{ } t. w si intende. , ciascuna delle quali dipende da. Una sequenza di distribuzioni di probabilità ( f ( w,, w ; θ)

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "{ } t. w si intende. , ciascuna delle quali dipende da. Una sequenza di distribuzioni di probabilità ( f ( w,, w ; θ)"

Transcript

1 8-Ecoomera, a.a. -3 Capolo 8 8- Il meodo della Massma Verosmglaza 8- Proprea` asoche degl smaor ML 8-3 Tes sulle poes: Il es d Wald, l es LM, l es LR e l es boosrap 8-4 Esemp 8-5 Appedce: La sasca LM e la sua dsrbuzoe asoca 8-6 Appedce: Effceza degl smaor d Massma Verosmglaza 8-7 Appedce: La fuzoe Log-verosmglaza coceraa 8- Il meodo della Massma Verosmglaza Il meodo della massma verosmglaza è u meodo d sma ulzzable preseza d modell paramerc, dove per modello paramerco per u processo { } Ua sequeza d dsrbuzo d probablà ( f ( w,, w ; u paramero veorale (o oo e dpedee da. Termologa e ua prma poes: Sa { w } =,, { } w s ede, cascua delle qual dpede da l processo delle osservazo d u processo w co modello paramerco ( f ( w,, w ; (oare che e` sao omesso l dce della dsrbuzoe f ; La fuzoe (della varable defa da L( ; w,, w = f( w,, w; dces fuzoe d verosmglaza (del processo fo; S assumerà sempre che da a dsposzoe soo sa geera da u processo la cu dsrbuzoe è caraerzzaa da u solo ( sosaza c è ua sola sruura del modello che ha geerao da dspobl e qud l modello e` correamee specfcao. Se l processo è del po { = ( y, } scrvere ella forma w x (co eveualmee mulvaraa l modello s può f( y, x,, y, x ; = g( y,, y ; ϕ( x,, x h( x,, x ; ψ (. e allora g( y,, y; ϕ( x,, x è u uovo modello (spesso pù semplce d quello orgaro, che s drà modello codzoao. Evdeemee se l eresse e` rvolo al solo paramero ϕ( e` opporuo cosderare solao l modello codzoao. Come gà segalao alre crcosaze, ua qualuque buoa procedura d sma, deve forre uo smaore che coverga probablà verso l paramero o oo. Nauralmee uleror propreà dello smaore coseoo d affroare problem d fereza. y

2 8-Ecoomera, a.a. -3 Rappreseazoe della fuzoe verosmglaza per modell ecoomerc codzoa. Se {, } y x e` u processo e e` u fssao ero, la fuzoe d verosmglaza ha la seguee rappreseazoe: Per da cross-seco: L( ; y = L( ; y x = f( y,, y ; x,, x = f( y ; x = f ( y ; essedo le varabl del processo dpede; Per me-seres: = = L(; y = f( y ; x, y, x,, y, x f( y ; x = f ( y ;. = S o che queso caso la fuzoe d verosmglaza o e` cosrua araverso la dsrbuzoe codzoaa; per quesa ragoe alvola e` deomaa fuzoe d verosmglaza parzale. S o che ella oazoe della fuzoe d verosmglaza o è evdezaa la sua dpedeza dalle varabl eorc. x (che pero` o e` rrlevae almeo ella prova rgorosa de rsula Defzoe Sa L(; y la fuzoe d verosmglaza d u modello relava al processo delle osservazo { y },, =. Dces sma ML (Maxmum Lkelhood o d Massma Verosmglaza per l paramero fuzoe L(; y, l puo d massmo ˆ = ˆ( y (spesso fuzoe ache d x,, x della, se esse ed è uco. D ora az L(; y = f( y; e` la fuzoe d verosmglaza codzoaa (o parzale d u processo {, } y x. = Osservazoe: La sma d massma verosmglaza ˆ = ˆ( y (se esse è ache puo d massmo della fuzoe obevo Q( = Q(; y = log L(; y = l(; y, = avedo poso l ( ; y = log f ( y ;.

3 8-Ecoomera, a.a. -3 I poes d regolarà (che qu o sarao esplcae ma geeralmee valde elle applcazo della fuzoe L(; y, la sma ML è ache l suo uco puo sazoaro e duque ˆ è (l uca soluzoe dell equazoe Q( l = (; y =. = Talvola la fuzoe obevo, co la precedee sruura, o e` l logarmo della fuzoe d verosmglaza, pero` e` grado d forre ua buoa sma del paramero. I al caso la sma dces QML (Quas Maxmum Lkelhood. U semplce esempo d sma QML e` la sma OLS de paramer d u modello d regressoe leare co error o ormal. ( La sma ML (o QML è geeralmee soluzoe d ua equazoe o leare; ua usuale procedura (ma o è l uca per dvduarla è l meodo d Newo (oppure l meodo Quas- Newo che ulzza l gradee ( ( Q ( S =, spesso deomao score, la marce hessaa ( k ( ( S ( Q ( H = = e la procedura erava ( k k [ ] = H + ( S ( k. k k k 8- Proprea` asoche degl smaor ML I queso capolo, solao alcue poes sarao formulae esplcamee e sarao rodoe quado se e presea la ecessà; quelle d caraere ecco sarao omesse. Per rago d semplca` spesso s ulzza acora l smbolo per deoare l paramero vero op (coe` l uco paramero che defca la sruura (o DGP che ha geerao da e s fa rfermeo a modell per me-seres (o c e` alcua dffcolà agguva ad adaare rsula oeu al caso d da del po cross-seco. Ife s segala che rsula qu presea s rferscoo solao alle sme ML; per le sme QML la valdà delle propreà asoche va verfcaa d vola vola. E aurale che le buoe propreà asoche d ˆ sao cosegueza delle propreà della fuzoe obevo e d quelle del processo. I parcolare, per la cosseza dello smaore, appare ragoevole che debbao ecessaramee susssere le segue codzo (cfr. 4.3 per ua suazoe del uo smle. Codzo d defcablà: S verfca faclmee che la sma OLS del paramero β del modello y = x β + u s oee mmzzado la fuzoe obevo cosrua ell poes che { u} d...(, σ. 3

4 8-Ecoomera, a.a. -3 Q ( ; y coverge probablà verso qualche fuzoe Q (, che dpede solao da (codzoe che fa pesare alla valdà d qualche legge de grad umer, che d cosegueza dovrà essere valda per l processo delle osservazo; (valore vero del paramero è l uco puo d massmo d Q (. Pu` precsamee s prova che se l processo {, } y x e` sazoaro ed ergodco, soo uleror poes d caraere ecco, soo valde le codzo d defcabla` e, dode modo sadard segue la cosseza dello smaore ML. Rappreseazoe e propreà della fuzoe score e della marce hessaa S assume ulerormee che sao valde le poes che coseoo l passaggo della dervaa soo l sego d egrale (e parcolare che l supporo delle dsrbuzo o dpede dal paramero, allora S ( = l ( ; y = s ( ; y e [ ] essedo = = s(; y = l(; y = f(; y f (; y E( s ( ; y = ; H ( = h( ; y, = [ ] [ ] e h( ; y = [ s ( ; y ] = [ l ( ; y ] fa [ ] E( s(; y = s(; y f( y; dy = f( y; dy = f( y; dy = R R R 3 ( var( s ( ; y = E( s ( ; y s ( ; y = E( h( ; y ; Ifa dalla segue e qud l assero. 4 Il processo { s (; y } = E( s( ; y = s( ; y f( y; dy = R = R h( ; y f ( y ; dy + s ( ; y s ( ; y f ( y ; dy R = E( h( ; y + E( s ( ; y s ( ; y è ua dffereza margala; (segue dalla, o appea s osserva che da s (; y = [ log f( y y,, y ; ] s ha E( s( ; y = E( s( ; y y, y,. 5 S( = s ( ; y N( ;Avar [ S ( ], [ ] = d = Avar S ( = plm E( s ( ; y s( ; y, la marce I( = plm E( s( ; y s( ; y dces marce d formazoe d Fsher ; ( k k = 4

5 8-Ecoomera, a.a. -3 la propreà segue da qualche versoe del eorema del lme cerale valdo per dffereze margale o ecessaramee sreamee sazoare (oare che l processo { s (; y } o essere sreamee sazoaro. Asoca ormalà degl smaor d Massma Verosmglaza Iao per porebbe S (; ˆ y = ; olre dalla formula d Taylor d puo zale (valore vero del paramero s ha: (* = S (; ˆ y = S (; y + H (; y( ˆ co appareee al segmeo cogugee ˆ e. ˆ s ha S assume che la marce H ( e` verble, avedo poso H( = plm H ( plm h( ; y plm E( h( ; y = = = =. ( Osservazoe: Susssoo le segue due propreà: H ( ; y H( ; p segue da p H( = h( ; y H( e = p. H ( ; y è verble per suffceemee grade; segue dalla precedee e dall verbla` della fuzoe H (. Proposzoe (asoca ormalà d ˆ : ( 3 S ha co Avar( ˆ H( = Avar( S ( H(. ( ( ˆ = H (, y S ( ; N(,Avar( ˆ y, Dmosrazoe: Segue faclmee da (* ulzzado la propreà 5 e la precedee osservazoe. L asoca ormalà d d porà essere ulzzaa problem d fereza (cosruzoe d es su poes o d sme d ervallo se è dspoble ua sma cossee della varaza asoca d ˆ. A al fe è ule la seguee ˆ L esseza del lme probablà segue dalla sazoareà ed ergodcà del processo { y }, e da uleror poes che qu o soo sae rese esplce, che soo sae rassue soo la dzoe d poes d regolarà e che soo valde elle usual applcazo. 3 S osserv che ella prova hao u ruolo fodameale le propreà da a 5 d Q ( e qud la crcosaza che Q ( e` l logarmo della fuzoe d verosmglaza. Per le sme QML, o e` deo che per couo a Q ( valere le sesse propreà, pero` o e` escluso che qualche modo s possa provare l asoca ormala` dello smaore. 5

6 8-Ecoomera, a.a. -3 Proposzoe: Per gl smaor d massma verosmglaza susssoo le segue I( = H( ; Avar( ˆ = H( = I( Dmosrazoe: La segue faclmee dalla propreà 3, mere la segue dalla rappreseazoe d Avar( ˆ e dalla. Quao provao fora, cosee d proporre var smaor cosse d Avar( ˆ : 3 ˆ Avar( ( ˆ H = h ; y =, (smaore Hessaa emprca; ˆ Avar( E( ( ˆ; ( ˆ IM = s y s ; y, (smaore Marce formazoe; = ˆ Avar( ( ˆ; ( ˆ BHHH = s y s ; y, (smaore d Berd-Hall-Hall-Hausma o OPG = (Ouer-Produc-of-he-Grade; 4 ˆ ˆ ˆ ˆ Avar( (; (; (; (; ˆ S = h y s y s y h y = = =, (smaore Sadwch. Osservazoe: Lo smaore Sadwch deve essere ulzzao quado c soo ser dubb sulla correa specfcazoe del modello, e perao quado c e` l sospeo che lo smaore possa essere del po QML. Prma d chudere l paragrafo, s rassumoo le prcpal propreà degl smaor ML poes d regolarà: Cosseza; Asoca ormalà; Asoca effceza, ella classe degl smaor asocamee corre e - cosse (per ua prova, el caso cu l paramero e` udmesoale, ved l appedce 8.6 Ivaraza rspeo a rasformazo verbl (la prova o o presea alcua dffcola`. 8-3 Tes sulle poes: Il es d Wald, l es LM, l es LR e l es boosrap Queso paragrafo o presea parcolar ovà rspeo a quao gà oo; s preseao fa re es (co valdà asoca la cu cosruzoe o e` molo dversa da quella preseaa alr coes, la cu caraersca comue e` quella che lo smaore e` u puo d mmo d ua op 6

7 8-Ecoomera, a.a. -3 opporua fuzoe obevo. Qu soo descre le re sasche che modo sadard coseoo la cosruzoe d es su poes (lear o o lear che comuque hao ua valdà` asoca. Sa Q( = l( ; y la fuzoe obevo, che cosee d dvduare la sma ML (o = QML del paramero e s assume che susssao le usual poes d regolarà (che garascoo l asoca ormalà dello smaore, sa olre assegaa la seguee poes H H k ( : r( = : r(, l co r : Ω R regolare, l k (essedo Ω R lo spazo de paramer e sa l l rago della marce r ( ( = R(. Sa fe ˆ (rsp. la sma ML del modello o rsreo (rsp. del ( l k modello rsreo. La sasca d Wald: Iao per l eorema del δ meodo, ( ˆ d r( r( N(,Avar( r( ˆ co dove è r R( = ( ( l k Avar( r( ˆ = R( Avar( ˆ R (,. Allora la sasca d Wald per l poes H e` che (se H W = r ( ˆ R( ˆAvar( ˆ R( ˆ r( ˆ, e` vera coverge dsrbuzoe verso ua χ l. La sasca LM: E` defa come la dsaza pesaa da, dello score della fuzoe obevo calcolao ella sma del modello rdoo. Deoao allora co la sma d massma verosmglaza del modello rdoo (duque l puo sazoaro d L ( λ, = Q ( + r( λ s ha LM Q ( Q ( Σ dove = ( k k Σ = s(; y s(; y oppure = Σ = h(; y ; = LM χ l d ell poes H. Per la prova ved l appedce 8-5. Osservazoe: La sasca LM = s( ; y s( ; y s( ; y s( ; y = = = (qu è saa ulzzaa la prma rappreseazoe d Σ e` uguale a ESS (la somma de quadra de valor 7

8 8-Ecoomera, a.a. -3 prevs ella regressoe del modello auslaro essedo ι ι = s(; y β+ resd, l veore le cu coordae soo ue ugual ad. (Per la verfca e` suffcee far ι X { s(; y } rfermeo = Xβ +resd co la marce delle osservazo d del precedee modello e osservare che s ha X ι = s(; y. = (versoe marcale La sasca LR: I queso caso s cofroao valor della fuzoe obevo elle sme del modello o rdoo e d quello rdoo, pu` precsamee s cosdera la sasca ˆ ˆ f ( y; ( ( ( log ( log( ( ; ˆ LR = Q Q = = f y log( f ( y; f ( ; y, ( 4 per la quale s ha d se H è vera (la prova o è saa rporaa. LR χ l Osservazoe: Le re sasche o solo covergoo alla sessa dsrbuzoe ell poes, ma hao la H sessa dsrbuzoe asoca quado l poes H pur essedo falsa o e` molo dsae da essa (e perao re es, co lo sesso lvello d sgfcavà, hao sosazalmee la sessa probablà d errore del secodo po. I rsula segala per re es hao solao valdà` asoca; per campo f o è deo che ess dao rsula vc. Davdso e Macko suggerscoo d ulzzare l meodo boosrap (paramerco, essedo modell compleamee specfca quado s rlevao dffereze sosazal. Il es boosrap: Iao s osserva che precede es, ulzzao le dsrbuzo asoche degl smaor e geeralmee le propreà fe de al smaor o soo dspobl. S comprede allora l ula` d ulzzare ache l meodo del boosrap (olre ad uo de precede ella cosruzoe d es su poes; u dfferee rsulao porebbe essere causao dalla bassa dmesoe del campoe. S rchama brevemee la procedura, che sosazalmee rproduce quella ga` descra 3-7. Sa l paramero sul quale e` formulaa l poes e sa T la sasca che s vorra` ulzzare per la cosruzoe del es. 4 I sofware ecoomerc qualuque procedura d sma (OLS, NLS, SLS,. hao ell oupu Log-lkelhood =. Esso o e` alro che log( f( y; ˆ = Q ˆ (, co f ( y; cosrua assumedo che gl error abbao dsrbuzoe ormale. 8

9 8-Ecoomera, a.a. -3 S sma l modello rdoo (assumedo qud che l poes H sa vera e sa la sma d ; sa olre ˆ τ l valore della sasca T (per l cu calcolo porebbe essere ecessaro smare ache l modello o rdoo el campoe a dsposzoe; S geerao B campo boosrap (d lughezza ulzzado l DGP caraerzzao dal paramero e sa ( j j,, τ = B la sequeza de valor della sasca T ess; Il p-valore e` la frazoe degl dc j per qual s ha τ j > τ. 8-4 Esemp op S cosderao alcu semplc modell paramerc e s cosrusce la fuzoe obevo l cu uco puo sazoaro e la sma ML de paramer. Solao el prmo caso s rovera` ua rappreseazoe esplca della sma ML e delle sue caraersche (varaza asoca o marce d formazoe d Fsher, e la sua sma. I sofware ecoomerc, che ulzzao meod umerc per dvduare la sma ML, rchedoo l geerco addedo della fuzoe obevo, valor zal de paramer per avvare la procedura erava e preferblmee ache la rappreseazoe aalca dello score (le dervae parzal del geerco addedo; se quese ulme macao ulzzao loro sosuzoe le dervae umerche. Esempo (modello d regressoe leare co error ormal Sa { y, x } sa assegao l modello u processo..d. e y = x β + e d...(, σ. S passa a cosrure lo smaore d Massma Verosmglaza per l paramero = β (, σ ' Cosruzoe della fuzoe obevo Poso w = ( y, x s ha e qud ( y x β l( ; w = log f( y x; = log exp πσ σ ( y x β = log( π log( σ σ L( β, σ ; y x = exp / xβ π σ σ = ( ( ( y ( y x β β β y x. (, σ = log L(, σ ; = log( π log( σ + = σ Q 9

10 8-Ecoomera, a.a. -3 dode Cosruzoe dello smaore d ML S ha: Q β ˆ = y xx = x e ˆ σ = Q x( y xβ = = β = σ = Q = σ = ( y x β σ = x β. ˆ = ( y ˆ u = = = E ule osservare che gl smaor ML della coppa (, σ β soo gl smaor de mm quadra (l secodo a meo d ua cosae molplcava. E queso u caso, come d alrode è sao gà segalao, cu ache preseza d ua o correa specfcazoe (la dsrbuzoe degl error o è ormale gl smaor hao comuque acora buoe propreà. Iolre le propreà fe d ques smaor soo ga` sae segalae (cfr. -, perao l seguee puo ha solo valore ddaco. La marce formazoe d Fsher e la varaza asoca dello smaore Poso u = y x β, s ha x u σ s ( w; =, + u 4 σ σ (l calcolo della marce hessaa è sao omesso quao qu o è d alcua ulà e da ques ulma s oee faclmee xx σ E( s ( w; s( w; = E( ( ; ( ; s w s w x =. 4 σ La semplce rappreseazoe della varaza (codzoaa d ( ; s w, cosee d scrvere mmedaamee la marce d formazoe asoca d Fsher e la sma della varaza asoca d ˆ ˆ = ( β, ˆ σ ; fa s ha p lm σ xx = I( β, σ = 4 σ e ˆ ˆ σ xx = Avar( β, ˆ σ = =...., 4 ˆ σ dode ache l asoca dpedeza degl smaor ˆβ e ˆ σ.

11 8-Ecoomera, a.a. -3 Osservazoe: S deve segalare che ello svolgmeo dell eserczo (come d alrode capa frequeemee quado s ulzza l meodo ML come meodo d sma o c s è sofferma sulla verfca della valdà delle vare poes (defcablà, regolarà della fuzoe dsrbuzoe,. Esempo (Sma d massma verosmglaza modell d regressoe leare co error AR( ( 5 S cosdera l modello paramerco Osservazoe: y = x β + u, u ρu +, <, = ρ d...(, σ. Se s rascura la prma osservazoe (eveualmee ache alre se ra repressor c soo rard d y l modello può essere scro ella forma y y ρ, d...(, σ,, = ρ + xβ x β + che sosazalmee o dffersce da quello cosderao eserczo. S osserva mmedaamee che la sma d massma verosmglaza β e ρ cocde esaamee co la sma NLS. Nauralmee la procedura ML forsce maggor formazo sugl smaor, parcolare la dsrbuzoe asoca della era ˆ ( β, ˆ ρ, ˆ σ. Alcue semplc cosderazo coseoo d ulzzare ache la prma osservazoe ella procedura d sma del modello co l meodo della Massma Verosmglaza. ( 6 Qu d seguo soo preseae due dffere procedure. Iao la fuzoe dsrbuzoe per l modello codzoao (a x è perao, per s ha f ( y,, y = f( y y,, y f( y y f( y, l( β, ρ, σ ; y = log f( y y, x, x ; β, ρ, σ = = + log π log σ ( y ρy xβ ρx β, σ mere per =, l uca formazoe dspoble su y (proveee dal modello d regressoe leare è co u ( N (, σ /( ρ ({ } x β, y = + u u e` u processo AR( co error ormal e allora e` sreamee 5 La procedura qu preseaa può essere ulzzaa per la sma de modell d regressoe co error AR(p (e parcolare per modell AR(p. 6 Nel capolo 7 e` sao ulzzao l meodo FGLS per la sma del modello seza l poes d ormala` degl error, l quale ulzza ue le osservazo, ma rchede la srea esogeea` de repressor.

12 8-Ecoomera, a.a. -3 sazoaro e og varable del processo ha dsrbuzoe ormale co meda ulla e varaza σ /( ρ e qud ρ l y f y y. ( β, ρσ, ; ( = log ( x; β, ρσ, = log π logσ + log( ρ ( xβ σ I defva la fuzoe obevo è Q ( ρ ( y ( y ρy. σ x β + x β + ρ x β = ( β, ρσ, = log π logσ + log( ρ Il uovo erme che appare ella fuzoe obevo, ha u ruolo mporae ella procedura d sma, quao obblga la soluzoe ˆρ ad essere era all ervallo [, ]. S osserva che + ρ σ y N( xβ u,, perao ella fuzoe d verosmglaza c sarà ache u che porà essere erpreao come u paramero o oo e d cosegueza l meodo della massma verosmglaza forra` ache la sua sma (olre auralmee a quella d β, ρ e σ. Esempo 3 (Sma d u modello ( duque e { } AR p : Sa { } = α + α + + αp p +, { } y y y y u processo AR( p co error ormal, e d...(, σ, y l processo delle osservazo. Poso α = ( α, α,, α p, s ha L( ; y,, y f( y y,, y f( y y,, y f( y,, y, α = p+ p p Al fe d oeere ua sua rappreseazoe fuzoe de paramer o o, s osserva che per > p s ha f( y y,, y exp ( y y y = α p α α πσ σ p p, mere f ( yp,, y s scrve faclmee osservado che ( yp,, y ha dsrbuzoe mulvaraa ormale co meda μ = α /( α α e marce d covaraza che s oee rsolvedo l y p ssema che dvdua le codzo zal dell equazoe d Yule-Walker (ved 5-6, pag. 3. Evdeemee per mmzzare la fuzoe L( α ; y,, y s dovrao ulzzare meod umerc. Se pero` dalla precedee rappreseazoe s elma l ulmo faore (s cosdera coe` la fuzoe d verosmglaza codzoaa alle prme presea alcu problema; ale mmo evdeemee cocde co p osservazo allora la rcerca del mmo o αˆ OLS. S prova faclmee che

13 8-Ecoomera, a.a. -3 deo smaore (quello oeuo ulzzado la fuzoe d verosmglaza codzoaa e` asocamee equvalee allo smaore d massma verosmglaza. Le formazo sulla sua dsrbuzoe asoca, pu` precsamee sulla varaza asoca, soo prese pu` ava el eorema. Esempo 4 (Sma de modell MA( q : Iao s segala che gl argome che sarao ulzza rmagoo vald, co semplc adaame, ache preseza d process ARMA( p, q. Per redere l esposzoe pu` semplce s fa rfermeo al caso cu e` q = e duque al processo y = + co { } β β d...(, σ e β <. y Se { } e` l processo delle osservazo, la corrspodee fuzoe d verosmglaza s scrve mmedaamee o appea s osserva che (,, y y ha dsrbuzoe mulvaraa ormale co meda βι e marce d covaraza + β β. + β ( β + β Σ = σ ( Per la rcerca del puo d massmo c soo problem d po umerco quao ella ( rappreseazoe della fuzoe d verosmglaza e` presee l versa della marce Σ. E` dspoble ua procedura alerava relavamee pu` semplce, che s prova forre uo smaore asocamee equvalee al precedee. S cosdera la fuzoe d verosmglaza codzoaa a { y < q} (essedo l processo verble la sgma algebra geeraa da { y q} equvalee a quella geeraa da { q} e` < e s pogoo ugual al valore medo le osservazo o dspobl, e duque y = β per o equvaleemee = per ; allora s ha (s assume β = e s poe β = β y =, y = β y, y = β = β( y + βy = ( βy + β y,, dode e qud y β βy β y β y,. = = ( f( y { ys s } = exp ( y + βy + β y + + β y πσ σ L( β = f( y,, y = =... = =.... Ua ulerore procedura, che po e` quella ulzzaa e sofware ecoomerc ulzza flr d 3

14 8-Ecoomera, a.a. -3 Kalma per cosrure l logarmo della fuzoe d verosmglaza e auralmee meod umerc per cosrure la sma. Il seguee eorema, del quale o e` rporaa la dmosrazoe, forsce le propreà asoche d al smaor. Teorema : Sa { y } u processo ARMA( p, q, sazoaro, verble e seza radc comu, e α α β β y = y + + py p q d...(, σ, β =,, { } ua sua rappreseazoe. Poso ( = α, β = ( α,, αp, β,, β q e cosderaa la sma d massma verosmglaza procedure, allora ˆ cosrua co u campoe d lughezza (e co ua qualuque delle precede d ˆ N I ( (, (, co I ( = σ Γ pq., essedo Γαα Γαβ Γ pq. = d orde ; Γ Γ p+ q βα ββ Γ αα e` la marce d covaraza (d orde p del processo AR( p α α, Y = Y + + py p + Γ ββ e` la marce d covaraza (d orde q del processo AR( q Z + β Z + + Z z =, q q Γ αβ e` la marce d cross-covaraza (d orde p q de due process { y } e { z } suo geerco elemeo e` = E( y z per =,, p e j =,, q. γ j ++ j +, e duque l 8-5 Appedce: La sasca LM e la sua dsrbuzoe asoca S segalao pu sale della prova d quao affermao 8-3 sulla dsrbuzoe asoca della sasca LM; auralmee s fa rfermeo alla suazoe d quel paragrafo. k e` l uca elemeo d R che soddsfa l ssema S( + R( λ = ; r( = r( = R( ( + o p ( (e` suffcee adaare la prova del eorema del dela meodo; Dalla formula d Taylor S( = S( + H( ( + op ( segue che la sequeza ( S( coverge dsrbuzoe verso qualche varable aleaora; v Dalla e dalla prma equazoe segue che ache λ coverge dsrbuzoe 4

15 8-Ecoomera, a.a. -3 (poché la marce R( ha rago massmo r ; v R( λ = R( λ + ( R( R( λ = R( λ + o ( v Sosuedo, e v s ha p ; H( R( ( S( = op ( R( + ; λ v Ulzzado la rappreseazoe della marce versa d ua marce a blocch s ha λ = R( H ( R( R( H ( S ( + o ( p v Dalla v segue la covergeza dsrbuzoe d λ verso ua ormale; x Defa come sasca LM la dsaza pesaa d λ da, s vede faclmee che cocde co la dsaza pesaa d asoca (essedo Avar( S ( = plm H ( ( = H( S ( da e s sablsce mmedaamee la sua dsrbuzoe s ha 8-6 Appedce: Effceza degl smaor d Massma Verosmglaza Avar( ( ( ( λ = R H R. ( ( Sa Q( = log L (, y = l(, y = l (, y la fuzoe obevo, l cu puo = sazoaro ˆ poes d regolara`. e` la sma d massma verosmglaza d, e s suppoga che susssao le usual Defzoe : Uo smaore ( che dpede da op y (puo` dpedere ache da alre varabl se la fuzoe d verosmglaza e` ua dsrbuzoe codzoaa o parzale dces asocamee correo se essedo ( E( ( paramero; e duque Proposzoe : Sa p y = -lme ( ( ( ( y la meda rspeo alla dsrbuzoe L (, y, co valore vero del ( ( e` asocamee correo, ( ( p-lm L (, ( d = y y y. R uo smaore d e s suppoga che ( e` - cossee e sa Allora ( Avar( = p la sua varaza asoca. ( ( Avar( - lm var ( e` maggore (o uguale a quella dello smaore d massma verosmglaza. I queso seso lo smaore d massma verosmglaza e` asocamee effcee. 5

16 8-Ecoomera, a.a. -3 Dmosrazoe: Iao co u calcolo dreo s prova la seguee uguaglaza ( ( L (, y ( l (, y = L (, y. j Ora dervado la j- esma uguaglaza rspeo a (le poes d regolara` coseoo lo scambo della dervaa sa co l lme che co l egrale, s ha l (, y p-lm L (, ( y dy = δ R ( ( ( y j j j dode (essedo ( l (, y E =, cfr. 8- p l (, y = δ j. ( ( -lme ( j ( y j S cosdera solao l caso cu ( = ha dmesoe ; l caso geerale presea maggor dffcolà`. S ha l = p-lm E ( ( -lm E E ( ( ( ( (, y ( l (, y ( y p y ( l (, y ( = p-lme p-lme ( ( ( y, (el secodo passo e` saa ulzzaa la dsuguaglaza d Schwarz, dode la varaza asoca dello smaore ( ( y, che qu s sa assumedo - cossee, e` maggore della varaza j asoca dello smaore d massma verosmglaza. 9-7 Appedce: La fuzoe Log-verosmglaza coceraa op Sa l(, y = l (, y l logarmo della fuzoe d verosmglaza d u modello = correamee specfcao e per l quale soo valde le usual poes d regolara`. Sa olre = (, e s assume che l equazoe l(, y Dl (, y = =, sa ucamee rsoluble rspeo a per og. Poso allora precedee equazoe, sussse l dea` Dl(, τ (, y, y = (per og. = τ (, y l uca soluzoe della 6

17 8-Ecoomera, a.a. -3 Defzoe : La fuzoe c l (, y = l(, τ (, y, y dces fuzoe d log-verosmglaza coceraa (rspeo a. Proposzoe : Se c e` u puo sazoaro d l (, y, poso =τ (, y, s ha (, e` (l uco puo sazoaro d l(, y, (e qud (, e` lo smaore d d massma verosmglaza; breve ˆ = (,. Dmosrazoe: Essedo c [ ] τ [ ] s ha [ ] Dl (, y = Dl (, (, y, y + Dl (, τ(, y, y Dτ (, y [ Dl] = (, τ (, y, y Dl (, τ (, y, y =. = =. Perao Dl(, ( Dl (,, Dl (, Osservazoe: Aalogo rsulao sussse se s fa rfermeo a pu d massmo puoso che a pu sazoar. A queso puo s poe l problema del calcolo della sma della varaza asoca d ˆ. c Calcolo della Marce Hessaa della fuzoe ( ˆ : l Dalla dervado rspeo a s ha Dl(, y = Dl(, τ(, y, y + Dl(, τ(, y, y Dτ(, y, c 3 mere dalla dervado rspeo a s ha 4 Dl τ Dl τ Dτ (, (, y, y + (, (, y, y (, y =. Dalle ulme due uguaglaza elmado Dτ (, y s ha (s omeoo ache gl argome c 5 [ ] Dl(, y = Dl DlDl Dl. Calcolo della sma della varaza asoca d ˆ (co lo smaore Hessaa emprca: E` oo che la sma della varaza asoca d ˆ e` H ˆ ( essedo ˆ Dl Dl D l(, y =. E allora la sma d e` (a pare l coeffcee Dl Dl ˆ ˆ H ( ( ˆ, = Dl y e l prmo blocco della marce versa d D l( ˆ, y che e` esaamee c Dl (, y (cfr. 9-, lemma. S e` cos` provao che la sma della varaza asoca d ˆ puo` essere calcolaa co la fuzoe d log- 7

18 8-Ecoomera, a.a. -3 verosmglaza coceraa quado s ulzza Osservazoe: La fuzoe log-verosmglaza coceraa o e` del po meda emprca (come quella orgara quao l suo -esmo addedo dpede dal veore delle osservazo y e o solao da asoca. y, perao o puo` essere ulzzaa per cosrure le alre sme della varaza op 8

Capitolo 5. ii) Errori eteroschedastici ed eventualmente correlati (cioè

Capitolo 5. ii) Errori eteroschedastici ed eventualmente correlati (cioè Capolo 5 5- Il meodo GLS (per campo f 5- Il meodo (asoco FGLS (Feasble Geeralzed Leas Square 5-3 Sma de modell lear co error AR(; Lo smaore d Pras-Wse 5-4 Il meodo d Cochrae-Orcu 5-5 Appedce: Il es d Whe

Dettagli

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0) Massm e Mm Fuzo d pù varabl Massm e Mm Dezoe: Sa z = (, ) ua uzoe deta u seme E U puto (, E s dce puto d massmo (rsp mmo) relatvo per (, ) se esste δ > tale che ((, ) B((, ), δ ) E (, ) (, ) (rsp (, )

Dettagli

Regime di capitalizzazione composta

Regime di capitalizzazione composta Regme d capalzzazoe composa Se s deposa baca, all zo dell ao, ua somma d 000 ad u asso auale uaro =0,05 oppure r=5%, dopo ao ale somma frua u eresse par a I = = 000 0,05 = 50 che aggugedos al capale zale

Dettagli

LA FUNZIONE DI VEROSIMIGLIANZA

LA FUNZIONE DI VEROSIMIGLIANZA A FUNZIONE DI VEROSIMIGIANZA HA UN RUOO IMPORTANTE NEA PROCEDURE DI INFERENZA STATISTICA COME: ) METODO DI COSTRUZIONE DI STIMATORI (IN SITUAZIONI COMPESSE) ) METODO DI INDIVIDUAZIONE DI TEST UNIFORMEMENTE

Dettagli

Lezione 3 Proprietà statistiche degli stimatori OLS - 1. Anche in questo capitolo si considera il modello di regressione lineare.

Lezione 3 Proprietà statistiche degli stimatori OLS - 1. Anche in questo capitolo si considera il modello di regressione lineare. Lezioe 3 Proprieà saisiche degli simaori OLS - Ache i queso capiolo si cosidera il modello di regressioe lieare y x β + u co E( u Ω ) 0, x appariee a Ω per,,, e si assume che sia assegao il processo (fiio)

Dettagli

NOTA Gli operatori lineari fra spazi a dimensione finita sono tutti continui, nel senso che, se A è

NOTA Gli operatori lineari fra spazi a dimensione finita sono tutti continui, nel senso che, se A è Operaor lear ell ambo degl spaz d fzo grade mporaza praca hao gl operaor lear Ad esempo, la dervazoe è operaore leare che, applcao ad a fzoe, dà come rslao alra fzoe; l egrazoe defa è ach essa operaore

Dettagli

Un introduzione ai sistemi dinamici stocastici con variabili latenti

Un introduzione ai sistemi dinamici stocastici con variabili latenti esearch Paper Seres N 3 6 U roduzoe a ssem damc socasc co varabl lae Alo Wedl DEAMS Uversà d rese esearch Paper Seres Dparmeo d Sceze Ecoomche Azedal Maemache e Sasche Bruo de Fe Pazzale Europa 347 rese

Dettagli

Interesse e Sconto. Università degli Studi di Catania Facoltà di Economia D.E.M.Q.

Interesse e Sconto. Università degli Studi di Catania Facoltà di Economia D.E.M.Q. Ieresse e Scoo Uversà degl Sud d Caaa Facolà d Ecooma D.E.M.Q. Ieresse x Ieresse y (x y) empo Capalzzazoe: Capale Impego Moae M I Ieresse : I M - C; M C + I; F + ; I C (F ) C C (usualmee M > 0 I >-C, I

Dettagli

1 La chain rule per funzioni poco regolari

1 La chain rule per funzioni poco regolari 1 La cha rule per fuzo poco regolar Voglamo dmosrare ua formula della caea cha rule per ua composzoe del po f x dove f : R R è regolare, az d classe C, ma x [,T ] è ua fuzoe o ecessaramee dfferezable e

Dettagli

Istogrammi e confronto con la distribuzione normale

Istogrammi e confronto con la distribuzione normale Istogramm e cofroto co la dstrbuzoe ormale Suppoamo d effettuare per volte la msurazoe della stessa gradezza elle stesse codzo (es. la massa d u oggetto, la tesoe d ua pla, la lughezza d u oggetto, ecc.):

Dettagli

Modellazione statistica: approccio parametrico e non parametrico

Modellazione statistica: approccio parametrico e non parametrico Modellazoe sasca: approcco paramerco e o paramerco. La modellazoe socasca Uo degl obev prcpal che u aalsa s prefgge d raggugere è quello d poer fare prevsoe su ua cera varable d'eresse. È fodameale, al

Dettagli

Esercitazione 6 del corso di Statistica (parte 1)

Esercitazione 6 del corso di Statistica (parte 1) Eserctazoe del corso d Statstca parte Dott.ssa aola Costat 8 Marzo 0 Eserczo S ha motvo d rteere che u uovo farmaco A abba la propretà d abbassare l lvello d glcema el sague. I cascuo de pazet dabetc osservat,

Dettagli

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d;

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d; ESERCIZIO 5. Sa (X, X,, X ) u campoe casuale geerato da ua v.c. X f(x; θ) per la quale è oto che E(X) θ e Var(X). S cosdero 3 stmator d θ: X ; X ; ( ) X 3 a) s determ se soo corrett; b) per quell o corrett,

Dettagli

ESERCIZI DI STATISTICA

ESERCIZI DI STATISTICA ESERCIZI DI STATISTICA Soluzo degl esercz sugl stmator putual. A cura d Nazareo Maro Soluzoe dell'eserczo. Trovamo, come prmo passo, la fuzoe d verosmglaza che è: L( f(x, {

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 26 Febbrao 200 Dott. Mrko Bevlacqua ESERCIZIO Cosderado le class d altezza 60 6; 6 70; 70 78; 78 86 per u collettvo d 20 persoe, s può affermare che l ALTEZZA dpede

Dettagli

MEDIA DI Y (ALTEZZA):

MEDIA DI Y (ALTEZZA): Uverstà d Casso Eserctazo d Statstca del 4 Marzo 0 Dott. Mrko Bevlacqua ESERCIZIO Su u collettvo d dvdu soo stat rlevat caratter X Peso( kg) e Altezza ( cm) otteamo la seguete dstrbuzoe d frequeza coguta:

Dettagli

Fatica con sollecitazioni ad ampiezza variabile

Fatica con sollecitazioni ad ampiezza variabile Comporameo meccaco de maerla Faca co sollecazo ad ampezza varable Faca de maeral Faca co sollecazo ad ampezza varable Iroduzoe, cumulav d sollecazoe Daeggameo: regola d Palmgre Mer Meodo d coeggo: meodo

Dettagli

STIMA DI MODELLI DI SOPRAVVIVENZA PARAMETRICI

STIMA DI MODELLI DI SOPRAVVIVENZA PARAMETRICI IMA I MOEI I OPRAVVIVENZA PARAMERICI ma moell soravvvea aramerc usce er more e alra causa Moell soravvvea aramerc co comoe regressoe ma moell soravvvea aramerc usce er more e er alra causa IMA I MOEI I

Dettagli

Struttura del Segnale (1/3)

Struttura del Segnale (1/3) Sruura del Segale (1/3) Il segale deve rasporare u gra umero d da, per cu s ulzza la ecca della modulazoe co la quale l oda paa orgara (porae) vee modcaa co de codc bar ed ulzzaa come "vecolo" per l rasporo

Dettagli

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza Uverstà egl Stud d Bergamo Corso d laurea Igegera dle STATISTICA Stma d massma verosmglaza Sao,, varabl aleatore d Posso dpedet, cascua co valore atteso λ S determ lo stmatore d massma verosmglaza d λ

Dettagli

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione Artmetca 06/07 Esercz svolt classe Quarta lezoe Rcorreze o lear Sa a c a cq ua rcorreza dove {c }, c C e c 0. Sa P C[λ] l polomo caratterstco della rcorreza. Allora ua soluzoe partcolare della rcorreza

Dettagli

TEORIA DEI PROCESSI STOCASTICI

TEORIA DEI PROCESSI STOCASTICI Aoo Mao, maoao@lbero, wwwsascaoo TEORIA DEI PROCESSI STOCASTICI Geeralà de rocess socasc L ulzzo de rocess socasc derva dall esgeza d descrvere u feomeo aleaoro evoluzoe el emo S defsce rocesso socasco

Dettagli

Titoli obbligazionari (Bond) Tipi di titoli obbligazionari

Titoli obbligazionari (Bond) Tipi di titoli obbligazionari Tol obblgazoar Bod U obblgazoe è u olo d debo emesso da ua soceà da uo sao o da u ee pubblco che dà dro al suo possessore al rmborso del capale presao alla scadeza e al pagameo d eress cedole. La emssoe

Dettagli

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione STIMA PARAMTRICA TST DLL IPOTSI L fereza Statstca rguarda affermazo crca I parametr d ua popolazoe sulla base della metodologa statstca e del calcolo delle probabltà Stma putuale Quado u parametro della

Dettagli

INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO. box. Scopo della modellazione black-box. Limitazioni dell approccio black-box

INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO. box. Scopo della modellazione black-box. Limitazioni dell approccio black-box IGEGEIA E TECOLOGIE DEI SISTEMI DI COTOLLO bo Prof. Carlo oss DEIS - Uversà d Bologa Tel: 05 09300 emal: cross@des.bo. Scopo della modellazoe black-bo S vole realzzare modello d ssema a parre dalla sola

Dettagli

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2 Cogome Numero d matrcola SECONDA PROVA INERMEDIA DI SAISICA CLEA 07 7-77-08 geao 00 Nome COMPIO C A f della valutazoe s terrà coto solo ed esclusvamete d quato rportato egl appost spaz. Al terme della

Dettagli

Matematica elementare art.1 di Raimondo Valeri

Matematica elementare art.1 di Raimondo Valeri Matematca elemetare art. d Ramodo Valer I questo artcolo voglamo provare che esste ua formula per calcolare l umero de dvsor d u dato umero aturale seza cooscere la scomposzoe fattor prm del umero stesso.

Dettagli

Esercitazione 5 del corso di Statistica (parte 1)

Esercitazione 5 del corso di Statistica (parte 1) Eserctazoe 5 del corso d Statstca (parte 1) Dott.ssa Paola Costat 8 Novembre 011 I alcue crcostaze s poe u maggor teresse sullo studo della varabltà tra le sgole utà statstche, puttosto che lo studo della

Dettagli

Variabilità = Informazione

Variabilità = Informazione Varabltà e formazoe Lo studo d u feomeo ha seso solo se esso s preseta co modaltà/testà varabl da u soggetto all altro. Ad esempo, se dobbamo studare l reddto ua certa regoe è ecessaro osservare utà statstche

Dettagli

0 per x / ( 1, ). i) (4 p) Trovare per quali valori di α la funzione f è una densità di probabilità (non si chiede di calcolare C α ).

0 per x / ( 1, ). i) (4 p) Trovare per quali valori di α la funzione f è una densità di probabilità (non si chiede di calcolare C α ). Corsi di Probabilià, Saisica e Processi socasici per Ig dell Auomazioe, Iformaica e If Ges Azieda /5/ Esercizio U sisema di preallarme su u velivolo segala ua A allarme oppure ua N o allarme ogi dieci

Dettagli

Dipartimento di Meccanica Politecnico di Torino

Dipartimento di Meccanica Politecnico di Torino (ε) (F) (ε) (F) FATICA CO SOLLECITAZIOI AD AMPIEZZA VARIABILE Sora reale o! Meod d coeggo Sora a blocch, a, m 2, a2, m2 3, a3, m3 B: s perde l effeo della sueza de ccl ampezza varable a (o ) Cumulav d

Dettagli

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo.

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo. È molto raro che u compoete meccaco sa sollectato a fatca da u carco cclco ad ampezza costate. Geeralmete sa l ampezza che l valore medo della sollectazoe soo varabl el tempo. max a a max m m m m Tempo

Dettagli

Modelli Parametrici RICONOSCIMENTO DI FORME. Metodi Parametrici per la Classificazione Supervisionata

Modelli Parametrici RICONOSCIMENTO DI FORME. Metodi Parametrici per la Classificazione Supervisionata Modell Paramerc RICONOSCIMENTO DI FORME Meod Paramerc per la Classfcazoe Supervsoaa I meod paramerc soo quell dove s coosce, o s pozza, u modello paramerco per le x/ω. Esempo: modello Gaussao moodmesoale

Dettagli

Lezione 24. Campi finiti.

Lezione 24. Campi finiti. Lezoe 4 Prerequst: Lezo 0,,, 3 Rfermet a test: [FdG] Sezoe 86; [H] Sezoe 79; [PC] Sezoe 63; Cam ft Nelle lezo recedet abbamo vsto dvers esem d cam ft: ess erao tutt del to oure [ x ]/( f ( x )), dove f

Dettagli

Variazione approssimata del valore attuale

Variazione approssimata del valore attuale arazoe approssmaa del valore auale Fabo Bell 0 Abbamo vso le prcpal propreà della durao e dvers mod d calcolarla var esemp, ra cu ol a cedola fssa. Roramo alla relazoe che lega la durao alla sesvà del

Dettagli

Soluzione degli esercizi del capitolo 11

Soluzione degli esercizi del capitolo 11 Statstca - metodooge per e sceze ecoomche e soca /e S Borra, A D Cacco - McGraw H s Souzoe deg esercz de captoo a rsposta esatta è a c, fatt daa s ha: da cu rcavamo a corretto Ifatt,,,,,,,,,,,,,,, b Sì,

Dettagli

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario Dpartmeto d Meccaca, Strutture, Ambete e Terrtoro UNIVERSITÀ DEGLI STUDI DI CASSINO Laurea Specalstca Igegera Meccaca: Modulo d Fsca Tecca Lezoe d: Dffereze fte per problem d coduzoe regme stazoaro /20

Dettagli

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 5 Febbrao 00. Dott. Mrko Bevlacqua ESERCIZIO N A partre dalla dstrbuzoe semplce del carattere peso rlevata su 0 studet del corso d Mcroecooma peso: { 4, 59, 65,

Dettagli

La seguente tabella mostra la distribuzione doppia rispetto al Numero di stanze (Y) e al Numero di componenti (X) di un collettivo di 104 famiglie.

La seguente tabella mostra la distribuzione doppia rispetto al Numero di stanze (Y) e al Numero di componenti (X) di un collettivo di 104 famiglie. Esercazoe IX: Le dsrbuzo doppe Eserczo La seguee abella mosra la dsrbuzoe doppa rspeo al Numero d saze (Y e al Numero d compoe (X d u collevo d 04 famgle. Numero Numero d saze compoe 4 Toale 0 6 4 8 0

Dettagli

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione? Prma dstrb. Secoda dstrb. Totale Meda 0 5 8 35 85 63 63/5 =3,6 5 5 38 40 45 63 63/5 =3,6 Due dstrbuzo, stessa meda ma quale delle due la meda rappreseta, stetzza meglo la stuazoe? Le mede stetzzao la dstrbuzoe,

Dettagli

Lezione 9. Moduli finitamente generati.

Lezione 9. Moduli finitamente generati. Lezoe 9 Moul faee geera. Rchaao prelaree u porae eucao ell algebra leare. Propozoe 9. Sa K u capo e a C c )... a) la arce C è verble e e olo e e C 0 ; b) l ea leare oogeeo ua arce a coeffce K. Allora c

Dettagli

2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica

2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica . FUNZIONE D ONDA OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gl srume della Meccaca Quasca Ssema d eresse cosderao come solao: aomo/molecola Cofgurazoe del ssema: seme de veor poszoe

Dettagli

Lezione 3. Gruppi risolubili.

Lezione 3. Gruppi risolubili. Lezoe 3 Prerequst: Lezo 1 2 Class d cougo e cetralzzat rupp rsolubl I questo captolo troducamo ua ozoe che come vedremo seguto fuge da raccordo tra la teora de grupp e la teora de camp Defzoe 31 Dato u

Dettagli

Lezione 4. La Variabilità. Lezione 4 1

Lezione 4. La Variabilità. Lezione 4 1 Lezoe 4 La Varabltà Lezoe 4 1 Defzoe U valore medo, comuque calcolato, o è suffcete a rappresetare l seme delle osservazo effettuate (o l seme de valor assut dalla varable statstca); è ecessaro qud affacare

Dettagli

Var iabili aleatorie continue

Var iabili aleatorie continue Var abl aleatore cotue Probabltà e Statstca I - Varabl aleatore cotue - a.a. 04/05 Per ua varable aleatora dscreta, la fuzoe massa d probabltà ) f f è tale che ( x ) ) a 3) x f :,..., ( x Defzoe { x, x,,

Dettagli

Lezioni di Teoria dei Sistemi. CdL in Ingegneria dell Ambiente e del Territorio (A.A. 2001/02. Bozze). Prof. Saverio Mascolo PARTE N. 1. y 1.

Lezioni di Teoria dei Sistemi. CdL in Ingegneria dell Ambiente e del Territorio (A.A. 2001/02. Bozze). Prof. Saverio Mascolo PARTE N. 1. y 1. Iroduzoe al Corso PARTE N. L obevo del corso d Teora de Ssem è quello d forre u seme d srume e meod maemac d caraere geerale e asrao per l aals del comporameo damco d ssem compless. Per ssema s ede u qualsas

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 La Legge de Grad Numer Cosderata ua sere d prove rpetute co p par alla probabltà d successo ua sgola prova, l rapporto tra l umero d success K ed l umero d prove tede a p quado tede ad fto: K P p ε per

Dettagli

Lezione 13. Anelli ed ideali.

Lezione 13. Anelli ed ideali. Lezoe 3 Prerequst: Aell e sottoaell. Sottogrupp. Rfermet a test: [FdG] Sezoe 5.2; [H] Sezoe 3.4; [PC] Sezoe 4.2 Aell ed deal. Rcordamo la seguete defzoe, data el corso d Algebra : Defzoe 3. S dce aello

Dettagli

I percentili e i quartili

I percentili e i quartili I percetl e quartl I percetl soo quelle modaltà che dvdoo la dstrbuzoe ceto part d uguale umerostà. I quartl soo quelle modaltà che dvdoo la dstrbuzoe quattro part d uguale umerostà. Il prmo quartle Q

Dettagli

Si definisce prodotto di A e B la matrice data da:

Si definisce prodotto di A e B la matrice data da: MRICI Ua matrce Mat(m,) è ua tabella ordata d umer dspost m rghe ed coloe. Idchamo co aj l'elemeto d posto j che può essere reale o complesso. Operazo d matrc: ) (α)j α aj α C 2) (+ B)j aj + bj Propretà

Dettagli

Descrizione quantomeccanica di un insieme di spin: LA MATRICE DENSITÀ

Descrizione quantomeccanica di un insieme di spin: LA MATRICE DENSITÀ Desrzoe quatomeaa d u seme d sp: LA MATRICE DENITÀ Il valore d aspettazoe d ua gradezza fsa rappresetata dall operatore O su u sstema ello stato Ψ è: O Ψ OΨdτ Ψ O Ψ e s a u umero elevato d sstem (u seme

Dettagli

Regressione e Correlazione

Regressione e Correlazione Regressoe e Correlazoe Probabltà e Statstca - Aals della Regressoe - a.a. 4/5 L aals della regressoe è ua tecca statstca per modellare e vestgare le relazo tra due (o pù) varabl. Nella tavola è rportata

Dettagli

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti e l fereza Popolazoe Campoe Da dat osservat medate scelta campoara s guge ad affermazo che rguardao la popolazoe da cu ess soo stat prescelt e l fereza S defsce campoameto u procedmeto attraverso l quale

Dettagli

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100) ESERCIZIO Il Moblty Maager d u azeda ha rlevato l umero d chlometr percors settmaalmete da 60 mpegat. I dat soo rportat ello schema successvo. 67 4 93 58 66 87 5 53 86 8 7 47 56 70 54 86 48 43 60 58 5

Dettagli

Variabili casuali ( ) 1 2 n

Variabili casuali ( ) 1 2 n Varabl casual &. Valore edo. Data ua varable casuale = ( x,x 2, K,x ) (.) cu valor assuoo le rspettve probabltà P = p,p, K,p (.2) s defsce valore edo la quattà ( ) 2 = [ ] T M = M = P = xp (.3) Sgfcato:

Dettagli

LEZIONI DI STATISTICA MEDICA

LEZIONI DI STATISTICA MEDICA LEZIONI DI STATISTICA MEDICA A.A. 00/0 - Idc d dspersoe Sezoe d Epdemologa & Statstca Medca Uverstà degl Stud d Veroa La dspersoe o varabltà è la secoda mportate caratterstca d ua dstrbuzoe d dat. Essa

Dettagli

Statistica descrittiva per l Estimo

Statistica descrittiva per l Estimo Statstca descrttva per l Estmo Paolo Rosato Dpartmeto d Igegera Cvle e Archtettura Pazzale Europa 1-34127 Treste. Itala Tel: +39-040-5583569. Fax: +39-040-55835 80 E-mal: paolo.rosato@da.uts.t 1 A cosa

Dettagli

Caso studio 12. Regressione. Esempio

Caso studio 12. Regressione. Esempio 6/4/7 Caso studo Per studare la curva d domada d u bee che sta per essere trodotto sul mercato, s rlevao dat rguardat l prezzo mposto e l umero d pezz vedut 7 put vedta plota, ell arco d ua settmaa. I

Dettagli

Il campionamento e l inferenza

Il campionamento e l inferenza e l fereza Popolazoe Campoe Da dat osservat medate scelta campoara s guge ad affermazo che rguardao la popolazoe da cu ess soo stat prescelt Uverstà d Macerata Facoltà d Sceze Poltche - Ao accademco Ao

Dettagli

Corso di Architettura (Prof. Scarano) 06/03/2002

Corso di Architettura (Prof. Scarano) 06/03/2002 Orgazzazoe della lezoe Lezoe Codfca della formazoe Vttoro Scarao Archtettura Corso d Laurea Iformatca Uverstà degl Stud d Salero La codfca della formazoe Notazoe poszoale Rappresetazoe base degl ter Coversoe

Dettagli

Previsione della domanda - contenuti di base -

Previsione della domanda - contenuti di base - Prevsoe della domada - coeu d base - Prof. Rccardo Mello rccardo.mello@umore. Uversà d Modea ad Reggo Emla Dparmeo d Igegera Ezo Ferrar va Vgolese 905, 400, Modea - Iala Gruppo d Rcerca: Impa Idusral Ig.

Dettagli

7 STIMATORI DI REGRESSIONE LINEARE 7.1 INTRODUZIONE

7 STIMATORI DI REGRESSIONE LINEARE 7.1 INTRODUZIONE 7 STIMATORI I REGRESSIOE LIEARE 7. ITROUZIOE Co l terme stmator d regressoe leare s dca u'ampa classe d stmator, che comprede ache gl stmator rapporto, utlzzabl quado s dspoe d u'formazoe auslara rappresetata

Dettagli

Esercitazioni di Calcolo delle Probabilità (16/12/2011) Soluzioni

Esercitazioni di Calcolo delle Probabilità (16/12/2011) Soluzioni Eserctazo d Calcolo delle Probabltà (16/1/011) Soluzo Eserczo 1 1. S trov l valore del parametro θ per cu la tabella seguete defsce la fuzoe d probabltà d ua v.c. udmesoale X e la s rappreset grafcamete.

Dettagli

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in Le mede Italo Nofro LE MEDIE Le mede (o valor med) soo dc d tedeza cetrale e costtuscoo u modo semplce ed mmedato per stetzzare u solo valore dat eterogee raccolt u collettvo Statstca medca Le mede Le

Dettagli

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Uverstà d Macerata Facoltà d Sceze Poltche - Ao accademco 01-013013 Gl dc d varabltà Crsta Davo Gl dc stetc Qualche cosderazoe Tedeza cetrale Varabltà La scelta dell dce d tedeza cetrale/poszoe dpede dal

Dettagli

Quale retta? La retta migliore è quella che più si avvicina all insieme dei 115

Quale retta? La retta migliore è quella che più si avvicina all insieme dei 115 Quale retta? Quale retta? Questa? Oppure questa? Questa certamete o! 0 1 0 1 La retta mglore è quella che pù s avvca all seme de 115 put corrspodet alle coppe d valor (x, y ). Per la stma de parametr s

Dettagli

La media aritmetica. La sua individuazione si basa sulla logica della trasferibilità di un carattere. Se la funzione f( ) corrisponde alla somma:

La media aritmetica. La sua individuazione si basa sulla logica della trasferibilità di un carattere. Se la funzione f( ) corrisponde alla somma: La meda artmetca La sua dvduazoe s basa sulla logca della trasferbltà d u carattere. ( ) = ( µ µ ) f,, f,, volte Se la fuzoe f( ) corrspode alla somma: + + + = µ + µ + + µ volte + + + = µ µ X= = La meda

Dettagli

DI IDROLOGIA TECNICA PARTE II

DI IDROLOGIA TECNICA PARTE II FACOLTA DI INGEGNERIA Laurea Specalstca Igegera Cvle NO Guseppe T Aroca CORSO DI IDROLOGIA TECNICA PARTE II Aals e prevsoe statstca delle varabl drologche Lezoe X: Scelta d u modello probablstco Aals e

Dettagli

exp("# (al posto di n) var Ca Coefficiente di asimmetria, indipendente dal valore dei parametri. f X DISTRIBUZIONE EV1 o DI GUMBEL.

exp(# (al posto di n) var Ca Coefficiente di asimmetria, indipendente dal valore dei parametri. f X DISTRIBUZIONE EV1 o DI GUMBEL. DISTRIBUZIONE EV o DI GUMBEL. x x [ $ e ] exp[ e ] F x exp co: Sgfcato de parametr: f exp al posto d : Numero medo d evet dpedet [ 0,t], ad esempo u ao. / :Valore medo della gradezza dell eveto, esempo

Dettagli

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti Gorgo Lambert Pag. Dmostrazoe della Formula per la determazoe del umero d dvsor-test d prmaltà, d Gorgo Lambert Eugeo Amtrao aveva proposto l'dea d ua formula per calcolare l umero d dvsor d u umero, da

Dettagli

Modelli di accumulo del danno dovuto a carichi ciclici

Modelli di accumulo del danno dovuto a carichi ciclici Modell d accumulo del dao dovuto a carch cclc Modell d accumulo del dao dovuto a carch cclc È molto raro che u compoete meccaco sa sollectato a fatca da u carco cclco ad ampezza costate. Geeralmete sa

Dettagli

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione Corso d laurea Sceze Motore Corso d Statstca Docete: Dott.ssa Immacolata Scacarello Lezoe 9: Covaraza e correlazoe Altr tp d dpedeza L dce Ch-quadro presetato ella lezoe precedete stablsce l grado d dpedeza

Dettagli

Calcolo delle Probabilità: esercitazione 4

Calcolo delle Probabilità: esercitazione 4 Argometo: Probabltà classca Lbro d testo pag. 1-7 e 7-77 e varable casuale uforme dscreta NB: asscurars d cooscere le defzo, le propretà rchamate e le relatve dmostrazo quado ecessaro Eserczo 1 S cosder

Dettagli

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi Le mede Italo Nofro LE MEDIE Statstca medca Le mede (o valor med) soo dc d tedeza cetrale e costtuscoo u modo semplce ed mmedato per stetzzare u solo valore dat eterogee raccolt el collettvo oggetto d

Dettagli

NUMERI INDICI. Esempio: consideriamo la serie storica delle retribuzioni convenzionali INAIL dal 1994 al 1999 (migliaia di Lire)

NUMERI INDICI. Esempio: consideriamo la serie storica delle retribuzioni convenzionali INAIL dal 1994 al 1999 (migliaia di Lire) Corso d Sasca (caale A D) Do.ssa P. Vcard NUER NDC Nella lezoe abbamo vso la defzoe d u arcolare o d dsrbuzoe: la sere sorca. S arla d sere sorca quado l feomeo rlevao vara el emo e o samo eressa a cooscere

Dettagli

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza Soluzoe degl esercz sulla statstca descrttva e gl tervall d cofdeza. Il campoe casuale d tagla 35 ha meda 0.866 e medaa 0.6490. Il coeffcete d asmmetra rsulta essere.57, pertato samo preseza d ua asmmetra

Dettagli

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE PROVA SCRITTA DI STATISTICA (COD 08-07-7-77) Febbrao 00 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE ESERCIZIO (6 put) Da ua classfca del sto teret IBS rsulta che 0 flm pù vedut vdeocassetta

Dettagli

Propagazione di errori

Propagazione di errori Propagazoe d error Gl error e dat possoo essere amplfcat durate calcol. Rspetto alla propagazoe degl error s può dstguere: comportameto del problema - codzoameto del problema: vedere come le perturbazo

Dettagli

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE ANALISI DELLA REGRESSIONE L Aals della Regressoe rguarda lo studo delle relazo esstet fra o pù caratter quattatv o varal. La rcerca de lega esstet fra pù varal s poe coe rcerca delle relazo fuzoal che

Dettagli

DIPARTIMENTO DI ECONOMIA

DIPARTIMENTO DI ECONOMIA UNIVERSITÀ POLITECNICA DELLE MARCHE DIPARTIMENTO DI ECONOMIA LA VALUTAZIONE DELLE ATTIVITÀ DELLA PUBBLICA AMMINISTRAZIONE UNA RASSEGNA DI METODI GIUSEPPE RICCIARDO LAMONICA QUADERNI DI RICERCA 84 Gugo

Dettagli

Controlli Automatici A

Controlli Automatici A Cotroll Automatc A Cors d laurea treal Igegera Elettroca, Iformatca, Telecomucazo a.a. 200/2002 Docete: Prof. Aurelo Pazz Emal: aurelo@ce.upr.t http://www.ce.upr.t/people/pazz/ Cotroll Automatc A Prof.

Dettagli

Caso studio 10. Dipendenza in media. Esempio

Caso studio 10. Dipendenza in media. Esempio 09/03/06 Caso studo 0 S cosder la seguete dstrbuzoe degl occupat Itala secodo l umero d ore settmaal effettvamete lavorate e l settore d attvtà (cfr. Itala cfre, Ao 008, pag. 7 ): Ore lavorate Settore

Dettagli

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma Uverstà d Macerata Dpartmeto d Sceze Poltche, della Comucazoe e delle Relaz. Iterazoal Gl dc d varabltà Crsta Davo Gl dc stetc Qualche cosderazoe Tedeza cetrale Varabltà La scelta dell dce d tedeza cetrale/poszoe

Dettagli

Lezione 20. Campi numerici ed anelli di Dedekind.

Lezione 20. Campi numerici ed anelli di Dedekind. Lezoe 0 Prerequst: Lezo 9 Dom ad deal prcpal Camp umerc ed aell d Dedekd Defzoe 0 S dce campo umerco og estesoe fta d Q coteuta C Osservazoe 0 Essedo Q u campo perfetto (poché è d caratterstca 0 ved la

Dettagli

8 - STIMA MINIMI QUADRATI

8 - STIMA MINIMI QUADRATI 8 - SIMA MINIMI QUADRAI 8. Iroduzoe al prolea S surao odo dpedee re agol d u ragolo qualsas: α, α, α, oeedo le segue osservazo: α, α. α, Og sura α è ua esrazoe da ua varale casuale co eda α e varaza σ,

Dettagli

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV Uverstà degl Stud d Napol Partheope Facoltà d Sceze Motore a.a. 011/01 Statstca Lezoe IV E-mal: paolo.mazzocch@upartheope.t Webste: www.statmat.upartheope.t Fuzoe d regressoe Attraverso la fuzoe d regressoe

Dettagli

INDICI DI VARIABILITA

INDICI DI VARIABILITA INDICI DI VARIABILITA Defzoe d VARIABILITA': la varabltà s può defre come l'atttude d u carattere ad assumere dverse modaltà quattatve. La varabltà è la quattà d dspersoe presete e dat. Idc d varabltà

Dettagli

Algoritmi e Strutture Dati. Alberi Binari di Ricerca

Algoritmi e Strutture Dati. Alberi Binari di Ricerca Algortm e Strutture Dat Alber Bar d Rcerca Alber bar d rcerca Motvazo gestoe e rcerche grosse quattà d dat lste, array e alber o soo adeguat perché effcet tempo O) o spazo Esemp: Matemeto d archv DataBase)

Dettagli

Compito A1- Soluzioni

Compito A1- Soluzioni Compto A- Soluzo Eserczo (4 put) I ua dage statstca codotta presso 0 rstorat s soo raccolt dat rportat tabella, dove l sgfcato delle varabl è l seguete Spesa: Copert: Stelle: esa a persoa meda (escl. bevade)

Dettagli

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica).

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica). Regressoe leare Il terme regressoe fu trodotto da Fracs Galto (8-9), atropologo (promotore dell eugeetca). I u suo famoso studo (877-885), Galto scoprì che, sebbee c fosse ua tedeza de getor alt ad avere

Dettagli

FUNZIONI LOGICHE FORME CANONICHE SP E PS

FUNZIONI LOGICHE FORME CANONICHE SP E PS FUNZIONI LOGICHE FORME CANONICHE SP E PS Ua fuzoe logca può essere espressa quattro forme: 1. attraverso ua proposzoe logca; 2. attraverso ua tabella della vertà; 3. attraverso u espressoe algebrca; 4.

Dettagli

1-Econometria, a.a Breve introduzione

1-Econometria, a.a Breve introduzione -Ecoomeria, a.a. 0-. Breve iroduzioe Lezioe Breve Iroduzioe. L Ecoomeria e ua disciplia che uilizza i meodi saisici per dare risposa a problemi di aura ecoomica.. I dai ecoomici o soo di aura sperimeale.

Dettagli

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso La varabltà L utlzzo d ua meda permette d stetzzare effcacemete l formazoe coteuta ua dstrbuzoe statstca dal puto d vsta dell testà del carattere. Tuttava la stes può essere eccessva, el seso s possoo

Dettagli

Capitolo 6 Gli indici di variabilità

Capitolo 6 Gli indici di variabilità Captolo 6 Gl dc d varabltà ommaro. Itroduzoe. -. Il campo d varazoe. - 3. La dffereza terquartle. - 4. Gl scostamet med. -. La varaza, lo scarto quadratco medo e la devaza. - 6. Le dffereze mede. - 7.

Dettagli

Circuiti dinamici. Equazioni di stato. (versione del )

Circuiti dinamici. Equazioni di stato.   (versione del ) rcu amc Equazo sao www.e.g.ubo./pers/masr/aca.hm ersoe el 9-- elazo ra sao gress e rspose poes: crcuo amco leare o egeere o sao può essere rappreseao meae le eso u coesaor e le corre u gl uor o sao all

Dettagli

# $ % & # ' ( )&* ( + #

# $ % & # ' ( )&* ( + # ! " $ % & ' ( )&* (!" + '!!" - '! $%! %& $!!'% (!)'(. '! / 0 " "! '%%$34)*% $ % 5 g( E[ Y X ]) α + X β. * + 3 Y α + β X +... + β X + ε α + X β + ε p p E 8 [ Y X ] α + X β ( Y X ) E[ Y X ] )&*! ' - )(%'!

Dettagli

Teoria delle distribuzioni Parte quinta Limiti nel senso delle distribuzioni

Teoria delle distribuzioni Parte quinta Limiti nel senso delle distribuzioni ezioi di Maemaica e disribuzioi pare 5 Teoria delle disribuzioi Pare quia imii el seso delle disribuzioi operazioe di limie i seso disribuzioale Passiamo a raare, araverso ua serie di esempi precedui da

Dettagli

1 Matrici. 1. Generalità.

1 Matrici. 1. Generalità. rc.. Geerlà. D m e, umer er posv s dce mrce d m rghe e d coloe, o mrce d po ( m,, d eleme rel u seme d m umer rel ) ( =,,..., m;,,..., ) dspos secodo l seguee bell regolre Gl m umer rel Nell'elemeo = m

Dettagli

Integrazione numerica

Integrazione numerica Docee: Cludo Esco esco@usur. Iegrzoe umerc Lezoe s su ppu del pro. Mrco Gvo Iegrzoe umerc Iegrzoe umerc Formule d qudrur. Grdo d esezz. 3 Meodo de coece deerm. 4 Formule d qudrur erpolore. 5 Formule d

Dettagli