece il numero di elementi del campione in classi di ampiezza l una il doppio dell altra è l uno la metà dell altro la distribuzione non è uniforme è la densità di frequenza con cui si presentano gli elementi appartenenti alla classe di ampiezza maggiore è ¼ di quella con cui si presentano gli elementi appartenenti alla classe di ampiezza minore (fig. b). L istogramma di frequenza relativa permette di visualizzare la distribuzione di frequenza relativa per tutti i valori degli elementi del campione. La somma delle aree delle barre costituenti l istogramma è perchè rappresenta la frequenza con cui si presenta l insieme di tutti gli elementi del campione. g.3 a) g.3 b) x x Fig.. Istogrammi di frequenza relativa con 6 elementi nella prima classe e 3 elementi nella seconda (a) e con 3 elementi nella prima classe e 6 elementi nella seconda (b). Si definisce frequenza cumulata di non superamento F a il numero di elementi del campione che hanno un valore minore od uguale ad uno prefissato: x x prefissato. Se si scelgono come valori prefissati gli estremi superiori di ogni classe la frequenza cumulata di non superamento coincide con la somma progressiva delle frequenze assolute di classe f ai :

4 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 4 i F a (x x i+ ) = f aj () j= el caso si scelgano come valori prefissati gli elementi stessi del campione la frequenza cumulata di non superamento è il numero di ordine in senso crescente dell elemento: con F a (x x i ) = i (3) F a Si definisce frequenza cumulata relativa di non superamento F, la frequenza cumulata di non superamento divisa per la dimensione del campione (numero di elementi dello stesso). In questo caso: i F(x x i ) = (4) con / F La frequenza cumulata di non superamento è rappresentata graficamente dalla curva spezzata di cumulata di non superamento (fig. 4). La frequenza relativa e la densità di frequenza relativa insieme alle frequenza cumulata di superamento/non superamento sono funzioni di frequenza, ovvero indicano la frequenza con cui si presentano uno od un insieme di elementi del campione. Il tempo di ritorno di un elemento del campione per la definizione al paragrafo precedente è: Tr (x = x i ) = = (6) F(x x ) - F(x < x ) i i Ad esempio considerando un campione di dieci valori di portata massima annuale in un corso d acqua posto in ordine crescente (Q i i =,; Q i < Q i+ ) l elemento Q 9 viene uguagliato o superato due volte in dieci anni e per cui si verifica mediamente una volta ogni cinque anni ed ha quindi un tempo di ritorno pari a 5 anni. La frequenza cumulata relativa di superamento è / = /5 che è il valore inverso del tempo di ritorno.

5 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 5 Secondo la relazione (4) vale F(x x ) = / =, il che significa associare al valore massimo del campione x una frequenza cumulata relativa di non superamento pari ad uno, ovvero, tutti i valori del campione sono minori od uguali di x, il che esteso alla popolazione da cui il campione è estratto significa che tutti gli elementi della popolazione devono essere minori od uguali di x che può non essere vero. Per ovviare a questo inconveniente la frequenza cumulata di non superamento viene stimata mediante la formula di plotting position di Weibull: i F(x x i ) = (5) + per cui al valore massimo del campione viene associata una frequenza cumulata relativa di non superamento leggermente inferiore ad uno (/(+)). ella tabella I, in prima colonna, sono presentate le precipitazioni massime annuali corrispondenti alla durata h misurate dalla stazione pluviometrica di San Martino di Castrozza (T) negli anni che vengono ordinate in senso crescente in seconda colonna. In terza colonna sono poste le corrispondenti frequenze cumulate relative di non superamento ed in quarta colonna il corrispondente tempo di ritorno relativo alla finestra di osservazione di 3 anni, uno in più della reale finestra di osservazione per tener conto dell utilizzo della formula di plotting position: + Tr = = (7) i + - i + Tabella. Precipitazione massime annuali (x) di durata ora registrati dalla stazione pluviometrica di San Martino di Castrozza (Tn) e le corrispondenti funzioni di frequenza ed il tempo di ritorno associato. Anno x (mm) i x i (mm) F(x x i ) Tr

6 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7// Gli anni in cui non si hanno dati (ad esempio il 953) non sono considerati e nel caso che in anni differenti sia registrato lo stesso valore di precipitazione, questi, viene considerato per ogni anno in cui compare come un valore a se stante e quindi nella tabella nella colonna x j si possono avere valori uguali e consecutivi ma caratterizzati da una frequenza diversa proprio perché considerati indipendenti l uno dall altro. elle figure 3 e 4 sono illustrati l istogramma di frequenza relativa e la spezzata di cumulata relativa di non superamento del campione in tabella I.

7 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 7. g x Figura 3. Istogramma di frequenza relativa del campione in tabella. F x Figura 4. Spezzata di frequenza cumulata relativadi non superamento per il campione in tabella. 3 Concetto di probabilità e di probabilità cumulata di non superamento La densità di probabilità p(x) associata ad un dato valore x della popolazione della variabile casuale esprime la frequenza con cui il valore x si può presentare. La probabilità cumulata di non superamento P(x X) esprime la frequenza con cui si presenta un valore x della variabile casuale minore od uguale del prefissato X. La probabilità cumulata di superamento P(x X) esprime la frequenza con cui si presenta un valore x della variabile casuale

8 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 8 maggiore od uguale del prefissato X. La probabilità cumulata di non superamento e la probabilità cumulata di superamento sono complementari rispetto ad perché qualsiasi valore generico x della variabile casuale è sicuramente o maggiore o minore od uguale a X e quindi si presenta sempre e la sua frequenza è l unità. Vale: P(x X) + P(x > X) = Ambedue la probabilità cumulata di non superamento e di superamento sono comprese tra ed. In base alla definizione della probabilità cumulata di superamento il tempo di ritorno è l inverso della probabilità cumulata di superamento ed è tale che: Tr = = (8) P(x X) - P(x < X) 4 Curva densità di probabilità e curva probabilità cumulata di non superamento L istogramma di frequenza relativa è costruito con un campione di elementi estratto da una popolazione di una variabile casuale. Se si aumenta la dimensione del campione, aumenta il numero di classi k (eq. ) e diminuisce l ampiezza delle stesse per cui si ottiene un istogramma meglio definito nella forma (fig. 5). Se la dimensione del campione tende ad infinito, ovvero estendendo il campione all intera popolazione, il numero di classi tende all infinito, l ampiezza delle stesse a zero. La densità di frequenza relativa diviene, quindi, rappresentativa di un solo valore x della variabile casuale e non più ad un intervallo di valori e viene chiamata densità di probabilità ed è indicata con p(x) mentre l istogramma di frequenza relativa diventa una curva continua chiamata curva densità di probabilità (fig. 6). La densità di probabilità p(x) esprime la frequenza con cui si presenta il valore x della variabile casuale cui si riferisce ed il prodotto p(x) dx, area sottesa dalla curva densità di probabilità tra i valori x dx/ e x + dx/, esprime la frequenza con cui si presenta un valore della variabile compreso tra x dx/ e x + dx/ (analogamente all istogramma). L area sottesa dalla curva p(x) per x x x, e tratteggiata in figura 6 esprime la frequenza con cui si presenta un valore di x compreso nel precedente intervallo.

9 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 9 g x Figura 5. Istogramma di frequenza relativa per un campione di dimensione = 5 L area sottesa dalla curva densità di probabilità vale perché rappresenta la frequenza con cui si presenta un qualsiasi possibile valore x della variabile casuale che è un evento certo: p(x) dx = (9) p( x) X X x Figura 6. Curva densità di probabilità (distribuzione doppio esponenziale) con area sottesa per x x x.

10 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 Analogamente la spezzata di cumulata di non superamento, estendendo il campione alla popolazione, diviene una curva continua e la frequenza cumulata relativa di non superamento F(x X) diviene la probabilità cumulata di non superamento P(x X) (fig. 7). Il valore della probabilità cumulata di non superamento è sempre minore od uguale ad, come spiegato nel paragrafo precedente. L area sottesa dalla curva densità di probabilità compresa tra il valore minimo che può assumere la nostra variabile casuale ed il valore X (fig. 8) è la probabilità cumulata di non superamento: p( ) x.4 X P(x X) = p(x) dx () X x Figura 7. Curva di probabilità cumulata di non superamento (distribuzione doppio esponenziale). P(xX) x Figura 8. Area sottesa per x X dalla curva densità di probabilità (distribuzione doppio esponenziale)

11 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 L estremo inferiore di integrazione è x = perché le variabili casuali considerate sono le grandezze idrologiche (precipitazioni, portate etc etc) caratterizzate da valori positivi altrimenti l estremo minore di integrazione è x = -. Essendo la derivata di un integrale la funzione integranda vale: p(x) = dp(x X) dx () Se la variabile casuale x è funzione della variabile casuale, = f(x), per cui Y = f(x) vale: e quindi: p() = P(x X) = P( Y) () dp( Y) dp(x X) = d dx dx d = dx p(x) d (3) p() d = p(x) dx (4) 5 Parametri I parametri sono entità che descrivono quantitativamente alcune caratteristiche della distribuzione dei valori di un campione o di una popolazione della variabile casuale generica x. I parametri si dividono in parametri di tendenza centrale che quantificano i valori verso cui si accentrano i valori del campione/popolazione e di dispersione che quantificano la dispersione dei valori del campione/popolazione rispetto ai primi. Appartiene ai parametri di tendenza centrale il valor medio (o media) dei valori del campione/popolazione. Il valor medio dei valori di un campione di dimensione estratto dalla popolazione della variabile casuale x è: x i i= x = (5) La densità di probabilità p(x) rappresenta la frequenza probabile con cui si presenta il generico valore x rispetto a tutti gli altri valori della variabile casuale. Il prodotto x p(x) rappresenta quindi il valore mediato del generico valore x rispetto a tutti gli altri valori della popolazione. Il valore medio dei valori che costituiscono la popolazione della variabile casuale è la somma di tutti i valori mediati :

12 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 µ = x p(x) dx (6) X Se la variabile casuale = a x + b è funzione lineare e crescente della variabile casuale x, tenendo conto della relazione (4), si ha: = p() d = (a x + b) p(x) dx = a x p(x) dx + b p(x) dx = a µ b (7) µ Y X + Appartengono ai parametri di dispersione, la deviazione standard, lo scarto quadratico medio e la varianza. Si definisce scarto la quantità x i - x differenza tra un valore del campione ed il suo valore medio. La somma degli scarti per gli elementi del campione è nulla per definizione di valore i i i i = = = medio (eq. 5): (x x) = x x = x x. La somma del quadrato degli scarti non è nulla perché vengono sommate quantità positive. La stessa proprietà vale per la popolazione. Si definisce deviazione standard per un campione di valori estratto da una popolazione di una variabile casuale la seguente: s X = i= (x i x) (8) Per la popolazione, il quadrato dello uno scarto viene mediato sulla popolazione tramite la densità di probabilità, e la deviazione standard assume la seguente espressione: X = X (x - µ ) p(x) dx (9) Si definisce varianza il quadrato della deviazione standard. Per il campione la varianza è la media del quadrato degli scarti: s X = i= (x i x) () Per la popolazione la varianza è il valore del quadrato dello scarto rispetto al valor medio mediato sull intera popolazione:

13 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 3 X = X (x - µ ) p(x) dx () Definito il valore atteso, il valore medio di una qualunque serie di valori o quantità generiche, il valor medio si suddivide la popolazione di una variabile casuale in campioni. Il valore atteso del valor medio dei singoli campioni estratti dalla popolazione risulta uguale al valor medio della popolazione: E( x ) = µ X Il valore atteso della varianza dei singoli campioni non è però uguale alla varianza della popolazione: E(s X ) X per cui la deviazione standard, per il campione, viene corretta, mediando il quadrato degli scarti su - valori, invece che con valori: s XC = i= (x i - x) () Analogamente la varianza del campione viene sostituita con la varianza corretta: per cui s XC = i= (x i - x) E(s XC ) = X (3) Le quantità deviazione standard e varianza indicano la dispersione dei valori del campione/popolazione intorno al valor medio degli stessi. Valori elevati di questi parametri significano grande dispersione dei valori del campione/popolazione, ovvero la maggior parte dei valori del campione/popolazione sono lontani dal valor medio mentre bassi valori di questi parametri indicano che la maggior parte dei valori del campione/popolazione sono vicini al valor medio. La deviazione standard non corretta è anche denominata scarto quadratico medio.

14 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 4 ella figura 9 sono illustrati i grafici delle funzioni di frequenza per il campione e le corrispondenti per la popolazione. ella tabella seguente si illustrano le grandezze ed i parametri che descrivono il campione e le corrispondenti grandezze e parametri della popolazione. Tabella. Rappresentazione di parametri e frequenze per il campione e la popolazione Campione frequenza relativa di classe g i Popolazione Densità di probabilità p(x) Frequenza relativa f ai /(x i+ - x i ) Frequenza relativa attesa p(x) dx Frequenza relativa cumulata di non superamento F(x X) g i (x i+ x i ) = Probabilità cumulata di non superamento P(x X) dx = Valor medio x = i= x i Valor medio µ X = x p(x) dx Deviazione standard s XC = Varianza s XC = i= i= (x i - (x i x) Deviazione standard X = (x - µ - x) Varianza X = (x - µ X X ) ) p(x) dx p(x) dx

15 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 5 g..5 p( x)..5 F x P(xX) x x x x x 35 4 x Figura 9. Funzioni di frequenza per il campione e le corrispondenti per la popolazione. 6 Distribuzioni di probabilità Le espressioni della densità di probabilità p(x) e della probabilità cumulata di non superamento P(X x) sono anche indicate con il termine distribuzioni di probabilità perché rappresentano la distribuzione delle funzioni di frequenza per tutti i valori della popolazione della variabile casuale. Le distribuzioni di probabilità sono, in genere, funzioni della variabile casuale x e dei parametri valor medio e varianza o funzioni di questi parametri. 7 Distribuzione doppio esponenziale o di Gumbel La distribuzione doppio esponenziale, nota anche come distribuzione di Gumbel o dei valori estremi di tipo, segue la seguente legge: xu P(x X) = e e (4) essendo ed u due costanti che cambiano da popolazione a popolazione. Si introduce la variabile ridotta : x u = (5)

16 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 6 e l eq. 4 diventa: P( Y) = e e (6) che è di più semplice utilizzo. La densità di probabilità p() è: p() = dp( Y) d = - e e e (7) Il valore medio della popolazione della variabile casuale che segue la distribuzione di probabilità secondo la relazione (7) è: e µ = e e d =.577 (8) L integrale ha come estremo di integrazione minore - invece che perché la variabile casuale può assumere valori negativi in corrispondenza di valori positivi della variabile casuale x. La varianza della distribuzione di probabilità della variabile casuale è: Y = ( - µ Y ) p() d = ( -.577) p() d = (9) Essendo funzione lineare di x secondo le costanti parametriche u ed si ha (equazione 7): µ u = (3) x µ Y = x - u µ x u x µ x x ( - µ Y ) p() d = - p(x) dx = - p(x) dx = (3) - Combinando l eq. (9) con l eq. (3) si ha: = 6 x (3) che sostituita insieme alla (8) nella (3) porge:

17 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 7 6 u = x µ x.577 (33) Le equazioni (3) e (33) esprimono i parametri della distribuzione doppio esponenziale in funzione del valor medio e della varianza della popolazione che segue quella distribuzione. Si introduce una proprietà della distribuzione doppio esponenziale tramite l utilizzo del legame tra tempo di ritorno Tr e probabilità cumulata di non superamento. Tramite l eq. (6) si ottiene: Dall eq. (8) si ottiene: ln ln ( P( Y) ) = - e ( ln( P( Y) )) = ( ln( P( Y) )) = ln (34) - P( Y) = Tr Tr - P( Y) = - = (35) Tr Tr che sostituita a secondo membro dell eq. (35) permette: Tr = lnln (36) Tr - sostituendo nella relazione (36) l espressione che la lega la variabile casuale alla variabile casuale x si ottiene: e quindi x - u Tr = lnln Tr - Tr x = lnln + u (37) Tr - oto il valore del tempo di ritorno Tr, il corrispondente valore della variabile casuale x viene calcolato tramite l eq. (37), mentre, noto il valore della variabile casuale x, il corrispondente valore del tempo di ritorno si ottiene tramite l eq. (8) dopo aver calcolato il valore della variabile ridotta

18 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 8 tramite l eq. (5) e della corrispondente probabilità cumulata di non superamento P( Y) tramite l eq. (6) tenendo conto che P(x X) = P( Y). 8 Distribuzione lognormale La distribuzione di probabilità lognormale è la distribuzione di una variabile casuale continua x tale che la variabile casuale = ln x segue la distribuzione di probabilità normale di Gauss: µ p() = e (38) essendo funzione di x vale la relazione (4) per cui: e p(x) = p() d/dx ln x µ p(x) = e (39) x I parametri della distribuzione sono µ Y e Y che sono legati ai parametri della popolazione della variabile casuale x dalle seguenti relazioni ottenute introducendo la variabile ridotta: µ z = (4) per cui: z d p(z) = p() = p() = e (4) dz z + µ µ = = = = x x p(x) dx x p() d e p() d e p(z) dz

19 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 9 µ x -.5 z = e + z + µ dz = µ e + / (4) da cui: µ x µ / = e + (43) µ = ln µ x (44) X = ( x - x µ x + µ x ) p(x) dx = x p(x) dx - µ x x p(x) dx µ x (x - µ x ) p(x) dx = + - p(x) dx introducendo la variabile si ottiene: e quindi la variabile z: X e p() d - µ x µ x - += ( z ) -.5 z z µ µ X = e p(z) dz - µ x = e dz - µ x - - sostituendo la 4 e la 4 si ottiene: x 4 µ + µ + ( + ) µ = e = e = e µ e x e da cui: e = x µ x + = ln x + (45) µ x I parametri µ e sono legati ai parametri µ x e x della popolazione tramite le relazioni (44) e (45). Si introduce una proprietà della distribuzione lognormale. La variabile ridotta z segue la legge di

20 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 distribuzione data dalla relazione (4) e fissato Z rimane fissata la probabilità cumulata di non superamento: Z z P(z Z) = e dz (46) I valori di P(z Z) secondo la (46) sono tabulati in funzione di z. Se è noto il valore di z è anche noto il valore di P(z Z) e quindi il tempo di ritorno Tr = /( P(z Z)). Se, invece, è noto Tr, si ottiene P(z Z) = (Tr-)/Tr e tramite i valori tabulati si stima il corrispondente valore di z. Conoscendo i parametri della distribuzione tramite la (4) ed essendo = ln x dal valore z si ottiene il corrispondente valore della variabile casuale x e viceversa. 9 Carta probabilistica La carta probabilistica è un diagramma con in ascissa il valore della variabile casuale ed in ordinata il corrispondente valore della probabilità cumulata di non superamento. Poiché quest ultima è legata al tempo di ritorno Tr (eq. (8)) è presente un secondo asse delle ordinate con il tempo di ritorno. Il procedimento di associare ad un qualunque valore della variabile casuale x, il corrispondente della probabilità cumulata di non superamento si realizza tramite la variabile ridotta che diventa il terzo asse delle ordinate della carta probabilistica. Per la distribuzione doppio esponenziale la relazione tra variabile casuale x e variabile ridotta è (eq. 5): x u = mentre quello tra la variabile ridotta e la probabilità cumulata di non superamento (eq. (34)) è: = ln ( ln( P( Y) )) Poiché la variabile è funzione della probabilità cumulata di non superamento, la retta = (x u)/ individua la popolazione dei valori della variabile casuale x che segue la distribuzione doppio esponenziale di parametri u ed (fig. ). ella figura è illustrata la carta probabilistica della distribuzione doppio esponenziale in cui in ascissa in scala decimale è posta la variabile x ed in

21 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ordinata in scala decimale c e la variabile ridotta ed in scala dipendente dal legame = f(p) e/o = f(tr) ci sono la probabilità cumulata di non superamento P( Y) ed il tempo di ritorno Tr. Figura. Rappresentazione di una popolazione di valori tramite una retta nella carta probabilistica della distribuzione doppio esponenziale. Figura. Carta probabilistica della distribuzione doppio esponenziale. Per la distribuzione lognormale la relazione tra il logaritmo della variabile casuale x, = ln x, e variabile ridotta z è (eq. 4):

22 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 z = µ Poiché la variabile ridotta z segue la distribuzione normale di Gauss è possibile stabilire noto un valore z della stessa il corrispondente valore della probabilità cumulata di non superamento P(z Z) tramite la tabella 3. La retta z = ( µ )/ individua la popolazione dei valori del logaritmo della variabile casuale x che segue la distribuzione lognormale di parametri µ ed (fig. ). ella figura 3 è illustrata la carta probabilistica della distribuzione lognormale in cui in ascissa in scala logaritmica c e la variabile x ed in ordinata in scala decimale c e la variabile ridotta z ed in scala dipendente dalla distribuzione normale di Gauss la probabilità cumulata di non superamento P(z Z). µ Figura. Rappresentazione di una popolazione di valori tramite una retta nella carta probabilistica della distribuzione lognormale I valori in tabella 3 esprimono la probabilità secondo la distribuzione normale di Gauss che si abbia z Z. el caso Z =.7, questa probabilità è.6 (area tratteggiata in figura 4). La distribuzione di densità di probabilità normale di Gauss è simmetrica rispetto all origine. Per calcolare la probabilità cumulata di non superamento, per il caso di Z positivo al valore in tabella deve essere aggiunto la quantità.5 pari a all area sottostante la curva densità di probabilità per i valori negativi di Z (fig. 4). Per esempio la probabilità cumulata di non superamento per Z =.7 è P(.7) = =.76. el caso di valori negativi di z la probabilità cumulata di non superamento è il complementare a.5 del valore in tabella 3 (fig. 4). Per esempio la probabilità cumulata di non superamento per Z = -.7 è P(-.7) = = -.388

23 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 3 Figura 3. Carta probabilistica della distribuzione lognormale. Tabella 3. Valori della probabilità secondo la distribuzione normale di Gauss per z Z. Z l

24 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7// Figura 4. Curva densità di probabilità della distribuzione normale di Gauss.

25 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 5 Adattamento di una distribuzione di probabilità ad un campione: interferenza statistica L obbiettivo dell analisi statistico-probabilistico è quella di individuare la distribuzione di probabilità della variabile casuale considerata che permette di associare ad ogni valore della variabile casuale la sua frequenza probabile, ovvero il suo tempo di ritorno. Ipotizzata una possibile distribuzione di probabilità seguita dalla popolazione le incognite da determinare per stimare la frequenza corrispondente ad ogni singolo valore della variabile casuale sono i parametri della distribuzione stessa. Una qualsiasi retta sulla carta probabilistica individua una popolazione che segue la distribuzione di probabilità con parametri individuati tramite il coefficiente angolare e l intercetta sull asse delle ordinate. I parametri della distribuzione vengono stimati ricercando la retta che permette il miglior allineamento possibile dei valori del campione riportati sulla carta probabilistica. I valori del campione sono riportati sulla carta probabilistica approssimando la probabilità cumulata di non superamento con la frequenza cumulata di non superamento stimata mediante una formula di plotting position. Questa assunzione è tanto più vera quanto più è grande la dimensione del campione. Si consideri una variabile casuale x, distribuita con probabilità P(x) e si estragga dalla sua popolazione un campione di valori. La differenza tra la frequenza cumulata di non superamento e la probabilità cumulata di non superamento di ogni singolo valore tende a zero all aumentare di. Questa affermazione non si può dimostrare e costituisce un postulato che viene accettato dall esperienza: al crescere del numero di osservazioni la frequenza cumulata di non superamento associata ad un evento converge alla probabilità cumulata di non superamento. Affinché tale procedura di stima abbia un significato statistico il campione deve essere sufficientemente rappresentativo della popolazione, ovvero questi deve avere una dimensione superiore od uguale a 3. In caso contrario la media e la varianza del campione possono differire sensibilmente dai corrispondenti valori della popolazione ed l adattamento della distribuzione di probabilità al campione non è assicurato.la ricerca della miglior retta possibile viene eseguita tramite il metodo dei momenti, il metodo dei minimi quadrati ed il metodo di Gumbel.

26 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 6 Metodo dei momenti Il metodo dei momenti consiste nello stimare i parametri della distribuzione di probabilità tramite il valor medio e la varianza del campione. La retta di miglior allineamento è quindi individuata dai parametri del campione. Si attribuiscono alla popolazione il valor medio e la varianza del campione: µ X = x X = s XC Per la distribuzione doppio esponenziale le relazioni che legano i parametri ed u alla media ed alla varianza della popolazione (eq. 3 e 33) diventano: 6 sxc = (47) 6 sxc u = x.577 (48) Le espressioni (47) e (48), sostituite nell eq. (5), permettono di individuare la retta di miglior allineamento secondo il presente criterio: 6 s XC x x x u = = (49) 6 s XC Sulla carta probabilistica si riportano i valori del campione e la retta secondo l eq. (49). Il disegno della retta permette una stima visiva e soggettiva per la verifica del miglior all allineamento dei punti del campione. Tramite la retta è possibile determinare un valore della variabile casuale x per un assegnato tempo di ritorno Tr e viceversa (fig. 5). L utilizzo della retta esemplifica le operazioni analitiche per determinare le coppie di valori (x,tr), l uno in funzione dell altro, tramite l eq. (37) o tramite le eq. (5), (6) e (35). In tabella 4 si riportano i valori del campione in tabella insieme al quadrato dello scarto (x i - x ) corrispondente ad ogni valore.

27 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 7 Figura 5. Utilizzo della retta che rappresenta la popolazione per determinare il valore della variabile x corrispondente ad un fissato tempo di ritorno Tr. Tabella 4. Valori del campione ed i corrispondenti quadrati degli scarti dal valor medio. i x i (mm) (x i - x )

28 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7// La somma dei valori del campione e del quadrato degli scarti sono e Il valor medio, la deviazione standard e la varianza corrette sono: x = 458.4/3 = 4.79 mm s XC = 86.7/3 = 8.73 s XC = 8.73 / = 5.36 I parametri ed u secondo le eq. (47) e (48) sono: 6 x 8.73 = = x 8.73 u = x =.38 Sostituendo i valori di u ed nella eq. (5) si ottiene la retta che individua la popolazione sulla carta probabilistica: =.39 x.96 La retta viene disegnata in figura 6 congiungendo due coppie di valori determinate tramite l equazione di cui sopra: (,-.57) e (,.8) insieme ai valori del campione rappresentati dai punti di coordinate (x i, F i ) secondo la tabella (le frequenze cumulate di non superamento sono considerate come probabilità cumulate di non superamento).

29 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 9 Figura 6. Adattamento della distribuzione doppio esponenziale al campione: metodo dei momenti. Per la distribuzione lognormale l utilizzo del metodo dei momenti permette la stima dei parametri µ Y e Y attribuendo alla popolazione il valor medio e la varianza del campione e le eq. (45) e (44) diventano: s XC = ln + (5) x µ s XC = ln x.5 ln + x (5) Le espressioni (5) e (5), sostituite nell eq. (4), permettono di individuare la retta di miglior allineamento secondo il presente criterio: z = µ Y Y s ln x ln x +.5 ln x = s ln XC + x XC + (5) Dato il campione di = 3 elementi riportato in tabella, i parametri µ Y e Y secondo le eq. (5) e (5) sono:

30 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7// = ln + = Y = µ = ln x ln + = La retta che individua la popolazione sulla carta probabilistica è: z =.865 ln x La retta viene disegnata in figura 7 congiungendo due coppie di valori determinate tramite l equazione di cui sopra: (,-.947) e (,.39) insieme ai valori del campione secondo la tabella. Figura 7. Adattamento della distribuzione lognormale al campione: metodo dei momenti. Metodo dei minimi quadrati Il metodo dei minimi quadrati assume come retta di miglior allineamento quella per cui si ha il minimo della somma dei quadrati degli scarti tra i valori x i del campione ed i corrispondenti della retta incognita xˆ i (fig 8).

31 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 3 Figura 8. Interpolazione lineare ai minimi quadrati. Questa retta è denominata retta ai minimi quadrati o di interpolazione lineare ed il procedimento è anche noto come interpolazione lineare. La retta ai minimi quadrati, x = A + B, minimizza la somma dei quadrati degli scarti D per le coppie di valori (x i, i ): D = i= (x i xˆ ) i = i= (x i (A i + B)) I valori di A e B che rendono minimo D sono quelli per cui le derivate di D rispetto ad A ed B si annullano: D = A D = B La soluzione del sistema costituito dalle due soprascritte è: s A = (53) s XY Y B = x A (54) essendo x ed i valori medi delle coordinate degli valori ed s XY la covarianza:

32 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 3 s XY (x i x)(i ) i= = (55) el caso si fosse minimizzata la somma degli scarti orizzontali, ovvero gli scarti della variabile, le relazioni (53) e (54) valgono ancora sostituendo a denominatore della (53) s X con s Y. Il calcolo della covarianza s XY può essere semplificato utilizzando i valori medi di x ed : (x i x)(i ) (x ii x i - xi + x) x ii x i i i= i= i= i= i= sxy = = = x + x x ii x i i x ii i= i= i= i= sxy = x + x = x x + x s XY = i= x i i x (56) Per la distribuzione doppio esponenziale valgono le eq. (34) e (36) per cui: = ln ( ln( P( Y) )) Tr = lnln Tr - Si approssima la probabilità cumulata di non superamento dei valori del campione con la frequenza di probabilità cumulata di non superamento stimata mediante la formula di plotting position di Weibull (eq. 5). Per il campione estratto da una popolazione che segue la distribuzione doppio esponenziale vale: Tr = ln( ln( F( Y) )) = lnln (57) Tr - Essendo la frequenza cumulata di non superamento F( Y) stimata con la formula di Weibull (eq. 5) F( i ) = i/(+) il valor medio, la deviazione standard s Y e la varianza s Y della variabile ridotta dipendono dalla dimensione del campione e sono tabulati nelle tabelle 5a,b. In questo caso per la

33 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 33 deviazione standard e la varianza si utilizzano le espressioni (8) e (9), ovvero si fa riferimento ai parametri non corretti. Tabella 5. Valori medi e deviazione standard della variabile ridotta in funzione della dimensione del campione Valore medio della variabile ridotta Deviazione standard della variabile ridotta s Y rappresenta le decine e la prima riga le unità: per esempio: =4, m =.5448, S =.458) Il legame lineare tra x ed espresso dalla retta ai minimi quadrati esplicitando è: x B = A (58) Confrontando le eq. (5) e (58) e tenendo conto delle (53) e (54) si ha: s = A = s XY Y (59) sxy u = B = x (6) s Y Sostituendo i valori di u ed nella eq. (5) o di A ed B nella eq. (58) si ottiene la retta di miglior allineamento secondo il presente criterio:

34 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 34 x - u s Y = = (x - x) + (6) s XY In tabella 6 sono riportati i valori di x i ed i con i corrispondenti prodotti x i i. Tabella 6. Valori x del campione con i corrispondenti valori di ed il prodotto x i x i (mm) F i i x i i

35 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 35 La sommatoria dei prodotti x i i è il valore di, secondo la tabella 5 (=3) è.537 (il valor medio x, stimato nel paragrafo precedente è 4.79). La covarianza calcolata secondo l eq. (56) per il campione in tabella è: s XY = 46.33/ x.537 = 5.89 La deviazione standard della variabile ridotta secondo la tabella 5 è s Y =.4 e la varianza è: s Y =.4 =.37 I valori di A () ed B (u) secondo le equazioni (53) e (54) sono: A = = s XY /s Y = 5.89/.37 = B = u = x - A = x.537 =.7 Sostituendo i valori A ed B nell espressione (58) (o di ed u nell eq. (5)) si ottiene la retta che individua la popolazione sulla carta probabilistica: =.3 x.6 La retta viene disegnata in figura 9 congiungendo due coppie di valori determinate tramite l equazione di cui sopra: (,-.48) e (,.65) insieme ai valori del campione secondo la tabella ed alla retta ottenuta con il metodo dei momenti. La retta ottenuta col metodo dei momenti permette un miglior allineamento rispetto alla retta ottenuta col metodo dei minimi quadrati. La retta ai minimi quadrati, essendo un interpolazione nel piano (x,), risente della dispersione dei punti sul cartogramma probabilistico, ovvero risente dell approssimazione della probabilità cumulata di non superamento dei valori del campione con la frequenza cumulata di non superamento determinata con la formula di plotting position, mentre la retta ottenuta con il metodo dei momenti dipendendo dalla deviazione standard e dalla media dei valori del campione non ne risente. Per la distribuzione lognormale non è possibile utilizzare in modo diretto il metodo dei minimi quadrati perché i valori della variabile ridotta z non sono noti a priori, ovvero non esiste una relazione analitica, come per la distribuzione doppio esponenziale, che esprima la variabile ridotta z in funzione della probabilità cumulata di non superamento o del tempo di ritorno. Per poter

36 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 36 utilizzare il metodo dei minimi quadrati occorre riportare sulla carta probabilistica tutti i valori del campione ed elemento per elemento determinare il valore della variabile ridotta z corrispondente alla frequenza cumulata di non superamento determinata tramite la formula di Weibull. Figura 9. Adattamento della distribuzione doppio esponenziale al campione: metodo dei minimi quadrati. 3 Metodo di Gumbel Il metodo di Gumbel per la ricerca della retta di miglior allineamento dei valori del campione nella carta probabilistica è un metodo di interpolazione analogo al metodo ai minimi quadrati. La retta di interpolazione viene determinata minimizzando invece che gli scarti la distanza delle coppie di valori ( i,x i ) del campione dalla retta stessa (fig. ). In questo caso i coefficienti A ed B della retta di interpolazione x = A + B diventano: sx A = (6) s Y B = x A (63)

37 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 37 Figura. Interpolazione lineare ai minimi quadrati tramite la distanza dalla retta. Le relazioni (eq. 59 e 6) che esprimono i parametri della distribuzione ed u in funzione di A e B rimangono valide sostituendo s XY con s X ed s Y con s Y e l espressione della retta di interpolazione per cui si ha il miglior allineamento dei punti, secondo il presente criterio è: x - u s Y = = (x - x) + (64) s X L espressione della retta è uguale a quella ottenuta tramite il metodo dei momenti (eq. 49) se =.577, s Y = / 6 ed s X = s XC. La procedura di adattamento della distribuzione doppio esponenziale al campione in tabella viene eseguita utilizzando i risultati ottenuti nei paragrafi precedenti. La somma del quadrato degli scarti è 86.7 e la standard non corretta è: 86.7 s X = = La deviazione standard non corretta della variabile ridotta (tabella 6, =3) è: s Y =.4 Il valore di, secondo la tabella 5 (=3) è:

38 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 38 =.537 Il coefficiente angolare A e l intercetta B della retta secondo il metodo di Gumbel, secondo le equazioni (6) e (63) sono: A = s X /s Y = 5.7/.4 = 4.58 B = x - A = x.537 =.56 Sostituendo i valori A ed B nell espressione (58) si ottiene la retta che individua la popolazione sulla carta probabilistica: =.4 x 3. In figura è disegnata la retta corrispondente al metodo di Gumbel insieme alle rette ottenute con il metodo dei momenti e dei minimi quadrati oltre ai valori del campione. Figura. Adattamento della distribuzione doppio esponenziale al campione: metodo di Gumbel. La retta ottenuta con il metodo di Gumbel permette un miglior allineamento dei punti del campione rispetto a quella ottenuta con i minimi quadrati perché la distanza tra punto e retta presenta una minor dispersione rispetto allo scarto sia verticale che orizzontale, ma uno peggiore rispetto alla retta ottenuta con il metodo dei momenti perché, quest ultima non risente dell approssimazione

39 Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 39 della probabilità cumulata di non superamento dei valori del campione con la frequenza cumulata di non superamento determinata con la formula di plotting position. 4 Test di Pearson o del Il test di pearson o del è un test convenzionale per stabilire se accettare o meno l adattamento di una distribuzione di probabilità ad un campione. Il campione viene diviso in un numero k di classi equi-probabili: la probabilità che un valore della popolazione ha di cadere in una classe è la stessa per tutte le classi. Indicata con p* = /k la probabilità che ha un valore di cadere in una classe equi-probabile, gli estremi delle classi equiprobabili dipendono dalla distribuzione di probabilità adattata. Gli estremi delle classi equiprobabili sono quei valori per cui P(x) = n p* (n =, k-), come illustrato nella figura, essendo p* k =. Figura. Divisione in intervalli equi-probabili della distribuzione doppio esponenziale (p* =.). Si confronta quindi per ogni classe il numero di elementi del campione che ricade nella classe con p* (/k), numero che rappresenta il numero di elementi del campione che cadrebbe in una classe equi-probabile se la distribuzione di probabilità si adattasse perfettamente al campione: punti allineati ed appartenenti alla retta che rappresenta la popolazione nella carta probabilistica.

Il concetto di valore medio in generale

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

Dettagli

LE FUNZIONI A DUE VARIABILI

LE 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

Dettagli

Relazioni statistiche: regressione e correlazione

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

Dettagli

1. Distribuzioni campionarie

1. 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

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Un 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

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

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

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

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

CONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)

CONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t) CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

Dettagli

Basi di matematica per il corso di micro

Basi di matematica per il corso di micro Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione

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

Teoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26

Teoria 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

Dettagli

Capitolo 13: L offerta dell impresa e il surplus del produttore

Capitolo 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:

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Capitolo 12 La regressione lineare semplice

Capitolo 12 La regressione lineare semplice Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara

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

SPC e distribuzione normale con Access

SPC e distribuzione normale con Access SPC e distribuzione normale con Access In questo articolo esamineremo una applicazione Access per il calcolo e la rappresentazione grafica della distribuzione normale, collegata con tabelle di Clienti,

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - 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 -

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

Prova 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.

Dettagli

~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE

~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.

Dettagli

FUNZIONE REALE DI UNA VARIABILE

FUNZIONE REALE DI UNA VARIABILE FUNZIONE REALE DI UNA VARIABILE Funzione: legge che ad ogni elemento di un insieme D (Dominio) tale che D R, fa corrispondere un elemento y R ( R = Codominio ). f : D R : f () = y ; La funzione f(): A

Dettagli

LEZIONE n. 5 (a cura di Antonio Di Marco)

LEZIONE n. 5 (a cura di Antonio Di Marco) LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,

Dettagli

SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015

SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015 SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 015 1. Indicando con i minuti di conversazione effettuati nel mese considerato, la spesa totale mensile in euro è espressa dalla funzione f()

Dettagli

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto:

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto: PROBLEMA 1. Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di 10 euro al mese, più 10 centesimi per ogni minuto di conversazione. Indicando

Dettagli

2 FUNZIONI REALI DI VARIABILE REALE

2 FUNZIONI REALI DI VARIABILE REALE 2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento

Dettagli

Psicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE

Psicometria (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

Dettagli

Grafici delle distribuzioni di frequenza

Grafici delle distribuzioni di frequenza Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma

Dettagli

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a) Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:

Dettagli

LEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3.

LEZIONE 7. Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2. 2, x3 +2x +3. 7 LEZIONE 7 Esercizio 7.1. Quale delle seguenti funzioni è decrescente in ( 3, 0) e ha derivata prima in 3 che vale 0? x 3 3 + x2 2 6x, x3 +2x 2 6x, 3x + x2 2, x3 +2x +3. Le derivate sono rispettivamente,

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004 ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 004 Il candidato risolva uno dei due problemi e 5 dei 0 quesiti in cui si articola il questionario. PRBLEMA Sia la curva d equazione: ke ove k e

Dettagli

Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 2014

Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 2014 Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 14 Problema 1 Punto a) Osserviamo che g (x) = f(x) e pertanto g () = f() = in quanto Γ è tangente all asse delle ascisse,

Dettagli

LA CORRELAZIONE LINEARE

LA 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

Dettagli

Vademecum studio funzione

Vademecum studio funzione Vademecum studio funzione Campo di Esistenza di una funzione o dominio: Studiare una funzione significa determinare gli elementi caratteristici che ci permettono di disegnarne il grafico, a partire dalla

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

matematica probabilmente

matematica probabilmente IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e

Dettagli

La distribuzione Gaussiana

La distribuzione Gaussiana Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione

Dettagli

Esempi di funzione. Scheda Tre

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

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

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

Dettagli

MATEMATICA 2001. p = 4/6 = 2/3; q = 1-2/3 = 1/3. La risposta corretta è quindi la E).

MATEMATICA 2001. p = 4/6 = 2/3; q = 1-2/3 = 1/3. La risposta corretta è quindi la E). MATEMATICA 2001 66. Quale fra le seguenti affermazioni è sbagliata? A) Tutte le funzioni ammettono la funzione inversa B) Una funzione dispari è simmetrica rispetto all origine C) Una funzione pari è simmetrica

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

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

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione

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

RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL

RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono

Dettagli

a) 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

a) 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

Dettagli

La categoria «ES» presenta (di solito) gli stessi comandi

La categoria «ES» presenta (di solito) gli stessi comandi Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:

Dettagli

Matematica e Statistica

Matematica e Statistica Matematica e Statistica Prova d esame (0/07/03) Università di Verona - Laurea in Biotecnologie - A.A. 0/3 Matematica e Statistica Prova di MATEMATICA (0/07/03) Università di Verona - Laurea in Biotecnologie

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

Statistica descrittiva: prime informazioni dai dati sperimentali SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni

Dettagli

Esponenziali elogaritmi

Esponenziali elogaritmi Esponenziali elogaritmi Potenze ad esponente reale Ricordiamo che per un qualsiasi numero razionale m n prendere n>0) si pone a m n = n a m (in cui si può sempre a patto che a sia un numero reale positivo.

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1

2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1 1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1

Dettagli

( x) ( x) 0. Equazioni irrazionali

( x) ( x) 0. Equazioni irrazionali Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza

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

Anno 4 Grafico di funzione

Anno 4 Grafico di funzione Anno 4 Grafico di funzione Introduzione In questa lezione impareremo a disegnare il grafico di una funzione reale. Per fare ciò è necessario studiare alcune caratteristiche salienti della funzione che

Dettagli

STATISTICA IX lezione

STATISTICA 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

Dettagli

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva

Università del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione

Dettagli

CONCETTO DI LIMITE DI UNA FUNZIONE REALE

CONCETTO DI LIMITE DI UNA FUNZIONE REALE CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e

Dettagli

CAPACITÀ DI PROCESSO (PROCESS CAPABILITY)

CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il

Dettagli

SOLUZIONI D = (-1,+ ).

SOLUZIONI D = (-1,+ ). SOLUZIONI. Data la funzione f() ( ) ln( ) a) trova il dominio di f b) indica quali sono gli intervalli in cui f() risulta positiva e quelli in cui risulta negativa c) determina le eventuali intersezioni

Dettagli

Indici di dispersione

Indici di dispersione Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo

Dettagli

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

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

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

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI

Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI Università degli Studi di Milano Bicocca CdS ECOAMM Corso di Metodi Statistici per l Amministrazione delle Imprese CARTE DI CONTROLLO PER VARIABILI 1. L azienda Wood produce legno compensato per costruzioni

Dettagli

Capitolo 2. Operazione di limite

Capitolo 2. Operazione di limite Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A

Dettagli

CONTINUITÀ E DERIVABILITÀ Esercizi risolti

CONTINUITÀ E DERIVABILITÀ Esercizi risolti CONTINUITÀ E DERIVABILITÀ Esercizi risolti. Determinare kπ/ [cos] al variare di k in Z. Ove tale ite non esista, discutere l esistenza dei iti laterali. Identificare i punti di discontinuità della funzione

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso 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

Dettagli

GRANDEZZE ALTERNATE SINUSOIDALI

GRANDEZZE ALTERNATE SINUSOIDALI GRANDEZZE ALTERNATE SINUSOIDALI 1 Nel campo elettrotecnico-elettronico, per indicare una qualsiasi grandezza elettrica si usa molto spesso il termine di segnale. L insieme dei valori istantanei assunti

Dettagli

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0.

L espressione torna invece sempre vera (quindi la soluzione originale) se cambiamo contemporaneamente il verso: 1 < 0. EQUAZIONI E DISEQUAZIONI Le uguaglianze fra espressioni numeriche si chiamano equazioni. Cercare le soluzioni dell equazione vuol dire cercare quelle combinazioni delle lettere che vi compaiono che la

Dettagli

CENNI DI METODI STATISTICI

CENNI DI METODI STATISTICI Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento

Dettagli

Il confronto fra proporzioni

Il confronto fra proporzioni L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,

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

FUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x)

FUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x) 1 FUNZIONE Dati gli insiemi A e B, si definisce funzione da A in B una relazione o legge o corrispondenza che ad ogni elemento di A associa uno ed un solo elemento di B. Si scrive: A B f: A B f() (si legge:

Dettagli

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010

LEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010 LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno

Dettagli

Funzioni. Funzioni /2

Funzioni. Funzioni /2 Funzioni Una funzione f è una corrispondenza tra due insiemi A e B che a ciascun elemento di A associa un unico elemento di B. Si scrive: f : A B l'insieme A si chiama il dominio della funzione f, l'insieme

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

Dettagli

Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : = y

Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : = y Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : ' = y y' = Consideriamo il punto P(,5) se eseguiamo tra trasformazione

Dettagli

RAPPRESENTAZIONE DEI DATI

RAPPRESENTAZIONE DEI DATI Rappresentazione dei Dati RAPPRESENTAZIONE DEI DATI Quando si dispone di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente Quandoil si loro dispone

Dettagli

La grafica. La built-in funzione grafica plot. x spezzata poligonale. discretizzato

La grafica. La built-in funzione grafica plot. x spezzata poligonale. discretizzato La grafica. Il Matlab possiede un ambiente grafico abbastanza potente paragonabile a software grafici operanti in altri contesti. In questo corso ci limiteremo ad illustrare solo una funzione grafica,

Dettagli

Domande a scelta multipla 1

Domande a scelta multipla 1 Domande a scelta multipla Domande a scelta multipla 1 Rispondete alle domande seguenti, scegliendo tra le alternative proposte. Cercate di consultare i suggerimenti solo in caso di difficoltà. Dopo l elenco

Dettagli

Applicazioni lineari

Applicazioni lineari Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av

Dettagli

Statistica descrittiva

Statistica descrittiva Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento

Dettagli

4 3 4 = 4 x 10 2 + 3 x 10 1 + 4 x 10 0 aaa 10 2 10 1 10 0

4 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

Dettagli

Corrispondenze e funzioni

Corrispondenze e funzioni Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei

Dettagli

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

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

Dettagli

1 Serie di Taylor di una funzione

1 Serie di Taylor di una funzione Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita

Dettagli

ANALISI DELLE FREQUENZE: IL TEST CHI 2

ANALISI 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

Dettagli

Analisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it

Analisi 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

Dettagli

Soluzione di equazioni quadratiche

Soluzione di equazioni quadratiche Soluzione di equazioni quadratiche Soluzione sulla Retta Algebrica Inseriamo sulla Retta Algebrica le seguenti espressioni polinomiali x e x 3 e cerchiamo di individuare i valori di x per i quali i punti

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

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

I ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale

I ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che

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

13. Campi vettoriali

13. Campi vettoriali 13. Campi vettoriali 1 Il campo di velocità di un fluido Il concetto di campo in fisica non è limitato ai fenomeni elettrici. In generale il valore di una grandezza fisica assegnato per ogni punto dello

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