Analisi dei dati ecologici
|
|
- Viviana Conte
- 8 anni fa
- Visualizzazioni
Transcript
1 nalisi dei dati ecologici I dati Sampling stations S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 Date 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 Time Depth (m) Coordinates North Coordinates East taxa ID NPHIPOD mpelisca diadema MPDI mpelisca sarsi MPSR ora spinicornis ORSPI Leptocheirus pectinatus LEPPEC pherusa chiereghini PHCHI Corophium acutum CORCU Corophium spp. CORSPP MOLLUSC bra nitida RNIT Chlamys varia CHLVR Corbula gibba CORGI Phaxas adriaticus PHDR Nassarius reticulatus NSRET Nucula nitidosa NUCNIT Nuculana pella NUCPEL Pitar rudis PITRUD Psammobia fervensis PSFER Saxicavella jeffreysi SXJEF Scrobicularia plana SCRPL Smithiella smithi SMISMI POLYCHET Phylo cuvieri PHYCUV ricidea assimilis RISS Polydora flava POLFL Prionospio caspersi PRICS Prionospio malmgreni PRIML Prionospio multibranchiata PRIMUL Pseudopolydora antennata PSENT Spiophanes kroyeri SPIKRO Magelona alleni MGLL Magelona minuta MGMIN Poecilochaetus fauchaldi POEFU
2 Molti dati sono nulli! Sampling stations S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 Date 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 Time Depth (m) Coordinates North Coordinates East taxa ID NPHIPOD mpelisca diadema MPDI mpelisca sarsi MPSR ora spinicornis ORSPI Leptocheirus pectinatus LEPPEC pherusa chiereghini PHCHI Corophium acutum CORCU Corophium spp. CORSPP MOLLUSC bra nitida RNIT Chlamys varia CHLVR Corbula gibba CORGI Phaxas adriaticus PHDR Nassarius reticulatus NSRET Nucula nitidosa NUCNIT Nuculana pella NUCPEL Pitar rudis PITRUD Psammobia fervensis PSFER Saxicavella jeffreysi SXJEF Scrobicularia plana SCRPL Smithiella smithi SMISMI POLYCHET Phylo cuvieri PHYCUV ricidea assimilis RISS Polydora flava POLFL Prionospio caspersi PRICS Prionospio malmgreni PRIML Prionospio multibranchiata PRIMUL Pseudopolydora antennata PSENT Spiophanes kroyeri SPIKRO Magelona alleni MGLL Magelona minuta MGMIN Poecilochaetus fauchaldi POEFU In questo esempio circa 1/3 dei dati è 0 Sampling stations S2 S3 S4 S5 S6 S7 S8 S9 S10 S11 S12 Date 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 17/05/00 Time Depth (m) Coordinates North Coordinates East taxa ID NPHIPOD mpelisca diadema MPDI mpelisca sarsi MPSR ora spinicornis ORSPI Leptocheirus pectinatus LEPPEC pherusa chiereghini PHCHI Corophium acutum CORCU Corophium spp. CORSPP MOLLUSC bra nitida RNIT Chlamys varia CHLVR Corbula gibba CORGI Phaxas adriaticus PHDR Nassarius reticulatus NSRET Nucula nitidosa NUCNIT Nuculana pella NUCPEL Pitar rudis PITRUD Psammobia fervensis PSFER Saxicavella jeffreysi SXJEF Scrobicularia plana SCRPL Smithiella smithi SMISMI POLYCHET Phylo cuvieri PHYCUV ricidea assimilis RISS Polydora flava POLFL Prionospio caspersi PRICS Prionospio malmgreni PRIML Prionospio multibranchiata PRIMUL Pseudopolydora antennata PSENT Spiophanes kroyeri SPIKRO Magelona alleni MGLL Magelona minuta MGMIN Poecilochaetus fauchaldi POEFU
3 Caratteristiche dei dati ecologici I dati sono sparsi, cioè hanno molti valori nulli (a volte la maggioranza!) La gran parte delle specie presenti è rara. I fattori ambientali che influenzano la distribuzione delle specie sono molteplici e combinati fra loro,......ma quelli veramente importanti sono pochi (bassa dimensionalità intrinseca). I dati contengono molto rumore sia per eventi stocastici e contingenti, sia per l errore di osservazione (anche in condizioni ideali le repliche sono diverse!) L informazione è spesso ridondante (la specie è associata alla specie, ma questa può essere associata alla specie C, etc.): questo è un problema, ma è anche ciò che rende possibile interpretare i dati ecologici. Gradienti ambientali e cenoclini 3
4 Piani di campionamento Non esistono informazioni preliminari, le scale spazio-temporali non sono note: piano randomizzato Esistono informazioni preliminari, le scale spazio-temporali sono note: piano regolare Esistono sufficienti dati di riferimento per descrittori accessori (covarianti): piano stratificato Scale e frequenze di osservazione Spazio=Tempo 4
5 La cassetta degli attrezzi. Ordinamento (PC, MDS, NMDS, C, DC, CC, etc.) Classificazione (algoritmi gerarchici, k- means, reti neuronali, etc.) nalisi spaziale (correlogrammi, variogrammi, kriging, co-kriging, etc.) nalisi di serie (periodogrammi, runs tests, cross-correlation, cross-association, etc.) Confronti fra dati multivariati (MRPP, test di Mantel, INDVL, etc.) Reti neurali... Misure di distanza Distanza euclidea D jk = p i = 1 ( x ij x ik ) 2 Distanza di Manhattan D jk = p i = 1 x ij x ik Distanza di Canberra D ij = p x x ij ik i = 1 ( x + x ) ij ik Metrica di Minkowksi D jk p = r x i =1 ij x ik r 5
6 Misure di similarità Per i coefficienti binari (dati di presenza/assenza) k Osservazione Osservazione j a b 0 c d p = a + b + c + d Numero di taxa presenti in entrambi i campioni Numero di taxa presenti solo nel campione k Numero di taxa presenti solo nel campione j Numero di taxa assenti in entrambi i campioni Misure di similarità Dati binari (qualitativi) Indice di concordanza Indice di Jaccard Indice di Sørensen S a + d = jk a + b + c + d S a = jk a + b + c S 2a = jk 2 a + b + c simmetrico asimmetrico asimmetrico Dati quantitativi Coeff. di ray-curtis S ij s i= 1 = s ( xij + xik ) i= 1 x ij x ik 6
7 Similarità e dissimilarità Dissimilarità = 1 - Similarità Un coefficiente di dissimilarità è di tipo metrico se: 1. D ij =0 se j=k 2. D jk >0 se j k 3. D jk =D kj Semi-metrica 4. D jk +D kh D jh (assioma della diseguaglianza triangolare) Tecniche di ordinamento Tre specie rappresentate in due dimensioni 7
8 Perchè l ordinamento? "Ordination primarily endeavors to represent sample and species relationships as faithfully as possible in a low-dimensional space. Gauch (1982) Perchè... E impossibile visualizzare efficacemente insiemi di dati multidimensionali complessi Un analisi multivariata è più economica e più efficiente di n analisi univariate Gli assi dello spazio ridotto di solito rappresentano gradienti ambientali interpretabili Se si effettuano anche test statistici, si evitano i problemi legati alle comparazioni multiple Concentrando l attenzione solo su alcuni assi si evita di considerare il rumore 8
9 E inoltre... Fino a non molto tempo fa l obiettivo dei metodi di ordinamento era di tipo prettamente descrittivo (più un arte che una scienza, quindi!). Con la CC, i test statistici d ipotesi sono stati accoppiati alle tecniche di ordinamento, superando l approccio descrittivo (cfr. ter raak 1985) nalisi indiretta di gradiente Metodi basati su distanze Ordinamento polare (ray-curtis) nalisi delle Coordinate Principali (PCo) Multidimensional Scaling Nonmetrico (NMDS) Metodi basati su autovalori/autovettori Modello lineare nalisi delle Componenti Principali (PC) Modello unimodale nalisi delle Corrispondenze (C) nalisi delle Corrispondenze Detrendizzata (DC) 9
10 Le distanze nello spazio originale sono approssimate al meglio dalle distanze (euclidee) nello spazio ridotto (cioè nell ordinamento) n dimensioni (taxa) PCo 2 dimensioni (assi) Rototraslazione rigida degli assi originali. Si assumono relazioni lineari fra le variabili. PC 10
11 Metrica di χ 2 Si assumono risposte unimodali dei taxa. Ordinamento simultaneo di campioni e taxa (oggetti e variabili). C nalisi diretta di gradiente Modello lineare nalisi di Ridondanza (RD) Modello unimodale nalisi Canonica delle Corrispondenze (CC) nalisi Canonica delle Corrispondenze Detrendizzata (DCC) 11
12 E concettualmente affine alla C, ma l ordinamento di campioni e taxa è vincolato a combinazioni lineari di variabili ambientali. Rappresentazione simultanea di campioni, taxa e gradienti ambientali. CC Clustering (classificazione) Obiettivi: Formare gruppi omogenei di entità (osservazioni, campioni, siti, specie, etc.) Identificare discontinuità (nello spazio, nel tempo) lgoritmi: Gerarchici Non gerarchici Vincolati Non vincolati 12
13 siti specie D jk = p i = 1 Clustering gerarchico ( x x ) ij ik 2 siti siti Complete Linkage 6 5 ST_1 4 ST_ specie ST_2 ST_3 ST_5 ST_ Linkage Distance distanza euclidea D stazioni similarità di Jaccard 1-S stazioni
14 Clustering gerarchico vincolato (contiguità spaziale) D =.96 max D =.83 max D =.66 max D =.74 max dissimilarità di Jaccard Distanza euclidea (dati quantitativi) Rete di Gabriel Dissimilarità di Jaccard (dati binari) 14
15 specie 2 specie 1 raclasse inerz iai t inerzia interclasse n in tra ia zr la ess c e in Clustering non Clustering non gerarchico: nalisi delle Nubi Dinamiche (k-means) Self Organizing Maps is has likes to dove hen duck goose owl hawk eagle small medium big legs legs hair hooves mane feathers hunt run fly swim fox dog wolf cat tiger lion horse zebra cow horse zebra lion tiger wolf fox dog cow cat duck goose hen dove owl hawk eagle 15
16 Test basati su permutazioni Sono un caso speciale dei test di randomizzazione, che utilizzano serie di numeri casuali formulare delle inferenze statistiche. La potenza di calcolo dei moderni PC ha reso possibile la loro applicazione diffusa. Questi metodi non richiedono che siano soddisfatte particolari assunzioni circa la distribuzione dei dati. Quindi, questi metodi sono molto più adatti dei tradizionali test statistici (es. t-tests, NOV, etc.) in applicazioni ecologiche. Test basati su permutazioni Si definisce una statistica il cui valore sia proporzionale all intensità del processo o della relazione studiati Si definisce un ipotesi nulla H 0 Si crea un set di dati basati sul rimescolamento di quelli realmente osservati (la modalità di rimescolamento viene definita in funzione dell ipotesi nulla) Si ricalcola la statistica di riferimento e si compara il valore con quello osservato Si ripetono gli ultimi due punti molte volte (es volte) Se la statistica osservata è maggiore del limite ottenuto nel 95% dei casi basati su rimescolamento, si rigetta H 0 16
17 N=6 NOSIM (Nalysis Of SIMilarities) R = rb rw N ( N 1) / 4 = 0.5 rw rb ordina n=6 n=9 R = rb rw N ( N 1) / 4 25% 25% 20% 20% 15% 15% 10% 10% 5% 5% P=90% 100% 80% 60% 40% 20% 0% 0% % R= 0.50 R= 0.20 R= 0.19 R= r w = 5.75 r b =9.50 r w = 7.08 r b =8.61 r w = 7.17 r b =8.56 r w = 9.17 r b = n=6 n=9 n=6 n=9 n=6 n=9 n=6 n=9 17
18 Indicator Species nalysis L'abbondanza relativa R kj della specie j nel gruppo di campioni k è La frequenza media RF kj della presenza di una specie j nel gruppo di campioni k è R RF kj kj = g n = k x k = 1 i= 1 kj b x n k kj ijk Combinando abbondanze relative (R) e frequenze medie (RF) si ottiene quindi il valore indicatore (IV) IV = 100 kj Rkj RFkj Indicator Species nalysis Merluccius merluccius - Indicator Values Group: Number of items: n ID vg Max INDVL p taxon EUFSI Eufasiacei 2 THYSN Thysanopoda aequalis 3 RESPES Resti pesci 4 RESCRO Resti crostacei 5 MISID Misidacei nc 6 DECPO Decapodi nc 7 CEFLO Cefalopodi 8 CHLORO Chlorotocus crassicornis 9 CRNGO Crangon sp 10 SRDIN Sardina pilchardus 11 ROCINE Rocinela sp 12 POLICH Policheti
19 Test di Mantel Matrice X distanze geografiche C D E C D E Matrice Y dissimilarità cenotica C D E C D E Statistiche di Mantel assoluta standardizzata La distribuzione di riferimento si genera ricalcolando la statistica dopo permutazioni aleatorie di una delle due matrici o (per matrici molto grandi) approssimando una distribuzione t di Student. 19
20 Problema: valutare gli effetti della protezione sulla struttura delle comunità. La struttura delle comunità varia in funzione delle risposte delle specie a gradienti ambientali complessi. L impatto antropico altera o modula questi gradienti. La protezione dell ambiente riduce l impatto antropico o lo trasferisce in altre aree. Viene replicato su base routinaria un piano di campionamento su transetti in un area protetta e in aree limitrofe ecologicamente comparabili C1 rea protetta C2 Oggi Tra 10 anni Eterogeneità spaziale 1 1 C1 C2 2 2 Variazioni batimetriche 2 C2 1 C1 2 1 Variazioni batimetriche Effetto protezione 20
21 In assenza di vincoli l impatto è distribuito e non produce danni permanenti. In presenza di vincoli l impatto supera la soglia tollerata dal sistema, che subisce un danno permanente. Divieto di ancoraggio Self Organizing Maps C G D F E C Divieto di ancoraggio D E F G 21
22 Self Organizing Maps Densità di ancoraggio C G D F E C Divieto di ancoraggio D E F G stazioni di campionamento Specie Specie Specie Specie Specie Specie Specie Specie Specie Specie Indicator Species nalysis ID Taxon I.V. Med StDev p * Specie Specie Specie <-- 4 Specie Specie Specie <-- 7 Specie Specie <-- 9 Specie Specie <-- MRPP (Multi-Response Permutation Procedures) GRUPPO : distanza euclidea media = GRUPPO : distanza euclidea media = T = δ osservato = δ atteso = ccordo intra-gruppo, R = p = *
Test basati su permutazioni (MCPP)
Test basati su permutazioni (MCPP) Sono un caso speciale dei test di randomizzazione, che utilizzano serie di numeri casuali formulare delle inferenze statistiche. La potenza di calcolo dei moderni PC
DettagliANALISI DEI DATI BIOLOGICI
ANALISI DI DATI BIOLOGICI RAPPRSNTAR L COMUNITA tramite descrizioni grafiche e relazioni tra gli organismi presenti nei vari campioni. DISCRIMINAR dei siti sulla base della loro composizione biologica.
DettagliCaratteristiche dei dati ecologici
Caratteristiche dei dati ecologici I dati sono sparsi, cioè hanno molti valori nulli (a volte la maggioranza!) La gran parte delle specie presenti è rara. I fattori ambientali che influenzano la distribuzione
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliLa statistica multivariata
Cenni di Statistica Multivariata Dr Corrado Costa La statistica multivariata La statistica multivariata è quella parte della statistica in cui l'oggetto dell'analisi è per sua natura formato da almeno
DettagliMetodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla
Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui
DettagliListe di specie e misure di diversità
Lte d pece e mure d dvertà Carattertche delle lte d pece I dat ono par, coè hanno molt valor null (a volte la maggoranza!) La gran parte delle pece preent è rara. I fattor ambental che nfluenzano la dtrbuzone
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliStatistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.
Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliAnalisi Statistica Spaziale
Analisi Statistica Spaziale Posa D., De Iaco S. posa@economia.unile.it s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA ANNO ACCADEMICO
DettagliProgetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Localizzazione
Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di Localizzazione Posizionamento di antenne È dato un insieme A di possibili siti in cui installare antenne, a ciascuno
DettagliRicerca Operativa e Logistica
Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili A.A. 2011/2012 Lezione 10: Variabili e vincoli logici Variabili logiche Spesso nei problemi reali che dobbiamo affrontare ci sono dei
DettagliDott.ssa Caterina Gurrieri
Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo
DettagliModellazione numerica nell ambito idrogeologico
Modellazione numerica nell ambito idrogeologico La modellazione numerica è un valido strumento per comprendere i fenomeni in atto e gli effetti sulle dinamiche della falda e sulla diffusione dei contaminanti
DettagliRicerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliINDICE PREFAZIONE VII
INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliSVM. Veronica Piccialli. Roma 11 gennaio 2010. Università degli Studi di Roma Tor Vergata 1 / 14
SVM Veronica Piccialli Roma 11 gennaio 2010 Università degli Studi di Roma Tor Vergata 1 / 14 SVM Le Support Vector Machines (SVM) sono una classe di macchine di che derivano da concetti riguardanti la
DettagliMetodi Statistici di Controllo della Qualità Prof. Paolo Cozzucoli
Programma dell insegnamento di Metodi Statistici di Controllo della Qualità Prof. Paolo Cozzucoli Corso di Laurea in Metodi Quantitativi per l Economia e la Gestione delle Aziende A.A. 2007-08 Disciplina
DettagliAlgoritmi di clustering
Algoritmi di clustering Dato un insieme di dati sperimentali, vogliamo dividerli in clusters in modo che: I dati all interno di ciascun cluster siano simili tra loro Ciascun dato appartenga a uno e un
DettagliUNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA. Programma del modulo di STATISTICA I (6 crediti)
UNIVERSITÀ DEGLI STUDI DI MILANO-BICOCCA A. A. 2008-2009 FACOLTÀ DI ECONOMIA Programma del modulo di STATISTICA I (6 crediti) ECOCOM (lettere A-Lh): ECOCOM (lettere Li-Z): ECOBAN: ECOAMM (Lettere A-Lh):
DettagliTecniche di riconoscimento statistico
On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 4 Reti neurali per la classificazione Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com
DettagliIl farmaco generico. Contenuti tecnico-scientifici del farmaco generico: comunicazione a corrente alternata
Il farmaco generico Contenuti tecnico-scientifici del farmaco generico: comunicazione a corrente alternata Il farmaco generico Cos è un farmaco generico? È un medicinale EQUIVALENZA terapeuticamente equivalente
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliCorso di laurea in Scienze Motorie. Corso di Statistica. Docente: Dott.ssa Immacolata Scancarello Lezione 2: Misurazione, tabelle
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione : Misurazione, tabelle 1 Misurazione Definizione: La misura è l attribuzione di un valore numerico
DettagliNota interpretativa. La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali
Nota interpretativa La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali Febbraio 2012 1 Mandato 2008-2012 Area di delega Consigliere Delegato
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliLa dispersione dei prezzi al consumo. I risultati di un indagine empirica sui prodotti alimentari.
La dispersione dei prezzi al consumo. I risultati di un indagine empirica sui prodotti alimentari. Giovanni Anania e Rosanna Nisticò EMAA 14/15 X / 1 Il problema Un ottimo uso del vostro tempo! questa
DettagliTecniche di analisi multivariata
Tecniche di analisi multivariata Metodi che fanno riferimento ad un modello distributivo assunto per le osservazioni e alla base degli sviluppi inferenziali - tecniche collegate allo studio della dipendenza
DettagliRegressione non lineare con un modello neurale feedforward
Reti Neurali Artificiali per lo studio del mercato Università degli studi di Brescia - Dipartimento di metodi quantitativi Marco Sandri (sandri.marco@gmail.com) Regressione non lineare con un modello neurale
DettagliPro e contro delle RNA
Pro e contro delle RNA Pro: - flessibilità: le RNA sono approssimatori universali; - aggiornabilità sequenziale: la stima dei pesi della rete può essere aggiornata man mano che arriva nuova informazione;
DettagliAnalisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri
DettagliStatistica. Le rappresentazioni grafiche
Statistica Le rappresentazioni grafiche Introduzione Le rappresentazioni grafiche costituiscono uno dei mezzi più efficaci, sia per descrivere in forma visiva i risultati di numerose osservazioni riguardanti
DettagliIn tabella 2 si riportano alcuni parametri statistici del campo elettrico (E) misurato, suddivisi per anno. Valore del Campo Elettrico E (V/m)
Report campagne di misura CEM per il sito: Hotel Londra Comune: Cervia Località: Milano Marittima - Periodo: 2003 2008 1. PARAMETRI IDENTIFICATIVI DELLA CAMPAGNA DI MISURA - Luogo dei rilievi: Hotel Londra
DettagliCorso di Visione Artificiale. Stereopsi. Samuel Rota Bulò
Corso di Visione Artificiale Stereopsi Samuel Rota Bulò Introduzione La stereopsi è il processo di inferenza della struttura 3D da una coppia di immagini di una stessa scena catturate da posizioni diverse.
DettagliSTATISTICA DESCRITTIVA BIVARIATA
STATISTICA DESCRITTIVA BIVARIATA Si parla di Analisi Multivariata quando su ogni unità statistica, appartenente ad una determinata popolazione, si rileva un certo numero s di caratteri X 1, X 2,,X s. Si
DettagliUN MODULO SOFTWARE PER LA ANALISI E PIANIFICAZIONE DELLA STAMPA ( AUDIPRESS)
UN MODULO SOFTWARE PER LA ANALISI E PIANIFICAZIONE DELLA STAMPA ( AUDIPRESS) TOM Micro e un software per la analisi e la pianificazione dei dati Audipress. E disponibile sia nella versione operativa su
DettagliDI IDROLOGIA TECNICA PARTE III
FACOLTA DI INGEGNERIA Laurea Specialistica in Ingegneria Civile N.O. Giuseppe T. Aronica CORSO DI IDROLOGIA TECNICA PARTE III Idrologia delle piene Lezione XII: I metodi diretti per la valutazione delle
DettagliIl Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo
Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO Pasquale Iandolo Laboratorio analisi ASL 4 Chiavarese, Lavagna (GE) 42 Congresso Nazionale SIBioC Roma
DettagliUNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA
UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA SVILUPPO DI METODI DECONVOLUTIVI PER L INDIVIDUAZIONE DI SORGENTI INDIPENDENTI
DettagliAppendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi
Appendice III (articolo 5, comma 1 e art. 22 commi 5 e 7) Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi 1. Tecniche di modellizzazione 1.1 Introduzione. In generale,
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica Terzo Appello del corso di Geometria e Algebra II Parte - Docente F. Flamini, Roma, 7/09/2007 SVOLGIMENTO COMPITO III APPELLO
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliLEZIONI DI STATISTICA
ez10 l GIOVANNI GIRONE Ordinario nell'università di Bari TOMMASO SALVEMINI Ordinario nel!' Università di Roma LEZIONI DI STATISTICA Volume Secondo CACUCCI EDITORE - BARI - 1992 CENTRO " G. ASTENGO» INVENTARIO
DettagliSommario. Capitolo 1 Impiego della statistica per la gestione dell azienda 1. Capitolo 2 Disponibilità e produzione delle informazioni statistiche 19
Prefazione XI Capitolo 1 Impiego della statistica per la gestione dell azienda 1 1.1 Premessa 1 1.2 Il ruolo della statistica a supporto del processo decisionale del manager 3 1.3 L impiego della statistica
Dettagli(a cura di Francesca Godioli)
lezione n. 12 (a cura di Francesca Godioli) Ad ogni categoria della variabile qualitativa si può assegnare un valore numerico che viene chiamato SCORE. Passare dalla variabile qualitativa X2 a dei valori
DettagliGeneral Linear Model. Esercizio
Esercizio General Linear Model Una delle molteplici applicazioni del General Linear Model è la Trend Surface Analysis. Questa tecnica cerca di individuare, in un modello di superficie, quale tendenza segue
DettagliIntroduzione all analisi dei segnali digitali.
Introduzione all analisi dei segnali digitali. Lezioni per il corso di Laboratorio di Fisica IV Isidoro Ferrante A.A. 2001/2002 1 Segnali analogici Si dice segnale la variazione di una qualsiasi grandezza
DettagliPIANO DI LAVORO ANNUALE
PIANO DI LAVORO ANNUALE ISTITUTO: liceo scienze applicate liceo classico X Itc I.Enogastronomia/ospitalità Liceo artistico Scuola media annessa INSEGNANTE: MONICA BIANCHI MATERIA DI INSEGNAMENTO: MATEMATICA
DettagliSoluzione di equazioni quadratiche
Soluzione di equazioni quadratiche Soluzione sulla Retta Algebrica Inseriamo sulla Retta Algebrica le seguenti espressioni polinomiali x e x 3 e cerchiamo di individuare i valori di x per i quali i punti
DettagliEsercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test
STATISTICA (2) ESERCITAZIONE 6 05.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Verifica di ipotesi sulla media (varianza nota), p-value del test Il preside della scuola elementare XYZ sospetta che
DettagliRendering air show e verifica della sincronizzazione
Capitolo 5 Rendering air show e verifica della sincronizzazione 5.1 Introduzione Il Rendering 3D dell evoluzioni acrobatiche costituisce uno degli aspetti cruciali dell applicazione realizzata. L ambiente
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliMetodi Computazionali
Metodi Computazionali Elisabetta Fersini fersini@disco.unimib.it A.A. 2009/2010 Catene di Markov Applicazioni: Fisica dinamica dei sistemi Web simulazione del comportamento utente Biologia evoluzione delle
DettagliPotenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1
Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliIl coefficiente di correlazione di Spearman per ranghi
Il coefficiente di correlazione di Spearman per ranghi Questo indice di correlazione non parametrico viene indicato con r s o Spearman rho e permette di valutare la forza del rapporto tra due variabili
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliGestione della Sicurezza Informatica
Gestione della Sicurezza Informatica La sicurezza informatica è composta da un organizzativinsieme di misure di tipo: tecnologico o normativo La politica di sicurezza si concretizza nella stesura di un
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliChe cosa e come valutano le prove di matematica e con quali risultati. nell A.S. 2008 2009
Che cosa e come valutano le prove di matematica e con quali risultati nell A.S. 2008 2009 Presentazione a cura di Roberta Michelini Casalpusterlengo, 8 gennaio 2010 http://www.invalsi.it/esamidistato0809/
DettagliALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio.
ALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio. Per una migliore caratterizzazione del bacino idrologico dell area di studio, sono state acquisite
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliRelazioni tra variabili
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea in Medicina e Chirurgia - A.A. 009-10 Scuole di specializzazione in: Medicina Legale, Medicina del Lavoro, Igiene e Medicina
DettagliPolitecnico di Torino. Esercitazioni di Protezione idraulica del territorio
Politecnico di Torino Esercitazioni di Protezione idraulica del territorio a.a. 2012-2013 ESERCITAZIONE 1 VALUTAZIONE DELLA RARITÀ DI UN EVENTO PLUVIOMETRICO ECCEZIONALE 1. Determinazione del periodo di
DettagliCollegamento a terra degli impianti elettrici
Collegamento a terra degli impianti elettrici E noto che il passaggio di corrente nel corpo umano provoca dei danni che possono essere irreversibili se il contatto dura troppo a lungo. Studi medici approfonditi
DettagliISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI PROGRAMMAZIONE ANNUALE ANNO SCOLASTICO 2014 /2015
ISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI PROGRAMMAZIONE ANNUALE ANNO SCOLASTICO 2014 /2015 A047 MATEMATICA CLASSE PRIMA PROFESSIONALE DOCENTI : CARAFFI ALESSANDRA, CORREGGI MARIA GRAZIA, FAZIO ANGELA,
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliC) DIAGRAMMA A SETTORI
C) DIAGRAMMA A SETTORI Procedura: Determinare la percentuale per ciascuna categoria Convertire i valori percentuali in gradi d angolo Disegnare un cerchio e tracciare i settori Contrassegnare i settori
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
DettagliLE CARTE DI CONTROLLO (4)
LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale
DettagliSequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione
Sequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione presentato in questo file trova la seq. a costo minimo per
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
Dettagli0.6 Filtro di smoothing Gaussiano
2 Figura 7: Filtro trapezoidale passa basso. In questo filtro l rappresenta la frequenza di taglio ed l, l rappresenta un intervallo della frequenza con variazione lineare di H, utile ad evitare le brusche
DettagliIntroduzione alla teoria dei database relazionali. Come progettare un database
Introduzione alla teoria dei database relazionali Come progettare un database La struttura delle relazioni Dopo la prima fase di individuazione concettuale delle entità e degli attributi è necessario passare
DettagliRICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007
RICERCA OPERATIVA GRUPPO B prova scritta del 22 marzo 2007 Rispondere alle seguenti domande marcando a penna la lettera corrispondente alla risposta ritenuta corretta (una sola tra quelle riportate). Se
DettagliAnalisi della performance temporale della rete
Analisi della performance temporale della rete In questo documento viene analizzato l andamento nel tempo della performance della rete di promotori. Alcune indicazioni per la lettura di questo documento:
DettagliControlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.
Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:
DettagliImmagini binarie. Binarizzazione di immagini a livelli di grigio
Immagini binarie Binarizzazione di immagini a livelli di grigio Immagini binarie In molti casi gli le scene di interesse conducono ad immagini che possono essere considerate binarie, cioè contenenti nel
DettagliIntroduzione alle relazioni multivariate. Introduzione alle relazioni multivariate
Introduzione alle relazioni multivariate Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili
DettagliLe classificazioni dei costi
L analisi dei costi. Le classificazioni dei costi rilevanti per il controllo di gestione 1 Le classificazioni dei costi In base alle caratteristiche fisiche ed economiche dei fattori (natura) In base all
Dettagli6.1. Risultati simulazioni termovalorizzatore Osmannoro2000
pag. 217 6. Risultati Di seguito si riportano i risultati relativi alle diverse simulazioni di diffusione atmosferica degli inquinanti effettuate. In particolare sono riportati i risultati sotto forma
DettagliCorso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti
Corso di Analisi Numerica - AN1 Parte 2: metodi diretti per sistemi lineari Roberto Ferretti Richiami sulle norme e sui sistemi lineari Il Metodo di Eliminazione di Gauss Il Metodo di Eliminazione con
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
DettagliLaboratorio di Didattica dell analisi: Analisi a priori sulla funzione valore assoluto
Laboratorio di Didattica dell analisi: Analisi a priori sulla funzione valore assoluto Sissis Palermo, 14 Novembre 2007 Prof. Spagnolo Nadia Giovino - (nadiagiovino@libero.it) Giovanni Lo Iacono - (gi.loiacono@virgilio.it)
DettagliPROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO
PROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO L indagine si è svolta nel periodo dal 26 agosto al 16 settembre 2014 con l obiettivo di conoscere l opinione dei residenti
DettagliEsempi di funzione. Scheda Tre
Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it A.Studio dell interdipendenza tra variabili: riepilogo Concetto relativo allo studio delle relazioni tra
DettagliDistributed P2P Data Mining. Autore: Elia Gaglio (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo
Distributed P2P Data Mining Autore: (matricola n 809477) Corso di Sistemi Distribuiti Prof.ssa Simonetta Balsamo A.A. 2005/2006 Il settore del Data Mining Distribuito (DDM): Data Mining: cuore del processo
DettagliLezione 4. Controllo di gestione. Il controllo direzionale
Lezione 4 Il controllo direzionale Sistema di pianificazione e controllo PIANIFICAZIONE STRATEGICA PIANO 1 2 OBIETTIVI OBIETTIVI ATTIVITA 3 DI LUNGO PERIODO DI BREVE PERIODO OPERATIVA 5 BUDGET FEED-BACK
DettagliRiassunto 24 Parole chiave 24 Commenti e curiosità 25 Esercizi 27 Appendice
cap 0 Romane - def_layout 1 12/06/12 07.51 Pagina V Prefazione xiii Capitolo 1 Nozioni introduttive 1 1.1 Introduzione 1 1.2 Cenni storici sullo sviluppo della Statistica 2 1.3 La Statistica nelle scienze
DettagliALLEGATO D ANALISI STATISTICA DEI DATI METEOROLOGICI
PROVINCIA AUTONOMA DI TRENTO AGENZIA PROVINCIALE PER LA PROTEZIONE DELL'AMBIENTE U.O. Tutela dell aria ed agenti fisici PIANO PROVINCIALE DI TUTELA DELLA QUALITÀ DELL ARIA ALLEGATO D ANALISI STATISTICA
DettagliUniversità di L Aquila Facoltà di Biotecnologie Agro-alimentari
RIFERIMENTI Università di L Aquila Facoltà di Biotecnologie Agro-alimentari Esame di Laboratorio di informatica e statistica Parte 3 (versione 1.0) Il riferimento permette di identificare univocamente
DettagliStrumenti e metodi per la redazione della carta del pericolo da fenomeni torrentizi
Versione 2.0 Strumenti e metodi per la redazione della carta del pericolo da fenomeni torrentizi Corso anno 2011 E. MANUALE UTILIZZO HAZARD MAPPER Il programma Hazard Mapper è stato realizzato per redarre,
Dettaglierrore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento
Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within) modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore: y = μ ik 0 +π i +α k + ik ε ik interazione
Dettagli