Introduzione ai Minimi Quadrati
|
|
- Maria Carboni
- 6 anni fa
- Visualizzazioni
Transcript
1 Introduzone a Mnm Quadrat Msure rpetute della medesma grandezza, esegute al lmte della precsone possble con l metodo e gl strument utlzzat, fornscono sempre rsultat dvers per la presenza degl error casual; tal error, non not, non possono essere elmnat. Come s può stmare l valore vero d una grandezza se non s conoscono gl error n cascuna osservazone? S assoca alle msure una modellzzazone statstca e matematca: l osservazone msura O è la somma d due component: l valore vero della grandezza osservable e l errore d msura ncognto ν. O ν Rapd cenn a dfferent tp d error Error casual, a meda nulla e d enttà dpendente dalle precson strumentale e d lettura: nelmnabl ma faclmente modellzzabl statstcamente ved subto sotto. Error sstematc o d modello, dovut a sstematsm strumental e/o errata modellzzazone delle osservazon o delle relazon fra osservazon e ncognte; n alcun cas dentfcabl e elmnabl ma non modellzzabl n senso generale vanno trattat caso per caso ved la verfca d potes. Modellzzazone de pur error casual
2 Un buon modello formale per descrvere le osservazon d precsone è quello d consderarle come estrazon d varabl casual gaussane o normal, defnte da meda e varanza σ ; f O / e πσ O σ ove f O : dstrbuzone d denstà d probabltà : valore vero, ncognto, dell osservazone osservable σ : parametro d dspersone o varanza. Nota Indchamo con m O M la probabltà d ottenere una msura che cada nell ntervallo d valor compres tra m e M ; tale probabltà è data da M m O M f O d m O
3 Indcatvamente l rsultato d una msura cade con l 99.9% d probabltà nell ntervallo -3σ e 3σ; noltre, formalmente s ha probabltà nulla d ottenere da un osservazone l valore dell osservable: nfatt O d O f Caso R m Se supponamo d avere m osservabl, coè d osservare m grandezze dverse, possamo utlzzare lo stesso modello vsto precedentemente e scrvere n modo compatto, utlzzando la notazone vettorale: ν O con m m mo O O O ν ν ν ν... ;... ;... / / det C C π O T O m m O e f ove m è la dmensone d.
4 C è la matrce d covaranza delle osservazon. C σ σ... σm σ σ σ... m σ σ σ m m... m contene: n dagonale le varanze delle sngole osservazon, fuor dagonale le covaranze fra coppe d osservazon; la matrce è smmetrca e defnta postva, qund nvertble. Nota Se O segue una dstrbuzone normale con meda e covaranza C s ndca [ ] O N, C
5 Termnologa Campone bernoullano Un campone bernoullano è un nseme d element estratt ndpendentemente da una Varable Casuale VC. Esempo: pù rpetzon ndpendent della stessa osservazone Statstche camponare Varabl casual funzon della VC dalla quale l campone è stato estratto: meda camponara: ˆ N O N,..., ; varanza camponara corretta: σˆ,..., ˆ N O N Stma de parametr statstc d una VC Calcolo de valor de parametr caratterstc d una VC ad esempo meda e varanza, a partre da un campone bernoullano per mezzo d opportun stmator, defnt n base a determnat crter statstc. Correttezza Uno stmatore è corretto se la sua meda concde con la meda della VC. Consstenza Uno stmatore è consstente se, al tendere a nfnto della numerostà del campone, la sua meda tende alla meda della VC n probabltà
6 e la sua varanza tende a n probabltà. Mnma varanza Uno stmatore è d mnma varanza se la sua varanza è la mnore tra quelle degl stmator dello stesso parametro statstco della VC. Robustezza Uno stmatore è robusto se non vene sgnfcatvamente nfluenzato da poch element del campone non appartenent alla VC consderata. ccuratezza Defnsce la dspersone de valor camponar ntorno alla meda camponara; la varanza camponara è un ndce d accuratezza. recsone Defnsce la dspersone de valor camponar ntorno alla meda teorca della VC dalla quale s rtene estratto l campone; Msure molto accurate σ pccolo rsultano poco precse se s hanno error d modello.
7
8 I Mnm Quadrat Formalzzazone del problema e degl obettv Non è sempre possble osservare drettamente grandezze alle qual samo nteressat. Se ad esempo voglamo determnare coordnate d punt sulla superfce terrestre, non è possble esegure la loro msura dretta; possamo però fare msure d angol e dstanze o d bas, e costrure un modello fsco e geometrco che legh tal osservabl alle coordnate de punt. In questo caso qund le osservabl angol, dstanze e bas possono essere descrtte funzonalmente a partre da parametr ncognt x le coordnate de punt. Ovvero Sano date m osservazon o... o o m o per ogn osservazone -esma valga ν o ν ; E ν ovvero [ ]
9 o ν E [ o ] : vettore delle osservabl, ncognte; o: vettore delle osservazon, note; ν: vettore degl error d osservazone, ncognt. Sa noto l modello stocastco delle osservazon, ovvero la loro matrce d covaranza: C C νν σ Q σ ove rappresenta un fattore d precsone comune ; Q è detta matrce de cofattor ed esprme n dagonale le precson relatve delle dverse osservazon, fuor dagonale le correlazon fra le dverse osservazon. Sa x un vettore contenente n parametr ncognt: x x x... x n con n m Sa noto l modello determnstco del problema, ovvero la relazone funzonale fra x e
10 f x con f funzone nota. Il sstema n x sarebbe rsolvble supponendo d conoscere le osservabl ; n tal caso nfatt s avrebbe x f erò l sstema non è rsolvble utlzzando drettamente le osservazon, perché queste sono affette da error ncognt; non è coè possble n alcun modo rsolvere la x f o poché, a causa degl error, s ha o ν f x ν f x S pone l problema d trovare un metodo che, sfruttando le nformazon dsponbl, permetta la mglor stma possble n senso statstco de parametr ncognt x xˆ e delle osservabl ˆ ;
11 s cerca noltre un metodo che permetta d stmare la precsone d stma delle ncognte; nfne sono necessar strument per valutare la presenza d error nel modello adottato. Il metodo adottato nell elaborazone delle osservazon GS e nella compensazone delle ret è quello de Mnm Quadrat. Il metodo s presta a problem lnear, ovvero nella forma o ν x b, ν, E [ ν], Cνν C σ Q ove, ν, x e C hanno l sgnfcato gà vsto; è detta matrce dsegno nota, dm[] m n, b è l termne noto, dm[b] m.
12 Mnm quadrat, prncpo e stmator Dato l problema precedentemente ntrodotto, n forma lneare, s cercano xˆ e ŷ consstent, con ŷ a mnma dstanza da ; ovvero x ˆ e ˆ tal che o o ˆ xˆ b T Q o mn Nel seguto vengono rportate senza dmostrazone le stme fornte da MQ. Dalle equazon d condzone precedentemente postulate s rcava l cosddetto sstema normale Nxˆ T Q o b, ove N è defnta matrce normale, N T Q
13 S hanno due cas: è d rango peno, ovvero le sue colonne sono lnearmente ndpendent: x x n questo caso l problema non presenta defcenza d rango; non è d rango peno, ovvero alcune sue colonne sono lnearmente dpendent dalle altre: x per qualche x n questo caso l problema presenta defcenza d rango. Soluzone del problema senza defcenza d rango Se è d rango peno lo è anche N, che è dunque nvertble. S hanno dunque le seguent stme. Stma de parametr ncognt: xˆ N T Q o b ; stma delle osservabl e degl scart: ˆ xˆ b νˆ ˆ o ˆ ;
14 La rdondanza e le stme d covaranza Rdondanza: dfferenza fra numero d osservazon e numero d parametr ncognt, detta anche numero d grad d lbertà: R m n S può dmostrare che m n ˆ, ovvero quando la rdondanza è nulla non è possble rstmare le osservazon e qund gl scart d osservazone S può noltre dmostrare che lm x ˆ x; lmˆ R R ovvero: al tendere all nfnto del numero d osservazon, gl error d osservazone s scarcano solo sulle stme degl error e non sulle stme de parametr ncognt e delle osservabl. Qund una rdondanza elevata consente: la valdazone recproca delle osservazon; una stma pù precsa de parametr ncognt; una stma delle loro precson d stma. stma del σ : σˆ T νˆ Q νˆ ; m n stma della matrce d covaranza de parametr:
15 C x ˆ x ˆ σˆ N ; stma della matrce d covaranza delle osservabl: C ˆ ˆ T σˆ N ; stma della matrce d covaranza degl scart C ν ˆˆ ν σˆ Q N T Note Il metodo de mnm quadrat fornsce stme corrette e d mnma varanza per parametr ncognt. Le stme sono ndpendent dal valore d : σ qund non è necessaro conoscere tale valore a pror; dpendono però da Q, e b modell stocastco e determnstco.
16 Esempo d applcazone de MQ Sano, B e C tre punt; sa H la quota nota d ; Sano stat msurat dslvell da a B DH Bo DH C. C DH BCo e da C a o Evdentemente vale la, da B a H B H H HC H H C B DH DH DH B C BC Soluzone medante MQ S scrve l modello determnstco del problema: DH BO DHCO DH BCO H B H H C H HC H B ν ν ν B C BC ovvero
17 ν O b x ove,, B C H H H H x b Modello stocastco Nel presente esempo s consderano le msure d uguale precsone che ndchamo con σ e scorrelate: σ σ σ C ovvero I C σ Una volta calcolate la matrce normale e la sua nversa, I Q N T T T 3 N
18 le soluzon fornte da MQ sono le seguent. arametr ncognt BCO CO BO CO BCO BO BCO CO BO T B C DH DH DH DH DH DH H H DH H DH H DH H H 3 3 ˆ ˆ ˆ b Q N x Osservabl ν ν ν ˆ ˆ ˆ 3 ˆ ˆ ˆ ˆ ˆ ˆ ˆ BCO CO BO B C BC C B DH DH DH H H H H DH DH DH b x Scart ν ν ν ˆ ˆ ˆ 3 ˆ ˆ ν O
19 νˆ BO ove s è posto DH DH DH BCO recsone delle stme CO σˆ T νˆ Q νˆ m n 3ˆ ν 9 3 νˆ 3 C x ˆ x ˆ σˆ N νˆ 9 σhˆ C C xx, ν ˆ Cxx, σhˆ 3 B C ˆˆ σˆ T N νˆ 9 σd Hˆ C B ˆˆ, ν ˆ σdhˆ σ C DHˆ 3 BC
20 Il problema della defcenza d rango Nel caso non sa d rango peno non lo è neppure N; rsulta percò mpossble nvertre l sstema normale per la stma d x ˆ. Geometrcamente s ha la seguente stuazone: ad una stma ottmale delle osservabl ovvero a mnma dstanza dalle osservazon O corrspondono nfnte soluzon per parametr ncognt
21 Defnamo l nucleo N d come: { x x } N ; supponamo d conoscere l valore vero delle osservabl, ; evdentemente se xˆ è soluzone d xˆ b, anche x ˆ x lo è; nfatt xˆ x b xˆ b x ˆ ˆ n sostanza le osservazon non contengono abbastanza nformazone per stmare tutt parametr desderat; tale caratterstca non dpende dalla rdondanza ma dal dsegno del problema. d esempo s consder l anello d lvellazone nzale e s supponga d voler stmare tutte le quote dalle msure d dslvello: O ν x b DH DH DH BO BCO CO H H H B C v è facle verfcare che non è d rango peno e che, n partcolare, N t, t R
22 n effett, pensando al problema dal punto d vsta fsco, è evdente che valor delle osservabl d dslvello del trangolo non vengono modfcat aggungendo un valore H comune alle 3 quote supposte ncognte: DH DH DH B BC C H H H B C H H H B C H H H B C H H H H H H B C H H H ovvero le quote de punt parametr ncognt, presentano grado d lbertà, rspetto a dslvell osservabl; la stuazone non camba aggungendo una o pù osservazon d dslvello a ttolo d eserczo lo s verfch aggungendo ad esempo DH. C La rmozone della defcenza d rango er rmuovere la defcenza d rango n un problema a MQ s deve nnanztutto dentfcare preventvamente qual sano parametr non stmabl del problema: ad esempo n una rete d lvellazone, con sole osservazon
23 d dslvell, sono stmabl le quote d tutt punt della rete meno uno. tale punto sono possbl e necessar due approcc alternatv.. S vncolano parametr non stmabl del problema: cò equvale a fssare un Sstema d Rfermento n cu verranno fornte le soluzon per restant parametr realmente stmabl. Nel problema della rete d lvellazone questo equvale ad attrbure la quota zero ad uno de punt della rete stessa. Tale approcco è quello seguto, appunto, nella defnzone de Sstem d Rfermento, global o nazonal.. S rformula l problema aggungendo nuove osservazon su parametr non stmabl; ad esempo, nella rete d lvellazone, msurando drettamente la quota d uno o pù punt ed nserendo le relatve equazon d osservazone nel sstema. Tpcamente, nell ambto delle ret geodetche, tal osservazon agguntve, dette anche pseudoosservazon, non sono non possono essere ottenute drettamente, ma dervano da font esterne, che abbano rsolto a monte l problema d defnre un Sstema d Rfermento. d esempo, n Itala, è prass nquadrare le ret local d lvellazone a caposald IGMI Isttuto Geografco Mltare Italano, utlzzando per quest le quote trascrtte nelle monografe de punt.
24 La lnearzzazone d un problema non lneare Non esste una formulazone de MQ analoga a quella gà vsta nel caso lneare x b e applcable al problema generale n forma non lneare f x ove f x f f f m x x x, x, x..., x,..., x,..., x n,..., x n n er rsolvere l problema generale è prma necessaro lnearzzarlo S suppone d conoscere valor approssmat per parametr ncognt:
25 [ T x xn ],..., x : x x,..., xn xn T x ; è allora possble lnearzzare la relazone f x medante uno svluppo d Talor arrestato al prmo ordne nell ntorno d x : f f f x x x... x x xn f f x x x... x x xn f m f x x x x... x x x x x n n f x x x n n m f m ovvero m n x x n x n f x J x x x o anche η ξ ove η f x : η f x,..., ηm m fm x ξ x x : ξ x x,..., n x ξ n xn f [ ] dm m n; j x x j
26 Nella prass operatva s svolgono dunque le seguent operazon: s fornscono valor approssmat x ; s calcolano corrspondent ; s calcolano le dervate e qund gl element j ; s calcola l vettore η O O. S ottene dunque l problema lneare η O η ν E η O η [ ] ξ con dm[η Ο, η, ν]m; dm[ξ]n; dm[] m n. Medante MQ s rsolve l problema lneare rspetto al vettore de parametr ncognt ξ; s calcolano parametr fnal medante la xˆ x ξˆ ˆ ηˆ Nota l metodo da adottars per rcavare valor approssmat dpende da caso a caso e non vene consderato n questa esposzone generale.
27 Gl effett della lnearzzazone causa delle approssmazon ntrodotte dalla lnearzzazone xb per l problema fx le prme stme xˆ, ˆ fornte da MQ non possono essere consderate defntve. In partcolare gl ˆx dvengono nuov valor approssmat x a partre da qual s effettua una nuova stma. Il processo teratvo termna quando due stme successve dfferscono n modo non sgnfcatvo, ovvero quando x ˆ n x n < ε con ε assegnato.
28 Un esempo d lnearzzazone per un problema non lneare Sa un punto d poszone ncognta n R 3 : sano nvece,, 3 e 4 quattro punt d poszone nota: Da sono state msurate le dstanze a quattro punt, ottenendo valor ; s ndch con l vettore delle osservazon d dstanza. O O O O 4 3 ; ; ; ρ ρ ρ ρ O ρ E noto un valore approssmato della poszone d
29 s vuole stmare la poszone d. rocedmento La generca equazone d osservazone da a è ρ O ν ρ ρ la relazone che lega le dstanze osservate a meno degl error alle ncognte la poszone d è non lneare; l sstema è rdondante: 4 osservazon per 3 ncognte; è possble rsolverlo medante MQ ma deve prma essere lnearzzato. Lnearzzazone della generca dstanza da a :
30 ρ ovvero e ξ ρ ρ ove ρ dstanza calcolata ne valor approssmat ρ e versore approssmato da a
31 ξ correzon da apportare alle coordnate approssmate Il problema assume dunque la forma ξ ξ ξ ρ ρ ρ ρ ρ ρ ρ ρ O O O O e e e e e e e e e e e e ovvero ξ η ν η ν ρ ρ ρ ρ η O O ora rsolvble medante MQ.
32 Error d modello: ntroduzone alla verfca statstca d potes Error d modello determnstco: errata costruzone delle e.o. fra osservazon e ncognte, ovvero d e b. In generale s ha modello determnstco adottato x b ν O modello determnstco corretto δ x b δb ν O d esempo, msuro O una lunghezza n pollc e stmo l rsultato x n centmetr, senza convertre: relazone adottata O ax ν, a relazone corretta O ax ν, a.54cm / nc ossono essere su tutto l modello ma tpcamente su sngole osservazon, ovvero: a δ a x b δb O solo per l osservazone -esma. Sono elmnabl a pror medante corretta costruzone delle e.o. non sempre possble;
33 dentfcabl a posteror solo ma non sempre se non compaono sstematcamente n tutte le osservazon. Comportano stme errate prncpalmente de parametr ncognt. Error d modello stocastco: errata potes sulla struttura della matrce C d covaranza delle osservazon; tpcamente sovrastma della precsone d alcune osservazon: relatv σ C sottostmat "pccol"; sottostma delle correlazon fra coppe d osservazon: relatv sottostmat o post a zero. C j Ovvero: modello stocastco adottato per l osservazone -esma σ σ ; σ j σ j,..., m j modello stocastco corretto σ σ δσ ; σ σ δσ j,..., m j j Elmnabl a pror medante corretta costruzone d C non sempre possble; dentfcabl a posteror solo ma non sempre se s dspone d osservazon rdondant. Comportano stme errate prncpalmente della matrce d covaranza de parametr ncognt. Il metodo de MQ non è uno stmatore robusto: error d modello determnstco o stocastco, j
34 global o su osservazon solate outler, possono dstorcere le stme. Esstono algortm per: verfcare a posteror la correttezza globale de modell adottat test del χ ; dentfcare eventual error d modello su sngole osservazon dentfcazone degl outler e data snoopng. La verfca statstca d potes E' un operazone che consente d stablre se, statstcamente, ovvero con una certa probabltà d errore, due valor sono ugual o dvers. Tpcamente: s pone l potes H che le grandezze oggetto d verfca sano ugual; s costrusce una statstca camponara che, sotto l potes H, debba segure una dstrbuzone nota; che vceversa, qualora H sa sbaglata, vada ad assumere valor grand, ovvero non accettabl statstcamente; s confronta qund la statstca camponara con
35 valor lmte ammess dalla sua dstrbuzone teorca. Nelle nostre applcazon la verfca vene fnalzzata al controllo d presenza d error d modello. Lvello d sgnfcatvtà α del test: probabltà d errore che s accetta nell esegure l test, tpcamente.,.5,.. Esempo: test del χ per l controllo d accuratezza. Uno strumento d msura deve essere caratterzzato da accuratezza σ. Vene effettuata una sere d osservazon O vene calcolata la varanza camponara ˆσ ; s vuole verfcare se ˆσ sa statstcamente uguale a a un certo lvello d sgnfcatvtà α: H σˆ : σ Teora non dmostrata: se fosse vera l potes H dovrebbe valere la σ σˆ ˆ χ N N O N n ove χ è la V.C. chquadro a n grad d lbertà, ˆ N O σ N[, ] N e σ
36 la relazone comporta σˆ N χ χ sp N σ N α s defnsce χ l valore lmte tale che χ N χ N χ N > χ N α α α α perché l'potes σ ˆ σ sa soddsfatta s deve avere χ sp χ N α se χ sp χ N ovvero α H : s σ è vera
37 se χ sp > χ N α H : s σ è falsa La verfca d potes per dat e le ret GS Nell elaborazone de dat GS e nella compensazone d ret rlevate medante GS tpcamente v sono outler dovut sa all approssmata conoscenza del modello stocastco le osservazon vengono potzzate pù accurate e meno correlate d quanto non sano n realtà; sa alla presenza d solat error d modello determnstco alcune osservazon possono contenere termn d dsturbo d enttà sgnfcatva e non modellzzabl: ad es. l multpath o uno stazonamento fuor centro. ertanto, n genere, prma s verfca la correttezza del modello globale, po s ndvduano eventual outler, nfne s corregge l modello stocastco. Il test del χ o test globale sul modello
38 funzonale e stocastco Ipotes fondamentale H : σ σ. ˆ σ Statstca d test: σ se H è vera: χ ˆ m n sp χ ; sp χ mn sa α l lvello d sgnfcatvtà del test; sa χ mn α l valore teorco tale che χ m m χ α α n n se χ se χ sp sp χ > χ mn mn α H vene accettata; α H vene rgettata: sono present error d modello. Esecuzone del test sul modello globale
39 S effettua la stma a MQ de parametr ncognt e delle osservabl; s stmano gl scart d osservazone νˆ e qund l σˆ ; s fssa l lvello d sgnfcatvtà α per l test; s rcava l valore d s calcola l χ sp χ mn α da apposte tabelle; e lo s confronta con l valore teorco. Nota: l valore χ m n α vene rportato n tabella come χ α a ν grad d lbertà, ν m n ad esempo: sa stata effettuata una compensazone d osservazon n ncognte; a fronte d un σ cm dcharato a pror s sa ottenuto un ˆ σ. 375cm. Sa fssato α 5% : α 95%. 95; da dat precedent s rcava m n 8; dalla tabella s estrae l valore corrspondente alla colonna χ e alla rga v 8, ovvero 95. χ χ sp ˆ σ m n σ > 5.5
40 Il test non è superato: qund v è, a un lvello d probabltà del 95%, un errore d modello. Se s fosse fssato α %, s sarebbe ottenuto colonna della tabella χ χ > χsp ovvero v sono error d modello a lvello d sgnfcatvtà 5%, ma non a lvello d sgnfcatvtà %.
41
42 Il test locale sulla sngola osservazone potes d osservazon ndpendent Serve per dentfcare error d modello determnstco o stocastco su una sngola osservazone : O Ipotes fondamentale d assenza d error d modello: ovvero H : ˆ ν νˆ Statstca d test: τsp; σˆ ν se H è vera: τ sp τ mn ove τ mn è la dstrbuzone d Thomson a m n grad d lbertà; α lvello d sgnfcatvtà del test. Nota Il test è a due code, ovvero: s devono valutare sa scart negatv sa scart postv, n modulo troppo grand Qund, defnto τ m n α / l valore teorco tale che
43 τ mn τ mn α / α τm n > τmn α / α se τ τ α / H vene accettata; sp mn se τ > τ α / H vene rgettata: sp mn l osservazone -esma è un sospetto outler. Esecuzone del test locale La non robustezza de MQ rende complcata l dentfcazone degl outler poché un outler modfca anche gl scart delle altre osservazon; qund è necessaro un procedmento teratvo per dentfcare gl outler Data snoopng. ogn terazone s ndvdua l osservazone k per la quale: τ sp τ k sp > mn k τ maxτ α / per gestre l sospetto outler v sono due approcc: l sospetto outler vene elmnato dall nseme delle osservazon tpcamente quando la sp τ è sgnfcatvamente superore al valore lmte; sp
44 l sospetto outler vene conservato nell nseme d osservazon, dmnuendone però l peso d compensazone ovvero aumentandone la varanza: emprcamente s può adottare New [ ] C, ν New σ approcco adottable solo se l osservazone è ndpendente dalle altre e la τ sp è superore ma confrontable con l valore lmte; qund vene rpetuta la stma a MQ e l test globale; c s arresta quando non v sono pù osservazon sospette. S devono po controllare le osservazon elmnate calcolando loro scart per elmnarle defntvamente o rentrodurle. Qualora l test sul modello globale non venga superato ma non v sano sospett outler scart normalzzat omogene v è tpcamente un problema d sottostma generale degl element della matrce d covaranza delle osservazon sovrastma delle precson.
45 ccuratezza de parametr stmat Sono stat esegut l test globale sul modello e l data snoopng con est postv. S consdera dunque ruscta la stma de parametr, xˆ ; la loro accuratezza è data dalla relatva matrce d covaranza nel caso senza defcenza d rango C x ˆ x ˆ σˆ N. C s chede quale sa la regone d confdenza per l valore vero de parametr ncognt, ovvero la regone dello spazo n-dmensonale alla quale l vettore x appartene con lvello d probabltà assegnata. La regone d confdenza per l vettore de parametr ncognt ad un certo lvello d probabltà -α è data dalla T x xˆ Cxx ˆˆ x xˆ Fn, mn α ove F n, m - n α è l valore della funzone F d Fsher a n, m - n grad d lbertà, corrspondente alla probabltà - α; α: n genere s scelgono valor.,.5,., ovvero -α99%, 95%, 9%. Nota Tpcamente s è nteressat alla regone d confdenza per un sottonseme d parametr ncognt, ξ, dm[ξ]r. er analzzare la regone d confdenza d ξ:
46 s estrae dal vettore xˆ l sottovettore ξˆ corrspondente a parametr ξ d nteresse; qund s estrae dalla matrce d covaranza totale C xˆ ˆx la matrce d covaranza del vettore ξˆ, ; Cξˆ ˆξ sa x x x,... x n C xx ˆˆ σ σ... σn σ σ σ... n σ n σn... σn se ad esempo x ξ s ha x j C σ σ σj ξˆ ξˆ j σ j la regone d confdenza con probabltà -α per l vettore ξ è data dalla T ξ ξˆ C ξ ξˆ Fr, mn ξξ ˆˆ α d esempo, nel caso d una compensazone d rete geodetca, tpcamente s vuole conoscere per ogn punto la regone trdmensonale d confdenza delle coordnate [,, ] del punto stesso. La regone d confdenza n questo caso è data da un ellssode centrato n [ ˆ, ˆ, ˆ ], cu parametr semass e relatve drezon dpendono dalla matrce d covaranza delle stme delle coordnate del punto.
47 Ellssode d confdenza n tre dmenson
48 Tabella della F d Fsher
49 pplcazon de MQ rlevant al corso Elaborazone delle osservazon GS Le relazon che legano le osservazon GS fas e codc alle ncognte poszone del rcevtore o component della base sono sml alle equazon d dstanza; n generale le osservazon sono rdondant, anz, tpcamente m>>n. Nella maggor parte de programm per l elaborazone de dat GS l problema d stma vene lnearzzato e qund rsolto medante MQ. I programm n genere applcano a dat l test del χ per fornre a posteror un ndcatore d qualtà de rsultat; vene noltre effettuato un data snoopng delle sngole osservazon, per la rmozone d eventual outler.
50 Compensazone d ret geodetche Sa stato adottato uno schema d rlevo rdondante su una rete geodetca. E possble effettuare una compensazone a MQ sulla rete, concettualmente smle al caso della lvellazone: le osservazon n ngresso sono le stme delle bas fornte dall elaborazone de dat GS e le relatve matrc d covaranza; parametr ncognt sono le coordnate relatve de punt della rete. La compensazone d rete permette: una valutazone pù realstca sulla precsone delle stme delle poszon rspetto a quella fornta dall elaborazone de dat; l dentfcazone d eventual anomale su sngole sesson error nelle efemerd, atmosfera,... o su sngol punt errore nell altezza d antenna,...
51 utovalutazone su Mnm Quadrat: argoment e quest d mportanza fondamentale Fornsc una defnzone per error casual, d modello determnstco e d modello stocastco. Descrv l prncpo d stma de MQ e scrv gl stmator per x,, ν, ˆσ, Cxx e C fornt dal metodo n assenza d defcenza d rango. Descrv l problema della defcenza d rango e d come possa operatvamente essere rsolto nella compensazone d ret geodetche. Spega l metodo d lnearzzazone per un problema non lneare e applcalo all esempo delle osservazon d dstanza. Descrv l test del χ : le fnaltà, la statstca d test e la sua esecuzone. Descrv l test sulla sngola osservazone: le fnaltà, la statstca d test e la sua esecuzone. La defnzone d regone d confdenza per parametr stmat e per un loro sottonseme.
La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.
Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana
DettagliLaboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto
DettagliPrecisione e Cifre Significative
Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte
DettagliStrada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum
Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest
DettagliElementi di statistica
Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e
DettagliCapitolo 3 Covarianza, correlazione, bestfit lineari e non lineari
Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure
DettagliIntorduzione alla teoria delle Catene di Markov
Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }
DettagliESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:
ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone
DettagliCorso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE
Corso d laurea n Ingegnera per l Ambente e l Terrtoro a.a. 006-007 Prof. V. Franco: Topografa e tecnche cartografche RETI TOPOGRAFICHE Unverstà degl Stud d Palermo Dpartmento d Rappresentazone Corso d
DettagliCapitolo 3. Cap. 3-1
Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare
DettagliIntegrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1
Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
DettagliMisure Topografiche Tradizionali
Msure Topografche Tradzonal Grandezze da levare ngol Dstanze Gonometr Dstanzometro Stazone Totale Prsma Dslvell Lvello Stada Msure Strettamente Necessare Soluzone geometrca Msure Sovrabbondant Compensazone
DettagliPropagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.
Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes
DettagliTeoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita
Teora degl error Processo d msura defnsce una grandezza fsca. Sstema oggetto. Apparato d msura 3. Sstema d confronto La msura mplca un gudzo sull uguaglanza tra la grandezza ncognta e la grandezza campone
DettagliPROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -
PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata
DettagliDispensa LE RETI TOPOGRAFICHE. Elementi per il calcolo e la compensazione
Unverstà degl Stud d Palermo Facoltà d Ingegnera Dspensa LE RETI TOPOGRFICHE Element per l calcolo e la compensazone Vncenzo Franco Mauro Lo rutto Maggo . RILEVMENTO TOPOGRFICO..... SCHEMI MISURE STRETTMENTE
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012
CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso
DettagliIl logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.
Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo
DettagliAnalisi della Varianza
Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
DettagliLezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo
UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale
DettagliScienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni
Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
DettagliPREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl
Le Inferenze sul modello d regressone PREVEDONO: Assunzone d normaltà degl error e nferenza su parametr Anals della Varanza Inferenza per la rsposta meda e la prevsone Anals de resdu Valor anomal Captolo
DettagliLaboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematca II: Calcolo delle Probabltà e Statstca Matematca ELT A-Z Docente: dott. F. Zucca Eserctazone # 8 Gl esercz contrassegnat con (*) sono tratt da Eserc. 2002-2003- Prof. Secch # 0 - Statstca Matematca
DettagliLa soluzione delle equazioni differenziali con il metodo di Galerkin
Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne
Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4
Dettagli3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)
lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu
DettagliRICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2
RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d
DettagliMinistero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA
Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG
DettagliC.I. di Metodologia clinica
C.I. d Metodologa clnca I metod per la sntes e la comuncazone delle nformazon sulla salute Come possamo trarre concluson attendbl su parametr a partre dalle stme camponare? I metod per la produzone delle
DettagliLE FREQUENZE CUMULATE
LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra d Statstca Medca, Unverstà d Bar 1/19 IL PROBLEMA
DettagliCampo di applicazione
Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo
DettagliCARATTERISTICHE DEI SEGNALI RANDOM
CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:
DettagliIl modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti
Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso
DettagliCAPITOLO 3 Incertezza di misura Pagina 26
CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone
DettagliCORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE
CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo
DettagliVariabili statistiche - Sommario
Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su
DettagliConcetti principale della lezione precedente
Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl
Dettagli4.6 Dualità in Programmazione Lineare
4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble
DettagliLezione 2 a - Statistica descrittiva per variabili quantitative
Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90
DettagliIng. Enrico Grisan. Modelli di popolazione in farmacocinetica
Ing. Enrco Grsan Modell d popolazone n farmacocnetca Sommaro Modell a sngolo soggetto Modell d popolazone Naïve poolng Stme basate sul sngolo soggetto Modell a effett mst Lnearzzazone del modello 2 Ing.
DettagliCorso di. Dott.ssa Donatella Cocca
Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca
Dettagliuna variabile casuale è continuase può assumere un qualunque valore in un intervallo
Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere
DettagliRappresentazione dei numeri PH. 3.1, 3.2, 3.3
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
Dettagli= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)
ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa
DettagliMetodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA
Metod varazonal OBIETTIVO: determnare funzon ncognte, chamate varabl dpendent, che soddsfano un certo nseme d equazon dfferenzal n un determnato domno e condzon al contorno STRUMETO: Metod varazonal: servono
DettagliAppunti di Econometria
Appunt d Econometra ARGOMENTO [4]: VARIABILI DIPENDENTI BINARIE Mara Lusa Mancus Unverstà Boccon Novembre 200 Introduzone Ne modell econometrc studat fno ad ora la varable dpendente, y, è sempre stata
DettagliSOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia
SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)
DettagliModelli di variabili casuali
Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.
DettagliModello del Gruppo d Acquisto
InVMall - Intellgent Vrtual Mall Modello del Gruppo d Acqusto Survey L attvtà svolta per la realzzazone dell attvtà B7 Defnzone del Gruppo d Acqusto e de Relatv Algortm d Inferenza, prevsta dal captolato
Dettagli1 La domanda di moneta
La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la
DettagliRAPPRESENTAZIONE DI MISURE. carta millimetrata
carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de
DettagliReti geodetiche.nb 1 CORSO DI TOPOGRAFIA A - A.A LEZIONE RETI GEODETICHE
Ret geodetche.nb 1 CORSO I TOPOGRAFIA A - A.A. 2004-2005 LEZIONE - 01.06.06 RETI GEOETICHE COMPENSAZIONE I UNA RETE GEOETICA CON IL METOO ELLE OSSERVAZIONI INIRETTE Abbamo vsto che l METOO EI MINIMI QUARATI
DettagliDESTINAZIONE ORIGINE A B C A B C Esercizio intersezioni a raso - pag. 1
ESERCIZIO Argomento: Intersezon a raso Data l ntersezone a raso a tre bracc rappresentata n fgura s vuole procedere al dmensonamento de suo element. I dat nzal necessar per la progettazone sono d seguto
DettagliEsame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre
DettagliLezione 2 le misure di sintesi: le medie
Lezone le msure d sntes: le mede Cattedra d Bostatstca Dpartmento d Scenze spermental e clnche, Unverstà degl Stud G. d Annunzo d Chet-Pescara Prof. Enzo Ballone Lezone a- Statstca descrttva per varabl
DettagliRappresentazione dei numeri
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
DettagliCorrelazione lineare
Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl
DettagliS O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:
S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva
DettagliProgettazione delle Misure GPS (1/3)
Progettazone delle Msure GPS (1/3) La progettazone consente d razonalzzare la logstca delle operazon d rlevamento e d ottenere un buon rapporto cost/prestazon. È una pratca utle quando s voglono ottmzzare
DettagliStatistica e calcolo delle Probabilità. Allievi INF
Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:
DettagliLA VARIABILITA. IV lezione di Statistica Medica
LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce
DettagliSTATISTICA DESCRITTIVA CON EXCEL
STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:
DettagliNorma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura
orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato
DettagliProbabilità cumulata empirica
Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè
DettagliCapitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per
Captolo : IL METODO DEI MINIMI QUADRATI. La mglor retta Nel Captolo precedente c samo post l problema d determnare la mglor retta che passa per cert punt spermental, ed abbamo dscusso un metodo graco.
DettagliIntroduzione al Machine Learning
Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone
DettagliL'Analisi in Componenti Principali. Luigi D Ambra Dipartimento di Matematica e Statistica Università di Napoli Federico II
L'Anals n Component Prncpal Lug D Ambra Dpartmento d Matematca e Statstca Unverstà d Napol Federco II ANALISI MULTIDIMENSIONALE DEI DATI (AMD) L Anals Multdmensonale de Dat (AMD) è una famgla d tecnche
DettagliLA CALIBRAZIONE NELL ANALISI STRUMENTALE
LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra
DettagliGli errori nelle misure
Appunt d Msure Elettrche Gl error nelle msure Classfcazone degl error... Error sstematc...4 Accuratezza e precsone...5 Errore stmato...7 Meda, devazone meda, devazone standard e varanza d un campone d
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 3: 21022012 professor Danele Rtell www.unbo.t/docdent/danele.rtell 1/31? Captalzzazone msta S usa l regme composto per l
DettagliCorso di Fondamenti di Telecomunicazioni
Corso d Fondament d Telecomuncazon Prof. Govann Schembra Struttura della lezone Defnzon d process aleator e caratterzzazone statstca ( Stma delle statstche d prmo e secondo ordne Process aleator stazonar
DettagliSERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete
SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le
DettagliValutazione dei Benefici interni
Corso d Trasport Terrtoro prof. ng. Agostno Nuzzolo Valutazone de Benefc ntern Valutazone degl ntervent Indvduazone degl effett rlevant La defnzone degl effett rlevant per un ntervento sul sstema d trasporto
DettagliFUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE
FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE In presenza d una almentazone alternata snusodale tutte le grandezze elettrche saranno alternate snusodal. Le equazon d funzonamento n regme comunque varale
DettagliLa ripartizione trasversale dei carichi
La rpartzone trasversale de carch La dsposzone de carch da consderare ne calcol della struttura deve essere quella pù gravosa, ossa quella che determna massm valor delle sollectazon. Tale aspetto nveste
DettagliRelazioni tra variabili: Correlazione e regressione lineare
Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statstca - metodologe per le scenze economche e socal /e S Borra, A D Cacco - McGraw Hll Es Soluzone degl esercz del captolo 7 In base agl arrotondament effettuat ne calcol, s possono rscontrare pccole
DettagliLa taratura degli strumenti di misura
La taratura degl strument d msura L mportanza dell operazone d taratura nasce dall esgenza d rendere l rsultato d una msura rferble a campon nazonal od nternazonal del msurando n questone affnché pù msure
DettagliSoluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k
(1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)
DettagliMODELLO DI REGRESSIONE PER DATI DI PANEL
MODELLO DI REGRESSIONE PER DAI DI PANEL 5. Introduzone Storcamente l anals econometrca ha proceduto n due dstnte drezon: lo studo d modell macroeconomc, sulla base d sere temporal d dat aggregat da una
DettagliQualità dell adattamento di una funzione y=f(x) ad un insieme di misure (y in funzione di x)
Qualtà ell aattamento una funzone y=f() a un nseme msure (y n funzone ) Date N msure coppe valor elle granezze e y, legate alla relazone y=f(;a,b), nell potes che le ncertezze sulle sano trascurabl e y
DettagliArchitetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami
Archtetture artmetche Corso d Organzzazone de Calcolator Maragovanna Sam 27-8 8 Sommator: : Full Adder s = x y c + x y c + x y c + x y c Full Adder x y c s x y c = x y + x c + + y c c + Full Adder c x
DettagliTutti gli strumenti vanno tarati
L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello
DettagliRegressione lineare con un singolo regressore
Regressone lneare con un sngolo regressore Eduardo Ross 2 2 Unverstà d Pava (Italy) Marzo 2013 Ross Regressone lneare semplce Econometra - 2013 1 / 45 Outlne 1 Introduzone 2 Lo stmatore OLS 3 Esempo 4
DettagliINDAGINE ESAUSTIVA O CAMPIONARIA?
INDAGINE ESAUSTIVA O CAMPIONARIA? S rcorre certamente all ndagne per campone quando la rlevazone completa è mpossble e quando la determnazone delle modaltà possedute dalle untà n esame ne comporta la dstruzone
DettagliLa Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente
Unverstà d Macerata Dpartmento d Scenze Poltche, della Comuncazone e delle Relaz. Internazonal La Regressone Varable ndpendente o esplcatva Prezzo n () () 1 1 Varable dpendente 15 1 1 1 5 5 6 6 61 6 1
DettagliPer calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:
ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente
DettagliLA COMPATIBILITA tra due misure:
LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore
DettagliEsame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre
DettagliCorso di Tecniche elettromagnetiche per la localizzazione e il controllo ambientale. Test scritto del 08 / 09 / 2005
Corso d Tecnche elettromagnetche per la localzzazone e l controllo ambentale Test scrtto del 8 / 9 / 5 S rsponda alle seguent domande marcando con un segno le rsposte che s reputano corrette. S rsolva
DettagliLa verifica delle ipotesi
La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:
DettagliRegressione lineare: definizione delle incertezze dei coefficienti (calibrazione e regressione generica)
Regressone lneare: defnzone delle ncertezze de coeffcent (calbrazone e regressone generca) Argoment: regressone lneare affetta da ncertezza; ncertezza del coeffcente angolare della retta d regressone;
DettagliCOMPORTAMENTO DINAMICO DI ASSI E ALBERI
COMPORTAMENTO DNAMCO D ASS E ALBER VBRAZON TORSONAL Costruzone d Macchne Generaltà l problema del progetto d un asse o d un albero non è solo statco Gl ass e gl alber, come sstem elastc, sotto l azone
Dettagli