Variabili casuali doppie

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Variabili casuali doppie"

Transcript

1 Varabl casual doe Una varable casuale doa (,) è una funzone defnta sullo sazo degl event che assoca ad ogn evento una coa d numer real (x,y) (x 1, y 1 ) S y 1 A B y (x, y ) (x 3, y 3 ) C y 3 x 1 x x 3 Dstrbuzone congunta Dstrbuzone margnale Dstrbuzone condzonata

2 x k k1 k kh 1 Varabl casual doe dscrete : x,x,,x 1 k : y,y,,y 1 k P x y j j Proretà 0 k j h 1 j1 1 j y 1 y y h x h x 1 h Dstrbuzon doe n statstca: Relazone tra varabl Relazone tra event Relazone tra varabl casual

3 Dstrbuzon margnal x x y x y 1 h y 1 y y h x h 1. x 1 h. x k k1 k kh k. j h j1 k 1 j j k h 1 1 j1 j.1..h 1 P x P x y1 x yh P x y1 P x yh 1 h

4 Dstrbuzon condzonate Dstrbuzone d condzonata al valore y j d P yj P x y P x y j j j j 1,,,k Dstrbuzone d condzonata al valore x d P x y P y j x P x j j j 1,,,h N.B. 1 1 P x y 1 k k k j j j j 1 1 j j 1 j 1 1 P y x 1 h h h j j j 1 j1 j1

5 Esemo Numero d error al test () Voto () 1 3 totale 4 0,485 0,7 0,165 0,9 5 0,015 0,03 0,035 0,08 totale 0,5 0,3 0, 1 Dstrbuzone d condzonata ad P 4 1 0, 485 P 4 1 P 1 0,5 P 4 0, 7 P 4 P 0, 3 P 4 3 0,165 P 4 3 P 3 0, P 5 1 0, 015 P 5 1 P 1 0,5 P 5 0, 03 P 5 P 0, 3 P 5 3 0, 035 P 5 3 P 3 0, Dstrbuzone d condzonata ad P 1 4 0, 485 P 1 4 P 4 0, 9 P 1 5 0, 015 P 1 5 P 5 0, 08 P 4 0, 7 P 4 P 4 0, 9 P 5 0, 03 P 5 P 5 0, 08 P 3 4 0,165 P 3 4 P 4 0, 9 P 3 5 0, 035 P 5 P 5 0, 08

6 Esemo Numero d error al test () Voto () 1 3 totale 4 0,485 0,7 0,165 0,9 5 0,015 0,03 0,035 0,08 totale 0,5 0,3 0, 1 Mede e varanze margnal k 1 x. 4 0,9 5 0,08 4,08 h j j j1 y. 1 0,5 0, ,5 k x. 4 4,08 0,9 5 4,08 0,08 1 h j j j1 y. 1 1,5 0,5 1,5 0,3 3 1,5 0

7 Valore atteso e varanza condzonat Dstrbuzone d condzonata ad E x Var h h j yjp y j x yj j1 j1 h yj E x P y j x j1 h j1 x yj E x j Dstrbuzone d condzonata ad k j E yj x 1 j j j k 1 Var y x E y j j

8 Esemo P x j yj j P y j j x Numero d error al test () Voto () 1 3 totale 4 0,485 0,7 0,165 0,9 5 0,015 0,03 0,035 0,08 totale 0,5 0,3 0, 1 3 P 3 4 E 4 1 P 1 4 P 4 0, 485 0, 7 0, , 65 0,9 0,9 0,9 3 P 3 5 E 5 1 P 1 5 P 5 0,015 0,03 0, , 5 0,08 0,08 0,08 Inoltre: E E 4 P( 4) E 5 P( 5) 1,65 0,9,5 0,08 1,7 E y 1 0,5 0,3 3 0, 1,7 j j j

9 Indendenza tra ed P x y P x, j j j j P x y P x P y j j, j P y x P y, j j j j Varabl casual multvarate dscrete Una n-la d varabl casual dscrete = ( 1,,, n ) costtusce una varable casuale n-varata 1,,, n Varabl margnal della v.c. multvartata

10 Varabl casual doe contnue La funzone d denstà congunta è tale se: f(x, y) 0 f(x,y) f(x, y)dx dy 1 y x dove: f x, y dxdy P x x dx y y dy

11 Dstrbuzon margnal e dstrbuzon condzonate Funzon d denstà margnal f x f x, y dy f y f x, y dx Funzon d denstà condzonata f f y x x y y x f x,y f f x,y f Indendenza f (x) f (x) x, y R y f (y) f (y) x, y R x f x, y f x f y x, y R

12 Varabl casual multvarate contnue Una n-la d varabl casual contnue = ( 1,,, n ) costtusce una varable casuale n-varata contnua 1,,, n Varabl margnal della v.c. multvartata

13 Moment d una varable casuale doa E g, k 1 j1 h g x, y j j g x, y f x, y dx dy Varabl casual dscrete Varabl casual contnue g, r s r g, g, r s s E g, r s E g, r s E g, r s Momento d ordne (r + s) rsetto all orgne o centrale Momento ordne (r + s) rsetto alla meda Momento ordne (r + s) standardzzato

14 Classfcazone de moment d una v.c. doa (,) V.a. de rodott E[g(,)] = g x,y j g x,y f x,y dxdy r s x y g, E[g(,)] = momento doo d ordne r+s rsetto all orgne covaranza r s g, x y x y E[g(,)] = momento d ordne r+s rsetto alla meda correlazone g, r x x y y x y s E[g(,)] = momento d ordne r+s standardzzato 14

15 Moment central (o rsetto al orgne) g, r s r s rs E r s 1 E, xy k 1 j1 rs h r s x y j j r s x y f x, y dx dy Varabl casual dscrete Varabl casual contnue Moment margnal E E r r r 0 r 0 E 10 s s 0 s E E 0s E 01 e ndendent r s rs

16 Moment delle varabl casual scarto (o moment rsetto alla meda) r g, s r E r s k h r j j 1 j1 rs Covaranza x y r s x y f x, y dx dy s s Varabl casual dscrete Varabl casual contnue 11 Cov(, ) E ( )( ) k h j j 1 j1 x y v.c. dscrete x y f x, y dx dy 0 dscordanza 0 ndendenza lneare v.c. contnue 0 concordanza

17 Proretà della covaranza ed ndendent Cov(, ) = 0 N.B.: Non vale l vceversa Cov[(a + b), (c + d)] = ac Cov(, ) Dsuguaglanza d Cauchy-Schwarz In caso d erfetto legame lneare s ha: a b La covaranza rleva, se esste, l segno della relazone lneare tra ed

18 Moment delle varabl casual standardzzate g, r s r rs E s r k h x y j 1 j1 rs r s x y s j f x, y dx dy Varabl casual dscrete Varabl casual contnue

19 Coeffcente d correlazone 11 (, ) E È la covaranza tra due varabl standardzzate Msura la forza del legame lneare 0 correlazone ostva 0 correlazone negatva 0 ndendenza lneare Proretà del coeffcente d correlazone (, ) E 1 a b e ndendent 0 (non vale l vceversa) a b, =c d

20 Correlazone = 0.9 = 0.7 = 0.5 = 0

21 Esemo Un ateneo sommnstra abtualmente agl student frequentant un questonaro er rlevare le loro onon su cors. Nel questonaro gl student devono esrmere una valutazone sulla charezza esostva del docente e sulla sua caactà d susctare nteresse er la matera. In entramb cas l gudzo uò essere 1 (nsuffcente), (suffcente) e 3 (buono). Sa la v.c. valutazone sulla charezza esostva del docente e la v.c. gudzo sulla caactà del docente d susctare nteresse. E stata stmata la dstrbuzone d robabltà congunta rortata nella tabella. S calcol l coeffcente d correlazone.,40, , , , , 07 0,17 3 0, , , , 40 5, 94 5,94,40,33 0,348 0, ,749

22 Combnazon lnear d due varabl casual, E E Var Var Cov, Z = combnazone lneare d ed : Z a b Esem a b 1 Z a 1, b 1 Z Valore atteso e varanza E Z E a b a b Var Z Var a b a b ab Se ed sono ndendent: Var a b a b

23 Somma e dfferenza a b 1 Z a 1, b 1 Z E[ ] E[ ] Var( ) Var( ) Se e sono ndendent: Var( )

24 Eserczo Un nvesttore ossede un ortafoglo comosto er l 30% da fond azonar e er l 70% da fond obblgazonar. Per ogn anno l rendmento atteso del fond azonar è del 6% con scarto quadratco medo del 3%, mentre l rendmento atteso de fond obblgazonar è del 4% con scarto quadratco medo del %. La covaranza fra rendment de due fond è 0,006. S vuole calcolare l rendmento atteso e lo scarto quadratco medo dell ntero ortafoglo. Soluzone : rendmento degl nvestment azonar : rendmento degl nvestment obblgazonar P 0,3 0,7 Rendmento atteso d P E P 0.3 E 0.7 E 0.3 0, ,04 0,046 Var P 0,3 Var 0,7 Var Cov, 0,3 0, ,7 0, ,3 0,7 0, , E 0,06 E 0,04 0,03 Var 0,0009 0,0 Var 0,0004 Cov, 0,0006 P 0, ,03 = rscho fnanzaro dell ntero ortafoglo!!!

25 Combnazon lnear d n varabl casual 1,,,n W = combnazone lneare delle : E Var Cov(, ) j j EW n 1 a n n j j 1 1 j W a1 1 a an n Var W a aa Se le sono ndendent: Var W n 1 a

26 Somma d n varabl casual 1,,,n n n 1 n 1 E, Var, ndendent n E n E n 1 n Var Var n n 1 Meda d n varabl casual n n 1 n n 1 n n n n n n n n E n E E E E n Var n n n Var Var Var Var n n n 1 n n n

27 Rroduttvtà della v.c. Normale 1 Data una v.c. Normale, ogn trasformazone lneare d sarà anch essa Normale ~ N, a b ~ Na b,b Esemo N (, 5) = temeratura Celsus = 3 + 1,8 C = temeratura Fahrenhet 3 1,8 71, 6 1, ~ N 71,6; 81

28 Rroduttvtà della v.c. Normale Ogn combnazone lneare d varabl casual Normal e ndendent da luogo ad una v.c. che s dstrbusce anch essa normalmente: n n n ~ N, = 1,,, n a ~ N a, a Per ogn sequenza d numer real a 1,, a n s ha: Caso artcolare: a 1 = a = = a n = 1 n n n a ~ N, 1 1 1

29 Esemo Dstrbuzon de tem megat dalle 4 battere d concorrent ad una staffetta 4 x 00 metr: 1 N (15, 4); N (1, 6); 3 N (14, 5); 4 N (1, ) a) Come s dstrbusce l temo totale =? b) Se n una gara analoga tem cambano n base a coeffcent: a 1 = 0,8; a = 0,6; a 3 = 1,; a 4 = 0,95 come s dstrbusce l temo totale? Soluzone a) a 1 = a = a 3 = a 4 = 1 n 1 n ~ N 53; 17 b) n 1 n 1 a 0,8 15 0, , 4 a 0,8 4 0,95 13,75 ~ N 47,4; 13,75

,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100

,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100 Dstrbuzon d frequenza Varable x Frequenze Frequenze Frequenze Frequenze % cumulate relatve x 1 n 1 n 1 n 1 / n 1 /*100 x n n 1 +n n / n /*100 x k n k n 1 +.+n k = n k / n k /*100 totale 1 100 Indc sntetc

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

Correlazione lineare

Correlazione lineare Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl

Dettagli

Capitolo 3. Cap. 3-1

Capitolo 3. Cap. 3-1 Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare

Dettagli

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre

Dettagli

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012 CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso

Dettagli

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

Dettagli

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità: LA VARIABILITA LA VARIABILITA E L ATTITUDINE DEL FENOMENO QUANTITATIVO AD ASSUMERE DIVERSE MODALITA, O MEGLIO LA TENDENZA DI OGNI SINGOLA OSSERVAZIONE AD ASSUMERE VALORI DIFFERENTI RISPETTO AL VALORE MEDIO.

Dettagli

1) Codifica di sorgente sub-ottima: algoritmi di Shannon, Shannon-Fano.

1) Codifica di sorgente sub-ottima: algoritmi di Shannon, Shannon-Fano. Argoment della Lezone ) Codfca d sorgente sub-ottma: algortm d Shannon, Shannon-Fano. 2) Codfca d sorgente basata su blocch 3) Sorgent con memora 4) Codfca d sorgent d Markov 5) Codfca unversale e codfca

Dettagli

Esercitazione 8 del corso di Statistica (parte 1)

Esercitazione 8 del corso di Statistica (parte 1) Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.

Dettagli

Campo di applicazione

Campo di applicazione Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo

Dettagli

Modelli 1 @ Clamfim Equazione delle opzioni Teorema di Radon Nykodym 9 dicembre 2013

Modelli 1 @ Clamfim Equazione delle opzioni Teorema di Radon Nykodym 9 dicembre 2013 CLAMFIM Bologna Modell 1 @ Clamfm Equazone delle opzon Teorema d Radon Nykodym 9 dcembre 2013 professor Danele Rtell danele.rtell@unbo.t 1/33? ubblctà http://elsartcle.com/18arhmh Lbero accesso a Legendre

Dettagli

Dalla sola analisi della tabella dei profili colonna, pensi ci sia un associazione tra le due variabili in tabella? (motiva brevemente la risposta)

Dalla sola analisi della tabella dei profili colonna, pensi ci sia un associazione tra le due variabili in tabella? (motiva brevemente la risposta) Corso d Statstca Docente: Smona Balzano ESERCIZIO 1 La tabella ndagnestudentflorda, dsponble sul sto (n formato pdf e xls), rporta dat d un'ndagne condotta su 60 student laureat presso la Unversty of Florda,

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra d Statstca Medca, Unverstà d Bar 1/19 IL PROBLEMA

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

Esercizi di econometria: serie 1

Esercizi di econometria: serie 1 Esercz d econometra: sere Eserczo E data la popolazone dell Abruzzo classcata n se categore d reddto ed n tre class d età come segue: Reddto: () L... 4.. () L. 4.. 8.. () L. 8.... (4) L..... () L.....

Dettagli

Corso di TEORIA DEI SISTEMI DI TRASPORTO. prof. ing. Umberto Crisalli

Corso di TEORIA DEI SISTEMI DI TRASPORTO. prof. ing. Umberto Crisalli Corso d TEORIA DEI SISTEMI DI TRASPORTO rof. ng. Umberto Crsall Modell d utltà aleatora Iscrzone al corso Modell d offerta Da effettuars anche on lne htt:delh.unroma.t Struttura del sstema d modell er

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

Università degli Studi di Parma Facoltà di Economia INTRODUZIONE AL RISCHIO

Università degli Studi di Parma Facoltà di Economia INTRODUZIONE AL RISCHIO Unverstà degl Stud d Parma Facoltà d Economa Corso d PIANIFICAZIONE FINANZIARIA Professor Eugeno Pavaran INTRODUZIONE AL RISCHIO Nota ddattca d Gan Marco Ches Indce ) Premessa ag. ) Gl nvestment fnanzar

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 5: 24 febbraio 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 5: 24 febbraio 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 5: 24 febbrao 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/24? Eserczo Trovare quale legge d captalzzazone

Dettagli

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita Teora degl error Processo d msura defnsce una grandezza fsca. Sstema oggetto. Apparato d msura 3. Sstema d confronto La msura mplca un gudzo sull uguaglanza tra la grandezza ncognta e la grandezza campone

Dettagli

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30 1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza

Dettagli

Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI

Corso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI Corso d Teora de Campon Facoltà d Economa Corso d Laurea SIGI M. Govanna Ranall emal: govanna@stat.unpg.t sto web: www.stat.unpg.t/ govanna ddattca 1/39? Il programma del corso opolazon fnte; concett base

Dettagli

1. La domanda di moneta

1. La domanda di moneta 1. La domanda d moneta Esercz svolt Eserczo 1.1 (a) S consder l modello della domanda d moneta a scopo speculatvo d Keynes. Un ndvduo può sceglere d allocare la propra rcchezza sottoscrvendo un ttolo rredmble

Dettagli

Corso di Fondamenti di Telecomunicazioni

Corso di Fondamenti di Telecomunicazioni Corso d Fondament d Telecomuncazon Prof. Govann Schembra Struttura della lezone Defnzon d process aleator e caratterzzazone statstca ( Stma delle statstche d prmo e secondo ordne Process aleator stazonar

Dettagli

MODELLO MONOINDICE. R = a + β R. R M = è variabile aleatoria di rendimento del mercato (in Italia può essere usato il MIB 30).

MODELLO MONOINDICE. R = a + β R. R M = è variabile aleatoria di rendimento del mercato (in Italia può essere usato il MIB 30). ODELLO ONOINDICE Il rendmento d un ttolo uò essere scrtto come: R = a + β R (1) dove: R = rendmento dell -mo ttolo; a = comonente aleatora del rendmento, ndendente dall andamento del mercato; R = è varable

Dettagli

Modelli di variabili casuali

Modelli di variabili casuali Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.

Dettagli

Studente estratto Esami sostenuti voto Frequenza Pos.ne lavor.va sesso rendimento si No M B si No M O no No F S

Studente estratto Esami sostenuti voto Frequenza Pos.ne lavor.va sesso rendimento si No M B si No M O no No F S Esercz del corso d Statstca A.A 00-0 a cura d : Gulana Satta Eserczo E stato estratto un campone d 5 student tra frequentant l secondo semestre e s sono osservate le seguent caratterstche: esam sostenut

Dettagli

Statistica per le ricerche di mercato

Statistica per le ricerche di mercato Statstca per le rcerche d mercato a.a. 00/ Prof.ssa Tzana Lauret Prof. Luca Second Introduzone al concetto d probabltà nelle stratege azendal L azenda che vende artcol d abbglamento per govan può essere

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

Esercitazioni del corso di relazioni tra variabili

Esercitazioni del corso di relazioni tra variabili Eserctazon del corso d relazon tra varabl Gancarlo anz Facoltà d Socologa Unverstà degl Stud d lano Bcocca gancarlomanz@statstcaunmbt Eserctazone n lano, ebbrao 7 Sommaro seconda eserctazone sure dell

Dettagli

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student. Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Lezione 1: Martedì 17/2/2015

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Lezione 1: Martedì 17/2/2015 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2014-2015 Lezone 1: Martedì 17/2/2015 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/40? Codce docente 030508 Codce corso 00675 Matematca

Dettagli

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz LEZIONE e 3 La teora della selezone d portafoglo d Markowtz Unverstà degl Stud d Bergamo Premessa Unverstà degl Stud d Bergamo Premessa () È puttosto frequente osservare come gl nvesttor tendano a non

Dettagli

REALTÀ E MODELLI SCHEDA DI LAVORO

REALTÀ E MODELLI SCHEDA DI LAVORO REALTÀ E MODELLI SCHEDA DI LAVORO 1 Le tabelle d crescta Nella tabella sono rportat dat relatv alle altezze mede delle bambne dalla nascta fno a un anno d età. Stablsc se esste una relazone lneare tra

Dettagli

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl Le Inferenze sul modello d regressone PREVEDONO: Assunzone d normaltà degl error e nferenza su parametr Anals della Varanza Inferenza per la rsposta meda e la prevsone Anals de resdu Valor anomal Captolo

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X) ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa

Dettagli

Analisi della Varianza

Analisi della Varianza Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

Metodologie informatiche per la chimica

Metodologie informatiche per la chimica Metodologe nforatche per la chca Dr. Sergo Brutt Anals de dat 6 Y Rcaptolo generale Dato un nsee d sure sperental d una varable dpendente al varare d una varable ndpendente è possble edante l crtero de

Dettagli

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

Ing. Enrico Grisan. Modelli di popolazione in farmacocinetica

Ing. Enrico Grisan. Modelli di popolazione in farmacocinetica Ing. Enrco Grsan Modell d popolazone n farmacocnetca Sommaro Modell a sngolo soggetto Modell d popolazone Naïve poolng Stme basate sul sngolo soggetto Modell a effett mst Lnearzzazone del modello 2 Ing.

Dettagli

Probabilità cumulata empirica

Probabilità cumulata empirica Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè

Dettagli

LEZIONE febbraio Il Capital Asset Pricing Model. Professor Tullio Fumagalli Corso di Finanza Aziendale Università degli Studi di Bergamo

LEZIONE febbraio Il Capital Asset Pricing Model. Professor Tullio Fumagalli Corso di Finanza Aziendale Università degli Studi di Bergamo LEZIONE 4 1 febbrao 008 Il Captal Asset Prcng Model 1 Generaltà 1 Generaltà (1) Il Captal Asset Prcng Model è un modello d equlbro de mercat che consente d ndvduare una precsa relazone tra rendmento e

Dettagli

LA VARIABILITA. IV lezione di Statistica Medica

LA VARIABILITA. IV lezione di Statistica Medica LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce

Dettagli

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti: S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva

Dettagli

Regressione lineare con un singolo regressore

Regressione lineare con un singolo regressore Regressone lneare con un sngolo regressore Eduardo Ross 2 2 Unverstà d Pava (Italy) Marzo 2013 Ross Regressone lneare semplce Econometra - 2013 1 / 45 Outlne 1 Introduzone 2 Lo stmatore OLS 3 Esempo 4

Dettagli

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat

Dettagli

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente Unverstà d Macerata Dpartmento d Scenze Poltche, della Comuncazone e delle Relaz. Internazonal La Regressone Varable ndpendente o esplcatva Prezzo n () () 1 1 Varable dpendente 15 1 1 1 5 5 6 6 61 6 1

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

Dettagli

Regressioni con variabili strumentali

Regressioni con variabili strumentali Regresson con varabl strumental 3 mportant mnacce alla valdtà nterna del modello: Bas dovuta alle varabl omesse, varabl correlate con X ma non osservate e che per questo non possono essere ncluse nella

Dettagli

METODI DI MISURA LEZIONI DEL CORSO DI FISICA I E METODI DI MISURA. Enrico Ferrero

METODI DI MISURA LEZIONI DEL CORSO DI FISICA I E METODI DI MISURA. Enrico Ferrero METODI DI MISURA LEZIOI DEL CORSO DI FISICA I E METODI DI MISURA Enrco Ferrero ITRODUZIOE Error come ncertezze: non sono sbagl, sono nevtabl e devono essere rdott l pù possble. Inevtabltà degl error nella

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

LA CALIBRAZIONE NELL ANALISI STRUMENTALE LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra

Dettagli

Clustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = =

Clustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = = Clusterng Clusterng Raggruare le stanze d un domno n gru tal che gl oggett nello stesso gruo mostrno un alto grado d smlartà e gl oggett n gru dvers un alto grado d dssmlartà Leggere la sezone 6.6 d Wtten

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

Analisi dei Segnali. Sergio Frasca. Appunti delle lezioni di. Dipartimento di Fisica Università di Roma La Sapienza

Analisi dei Segnali. Sergio Frasca. Appunti delle lezioni di. Dipartimento di Fisica Università di Roma La Sapienza Sergo Frasca Appunt delle lezon d Anals de Segnal Dpartmento d Fsca Unverstà d Roma La Sapenza Versone 4 luglo 006 Versone aggornata n http://grwavsf.roma.nfn.t/sp/sp.pdf Sommaro Introduzone: segnal e

Dettagli

ESERCIZI SULLE VARIABILI CASUALI DISCRETE

ESERCIZI SULLE VARIABILI CASUALI DISCRETE ESERCIZI SULLE VARIABILI CASUALI DISCRETE 1) S lanca un dado. Rappresentare la varable casuale: X = " facca mnore d tre ". 2) S lancano due dad. Rappresentare la varable casuale: X = "somma delle facce

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

Indicatori di rendimento per i titoli obbligazionari

Indicatori di rendimento per i titoli obbligazionari Indcator d rendmento per ttol obblgazonar LA VALUTAZIONE DEGLI INVESTIMENTI A TASSO FISSO Per valutare la convenenza d uno strumento fnanzaro è necessaro precsare: /4 Le specfche esgenze d un nvesttore

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematca II: Calcolo delle Probabltà e Statstca Matematca ELT A-Z Docente: dott. F. Zucca Eserctazone # 8 Gl esercz contrassegnat con (*) sono tratt da Eserc. 2002-2003- Prof. Secch # 0 - Statstca Matematca

Dettagli

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

Dettagli

Predimensionamento reti chiuse

Predimensionamento reti chiuse Predmensonamento ret chuse Rspetto ad una rete aperta, ogn magla aggunge un grado d lbertà (una nfntà d soluzon) nella determnazone delle portate Q,Q 1, e Q 2, utlzzando le sole equazon d contnutà. a dfferenza

Dettagli

VARIABILI ALEATORIE (O CASUALI) Il termine variabile aleatoria indica una quantità il cui valore è determinato da un

VARIABILI ALEATORIE (O CASUALI) Il termine variabile aleatoria indica una quantità il cui valore è determinato da un VARIABILI ALEATORIE O CASUALI Font: Ccchtell, Dall Aglo, Mood-Graybll. Modul 4, 5, 7,8 del rogramma. Il termne varable aleatora ndca una quanttà l cu valore è determnato da un esermento aleatoro. Dato

Dettagli

Soluzioni I. Sistemi multicomponente Regola delle fasi Diagrammi di stato Soluzioni ideali Soluzioni reali

Soluzioni I. Sistemi multicomponente Regola delle fasi Diagrammi di stato Soluzioni ideali Soluzioni reali Soluzon I Sstem multcomonente Regola delle fas Dagramm d stato Soluzon deal Soluzon real 1 Soluzon Soluzone (o mscela): un sstema multcomonente, vale a dre formato da sostanze con dversa comoszone chmca,

Dettagli

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca

Dettagli

Esame di Statistica Corso di Laurea in Economia

Esame di Statistica Corso di Laurea in Economia Esame d Statstca Corso d Laurea n Economa 9 Gennao 0 Cognome Nome atr. Teora S dmostr la propretà d lneartà della meda artmetca. Eserczo Una casa edtrce è nteressata a valutare se tra lettor d lbr esste

Dettagli

6.1. Moody s KMV Credit Portfolio Manager

6.1. Moody s KMV Credit Portfolio Manager 6.. Moody s MV Credt Portfolo Manager 6... La struttura del modello L mpanto d Moody s MV (MMV) è costtuto dal modello d Merton e da un approcco d tpo fattorale per la stma delle correlazon. Attualmente,

Dettagli

x = 2480.82 sezione 45 0,038 48 0,077 49 0,115 50 0,192 52 0,231 54 0,308 55 0,346 58 0,385 60 0,615 63 0,654 65 0,885 66 0,923 83 0,962 84 1,000

x = 2480.82 sezione 45 0,038 48 0,077 49 0,115 50 0,192 52 0,231 54 0,308 55 0,346 58 0,385 60 0,615 63 0,654 65 0,885 66 0,923 83 0,962 84 1,000 Gennao 006 classe A VERIFICA DI STATISTICA fla A )Nel Lceo scentfco G.Bruno c sono 5 class seconde, cu alunn sono dstrbut per sezone e per sesso n base alla seconda tabella: Sesso\ A B D E F sezone Calcola

Dettagli

Analisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza

Analisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza Sergo Frasca Anals de Segnal Dpartmento d Fsca Unverstà d Roma La Sapenza Versone 13 dcembre 011 Versone aggornata n http://grwavsf.roma1.nfn.t/sp/sp.pdf Sommaro 1 Introduzone: segnal e sstem... 7 1.1

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

Il campionamento casuale semplice

Il campionamento casuale semplice Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V

Dettagli

Modelli Clamfim Equazioni differenziali esatte, cambio di variabili, equazioni del secondo ordine 28 settembre 2015

Modelli Clamfim Equazioni differenziali esatte, cambio di variabili, equazioni del secondo ordine 28 settembre 2015 CLAMFIM Bologna Modell 1 @ Clamfm Equazon dfferenzal esatte, cambo d varabl, equazon del secondo ordne 28 settembre 2015 professor Danele Rtell danele.rtell@unbo.t 1/21? Exact dfferental equatons If Q

Dettagli

C.I. di Metodologia clinica

C.I. di Metodologia clinica C.I. d Metodologa clnca I metod per la sntes e la comuncazone delle nformazon sulla salute Come possamo trarre concluson attendbl su parametr a partre dalle stme camponare? I metod per la produzone delle

Dettagli

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014 Dpartmento d Economa Azendale e Stud Gusprvatstc Unverstà degl Stud d Bar Aldo Moro Corso d Macroeconoma 2014 1.Consderate l seguente grafco: LM Partà de tass d nteresse LM B A IS IS Y E E E Immagnate

Dettagli

CMPE, Economia Industriale. Lezione 11. Costi di entrata, struttura di mercato e benessere

CMPE, Economia Industriale. Lezione 11. Costi di entrata, struttura di mercato e benessere LIUC AA 2008-2009 CMPE, Economa Industrale Anals della Concorrenza e Anttrust Lezone 11 Cost d entrata, struttura d mercato e benessere 1 Sommaro della lezone: 1 Concentrazone, cost d entrata e dmensone

Dettagli

Metodo Monte Carlo. E. Vardaci

Metodo Monte Carlo. E. Vardaci Metodo Monte Carlo Metodo Monte Carlo Alcazon Bblografa Metodo Monte Carlo R. Y. Rubnsten; Smulaton and the Monte Carlo Method, Wley &Sons (98 Yu. A. Shreder; Method of Statstcal Testng, Elsever (964 F.

Dettagli

L'Analisi in Componenti Principali. Luigi D Ambra Dipartimento di Matematica e Statistica Università di Napoli Federico II

L'Analisi in Componenti Principali. Luigi D Ambra Dipartimento di Matematica e Statistica Università di Napoli Federico II L'Anals n Component Prncpal Lug D Ambra Dpartmento d Matematca e Statstca Unverstà d Napol Federco II ANALISI MULTIDIMENSIONALE DEI DATI (AMD) L Anals Multdmensonale de Dat (AMD) è una famgla d tecnche

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill Statstca - metodologe per le scenze economche e socal /e S Borra, A D Cacco - McGraw Hll Es Soluzone degl esercz del captolo 7 In base agl arrotondament effettuat ne calcol, s possono rscontrare pccole

Dettagli

ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X

ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA Notazone: x = -esma modaltà della varable X Nel caso d dstrbuzon n class: x = Lmte superore della classe -esma x -1 = Lmte nferore della classe

Dettagli

La teoria del consumo

La teoria del consumo La teora del consumo L equazone d Slutsky. Problema dell ntegrabltà. Maro Sortell Dartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I-70125 Bar (Italy) (Tel.: +39 (0)99 7720 626; fax: +39

Dettagli

Test delle ipotesi Parte 2

Test delle ipotesi Parte 2 Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca

Dettagli

Precisione e Cifre Significative

Precisione e Cifre Significative Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte

Dettagli

Le curve di Intensità-Durata-Frequenza (IDF) delle precipitazioni

Le curve di Intensità-Durata-Frequenza (IDF) delle precipitazioni Le curve d Intenstà-Durata-Frequenza (IDF) delle rectazon INDICE 1. Il modello robablstco d Gumbel... 2 2. Le curve d robabltà luvometrca (IDF)... 4 3. La relazone ntenstà-durata delle mede delle rectazon

Dettagli