RENATO LEONI. Esempi numerici riguardanti l'analisi della correlazione canonica
|
|
- Emilio Mariotti
- 6 anni fa
- Visualizzazioni
Transcript
1 RENATO LEONI Esempi numerici riguardanti l'analisi della correlazione canonica UNIVERSITÀ DI FIRENZE DIPARTIMENTO DI STATISTICA "G. PARENTI" FIRENZE, 27
2 Questo lavoro è destinato a un uso personale e ne è vietata la commercializzazione.
3 AVVERTENZA Come è anticipato dal titolo, in questo lavoro sono presentati alcuni esempi numerici riguardanti l'analisi della correlazione canonica (ACC). Per una ampia esposizione dei concetti teorici ai quali si fa riferimento, si rinvia a: Leoni, R., Canonical Correlation Analysis, Department of Statistics "G. Parenti", Florence, 27.
4 4 ANALISI DELLA CORRELAZIONE CANONICA ESEMPIO Questo esempio, basato su dati fittizi riferiti a 5 individui e 4 variabili, ha lo scopo di illustrare i principali concetti della ACC, seguendo l'ordine con cui questi sono presentati nel lavoro citato nella Avvertenza. I DATI DI BASE E LA LORO STRUTTURA ALGEBRICA Si consideri anzitutto la seguente matrice di dati grezzi X =. Le variabili sono rappresentate dai vettori x =, x 2 =, x 3 =, x 4 = appartenenti a R 5, mentre gli individui sono rappresentati dai vettori x =, x 2 =, x 3 =, x 4 =, x 5 = appartenenti a R 4. Ciò premesso, in R 5 (spazio delle variabili) e in R 4 (spazio degli individui) è definita una metrica euclidea nel modo seguente. In R 5 la matrice rappresentativa della metrica rispetto alla base canonica di R 5 è M = 5 diag(,,,,) = 5 I 5.
5 ESEMPIO 5 Ne consegue che, poiché il baricentro o vettore delle medie è g = X'Mu = 5 = , la matrice dei dati centrati risulta Y = I vettori y = , y 2 = , y 3 = , y 4 = e y = , y 2 = , y 3 = , y 4 = , y 5 = rappresentano, rispettivamente, le variabili e gli individui (misurati in termini di scarti dalle medie). Infine, eseguita una ripartizione (per colonne) della matrice Y nel seguente modo (p = p 2 = 2) Y = y y 2 y 3 y 4 = Y Y 2, possiamo scrivere la matrice delle covarianze V nella forma della matrice a blocchi V = V V 2 V 2 V 22 =
6 6 ANALISI DELLA CORRELAZIONE CANONICA Si noti che r(v ) = p = 2, r(v 22 ) = p 2 = 2, r(v 2 ) = r(v 2 ) = k = 2 = p = p 2. In R 4 la matrice rappresentativa della metrica rispetto alla base canonica di R 4 è dove Q = diag (V -, V - 22 ) V - = , V - 22 = UN APPROCCIO ALLA ACC FATTORI CANONICI, VARIABILI CANONICHE, COEFFICIENTI DI CORRELAZIONE CANONICA Il primo passo Si consideri l'equazione det( r 2 I p + V - V 2 V - 22 V 2 ) = det( r = det( r ) = il cui primo autovalore è r 2 =. Successivamente, si consideri l'equazione ) la quale ammette l'autovettore tale che a () ' V a () =. ( ()I p + V - V 2 V - 22 V 2 ) a () = a () = ,
7 ESEMPIO 7 A sua volta, l'equazione dà luogo alla soluzione a (2) = V - 22V 2 a () a (2) = 2.42., tale che a (2) ' V 22 a (2) =. Inoltre, come si verifica facilmente, risulta a () ' V 2 a (2) = a (2) ' V 2 a () = r =. I vettori a () e a (2) di cui sopra costituiscono i primi due fattori canonici. Infine, il vettore z () = Y a () = = , tale che z () ' Mz () =, e il vettore z (2) = Y 2 a (2) = = , tale che z (2) ' Mz (2) =, costituiscono le prime due variabili canoniche corrispondenti al coefficiente di correlazione canonica r =. Ovviamente, risulta che z () ' M z (2) = z (2) ' M z () = r =. Il secondo passo Si consideri nuovamente l'equazione
8 8 ANALISI DELLA CORRELAZIONE CANONICA det( r 2 I p + V - V 2 V - 22 V 2 ) = il cui secondo autovalore è r 2 2 =.25. Successivamente, si consideri l'equazione la quale ammette l'autovettore ( (.25) I p + V - V 2 V - 22 V 2 ) a () 2 = a () 2 = , tale che a () ' 2 V a () 2 =, a () ' 2 V a () =. A sua volta, l'equazione dà luogo alla soluzione a (2) 2 =.5 V - 22V 2 a () 2 a (2) 2 = , tale che a (2) ' 2 V 22 a (2) 2 =, a (2) ' 2 V 22 a (2) =. Inoltre, come si verifica facilmente, risulta e a () ' V 2 a (2) 2 = a (2) ' V 2 a () 2 = a () ' 2 V 2 a (2) 2 = a (2) ' 2 V 2 a () 2 = r 2 =.5. I vettori a () 2 e a (2) 2 di cui sopra costituiscono i secondi due fattori canonici. Infine, il vettore z () 2 = Y a () 2 = = ,
9 ESEMPIO 9 tale che z () ' 2 Mz () 2 =, z () ' 2 Mz () =, e il vettore z (2) 2 = Y 2 a (2) 2 = = , tale che z (2) ' 2 Mz (2) 2 =, z (2) ' 2 Mz (2) =, rappresentano le variabili canoniche corrispondenti al coefficiente di correlazione canonica r 2 =.5. Ovviamente, risulta che e z () ' Mz (2) 2 = z (2) ' Mz () 2 = z () ' 2 Mz (2) 2 = z (2) ' 2 Mz () 2 = r 2 =.5. RAPPRESENTAZIONE GRAFICA DELLE VARIABILI E DEGLI INDIVIDUI RAPPRESENTAZIONE GRAFICA DELLE VARIABILI Una rappresentazione grafica delle variabili (misurate in termini di scarti standardizzati) si può ottenere considerando le loro proiezioni ortogonali y *, y * 2, y * * 3, y 4 nel sottospazio generato dal vettore z (). Poiché le coordinate, rispetto a z (), di tali proiezioni ortogonali sono date dai coefficienti di correlazione lineare di z () con le variabili in questione, e questi, come facilmente si verifica, sono r =.482, r 2 =.6667, r 3 =, r 4 =.6667, si ha il grafico di Fig.. Fig..... y * y * * 2, y 4 y 3 * z ()
10 ANALISI DELLA CORRELAZIONE CANONICA Nel caso specifico, una misura della qualità della rappresentazione ottenuta è fornita dagli indici 2 2 QR( ;z () ) = r =.667, QR(2 ;z () ) = r 2 =.4444, 2 2 QR(3 ;z () ) = r 3 =, QR(4 ;z () ) = r 4 = Pertanto, l'unica variabile ben rappresentata è la terza. RAPPRESENTAZIONE GRAFICA DEGLI INDIVIDUI Si considerino anzitutto gli individui (misurati in termini di scarti dalle medie) y () =.2.6, y () 2 =.2.4, y () 3 =.2.4, y () 4 =.8.4, y () 5 =.2.6. Una loro rappresentazione grafica si può ottenere considerando le proiezioni ortogonali y (), y () 2, y () 3, y () 4, y () 5 nel sottospazio generato dal vettore c (). Poiché le coordinate, rispetto a c (), di tali proiezioni ortogonali sono date dagli elementi del vettore canonico z () = , si ha il grafico della Fig. 2. Fig. 2 y ()2., y ()3 y (), y ()4., y () c () Nel caso specifico, una misura della qualità della rappresentazione ottenuta è fornita dagli indici
11 ESEMPIO QR( ;c () ) = QR(2 ;c () ) = QR(3 ;c () ) = QR(4 ;c () ) = QR(5 ;c () ) = (y () ' V - y () ) 2 (y () ' V - y () )(y () ' V - y () ) (y () ' 2 V - y () 2 ) 2 (y () ' 2 V - y () 2 )(y () ' 2 V - y () 2 ) (y () ' 3 V - y () 3 ) 2 (y () ' 3 V - y () 3 )(y () ' 3 V - y () 3 ) (y () ' 4 V - y () 4 ) 2 (y () ' 4 V - y () 4 )(y () ' 4 V - y () 4 ) (y () ' 5 V - y () 5 ) 2 (y () ' 5 V - y () 5 )(y () ' 5 V - y () 5 ) =.4444, =, =, =.667, = Pertanto, gli unici individui ben rappresentati sono il secondo e il terzo. Successivamente, si considerino gli individui y (2) =.4.4, y (2) 2 =.6.4, y (2) 3 =.6.4, y (2) 4 =.4.6, y (2) 5 =.4.6. Una loro rappresentazione grafica si può ottenere considerando le proiezioni ortogonali y (2), y (2) 2, y (2) 3, y (2) 4, y (2) 5 nel sottospazio generato dal vettore c (2). Poiché le coordinate, rispetto a c (2), di tali proiezioni ortogonali sono date dagli elementi del vettore canonico z (2) = , si ha il grafico della Fig. 3. Fig. 3 y (2)2., y (2)3 y (2), y (2)4., y (2) c (2)
12 2 ANALISI DELLA CORRELAZIONE CANONICA Nel caso specifico, una misura della qualità della rappresentazione ottenuta è fornita dagli indici QR( ;c (2) ) = QR(2 ;c (2) ) = QR(3 ;c (2) ) = QR(4 ;c (2) ) = QR(5 ;c (2) ) = (y (2) ' V - 22 y (2) ) 2 (y (2) ' V - 22 y (2) )(y (2) ' V - 22 y (2) ) (y (2) ' 2 V - 22 y (2) 2 ) 2 (y (2) ' 2 V - 22 y (2) 2 )(y (2) ' 2 V - 22 y (2) 2 ) (y (2) ' 3 V - 22 y (2) 3 ) 2 (y (2) ' 3 V - 22 y (2) 3 )(y (2) ' 3 V - 22 y (2) 3 ) (y (2) ' 4 V - 22 y (2) 4 ) 2 (y (2) ' 4 V - 22 y (2) 4 )(y (2) ' 4 V - 22 y (2) 4 ) (y (2) ' 5 V - 22 y (2) 5 ) 2 (y (2) ' 5 V - 22 y (2) 5 )(y (2) ' 5 V - 22 y (2) 5 ) =.667, =, =, =.4444, = Pertanto, gli unici individui ben rappresentati sono il secondo e il terzo. ALTRI APPROCCI ALLA ACC L'APPROCCIO IN TERMINI DELLA ACP dove Si consideri l'equazione (VQ λi p ) c = Q = diag (V -, V - 22 ) = I primi due autovalori di tale equazione sono λ = 2, λ 2 =.5 e a questi corrispondono i vettori principali c = , c 2 = e le componenti principali
13 ESEMPIO 3 y = , y 2 = Come si può facilmente verificare, risulta r = λ = 2 =, r 2 = λ 2 =.5 =.5 e a () a (2) = 2 Q c = 2 a () 2 a (2) 2 = 2 Q c 2 = = = ,. Inoltre, z () = 2 P y = 2 λ = , z () 2 = 2 λ 2 P y 2 = = , z (2) = 2 P 2 y = 2 λ = , z (2) 2 = 2 λ 2 P 2 y 2 = =
14 4 ANALISI DELLA CORRELAZIONE CANONICA ESEMPIO 2 Questo esempio, basato su dati fittizi riferiti a 9 individui e 9 variabili, ha lo scopo di consentire al lettore di acquisire dimestichezza con i risultati che provengono dalla applicazione del programma, scritto in linguaggio Matlab, predisposto per la ACC. Gli individui sono identificati con le etichette,2,...,9 e le variabili con le etichette a,b,...,i. COMMENTI La prima parte (Preliminary Statistics of All Variables, Preliminary Statistics of the First Set of Variables, Preliminary Statistics of the Second Set of Variables,) è dedicata alla esposizione delle principali caratteristiche dei dati a nostra disposizione. La seconda parte (Canonical Correlation Coefficients, Canonical Factors, Canonical Variables) mostra alcuni risultati che si ottengono dalla ACC. Sono altresì indicati i controlli effettuati sulla correttezza di tali risultati. La terza parte (Diagnostics) è dedicata alla presentazione di alcuni indici che servono a interpretare correttamente i grafici contenuti nella quarta parte (Graphics). La qualità della rappresentazione delle variabili del primo insieme, sia sul cerchio di correlazione I sia sul cerchio di correlazione II, è ottima; lo stesso può dirsi della qualità della rappresentazione delle variabili del secondo insieme, con esclusione della variabile f. Gli individui 4, 5, 6, 7, 9 del primo insieme risultano ben rappresentati sul piano I, mentre gli individui, 2, 3 del secondo insieme risultano ben rappresentati sul piano II.
15 ESEMPIO 2 5 RISULTATI NUMERICI E GRAFICI PRELIMINARY STATISTICS OF ALL VARIABLES X: RAW DATA MATRIX a b c d e f g h i (n,p): ORDER OF X n = 9,p = 9 rx: RANK OF X 9 CHOICE OF METRIC M (if c =, then M = (/n)in; if c = 2, then M = Mn) c = g: BARYCENTRE a.6667 f. b.4444 g 2. c.8889 h.7778 d.3333 i e.5556
16 6 ANALISI DELLA CORRELAZIONE CANONICA Y: MEAN CENTRED DATA MATRIX a b c d e f g h i ry: RANK OF Y 8 V: COVARIANCE MATRIX a b c d e f a b c d e f g h i g h i a b c d e f g h i
17 ESEMPIO 2 7 Vars: VARIANCES a. f b.469 g c.6543 h d i e PRELIMINARY STATISTICS OF THE FIRST SET OF VARIABLES CHOICE OF p: NUMBER OF VARIABLES OF THE FIRST SET p = 4 X: RAW DATA MATRIX OF THE FIRST SET OF VARIABLES a b c d (n,p): ORDER OF X n = 9, p = 4 rx: RANK OF X 4 g: BARYCENTRE a.6667 b.4444 c.8889 d.3333
18 8 ANALISI DELLA CORRELAZIONE CANONICA Y: MEAN CENTRED DATA MATRIX a b c d ry: RANK OF Y 4 V: COVARIANCE MATRIX a b c d a b c d Vars: VARIANCES a. b.469 c.6543 d PRELIMINARY STATISTICS OF THE SECOND SET OF VARIABLES p2 = 5 X2: RAW DATA MATRIX OF THE SECOND SET OF VARIABLES e f g h i (n,p2): ORDER OF X2 n = 9, p2 = 5
19 ESEMPIO 2 9 rx2: RANK OF X2 5 g2: BARYCENTRE e.5556 f. g 2. h.7778 i Y2: MEAN CENTRED DATA MATRIX e f g h i ry2: RANK OF Y2 5 V22: COVARIANCE MATRIX e f g h i e f g h i Vars2: VARIANCES e f g h i 9.956
20 2 ANALISI DELLA CORRELAZIONE CANONICA V2: CROSS COVARIANCE MATRIX e f g h i a b c d k: RANK OF V2 2 CANONICAL CORRELATION COEFFICIENTS, CANONICAL FACTORS, CANONICAL VARIABLES R: POSITIVE CANONICAL CORRELATION COEFFICIENT MATRIX () (2) ().. (2) Rv: POSITIVE CANONICAL CORRELATION COEFFICIENT VECTOR (). (2).8858 A: CANONICAL FACTOR MATRIX OF THE FIRST SET () (2) () (2) (3) (4) CheckA: Does transpose(a)*v*a equal Ik? ans: () (2) (). -. (2) -.. Rsquare: SQUARE POSITIVE CANONICAL CORRELATION COEFFICIENT MATRIX () (2) ().. (2)..7847
21 ESEMPIO 2 2 CheckA: Does transpose(a)*v2*inv(v22)*v2*a equal Rsquare? ans: () (2) (). -. (2) Z: CANONICAL VARIABLE MATRIX OF THE FIRST SET () (2) A2: CANONICAL FACTOR MATRIX OF THE SECOND SET () (2) (5) (6) (7) (8) (9) CheckA2: Does transpose(a2)*v22*a2 equal Ik? ans: () (2) ().. (2).. CheckA2: Does transpose(a2)*v2*inv(v)*v2*a2 equal Rsquare? ans: () (2) ().. (2)..7847
22 22 ANALISI DELLA CORRELAZIONE CANONICA Z2: CANONICAL VARIABLE MATRIX OF THE SECOND SET () (2) DIAGNOSTICS CORYZ: CORRELATION COEFFICIENT MATRIX BETWEEN Y AND Z () (2) a b c d CORY2Z: CORRELATION COEFFICIENT MATRIX BETWEEN Y2 AND Z () (2) e f g h i CORYZ2: CORRELATION COEFFICIENT MATRIX BETWEEN Y AND Z2 () (2) a b c d CORY2Z2: CORRELATION COEFFICIENT MATRIX BETWEEN Y2 AND Z2 () (2) e f g h i
23 ESEMPIO 2 23 QRj()I: QUALITY OF REPRESENTATION OF EACH VARIABLE OF THE FIRST SET ON CORRELATION CIRCLE I a.8 b.842 c.9552 d. QRj(2)I: QUALITY OF REPRESENTATION OF EACH VARIABLE OF THE SECOND SET ON CORRELATION CIRCLE I e.7656 f.357 g.795 h.83 i.865 QRj()II: QUALITY OF REPRESENTATION OF EACH VARIABLE OF THE FIRST SET ON CORRELATION CIRCLE II a.7762 b.87 c.9269 d.786 QRj(2)II: QUALITY OF REPRESENTATION OF EACH VARIABLE OF THE SECOND SET ON CORRELATION CIRCLE II e.9668 f.3733 g.862 h.8738 i.8775 QRi()I: QUALITY OF REPRESENTATION OF EACH INDIVIDUAL OF THE FIRST SET ON PLANE I
24 24 ANALISI DELLA CORRELAZIONE CANONICA QRi(2)II: QUALITY OF REPRESENTATION OF EACH INDIVIDUAL OF THE SECOND SET ON PLANE II
25 ESEMPIO 2 25 GRAPHICS.5.5 Variables on Correlation Circle I d e f z2 Axis.5 cab ghi z Axis.5 Variables on Correlation Circle II d e f.5 z22 Axis.5 cab ghi z2 Axis
26 26 ANALISI DELLA CORRELAZIONE CANONICA Individuals of First Set on Plane I 5 Second Axis First Axis Second Axis Individuals of Second Set on Plane II First Axis
27 ESEMPIO 3 27 ESEMPIO 3 Questo esempio analizza i risultati conseguiti, durante i Giochi Olimpici del 992, dai 28 atleti che hanno partecipato alle seguenti 6 prove di decathlon:, 4, h, peso, disco, asta. Le etichette con cui sono identificati gli atleti riflettono anche l'ordinamento basato sul punteggio complessivo da essi ottenuto. Le unità di misura delle prove sono i secondi per i tempi e i metri per le lunghezze. COMMENTI La prima parte (Preliminary Statistics of All Variables, Preliminary Statistics of the First Set of Variables, Preliminary Statistics of the Second Set of Variables,) è dedicata alla esposizione delle principali caratteristiche dei dati a nostra disposizione. La seconda parte (Canonical Correlation Coefficients, Canonical Factors, Canonical Variables) mostra alcuni risultati che si ottengono dalla ACC. La terza parte (Diagnostics) è dedicata alla presentazione di alcuni indici che servono a interpretare correttamente i grafici contenuti nella quarta parte (Graphics). La qualità della rappresentazione delle variabili sul cerchio di correlazione I è ottima per le variabili del primo insieme, mediocre per le variabili del secondo insieme; considerazioni di segno opposto si possono fare circa la qualità della rappresentazione delle variabili sul cerchio di correlazione II.
28 28 ANALISI DELLA CORRELAZIONE CANONICA RISULTATI NUMERICI E GRAFICI PRELIMINARY STATISTICS OF ALL VARIABLES X: RAW DATA MATRIX 4 h shot disc pole (n,p): ORDER OF X n = 28, p = 6 rx: RANK OF X 6 CHOICE OF METRIC M (if c =,then M = (/n)in; if c = 2,then M=Mn; c = ) c =
29 ESEMPIO 3 29 g: BARYCENTRE.689 shot disc h 5.34 pole Y: MEAN CENTRED DATA MATRIX 4 h shot disc pole ry: RANK OF Y 6 V: COVARIANCE MATRIX 4 h shot disc pole h shot disc pole
30 3 ANALISI DELLA CORRELAZIONE CANONICA Vars: VARIANCES.89 shot disc h.33 pole.32 PRELIMINARY STATISTICS OF THE FIRST SET OF VARIABLES CHOICE OF p: NUMBER OF VARIABLES OF THE FIRST SET p = 3 X: RAW DATA MATRIX OF THE FIRST SET OF VARIABLES 4 h (n,p): ORDER OF X n = 28, p = 3 rx: RANK OF X 3
31 ESEMPIO 3 3 g: BARYCENTRE h 5.34 Y: MEAN CENTRED DATA MATRIX 4 h ry: RANK OF Y 3 V: COVARIANCE MATRIX 4 h h
32 32 ANALISI DELLA CORRELAZIONE CANONICA Vars: VARIANCES h.33 PRELIMINARY STATISTICS OF THE SECOND SET OF VARIABLES p2 = 3 X2: RAW DATA MATRIX OF THE SECOND SET OF VARIABLES shot disc pole (n,p2): ORDER OF X2 n = 28, p2 = 3 rx2: RANK OF X2 3
33 ESEMPIO 3 33 g2: BARYCENTRE shot disc pole Y2: MEAN CENTRED DATA MATRIX shot disc pole ry2: RANK OF Y2 3 V22: COVARIANCE MATRIX shot disc pole shot disc pole
34 34 ANALISI DELLA CORRELAZIONE CANONICA Vars2: VARIANCES shot disc pole.32 V2: CROSS COVARIANCE MATRIX shot disc pole h k: RANK OF V2 3 CANONICAL CORRELATION COEFFICIENTS, CANONICAL FACTORS, CANONICAL VARIABLES R: POSITIVE CANONICAL CORRELATION COEFFICIENT MATRIX () (2) (3) () (2) (3) Rv: POSITIVE CANONICAL CORRELATION COEFFICIENT VECTOR ().735 (2).3379 (3).238 A: CANONICAL FACTOR MATRIX OF THE FIRST SET () (2) (3) () (2) (3) Rsquare: SQUARE POSITIVE CANONICAL CORRELATION COEFFICIENT MATRIX () (2) (3) () (2)..42. (3)...532
35 ESEMPIO 3 35 Z: CANONICAL VARIABLE MATRIX OF THE FIRST SET () (2) (3) A2: CANONICAL FACTOR MATRIX OF THE SECOND SET () (2) (3) (4) (5) (6)
36 36 ANALISI DELLA CORRELAZIONE CANONICA Z2: CANONICAL VARIABLE MATRIX OF THE SECOND SET () (2) (3) DIAGNOSTICS CORYZ: CORRELATION COEFFICIENT MATRIX BETWEEN Y AND Z () (2) (3) h CORY2Z: CORRELATION COEFFICIENT MATRIX BETWEEN Y2 AND Z () (2) (3) shot disc pole
37 ESEMPIO 3 37 CORYZ2: CORRELATION COEFFICIENT MATRIX BETWEEN Y AND Z2 () (2) (3) h CORY2Z2: CORRELATION COEFFICIENT MATRIX BETWEEN Y2 AND Z2 () (2) (3) shot disc pole QRj()I: QUALITY OF REPRESENTATION OF EACH VARIABLE OF THE FIRST SET ON CORRELATION CIRCLE I h.9999 QRj(2)I: QUALITY OF REPRESENTATION OF EACH VARIABLE OF THE SECOND SET ON CORRELATION CIRCLE I shot.3597 disc.3339 pole.495 QRj()II: QUALITY OF REPRESENTATION OF EACH VARIABLE OF THE FIRST SET ON CORRELATION CIRCLE II h.5388 QRj(2)II: QUALITY OF REPRESENTATION OF EACH VARIABLE OF THE SECOND SET ON CORRELATION CIRCLE II shot.885 disc.6474 pole.988
38 38 ANALISI DELLA CORRELAZIONE CANONICA QRi()I: QUALITY OF REPRESENTATION OF EACH INDIVIDUAL OF THE FIRST SET ON PLANE I QRi(2)II: QUALITY OF REPRESENTATION OF EACH INDIVIDUAL OF THE SECOND SET ON PLANE II
39 ESEMPIO 3 39 GRAPHICS.5.5 Variables on Correlation Circle I 4 z2 Axis h disc pole shot z Axis.5 Variables on Correlation Circle II z22 Axis h pole disc shot z2 Axis
40 4 ANALISI DELLA CORRELAZIONE CANONICA Second Axis Individuals of First Set on Plane I First Axis 2.5 Individuals of Second Set on Plane II 2 4 Second Axis First Axis
La matrice delle correlazioni è la seguente:
Calcolo delle componenti principali tramite un esempio numerico Questo esempio numerico puó essere utile per chiarire il calcolo delle componenti principali e per introdurre il programma SPAD. IL PROBLEMA
DettagliSoluzione. (a) L insieme F 1 e linearmente indipendente; gli insiemi F 2 ed F 3 sono linearmente
1. Insiemi di generatori, lineare indipendenza, basi, dimensione. Consideriamo nello spazio vettoriale R 3 i seguenti vettori: v 1 = (0, 1, ), v = (1, 1, 1), v 3 = (, 1, 0), v 4 = (3, 3, ). Siano poi F
DettagliAnalisi delle corrispondenze
Analisi delle corrispondenze Obiettivo: analisi delle relazioni tra le modalità di due (o più) caratteri qualitativi Individuazione della struttura dell associazione interna a una tabella di contingenza
Dettagli(c) Stabilire per quali valori di h is sistema ammette un unica soluzione:
ognome e Nome: orso di Laurea: 4 settembre 3. Sia L: R 3! R 3 l applicazione lineare x x y + z L @ ya = @ x + y +za. z x y z (a) Scrivere la matrice A che rappresenta L nella base canonica di R 3 : (b)
DettagliANALISI MULTIDIMENSIONALE DEI DATI (AMD)
ANALISI MULTIDIMENSIONALE DEI DATI (AMD) L Analisi Multidimensionale dei Dati (AMD) è una famiglia di tecniche il cui obiettivo principale è la visualizzazione, la classificazione e l interpretazione della
DettagliAnalisi delle corrispondenze
Capitolo 11 Analisi delle corrispondenze L obiettivo dell analisi delle corrispondenze, i cui primi sviluppi risalgono alla metà degli anni 60 in Francia ad opera di JP Benzécri e la sua equipe, è quello
DettagliFONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA
Cognome Nome Matricola FONDAMENTI DI ALGEBRA LINEARE E GEOMETRIA Ciarellotto, Esposito, Garuti Prova del 21 settembre 2013 Dire se è vero o falso (giustificare le risposte. Bisogna necessariamente rispondere
DettagliMatrici simili. Matrici diagonalizzabili.
Matrici simili. Matrici diagonalizzabili. Definizione (Matrici simili) Due matrici quadrate A, B si dicono simili se esiste una matrice invertibile P tale che B = P A P. () interpretazione: cambio di base.
DettagliSapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A ESERCIZI DA CONSEGNARE prof.
Sapienza Università di Roma Corso di laurea in Ingegneria Energetica Geometria A.A. 2015-2016 ESERCIZI DA CONSEGNARE prof. Cigliola Consegna per Martedì 6 Ottobre Esercizio 1. Una matrice quadrata A si
Dettagli1.[25 punti] Risolvere il seguente sistema di equazioni lineari al variare del parametro reale λ: X +Y +Z = 2. X 2Y +λz = 2
Università di Modena e Reggio Emilia Facoltà di Scienze MM.FF.NN. PROVA SCRITTA DI GEOMETRIA A del 27 giugno 2011 ISTRUZIONI PER LO SVOLGIMENTO. Scrivere cognome, nome, numero di matricola in alto a destra
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
DettagliEsercizi di ripasso: geometria e algebra lineare.
Esercizi di ripasso: geometria e algebra lineare. Esercizio. Sia r la retta passante per i punti A(2,, 3) e B(,, 2) in R 3. a. Scrivere l equazione cartesiana del piano Π passante per A e perpendicolare
Dettagli= (cioè le due terne di numeri direttori ( devono essere ) proporzionali). Tale uguaglianza non è verificata, poiché risulta ρ
Alcuni esercizi sullo spazio euclideo R Nel seguito R indicherà lo spazio euclideo tridimensionale standard, dotato del riferimento cartesiano naturale (pag 56-57 del libro Nota: gli esercizi proposti
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliAnalisi statistica e matematico-finanziaria II. Alfonso Iodice D Enza Università degli studi di Cassino e del Lazio Meridionale
delle sui delle Analisi statistica e matematico-finanziaria II Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino e del Lazio Meridionale sulle particolari ali dei dati Outline
Dettagli4 Autovettori e autovalori
4 Autovettori e autovalori 41 Cambiamenti di base Sia V uno spazio vettoriale tale che dim V n Si è visto in sezione 12 che uno spazio vettoriale ammette basi distinte, ma tutte con la medesima cardinalità
DettagliElementi di Algebra Lineare. Spazio Vettoriale (lineare)
Elementi di Algebra Lineare Spazio Vettoriale (lineare) Uno spazio vettoriale su un corpo F è una quadrupla (X, F, +, ) costituita da: un insieme di elementi X, detti vettori, un corpo F, i cui elementi
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a Prova scritta del TESTO E SOLUZIONI
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica GE110 - Geometria 1 a.a. 2011-2012 Prova scritta del 28-1-2013 TESTO E SOLUZIONI 1. Per k R considerare il sistema lineare X 1 X 2 + kx 3 =
DettagliProva scritta di Geometria 18/01/2016, Soluzioni Ing. Meccanica a.a
Prova scritta di Geometria 8//26, Soluzioni Ing. Meccanica a.a. 25-6 Esercizio È data la conica γ : 3x2 2xy + 3y 2 + 8x + 3 =. a) Verificare che la conica è un ellisse e determinarne la forma canonica.
DettagliLa lunghezza dei vettori e legata alle operazioni sui vettori nel modo seguente: Consideriamo due vettori v, w e il vettore v + w loro somma.
Matematica II, 20.2.. Lunghezza di un vettore nel piano Consideriamo il piano vettoriale geometrico P O. Scelto un segmento come unita, possiamo parlare di lunghezza di un vettore v P O rispetto a tale
DettagliEsercizi di Geometria Affine
Esercizi di Geometria Affine Sansonetto Nicola dicembre 01 Geometria Affine nel Piano Esercizio 1. Nel piano affine standard A (R) dotato del riferimento canonico, si consideri la retta τ di equazione
DettagliESERCIZIO 1. Vengono riportati di seguito i risultati di un analisi discriminante.
ESERCIZIO 1. Vengono riportati di seguito i risultati di un analisi discriminante. Test di uguaglianza delle medie di gruppo SELF_EFF COLL_EFF COIN_LAV IMPEGNO SODDISF CAP_IST COLLEGHI Lambda di Wilks
DettagliStrumenti informatici Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS
Strumenti informatici 5.2 - Realizzare un test z, un test t e un test F per campioni indipendenti con Excel e SPSS Sia Excel che SPSS consentono di realizzare in modo abbastanza rapido il test sulle medie
DettagliGeometria analitica: rette e piani
Geometria analitica: rette e piani Equazioni del piano Intersezioni di piani. Rette nello spazio Fasci di piani e rette Intersezioni fra piani e rette Piani e rette ortogonali Piani di forma parametrica
DettagliAutovettori e autovalori
Autovettori e autovalori Definizione 1 Sia A Mat(n, n), matrice a coefficienti reali. Si dice autovalore di A un numero λ R tale che v 0 R n Av = λv. Ogni vettore non nullo v che soddisfa questa relazione
DettagliGeometria analitica del piano pag 25 Adolfo Scimone. Equazione della retta perpendicolare ad una retta data passante per un punto
Geometria analitica del piano pag 5 Adolfo Scimone Equazione della retta perpendicolare ad una retta data passante per un punto Consideriamo una retta r di equazione r: ax by sia P ( x y), un punto del
DettagliCompiti di geometria & algebra lineare. Anno: 2004
Compiti di geometria & algebra lineare Anno: 24 Anno: 24 2 Primo compitino di Geometria e Algebra 7 novembre 23 totale tempo a disposizione : 3 minuti Esercizio. [8pt.] Si risolva nel campo complesso l
DettagliESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE
ESERCITAZIONE SUI PUNTI STAZIONARI DI FUNZIONI LIBERE E SULLE FUNZIONI OMOGENEE 1 Funzioni libere I punti stazionari di una funzione libera di più variabili si ottengono risolvendo il sistema di equazioni
DettagliESERCIZI DI ALGEBRA LINEARE (D) A = A = A = R 2,2. D5 Dire come bisogna scegliere i parametri h e k affinché la
ESERCIZI DI ALGEBRA LINEARE (D) D1 Nello spazio vettoriale R 2,2 si consideri l insieme { V = X R 2,2 XA = AX, A = ( 1 1 1 2 )} delle matrici che commutano con A. Verifiare che V = L(I 2, A). Verificare
DettagliEsercizio 2. Consideriamo adesso lo spazio di funzioni V = {f : [0, 1] R}. Dire quali dei seguenti insiemi di funzioni sono sottospazi.
1 Esercizi 1.1 Spazi vettoriali Studiare gli insiemi definiti di seguito, e verificare quali sono spazi vettoriali e quali no. Per quelli che non lo sono, dire quali assiomi sono violati. x 1, x 2, x 3
DettagliAppendice 3. Rotazioni
Appendice 3. Rotazioni Indice 1 Tensori ortogonali 2 2 Rotazioni e simmetrie in uno spazio di dimensione 2 2 3 Tensori ortogonali in uno spazio di dimensione 3 4 4 Rotazioni in uno spazio di dimensione
DettagliEsame scritto di Geometria 2
Esame scritto di Geometria 2 UNIVERSITÀ DEGLI STUDI DI TRENTO CORSO DI LAUREA IN MATEMATICA A.A. 2014/2015 Settembre 2015 Esercizio 1 Sia E 4 lo spazio euclideo a quattro dimensioni con un sistema di coordinate
Dettagli2 Sistemi lineari. Metodo di riduzione a scala.
Sistemi lineari. Metodo di riduzione a scala. Esercizio.1 Utilizzando il metodo di eliminazione di Gauss, risolvere i seguenti sistemi lineari: 1. 3. x 1 x + 3x 3 = 1 x 1 x x 3 = x 1 + x + 3x 3 = 5 x 1
DettagliAnalisi delle componenti principali
Analisi delle componenti principali Serve a rappresentare un fenomeno k-dimensionale tramite un numero inferiore o uguale a k di variabili incorrelate, ottenute trasformando le variabili osservate Consiste
DettagliSISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI
SISTEMI LINEARI: APPROFONDIMENTI ED ESEMPI Appunti presi dalle lezioni del prof. Nedo Checcaglini Liceo Scientifico di Castiglion Fiorentino (Classe 4B) January 17, 005 1 SISTEMI LINEARI Se a ik, b i R,
DettagliAnalisi della correlazione canonica
Analisi della correlazione canonica Su un collettivo di unità statistiche si osservano due gruppi di k ed m variabili L analisi della correlazione canonica ha per obiettivo lo studio delle relazioni di
DettagliAnalisi Matematica 1 e Matematica 1 Geometria Analitica: Rette
Analisi Matematica 1 e Matematica 1 Geometria Analitica: Rette Annalisa Amadori e Benedetta Pellacci amadori@uniparthenope.it pellacci@uniparthenope.it Università di Napoli Parthenope Contenuti Nel Piano
DettagliPunti di massimo o di minimo per funzioni di n variabili reali
Punti di massimo o di minimo per funzioni di n variabili reali Dati f : A R n R ed X 0 A, X 0 si dice : punto di minimo assoluto se X A, f ( x ) f ( X 0 ) punto di massimo assoluto se X A, f ( x ) f (
DettagliEsercizi di Geometria - 1
Esercizi di Geometria - Samuele Mongodi - smongodi@snsit Di seguito si trovano alcuni esercizi assai simili a quelli che vi troverete ad affrontare nei test e negli scritti dell esame Non è detto che vi
DettagliEsercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria
Esercizi di MATEMATICA PER RCHITETTURA prima parte: Algebra Lineare e Geometria Avvertenze In quanto segue tutti i vettori hanno il medesimo punto d origine O l origine dello spazio cartesiano. Possiamo
Dettagli3. Vettori, Spazi Vettoriali e Matrici
3. Vettori, Spazi Vettoriali e Matrici Vettori e Spazi Vettoriali Operazioni tra vettori Basi Trasformazioni ed Operatori Operazioni tra Matrici Autovalori ed autovettori Forme quadratiche, quadriche e
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliEsercitazione 6 - Soluzione
Anno Accademico 28-29 Corso di Algebra Lineare e Calcolo Numerico per Ingegneria Meccanica Esercitazione 6 - Soluzione Immagine, nucleo. Teorema di Rouché-Capelli. Esercizio Sia L : R 3 R 3 l applicazione
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
DettagliEsercizi per Geometria II Geometria euclidea e proiettiva
Esercizi per Geometria II Geometria euclidea e proiettiva Filippo F. Favale 8 aprile 014 Esercizio 1 Si consideri E dotato di un riferimento cartesiano ortonormale di coordinate (x, y) e origine O. Si
DettagliUniversita degli Studi di Ancona Laurea in Ingegneria Meccanica ed Informatica a Distanza Anno Accademico 2005/2006. Matematica 2 (Analisi)
Universita degli Studi di Ancona Laurea in Ingegneria Meccanica ed Informatica a Distanza Anno Accademico 2005/2006 Matematica 2 (Analisi) Nome:................................. N. matr.:.................................
DettagliDipartimento di Matematica Corso di laurea in Fisica Compito di Geometria assegnato il 1 Febbraio 2002
Compito di Geometria assegnato il 1 Febbraio 2002 Trovare l equazione della conica irriducibile tangente all asse x nel punto A(2, 0), tangente all asse y e passante per i punti B(1, 1) e C(2, 2) Scrivere
DettagliPagine di Algebra lineare. di premessa al testo Pagine di Geometria di Sara Dragotti. Parte terza: SISTEMI LINEARI
Pagine di Algebra lineare di premessa al testo Pagine di Geometria di Sara Dragotti Parte terza: SISTEMI LINEARI 1. Definizioni Dato un campo K ed m 1 polinomi su K in n indeterminate di grado non superiore
DettagliAutovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti)
Autovalori e autovettori, matrici simmetriche e forme quadratiche (cenni) (prof. M. Salvetti) April 14, 2011 (alcune note non complete sugli argomenti trattati: eventuali completamenti saranno aggiunti)
DettagliFondamenti di Algebra Lineare e Geometria
Fondamenti di Algebra Lineare e Geometria Ingegneria Aerospaziale ed Ingegneria dell Energia - Canale B Primo Appello - 6 giugno 24 TEMA A Risolvere i seguenti esercizi motivando adeguatamente ogni risposta.
DettagliAnalisi in Componenti Principali
Analisi in Componenti Principali 1/20 Analisi in Componenti Principali tecnica di riduzione e interpretazione dei dati spesso gioca un ruolo ausiliario rispetto ad altre tecniche (es. analisi fattoriale,
DettagliAlgebra lineare con R
Università di Napoli Federico II cristina.tortora@unina.it Standardizzare una variabile Standardizzazione Data una variabile X distribuita secondo una media µ e una varianza σ 2 la standardizzazione permette
DettagliEsplorazione grafica di dati multivariati. N. Del Buono
Esplorazione grafica di dati multivariati N. Del Buono Scatterplot Scatterplot permette di individuare graficamente le possibili associazioni tra due variabili Variabile descrittiva (explanatory variable)
DettagliEsame di geometria e algebra
Laurea Ing. 26 febbraio 2007 Traccia I COG 1 In R 3 sono assegnati i vettori: u 1 = (2, h, 0), u 2 = (1, 0, h), u 3 = (h, 1, 2). Stabilire se esistono valori reali del parametro h per cui S = {u 1, u 2,
DettagliAlcuni esercizi sulla diagonalizzazione di matrici. campo dei reali. Se lo è calcolare una base spettrale e la relativa forma diagonale di A.
Alcuni esercii sulla diagonaliaione di matrici Eserciio Dire se la matrice A 4 8 è diagonaliabile sul 3 3 campo dei reali Se lo è calcolare una base spettrale e la relativa forma diagonale di A Svolgimento
DettagliPOTENZE DI MATRICI QUADRATE
POTENZE DI MATRICI QUADRATE In alcune applicazioni pratiche, quali lo studio di sistemi dinamici discreti, può essere necessario calcolare le potenze A k, per k N\{0}, di una matrice quadrata A M n n (R)
DettagliSCOPO DELL ANALISI DI CORRELAZIONE
CORRELAZIONE 1 SCOPO DELL ANALISI DI CORRELAZIONE STUDIARE LA RELAZIONE TRA DUE VARIABILI X E Y 2 diagrammi di dispersione un diagramma di dispersione (o grafico di dispersione) èuna rappresentazione grafica
Dettagli3 ) (5) Determinare la proiezione ortogonale del punto (2, 1, 2) sul piano x + 2y + 3z + 4 = 0.
1 Calcolo vettoriale 1 Scrivere il vettore w =, 6 sotto forma di combinazione lineare dei vettori u = 1, e v = 3, 1 R w = v 4u Determinare la lunghezza o il modulo del vettore, 6, 3 R 7 3 Determinare la
Dettagli(P x) (P y) = x P t (P y) = x (P t P )y = x y.
Matrici ortogonali Se P è una matrice reale n n, allora (P x) y x (P t y) per ogni x,y R n (colonne) Dim (P x) y (P x) t y (x t P t )y x t (P t y) x (P t y), CVD Ulteriori caratterizzazioni delle matrici
DettagliRichiami di algebra delle matrici a valori reali
Richiami di algebra delle matrici a valori reali Vettore v n = v 1 v 2. v n Vettore trasposto v n = (v 1, v 2,..., v n ) v n = (v 1, v 2,..., v n ) A. Pollice - Statistica Multivariata Vettore nullo o
DettagliIl Modello della Analisi Fattoriale Esplorativa e i Metodi di Classificazione Automatica (Analisi di Raggruppamento)
Il Modello della Analisi Fattoriale Esplorativa e i Metodi di Classificazione Automatica (Analisi di Raggruppamento) Se all interno di un insieme di informazioni articolato in una matrice di dati X si
Dettagli2. Coordinate omogenee e trasformazioni del piano
. Coordinate omogenee e trasformazioni del piano Nella prima sezione si è visto come la composizione di applicazioni lineari e di traslazioni porta ad una scomoda combinazione di prodotti matriciali e
DettagliApplicazioni lineari e diagonalizzazione. Esercizi svolti
. Applicazioni lineari Esercizi svolti. Si consideri l applicazione f : K -> K definita da f(x,y) = x + y e si stabilisca se è lineare. Non è lineare. Possibile verifica: f(,) = 4; f(,4) = 6; quindi f(,4)
DettagliSoluzione facsimile 2 d esame di geometria - Ingegneria gestionale - a.a ISTRUZIONI
Soluzione facsimile d esame di geometria - Ingegneria gestionale - a.a. 00-004 COGNOME......................................... NOME......................................... N. MATRICOLA................
DettagliANALISI DEI DATI PER IL MARKETING 2014
ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it ANALISI DELLE CORRISPONDENZE (cap. VII) Problema della riduzione delle dimensioni L ANALISI DELLE COMPONENTI PRINCIPALI
DettagliEsercizi Applicazioni Lineari
Esercizi Applicazioni Lineari (1) Sia f : R 4 R 2 l applicazione lineare definita dalla legge f(x, y, z, t) = (x + y + z, y + z + t). (a) Determinare il nucleo di f, l immagine di f, una loro base e le
DettagliREGISTRO DELLE LEZIONI
UNIVERSITA DEGLI STUDI DI GENOVA FACOLTA DI SCIENZE MATEMATICHE, FISICHE E NATURALI REGISTRO DELLE LEZIONI del Corso UFFICIALE di GEOMETRIA B tenute dal prof. Domenico AREZZO nell anno accademico 2006/2007
DettagliMETODI MATEMATICI PER LA FISICA
METODI MATEMATICI PER LA FISICA SECONDO ESONERO - 5 GIUGNO 6 Si svolgano cortesemente i seguenti Problemi. PRIMO PROBLEMA (PUNTEGGIO: 3/3) Dati due operatori hermitiani  and ˆB in uno spazio di Hilbert
Dettagli1.1 Coordinate sulla retta e nel piano; rette nel piano
1 Sistemi lineari 11 Coordinate sulla retta e nel piano; rette nel piano Coordinate sulla retta Scelti su una retta un primo punto O (origine) ed un diverso secondo punto U (unita ), l identificazione
Dettagli5 Un applicazione: le matrici di rotazione
5 Un applicazione: le matrici di rotazione 51 Rotazioni nel piano di un angolo ϑ Si vuole considerare il caso della rotazione nel piano di un vettore di R di un angolo ϑ assegnato Chiaramente si tratta
DettagliSTUDIO DELLE RADICI DI UNA EQUAZIONE ALGEBRICA DI TERZO GRADO A COEFFICIENTI REALI
M. G. BUSATO STUDIO DELLE RADICI DI UNA EQUAZIONE ALGEBRICA DI TERZO GRADO A COEFFICIENTI REALI mgbstudio.net PAGINA INTENZIONALMENTE VUOTA SOMMARIO In questo scritto viene compiuto lo studio dettagliato
DettagliCorso di Fisica I per Matematica
Corso di Fisica I per Matematica DOCENTE: Marina COBAL: marina.cobal@cern.ch Tel. 339-2326287 TESTO di RIFERIMENTO: Mazzoldi, Nigro, Voci: Elementi d fisica,meccanica e Termodinamica Ed. EdiSES FONDAMENTI
DettagliEsercizi di Complementi di Matematica (L-Z) a.a. 2015/2016
Esercizi di Complementi di Matematica (L-Z) a.a. 2015/2016 Prodotti scalari e forme bilineari simmetriche (1) Sia F : R 2 R 2 R un applicazione definita da F (x, y) = x 1 y 1 + 3x 1 y 2 5x 2 y 1 + 2x 2
DettagliSi consideri il sistema a coefficienti reali di m equazioni lineari in n incognite
3 Sistemi lineari 3 Generalità Si consideri il sistema a coefficienti reali di m equazioni lineari in n incognite ovvero, in forma matriciale, a x + a 2 x 2 + + a n x n = b a 2 x + a 22 x 2 + + a 2n x
DettagliTutoraggio di Algebra Lineare e Geometria. Correzione del tema d'esame del 28/2/2006
Tutoraggio di Algebra Lineare e Geometria Correzione del tema d'esame del 8//6 Esercizio. Si considerino in R 4 i vettori : v =, v =, v = / / a) si dica se tali vettori sono linearemente indipendenti e
DettagliMatematica per Analisi dei Dati,
Matematica per Analisi dei Dati, 230209 1 Spazio vettoriale R n Sia n un intero positivo fissato Lo spazio vettoriale R n e l insieme delle n ple ordinate di numeri reali, che rappresenteremo sempre come
Dettagli1) Hamming bound, coset, codici equivalenti
Argomenti della Lezione ) Hamming bound, coset, codici equivalenti 2) Esercizi sui codici lineari a blocchi Osservazione () Per effettuare la decodifica a rivelazione di errore si può seguire una delle
Dettagli2.1 Esponenziale di matrici
¾ ½ º¼ º¾¼½ Queste note (attualmente e probabilmente per un bel po sono altamente provvisorie e (molto probabilmente non prive di errori Esponenziale di matrici Esercizio : Data la matrice λ A λ calcolare
DettagliPROGRAMMAZIONE LINEARE E DUALITA'
PROGRAMMAZIONE LINEARE E DUALITA' 1) Dati i punti di R 2 (1, 2), (1, 4), (2, 3), (3, 5), (4, 1), (4, 2), (5, 5), (6, 2), (6, 5). Determinare graficamente: A - L'involucro convesso di tali punti. B - Quali
DettagliDIARIO DEL CORSO DI GEOMETRIA E ALGEBRA LINEARE
DIARIO DEL CORSO DI GEOMETRIA E ALGEBRA LINEARE DOCENTI: S. MATTAREI (TITOLARE), G. VIGNA SURIA, D. FRAPPORTI Prima settimana. Lezione di martedí 23 febbraio 2010 Introduzione al corso: applicazioni dell
DettagliESERCIZI DI MATEMATICA DISCRETA ANNO 2006/2007
ESERCIZI DI MATEMATICA DISCRETA ANNO 6/7 //7 () Ridurre la seguente matrice ad una a scala ridotta utilizzando il metodo di Gauss-Jordan. Soluzione. () Determinare quante e quali sono le matrici a scala
DettagliEsercizi geometria analitica nello spazio. Corso di Laurea in Informatica. Docente: Andrea Loi. Correzione
Esercizi geometria analitica nello spazio Corso di Laurea in Informatica Docente: Andrea Loi Correzione 1. Denotiamo con P 1, P 13, P 3, P 1, P, P 3, P i simmetrici di un punto P rispetto ai piani coordinati
DettagliESERCIZI DI ALGEBRA LINEARE. Vincenzo Di Gennaro
ESERCIZI DI ALGEBRA LINEARE Vincenzo Di Gennaro Sono raccolti, in ordine cronologico, gli esercizi di Algebra Lineare proposti nelle prove scritte per i vari corsi di Geometria che ho tenuto presso la
DettagliSistemi sovradeterminati
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 lineare di
Dettaglix 1 x 2 x 3 x 5 La base iniziale è B 0 = I e risulta x B 0 = , x N 0 = Iterazione 0. Calcolo dei costi ridotti. γ 0 = c N 0 (N 0 ) T c B 0 =
56 IL METODO DEL SIMPLESSO 7.4 IL METODO DEL SIMPLESSO In questo paragrafo sono riportati alcuni esercizi risolti sul metodo del simplesso. Alcuni sono risolti utilizzando la procedura di pivot per determinare,
DettagliCorso di Geometria Ing. Informatica e Automatica Test 1: soluzioni
Corso di Geometria Ing. Informatica e Automatica Test : soluzioni k Esercizio Data la matrice A = k dipendente dal parametro k, si consideri il k sistema lineare omogeneo AX =, con X = x x. Determinare
DettagliEstremi liberi. (H x, x) x 2 (1) F (x) =
Estremi liberi Allo scopo di ottenere delle condizioni sufficienti affinchè un punto stazionario sia un estremante, premettiamo alcuni risultati riguardanti le proprietà delle forme quadratiche. Sia H
DettagliA.A. 2014/2015 Corso di Algebra Lineare
A.A. 2014/2015 Corso di Algebra Lineare Stampato integrale delle lezioni Massimo Gobbino Indice Lezione 01: Vettori geometrici nel piano cartesiano. Operazioni tra vettori: somma, prodotto per un numero,
DettagliMATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE
DIAGONALIZZAZIONE 1 MATRICI ORTOGONALI. MATRICI SIMMETRICHE E FORME QUADRATICHE Matrici ortogonali e loro proprietà. Autovalori ed autospazi di matrici simmetriche reali. Diagonalizzazione mediante matrici
DettagliMatlab: Variabili e Array. Informatica B
Matlab: Variabili e Array Informatica B Array e variabili L unità fondamentale di dati in MATLAB è l array Una variabile in MATLAB è una regione di memoria che contiene un array Ha un nome definito dall
DettagliAnalisi in componenti principali
Capitolo 2 Analisi in componenti principali 2.1 Introduzione L analisi in componenti principali è una tecnica di analisi multivariata tra le più diffuse. Viene utilizzata quando nel dataset osservato sono
DettagliEsame di Geometria - 9 CFU (Appello del 14 gennaio A)
Esame di Geometria - 9 CFU (Appello del 4 gennaio 24 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Si considerino le rette s : { x x 2 2x 3 = 2 3x x 2 =, { x + x s 2 : 2 x 3 = x 2 =.. Stabilire
DettagliStatistica multivariata Donata Rodi 21/11/2016
Statistica multivariata Donata Rodi 21/11/2016 PCA Tecnica di riduzione delle dimensioni che descrive la struttura multivariata dei dati per analisi descrittive e inferenziali Descrive la variazione di
DettagliGeometria analitica del piano pag 12 Adolfo Scimone
Geometria analitica del piano pag 12 Adolfo Scimone Fasci di rette Siano r e r' due rette distinte di equazioni r: ax + by + c r': a' x + b' y + c' Consideriamo la retta combinazione lineare delle due
Dettagli(E) : 4x 181 mod 3. h(h 1)x + 4hy = 0
Dipartimento di Matematica e Informatica Anno Accademico 206-207 Corso di Laurea in Informatica (L-3) Prova scritta di Matematica Discreta (2 CFU) 6 Settembre 207 Parte A [0 punti] Sia data la successione
DettagliFormulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010
Formulario sui Prodotti Hermitiani Marcello Mamino Pisa, 24 v 2010 In quetsa dispensa: V è uno spazio vettoriale di dimensione d sul campo complesso C generato dai vettori v 1,..., v d. Le variabili m,
DettagliAlgebra/Algebra Lineare,
Algebra/Algebra Lineare, 00308 Distanza di un punto da una retta, nel piano Svolgiamo ora un semplice esercizio di geometria analitica nel piano: determinare la distanza di un punto da una retta Il modo
DettagliLEZIONE 12. v = α 1 v α n v n =
LEZIONE 12 12.1. Combinazioni lineari. Definizione 12.1.1. Sia V uno spazio vettoriale su k = R, C e v 1,..., v n V vettori fissati. Un vettore v V si dice combinazione lineare di v 1,..., v n se esistono
DettagliSpazi euclidei, endomorfismi simmetrici, forme quadratiche. R. Notari
Spazi euclidei, endomorfismi simmetrici, forme quadratiche R. Notari 14 Aprile 2006 1 1. Proprietà del prodotto scalare. Sia V = R n lo spazio vettoriale delle n-uple su R. Il prodotto scalare euclideo
DettagliCorso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2009/2010.
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2009/2010 Statistica Esercitazione 4 12 maggio 2010 Dipendenza in media. Covarianza e
Dettagli