Complementi di Matematica e Statistica

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Complementi di Matematica e Statistica"

Transcript

1 Uiversità di Bologa Sede di Forlì Ao Accademico Complemeti di Matematica e Statistica (Alessadro Lubisco) Aalisi delle compoeti pricipali

2

3 INDICE Idice... i Aalisi delle compoeti pricipali... Premessa... U iterpretazioe geometrica... 5 Sviluppi formali... Matrici ortoormali e ortogoali... 3 Determiate di ua matrice... 3 Determiazioe delle compoeti pricipali... 4 Cambiameti di scala... 9 La scelta del umero di compoeti... La percetuale di variaza spiegata... Regola di Kaiser... Scree diagram... 3

4

5 ANALISI DELLE COMPONENTI PRINCIPALI PREMESSA Il campo dell aalisi multivariata cosiste i quelle teciche statistiche che cosiderao due o più variabili casuali correlate come ua sigola etità e cercao di produrre u risultato complessivo che tega coto delle relazioi esisteti tra le variabili. Molte delle teciche multivariate ifereziali soo geeralizzazioi delle classiche procedure uivariate. Si pesi, per esempio, alla regressioe multivariata. C è, tuttavia, u altra classe di teciche che è uica el paorama delle teciche multivariate. Il coefficiete di correlazioe è u e- sempio calzate. Sebbee queste teciche possao essere ache utilizzate ella statistica ifereziale, la maggior parte delle loro applicazioi è come strumeto di aalisi dei dati. I particolare, soo utilizzate come teciche che cercao di descrivere la struttura multivariata dei dati. L aalisi delle compoeti pricipali (ACP) è ua tecica di questo tipo che, sebbee usata pricipalmete come tecica descrittiva, può essere utilizzata altrettato i procedure ifereziali. L ACP appartiee alle teciche statistiche di aalisi multivariata, o- gua delle quali ha caratteristiche proprie, presetado tuttavia coessioi cocettuali e possibilità complemetari di utilizzo, ciascua rispetto alle altre. I metodi dell ACP vegoo adottati ell ambito di varie disciplie, particolarmete la sociologia e la psicologia, ma ache la biologia, la medicia e l ecoomia. Tali metodi si applicao a u isieme di osservazioi iiziali (variabili osservate), eseguite al fie di disporre di u vasto ambito di iformazioi, cosegueti a idagii codotte su campioi più o meo vasti. Così, per esempio, se per eseguire u idagie, poiamo sui cosumi, vegoo scelte veti variabili cosiddette rilevati (età, scolarità, umero dei familiari coviveti, reddito, umero di elettrodomestici posseduti, ecc.) e suppoedo di itervistare mille persoe, si ottiee ua massa di vetimila dati, i quali, cosiderati i blocco, o soo immediatamete idoei a forire iformazioi sitetiche e riassutive, ache se abbodao le

6 Aalisi statistica multivariata otizie di dettaglio. L obiettivo dell ACP cosiste allora ell'idividuare alcui (pochi) fattori di fodo che spieghio e diao ragioe dei dati stessi. Tali fattori di fodo, o compoeti, rappresetao delle dimesioi ideali dotate di sigificato. Così, ell ambito del comportameto di cosumo, potrebbero emergere compoeti quali: desiderio di essere accettati dal gruppo cui si aspira apparteere, tedeza a icremetare il proprio seso di sicurezza, desiderio di essere percepiti come apparteeti a u determiato status sociale, motivazioe al successo, ottimismo e pessimismo verso il proprio futuro, e via dicedo. I ambito ecoomico-aziedale, l'acp viee impiegata per: sitesi di idici di bilacio aziedale - valutazioe della performace aziedale sulla base di p idici di bilacio sitesi di valutazioi espresse da cosumatori/uteti co riferimeto a u certo bee/servizio/azieda/puto vedita. "riduzioe" della dimesioe dell'iformazioe prelimiare all'aalisi dei gruppi (impiegata per la segmetazioe del mercato) valutazioe sitetica di caratteristiche territoriali: valutazioe della qualità della vita co riferimeto a u certo territorio, sulla base di p idicatori di reddito, cosumo, dotazioe di servizi, idicatori ambietali, ecc. Itervistiamo i cittadii di ua certa area su vari aspetti relativi ai servizi foriti, ad esempio, dal Servizio Saitario Nazioale (competeza del persoale, stato della struttura, orari di apertura, ecc.). Sulla base delle osservazioi raccolte possiamo trarre degli idici sitetici (meglio: u uico idice) di "gradimeto" del servizio. Il ricercatore tede duque a scoprire delle dimesioi sottese (emergerà ache il cocetto di lateti ) atte a dar ragioe di u feomeo collettivo altrimeti difficilmete decifrabile. Ma, partiamo dall iizio. Già verso la fie dell 800 ci si poevao domade sulla possibilità di esprimere i forma sitetica isiemi di variabili tra loro correlate, magari proprio riducedo il umero delle variabili stesse. Le prime soluzioi soo state proposte da Galto el 889 e da Edgeworth el 89 lavorado su misure atropometriche. Tali studiosi cercaroo di ricombiare tali misure idividuado strutture lieari idipedeti che potevao essere iterpretate come idici atropometrici o correlati.

7 A. Lubisco 3 All iizio del 900 ache Karl Pearso determiò ua soluzioe simile, ache se stava lavorado su u obiettivo differete. Il suo approccio era di tipo geometrico e itedeva determiare rette e piai che potessero approssimare u isieme di puti i uo spazio p- dimesioale. I realtà, la formulazioe più ota è attualmete quella proposta da Hotellig el 933 e si basa sull ipotesi che i valori di u isieme di p variabili origiarie siao determiati da u più ristretto isieme di variabili tra loro idipedeti. Tali variabili vegoo determiate come combiazioe lieare delle variabili origiarie i modo tale da massimizzare il loro successivo cotributo alla variaza totale dell isieme. Date P variabili X osservate, tali combiazioi lieari soo del tipo Y a X + a X + + a i X i + + a p X p Y k a k X + a k X + + a ki X i + + a kp X p Y p a p X + a p X + + a pi X i + + a pp X p e vegoo dette compoeti pricipali. Devoo soddisfare i segueti requisiti: - o devoo essere correlate, cioè Cov(Y k,y k ) 0 k k - devoo essere ordiate i relazioe alla quatità di variabilità complessiva che ciascua di esse può sitetizzare, cioè i relazioe a quato è l apporto di ciascua compoete alla variabilità complessiva. Tale requisito può essere idicato co V(Y ) V(Y ) V(Y i ) V(Y p ) sempre teedo coto del fatto che la variabilità complessiva dei due diversi sistemi di riferimeto deve coicidere, cioè:

8 4 Aalisi statistica multivariata p k V ( ) Y k p V( X i ) i Le compoeti pricipali così determiate, come già acceato iizialmete, o corrispodoo a caratteristiche direttamete osservabili, e vao di volta i volta iterpretate. Ioltre, dal mometo che le variabili X i soo tra loro correlate, il sistema sarà i qualche misura ridodate. Per questo motivo, scegliedole opportuamete, o sarà ecessario utilizzare tutte le compoeti pricipali per riassumere i modo adeguato i dati, ma sarà sufficiete cosiderare le prime m, co m iferiore a p, qualora queste foriscao u adeguato coteuto iformativo.

9 A. Lubisco 5 UN INTERPRETAZIONE GEOMETRICA Facciamo u piccolo esempio. Si suppoga di disporre di ua -pla di idividui e di aver rilevato su di essi due variabili: peso e altezza. X Altezza X Peso Qual è la prima cosa può veire i mete di fare dispoedo di dati simili? A parte gli idicatori sitetici uivariati, si potrebbe partire co u grafico che coseta di visualizzare etrambe le variabili

10 6 Aalisi statistica multivariata Quidi, come procedere? Si fa ua regressioe? Poi però bisoga stabilire quale variabile è da cosiderare dipedete e quale idipedete. Ci troveremmo perciò di frote alla determiazioe di due modelli differeti, el caso si decidesse di predere come predittiva ua variabile piuttosto che l altra. E se, ivece, semplicemete si facesse ua rotazioe degli assi passado dal sistema X, X a u uovo sistema che chiamiamo Y, Y? I questa maiera, la forma della ube di puti resta immutata, metre cambiao le coordiate dei puti. Ciò che può accadere è che, se letti rispetto al uovo sistema di riferimeto, i puti cosetao di trarre maggiori iformazioi (o semplicemete iformazioi più chiare) rispetto al vecchio sistema. Nel caso di peso e altezza, se facciamo riferimeto alle uove coordiate troveremo che gli idividui che si trovao sull estremità destra dell asse OY sarao soggetti co peso e statura elevati, metre quelli che si trovao dalla parte opposta soo idividui di basso peso e bassa statura. Come si potrebbe iterpretare quidi tale uova dimesioe? La posizioe di u idividuo lugo l asse OY dà idicazioi sulla sua taglia.

11 A. Lubisco 7 Facciamo ora riferimeto all altro uovo asse: i puti i alto a siistra lugo questo asse rappresetao idividui di peso elevato, ma bassa statura. Aalogamete, idividui lugo la parte iferiore dell asse soo alti ma di peso basso. La posizioe lugo l asse OY che idicazioi ci dà? Ciò che si ottiee è u idicazioe di forma. Se x e x rappresetao altezza e peso di u idividuo del collettivo preso i esame, chiameremo y e y le coordiate di quell idividuo el uovo sistema basato sugli assi OY e OY. Dal mometo che il uovo sistema di assi è stato otteuto co ua semplice rotazioe rispetto all origie, la relazioe tra i due sistemi di riferimeto può essere espressa ella forma: y x cos α + x se α y -x se α + x cos α dove α è l agolo tra OX e OY (ossia tra OX e OY ). Ne cosegue che la taglia è ua combiazioe lieare di peso e altezza (cioè y a x + a x dove a e a hao etrambi lo stesso sego), metre la forma è u cotrasto lieare tra statura e peso (cioè y b x + b x dove b e b soo di sego opposto). I questo modo abbiamo solamete compiuto ua rilettura del collettivo rispetto a due uovi idicatori che o abbiamo osservato direttamete, ma che abbiamo i qualche modo iterpretato dalla relazioe esistete co le variabili osservate. Fiora o c è stata alcua sitesi e il sistema cotiua a essere a due dimesioi. Proviamo ora a predere i cosiderazioe u secodo collettivo di soggetti, sul quale soo sempre stati rilevati altezza e peso. E facciamo sempre riferimeto al uovo sistema di assi idividuato precedetemete dove OY idica la taglia e OY la forma.

12 8 Aalisi statistica multivariata Che tipo di cosiderazioi possiamo fare osservado ua uvola di puti del geere? La dispersioe dei puti lugo l asse OY è molto elevata, ma quella lugo l asse OY è ivece piuttosto ridotta. Cosa sigifica ciò? Sigifica che gli idividui di questo collettivo hao taglie molto differeti, ma forme molto simili. Le variabili X e X (altezza e peso) dao luogo a ua distribuzioe bivariata. Ache le variabili Y e Y (taglia e forma) dao luogo a ua distribuzioe bivariata. Se cosideriamo le due distribuzioi poste su piai diversi, è facile osservare che esiste ua corrispodeza biuivoca tra le due distribuzioi, sicché ciascu puto del piao OX OX si coette a u corrispodete puto del piao OY OY. X e X soo però variabili correlate e così, visto che el ostro caso le due variabili soo correlate positivamete, a valori elevati di X tedoo a corrispodere valori elevati di X e, viceversa, a valori bassi di X tedoo a corrispodere valori bassi di X. Dato che ivece Y e Y soo variabili icorrelate, scelto u valore elevato di Y (taglia) o ci si attede che a esso si associ, i media, u valore elevato di Y (forma), e viceversa.

13 A. Lubisco 9 La stessa popolazioe può essere aalizzata sulla base di due distite distribuzioi bivariate: la prima è basata sulla classificazioe per aspetti distiti e correlati (altezza e peso), metre la secoda è basata su aspetti astratti e o correlati. Y e Y assumoo sigificati da precisare di volta i volta; el caso i esame, assumoo il sigificato di taglia e forma. Y e Y tedoo quidi a discrimiare le uità statistiche i modo differete. Metre però Y tede a discrimiare cospicuamete i vari soggetti i ragioe della sua elevata variaza, ciò o avviee co Y. Queste cosiderazioi portao a riteere che, se oi impiegassimo solo la dimesioe Y per rappresetare i dati, cioè utilizzassimo la rappresetazioe uidimesioale otteuta proiettado i puti sull asse OY, tale rappresetazioe sarebbe ua buoa approssimazioe della uvola di puti bidimesioale. I altre parole, le differeze tra gli soggetti di questo secodo campioe, vegoo espresse i maiera sufficietemete accurata ache se, ivece di idicare per ciascuo di essi sia la statura x che il peso x, si cosidera l idicatore taglia y x cosα + x seα. Sostituedo alle variabili origiarie X e X la uova variabile Y, si ottiee ua riduzioe di dimesioi da a, dal mometo che i dati ora possoo essere rappresetati graficamete solo i fuzioe dei valori di Y. A secoda dei valori di α che si sceglierao, cioè i base alla rotazioe di assi che si sceglierà, si otterrao differeti variabili Y e coseguetemete si otterrao differeti rappresetazioi grafiche uidimesioali. Fra tutte queste rappresetazioi e esisterà ua che potrà essere cosiderata la migliore approssimazioe (perché, avedo ridotto il sistema da due a ua dimesioe, parliamo apputo di approssimazioe) della relazioe che esiste tra gli puti ello spazio bidimesioale. Teiamo presete che siamo i ua situazioe ella quale stiamo cercado di valutare quale trasformazioe, da uo spazio bidimesioale a uo uidimesioale, sia migliore. Passado da uo spazio bidimesioale a uo uidimesioale, sostazialmete facciamo ua proiezioe dei puti sul uovo asse che abbiamo idividuato.

14 0 Aalisi statistica multivariata La trasformazioe migliore (el ostro caso, rotazioe) deriverà da quel valore di α che rede miimo lo spostameto dei puti dalla posizioe origiale el processo di proiezioe. Dal mometo che le coordiate dei puti rispetto a Y soo le loro proiezioi ortogoali sull asse OY, la soluzioe sarà data dalla retta la cui distaza dai puti è miima. Idichiamo co P j u puto geerico e co P j la sua proiezioe ortogoale sull asse OY. La retta migliore sarà quella che rede miima la somma: ' ( P ) j jp j (si oti la differeza tra questa codizioe e i miimi quadrati) Applicado il teorema di Pitagora al triagolo OP j P j si ottiee: (OP j ) (OP j ) + (P j P j ) da cui, sommado per tutti gli puti, cosegue j ' ' ( OP ) ( OP ) + ( P P ) j j j j j j

15 A. Lubisco Dividedo etrambi i membri per - si ottiee ifie: ' ' ( OP ) ( OP ) + ( P P ) j j j j Il primo membro della precedete uguagliaza è costate per ogi dato campioe e idipedete dal sistema di riferimeto (ifatti, o compaioo le coordiate P j che soo quelle del uovo sistema di riferimeto). Scegliere l asse OY i modo da miimizzare ' ( P j P j ) j sarà quidi equivalete a scegliere OY così da massimizzare la quatità ' ( OP j ) j. Poiché O è il baricetro della ube di puti (perché abbiamo cosiderato variabili scarto dalla media) la quatità ' ( OP j ) j è semplicemete la variaza delle proiezioi delle uità campioarie sull asse OY. Trovare l asse OY che reda miima la somma dei quadrati delle distaze (perpedicolari) da essa è quidi equivalete a trovare la retta OY tale che le proiezioi su di essa abbiao massima variaza. E su questa costatazioe che si basa la determiazioe delle compoeti pricipali ella formulazioe forita da Hotellig. j j j

16 Aalisi statistica multivariata SVILUPPI FORMALI Proviamo ora a estedere quato sopra descritto i u cotesto bidimesioale a ua situazioe multivariata. Si preda i cosiderazioe ua -pla di soggetti sui quali siao state osservate p variabili. La matrice dei dati avrà dimesioi (xp) e gli puti potrao essere rappresetati i uo spazio a p dimesioi. Così come ell esempio precedete i due assi OX e OX rappresetavao altezza e peso, ello spazio p-dimesioale che stiamo ora cosiderado, ciascu asse idetifica ua delle p variabili osservate. Aalogamete a quato fatto precedetemete, si defiisca ua retta OY di questo spazio tale che la dispersioe delle proiezioi dei puti su di essa sia massima. Questo equivale alla costruzioe di ua variabile del tipo Y a X + a X + + a p X p co coefficieti a i che soddisfao il vicolo p i a i (perché basta u vettore a orma uitaria per idetificare ua retta i uo spazio) e determiata, ioltre, dalla codizioe che la sua variaza sia massima. Ua volta idividuata OY, si cosidera il sottospazio di dimesioi (p-) ortogoale a OY e, come abbiamo fatto per OY, si cerca la retta OY di questo sottospazio co massima dispersioe delle proiezioi dei puti lugo di essa. Tale retta dovrà soddisfare ach essa la codizioe p i i a. Fio a quado può proseguire questo processo? Il processo può cotiuare fio a quado o si siao otteute p rette OY k (k,, p) fra loro ortogoali.

17 A. Lubisco 3 Ciascua di queste rette defiisce ua variabile Y k a k X + a k X + + a kp X p i cui le costati a ki soo determiate dalla codizioe che la variaza di Y k sia massima sotto il vicolo di ortogoalità co ciascua altra variabile Y k dove (k < k), e sotto il vicolo p i ki a per ogi k. Prima di procedere a ua ulteriore formalizzazioe del processo che porta a determiare le compoeti pricipali, facciamo u richiamo ad alcui elemeti di geometria delle matrici. Matrici ortoormali e ortogoali Ua matrice ortoormale è ua matrice quadrata co le segueti proprietà: ) A ±, dove A è il determiate di A p p ) a ij aij ( i, j) i j : la somma dei quadrati di qualuque riga o coloa è pari a p 3) aijaik 0 ( j k) i : i prodotti vettoriali di qualuque coppia di due coloe è pari a 0; ciò implica che le coordiate degli assi, che queste coloe rappresetao, si itersecao co u agolo di 90. Questo sigifica che se la matrice A è ortoormale, valgoo le segueti uguagliaze: AA I A - A dove A - è l iversa di A. Ua matrice che soddisfi la codizioe 3, ma o le codizioi e si dice ortogoale. Determiate di ua matrice Il determiate A di ua matrice quadrata mxm A, è u sigolo

18 4 Aalisi statistica multivariata valore associato alla matrice quadrata stessa e i molti casi è i relazioe a ua misura di volume. Per matrici x il determiate può essere calcolato agilmete co il metodo dell icrocio. Dispoedo della seguete matrice x A a a a a Allora il determiate di A sarà dato da A a a a a Esiste u metodo aalogo ache per ua matrice 3x3. Se ua qualuque coppia di righe o coloe della matrice quadrata soo dipedeti, cioè soo ua combiazioe lieare dell altra, allora il determiate della matrice è pari a zero. Co il determiate si determia il rago della matrice. Se il rago è diverso da zero, allora la matrice si dice o-sigolare. Il metodo delle compoeti pricipali è basato sull algebra delle matrici: ua matrice pxp simmetrica e o-sigolare, come potrebbe essere la matrice di covariaza S, può essere ridotta a ua matrice diagoale L premoltiplicado e postmoltiplicado tale matrice co ua particolare matrice ortoormale A tale che A SA L Gli elemeti della diagoale di L, l, l,, l p soo chiamati radici caratteristiche, radici lateti o autovalori di S. Le coloe di A soo i vettori caratteristici o autovettori. Gli autovalori possoo essere otteuti dalla soluzioe dalla seguete equazioe, chiamata equazioe caratteristica: S li 0 dove I è la matrice idetità. L equazioe forisce u poliomio di grado p dal quale vegoo determiati i valori l, l,, l p. DETERMINAZIONE DELLE COMPONENTI PRINCIPALI Premesso ciò, si suppoga quidi di avere u vettore di variabili

19 A. Lubisco 5 X (X, X,, X p ) di dimesioi (xp) osservato su idividui. Ciò geera, come è oto, ua matrice di dati di dimesioe (xp) il cui geerico elemeto è x ij. I valori relativi al j-esimo idividuo soo coteuti el vettore x j composto da p elemeti. Il vettore x ' ( x, x,, x p) cotiee i valori medi delle p variabili. E oto altresì che la variaza della i-esima variabile è data da: s ii (siamo i u cotesto campioario) ( xij xi ) j metre la covariaza fra la i-esima e la i -esima variabile è data da s ii' ( xji xi )( xji' xi' ) j Le variaze e le covariaze possoo essere riassute ella matrice S (detta apputo matrice di variaze e covariaze) i cui elemeti vegoo idicati co s ii' ; è possibile, altresì, esprimere tale matrice el seguete modo: S j ( x j x)( x j x) ' Omettedo l idicatore k, la geerica variabile scalare Y a X + a X + + a p X p (X e Y maiuscole) otteuta come combiazioe lieare delle variabili origiarie X i, può essere scritta ella forma più compatta come Y a X dove a (a, a,, a p ). Il valore di Y per il j-esimo idividuo osservato sarà: y j a x j + a x j + + a p x jp a x j (X e Y miuscole) metre la media della variabile Y el collettivo esamiato sarà y a x + a x + + a p x p a x

20 6 Aalisi statistica multivariata La variaza di Y è s y ( y j y ) j Ma quato vale y j - y? Per quato sopra visto: y j - y a x j - a x a (x j - x ) o, essedo il trasposto di uo scalare uguale allo scalare stesso, (y j - y ) (x j - x )a. Moltiplicado le due espressioi si ottiee che (y j - y ) a (x j - x )(x j - x )a e quidi, sommado rispetto all idice j e dividedo per (-) si ha: s ( y y ) a ' ( x x)( x x) ' a a' Sa y j j j j j Teiamo presete questa relazioe perché sarà u puto di arrivo ei prossimi passaggi. Se ora formalizziamo quato prima era stato detto i termii geometrici, si può defiire la prima compoete pricipale come la combiazioe lieare Y a X delle variabili origiarie che dà luogo al massimo valore di a Sa sotto il vicolo a a. N.B. La quatità a Sa è ua forma quadratica defiita positiva (sigifica che tutti gli autovalori soo positivi) e perciò o ammette u massimo fiito. Per massimizzare tale quatità è ecessario imporre u vicolo sul vettore dei coefficieti. Tale vicolo (apputo a a ) cosete di otteere ua soluzioe uica costituita da u vettore ormalizzato. Si cercherà perciò di determiare il vettore a che soddisfi tale codizioe Trovare il vettore che massimizza a Sa, posto a a, equivale a trovare il vettore che rede massima la quatità a Sa - l (a a - )

21 A. Lubisco 7 dove l è oto come il moltiplicatore di Lagrage. Il problema viee risolto poedo a zero le derivate parziali rispetto agli elemeti di a, otteedo dopo alcui passaggi: Sa l a da cui si ricava il seguete sistema omogeeo di equazioi, la cui soluzioe è il vettore a : (S - l I)a 0 (dove I è la matrice idetità) Affiché il sistema ammetta soluzioe o baale è però ecessario che il determiate della matrice dei coefficieti sia uguale a zero: S - l I 0 Quidi l è u autovalore di S e la soluzioe a il corrispodete autovettore ormalizzato. Quati autovalori e corrispodeti autovettori ormalizzati ha la matrice S? Ne ha p. Bisoga perciò determiare quale sia quello che stiamo cercado. Premoltiplicado l uguagliaza Sa l a per a si ottiee a Sa l a a e poiché a a sarà l a Sa Quidi l è la variaza di Y che si voleva massimizzare; questo problema ha allora soluzioe se si cosidera il più elevato autovalore di S. Ne segue che i coefficieti a ella prima compoete pricipale Y a X soo gli elemeti dell autovettore di S che corrispode all autovalore maggiore. Per la secoda compoete e per le successive si fa u ragioameto aalogo; si tratta di massimizzare la variaza di ciascua compoete sotto il vicolo di orma uitaria dei vettori dei coefficieti a k a k, poedo l ulteriore codizioe di ortogoalità co le precedeti compoeti a k a k 0 (k < k)

22 8 Aalisi statistica multivariata Per la k-esima compoete pricipale i coefficieti a k soo gli elemeti dell autovettore che corrispode al k-esimo autovalore l k ella graduatoria decrescete degli autovalori di S. Ogi autovalore può allora essere letto come variaza della corrispodete compoete pricipale: Ioltre V(Y k ) l k Σ k l k Σ k V(Y k ) Σ k V(X i ) cioè, la somma delle variaze delle compoeti pricipali è uguale alla somma delle variaze delle variabili osservate. L importaza di ogi compoete i termii di variabilità spiegata all itero del sistema si misura co il rapporto V( Yk ) V( Y ) k lk l k Il risultato, moltiplicato per 00, idica ifatti la percetuale di variaza complessiva espressa dalla k-esima compoete.

23 A. Lubisco 9 CAMBIAMENTI DI SCALA Qualora le variabili differiscao per uità di misura o, pur essedo espresse ella medesima uità di misura, presetio variabilità otevolmete diversa, è opportuo determiare le compoeti pricipali o già sulle variabili origiarie, besì sulle corrispodeti variabili stadardizzate. I preseza di forti differeze fra le variaze, ifatti, le variabili co variaza maggiore tedoo a domiare le prime compoeti pricipali. Cosa vuol dire questo? Vuol dire che elle prime compoeti pricipali, i coefficieti relativi alle variabili X osservate co maggiore variaza sarao molto più elevati di quelli relativi alle altre variabili osservate. I tal caso si opererà sulla matrice di correlazioe R piuttosto che sulla matrice di variaze covariaze S. I risultati che si ottegoo determiado autovalori e autovettori dell ua o dell altra matrice soo sesibilmete diversi e o esiste alcua relazioe che leghi gli ui agli altri. La scelta di operare sui dati stadardizzati aziché sui dati grezzi va perciò attetamete poderata, come pure va fatta co attezioe la scelta delle uità di misura rispetto a cui vegoo espressi i caratteri osservati. Ifatti, le compoeti pricipali o soo isesibili a cambiameti di scala. A tal proposito, valga il seguete esempio. Si suppoga che siao state rilevate due sole variabili X e X e che X possa essere e- spressa sia i cl (cetilitri) che i ml (millilitri). Nei due casi le matrici di variaza e covariaza potrebbero essere, ad esempio: S e S Procediamo al calcolo degli autovalori della matrice S : Bisoga imporre che il determiate S - ΛI 0, quidi:

24 0 Aalisi statistica multivariata Λ ( I) 0 cioè Λ Λ Λ 0 90 Λ Λ 0 ( 90 Λ ) Λ + Λ 0 Risolvedo l equazioe di grado i Λ si ottegoo le due soluzioi Λ 40 e Λ 40 (la cui somma è 80, pari apputo alla somma dei valori sulla diagoale di S ). Prededo i cosiderazioe l autovalore più elevato e idicadolo co l, ora bisoga risolvere il sistema omogeeo (S - l I)a 0 90 l l a a a a a 50 a 0 0 che si traduce el seguete sistema: 50a + 50a 0 50a 50a 0 Affiché tale sistema abbia soluzioe o baale, bisoga imporre che l autovettore (costituito da a e a ) sia ormalizzato, cioè che: a + a I questo modo il sistema diveta:

25 A. Lubisco 50a 50a a + 50a 50a + a 0 0 Risolvedo, si ottegoo le segueti soluzioi: a a La prima compoete pricipale di S è quidi Y a X + a X cioè Y 0,707X + 0,707X e l autovalore a essa associata, cioè la sua variaza è 40 (cioè il valore l precedetemete calcolato. Quata parte della variaza complessiva spiega tale compoete? Tale compoete spiega il 77,78% della variabilità complessiva. Il calcolo avviee facedo (40/(90+90))*00. Co aaloghi calcoli si determia che la prima compoete pricipale di S è ivece Y 0,998X + 0,055X e la sua variaza è 907,97, cioè il 99,3% della variabilità complessiva del sistema. Il calcolo avviee facedo (907,97/( ))*00. U semplice cambiameto di uità di misura ha quidi l effetto di trasformare ua compoete pricipale che dà ugual peso a X e X i ua compoete domiata completamete da i ua compoete domiata completamete da X. Geeralizzado quato appea mostrato al caso di p> si avrà che, i preseza di forte eteroschedasticità, le compoeti pricipali soo pressoché equivaleti alle variabili origiarie disposte i ordie di variaza decrescete. Ua ulteriore giustificazioe al calcolo delle compoeti pricipali sulla matrice R piuttosto che su S sta ella maggiore facilità di co-

26 Aalisi statistica multivariata froti co altre situazioi. I coclusioe, è però opportuo ricordare che, quado si voglia fare ifereza sulle compoeti pricipali della popolazioe a partire da quelle calcolate su u campioe, i risultati valgoo solo se le compoeti pricipali soo calcolate a partire dalla matrice di variaze e covariaze. È ifie ecessario rammetare che il umero delle compoeti lieari che risultao dalla soluzioe dell equazioe caratteristica dipede dal rago della matrice di variaza-covariaza. Se la matrice è a pieo rago, si possoo determiare fio a p compoeti pricipali ordiate secodo l ammotare del loro cotributo alla variabilità complessiva. Nella pratica, si è soliti cosiderare solo le m compoeti che spiegao ua frazioe sufficiete di variabilità, riteedo le restati p m compoeti praticamete irrilevati per la descrizioe del feomeo. LA SCELTA DEL NUMERO DI COMPONENTI La percetuale di variaza spiegata Il criterio più immediato per la scelta del umero m di compoeti rispetto a cui rappresetare il feomeo presuppoe che vega prefissatala proporzioe della variabilità complessiva che si desidera tali compoeti spieghio, ad esempio il 70/80%; m sarà perciò il umero più piccolo di compoeti per le quali tale percetuale è superata. I software che calcolao le compoeti pricipali foriscoo tale idicazioe e quidi, se lo si decide, si può traquillamete utilizzare questa strategia. Regola di Kaiser U altro criterio, oto ache co il ome di regola di Kaiser, utile quado si estraggoo le compoeti dalla matrice di correlazioe, suggerisce di tratteere solo le compoeti corrispodeti ad autovalori maggiori o uguali all uità. L idea sottostate questo criterio è che se le variabili X i, i,, p, fossero idipedeti e stadardizzate, le compoeti coiciderebbero co tali variabili e avrebbero variaza uitaria; quidi ogi compoete co variaza iferiore a cotiee meo iformazioi di ua qualsiasi delle variabili origiarie.

27 A. Lubisco 3 Alcui autori ritegoo che questo criterio sottostimi il umero di compoeti ecessario per ua adeguata rappresetazioe della variabilità del feomeo osservato e propogoo di abbassare la soglia a 0,7 così da teer coto della variabilità campioaria. Qualora l aalisi sia svolta sulla matrice di variaza-covariaza la media degli autovalori l p k lk p può essere utilizzata come valore critico; solo le compoeti co variaza maggiore di l verrao tratteute. Scree diagram Acora, ella scelta di m (il umero di compoeti sufficieti a riprodurre co buoa approssimazioe i dati di parteza) ci si può servire del grafico degli autovalori rispetto al loro ordie di estrazioe (oto come scree diagram o scree plot) e scegliere quel umero m di compoeti i corrispodeza del quale il grafico preseta u gomito.

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale

Calcolo della risposta di un sistema lineare viscoso a più gradi di libertà con il metodo dell Analisi Modale Calcolo della risposta di u sistema lieare viscoso a più gradi di libertà co il metodo dell Aalisi Modale Lezioe 2/2 Prof. Adolfo Satii - Diamica delle Strutture 1 La risposta a carichi variabili co la

Dettagli

Strumenti di indagine per la valutazione psicologica

Strumenti di indagine per la valutazione psicologica Strumeti di idagie per la valutazioe psicologica 1.2 - Richiami di statistica descrittiva Davide Massidda davide.massidda@gmail.com Descrivere i dati Dovedo scegliere u esame opzioale, uo studete ha itezioe

Dettagli

DISTRIBUZIONI DOPPIE

DISTRIBUZIONI DOPPIE DISTRIBUZIONI DOPPIE Fio ad ora abbiamo visto teciche di aalisi dei dati per il solo caso i cui ci si occupi di u solo carattere rilevato su u collettivo (distribuzioi semplici). I termii formali fio ad

Dettagli

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02%

52. Se in una città ci fosse un medico ogni 500 abitanti, quale sarebbe la percentuale di medici? A) 5 % B) 2 % C) 0,2 % D) 0,5% E) 0,02% RISPOSTE MOTIVATE QUIZ D AMMISSIONE 2000-2001 MATEMATICA 51. L espressioe log( 2 ) equivale a : A) 2log B) log2 C) 2log D) log E) log 2 Dati 2 umeri positivi a e b (co a 1), si defiisce logaritmo i base

Dettagli

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI

LE MISURE DI VARIABILITÀ DI CARATTERI QUANTITATIVI Apputi di Statistica Sociale Uiversità ore di Ea LE MISURE DI VARIABILITÀ DI CARATTERI QUATITATIVI La variabilità di u isieme di osservazioi attiee all attitudie delle variabili studiate ad assumere modalità

Dettagli

Successioni ricorsive di numeri

Successioni ricorsive di numeri Successioi ricorsive di umeri Getile Alessadro Laboratorio di matematica discreta A.A. 6/7 I queste pagie si voglioo predere i esame alcue tra le più famose successioi ricorsive, presetadoe alcue caratteristiche..

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

LA DERIVATA DI UNA FUNZIONE

LA DERIVATA DI UNA FUNZIONE LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:

Dettagli

Analisi Fattoriale Discriminante

Analisi Fattoriale Discriminante Aalisi Fattoriale Discrimiate Bibliografia Lucidi (materiale reperibile via Iteret) Lauro C.N. Uiversità di Napoli Gherghi M. Uiversità di Napoli D Ambra L. Uiversità di Napoli Keeth M. Portier Uiversity

Dettagli

SUCCESSIONI E SERIE NUMERICHE

SUCCESSIONI E SERIE NUMERICHE SUCCESSIONI E SERIE NUMERICHE. Successioi umeriche a. Defiizioi: successioi aritmetiche e geometriche Cosideriamo ua sequeza di umeri quale ad esempio:,5,8,,4,7,... Tale sequeza è costituita mediate ua

Dettagli

EQUAZIONI ALLE RICORRENZE

EQUAZIONI ALLE RICORRENZE Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo

Dettagli

Campi vettoriali conservativi e solenoidali

Campi vettoriali conservativi e solenoidali Campi vettoriali coservativi e soleoidali Sia (x,y,z) u campo vettoriale defiito i ua regioe di spazio Ω, e sia u cammio, di estremi A e B, defiito i Ω. Sia r (u) ua parametrizzazioe di, fuzioe della variabile

Dettagli

Analisi statistica dell Output

Analisi statistica dell Output Aalisi statistica dell Output IL Simulatore è u adeguata rappresetazioe della Realtà! E adesso? Come va iterpretato l Output? Quado le Osservazioi soo sigificative? Quati Ru del Simulatore è corretto effettuare?

Dettagli

Capitolo uno STATISTICA DESCRITTIVA BIVARIATA

Capitolo uno STATISTICA DESCRITTIVA BIVARIATA Capitolo uo STATISTICA DESCRITTIVA BIVARIATA La statistica bidimesioale o bivariata si occupa dello studio del grado di dipedeza di due caratteri distiti della stessa uità statistica. E possibile, ad esempio,

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 19 Iterdipedeza lieare fra variabili quatitative

Dettagli

LA VERIFICA DELLE IPOTESI SUI PARAMETRI

LA VERIFICA DELLE IPOTESI SUI PARAMETRI LA VERIFICA DELLE IPOTESI SUI PARAMETRI E u problema di ifereza per molti aspetti collegato a quello della stima. Rispode ad u esigeza di carattere pratico che spesso si preseta i molti campi dell attività

Dettagli

V Tutorato 6 Novembre 2014

V Tutorato 6 Novembre 2014 1. Data la successioe V Tutorato 6 Novembre 01 determiare il lim b. Data la successioe b = a = + 1 + 1 8 6 + 1 80 + 18 se 0 se < 0 scrivere i termii a 0, a 1, a, a 0 e determiare lim a. Data la successioe

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA STATISTICA DESCRITTIVA La statistica descrittiva serve per elaborare e sitetizzare dati. Tipicamete i dati si rappresetao i tabelle. Esempio. Suppoiamo di codurre u idagie per cooscere gli iscritti al

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

PARTE QUARTA Teoria algebrica dei numeri

PARTE QUARTA Teoria algebrica dei numeri Prerequisiti: Aelli Spazi vettoriali Sia A u aello commutativo uitario PARTE QUARTA Teoria algebrica dei umeri Lezioe 7 Cei sui moduli Defiizioe 7 Si dice modulo (siistro) su A (o semplicemete, A-modulo)

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docete: dott. F. Zucca Esercitazioe # 4 1 Distribuzioe Espoeziale Esercizio 1 Suppoiamo che la durata della vita di ogi membro di

Dettagli

I appello - 29 Giugno 2007

I appello - 29 Giugno 2007 Facoltà di Igegeria - Corso di Laurea i Ig. Iformatica e delle Telecom. A.A.6/7 I appello - 9 Giugo 7 ) Studiare la covergeza putuale e uiforme della seguete successioe di fuzioi: [ ( )] f (x) = cos (

Dettagli

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone

Numerazione binaria Pagina 2 di 9 easy matematica di Adolfo Scimone Numerazioe biaria Pagia di 9 easy matematica di Adolfo Scimoe SISTEMI DI NUMERAZIONE Sistemi di umerazioe a base fissa Facciamo ormalmete riferimeto a sistemi di umerazioe a base fissa, ad esempio el sistema

Dettagli

Selezione avversa e razionamento del credito

Selezione avversa e razionamento del credito Selezioe avversa e razioameto del credito Massimo A. De Fracesco Dipartimeto di Ecoomia politica e statistica, Uiversità di Siea May 3, 013 1 Itroduzioe I questa lezioe presetiamo u semplice modello del

Dettagli

Anno 5 Successioni numeriche

Anno 5 Successioni numeriche Ao 5 Successioi umeriche Itroduzioe I questa lezioe impareremo a descrivere e calcolare il limite di ua successioe. Ma cos è ua successioe? Come si calcola il suo limite? Al termie di questa lezioe sarai

Dettagli

8. Quale pesa di più?

8. Quale pesa di più? 8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora

Dettagli

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi.

SERIE NUMERICHE Con l introduzione delle serie vogliamo estendere l operazione algebrica di somma ad un numero infinito di addendi. Serie SERIE NUMERICHE Co l itroduzioe delle serie vogliamo estedere l operazioe algebrica di somma ad u umero ifiito di addedi. Def. Data la successioe {a }, defiiamo la successioe {s } poedo s = a k.

Dettagli

Percorsi di matematica per il ripasso e il recupero

Percorsi di matematica per il ripasso e il recupero Giacomo Pagia Giovaa Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secodaria di secodo grado UNITÀ CAMPIONE Edizioi del Quadrifoglio à t i U 2 Radicali I questa Uità affrotiamo

Dettagli

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15

Corso di Laurea Magistrale in Ingegneria Informatica A.A. 2014/15. Complementi di Probabilità e Statistica. Prova scritta del del 23-02-15 Corso di Laurea Magistrale i Igegeria Iformatica A.A. 014/15 Complemeti di Probabilità e Statistica Prova scritta del del 3-0-15 Puteggi: 1. 3+3+4;. +3 ; 3. 1.5 5 ; 4. 1 + 1 + 1 + 1 + 3.5. Totale = 30.

Dettagli

Statistica di base. Luca Mari, versione 31.12.13

Statistica di base. Luca Mari, versione 31.12.13 Statistica di base Luca Mari, versioe 31.12.13 Coteuti Moda...1 Distribuzioi cumulate...2 Mediaa, quartili, percetili...3 Sigificatività empirica degli idici ordiali...3 Media...4 Acora sulla media...4

Dettagli

Interesse e formule relative.

Interesse e formule relative. Elisa Battistoi, Adrea Frozetti Collado Iteresse e formule relative Esercizio Determiare quale somma sarà dispoibile fra 7 ai ivestedo oggi 0000 ad u tasso auale semplice del 5% Soluzioe Il diagramma del

Dettagli

Metodi statistici per l analisi dei dati

Metodi statistici per l analisi dei dati Metodi statistici per l aalisi dei dati due ttameti Motivazioi ttameti Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ttameti) per cui soo stati codotti gli esperimeti. due ttameti Esempio itroduttivo

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere

Risposte. f v = φ dove φ(x,y) = e x2. f(x) = e x2 /2. +const. Soluzione. (i) Scriviamo v = (u,w). Se f(x) è la funzione richiesta, si deve avere Eserciio 1 7 puti. Dato il campo vettoriale v, + 1,, i si determii ua fuioe f > i modo tale che il campo vettoriale f v sia irrotaioale, cioè abbia le derivate icrociate uguali; ii si spieghi se i risultati

Dettagli

Approfondimenti di statistica e geostatistica

Approfondimenti di statistica e geostatistica Approfodimeti di statistica e geostatistica APAT Agezia per la Protezioe dell Ambiete e per i Servizi Tecici Cos è la geostatistica? Applicazioe dell aalisi di Rischio ai siti Cotamiati Geostatistica La

Dettagli

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1)

APPUNTI DI MATEMATICA ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) ALGEBRA \ ARITMETICA \ NUMERI NATURALI (1) I umeri aturali hao u ordie; ogi umero aturale ha u successivo (otteuto aggiugedo 1), e ogi umero aturale diverso da zero ha u precedete (otteuto sottraedo 1).

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE LORENZO BRASCO. Teoremi di Cesaro Teorema di Stolz-Cesaro. Siao {a } N e {b } N due successioi umeriche, co {b } N strettamete positiva, strettamete crescete e ilitata. Se esiste

Dettagli

CAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE

CAPITOLO SETTIMO GLI INDICI DI FORMA 1. INTRODUZIONE CAPITOLO SETTIMO GLI INDICI DI FORMA SOMMARIO: 1. Itroduzioe. - 2. Asimmetria. - 3. Grafico a scatola (box plot). - 4. Curtosi. - Questioario. 1. INTRODUZIONE Dopo aver aalizzato gli idici di posizioe

Dettagli

Foglio di esercizi N. 1 - Soluzioni

Foglio di esercizi N. 1 - Soluzioni Foglio di esercizi N. - Soluzioi. Determiare il domiio della fuzioe f) = log 3 + log 3 3)). Deve essere + log 3 3) > 0, ovvero log 3 3) >, ovvero prededo l espoeziale i base 3 di etrambi i membri) 3 >

Dettagli

Calcolo Combinatorio (vers. 1/10/2014)

Calcolo Combinatorio (vers. 1/10/2014) Calcolo Combiatorio (vers. 1/10/2014 Daiela De Caditiis modulo CdP di teoria dei segali Igegeria dell Iformazioe - sede di Latia, CALCOLO COMBINATORIO Pricipio Fodametale del Calcolo Combiatorio: Si realizzio

Dettagli

Corso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015

Corso di Elementi di Impianti e macchine elettriche Anno Accademico 2014-2015 Corso di Elemeti di Impiati e mahie elettriche Ao Aademico 014-015 Esercizio.1 U trasformatore moofase ha i segueti dati di targa: Poteza omiale A =10 kva Tesioe omiale V 1 :V =480:10 V Frequeza omiale

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2006

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2006 ESAME DI STAT DI LICE SCIENTIFIC CRS DI RDINAMENT 006 Il cadidato risolva uo dei due problemi e 5 dei 0 quesiti i cui si articola il questioario. PRBLEMA U filo metallico di lughezza l viee utilizzato

Dettagli

Successioni. Grafico di una successione

Successioni. Grafico di una successione Successioi Ua successioe di umeri reali è semplicemete ua sequeza di ifiiti umeri reali:, 2, 3,...,,... dove co idichiamo il termie geerale della successioe. Ad esempio, discutedo il sigificato fiaziario

Dettagli

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA

STATISTICA INFERENZIALE SCHEDA N. 2 INTERVALLI DI CONFIDENZA PER IL VALORE ATTESO E LA FREQUENZA Matematica e statistica: dai dati ai modelli alle scelte www.dima.uige/pls_statistica Resposabili scietifici M.P. Rogati e E. Sasso (Dipartimeto di Matematica Uiversità di Geova) STATISTICA INFERENZIALE

Dettagli

Il test parametrico si costruisce in tre passi:

Il test parametrico si costruisce in tre passi: R. Lombardo I. Cammiatiello Dipartimeto di Ecoomia Secoda Uiversità degli studi Napoli Facoltà di Ecoomia Ifereza Statistica La Verifica delle Ipotesi Obiettivo Verifica (test) di u ipotesi statistica

Dettagli

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa I umeri complessi Pagie tratte da Elemeti della teoria delle fuzioi olomorfe di ua variabile complessa di G. Vergara Caffarelli, P. Loreti, L. Giacomelli Dipartimeto di Metodi e Modelli Matematici per

Dettagli

che sono una l inversa dell altra; l insieme dei messaggi cifrati C i cui elementi sono indicati con la lettera c.

che sono una l inversa dell altra; l insieme dei messaggi cifrati C i cui elementi sono indicati con la lettera c. I LEZIONE Il ostro iteto è aalizzare i dettaglio i metodi di cifratura che si soo susseguiti el corso della storia prestado particolare attezioe all impiato matematico che e cosete la realizzazioe Iiziamo

Dettagli

Serie numeriche e serie di potenze

Serie numeriche e serie di potenze Serie umeriche e serie di poteze Sommare u umero fiito di umeri reali è seza dubbio u operazioe che o può riservare molte sorprese Cosa succede però se e sommiamo u umero ifiito? Prima di dare delle defiizioi

Dettagli

Capitolo Terzo. rappresenta la rata di ammortamento del debito di un capitale unitario. Si tratta di risolvere un equazione lineare nell incognita R.

Capitolo Terzo. rappresenta la rata di ammortamento del debito di un capitale unitario. Si tratta di risolvere un equazione lineare nell incognita R. 70 Capitolo Terzo i cui α i rappreseta la rata di ammortameto del debito di u capitale uitario. Si tratta di risolvere u equazioe lieare ell icogita R. SIANO NOTI IL MONTANTE IL TASSO E IL NUMERO DELLE

Dettagli

Campionamento stratificato. Esempio

Campionamento stratificato. Esempio ez. 3 8/0/05 Metodi Statiici per il Marketig - F. Bartolucci Uiversità di Urbio Campioameto ratificato Ua tecica molto diffusa per sfruttare l iformazioe coteuta i ua variabile ausiliaria (o evetualmete

Dettagli

CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli:

CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE. Di seguito verranno utilizzati i seguenti simboli: PROPOSTA DI UN PROTOCOLLO DI PROVE PER IL CONTROLLO DELLE CARATTERISTICHE MECCANICHE DI PIETRE NATURALI PER FACCIATE VENTILATE FINALITÀ Nel campo edile l utilizzo di rivestimeti esteri da riportare sulle

Dettagli

STIMA DEL FONDO RUSTCO

STIMA DEL FONDO RUSTCO STIMA DEL FONDO RUSTCO 1) Quali soo gli aspetti ecoomici che possoo essere presi i cosiderazioe ella stima dei fodi rustici? La stima di u fodo rustico può essere fatta applicado i segueti aspetti ecoomici:

Dettagli

Appunti sulla MATEMATICA FINANZIARIA

Appunti sulla MATEMATICA FINANZIARIA INTRODUZIONE Apputi sulla ATEATIA FINANZIARIA La matematica fiaziaria si occupa delle operazioi fiaziarie. Per operazioe fiaziaria si itede quella operazioe ella quale avviee uo scambio di capitali, itesi

Dettagli

CAPITOLO 5 TEORIA DELLA SIMILITUDINE

CAPITOLO 5 TEORIA DELLA SIMILITUDINE CAPITOLO 5 TEORIA DELLA SIMILITUDINE 5.. Itroduzioe La Teoria della Similitudie ha pricipalmete due utilizzi: Estedere i risultati otteuti testado ua sigola macchia ad altre codizioi operative o a ua famiglia

Dettagli

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio

Una funzione è una relazione che ad ogni elemento del dominio associa uno e un solo elemento del codominio Radicali Per itrodurre il cocetto di radicali che già avete icotrato alle medie quado avete imparato a calcolare la radice quadrata e cubica dei umeri iteri, abbiamo bisogo di rivedere il cocetto di uzioe

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2

Università degli Studi di Bergamo - Corsi di laurea in Ingegneria Edile e Tessile Indici di posizione e variabilità Esercitazione 2 Uiversità degli Studi di Bergamo - Corsi di laurea i Igegeria Edile e Tessile Idici di posizioe e variabilità Esercitazioe 2 1. Nella seguete tabella si riporta la distribuzioe di frequeza del cosumo i

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioi di Statistica Il modello di Regressioe Prof. Livia De Giovai statistica@dis.uiroma.it Esercizio Solitamete è accertato che aumetado il umero di uità prodotte, u idustria possa ridurre i costi

Dettagli

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1

SUCCESSIONI e LIMITI DI SUCCESSIONI. c Paola Gervasio - Analisi Matematica 1 - A.A. 15/16 Successioni cap3b.pdf 1 SUCCESSIONI e LIMITI DI SUCCESSIONI c Paola Gervasio - Aalisi Matematica 1 - A.A. 15/16 Successioi cap3b.pdf 1 Successioi Def. Ua successioe è ua fuzioe reale (Y = R) a variabile aturale, ovvero X = N:

Dettagli

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame

Statistica (Prof. Capitanio) Alcuni esercizi tratti da prove scritte d esame Statistica (Prof. Capitaio) Alcui esercizi tratti da prove scritte d esame Esercizio 1 Il tempo (i miuti) che Paolo impiega, i auto, per arrivare i ufficio, può essere modellato co ua variabile casuale

Dettagli

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6

1 Successioni 1 1.1 Limite di una successione... 2. 2 Serie 3 2.1 La serie armonica... 6 2.2 La serie geometrica... 6 SUCCESSIONI Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La serie

Dettagli

Elementi di matematica finanziaria

Elementi di matematica finanziaria Elemeti di matematica fiaziaria 18.X.2005 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate

Dettagli

Capitolo 27. Elementi di calcolo finanziario EEE 2015-2016

Capitolo 27. Elementi di calcolo finanziario EEE 2015-2016 Capitolo 27 Elemeti di calcolo fiaziario EEE 205-206 27. Le diverse forme dell iteresse Si defiisce capitale (C) uo stock di moeta dispoibile i u determiato mometo. Si defiisce iteresse (I) il prezzo d

Dettagli

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x.

ANALISI MATEMATICA 1 Area dell Ingegneria dell Informazione. Appello del 5.02.2013 TEMA 1. f(x) = arcsin 1 2 log 2 x. ANALISI MATEMATICA Area dell Igegeria dell Iformazioe Appello del 5.0.0 TEMA Esercizio Si cosideri la fuzioe f(x = arcsi log x. Determiare il domiio di f e discutere il sego. Discutere brevemete la cotiuità

Dettagli

II-9 Successioni e serie

II-9 Successioni e serie SUCCESSIONI II-9 Successioi e serie Idice Successioi. Limite di ua successioe........................................... Serie 3. La serie armoica................................................ 6. La

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

Distribuzione di un carattere

Distribuzione di un carattere Distribuzioe di u carattere Dopo le fasi di acquisizioe e di registrazioe dei dati, si passa al loro cotrollo e quidi alle loro elaborazioe. Si defiisce distribuzioe uitaria semplice di u carattere l elecazioe

Dettagli

3.1 Il principio di inclusione-esclusione

3.1 Il principio di inclusione-esclusione Capitolo 3 Calcolo combiatorio 3.1 Il pricipio di iclusioe-esclusioe Il calcolo combiatorio prede i cosiderazioe degli isiemi fiiti particolari e e cota il umero di elemeti. Questo può dar luogo ad iteressati

Dettagli

INTRODUZIONE ALLA STATISTICA

INTRODUZIONE ALLA STATISTICA Liceo Scietifico -Idirizzo giuridico ecoomico aziedale -Idirizzo operatore turistico Via Rossi/Casacampora, 3-80056 Ercolao (Na) Tel. (+39)08 7396340 (+39)08 7774666 - Fax (+39) 08739669 Cod. Mecc NAISO00G

Dettagli

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte.

ESEMPIO 1. Immaginiamo come si distribuirebbero le stime campionarie se l operazione di campionamento venisse ripetuta più volte. ESEMPIO Prima dell esplosioe di ua cetrale ucleare, i terrei di ua certa regioe avevao ua produzioe media di grao pari a 00 quitali co uo scarto di 5. Dopo la catastrofe si selezioao 00 uità di superficie

Dettagli

Complessità Computazionale

Complessità Computazionale Uiversità degli studi di Messia Facoltà di Igegeria Corso di Laurea i Igegeria Iformatica e delle Telecomuicazioi Fodameti di Iformatica II Prof. D. Brueo Complessità Computazioale La Nozioe di Algoritmo

Dettagli

Equazioni e contrazioni: un punto fisso //

Equazioni e contrazioni: un punto fisso // * 010 Equazioi e cotrazioi: u puto fisso // Nicola Chiriao Docete al Liceo Scietifico L. Siciliai di Catazaro [Nicola Chiriao] Nicola Chiriao è docete di Matematica e Fisica al Liceo Scietifico Siciliai

Dettagli

Le carte di controllo

Le carte di controllo Le carte di cotrollo Dott.ssa Bruella Caroleo 07 dicembre 007 Variabilità ei processi produttivi Le caratteristiche di qualsiasi processo produttivo soo caratterizzate da variabilità Le cause di variabilità

Dettagli

SUCCESSIONI NUMERICHE

SUCCESSIONI NUMERICHE SUCCESSIONI NUMERICHE Ua fuzioe reale di ua variabile reale f di domiio A è ua legge che ad ogi x A associa u umero reale che deotiamo co f(x). Se A = N, la f è detta successioe di umeri reali. Se co si

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2006

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2006 ESAME DI STAT DI LICE SCIENTIFIC CRS SPERIMENTALE P.N.I. 006 Il cadidato risolva uo dei due problemi e 5 dei 0 quesiti i cui si articola il questioario. PRBLEMA U filo metallico di lughezza l viee utilizzato

Dettagli

Appunti su rendite e ammortamenti

Appunti su rendite e ammortamenti Corso di Matematica I Facoltà di Ecoomia Dipartimeto di Matematica Applicata Uiversità Ca Foscari di Veezia Fuari Stefaia, fuari@uive.it Apputi su redite e ammortameti 1. Redite Per redita si itede u isieme

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1

ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO. Angela Donatiello 1 ESERCIZI DI STATISTICA DESCRITTIVA ALCUNI TRATTI DA PROVE D ESAME DA REALIZZARE ANCHE CON L AUSILIO DI UN FOGLIO DI CALCOLO Agela Doatiello 1 Esercizio. E stato tabulato il peso di ua certa popolazioe

Dettagli

Esercizi riguardanti limiti di successioni

Esercizi riguardanti limiti di successioni Esercizi riguardati iti di successioi Davide Boscaii Queste soo le ote da cui ho tratto le esercitazioi del gioro 27 Ottobre 20. Come tali soo be lugi dall essere eseti da errori, ivito quidi chi e trovasse

Dettagli

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia)

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia) Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia) Massimo A. De Fracesco Uiversità di Siea December 18, 2013 1 ichiami su utilità attesa e avversioe al rischio Prima di cosiderare il

Dettagli

DISPENSE DI MATEMATICA FINANZIARIA

DISPENSE DI MATEMATICA FINANZIARIA SPENSE MATEMATA FNANZAA 3 Piai di ammortameto. 3. osiderazioi geerali. U piao di ammortameto cosiste ella restituzioe di u importo preso a prestito mediate il versameto d'importi distribuiti el tempo.

Dettagli

STATISTICA 1 parte 2/2 STATISTICA INFERENZIALE

STATISTICA 1 parte 2/2 STATISTICA INFERENZIALE STATISTICA parte / U test statistico è ua regola di decisioe Effettuare u test statistico sigifica verificare IPOTESI sui parametri. STATISTICA INFERENZIALE STIMA PUNTUALE STIMA PER INTERVALLI TEST PARAMETRICI

Dettagli

Introduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche

Introduzione alla Statistica descrittiva. Definizioni preliminari. Definizioni preliminari. Fasi di un indagine statistica. Tabelle statistiche Itroduzioe alla Statistica descrittiva Defiizioi prelimiari È la scieza che studia i feomei collettivi o di massa. U feomeo è detto collettivo o di massa quado è determiato solo attraverso ua molteplicità

Dettagli

Progressioni aritmetiche

Progressioni aritmetiche Progressioi aritmetiche Comiciamo co due esempi: Esempio Cosideriamo la successioe di umeri:, 7,, 5, 9, +4 +4 +4 +4 +4 La successioe è tale che si passa da u termie al successivo aggiugedo sempre +4. Si

Dettagli

Corso di Laurea in Ing. Edile Politecnico di Bari A.A. 2008-2009 Prof. ssa Letizia Brunetti DISPENSE DEL CORSO DI GEOMETRIA

Corso di Laurea in Ing. Edile Politecnico di Bari A.A. 2008-2009 Prof. ssa Letizia Brunetti DISPENSE DEL CORSO DI GEOMETRIA Corso di Laurea i Ig Edile Politecico di Bari AA 2008-2009 Prof ssa Letizia Bruetti DISPENSE DEL CORSO DI GEOMETRIA 2 Idice Spazi vettoriali Cei sulle strutture algebriche 4 2 Defiizioe di spazio vettoriale

Dettagli

1 Limiti di successioni

1 Limiti di successioni Esercitazioi di matematica Corso di Istituzioi di Matematica B Facoltà di Architettura Ao Accademico 005/006 Aa Scaramuzza 4 Novembre 005 Limiti di successioi Esercizio.. Servedosi della defiizioe di ite

Dettagli

5. Le serie numeriche

5. Le serie numeriche 5. Le serie umeriche Ricordiamo che ua successioe reale è ua fuzioe defiita da N, evetualmete privato di u umero fiito di elemeti, a R. Solitamete si idica ua successioe co la lista dei suoi valori: (a

Dettagli

Successioni. Capitolo 2. 2.1 Definizione

Successioni. Capitolo 2. 2.1 Definizione Capitolo 2 Successioi 2.1 Defiizioe Ua prima descrizioe, più ituitiva che rigorosa, di quel che itediamo per successioe cosiste i: Ua successioe è ua lista ordiata di oggetti, avete u primo ma o u ultimo

Dettagli

Metodi Iterativi Generalità e convergenza Metodi di base Cenni sui metodi basati sul gradiente Cenni sui metodi multigriglia

Metodi Iterativi Generalità e convergenza Metodi di base Cenni sui metodi basati sul gradiente Cenni sui metodi multigriglia Itroduzioe Metodi diretti Elimiazioe di Gauss Decomposizioe LU Casi particolari Metodi Iterativi Geeralità e covergeza Metodi di base Cei sui metodi basati sul gradiete Cei sui metodi multigriglia 1 Itroduzioe

Dettagli

Modelli multiperiodali discreti. Strategie di investimento

Modelli multiperiodali discreti. Strategie di investimento Modelli multiperiodali discreti Cosideriamo ora modelli discreti cioè co u umero fiito di stati del modo multiperiodali, cioè apputo co più periodi. Il prototipo di questa classe di modelli è il modello

Dettagli

Capitolo 8 Le funzioni e le successioni

Capitolo 8 Le funzioni e le successioni Capitolo 8 Le fuzioi e le successioi Prof. A. Fasao Fuzioe, domiio e codomiio Defiizioe Si chiama fuzioe o applicazioe dall isieme A all isieme B ua relazioe che fa corrispodere ad ogi elemeto di A u solo

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA STATISTICA DESCRITTIVA La statistica è sorta i tempi atichissimi co i cesimeti: storico quello di Augusto che, secodo la tradizioe cristiaa coivolse Maria e Giuseppe, giusto alla ascita di Gesù. Solo el

Dettagli

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni

Statistica I, Laurea triennale in Ing. Gestionale, a.a. 2011/12 Registro delle lezioni Statistica I, Laurea trieale i Ig. Gestioale, a.a. 2011/12 Registro delle lezioi Lezioe 1 (28/9, ore 11:30). Vedere la registrazioe di Barsati, dispoibile alla pagia http://users.dma.uipi.it/barsati/statistica_2011/idex.html.

Dettagli

19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5

19 31 43 55 67 79 91 103 870,5 882,5 894,5 906,5 918,5 930,5 942,5 954,5 Il 16 dicembre 015 ero a Napoli. Ad u agolo di Piazza Date mi soo imbattuto el "matematico di strada", come egli si defiisce, Giuseppe Poloe immerso el suo armametario di tabelle di umeri. Il geiale persoaggio

Dettagli

Terzo appello del. primo modulo. di ANALISI 18.07.2006

Terzo appello del. primo modulo. di ANALISI 18.07.2006 Terzo appello del primo modulo di ANALISI 18.7.26 1. Si voglioo ifilare su u filo delle perle distiguibili tra loro solo i base alla dimesioe: si hao a disposizioe perle gradi di diametro di 2 cetimetri

Dettagli

Random walk classico. Simulazione di un random walk

Random walk classico. Simulazione di un random walk Radom walk classico Il radom walk classico) è il processo stocastico defiito da co prob. S = S0 X k, co X k = k= co prob. e le X soo tra di loro idipedeti. k Si tratta di u processo a icremeti idipedeti

Dettagli

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014)

Introduzione all assicurazione. (Dispensa per il corso di Microeconomia per manager. Prima versione, marzo 2013; versione aggiornata, marzo 2014) Itroduzioe all assicurazioe. (Dispesa per il corso di Microecoomia per maager. Prima versioe, marzo 2013; versioe aggiorata, marzo 2014) Massimo A. De Fracesco Uiversità di Siea March 14, 2014 1 Prezzo

Dettagli

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1

Prova scritta di Statistica per Biotecnologie. 29 Aprile Programma Cristallo 1 Prova scritta di Statistica per Biotecologie 9 Aprile Programma Cristallo. Uo dei processi di purificazioe impiegati i ua certa sostaza chimica prevede di metterla i soluzioe e di filtrarla co ua resia

Dettagli

Teorema 13. Se una sere converge assolutamente, allora converge:

Teorema 13. Se una sere converge assolutamente, allora converge: Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 03: Riferimeti: R.Adams, Calcolo Differeziale.- Si cosiglia vivamete di fare gli esercizi del testo. Covergeza assoluta e

Dettagli

Soluzioni esercizi Capitolo 7

Soluzioni esercizi Capitolo 7 Soluzioi esercizi Capitolo 7 Quado si valuta la relazioe fra due variabili, occorre prestare particolare attezioe al fatto che i modelli statistici specifici per ogi scala di misura siao applicabili: i

Dettagli