8.1 Sintesi, descrizione, interpretazione

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "8.1 Sintesi, descrizione, interpretazione"

Transcript

1 8.1 Sntes, descrzone, nterpretazone Molte duse tecnche d anals statstca multvarata consentono d studare smultaneamente un numero elevato d varabl sntetzzandone l azone snergca attraverso un numero rdotto d combnazon lnear ndpendent. Vengono coè ndvduate nuove varabl sottostant all nseme nzale de dat, ottenute come combnazon lnear d quelle d partenza. Se le nuove varabl spegano buona parte della varabltà complessva del sstema orgnaro, dventa estremamente vantaggoso passare dalla dcle e spesso mpossble anals smultanea d molte varabl al pù accessble studo d poche varabl capac d sntetzzare statstcamente (n termn d varabltà) l enomeno studato. Questo genere d anals multvarata s caratterzza qund per due ondamental aspett: a) la descrzone d enomen compless attraverso una necessara rduzone de dat, che corrsponde a una sensble rduzone della dmensone dello spazo geometrco d rermento; b) l nterpretazone del nuovo sstema statstco ottenuto. Il problema dell nterpretazone costtusce la parte operatvamente pù crtca de metod d anals multvarata: l sgncato che vene attrbuto alle nuove varabl ndvduate rentra nella sera delle conoscenze e delle scelte soggettve e come tale è suscettble d varazon n base al tpo d rcerca e a rcercator stess. A proposto del ruolo ondamentale e rrnuncable, n qualsas contesto statstco, dell nterpretazone, Italo Scardov e Paola Monar hanno scrtto [Scardov e Monar 1993]: Sessualtà e stl d vta: opnon e comportament emmnl

2 Il calcolo statstco dà soltanto una sntes quanttatva del varare d due o pù grandezze, derv esso da un legame causale dretto o rletta nvece una pù complessa nterazone. Ora, se l anals del come due o pù varabl appaono connesse nvta alla rcerca del perché, non per questo metod [ ] possono tener luogo de contenut e sostturs alla conoscenza proonda della realtà ndagata. Altrment la correlazone è sterle tautologa, l anals statstca bua elaborazone. Ogn rsultato statstco ha valore n quanto aggust un modello, ntegr una teora, controll un potes. Ed è sempre un dea a dare sgncato al dato, ragone al calcolo, contenuto al paradgma teorco, a suo presuppost logco-ormal. Correlazone statstca sgnca soltanto concomtanza d varazon. Tale concomtanza può attestare nluenza unvoca d una varable sull altra, oppure recproca nterazone, o nvece dpendenza comune da un terzo attore: sono qund mplcte e possbl la dpendenza dretta, l nterdpendenza, la co-dpendenza; ma v è pure la ortuta concdenza, prva d tutt quest sgncat: ed essa è tanto pù nsdosa quanto pù l osservazone è crcoscrtta. Ancora, qund, la rlevanza de contenut. Ancora l dstnguo, e l conronto, tra logos ed empera: ancora l dalogo della ragon crtca con la ragon spermentale. Il rcorso all anals statstca non sgnca mettere a tacere l ntellgenza crtca, applcare meccancamente tecnche pù o meno ranate senza la consapevolezza de prncp da cu dscendono, nascondere l assenza d dee detro cortne d smbol: la trappola delle allace logche è sempre pronta a scattare. In tal allace non è dcle cadere quando s assumano le tecnche d calcolo come regole sosttutve del ragonamento, così da are del metodo statstco una sorta d arte dvnatora pù vcna al rtuale oscuro dell aruspce che al ragonare galleano dello scenzato. Sessualtà e stl d vta: opnon e comportament emmnl

3 8.2 Le orgn della statstca multvarata I prm metod d anals statstca multvarata nacquero tra la ne dell Ottocento e l nzo del Novecento. Il modello d regressone lneare multpla u rpreso da Galton nel 1877 dopo aver mosso prm pass a nzo secolo graze agl stud d Laplace e Gauss, che aveva svluppato l metodo de mnm quadrat. Le bas teorche dell anals delle component prncpal trovano la loro orgne ne tentatv d Galton nel 1889 e d Edgeworth nel 1891 d studare alcune msure antropometrche attraverso strutture statstcamente ndpendent ottenute come combnazon lnear delle varabl rlevate. Le stesse soluzon proposte da Galton ed Edgeworth urono ottenute nel 1901 da Pearson partendo da un problema prettamente geometrco: l obettvo era natt quello d ndvduare l sstema d rette e pan che potesse approssmare n modo ottmale un nseme d punt n un generco spazo p-dmensonale. Le orgn dell anals de attor vanno rcercate nell ambto della rcerca pscologca d nzo Novecento: la prma ormulazone del metodo u quella d Spearman nel Rsalgono, nne, al 1936 sa l anals dscrmnante, ntrodotta da Fsher, che l anals della correlazone canonca, ntrodotta da Hotellng [Mgnan e Montanar 1994]. Sessualtà e stl d vta: opnon e comportament emmnl

4 8.3 Le varabl qualtatve e l ACM Tutt metod snora ctat s adattano solamente allo studo d varabl quanttatve, dotate d una propra metrca, coè msurabl n modo unvoco attraverso una coerente scala d msurazone. Nello studo de enomen socal e soco-demograc s ha però spesso a che are con varabl qualtatve, che per la loro stessa natura sono dclmente rconducbl a varabl metrche: è l caso d varabl demograche d base come sesso e stato cvle, delle varabl bnare presenza/assenza e d tutte quelle varabl che rlevano opnon, atteggament e comportament. L assenza d una precsa scala d msurazone rende mpossble, o perlomeno altamente sconsglable (perché rchederebbe strane o assurde trasormazon delle varabl), l rcorso a metod quanttatv. La stessa anals attorale, ampamente utlzzata nella moderna rcerca pscologca e socale, non s adatta alla enomenologa studata se questa è rappresentata operatvamente anche o solo da varabl d natura qualtatva. L anals delle corrspondenze multple [ Lebart, Morneau e Pron 1995; Mannett; Monar 1997], brevemente ndcata con la sgla ACM, rsolve quest problem d metodo n quanto s adatta sa allo studo d nsem d varabl uncamente d natura qualtatva che allo studo d varabl tpologcamente non omogenee. Opera natt su varabl qualtatve a) che erano gà tal nell ambto della rcerca a cu c s rersce (coè gà concettualzzate, operatvzzate e rlevate sotto una veste qualtatva); b) rese tal trasormando varabl quanttatve con opportune aggregazon n class o con una rcodca logca n varabl bnare presenza/assenza. Sessualtà e stl d vta: opnon e comportament emmnl

5 I ondament teorc d questa prezosa tecnca d anals multvarata vanno prncpalmente rcercat negl stud d Guttman degl ann Quaranta, ne lavor d Burt e Hayash degl ann Cnquanta e successvamente nelle estenson proposte da Benzecr e da Masson. In termn general, l ACM s propone d descrvere la struttura delle relazon sottese alla matrce de dat oggetto d studo attraverso la collocazone e l anals de punt-modaltà delle varabl n uno spazo geometrco-statstco d dmensone rdotta. Per studare le correlazon tra varabl, metod quanttatv d anals multvarata pù utlzzat rcorrono al coecente d correlazone lneare d Pearson (r). Con l ACM, nvece, camba la struttura matematco-statstca d rermento. S passa alla metrca del 2 (Ch quadro): le relazon tra le varabl qualtatve vengono msurate attraverso la statstca del 2, che valuta l allontanamento delle varabl dalla stuazone d ndpendenza. Fondata su tale metrca, l ACM prescnde sa dalle untà d msura delle varabl n esame che da qualsas assunto rguardante determnate relazon unzonal tra esse, a derenza d altre tecnche d anals attorale [ 1 ]. 1 Soltamente l assunto teorco d base de metod quanttatv rguarda la presenza d relazon lnear (o comunque rconducbl ad esse tramte opportune trasormazon) tra le varabl. Sessualtà e stl d vta: opnon e comportament emmnl

6 8.4 La matrce logco-dsguntva e prol La tabella orgnale de dat corrsponde a una matrce untà x varabl, d dmenson n x p, e rappresenta le n untà statstche analzzate su cu sono state rlevate p varabl. A partre da questa tabella, l ACM rchede la costruzone della matrce logco-dsguntva completa d dmenson n x q, dove q è l numero complessvo d tutte le modaltà delle p varabl. Per ogn untà statstca (rga) s assegna una colonna a cascuna modaltà e s attrbusce a) valore 0 se l untà non presenta quella modaltà; b) valore 1 se l untà presenta quella modaltà. Questo metodo d codca è appunto a) dsguntvo perché le dverse modaltà d cascuna varable s escludono a vcenda: ogn rga presenta un solo 1 per ogn varable; b) completo perché per tutte prevede l assegnazone de valor 0 e 1 per tutte le n untà e le q modaltà delle varabl. Le colonne della matrce logco-dsguntva completa ndvduano dunque q varabl ndcatrc, che assumono valore 0 o 1 a seconda dell assenza o della presenza delle rspettve modaltà. In questo modo lo studo delle p varabl qualtatve d partenza è rconducble allo studo delle q varabl ndcatrc rerte alle modaltà, con q > p. Indcato con k l termne generco della matrce logcodsguntva,, s ha che k =1 se l untà -esma possede la modaltà -esma; k =0 altrment. (8.1) con Sessualtà e stl d vta: opnon e comportament emmnl

7 = 1,, n = 1,, q. Inoltre è mmedato notare che q 1 k p. (8.2) La matrce logco-dsguntva può essere aclmente trasormata n una tavola d requenze (Fgura 1). Fgura 1 Struttura della tavola d requenze 1,, q 1,, n 1 La requenza della modaltà -esma relatva all -esma untà statstca vene denta come k. (8.3) n p In questo modo l totale complessvo della tavola rsulta untaro: n q 1 1 n q n k p n p 1. (8.4) n p n p n p Sessualtà e stl d vta: opnon e comportament emmnl

8 I total margnal d rga corrspondono alle somme per rga delle requenze : n 1. (8.5) Analogamente, total margnal d colonna corrspondono alle somme per colonna delle requenze : q 1. (8.6) Rcordando la (8.4), vale la relazone 1. (8.7) I prol rga sono dent dal rapporto tra le requenze e total margnal d rga. Corrspondono qund, al varare d, a vettor d requenze relatve 1,...,,..., q. (8.8) I prol colonna sono dent dal rapporto tra le requenze e total margnal d colonna. Corrspondono qund, al varare d, a vettor d requenze relatve 1,...,,..., n. (8.9) Essendo l totale della tavola par a 1, l prolo margnale rga corrsponde al vettore de total margnal d colonna [ 2 ]: 2 Dversamente, nvece, total margnal andrebbero rapportat al totale complessvo. Sessualtà e stl d vta: opnon e comportament emmnl

9 ,..., 1,..., q. (8.10) Analogamente, l prolo margnale colonna corrsponde al vettore de total margnal d rga: 1,..., n. (8.11),..., Dventa allora possble rappresentare geometrcamente punt-modaltà delle varabl attraverso le coordnate de rspettv prol colonna. Parallelamente, punt-untà sono collocabl nello spazo geometrco-statstco attraverso le coordnate de prol rga. La denzone d prolo, natt, pone n collegamento recproco l nseme delle untà statstche e l nseme delle modaltà delle varabl. La struttura de prol consente appunto d studare la struttura delle relazon sottese a quest due nsem d nteresse. Sessualtà e stl d vta: opnon e comportament emmnl

10 8.5 Nuvole d punt, centr d gravtà e nerza La tavola delle requenze permette d ndvduare due nuvole d punt, rspettvamente nello spazo geometrco-statstco n- dmensonale e q-dmensonale: N(I) e N(J). q La nuvola N(I) è costtuta da punt dello spazo che hanno per coordnate gl element de prol rga: x. (8.12) A ogn punto x è assocata la massa, che msura l mportanza relatva dell untà -esma rspetto all nseme delle normazon. Le prossmtà tra punt sono drettamente nterpretabl n termn d smlartà tra prol: due osservazon che hanno prol dentc ndvdueranno due punt sovrappost nella rappresentazone spazale. Il centro d gravtà d N(I) è dato dal punto G avente come coordnate le mede artmetche ponderate, al varare d, delle coordnate de punt della nuvola, con pes par alle rspettve masse : g n 1 x. (8.13) È mmedato notare che l vettore delle coordnate d G così dento vene a corrspondere al prolo margnale rga. Inatt g n n 1 1. (8.14) Sessualtà e stl d vta: opnon e comportament emmnl

11 Qund l prolo margnale rga è anche l prolo medo d rga. La nuvola N(J) è costtuta da punt dello spazo hanno per coordnate gl element de prol rga: n che y. (8.15) A ogn punto y è assocata la massa della modaltà -esma, e l centro d gravtà d N(J) è dato dal punto H avente come coordnate le mede artmetche ponderate, al varare d, delle coordnate de punt della nuvola, con pes par alle rspettve masse : h q 1 y. (8.16) Il vettore delle coordnate d H corrsponde al prolo margnale colonna: h q 1 q 1 1 n. (8.17) Qund l prolo margnale colonna è anche l prolo medo d colonna, par a 1/n (essendo l totale della tavola d requenze par a 1 e l nseme delle untà d numerostà n). La dstrbuzone margnale I = ( = 1,, n) è dunque unorme su tutte le untà statstche. La varabltà complessva d una nuvola d punt è data dalla dspersone de punt stess attorno al centro d gravtà e prende l nome d nerza, msurata attraverso la dstanza secondo la metrca del 2 de prol rga o colonna da corrspondent prol margnal (prol med). Sessualtà e stl d vta: opnon e comportament emmnl

12 La dstanza 2 tra due generc prol rga e è denta dalla somma delle dstanze tra loro element al quadrato ponderate con l nverso delle requenze corrspondent del prolo margnale d colonna: d 2 2 ' 1. (8.18) ' Analogamente, per prol colonna s ha: d 2 2 ' 1. (8.19) ' Ponderando n questo modo s rstablsce un equlbro tra le modaltà, n quanto: a) s rvaluta l contrbuto dato dalle modaltà con requenza pù bassa; b) s rdmensona l contrbuto dato dalle modaltà con requenza pù alta. Sessualtà e stl d vta: opnon e comportament emmnl

13 8.6 La matrce d Burt Se s costrusce la tabella d contngenza che ncroca tra loro tutte le q modaltà della matrce logco-dsguntva completa s ottene una tabella d requenze, d dmenson q x q, detta matrce d Burt o matrce delle corrspondenze multple. Per ognuno de q x q punt d ncroco bvarat vene nserto l numero d untà statstche che presentano entrambe le modaltà, coè che valgono 1 n entrambe le varabl ndcatrc consderate. La matrce d Burt a) rsulta smmetrca rspetto alla dagonale prncpale. È qund denta e costruta n modo da poter essere letta sa nel senso delle rghe che n quello delle colonne, dando luogo a un anals delle relazon d tpo smmetrco. b) nelle sottomatrc corrspondent alle modaltà d una stessa varable presenta esternamente alla dagonale tutt valor null, per la gà vsta propretà d dsgunzone (nessuna untà statstca può possedere contemporaneamente 2 modaltà della stessa varable). La matrce d Burt non tene conto delle normazon su sngol soggett, ma solo delle requenze delle assocazon (qund gà n orma aggregata); la matrce logco-dsguntva completa nvece contene tutte le normazon della matrce orgnale de dat (la untà x varabl ). S dmostra tuttava che rsultat dell ACM condotta su due tp d tabelle sono equvalent, per cu è convenente eettuare l anals n rermento alla matrce d Burt. Sessualtà e stl d vta: opnon e comportament emmnl

14 8.7 La scelta del numero d attor Geometrcamente le q modaltà generano uno spazo a q dmenson n cu vengono rappresentate le n untà statstche. Ogn untà è rappresentata da un punto che ha come coordnate q element del suo prolo rga. Analogamente all anals attorale, lo scopo dell ACM è quello d ndvduare un sottospazo ottmale d dmensone k << q [ 3 ] a) dento da k nuove varabl ottenute come combnazon lnear d quelle d partenza; b) che abba come orgne l centro d gravtà del sstema orgnaro. Attraverso le combnazon lnear ottmal de punt-modaltà delle varabl convolte nell anals, l ACM provvede qund a ndvduare varabl sntetche denomnate semplcemente attor o ass attoral, come nell anals delle component prncpal e nell anals de attor. I attor a) sono determnat n modo da essere ortogonal tra loro, coè ndpendent l uno dall altro; b) ordnat dal 1 al k-esmo spegano n ordne decrescente la varabltà del sstema. Indvduat gl ass attoral, dventa possble rvedere l sstema orgnaro sotto la nuova veste delle coordnate attoral, che rappresentano le nuove poszon de punt-modaltà nello spazo geometrco rdotto k-dmensonale. In parallelo con l anals delle component prncpal e con l anals de attor, s dmostra che la quota d varabltà spegata da cascun attore concde con l autovalore corrspondente 3 k molto mnore d q. Sessualtà e stl d vta: opnon e comportament emmnl

15 relatvo alla matrce delle dstanze de punt-modaltà dal barcentro del sstema [ 4 ]. La somma d tutt q autovalor concde con l nerza totale e corrsponde alla tracca della matrce, par a q p p vale a dre q p 1. (8.20) Qund l rapporto tra l autovalore del attore -esmo e la somma d tutt gl autovalor ndvdua la proporzone d nerza spegata dal attore stesso: q 1. (8.21) Il prmo attore dà la mglore sntes della matrce de dat d partenza. L autovalore ad esso assocato è quello pù alto e spega la quota pù elevata dell nerza totale. Tale quota dmnusce po progressvamente proseguendo con attor successv al prmo. Aggungere attor porta dunque a un guadagno d precsone e aumenta la quota d nerza cumulatva spegata, ma nello stesso tempo aumenta l numero d dmenson da nterpretare. Anche se non esstono regole rgde per l ndvduazone del numero d attor da consderare, soltamente l crtero seguto consste nell ndvduare l attore oltre l quale l nerza cumulatva spegata cumulatva nza ad aumentare molto lentamente, per esempo al d sotto del 10% per ogn successvo attore aggunto. 4 Questo escludendo l 1 autovalore, detto banale, par a 1. Sessualtà e stl d vta: opnon e comportament emmnl

16 L ACM porta a un rapdo decremento dell mportanza de attor, e l sotware SPAD ornsce un stogramma che rappresenta gracamente gl autovalor tramte segment d lunghezza proporzonale a cascuno d ess. Dventa così possble dare una valutazone a colpo d occho dell andamento decrescente degl autovalor, n analoga con lo scree-test dell anals delle component prncpal. Un autovalore gracamente ben separato da quello che lo precede e da quello che lo segue ndvdua un asse attorale ben caratterzzato, che è produttvo nterpretare. Secondo Benzecr, gl autovalor ornt dall ACM danno una valutazone rduttva dell nerza spegata dagl ass attoral estratt, perché soltamente l numero d modaltà delle varabl su cu s opera è molto alto e porta a tenere conto d tant attor d mportanza nntesma. L autore propone allora una ormula ottmsta per attrbure pù mportanza a prm attor. Il metodo tene conto solamente degl autovalor maggor d 1/p e nuov autovalor vengono calcolat n questo modo: = 2 p p (8.22) p La quota d nerza spegata da ogn attore vene così rvalutata sulla base de, coè attraverso l rapporto ' '. (8.23) Sessualtà e stl d vta: opnon e comportament emmnl

17 8.8 Le varabl attve e le varabl llustratve Le varabl convolte nell ACM possono assumere due derent ruol strategc : a) Le p varabl che entrano drettamente nell anals e concorrono alla ormazone della matrce logco-dsguntva completa, della matrce d Burt e degl ass attoral sono le varabl attve. b) Le varabl llustratve, o supplementar, sono nvece escluse dalla ase d estrazone de attor e vengono utlzzate solo successvamente, consderando la loro poszone sugl ass attoral come auslo nterpretatvo all anals e per studare eventual legam d nterdpendenza con attor stess. Soltamente, qund, le varabl attve corrspondono alle varabl d nteresse della rcerca e quelle llustratve alle varabl demograche d base o soco-demograche aggunte. Eettuata una prma ACM esploratva, l rcercatore può decdere d cambare l ruolo d alcune varabl attve rducendole a llustratve (e dmnuendo qund p). Questo avvene ne cas n cu una varable attva dà scarso contrbuto alla ormazone degl ass attoral, a causa a) d partcolar specctà che la rendono ndpendente da tutte le altre varabl; b) d una dstrbuzone d requenza molto sblancata ra le sue modaltà. Cambato l ruolo delle varabl consderate crtche, s reettua l ACM andando a vedere come punt-modaltà delle varabl stesse rdotte a llustratve s collocano rspetto agl ass attoral. Sessualtà e stl d vta: opnon e comportament emmnl

18 8.9 L nterpretazone degl ass attoral Stablto l numero k d attor s passa alla ase ocale e nello stesso tempo pù crtca dell anals, e coè all nterpretazone delle sngole dmenson attoral. Per nterpretare l sgncato degl ass attoral s utlzzano a) le coordnate attoral, che ndcano la proezone de q punt-modaltà orgnal sugl ass dello spazo geometrco rdotto k-dmensonale ed esprmono le relazon tra modaltà e attor; b) alcun mportant ndcator che permettono d valutare l mportanza che ogn varable attva, con le relatve modaltà, rveste nella ormazone degl ass attoral. Le coordnate attoral stablscono la poszone delle modaltà sugl ass, sa n termn d dstanza dal barcentro del sstema (coè dal punto le cu coordnate corrspondono al vettore nullo k-dmensonale), sa n termn d versante postvo o negatvo dell asse consderato, n base al segno + (la modaltà è proettata sul semasse postvo) o - (la modaltà è proettata sul semasse negatvo). Le modaltà che presentano valor pù alt sono d solto quelle che contrbuscono maggormente alla ormazone dell asse attorale. Tuttava, valore della coordnata e mportanza della modaltà non sono necessaramente proporzonal. S può natt vercare l cosddetto eetto delle modaltà rare per cu, a causa delle ponderazon della metrca del 2, un punto può essere tanto pù dstante dal barcentro quanto pù bassa è la requenza margnale della relatva modaltà. È allora mportante rerrs agl altr ndcator, tutt ornt da SPAD: Sessualtà e stl d vta: opnon e comportament emmnl

19 a) La massa, o peso relatvo, d cascuna modaltà è denta come rapporto tra la requenza relatva della modaltà e p. b) La dstorsone, o dstanza dall orgne, d cascuna modaltà dà ndcazon sul suo carattere pererco : soltamente a valor alt corrsponde una massa debole e qund una scarsa rlevanza della modaltà stessa; vceversa nel caso d valor bass. c) Il contrbuto assoluto d cascuna varable e delle sngole modaltà corrsponde alla percentuale d nerza del attore spegata dalla modaltà o dalla varable a cu s rersce rspetto all nseme complessvo delle modaltà o delle varabl. d) Il coseno quadrato dell angolo compreso tra l asse attorale e l segmento corrspondente alla dstanza del punto-modaltà dal barcentro è detto anche contrbuto relatvo o qualtà della rappresentazone e consente d ndvduare quale asse attorale spega meglo la poszone del punto rspetto al barcentro, coè quale attore descrve meglo la varabltà della modaltà. Per ogn puntomodaltà, l asse attorale geometrcamente pù vcno corrsponde al valore pù alto del coseno quadrato, che raggunge l valore 1 se l punto è stuato esattamente sull asse. Nell applcazone dell ACM a dat n esame, llustrata nel prossmo Captolo, s adottano seguent crter nterpretatv: 1 a ase: pre-selezone delle modaltà Vengono escluse a pror dall anals le modaltà che all nterno della varable presentano una requenza assoluta nerore o par al 2% della requenza assoluta massma, coè del numero d untà statstche. In SPAD l valore del 2% è consglato per deault. Sessualtà e stl d vta: opnon e comportament emmnl

20 2 a ase: scelta del numero d attor La scelta del numero d attor da ncludere nell anals vene eettuata tramte a) l osservazone vsva dell andamento degl autovalor nell stogramma e l ndvduazone del punto d gomto; b) la renterpretazone ottmstca d Benzecr; c) lo studo dell andamento degl ncrement percentual dell nerza cumulatva calcolat sulla base de nuov autovalor ottenut. 3 a ase: anals de contrbut assolut delle varabl Una volta stablto l numero k d ass attoral, l rermento prortaro va a contrbut assolut delle varabl, coè alla percentuale d nerza spegata n corrspondenza d cascuno de k attor scelt rspetto al sstema complessvo d varabl. In questo modo a) vene valutato l contrbuto d ogn sngola varable all nerza complessva del sstema; b) per ogn varable vengono ndvduat l attore o attor corrspondent a contrbut pù rlevant. 4 a ase: anals de contrbut assolut delle modaltà Nel contesto d cascuna varable s passa po all anals delle modaltà lmtatamente al attore o a attor pù mportant, andando a vedere come l contrbuto assoluto s dstrbusce all nterno della varable, dando luogo a sngol contrbut assolut delle modaltà. Sessualtà e stl d vta: opnon e comportament emmnl

21 5 a ase: anals de contrbut relatv Per l anals delle modaltà un ulterore rermento va al coseno quadrato, che dà una valutazone rgorosamente geometrca delle dstanze de punt dagl ass attoral e ore qund normazon sulla qualtà della loro rappresentazone, consentendo tra l altro, se necessaro, d ndvduare n modo unvoco l asse attorale pù vcno ad ogn punto-modaltà consderato. 6 a ase: scelta nale delle modaltà pù rappresentatve L anals congunta de contrbut assolut e de cosen quadrat guda la scelta delle modaltà da rtenere pù sgncatve a n della sntes. 7 a ase: anals delle coordnate delle modaltà scelte Indvduate le modaltà pù mportant, s procede a una loro rlettura secondo le coordnate del nuovo sstema attorale d rermento, mettendo n evdenza: a) le combnazon lnear, corrspondent a comportament dello stesso segno n rermento agl ass attoral; b) contrast lnear, corrspondent a comportament d segno opposto. Sessualtà e stl d vta: opnon e comportament emmnl

22 8.10 I valor-test per le modaltà llustratve Una modaltà llustratva non rsulta caratterzzare un dato attore se la sua dstanza sull asse attorale dal barcentro del sstema non è statstcamente sgncatva. In termn nerenzal, parlare d dstanza dal barcentro statstcamente non sgncatva equvale a potzzare che le untà statstche che presentano la modaltà n esame sano estratte casualmente dall nseme complessvo delle untà. Per ogn m- esma modaltà llustratva, qund, l potes nulla H 0 da controllare è l potes d estrazone casuale senza rentroduzone d nm untà tra le n della popolazone d rermento. La dstanza dal barcentro del sstema dell m-esma modaltà sul -esmo asse attorale è data drettamente dalla sua coordnata sull asse stesso: x m. Dento l ndce m=1,,nm, x m è ndvduata dalla meda artmetca delle coordnate x m delle untà che presentano la modaltà moltplcate per un coecente dpendente dall autovalore k: x m 1 k m x m n m. (8.24) La dstanza x m vene a corrspondere a una varable aleatora X che sotto l potes H 0 segue una legge d probabltà normale da parametr not e aclmente rconducble a una dstrbuzone normale standardzzata: E(X H 0 ) = 0 (8.25) V(X H 0 ) = n nm 1 n 1 n m. (8.26) Sessualtà e stl d vta: opnon e comportament emmnl

23 I valor-test sono qund tratt dalla normale standardzzata e ndvduano le probabltà crtche p m = Prob {X x m H 0 }. (8.27) Com è noto dalla statstca nerenzale, la probabltà crtca corrsponde alla probabltà d sbaglare nel rutare H 0, coè n questo caso alla probabltà d consderare sgncatva una modaltà n realtà non mportante. All aumentare del valore-test dmnusce la probabltà crtca e dventa sempre pù nverosmle l potes nulla: pù è alto l valoretest, pù la modaltà concorre sgncatvamente alla caratterzzazone del attore. Nel prossmo Captolo saranno consderate sgncatve le modaltà llustratve che portano a valor-test maggor d +2 o mnor d 2, corrspondent a una probabltà crtca nerore a crca l 5% [ 5 ]. 5 È l mpostazone d deault d SPAD. In corrspondenza del 5% esatto l valore n ordnata della dstrbuzone normale standard sarebbe par a 1,96. Sessualtà e stl d vta: opnon e comportament emmnl

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

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

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

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

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

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

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

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal

Dettagli

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

Dettagli

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni IL MODELLO DI MACK Materale ddattco a cura d Domenco Gorgo Attuaro Dann d Gruppo Socetà Cattolca d Asscurazon CHAIN-LADDE CLASSICO Metodo pù utlzzato per la stma della rserva snstr. Semplctà. Dstrbuton-ree

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA Lezone 7 - Indc statstc: meda, moda, medana, varanza INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA GRUPPO MAT06 Dp. Matematca, Unverstà d Mlano - Probabltà e Statstca per le Scuole Mede -SILSIS - 2007

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

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

MACROECONOMIA A.A. 2014/2015

MACROECONOMIA A.A. 2014/2015 MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost

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

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

FORMAZIONE ALPHAITALIA

FORMAZIONE ALPHAITALIA ALPHAITALIA PAG. 1 DI 13 FORMAZIONE ALPHAITALIA IL SISTEMA DI GESTIONE PER LA QUALITA Quadro ntroduttvo ALPHAITALIA PAG. 2 DI 13 1. DEFINIZIONI QUALITA Grado n cu un nseme d caratterstche ntrnseche soddsfa

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

Fondamenti di Fisica Acustica

Fondamenti di Fisica Acustica Fondament d Fsca Acustca Pro. Paolo Zazzn - DSSARR Archtettura Pescara Anals n requenza de segnal sonor, bande d ottava e terz d ottava. Rumore banco e rumore rosa. Lvello equvalente. Fsologa dell apparato

Dettagli

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON 3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

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

Soluzione esercizio Mountbatten

Soluzione esercizio Mountbatten Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno

Dettagli

Indicatori di dimensione e di concentrazione

Indicatori di dimensione e di concentrazione Indcator d dmensone e d concentrazone 1 Indcator d dmensone Lo studo delle caratterstche struttural ed evolutve d un sstema produttvo necessta dell mpego d ndcator per msurare la dmensone delle untà economche

Dettagli

Modelli di base per la politica economica

Modelli di base per la politica economica Marcella Mulno Modell d base per la poltca economca Corso d Poltca economca a.a. 22-23 Captolo 2 Modello - e poltche scal e monetare In questo captolo rchamamo brevemente l modello macroeconomco a prezz

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

Calcolo della caduta di tensione con il metodo vettoriale

Calcolo della caduta di tensione con il metodo vettoriale Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta

Dettagli

Simulazione seconda prova Tema assegnato all esame di stato per l'abilitazione alla professione di geometra, 2006

Simulazione seconda prova Tema assegnato all esame di stato per l'abilitazione alla professione di geometra, 2006 Smulazone seconda prova Tema assegnato all esame d stato per l'abltazone alla professone d geometra, 006 roposte per lo svolgmento pubblcate sul ollettno SIFET (Socetà Italana d Fotogrammetra e Topografa)

Dettagli

Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno Unverstà degl Stud d Cassno, Anno accademco 004-005 Corso d Statstca, Pro. M. Furno Eserctazone del 5//005 dott. Claudo Conversano Eserczo Ad un certo tavolo d un casnò s goca lancando un dado. Il goco

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

Dispense dell insegnamento di Laboratorio di GIS per la pianificazione

Dispense dell insegnamento di Laboratorio di GIS per la pianificazione Facoltà d Archtettura e Socetà Facoltà d Ingegnera Cvle, Ambentale e Terrtorale Centro per lo Svluppo del Polo d Cremona, Poltecnco d Mlano Va Sesto 41 26100 Cremona Master unverstaro nterfacoltà d II

Dettagli

Lezione 2 a - Statistica descrittiva per variabili quantitative

Lezione 2 a - Statistica descrittiva per variabili quantitative Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90

Dettagli

Risoluzione quesiti I esonero 2011

Risoluzione quesiti I esonero 2011 Rsoluzone quest I esonero 011 1) Compto 1 Q3 Un azenda a a dsposzone due progett d nvestmento tra d loro alternatv. Il prmo prevede l pagamento d un mporto par a 100 all epoca 0 e fluss par a 60 all epoca

Dettagli

Lezione 2 le misure di sintesi: le medie

Lezione 2 le misure di sintesi: le medie Lezone le msure d sntes: le mede Cattedra d Bostatstca Dpartmento d Scenze spermental e clnche, Unverstà degl Stud G. d Annunzo d Chet-Pescara Prof. Enzo Ballone Lezone a- Statstca descrttva per varabl

Dettagli

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM

Dettagli

Newsletter "Lean Production" Autore: Dott. Silvio Marzo

Newsletter Lean Production Autore: Dott. Silvio Marzo Il concetto d "Produzone Snella" (Lean Producton) s sta rapdamente mponendo come uno degl strument pù modern ed effcac per garantre alle azende la flessbltà e la compettvtà che l moderno mercato rchede.

Dettagli

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm

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

Circuiti di ingresso differenziali

Circuiti di ingresso differenziali rcut d ngresso dfferenzal - rcut d ngresso dfferenzal - Il rfermento per potenzal Gl stad sngle-ended e dfferenzal I segnal elettrc prodott da trasduttor, oppure preleat da un crcuto o da un apparato elettrco,

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

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla

Dettagli

Strutture deformabili torsionalmente: analisi in FaTA-E

Strutture deformabili torsionalmente: analisi in FaTA-E Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo

Dettagli

Aritmetica e architetture

Aritmetica e architetture Unverstà degl stud d Parma Dpartmento d Ingegnera dell Informazone Poltecnco d Mlano Artmetca e archtetture Sommator Rpple Carry e CLA Bozza da completare del 7 nov 03 La rappresentazone de numer Rappresentazone

Dettagli

Dai circuiti ai grafi

Dai circuiti ai grafi Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat

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

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008 Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal

Dettagli

Lezione 2 a - Statistica descrittiva per variabili quantitative

Lezione 2 a - Statistica descrittiva per variabili quantitative Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 1 =103 2 2 =97 3 3 =90 4 4 =119

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 205-6, lez.8) Matematca Computazonale, Ottmzzazone,

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007 STATISTICA SOCIALE Corso d laurea n Scenze Turstche, a.a. 07/08 Esercz 6 novembre07 Eserczo La Tabella contene alcun dat relatv a 6 lavorator delle azende Alfa e Beta. Tabella Lavorator delle azende Alfa

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

y x x 20 e gli assi delle ascisse e delle ordinate. Tracce assegnate durante l anno scolastico

y x x 20 e gli assi delle ascisse e delle ordinate. Tracce assegnate durante l anno scolastico Tracce assegnate durante l anno scolastco. Dsegna nel pano cartesano la retta d equazone, dopo averla scrtta n orma esplcta. Stablsc, sa gracamente ce analtcamente, se l B ; 3 appartene alla retta. punto.

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

Economie di scala, concorrenza imperfetta e commercio internazionale

Economie di scala, concorrenza imperfetta e commercio internazionale Sanna-Randacco Lezone n. 14 Econome d scala, concorrenza mperfetta e commerco nternazonale Non v è vantaggo comparato (e qund non v è commerco nter-ndustrale). S vuole dmostrare che la struttura d mercato

Dettagli

Fondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007

Fondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007 Fondament d Vsone Artfcale (Seconda Parte PhD. Ing. Mchele Folgherater Corso d Robotca Prof.ssa Guseppna Gn Anno Acc.. 006/007 Caso Bdmensonale el caso bdmensonale, per ndvduare punt d contorno degl oggett

Dettagli

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

Dettagli

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986 Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

2 Modello IS-LM. 2.1 Gli e etti della politica monetaria

2 Modello IS-LM. 2.1 Gli e etti della politica monetaria 2 Modello IS-LM 2. Gl e ett della poltca monetara S consderun modello IS-LM senzastatocon seguent datc = 0:8, I = 00( ), L d = 0:5 500, M s = 00 e P =. ) S calcolno valor d equlbro del reddto e del tasso

Dettagli

Statistica Descrittiva II

Statistica Descrittiva II Organzzazone de dat Statstca Descrttva II Indc d poszone Indc d varabltà Indc d asmmetra Indc d normaltà Outler Box-plot Sere statstche monovarate Carattere: Cellular possedut Popolazone: 7 student d Botecnologe

Dettagli

LE CARTE DI CONTROLLO

LE CARTE DI CONTROLLO ITIS OMAR Dpartento d Meccanca LE CARTE DI CONTROLLO Carte d Controllo Le carte d controllo rappresentano uno degl struent pù portant per l controllo statstco d qualtà. La carta d controllo è corredata

Dettagli

Gli impatti dei cambiamenti climatici sull atmosfera e sul mare: il ruolo dei Climate Services

Gli impatti dei cambiamenti climatici sull atmosfera e sul mare: il ruolo dei Climate Services Gl mpatt de cambament clmatc sull atmosfera e sul mare: l ruolo de Clmate Servces Maurzo Mauger Dpartmento d Fsca Va Celora 16 I20133 MILANO maurzo.mauger@unm.t Indce Descrzone dell UdR UnM Un esempo d

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)

Dettagli

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

PARENTELA e CONSANGUINEITÀ di Dario Ravarro Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu

Dettagli

Valore attuale di una rendita. Valore attuale in Excel: funzione VA

Valore attuale di una rendita. Valore attuale in Excel: funzione VA Valore attuale d una rendta Nella scorsa lezone c samo concentrat sul problema del calcolo del alore attuale d una rendta S che è dato n generale da V ( S) { R ; t, 0,,,..., n,... } n 0 R ( t ), doe (t

Dettagli

Elementi di linear discriminant analysis per la classificazione e il posizionamento nelle ricerche di marketing

Elementi di linear discriminant analysis per la classificazione e il posizionamento nelle ricerche di marketing http://www.mauroennas.eu Element d lnear dscrmnant analyss per la classfcazone e l poszonamento nelle rcerche d maretng Mauro Ennas Lnear Dscrmnant Analyss http://www.mauroennas.eu ADL_fnale_confronto_Ecel.sav

Dettagli

03/03/2012. Campus di Arcavacata Università della Calabria

03/03/2012. Campus di Arcavacata Università della Calabria Campus d Arcavacata Unverstà della Calabra Corso d statstca RENDE a.a 0-00 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 Concentrazone Un altro aspetto d un nseme d dat che s aggunge alla meda e alla varabltà è costtuto

Dettagli

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd

Dettagli

McGraw-Hill. Tutti i diritti riservati. Caso 11

McGraw-Hill. Tutti i diritti riservati. Caso 11 Caso Copyrght 2005 The Companes srl Stma d un area fabbrcable n zona ndustrale nella cttà d Ferrara. La stma è effettuata con crter della comparazone e quello del valore d trasformazone. Indce Confermento

Dettagli

IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE

IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE CORRELAZIONE Legame - Assocazone - Accordo Relazone tra varabl valutare l grado d recproca nfluenza tra due varabl; valutare l grado d assocazone

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme

Dettagli

Dati di tipo video. Indicizzazione e ricerca video

Dati di tipo video. Indicizzazione e ricerca video Corso d Laurea n Informatca Applcata Unverstà d Urbno Dat d tpo vdeo I dat vdeo sono generalmente rcch dal punto d vsta nformatvo. Sottottol (testo) Colonna sonora (audo parlato e/o musca) Frame (mmagn

Dettagli

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone

Dettagli

Statistica Descrittiva II

Statistica Descrittiva II Organzzazone de dat Statstca Descrttva II Indc d poszone Indc d varabltà Indc d asmmetra Indc d normaltà Outler Box-plot Sere statstche monovarate Carattere: Cellular possedut Popolazone: 7 student d Botecnologe

Dettagli

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia PROT. N 53897 ENTE EMITTENTE: OGGETTO: DESTINATARI: DATA DECORRENZA: CIRCOLARE N. 9 DC Cartografa, Catasto e Pubblctà Immoblare, d ntesa con l Uffco del Consglere Scentfco e la DC Osservatoro del Mercato

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat

Dettagli