PEREQUAZIONE CON LEGGI DI SOPRAVVIVENZA

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "PEREQUAZIONE CON LEGGI DI SOPRAVVIVENZA"

Transcript

1 Siano PEREQUAZIONE CON LEGGI DI SOPRAVVIVENZA qˆ, = a, a +, K, ω le stime delle probabilità di morte q, = a, a +, K, ω, di un modello di sopravvivenza non parametrico ottenute secondo un approccio di stima di tipo non parametrico. Tali stime presentano usualmente delle irregolarità spesso imputabili alla limitata numerosità della popolazione, in particolare in alcune classi di età. Tali irregolarità possono essere rimosse mediante opportune procedure di perequazione. Due obiettivi sono alla base della scelta di una procedura di perequazione: la regolarità (o smoothness) delle stime perequate al variare dell età; l accostamento (o goodness of fit) delle stime perequate alle stime originali. 83

2 La perequazione con leggi di sopravvivenza o perequazione analitica consiste nel sostituire alle stime iniziali le stime ottenute mediante un modello analitico di mortalità (per es. il modello di Gompertz). Il procedimento di perequazione analitica si articola in due fasi:. verifica (mediante analisi grafica) della possibilità di accostamento fornita dalla legge di sopravvivenza considerata. stima dei parametri della legge di sopravvivenza scelta Analisi grafica di modelli di sopravvivenza Si devono individuare dei legami di tipo lineare, per esplorare mediante grafici le possibilità di accostamento del modello ai dati. 84

3 Modello di Gompertz Si ha ( ) β e µ = > 0 β > 0 > 0 ( ) = log β log µ + Si considera allora il grafico dei punti ( log ˆ ), = a, a +, K, ω m essendo mˆ le stime delle intensità istantanee di mortalità ottenute in un approccio non parametrico; se il grafico dei punti presenta un andamento approssimativamente lineare, il modello di Gompertz si presta a descrivere la mortalità nella collettività in esame. Il coefficiente angolare e l intercetta della retta interpolante forniscono delle stima preliminari per i parametri > 0 e β > 0 85

4 Un altro legame lineare può essere ottenuto considerando le probabilità di sopravvivenza p Dalla S β ep 0, si ha ( ) = ( e ) p = S ( + ) S( ) = β ep ( e ) e e quindi log ( log ) = log ( e ) p β + Si considera allora il grafico dei punti ( log( log ˆ )), = a, a +, K, ω p Il coefficiente angolare e l intercetta della retta interpolante forniscono delle stima preliminari per i parametri > 0 e β > 0 86

5 Un altro grafico che può indicare se il modello di Gompertz si presta a descrivere la mortalità nella collettività in esame è il seguente infatti log pˆ, + = a, a +, K, ω log pˆ log p + log p = e quindi se i punti del grafico hanno un andamento approssimativamente costante, il modello di Gompertz potrebbe essere adatto. 87

6 Modello di Makeham Si ha ( ) δ β e µ = + > 0 β > 0 δ > 0 > 0 log Se il grafico dei punti ( ) + ( µ ( + ) µ ( ) ) = log β ( e ) (, log( ˆ ˆ )) m m + a, a +, K, = ω presenta un andamento approssimativamente lineare, il modello di Makeham si presta a descrivere la mortalità nella collettività in esame. Il coefficiente angolare e l intercetta della retta interpolante forniscono delle stima preliminari ˆ e βˆ per i parametri e β,rispettivamente. Per una stima preliminare di δ si può considerare una media delle quantità mˆ ˆ β e ˆ = a, a +, K, ω 88

7 Un altro legame lineare può essere ottenuto considerando le probabilità di sopravvivenza p Dalla si ha S β ep 0 ( ) = ( e ) δ ( + ) S( ), ( e ) e S β p = = ep δ Indicato con log p = log p + log p si ha log p + = log p Se il grafico dei punti e log pˆ +, = a, a +, K, ω log pˆ presenta un andamento approssimativamente costante, il modello di Makehanm si presta a descrivere la mortalità nella collettività in esame. 89

8 Come stima preliminare di si può considerare il logaritmo della media di valori log pˆ + = a, a +, K, ω log pˆ log p = log p p β e + log = Dalla ( ) si individua come stima preliminare di β la media dei seguenti valori log pˆ ˆ = a, a +, K, ω ˆ ˆ ( e ) e Infine, dalla β log p = ( e ) e δ Si ottiene come stima preliminare di δ la media dei seguenti valori ˆ β ˆ ˆ ˆ ( e ) e log pˆ e = a, a +, K, ω 90

9 Altre formule di perequazione utilizzate in ambito attuariale ALTRE FORMULE DI PEREQUAZIONE UTILIZZATE IN AMBITO ATTUARIALE Formula di Barnett q q = A + H + B c A, H, B, c > 0 Le quantità sono dette odds. q q Formula di Wilkie q q = ep ( pol( ) ) dove pol () è un polinomio in, spesso lineare o di grado 9

10 Altre formule di perequazione utilizzate in ambito attuariale Tali espressioni, che esprimono legami funzionali tra gli odds e le età, possono essere viste come formule perequative che costituiscono casi particolari della seguente espressione più generale: Formula Gompertz-Makeham di tipo ( r, s) GM r, s r i= r i i r ( ) = + ep i= dove r e s sono interi positivi i r+ s i + (, K,,,, ) = è un vettore di coefficienti, r r+ K r+ s Se r = 0 si ha solamente il termine esponenziale GM 0, s i= i ( ) = ep s i Se s = 0 si ha solamente il termine polinomiale GM r,0 r ( ) = i= i i 9

11 Altre formule di perequazione utilizzate in ambito attuariale 0, Se ( r, s) = ( 0, ) si ha ( ) = ep( + ) GM e si trova quindi una formula di tipo Gompertz GM 0, ( ) = ep( + ) = e e = β e, Se ( r, s) = (, ) si ha ( ) = + ep( + ) GM 3 e si trova quindi una formula di tipo Makeham GM, ( ) ( ) 3 = + ep + = + e e = δ + β e, Se ( r, s) = (, ) si ha ( ) = + + ep( + ) e si trova quindi una formula di tipo Barnett, 3 GM 3 4 ( ) ( ) 3 = + + ep + = + + e e 4 = A + H BC GM i= 0, n i Se ( r, s) = ( 0, n) si ha GM ( ) = ep e si trova quindi la formula di Wilkie. n i 93

12 Stima dei parametri di una formula di perequazione STIMA DEI PARAMETRI DI UNA FORMULA DI PEREQUAZIONE Dopo avere individuato una legge di sopravvivenza adatta a descrivere la mortalità nella collettività, oppure una formula adatta per perequare le stime iniziali qˆ oppure si devono stimare i parametri. Metodo dei minimi quadrati min, β, K mˆ = a, a +, K, ω ω = = a F (, β, K) con F(, β, K ) w [ uˆ f ( ;, β, K) ] essendo n w = nel caso di minimi quadrati pesati, con n esposizione nella classe di età qˆ û una opportuna trasformazione dei qˆ oppure degli mˆ tale che la funzione f sia lineare nei parametri del modello; infatti se f è lineare, le stime dei minimi quadrati dei parametri si ottengono agevolmente risolvendo un sistema lineare. 94

13 Stima dei parametri di una formula di perequazione Per esempio, nel caso del modello di Gompertz si ha ( ) = log β log µ + Quindi si può considerare il seguente problema log β + min ω w, log mˆ β = a Si noti che, poiché mˆ ha il significato di stima dell intensità istantanea di mortalità costante nella classe di età ], +], dovendo attribuirla ad una precisa età nella classe ], +] si considera l età + Metodo della massima verosimiglianza Tratteremo la stima dei parametri mediante il metodo della massima verosimiglianza nell ambito dei GLM. 95

Foglio Esercizi A (interpolazione, approssimazione, integrazione)

Foglio Esercizi A (interpolazione, approssimazione, integrazione) Foglio Esercizi A (interpolazione, approssimazione, integrazione) Esercizio cos( ) +, [,π ] Costruire una approssimazione f ( ) di f () utilizzando elemento di ermite a nodi non equispaziati (, π, π )

Dettagli

Università della Calabria

Università della Calabria Università della Calabria FACOLTA DI INGEGNERIA Corso di Laurea in Ingegneria Civile CORSO DI IDROLOGIA N.O. Prof. Pasquale Versace SCHEDA DIDATTICA N 3 CURVE DI PROBABILITÀ PLUVIOMETRICA A.A. 00- CURVE

Dettagli

STATISTICA A K (60 ore)

STATISTICA A K (60 ore) STATISTICA A K (60 ore) Marco Riani mriani@unipr.it http://www.riani.it Richiami sulla regressione Marco Riani, Univ. di Parma 1 MODELLO DI REGRESSIONE y i = a + bx i + e i dove: i = 1,, n a + bx i rappresenta

Dettagli

Presentazione dell edizione italiana

Presentazione dell edizione italiana 1 Indice generale Presentazione dell edizione italiana Prefazione xi xiii Capitolo 1 Una introduzione alla statistica 1 1.1 Raccolta dei dati e statistica descrittiva... 1 1.2 Inferenza statistica e modelli

Dettagli

Trasformazioni Logaritmiche

Trasformazioni Logaritmiche Trasformazioni Logaritmiche Una funzione y = f(x) può essere rappresentata in scala logaritmica ponendo Si noti che y = f(x) diventa ossia Quando mi conviene? X = log α x, Y = log α y. log α (x) = log

Dettagli

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA

IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale

Dettagli

Copyright Esselibri S.p.A.

Copyright Esselibri S.p.A. 70 3000 500 000 1500 1000 500 A B C D (a) Capitolo Terzo A B C D 500 1000 1500 000 5003000 3500 Fig. 1 - Ortogramma a colonne (a) e ortogramma a nastri (b) 4. MISURE DI ASSOCIAZIONE E DI COGRADUAZIONE

Dettagli

9.3 Il metodo dei minimi quadrati in formalismo matriciale

9.3 Il metodo dei minimi quadrati in formalismo matriciale 9.3. IL METODO DEI MINIMI QUADRATI IN FORMALISMO MATRICIALE 121 9.3 Il metodo dei minimi quadrati in formalismo matriciale Per applicare il MMQ a funzioni polinomiali, ovvero a dipendenze di una grandezza

Dettagli

ANALISI DELLA SOPRAVVIVENZA

ANALISI DELLA SOPRAVVIVENZA Prof.ssa G. Serio, Prof. P. Trerotoli, Cattedra di Statistica Medica, Università di Bari 1/9 ANALISI DELLA SOPRAVVIVENZA L analisi statistica dei cosiddetti tempi di sopravvivenza o tempi di fallimento

Dettagli

Quiz di verifica Classificazione

Quiz di verifica Classificazione Quiz di verifica Classificazione Strumenti Quantitativi per la gestione Le domande 1 4 si riferiscono al seguente problema: Supponiamo di raccogliere dati per un gruppo di studenti della classe di SQG

Dettagli

Analisi di Regressione Multipla

Analisi di Regressione Multipla Analisi di Regressione Multipla Stima OLS della relazione Test Score/STR : TestScore! = 698.9.8 STR, R =.05, SER = 18.6 (10.4) (0.5) E una stima credibile dell effetto causale sul rendimento nei test di

Dettagli

Scale Logaritmiche. Matematica con Elementi di Statistica, Anna Torre a.a

Scale Logaritmiche. Matematica con Elementi di Statistica, Anna Torre a.a Scale Logaritmiche SCALA LOGARITMICA: sull asse prescelto (ad esempio, l asse x) si rappresenta il punto di ascissa = 0 0 nella direzione positiva si rappresentano, a distanze uguali fra di loro, i punti

Dettagli

Esercizi. 1. Disegnare il grafico qualitativo della seguente funzione:

Esercizi. 1. Disegnare il grafico qualitativo della seguente funzione: Esercizi. Disegnare il grafico qualitativo della seguente funzione: f(x) = x 2 per x 0 x per x > 0 e determinarne gli eventuali punti di massimo e minimo assoluti e relativi nell intervallo (,4]. Esercizi

Dettagli

Σ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica

Σ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica 13. Regressione lineare parametrica Esistono numerose occasioni nelle quali quello che interessa è ricostruire la relazione di funzione che lega due variabili, la variabile y (variabile dipendente, in

Dettagli

Stima dei parametri. La v.c. multipla (X 1, X 2,.., X n ) ha probabilità (o densità): Le f( ) sono uguali per tutte le v.c.

Stima dei parametri. La v.c. multipla (X 1, X 2,.., X n ) ha probabilità (o densità): Le f( ) sono uguali per tutte le v.c. Stima dei parametri Sia il carattere X rappresentato da una variabile casuale (v.c.) che si distribuisce secondo la funzione di probabilità f(x). Per investigare su tale carattere si estrae un campione

Dettagli

Il metodo dei minimi quadrati. Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo:

Il metodo dei minimi quadrati. Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo: Il metodo dei minimi quadrati Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo: Dove A e B sono costanti y = A + Bx (ad esempio in un moto uniformemente

Dettagli

APPROCCIO PARAMETRICO

APPROCCIO PARAMETRICO 1 APPROCCIO PARAMETRICO L approccio precedente è di tipo non parametrico, ovvero prescinde da qualsiasi rappresentazione di una relazione funzionale, e cioè di un legame esprimibile mediante una funzione

Dettagli

Sommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51

Sommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51 Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19

Dettagli

Metodo dei Minimi Quadrati. Dott. Claudio Verona

Metodo dei Minimi Quadrati. Dott. Claudio Verona Metodo dei Minimi Quadrati Dott. Claudio Verona E in generale interessante studiare l andamento di una variabile in funzione di un altra e capire se c è una funzione matematica che le lega. Viceversa è

Dettagli

I modelli di proiezione della mortalità. Linee evolutive e profili attuariali

I modelli di proiezione della mortalità. Linee evolutive e profili attuariali I modelli di proiezione della mortalità. Linee evolutive e profili attuariali Ermanno Pitacco Università degli Studi di Trieste 1 SOMMARIO La preistoria (1875-1912) I primi modelli (1923-1935) Alcuni recenti

Dettagli

STIMA DEI PARAMETRI. METODO DEI MOMENTI.

STIMA DEI PARAMETRI. METODO DEI MOMENTI. STIMA DEI PARAMETRI. Esistono diversi metodi per la stima dei parametri: Metodo grafico di interpolazione su carta probabilistica. Metodo dei momenti. Metodo della massima verosimiglianza. Metodo degli

Dettagli

Scale Logaritmiche. Matematica con Elementi di Statistica a.a. 2015/16

Scale Logaritmiche. Matematica con Elementi di Statistica a.a. 2015/16 Scale Logaritmiche Scala Logaritmica: sull asse prescelto (ad esempio, l asse x) si rappresenta il punto di ascissa = 0 0 nella direzione positiva si rappresentano, a distanze uguali fra di loro, i punti

Dettagli

Equazioni e disequazioni algebriche. Soluzione. Si tratta del quadrato di un binomio. Si ha pertanto. (x m y n ) 2 = x 2m 2x m y n + y 2n

Equazioni e disequazioni algebriche. Soluzione. Si tratta del quadrato di un binomio. Si ha pertanto. (x m y n ) 2 = x 2m 2x m y n + y 2n Si tratta del quadrato di un binomio. Si ha pertanto (x m y n ) 2 = x 2m 2x m y n + y 2n 4. La divisione (x 3 3x 2 + 5x 2) : (x 2) ha Q(x) = x 2 x + 3 e R = 4 Dalla divisione tra i polinomi risulta (x

Dettagli

Matematica. PROGRAMMA 2 DEC - FEC - GEC a.s. 2014/2015 prof. Vincenzo De Felice. definizione analitica, associativa ed insiemistica di funzione,

Matematica. PROGRAMMA 2 DEC - FEC - GEC a.s. 2014/2015 prof. Vincenzo De Felice. definizione analitica, associativa ed insiemistica di funzione, 1 Matematica PROGRAMMA 2 DEC - FEC - GEC a.s. 2014/2015 prof. Vincenzo De Felice Ripasso Logica 0 Simboli logici di base, definizione di linguaggio ed espressione, definizione analitica, associativa ed

Dettagli

Università di Pisa - Ingegneria Meccanica Geometria e Algebra Lineare 2009/2010. Soluzioni esercitazione 11/11/2009

Università di Pisa - Ingegneria Meccanica Geometria e Algebra Lineare 2009/2010. Soluzioni esercitazione 11/11/2009 Università di Pisa - Ingegneria Meccanica Geometria e Algebra Lineare 29/2 Soluzioni esercitazione //29 Esercizio. Risolvere, al variare del parametro reale λ, il seguente sistema lineare: x 2 y z = λ

Dettagli

x, y rappresenta la coppia di valori relativa La rappresentazione nel piano cartesiano dei punti ( x, y ),( x, y ),...,( x, y )

x, y rappresenta la coppia di valori relativa La rappresentazione nel piano cartesiano dei punti ( x, y ),( x, y ),...,( x, y ) Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 0/03 lezioni di statistica del 5 e 8 aprile 03 - di Massimo Cristallo - A. Le relazioni tra i fenomeni

Dettagli

Capitolo 12 La regressione lineare semplice

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

Dettagli

Computazione per l interazione naturale: Regressione probabilistica

Computazione per l interazione naturale: Regressione probabilistica Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2016.html

Dettagli

Qualche principio generale dell analisi statistica

Qualche principio generale dell analisi statistica Statistica medica Alla fine di questa lezione dovreste essere in grado di: riconoscere i principali metodi utilizzati nel confronto di due gruppi riconoscere i principali metodi utilizzati nel confronto

Dettagli

LICEO SCIENTIFICO "R. NUZZI" - ANDRIA Anno Scolastico 2015/16 MATEMATICA

LICEO SCIENTIFICO R. NUZZI - ANDRIA Anno Scolastico 2015/16 MATEMATICA LICEO SCIENTIFICO "R. NUZZI" - ANDRIA Anno Scolastico 2015/16 MATEMATICA Il Dipartimento di Matematica per il corrente anno scolastico (2015/2016) ha individuato la realizzazione di diciannove corsi integrativi

Dettagli

(h + 1)y + hz = 1. 1 [5 punti] Determinare le eventuali soluzioni del seguente sistema di congruenze: 2x 5 mod 3 3x 2 mod 5.

(h + 1)y + hz = 1. 1 [5 punti] Determinare le eventuali soluzioni del seguente sistema di congruenze: 2x 5 mod 3 3x 2 mod 5. Dipartimento di Matematica e Informatica Anno Accademico 07-08 Corso di Laurea in Informatica (L-) Prova scritta di Matematica Discreta ( CFU) 8 Luglio 08 [5 punti] Determinare le eventuali soluzioni del

Dettagli

4. CALCOLO DIFFERENZIALE PER FUNZIONI DI UNA VARIABILE REALE.

4. CALCOLO DIFFERENZIALE PER FUNZIONI DI UNA VARIABILE REALE. 4. CALCOLO DIFFERENZIALE PER FUNZIONI DI UNA VARIABILE REALE. Molto spesso rappresenta l evoluzione di un fenomeno al passare del tempo. Se siamo interessati a sapere con che rapidità il fenomeno si evolve

Dettagli

Corso in Statistica Medica

Corso in Statistica Medica Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Regressione e correlazione Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico

Dettagli

Laboratorio di Fisica I Anno Accademico

Laboratorio di Fisica I Anno Accademico Laboratorio di Fisica I Anno Accademico 018-019 Relazione terza esperienza di Laboratorio Giorgio Campione Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico

Dettagli

lezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1

lezione n. 6 (a cura di Gaia Montanucci) Verosimiglianza: L = = =. Parte dipendente da β 0 e β 1 lezione n. 6 (a cura di Gaia Montanucci) METODO MASSIMA VEROSIMIGLIANZA PER STIMARE β 0 E β 1 Distribuzione sui termini di errore ε i ε i ~ N (0, σ 2 ) ne consegue : ogni y i ha ancora distribuzione normale,

Dettagli

CURVE DI DURATA: Introduzione e Rappresentazione analitica

CURVE DI DURATA: Introduzione e Rappresentazione analitica CURVE DI DURATA: Introduzione e Rappresentazione analitica Premesse Si definisce durata di una portata Q riferita ad una sezione di misura, l'intervallo di tempo in cui le portate naturali del corso d

Dettagli

Interpolazione Lineare. Emilia Pecori anno scolastico

Interpolazione Lineare. Emilia Pecori anno scolastico Interpolazione Lineare Concetto di interpolazione In matematica, e in particolare in analisi numerica, per interpolazione (interpolazione per punti) si intende un metodo per individuare nuovi punti del

Dettagli

Computazione per l interazione naturale: Regressione probabilistica

Computazione per l interazione naturale: Regressione probabilistica Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2017.html

Dettagli

Integrazione numerica

Integrazione numerica Integrazione numerica Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Formule di quadratura semplici e composite Formule di quadratura Grado di precisione Formule di

Dettagli

0 altimenti 1 soggetto trova lavoroentro 6 mesi}

0 altimenti 1 soggetto trova lavoroentro 6 mesi} Lezione n. 16 (a cura di Peluso Filomena Francesca) Oltre alle normali variabili risposta che presentano una continuità almeno all'interno di un certo intervallo di valori, esistono variabili risposta

Dettagli

La curva di regressione è il luogo dei punti aventi come ordinate le medie condizionate

La curva di regressione è il luogo dei punti aventi come ordinate le medie condizionate Correlazione e regressione Correlazione: le due variabili casuali sono considerate in modo per così dire simmetrico. Regressione: una delle due variabili dipende dall'altra, che per così dire la precede

Dettagli

Settimana 3. G. M. Marchetti. Marzo 2017

Settimana 3. G. M. Marchetti. Marzo 2017 Settimana 3 G. M. Marchetti Marzo 2017 1 / 26 Prima parte Relazioni tra variabili e regressione lineare 2 / 26 Una legge fisica approssimata Il fisico scozzese Forbes 3 / 26 L esperimento di Forbes Sulla

Dettagli

Funzioni di Regressioni Non Lineari

Funzioni di Regressioni Non Lineari Funzioni di Regressioni Non Lineari Nelle precedenti lezioni abbiamo assunto che le funzioni di regressione della popolazione siano lineari. Cioè che l effetto su Y di una variazione unitaria di X non

Dettagli

Sistemi sovradeterminati. b vettore(termine noto) V n. y* proiezione ortogonale di b. Carla Guerrini 1

Sistemi sovradeterminati. b vettore(termine noto) V n. y* proiezione ortogonale di b. Carla Guerrini 1 Carla Guerrini 1 Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m si vuole trovare una soluzione del sistema sovradeterminato Ax = b. Nel caso in cui la matric A abbia rango pieno, cioé

Dettagli

Lezioni del Corso di Fondamenti di Metrologia Meccanica

Lezioni del Corso di Fondamenti di Metrologia Meccanica Facoltà di Ingegneria Lezioni del Corso di Fondamenti di Metrologia Meccanica 06. La regressione Regressione Metodo dei minimi quadrati Se due popolazioni sono correlate tra loro e se il coefficiente di

Dettagli

Politecnico di Milano I a Facoltà di Ingegneria C.S. in Ing. per l Ambiente e il Territorio

Politecnico di Milano I a Facoltà di Ingegneria C.S. in Ing. per l Ambiente e il Territorio Politecnico di Milano I a Facoltà di Ingegneria C.S. in Ing. per l Ambiente e il Territorio MODELLISTICA E SIMULAZIONE Recupero prova - 4 luglio COGNOME NOME FIRMA: : : : Voto: ATTENZIONE! - Non è consentito

Dettagli

# $ % & # ' ( )&* ( + #

# $ % & # ' ( )&* ( + # ! " $ % & ' ( )&* (!" + '!!" - '! $%! %& $!!'% (!)'(. '! / 0 " "! '%%$34)*% $ % 5 g( E[ Y X ]) α + X β. * + 3 Y α + β X +... + β X + ε α + X β + ε p p E 8 [ Y X ] α + X β ( Y X ) E[ Y X ] )&*! ' - )(%'!

Dettagli

Metodi Quantitativi per Economia, Finanza e Management. Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello

Metodi Quantitativi per Economia, Finanza e Management. Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello Metodi Quantitativi per Economia, Finanza e Management Lezione n 8 Regressione lineare multipla: le ipotesi del modello, la stima del modello 1. Introduzione ai modelli di regressione 2. Obiettivi 3. Le

Dettagli

APPUNTI. oppure o ancora. se e allora. , esiste un tale che

APPUNTI. oppure o ancora. se e allora. , esiste un tale che APPUNTI Impostazione Assiomatica 1) Completezza e coerenza. oppure o ancora. se e allora 2) Monotonicità se e solo se 3) Continuità, esiste un tale che 4) Indipendenza 5) Riduzione è la probabilità totale

Dettagli

Metodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale

Metodologia Sperimentale Agronomica / Metodi Statistici per la Ricerca Ambientale DIPARTIMENTO DI SCIENZE AGRARIE E AMBIENTALI PRODUZIONE, TERRITORIO, AGROENERGIA Marco Acutis marco.acutis@unimi.it www.acutis.it CdS Scienze della Produzione e Protezione delle Piante (g59) CdS Biotecnologie

Dettagli

Distribuzione Normale. Dott. Claudio Verona

Distribuzione Normale. Dott. Claudio Verona Distribuzione Normale Dott. Claudio Verona Rappresentazione di valori ottenuti da misure ripetute Il primo problema che si riscontra nelle misure ripetute più volte è trovare un metodo conveniente per

Dettagli

Esercizi complementari

Esercizi complementari Esercizi complementari (tratti dagli esercizi del prof. Alberto Del Fra) Relazioni 1) Quali delle seguenti relazioni sono di equivalenza? x, y R {0} xry x/y Q x, y Z xry x + y è divisibile per 17 x, y

Dettagli

Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare

Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione

Dettagli

Equazioni differenziali

Equazioni differenziali Capitolo 2 Equazioni differenziali I modelli matematici per lo studio di una popolazione isolata sono equazioni differenziali. Premettiamo dunque allo studio dei modelli di popolazioni isolate una breve

Dettagli

UNIVERSITÀ DEGLI STUDI DI PERUGIA

UNIVERSITÀ DEGLI STUDI DI PERUGIA SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale

Dettagli

ESERCIZI PROPOSTI. det A = = per cui il sistema si può risolvere applicando le formule di Cramer, cioè: dove: = =

ESERCIZI PROPOSTI. det A = = per cui il sistema si può risolvere applicando le formule di Cramer, cioè: dove: = = ESERCIZI PROPOSTI Risolvere i seguenti sistemi lineari )-0), utilizzando, dove possibile, sia il metodo di Cramer sia quello della matrice inversa, dopo aver analizzato gli esempi a)-d): 2x + + 4z 5 a)

Dettagli

Analisi Discriminante Strumenti quantitativi per la gestione

Analisi Discriminante Strumenti quantitativi per la gestione Analisi Discriminante Strumenti quantitativi per la gestione Emanuele Taufer Un esempio introduttivo Approccio con Bayes Perchè un altro metodo di classificazione? Classificazione con Bayes Analisi discriminante

Dettagli

Statistica multivariata Donata Rodi 17/10/2016

Statistica multivariata Donata Rodi 17/10/2016 Statistica multivariata Donata Rodi 17/10/2016 Quale analisi? Variabile Dipendente Categoriale Continua Variabile Indipendente Categoriale Chi Quadro ANOVA Continua Regressione Logistica Regressione Lineare

Dettagli

MISURA DELLA VARIAZIONE CONCOMITANTE (COVARIAZIONE/ CONTROVARIAZIONE) DI VARIABILI CARDINALI O QUASI- CARDINALI

MISURA DELLA VARIAZIONE CONCOMITANTE (COVARIAZIONE/ CONTROVARIAZIONE) DI VARIABILI CARDINALI O QUASI- CARDINALI ANALISI DELLA CORRELAZIONE MISURA DELLA VARIAZIONE CONCOMITANTE (COVARIAZIONE/ CONTROVARIAZIONE) DI VARIABILI CARDINALI O QUASI- CARDINALI VINCOLI CHE SI IMPONGONO ALLA SUA UTILIZZAZIONE: LA RELAZIONE

Dettagli

5. Per determinare il miglior grado del polinomio di una regressione polimoniale

5. Per determinare il miglior grado del polinomio di una regressione polimoniale Principi di Econometria 55 di tempo prof. Brunori Nome e cognome 16/01/2017 Matricola versione A Potete consegnare solo le risposte multiple o sia le risposte multiple che quelle aperte. Nel secondo caso

Dettagli

1. variabili dicotomiche: 2 sole categorie A e B

1. variabili dicotomiche: 2 sole categorie A e B Variabile X su scala qualitativa (due categorie) modello di regressione: variabili quantitative misurate almeno su scala intervallo (meglio se Y è di questo tipo e preferibilmente anche le X i ) variabili

Dettagli

lezione 4 AA Paolo Brunori

lezione 4 AA Paolo Brunori AA 2016-2017 Paolo Brunori dove eravamo arrivati - abbiamo individuato la regressione lineare semplice (OLS) come modo immediato per sintetizzare una relazione fra una variabile dipendente (Y) e una indipendente

Dettagli

ESERCITAZIONE IV - Soluzioni

ESERCITAZIONE IV - Soluzioni umero di omicidi ESERCITAZIOE IV - Soluzioni Esercizio I. a),00 12,00 10,00 8,00 6,00 4,00 2,00 0,00 0 5 10 15 20 25 Popolazione povera (%) b) Poiché i due caratteri in analisi sono quantitativi per calcolare

Dettagli

Computazione per l interazione naturale: Regressione probabilistica

Computazione per l interazione naturale: Regressione probabilistica Computazione per l interazione naturale: Regressione probabilistica Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2018.html

Dettagli

Calcolo letterale. 1. Quale delle seguenti affermazioni è vera?

Calcolo letterale. 1. Quale delle seguenti affermazioni è vera? Calcolo letterale 1. Quale delle seguenti affermazioni è vera? (a) m.c.m.(49a b 3 c, 4a 3 bc ) = 98a 3 b 3 c (b) m.c.m.(49a b 3 c, 4a 3 bc ) = 98a 3 b 3 c (XX) (c) m.c.m.(49a b 3 c, 4a 3 bc ) = 49a bc

Dettagli

Fasi del modello di regressione

Fasi del modello di regressione Fasi del modello di regressione Specificazione del modello: scelta del tipo di funzione da utilizzare per descrivere un fenomeno; definizione delle ipotesi di base Stima dei parametri: uso di stimatori

Dettagli

Esercizi svolti sulle applicazioni lineari

Esercizi svolti sulle applicazioni lineari Francesco Daddi - dicembre Esercii svolti sulle applicaioni lineari Eserciio. Si consideri la trasformaione lineare T : R R che ha come matrice associata, rispetto alla base β = {,, ) T ;,, ) T ;,, ) T}

Dettagli

Analisi dei Dati Tabelle e Grafici

Analisi dei Dati Tabelle e Grafici Analisi dei Dati Tabelle e Grafici Spesso una misurazione consiste nello studio di una grandezza,y i in funzione di un altra, x i. Esempi: o lo spazio percorso da un oggetto in funzione di un intervallo

Dettagli

9.3 Il metodo dei minimi quadrati in formalismo matriciale

9.3 Il metodo dei minimi quadrati in formalismo matriciale 8 CAPIOLO 9. IMA DEI PARAMERI MEODO DEI MINIMI QADRAI 9.3 Il metodo dei minimi quadrati in formalismo matriciale Nel caso si debba applicare il metodo minimi quadrati con molti parametri risulta vantaggioso

Dettagli

Stima dei parametri. I parametri di una pdf sono costanti che caratterizzano la sua forma. r.v. parameter. Assumiamo di avere un campione di valori

Stima dei parametri. I parametri di una pdf sono costanti che caratterizzano la sua forma. r.v. parameter. Assumiamo di avere un campione di valori Stima dei parametri I parametri di una pdf sono costanti che caratterizzano la sua forma r.v. parameter Assumiamo di avere un campione di valori Vogliamo una funzione dei dati che permette di stimare i

Dettagli

1. Rappresentate il grafico delle funzioni. 1 2 x + 1. (i) 3x + 1 (ii) 3x 2 (iii) 2x + 1 (iv) delle rette in questione.

1. Rappresentate il grafico delle funzioni. 1 2 x + 1. (i) 3x + 1 (ii) 3x 2 (iii) 2x + 1 (iv) delle rette in questione. Università di Trento - Corsi di Laurea in Ingegneria Civile e in Ingegneria Ambientale Esercizi di Analisi Matematica 1 - Primo Foglio - 16 settembre 2015 Soluzioni 1. Rappresentate il grafico delle funzioni

Dettagli

PEREQUAZIONE MEDIANTE MODELLI LINEARI GENERALIZZATI

PEREQUAZIONE MEDIANTE MODELLI LINEARI GENERALIZZATI Perequazone eante oell lnear generalzzat Sano PEREQUAZIONE MEDIANTE MODELLI LINEARI GENERALIZZATI qˆ oppure ˆ = a, a +, K, ω le ste nzal una tavola sopravvvenza ottenute n un approcco tpo non paraetrco

Dettagli

Calcolo Numerico. Corso di Laurea in Ingegneria Elettronica Appello del 17 gennaio A(x) =

Calcolo Numerico. Corso di Laurea in Ingegneria Elettronica Appello del 17 gennaio A(x) = Calcolo Numerico Corso di Laurea in Ingegneria Elettronica Appello del 7 gennaio 204 Sia M = F (2, 3). Dopo aver mostrato che 20 M, determinare tutti gli elementi ξ M tali che: ξ > 20 Per ogni x R, sia:

Dettagli

Geometria analitica I supplementi sulle rette. (M.S. Bernabei & H. Thaler)

Geometria analitica I supplementi sulle rette. (M.S. Bernabei & H. Thaler) Geometria analitica I supplementi sulle rette (M.S. Bernabei & H. Thaler) Siano dati un vettore v = li + mj = (l, m) non nullo e un punto P 0 = x 0, y 0. Cerchiamo la retta r che passa per il punto P 0

Dettagli

Corso di laurea in Matematica Laboratorio di Programmazione e Calcolo Prof. A. Murli. Esercizi di riepilogo - LABORATORIO

Corso di laurea in Matematica Laboratorio di Programmazione e Calcolo Prof. A. Murli. Esercizi di riepilogo - LABORATORIO Cognome: Nome: 1 Matricola: Corso di laurea in Matematica Laboratorio di Programmazione e Calcolo Prof. A. Murli Esercizi di riepilogo - LABORATORIO Creare una directory nominata cognome nome dove cognome

Dettagli

Università degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1

Università degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1 Università degli Studi Roma Tre Anno Accademico 2017/2018 ST410 Statistica 1 Lezione 1 - Mercoledì 27 Settembre 2017 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,

Dettagli

Statistica a lungo termine: calcolo dell onda di progetto

Statistica a lungo termine: calcolo dell onda di progetto Esercitazione Statistica a lungo termine: calcolo dell onda di progetto Sulla base delle misure ondametriche effettuate dalla boa di Ponza si calcoli, utilizzando la distribuzione di probabilità di Gumbel,

Dettagli

Presentazione dell edizione italiana

Presentazione dell edizione italiana Presentazione dell edizione italiana Prefazione xiii xvii 1 Introduzione 1 1.1 Statistica e medicina.......................... 1 1.2 Statistica e matematica........................ 2 1.3 Statistica ed

Dettagli

Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare

Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia. Corso di Statistica Medica. Correlazione. Regressione Lineare Università del Piemonte Orientale Corso di Laurea in Medicina e Chirurgia Corso di Statistica Medica Correlazione Regressione Lineare Corso di laurea in medicina e chirurgia - Statistica Medica Correlazione

Dettagli

Soluzioni esercizi complementari

Soluzioni esercizi complementari Soluzioni esercizi complementari Relazioni 1) Quali delle seguenti relazioni sono di equivalenza? x, y R {0} xry x/y Q x, y Z xry x + y è divisibile per 17 x, y Z xry x y X, Y sottoinsiemi di un insieme

Dettagli

Equazioni differenziali con valori al bordo

Equazioni differenziali con valori al bordo Equazioni differenziali con valori al bordo Lucia Gastaldi DICATAM - Sez. di Matematica, http://lucia-gastaldi.unibs.it Indice 1 Equazioni di diffusione reazione 2 Equazioni di diffusione reazione Si consideri

Dettagli

Convergenza di martingale - La convergenza in L p, p > 1 equivale alla limitatezza in L p : disuguaglianza per submg non negative; disuguaglianza di

Convergenza di martingale - La convergenza in L p, p > 1 equivale alla limitatezza in L p : disuguaglianza per submg non negative; disuguaglianza di 1. martedì 10 marzo Convergenza di martingale - La convergenza in L p, p > 1 equivale alla limitatezza in L p : disuguaglianza per submg non negative; disuguaglianza di Doob; una mg è L p limitata se e

Dettagli

Corso di Analisi Matematica 1 - professore Alberto Valli

Corso di Analisi Matematica 1 - professore Alberto Valli Università di Trento - Corso di Laurea in Ingegneria Civile e Ingegneria per l Ambiente e il Territorio - 207/8 Corso di Analisi Matematica - professore Alberto Valli foglio di esercizi - 8 settembre 207

Dettagli

Università degli Studi di Bergamo Corso integrato di Analisi 1 (Geometria e Algebra Lineare) 29 aprile 2011 Tema A

Università degli Studi di Bergamo Corso integrato di Analisi 1 (Geometria e Algebra Lineare) 29 aprile 2011 Tema A Università degli Studi di Bergamo Corso integrato di Analisi 1 (Geometria e Algebra Lineare) 9 aprile 011 Tema A Tempo a disposizione: ore. Calcolatrici, libri e appunti non sono ammessi. Ogni esercizio

Dettagli

Approssimazione numerica

Approssimazione numerica Approssimazione numerica Laboratorio di programmazione e calcolo (Chimica e Tecnologie chimiche) Pierluigi Amodio Dipartimento di Matematica Università di Bari Approssimazione numerica p.1/10 Problema

Dettagli

lezione 10 AA Paolo Brunori

lezione 10 AA Paolo Brunori AA 2016-2017 Paolo Brunori Redditi svedesi - il dataset contiene i dati di reddito di 838 individui - il dataset contiene le variabili: sex = sesso age = età edu = anni di istruzione y_gross = reddito

Dettagli

Lezione 18 (8 gennaio) Limiti

Lezione 18 (8 gennaio) Limiti Lezione 18 (8 gennaio) Limiti Ripasso f x = ln 3 x 1 D = (1, + ) ln 3 x 1 + x 1 = ln 3 1 + 1 = ln 3 = ln(+ ) = + 0 + ln 3 x + x 1 = ln 3 + 1 = ln 3 + = ln(0+ ) = 1 Esempi di forme indeterminate x + x3

Dettagli

STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7:

STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7: esercitazione 7 p. 1/13 STATISTICA 1, metodi matematici e statistici Introduzione al linguaggio R Esercitazione 7: 20-05-2004 Luca Monno Università degli studi di Pavia luca.monno@unipv.it http://www.lucamonno.it

Dettagli

Analisi dei Dati Tabelle e Grafici

Analisi dei Dati Tabelle e Grafici Analisi dei Dati Tabelle e Grafici Nell'attività sperimentale spesso si studia una grandezza (Y ) in funzione di un altra (X ). Esempi: lo spazio percorso da un oggetto in funzione del tempo; la pressione

Dettagli

Laboratorio di Calcolo Numerico Approssimazione ai minimi quadrati

Laboratorio di Calcolo Numerico Approssimazione ai minimi quadrati Laboratorio di Calcolo Numerico Approssimazione ai minimi quadrati Ángeles Martínez Calomardo http://www.dmsa.unipd.it/ acalomar/didattica/2013-14 angeles.martinez@unipd.it Laurea in Matematica A.A. 2013

Dettagli

per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione

per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti

Dettagli

Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).

Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si

Dettagli

DOCENTE: P.Locatelli MATERIA : Matematica CLASSE 1 Sezione B A.S. 2018/2019 PROGRAMMA EFFETIVAMENTE SVOLTO

DOCENTE: P.Locatelli MATERIA : Matematica CLASSE 1 Sezione B A.S. 2018/2019 PROGRAMMA EFFETIVAMENTE SVOLTO Indirizzo Internet: https://www.istitutoalgarotti.edu.it e-mail: VETN0100N@istruzione.it DOCENTE: P.Locatelli MATERIA : Matematica CLASSE 1 Sezione B A.S. 2018/2019 PROGRAMMA EFFETIVAMENTE SVOLTO CALCOLO

Dettagli

b vettore(termine noto) y* proiezione ortogonale di b

b vettore(termine noto) y* proiezione ortogonale di b Carla Guerrini 1 Sistemi sovradeterminati Sia A una matrice m n ove m > n sia b R m trovare una soluzione del sistema sovradeterminato Ax = b significa cercare di esprimere un vettore di R m come combinazione

Dettagli

CURRICOLO VERTICALE PER COMPETENZE DISCIPLINARI. Scuola Secondaria di Primo Grado Matematica -

CURRICOLO VERTICALE PER COMPETENZE DISCIPLINARI. Scuola Secondaria di Primo Grado Matematica - CURRICOLO VERTICALE PER COMPETENZE DISCIPLINARI Scuola Secondaria di Primo Grado Matematica - Classe Prima COMPETENZA CHIAVE EUROPEA: COMPETENZA MATEMATICA Profilo dello studente al termine del Primo ciclo

Dettagli

Equazioni. Istituto San Gabriele 3 Liceo Scientifico 3 Liceo Scientifico sez. Scienze Applicate A.S. 2016/2017 Prof.

Equazioni. Istituto San Gabriele 3 Liceo Scientifico 3 Liceo Scientifico sez. Scienze Applicate A.S. 2016/2017 Prof. Equazioni Istituto San Gabriele 3 Liceo Scientifico 3 Liceo Scientifico sez. Scienze Applicate A.S. 2016/2017 Prof. Andrea Pugliese Definizione ed esempi Un equazione è un uguaglianza tra due espressioni

Dettagli

Esame di Calcolo Numerico per Informatica A.A. 2010/11: testo soluzioni Proff. S. De Marchi e M. R. Russo 12 luglio 2011

Esame di Calcolo Numerico per Informatica A.A. 2010/11: testo soluzioni Proff. S. De Marchi e M. R. Russo 12 luglio 2011 Esame di Calcolo Numerico per Informatica A.A. 200/: testo soluzioni Proff. S. De Marchi e M. R. Russo 2 luglio 20 L esame consiste di 4 domande aperte e 0 esercizi a risposta multipla. Per gli esercizi

Dettagli

Programma di Matematica. Classe 1 B odont / d anno scolastico 2009/10 Insegnante: Maria Teresa DI PRIZIO IL CALCOLO NUMERICO IL CALCOLO LETTERALE

Programma di Matematica. Classe 1 B odont / d anno scolastico 2009/10 Insegnante: Maria Teresa DI PRIZIO IL CALCOLO NUMERICO IL CALCOLO LETTERALE Programma di Matematica Classe 1 B odont / d anno scolastico 2009/10 Insegnante: Maria Teresa DI PRIZIO IL CALCOLO NUMERICO I numeri naturali e numeri razionali Definizione di numero naturale e le quattro

Dettagli