Bagging e Foreste Casuali con R
|
|
- Antonio Alfieri
- 6 anni fa
- Visualizzazioni
Transcript
1 Bagging e Foreste Casuali con R Emanuele Taufer file:///c:/users/emanuele.taufer/google%20drive/2%20corsi/3%20sqg/labs/l8-bagging-fc.html#(10) 1/10
2 Bagging e Foreste casuali con R Utilizziamo ancora una volta il dataset Hitters della libreria ISLR per illustrare come implementare le tecniche descritte con R. Il data set contiene in totale 20 variabili. Per fare Bagging e costruire Foreste casuali è necessaria la libreria randomforest. library(randomforest) library(islr) data(hitters) Hitters<-Hitters[complete.cases(Hitters),] file:///c:/users/emanuele.taufer/google%20drive/2%20corsi/3%20sqg/labs/l8-bagging-fc.html#(10) 2/10
3 Bagging Bagging è un caso speciale di una foresta casuale dove m = p. La funzione randomforest() dalla libreria randomforest può essere usata per costruire un modello bagged oppure una foresta casuale. set.seed (1) bag.hitters=randomforest(salary~.,data=hitters, mtry=19, importance =TRUE, ntree=2000) mtry=19: si specifica di utilizzare tutti i 19 predittori del dataset ad ogni split degli alberi (nel caso di foresta casuale ridurremo il numero di predittori da considerare) importance=true : si chiede di costruire le misure d influenza delle variabili ntree=2000: numero di campioni bootstrap ( B) file:///c:/users/emanuele.taufer/google%20drive/2%20corsi/3%20sqg/labs/l8-bagging-fc.html#(10) 3/10
4 Output bag.hitters ## ## Call: ## randomforest(formula = Salary ~., data = Hitters, mtry = 19, importance = TRUE ## Type of random forest: regression ## Number of trees: 2000 ## No. of variables tried at each split: 19 ## ## Mean of squared residuals: ## % Var explained: file:///c:/users/emanuele.taufer/google%20drive/2%20corsi/3%20sqg/labs/l8-bagging-fc.html#(10) 4/10
5 Foresta casuale Per far crescere una foresta casuale si procede nello stesso modo eccetto che si utilizza un valore di mtry inferiore a p. Per impostazione predefinita, randomforest() usa: p/3 variabili per le foreste di alberi di regressione p variabili per le foreste di alberi di classificazione. In questo caso specifichiamo direttamente mtry = 6. set.seed (1) rf.hitters =randomforest(salary~.,data=hitters, ntree=2000, mtry=6, importance =TRUE) file:///c:/users/emanuele.taufer/google%20drive/2%20corsi/3%20sqg/labs/l8-bagging-fc.html#(10) 5/10
6 Output rf.hitters ## ## Call: ## randomforest(formula = Salary ~., data = Hitters, ntree = 2000, mtry = 6, impo ## Type of random forest: regression ## Number of trees: 2000 ## No. of variables tried at each split: 6 ## ## Mean of squared residuals: ## % Var explained: file:///c:/users/emanuele.taufer/google%20drive/2%20corsi/3%20sqg/labs/l8-bagging-fc.html#(10) 6/10
7 Statistiche d influenza R riporta due misure d influenza: una basata sul decremento medio nella precisione delle previsioni nel campione OOB quando una certa variabile è esclusa dal modello. un altra basata sull incemento della purezza del nodo che risulta dallo split con una certa variabile. Nel caso di alberi di regressione, la purezza del nodo è misurata con RSS (RSS diminuisce all aumentare della purezza); per gli alberi di classificazione si usa l indice di Gini. importance(rf.hitters) ## %IncMSE IncNodePurity ## AtBat ## Hits ## HmRun ## Runs ## RBI ## Walks ## Years ## CAtBat ## CHits ## CHmRun ## CRuns ## CRBI ## CWalks ## League ## Division ## PutOuts ## Assists ## Errors ## NewLeague file:///c:/users/emanuele.taufer/google%20drive/2%20corsi/3%20sqg/labs/l8-bagging-fc.html#(10) 7/10
8 Grafico Utilizzare la funzione varimpplot() per riportare graficamente le variabili d influenza. varimpplot(rf.hitters,pch=19,cex=1.5,col="blue",lwd=2) file:///c:/users/emanuele.taufer/google%20drive/2%20corsi/3%20sqg/labs/l8-bagging-fc.html#(10) 8/10
9 Previsione con le foreste casuali Per fare previsioni dato un insieme di predittori, possiamo usare la funzione predict() Proviamo a confrontare il salario effettivo con quello previsto dal modello per cinque giocatori presi a caso: 1. Selezioniamo 5 giocatori casualmente (osserviamo solo alcune variabili) set.seed(5) R.players<-Hitters[sample(nrow(Hitters),5),] R.players[,c(2,7,19)] ## Hits Years Salary ## -Dave Concepcion ## -Mike Young ## -Tim Hulett ## -Dave Winfield ## -Brook Jacoby file:///c:/users/emanuele.taufer/google%20drive/2%20corsi/3%20sqg/labs/l8-bagging-fc.html#(10) 9/10
10 2. Facciamo la previsione (definiamo l oggetto contenente i risultati direttamente come variabile del data.frame R.players) R.players$Pred.Salary<-predict(rf.Hitters,R.players) 3. Compariamo i valori R.players[,c(2,7,19,21)] ## Hits Years Salary Pred.Salary ## -Dave Concepcion ## -Mike Young ## -Tim Hulett ## -Dave Winfield ## -Brook Jacoby file:///c:/users/emanuele.taufer/google%20drive/2%20corsi/3%20sqg/labs/l8-bagging-fc.html#(10) 10/10
Validazione dei modelli Strumenti quantitativi per la gestione
Validazione dei modelli Strumenti quantitativi per la gestione Emanuele Taufer Validazione dei modelli Il data set Auto I dati Il problema analizzato Validation set approach Diagramma a dispersione Test
DettagliRegressione lineare multipla Strumenti quantitativi per la gestione
Regressione lineare multipla Strumenti quantitativi per la gestione Emanuele Taufer Regressione lineare multipla (RLM) Esempio: RLM con due predittori Stima dei coefficienti e previsione Advertising data
DettagliRegressione logistica. Strumenti quantitativi per la gestione
Regressione logistica Strumenti quantitativi per la gestione Emanuele Taufer file:///c:/users/emanuele.taufer/dropbox/3%20sqg/classes/4a_rlg.html#(1) 1/25 Metodi di classificazione I metodi usati per analizzare
DettagliRegressione logistica
Regressione logistica Strumenti quantitativi per la gestione Emanuele Taufer Metodi di classificazione Tecniche principali Alcuni esempi Data set Default I dati La regressione logistica Esempio Il modello
DettagliFILE E INDICI Architettura DBMS
FILE E INDICI Architettura DBMS Giorgio Giacinto 2010 Database 2 Dati su dispositivi di memorizzazione esterni! Dischi! si può leggere qualunque pagina a costo medio fisso! Nastri! si possono leggere le
Dettagli12) Metodo dei minimi quadrati e linea di tendenza
12) Metodo dei minimi quadrati e linea di tendenza 43 Si supponga di avere una tabella di dati {y exp i} i=1,,n in funzione di altri dati {x i } i=1,,n che siano il risultato di una qualche misura sperimentale.
DettagliEsercizi sulla conversione tra unità di misura
Esercizi sulla conversione tra unità di misura Autore: Enrico Campanelli Prima stesura: Settembre 2013 Ultima revisione: Settembre 2013 Per segnalare errori o per osservazioni e suggerimenti di qualsiasi
DettagliCapitolo 11 Test chi-quadro
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 11 Test chi-quadro Insegnamento: Statistica Corsi di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara Docenti: Dott.
DettagliDecision trees. Analisi statistica e matematico-finanziaria II. Alfonso Iodice D Enza iodicede@unicas.it
Decision trees Analisi statistica e matematico-finanziaria II Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino e del Lazio Meridionale Outline Decision trees Decision trees (DT)
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliANALISI MULTIVARIATA
ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la
DettagliSTATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
DettagliOsservatorio Credito e Risparmio Adiconsum Tassi Effettivi Globali Medi 1.7.1997-30.9.09
Incremento/ Decremento 1.7.2009-30.9.2009 1.7.09-1.4.09 1.4.2009-30.6.2009 1.1.2009-31.12.2009 1.10.2008-31.12.2008 1.7.2008-30.9.2008 11,59 17,385-0,200-0,300 11,79 17,69 12,27 18,41 13,27 19,91 12,97
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 21/09/2011
FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 1/9/11 ESERCIZIO 1 (+3++3) La seguente tabella riporta la distribuzione di frequenza dei valori di emoglobina nel sangue (espressi
DettagliRealizzazione di un sistema predittivo dei risultati del campionato di calcio italiano di serie A 2006/2007
Realizzazione di un sistema predittivo dei risultati del campionato di calcio italiano di serie A 2006/2007 Docente Prof. Giuseppe Manco Studenti Matr.. 96803 Francesco Aiello Matr.. 94881 Vittorio Leo
DettagliDATA MINING PER IL MARKETING
DATA MINING PER IL MARKETING Andrea Cerioli andrea.cerioli@unipr.it Sito web del corso GLI ALBERI DI CLASSIFICAZIONE Algoritmi di classificazione Zani-Cerioli, Cap. XI CHAID: Chi-square Automatic Interaction
DettagliMISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE
MISURA DELLA DISTANZA FOCALE DI UNA LENTE CONVERGENTE La distanza focale f di una lente convergente sottile è data dalla formula: da cui 1 f = 1 p + 1 q f = pq p + q dove p e q sono, rispettivamente, le
DettagliLezione 4 a - Misure di dispersione o di variabilità
Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono
DettagliLayout Editor e Stampa
Layout Editor e Stampa Allo scopo di rendere il più possibile flessibili le stampe inerenti liste di articoli, abbiamo pensato di sfruttare un meccanismo semplicissimo che permetta di costruire a proprio
DettagliData Import e Probabilità. Renato Mainetti
Data Import e Probabilità Renato Mainetti Importare dati in Matlab: Abbiamo visto come sia possibile generare array e matrici di dati. Per ora abbiamo sempre inserito i dati manualmente o utilizzando metodi
Dettagliprato Un possibile elenco dopo l'osservazione di un Cimici Erba Formiche Ragni Margherite Mosche Sasso Terreno Foglie secche Alberi...
Definizione.gwb - Wednesday, September 23, 2015 - Pagina 1 di 21 Un possibile elenco dopo l'osservazione di un prato Erba Margherite Sasso Terreno Foglie secche Alberi... Catturato su 30 ago 2012 14:13:52
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica La distribuzione delle statistiche campionarie Teorema del limite centrale Prof. Livia De Giovanni statistica@dis.uniroma.it Esercizio (Scozzafava) Una ferrovia metropolitana
DettagliMetodologia di applicazione dei modelli di massima verosimiglianza per il trattamento dei dati missing
Metodologia di applicazione dei modelli di massima verosimiglianza per il trattamento dei dati missing Erminio A. Bonizzoni Congresso nazionale BIAS 9/3 aprile 9 Sesto Fiorentino Firenze Stimatori di Massima
DettagliRappresentazioni numeriche
Rappresentazioni numeriche Un numero è dotato di un valore una rappresentazione La rappresentazione di un numero è il sistema che utilizziamo per indicarne il valore. Normalmente è una sequenza (stringa)
DettagliFrancesca Pierri Dipartimento di Economia Finanza e Statistica Università degli Studi di Perugia
Francesca Pierri Dipartimento di Economia Finanza e Statistica Università degli Studi di Perugia Introduzione La ricerca accademica ha spesso evidenziato l esigenza di costruire indicatori delle performance
DettagliCifre significative delle misure di grandezze fisiche
Cifre significative delle misure di grandezze fisiche Si definiscono grandezze fisiche tutte quelle entità con cui vengono descritti i fenomeni fisici e che sono suscettibili di una definizione quantitativa,
DettagliEQUAZIONI DI PRIMO GRADO
Cognome... Nome... Equazioni di primo grado EQUAZIONI DI PRIMO GRADO Un'equazione di primo grado e un'uguaglianza tra due espressioni algebriche di primo grado, vera solo per alcuni valori che si attribuiscono
DettagliLa capitalizzazione composta
Il montante di un capitale La capitalizzazione composta Esempio 1. Un capitale di 400 Fr viene investito al tasso di interesse del 5% annuo per. Alla fine di ogni periodo (anno), gli interessi fruttati
DettagliESERCIZI. La seguente tabella riporta la classificazione delle famiglie italiane secondo il reddito dichiarato (in milioni di lire) nel 1983:
ESERCIZI ESERCIZIO_1 La seguente tabella riporta la classificazione delle famiglie italiane secondo il reddito dichiarato (in milioni di lire) nel 1983: Reddito Numero di famiglie (in migliaia) 0 6 1.128
DettagliIstituzioni di Statistica 1 Esercizi su strumenti grafici e funzione di frequenza relativa cumulata
Istituzioni di Statistica 1 Esercizi su strumenti grafici e funzione di frequenza relativa cumulata Esercizio 1 La seguente tabella riguarda il tempo per passare da 0 a 100 km/h di 17 automobili tedesche
DettagliMetodo alternativo per il calcolo delle divisioni.
Metodo alternativo per il calcolo delle divisioni. A cura di Eugenio Amitrano Contenuto dell articolo: 1. Introduzione........ 2 2. Descrizione......... 2 3. Conclusioni......... 1. Introduzione Il presente
DettagliLE PROPORZIONI. Stefania Sciuto numeri&molecole.wordpress.com
LE PROPORZIONI Stefania Sciuto PROPORZIONE = UGUAGLIANZA TRA DUE RAPPORTI 3 5 6 10 3 5 6 10 3 : 5 = 6 : 10 3 sta a 5 come 6 sta a 10 TERMINI DELLE PROPORZIONI CONSEGUENTI 3 : 5 = 6 : 10 ANTECEDENTI TERMINI
DettagliRisultati esperienza sul lancio di dadi Ho ottenuto ad esempio:
Dado B (6): 2 2 6 6 6 1 1 3 6 4 6 6 3 1 1 4 1 6 3 6 6 4 6 3 2 4 3 2 6 3 5 5 6 4 3 3 2 1 2 1 6 3 2 4 4 3 6 6 3 2 1 6 6 4 6 1 3 6 6 1 6 2 4 5 3 3 6 2 1 6 6 3 1 2 6 3 1 3 4 6 1 6 4 1 6 4 6 6 6 5 5 2 4 1 2
DettagliSoluzione degli esercizi di riepilogo sul controllo statistico di qualità e sull ANOVA.
Soluzione degli esercizi di riepilogo sul controllo statistico di qualità e sull ANOVA.. Si tratta di un ANOVA a due fattori senza repliche. Gli effetti sono fissi sia sulle righe che sulle colonne. Effettuiamo
DettagliAprire WEKA Explorer Caricare il file circletrain.arff Selezionare random split al 66% come modalità di test Selezionare J48 come classificatore e
Alberi di decisione Aprire WEKA Explorer Caricare il file circletrain.arff Selezionare random split al 66% come modalità di test Selezionare J48 come classificatore e lanciarlo con i parametri di default.
DettagliLA LUNGHEZZA DEI GENI UMANI (Es4.1)
STATISTICA INFERENZIALE: le caratteristiche della popolazione complessiva sono indotte da quelle osservate su un campione estratto dalla popolazione stessa(esempio exit poll) PROBLEMA: dato un campione
DettagliOnde sonore stazionarie in un tubo risonante
Onde sonore stazionarie in un tubo risonante Scopo dell esperimento Determinare la velocità del suono analizzando le caratteristiche delle onde sonore stazionarie in un tubo risonante. Richiamo teorico
DettagliMetodo classico: i G R G. V AB = V AD R X i X = R 1 i 1. i 1. V BC = V CD R o i o = R 2 i 2. R ε R X = (R 1 /R 2 ) R 0 2
Il ponte di è utilizzato per la misura di resistenze con elevata precisione; è adeguato per misure di nell intervallo 10-10 5 Ω Strumentazione: Generatore di f.e.m. in corrente continua Tester digitale
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
- metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 8 home - indice In base agli arrotondamenti effettuati nei calcoli, si
DettagliLa codifica. dell informazione
La codifica dell informazione (continua) Codifica dei numeri Il codice ASCII consente di codificare le cifre decimali da 0 a 9 fornendo in questo modo un metodo per la rappresentazione dei numeri Il numero
DettagliLEZIONE N. 11 ( a cura di MADDALENA BEI)
LEZIONE N. 11 ( a cura di MADDALENA BEI) F- test Assumiamo l ipotesi nulla H 0 :β 1,...,Β k =0 E diverso dal verificare che H 0 :B J =0 In realtà F - test è più generale H 0 :Aβ=0 H 1 :Aβ 0 A è una matrice
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 14-Introduzione all analisi della potenza statistica (vers. 1.2a, 11 dicembre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliClassificazione e Predizione
Lezione di TDM DM del 16 Aprile 2007 Francesco Bonchi, KDD Lab Pisa, ISTI-C.N.R. 1 Lezione odierna Intuizioni sul concetto di classificazione Alberi di decisione Alberi di decisione con Weka Classificazione:
DettagliLavoro Quantità. si determinino prodotto marginale e medio del fattore lavoro.
Microeconomia, Esercitazione 3. A cura di Giuseppe Gori (giuseppe.gori@unibo.it) 1 Esercizi. 1.1 Produzione/1 Data una certa tecnologia di produzione definita solo nell input lavoro (o, in alternativa,
DettagliDistribuzioni campionarie. Antonello Maruotti
Distribuzioni campionarie Antonello Maruotti Outline 1 Introduzione 2 Concetti base Si riprendano le considerazioni fatte nella parte di statistica descrittiva. Si vuole studiare una popolazione con riferimento
DettagliAGGIORNAMENTO SOFTWARE
AGGIORNAMENTO SOFTWARE Release Note Proger ClipPartsNet WE 4.1.16.16 MAGGIO 2014 Questo documento elenca sinteticamente tutte le implementazioni software rese disponibili a partire dalla release di Proger
DettagliECONOMIA APPLICATA ALL INGEGNERIA (Docente: Prof. Ing. Donato Morea) Microeconomia Esercitazione n. 1 - I FONDAMENTI DI DOMANDA E DI OFFERTA
ESERCIZIO n. 1 - Equilibrio di mercato e spostamenti delle curve di domanda e di offerta La quantità domandata di un certo bene è descritta dalla seguente funzione: p (D) mentre la quantità offerta è descritta
DettagliCorso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 15: Metodi non parametrici
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 15: Metodi non parametrici 1 Metodi non parametrici Statistica classica La misurazione avviene con
DettagliTest di Matematica di base
Test di Matematica di base Calcolo combinatorio e delle probabilitá Quanti oggetti possiamo differenziare con delle targhe di due simboli di cui il primo é una lettera dell alfabeto italiano e il secondo
DettagliStatistical learning Strumenti quantitativi per la gestione
Statistical learning Strumenti quantitativi per la gestione Emanuele Taufer Vendite Simbologia Reddito Statistical learning A cosa ci serve f? 1 Previsione 2 Inferenza Previsione Errore riducibile e errore
DettagliCURRICOLO VERTICALE MATEMATICA RELAZIONI/ DATI E PREVISIONI/ MISURA
CURRICOLO VERTICALE MATEMATICA / DATI E PREVISIONI/ MISURA SCUOLA PRIMARIA CONOSCENZE (Concetti) ABILITA Classe 1^ - Classificazione - in situazioni concrete, classificare persone, oggetti, figure, numeri
DettagliIntroduzione a R. Silvia Parolo. 14 November 2014
Introduzione a R Silvia Parolo 14 November 2014 Cos è R?? è un tool per l analisi di dati è anche un linguaggio di programmazione si può scaricare da http: // www. r-project. org/ primi passi in R R può
DettagliEsercitazione # 3. Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti
Statistica Matematica A Esercitazione # 3 Binomiale: Esercizio # 1 Trovate la probabilita che in 5 lanci di un dado non truccato il 3 si presenti 1. mai 2. almeno una volta 3. quattro volte Esercizio #
DettagliEconometria. lezione 13. validità interna ed esterna. Econometria. lezione 13. AA 2014-2015 Paolo Brunori
AA 2014-2015 Paolo Brunori popolazione studiata e popolazione di interesse - popolazione studiata: popolazione da cui è stato estratto il campione - popolazione di interesse: popolazione per la quale ci
DettagliSTATISTICA DESCRITTIVA. Elementi di statistica medica GLI INDICI INDICI DI DISPERSIONE STATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA Elementi di statistica medica STATISTICA DESCRITTIVA È quella branca della statistica che ha il fine di descrivere un fenomeno. Deve quindi sintetizzare tramite pochi valori(indici
DettagliFiles in C++ Fondamenti di Informatica. R. Basili. a.a. 2006-2007
Files in C++ Fondamenti di Informatica R. Basili a.a. 2006-2007 Sintesi Motivazioni Definizione di file in C++ Un esempio Uso dei file Esempi Esercizi Motivazioni il programma in esecuzione legge (sequenzialmente)
DettagliTema d esame del 15/02/12
Tema d esame del 15/0/1 Volendo aprire un nuovo locale, una catena di ristoranti chiede ad un consulente di valutare la posizione geografica ideale all interno di un centro abitato. A questo scopo, avvalendosi
Dettagli4 0 = 4 2 = 4 4 = 4 6 = 0.
Elementi di Algebra e Logica 2008. Esercizi 4. Gruppi, anelli e campi. 1. Determinare la tabella additiva e la tabella moltiplicativa di Z 6. (a) Verificare dalla tabella moltiplicativa di Z 6 che esistono
Dettagli11.4 Chiusura transitiva
6 11.4 Chiusura transitiva Il problema che consideriamo in questa sezione riguarda il calcolo della chiusura transitiva di un grafo. Dato un grafo orientato G = hv,ei, si vuole determinare il grafo orientato)
Dettagliil costo in contabilità generale
il costo in contabilità generale costi di acquisto di fattori produttivi e valori di diversa natura (tributi, permute, apporti, ammortamenti, ecc.) C.E. (-) valori classificati per origine costo calcolato
DettagliPREVISIONE DEL TIPO DI NUMERO DECIMALE GENERATO DA UNA FRAZIONE di Luciano Porta
PREVISIONE DEL TIPO DI NUMERO DECIMALE GENERATO DA UNA FRAZIONE di Luciano Porta Lo studio dei numeri decimali, se non si limita all utilizzo non ragionato di formule, ci può condurre molto lontano e ci
DettagliStop e Reverse passa alla cassa
Pubblicazioni PlayOptions Stop e Reverse passa alla cassa Strategist Cagalli Tiziano Disclaimer I pensieri e le analisi qui esposte non sono un servizio di consulenza o sollecitazione al pubblico risparmio.
DettagliLaboratorio software. A.A. 2009-2010 C. Brandolese
Laboratorio software A.A. 2009-2010 Hardware testing with software T1. RAM Testing Il progetto ha lo scopo di studiare e sviluppare alcune delle tecniche note per il testing della memoria RAM di un sistema
DettagliSCOMPOSIZIONE IN FATTORI PRIMI:
SCOMPOSIZIONE IN FATTORI PRIMI: 2 3 5 7 11 13 17 19 23 29 31 37 41 43 47 53 59 61 67 71 73 79 83 89 97 101 103 107 109 113 127 131 137 139 149 151 157 163 167 173 179 181 191 193 197 199 211 223 227 229
DettagliStatistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 27 Numeri indici e rapporti statistici
DettagliSoluzione dei sistemi lineari con metodo grafico classe 2H
Soluzione dei sistemi lineari con metodo grafico classe H (con esempi di utilizzo del software open source multipiattaforma Geogebra e calcolatrice grafica Texas Instruments TI-89) Metodo grafico Il metodo
DettagliDeep learning per il mondo business. http://axyon.ai
Deep learning per il mondo business http://axyon.ai Deep Learning: dove si usa? Visione artificiale Riconoscimento facciale Lettura di scene Riconoscimento oggetti Individuazione comportamenti Guida autonoma
DettagliClassificazione di un data set di proteine con Weka
MODELLI PROBABILISTICI Classificazione di un data set di proteine con Weka SOFIA CIVIDINI 2 INTRODUZIONE Negli ultimi due decenni si è assistito ad un aumento esponenziale nella quantità dell informazione
Dettagli1. Scrivere in forma algebrica il seguente numero complesso:
TERZA LEZIONE (8/10/009) Argomenti trattati: NUMERI COMPLESSI - rappresentazione algebrica e trigonometrica, soluzioni di disequazioni, Formule di De Moivre, radici n esime, equazioni. 1 Esercizi svolti
DettagliParte 6 Esercitazione sull accesso ai file
Gestione dei dati Parte 6 Esercitazione sull accesso ai file Maurizio Lenzerini, Riccardo Rosati Facoltà di Ingegneria Sapienza Università di Roma Anno Accademico 2012/2013 http://www.dis.uniroma1.it/~rosati/gd/
DettagliEsercizio. Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a. [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m
Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m Vale la [1] perché per le proprietà delle potenze risulta a m a
DettagliEsercitazioni di statistica
Esercitazioni di statistica Intervalli di confidenza Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 10 Dicembre 2014 Stefania Spina Esercitazioni di statistica 1/43 Stefania Spina
DettagliMetodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante
DettagliIntroduzione a MapGuide Author 6.5
Introduzione a MapGuide Author 6.5 Marco Negretti e-mail: marco@geomatica.como.polimi.it http://geomatica.como.polimi.it - tel. 031.332.7524 29/11/04 v 2.0 introduzione Autodesk MapGuide consente di distribuire
DettagliSimboli & Messaggi Fare riferimento al Manuale per l uso di MyStar Extra per le istruzioni per l uso complete.
Simboli & Messaggi l uso Modalità dello strumento Diario Medie Stima di A1c Impostazioni Classificazione Frecce di tendenza Visualizzazione delle medie (Modalità diario ) (Modalità medie ) (e Modalità
DettagliCalcolo di una Regressione lineare semplice con Excel
Calcolo di una Regressione lineare semplice con Excel Inserire i dati In un tabellone vuoto di Excel, inserire i dati di X e di Y. Ad esempio i dati della Tabella 0.1 dovrebbero essere inseriti in Excel
DettagliMacchine termiche e frigoriferi
Macchine termiche e frigoriferi Una macchina termica grazie ad una sequenza di trasformazioni termodinamiche di una data sostanza, produce lavoro utilizzabile. Una macchina lavora su di un ciclo di trasformazioni
DettagliCorso di laurea in Statistica Statistica I Esercizi sulla regressione lineare semplice
Corso di laurea in Statistica Statistica I Esercizi sulla regressione lineare semplice Esercizio 1 Efficacia di un disinfettante I dati della Tabella 1 mostrano i conteggi relativi alla presenza o meno
DettagliEsercitazione # 6. a) Fissato il livello di significatività al 5% si tragga una conclusione circa l opportunità di avviare la campagna comparativa.
Statistica Matematica A Esercitazione # 6 DUE MEDIE CON VARIANZE NOTE: Esercizio # Le ditte A e B producono sfere luminose. Una volta attivata la reazione chimica che rende luminosa una di queste sfere,
DettagliAMBIENTE EXCEL CALCOLO DEL RESTO DELLA DIVISIONE FRA NATURALI
AMBIENTE EXCEL CALCOLO DEL RESTO DELLA DIVISIONE FRA NATURALI Costruisci un foglio di lavoro che calcoli il resto r della divisione tra a e b (con a, b N e b 0) ed emetta uno dei seguenti messaggi : a
DettagliGRIGLIA DI CORREZIONE 2013 Matematica Classe I Scuola secondaria di primo grado FASCICOLO 1
GRIGLIA DI CORREZIONE 2013 Matematica Classe I Scuola secondaria di primo grado FASCICOLO 1 LEGENDA AMBITI: NU (Numeri), SF (Spazio e figure), DP (Dati e previsioni) LEGENDA PROCESSI: 1. Conoscere e padroneggiare
DettagliProbabilità. Ing. Ivano Coccorullo
Ing. Ivano Coccorullo PROBABILITA Teoria della Eventi certi, impossibili e casuali Nella scienza e nella tecnologia è fondamentale il principio secondo il quale ogni volta che si realizza un insieme di
DettagliAppunti di Excel per risolvere alcuni problemi di matematica (II parte) a.a. 2001-2002
Appunti di Excel per risolvere alcuni problemi di matematica (II parte) a.a. 2001-2002 Daniela Favaretto* favaret@unive.it Stefania Funari* funari@unive.it *Dipartimento di Matematica Applicata Università
DettagliRESTITUZIONE DATI INVALSI SCUOLA PRIMARIA
ISTITUTO COMPRENSIVO ALDA COSTA FERRARA RESTITUZIONE DATI INVALSI 2014 SCUOLA PRIMARIA ISTITUTO COMPRENSIVO ALDA COSTA La restituzione dei risultati delle prove Invalsi ci fornisce specifici elementi di
DettagliLe disequazioni frazionarie (o fratte)
Le disequazioni frazionarie (o fratte) Una disequazione si dice frazionaria (o fratta) se l'incognita compare al denominatore. Esempi di disequazioni fratte sono: 0 ; ; < 0 ; ; Come per le equazioni fratte,
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S. Borra A. Di Ciaccio - McGraw Hill s. 9. Soluzione degli esercizi del capitolo 9 In base agli arrotondamenti effettuati nei calcoli si
DettagliIl sole e le ombre. Un percorso in costruzione, modifiche ed adeguamenti. Claudia Iacopini, Lorella Cesare. Scuola Primaria Vinci 2014
Il sole e le ombre Un percorso in costruzione, modifiche ed adeguamenti Scuola Primaria Vinci 2014 Claudia Iacopini, Lorella Cesare Attività per la classe quarta Indagine individuale: Cos è per te l ombra?
DettagliIl transistor come amplificatore
Il transistor come amplificatore.doc rev. 1 del 24/06/2008 pagina 1 di 9 Il transistor come amplificatore Transistor BJT Continuiamo nel nostro studio dei transistor dando una dimostrazione grafica della
DettagliInfortuni lavorativi stradali
Sicurezza stradale nelle Province della Costa emiliano romagnola: dalla lettura dei dati alle azioni di promozione Infortuni lavorativi stradali Ausl di Ravenna Dimensione del fenomeno Negli ultimi anni,
DettagliProf.ssa Laura Salvagno
Prof.ssa Laura Salvagno Nella vita di tutti i giorni abbiamo spesso a che fare con il concetto di rapporto, partiamo perciò da alcuni esempi per introdurre l argomento. Consideriamo tutte le gare combattute
DettagliProf.ssa Laura Pagnozzi Prof. Ivano Coccorullo. Calcolo Combinatorio
Prof.ssa Laura Pagnozzi Prof. Ivano Coccorullo Calcolo Combinatorio Calcolo Combinatorio ü Molti dei problemi classici di calcolo delle probabilità si riducono al calcolo dei casi favorevoli e di quelli
DettagliSCADENZA FASE VALORE ECONOMICO DATA. Scadenza 0 Avviamento Progetto 900.000,00 02/12/2013. Scadenza 1 I SAL 150.000,00 28/02/2014
Fraternità di Misericordia di Isola di Capo Rizzuto Realizziamo insieme il teatro cinema di Isola di Capo Rizzuto Linee Guida per la Rendicontazione dei Progetti Premessa Al fine di garantire la maggior
DettagliPrincipi di Economia - Macroeconomia Esercitazione 4 Moneta, Modello IS-LM e Stabilizzazione Soluzioni
Principi di Economia - Macroeconomia Esercitazione 4 Moneta, Modello IS-LM e Stabilizzazione Soluzioni Daria Vigani Maggio 205. In un economia senza banche un individuo con un reddito di 75000eè caratterizzato
DettagliIndice Aspetti generali sul campionamento da popolazioni finite Campionamento probabilistico Disegno campionario semplice
Indice 1 Aspetti generali sul campionamento da popolazioni finite.. 1 1.1 Rilevazionicensuarieerilevazionicampionarie... 1 1.2 Lineemetodologichediunarilevazionestatistica... 3 1.3 Popolazioni, etichette,
DettagliSomma di numeri floating point. Algoritmi di moltiplicazione e divisione per numeri interi
Somma di numeri floating point Algoritmi di moltiplicazione e divisione per numeri interi Standard IEEE754 " Standard IEEE754: Singola precisione (32 bit) si riescono a rappresentare numeri 2.0 10 2-38
DettagliProgettazione logica
Progettazione logica Progettazione Logica Il prodotto della progettazione logica è uno schema logico che rappresenta le informazioni contenute nello schema E- R in modo corretto ed efficiente. Richiede
DettagliRAPPORTI E PROPORZIONI
RAPPORTI E PROPORZIONI RAPPORTI E PROPORZIONI Definizione: Dicesi rapporto fra due numeri, preso in un certo ordine, il quoziente della divisione fra il primo di essi e il secondo. Il rapporto tra i numeri
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
DettagliAnalisi sequenziale (rollback)
Esempio La ditta Colaco è valutata 150000 dollari. Vuole decidere se immettere nel mercato una nuova bevanda a base di latte e cioccolato, denominata Chocola. Colaco ha tre alternative Alternativa 1 effettuare
Dettagli