Un introduzione ai sistemi dinamici stocastici con variabili latenti

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Un introduzione ai sistemi dinamici stocastici con variabili latenti"

Transcript

1 esearch Paper Seres N 3 6 U roduzoe a ssem damc socasc co varabl lae Alo Wedl DEAMS Uversà d rese

2 esearch Paper Seres Dparmeo d Sceze Ecoomche Azedal Maemache e Sasche Bruo de Fe Pazzale Europa 347 rese el: Fax: hp://wwwdeamsus EU Edzo Uversà d rese Va EWess rese el Fax hp://euus eu@us ISBN:

3 esearch Paper Seres N 3 6 U roduzoe a ssem damc socasc co varabl lae Alo Wedl DEAMS Uversà d rese ABSAC Quesa oa s propoe d rodurre a process socasc parzalmee osservabl o ssem damc socasc co varabl lae al modell soo ampamee ulzza elle pù dverse dscple dall ecooma alla bologa L esposzoe è mraa ad u rapdo appredmeo degl aspe essezal rvado deagl dmosrav ad u secodo empo KEWODS: Modell damc socasc process d Marov varabl lae varabl osservabl problem d flraggo flro d Kalma flro d Woham Correspodg auhor: Alo Wedl DEAMS Uversà d rese alowedl@deamsus

4 Iroduzoe C samo propos d rodurre l leore (pcamee uo sudee uversaro de cors d laurea Maemaca Fsca Igegera Sasca Ecooma all argomeo de ssem damc socasc co varabl lae che rova orama ampe applcazo u camp sopra ca e alr acora S rchede al leore d aver seguo almeo u corso d Calcolo delle probablà e process socasc; le coosceze rchese s possoo comuque acqusre per esempo su es d G Grmme e D Srzaer o d AN Shryayev dca ferme bblografc S è scelo per alleggerre la raazoe d dmosrare solo alcu de rsula presea e d rvare per le dmosrazo e gl approfodme ad alre fo S è prefero ssere su alcue esemplfcazo allo scopo d forre char pu d rfermeo per u prmo avvcameo al ema Sulla ozoe d ssema damco socasco Dal puo d vsa maemaco u ssema damco è rappreseao da ua coppa d ogge ( S γ ove S { s} deoa l seme delle possbl deermazo o sa d u ssema (fsco chmco bologco ecoomco e γ dca u applcazoe o rasformazoe d S se sesso Il pù delle vole gl sa s soo umer real e le rasformazo γ soo fuzo coue e lmae delle varabl d sao Ssema damco deermsco a empo dscreo Se s S è lo sao zale al empo al empo lo sao sarà s γ ( s ; al empo lo sao sarà s γ ( s γ [ γ ( s ] che s dca co γ ( s e così va L eresse prcpale rguarda l comporameo del ssema al crescere del empo coè lo sudo dell evoluzoe o raeora d s γ( s γ ( s al crescere d S osserv che oo lo sao zale s del ssema la sua evoluzoe fuura è ua raeora d po deermsco seza essu elemeo d cerezza U semplce esempo el caso S e foro dalla rasformazoeγ ( s a s co a ; la raeora del ssema e descra dalla s γ ( s a s a s e l po d adameo al crescere d rsula deermao dal valore del coeffcee a e parcolare dal fao che sa a < oppure a 4

5 Ssema damco co sao zale cero Se vece lo sao zale o è oo co precsoe o lo sarao eache gl sa successv e l cerezza eresserà l era raeora Occorre allora rappreseare lo spazo degl sa medae uo spazo d probablà ( S Α P ove Α dca ua σ algebra d soosem d S e P dca ua msura d probablà su Α che esprme la osra coosceza parzale della suazoe coceree lo sao zale S La rasformazoe γ deve allora essere assua Α - msurable per cu è γ ( A { s S: γ( s A} A A A Idcao lo sao zale o oo e qud aleaoro del ssema co S gl sa successv S γ ( S S γ( S γ ( S sarao u aleaor e cosuscoo l processo socasco (a valor real se S { S ; } che esprme l evoluzoe del ssema el empo (o la sua raeora aleaora La maggor pare de ssem damc suda rguarda quell per qual l processo socasco { S ; } è sazoaro seso sreo coè quell le cu dsrbuzo cogue fe dmesoal soo vara rspeo a raslazo rgde del paramero operavo; scela coè arbraramee ua sequeza A A A m d sem d Α dev essere: m m Pr S A Pr j j Sj+ A j j j per og ero m og sequeza ( m e og ero per cu j + Z + S dmosra che sussse ua fore coessoe ra la codzoe d sazoarea seso S e la proprea della msura P descra dalla codzoe sreo per { } ; P( A P( γ A per og Α Α I leeraura l ulma codzoe per P e dea varaza d P rspeo a γ U seme Α Α e deo varae rspeo a γ se soddsfa la A γ A ; s prova che al sem formao ua soo σ algebra I d Α Ife la msura P varae rspeo a γ e dea ergodca se per og eveo A varae coe ale che A I e P ( A oppure P ( A Possamo eucare a queso puo l celebre eorema ergodco d G Brhoff: se S e lo sao zale aleaoro del ssema e la probabla P e varae rspeo γ cosderao l processo socasco a valor real { S γ ( S ; } sussse al dvergere d la h γ h+ ( S qc E ( S I 5

6 e se la msura d probabla e ergodca allora E ( S E( fuzoe egrable defa S allora S I Iolre se f e ua h [ f ( I] h qc f [ γ ( S ] E S e se P e ergodca s ha ache E [ f S ] E[ f ( ] I ( S Sosazalmee l eorema ergodco e ua legge fore de grad umer per process sazoar; osservamo che l eorema d B de Fe per process scambabl (u caso parcolare d sazoareà dmosrao el 98 cosusce ua caso parcolare del eorema d Brhoff ed corrspode eve vara d I soo quell l cu valore logco o vara rspeo a permuazo fe e arbrare degl argome Ssema damco socasco I quao deo fora l cerezza el ssema damco ( γ S rguardava solao lo sao zale e la probabla P esprmeva ua coosceza parzale su d esso Puo ervere pero ua secoda foe d cerezza: la rasformazoe γ azcche essere oa co cerezza puo essere u elemeo o oo d u seme Γ d applcazo d S S U eveuale coosceza parzale puo essere espressa da ua msura d probabla Q defa su ua qualche σ algebra d soosem d Γ I prm a suggerre quesa geeralzzazoe della ozoe d ssema damco furoo S Ulam e J vo Neuma u arcolo del 945 dal olo adom Ergodc heorems Defremo allora u ssema damco socasco come ua era d eleme ( S Γ Q de qual l prmo è lo spazo degl sa S { s} l secodo è u seme d applcazo d S S l erzo è ua msura d probablà su ua σ algebra d soosem d Γ Se l ssema è a empo dscreo e lo sao d pareza al empo è oo essere s la prma raszoe s S γ ( s è effeuaa dall applcazoe γ Γ scela base alla probablà Q : l rsulao S e aleaoro La secoda raszoe S S γ ( S è effeuaa da u applcazoe γ Γ eveualmee dversa da γ scela sempre base a Q e dpedeemee dalla prma scela Charamee S e aleaoro E così va: la sequeza { S S } cosusce u processo socasco che ha valor real se S E mporae sooleare che le successve applcazo d Γ soo muuamee dpede ed hao la sessa dsrbuzoe Q Se ache lo sao zale e goo le fo d cerezza soo due e s dovra far ervere ache la probabla P olre alla Q Il ssema damco dovrebbe vere qud S Α P Γ Β Q cu le rappreseao come ua coppa d spaz d probabla {( ( } 6

7 rasformazo d Γ agscoo sullo spazo degl sa S S dmosra che l processo socasco S e ua caea d Marov { } S U prmo esempo d ssema damco socasco a empo dscreo è foro dall equazoe alle dffereze socasca X ax + ε X x x soo assue essere cosa oe e ove { } ove a e ε ; è u processo socasco Gaussao co varabl d e caraerzzao da prm due mome E( ε e Var( ε σε ale modello socasco è oo leeraura come modello auoregressvo del prmo orde (A( breve Ovvamee queso esempo gl sa d S da X po soo aleaor e cosuscoo l processo socasco geerao dal modello; olre la ε ; dsrbuzoe d probablà Q cocde co le dsrbuzo del processo { } U secodo esempo d ssema damco socasco quesa vola a empo couo è foro dall equazoe dfferezale socasca dx ( a X ( d + dw ( X ( N( σ ove a > e ove { W ( ; } è u processo d Weer sadardzzao coè co Var [ W ( ] ; s assume olre che sa X( W ( per og ale modello socasco è ua versoe della equazoe d Lagev ed l processo soluzoe { (} deo processo d Orse Uhlebec (se σ el qual caso { X (} è sazoaro /a X è I eramb gl esemp le rasformazo d Γ soo socasche e descre dalle suddee equazo mere le msure d probablà che dchamo co Q e Q soo deermae da process d rumore { ε } e { W (} L obevo prcpale è lo sudo dell evoluzoe delle varabl d sao h X a x a ε + e h h ( ( a a( s + ( X X e e dw s che rsulao dalla rsoluzoe delle suddee equazo socasche Eramb process socasc { } { (} X e X soo process d Marov a empo dscreo e rspevamee couo Le corrspode desà codzoae d raszoe soo espresse rspevamee dalle: ( ( ; σ p x x N ax ε p s x y N xe ; ( a [ e ] a( s a( s + e ( 7

8 Il collegameo formale ra quese desà d raszoe e le probablà Q su Γ è espresso dalle segue uguaglaze: ( [ γ γ ] Pr X A X x p x x dx Q Γ: ( x A e A { X A X s x} p ( s x y dy Q [ γ Γ γ x A] Pr ( ( : ( A A queso proposo u mporae problema geerale rguarda la possbla d rappreseare ua caea d Marov co seme degl sa S e avee fssae probablà o desà d raszoe medae ua composzoe d rasformazo aleaore apparee ad ua fssaa famgla Γ del po preseao precedeza: alr erm s raa d dvduare ua msura d probablà Q su ua σ algebra Β d Γ ale da realzzare le suddee uguaglaze I geerale quado ua ale composzoe esse essa o è uca E oo l seguee rsulao: Proposzoe : se l seme degl sa S d ua fssaa caea d Marov a empo dscreo è u sooseme d uo spazo merco separable e compleo (Polsh space allora per og P x A p( x y dy co x S e Α Α della caea famgla d fuzo d raszoe ( esse ua msura d probablà Q su Β per la quale è PxA ( Q{ γ : γ( x A} A Γ Per u prmo sudo de ssem damc socasc s cosgla la moografa roduva d Bhaacharya e M Majumdar adom dyamcal sysems: a revew del 4 e reperble ree Per approfodme uleror s possoo vedere sequeza crescee d complessà es d AN Shryayev d Kfer e d L Arold ca ferme bblografc I parcolare l eso d L Arold geeralzza la raazoe d Kfer sosuedo alla scela casuale delle applcazo d Γ codzo d dpedeza e uguale dsrbuzoe quella pu geerale d scela codzoe d sazoarea 3 Ssem damc co varabl lae S e vso che le equazo socasche alle dffereze fe e dfferezal rappreseao modell damc socasc I mole applcazo le varabl d sao X o soo osservabl e s possoo osservare solao loro rasformazo aleaore : s parla allora d varabl d { X ; } sao lae S afferma ache che l processo socasco veorale ( parzalmee osservable e 8

9 Qud l modello probablsco olre all equazoe damca delle varabl d sao coee ua secoda equazoe che defsce le varabl osservabl erm delle varabl lae X e d u eveuale rumore aleaoro o perurbazoe aleaora o osservable Il prmo semplce esempo d ssema damco co varabl lae che preseamo o e pero d queso po: esso e cosuo da ua sequeza d varabl d sao X o osservabl cosuee ua caea d Marov co u umero fo M d sa M caraerzzaa da ua dsrbuzoe zale ν e da ua marce d { } raszoe [ ] P p j e da u secodo processo osservable cosuo da varabl codzoaamee dpede rspeo al processo { X } Se s assume che le varabl abbao le sesse deermazo delle varabl d sao X per compleare la specfcazoe del modello occorre fssare acora la marce quadraa delle probabla codzoae q Pr X j Q [ ] ove s defsce [ ] q j j Se dchamo co X X e co la sequeza le precede assuzo possoo essere espresse al modo seguee: ( X la sequeza ( { + } Pr{ X + x+ X x} P { } Pr{ y X x } Q X x+ ( X x ( y Pr y ( X x ( y Pr La era ( P Q ( X ; ; per esempo deermamo la seguee probabla cogua ulzzado le e olre che la dsrbuzoe ν : ν caraerzza compleamee l processo bvarao { } Pr{ ( X x ( y } Pr( x Pr( y x ( x p( x j x j q( y x j Le varabl osservabl possoo avere deermazo dffere dagl sa { M } : se dchamo co { a b z} le deermazo delle varabl osservabl la marce Q delle probabla codzoae p ( y x avra M rghe e 6 coloe Iolre le deermazo osservabl possoo cosure u seme couo per esempo l ervallo [ α β ] dell asse reale; al caso la marce Q sara sosua da M dsrbuzo codzoae F / X ( y j j { M } y [ α β ] oppure dalle corrspode desa el caso che quese essao U secodo esempo e cosuo dal modello A( per le varabl lae X compleao da u equazoe leare socasca per le varabl osservabl : 3 X ax ε X x + ε NWN( σ ε ; 9

10 4 b X + ξ ( ξ σ NWN ξ ξ ε ; s assume fe che coeffce a b e le varaze σ σ sao paramer o ε ξ Dalle poes fae s rcava faclmee che l processo veorale ( X e Marovao X soo P X A X x Λ( x A fε ( z a x dz mere le probabla omogeeo e Gaussao; le probabla codzoae d raszoe per l processo { } espresse dalle { } codzoae per l processo { } { Ψ B X x} Ψ B x f ( y soo dae dalle P ( x b x dy Nauralmee le due fuzo egrade B f ε εd f ξ soo le corrspode desa codzoae e soo erambe d po Gaussao A X Deoado co F e F le σ algebre geerae da a ( X X e ( e dcado co ν ( dx la dsrbuzoe d probabla della codzoe zale X s hao le: P X A BF F P X A B X Λ( X dz ( Bz X 5 { } { } A X ( ( j j j j j j P B F B X 6 { } 7 P [( X A ( Ψ B ] ( dx B [ Λ( x dx Ψ( B x ] j j j j j A Evdeemee le precede espresso poggao sulle poes assue precedeza; rcordamole brevemee: a Marovaa de process ( X e ( X b Muua dpedeza socasca codzoaa delle varabl osservabl oa la X raeora delle varabl d sao o la σ algebra F c La era { ν ( dx Λ( x dz Ψ( dy x } specfca l era sruura probablsca del modello damco socasco sopra descro Precsamo che la leara del modello o flusce sulle precede codzo; fa ulla camba sosazalmee se s assumoo al poso delle precede le segue equazo: 8 X g ( X + ε X ν ( x N( m σ ε NWN( ε X A j j σ ε j j j

11 9 h( X + ξ ξ NWN( σ ξ ξ ε ove le fuzo g ( e h ( o ecessaramee lear soo suppose assegae; s ha acora { X A X x} Λ( x A f [ z g( x ] A { Ψ B X x} Ψ B x f [ y h( x ] dy P dz ε e P ( x B 4 Problem d sma per varabl lae: modell a empo dscreo Mosreremo ora come avvee l appredmeo sulle varabl d sao X araverso gl creme d formazoe basa sull osservabla delle varabl I parcolare c occuperemo del cosddeo problema d flraggo (flerg problem rguardae la deermazoe della dsrbuzoe d probablà codzoaa F x delle varabl d ( sao X rspeo alla sequeza delle varabl osservabl o alla σ algebra F da esse geeraa Equvaleemee c s può proporre la deermazoe delle fuzo d f ( X per fuzo arbrare purchè lmae e msurabl delle regressoe E[ ] varabl d sao; com è oo [ f X ] E ( cosusce lo smaore omale de mm quadra per l umero aleaoro o osservable f ( X S ha evdeemee per f( X X x x / P X x / E X x X l uguaglaza F ( { } [ / ] f ( X X allora [ f X ] E( X Iolre se E ( forsce lo smaore omale per Allo scopo d predere cosderazoe u modello abbasaza geerale ma o roppo complcao suppoamo che due process X e sao def dalle equazo precede 8 e 9 ma che process d rumore acora cosu da varabl d e o correla ra loro abbao desà d probablà f ε ed f ξ o ecessaramee d po Gaussao S dmosra allora che la dsrbuzoe F ( x / che suppoamo abba desà π (x soddsfa la seguee relazoe rcorree

12 (* ove ( ν ( x π x π ( x f f x x [ h( x ] fε [ x g( s ] [ h( x ] fε [ x g( s ] π π ( s ds ( s dsdx Per la dmosrazoe s veda per esempo P Chgasy Nolear flerg al capolo 3 paragraf e 3 No c lmamo a dare u ceo d dmosrazoe suppoedo che sa oo l eveo y e dcado co la leera f ue le desà covole el dscorso: l loro sgfcao sarà desumble dagl argome dca per cascua d esse S ha: f( y / x f( x f( y y / x f( x f( y / y x f( y / x f( x f( x / y f( y f( y y f( y / y f( y f( y / x f( x / x f( x / y dx f( y / y f ( y / x f ( x / x f ( x / y dx dx f( y / x f( x / y e l leore rcooscerà faclmee la corrspodeza dell espressoe oeua co quella del secodo membro della (* S oee u equazoe pù semplce della (* al modo seguee: poedo per cu dalla precedee espressoe è ( f ( y / x f ( x / x f ( x / dx x σ f ( x / y σ ( x σ ( x dx s prova che la desà d msura o ormalzzaa σ ( x soddsfa l equazoe dfferezale leare e rcorsva dea equazoe d M Zaa σ( x f ( x f ( x / x σ( x dx ( x ν ( x σ rovadoe la soluzoe eveualmee per va umerca la desà d probablà f( x s rova co la semplce ormalzzazoe della σ x (

13 Per l caso cu l ssema damco è descro dalle precede equazo 8 e 9 la corrspodee equazoe leare d Zaa per la desà d msura o ormalzzaa σ ( x ha l espressoe σ( x f [ h( x ] f [ x g( x ] σ( x dx x ε ( x ν ( x σ ove f ξ ed f ε hao forma fuzoale Gaussaa I geerale le suddee equazo socasche soo rsolubl e qud ulzzabl e problem cocre solo poch cas I quao segue e dcheremo due sol: l prmo caso è quello cu le fuzo g (x e h(x soo lear e ue le dsrbuzo soo Gaussae (modello leare d Gauss Marov Il secodo caso o dreamee rcoducble al precedee è quello cu le varabl lae X hao u umero fo d sa; la caea Marovaa { X } o sarà qud defa da ua equazoe alle dffereze del po 8 ma dreamee dalla sua dsrbuzoe zale e dalla marce delle probablà codzoae d raszoe Icomceremo appuo da ques ulma suazoe Flro d WM Woham per caee d Marov a empo dscreo Idcheremo co { } ; X ua caea d Marov caraerzzaa dalla marce Λ λ j λ P X x X x e dalla dsrbuzoe delle probablà codzoae d raszoe j ( j ( d Supporremo che le varabl della caea o zale p P( X x sao osservabl mere sao osservabl le varabl X + ε ove le perurbazo aleaore ε o osservabl soo assue d doae della medesma desà d probablà f ε ( e dpede da X E oo che asseza d osservazo sulle varabl coè ello sao d formazoe zale le dsrbuzo delle X coè veor p co eleme p ( soo deermae dalle relazo p Λ p Λ p ( E ache oo che l problema d sma omale de mm quadra delle varabl della caea X basaa sull osservablà delle cosse ella deermazoe delle 3

14 fuzo d regressoe E X E X F ove F deoa la σ algebra geeraa dalla sequeza osservable Se π deoa l veore delle probablà π ( P X x F E X x / F s ha d π E X E X F x ( Sussse per le probablà π ( l seguee rsulao eorema d WM Woham: elle suddee poes s hao le relazo p ( P X x fε ( x p( f ( x p ( ε fε ( x λh π ( h h π ( P X x F f ( x λ π ( h ε h h S prova faclmee che l veore delle π ( d ha l espressoe seguee: dag[ fε ( x] Λ π π [ π( π( d ] [ f ( x f ( x ] Λ π ε ε d Per la dmosrazoe s veda per esempo P Chgasy Iroduco o sochasc processes (p 56 Flro d Kalma Se le fuzo g ( e h ( elle 8 e 9 soo lear l problema d flraggo rsula molo pù semplce Negl a 6 del secolo scorso soo sa rodo due procedme rcorsv d sma ogg molo o: l flro d Kalma per modell lear damc a empo dscreo qual quello espresso dalle 3 e 4 ed l flro d Kalma Bucy per modell lear damc a empo couo No llusreremo brevemee l flro d Kalma per l modello 3 X g X + ε X ν ( x N( µ σ ε NWN( σ ε ε X 4 h X + ξ ( ξ NWN σ ξ ξ ε 4

15 che è leggermee pu geerale d quello espresso dalle 3 4 per l fao che coeffce h e per o e cosa a e b soo sosu dalle successo umerche oe { } g e { } l aleaoreà d X La forma Gaussaa delle dsrbuzo d X e de due process d rumore ε e ξ fa s che ue le dsrbuzo che cosdereremo sarao acora Gaussae per cu basera deermare sol loro mome del prmo e secodo orde Il procedmeo eravo cosse d ua sequeza d pass cascuo de qual cosa d due fas dee d prevsoe e d aggorameo e descre sommaramee dallo schema seguee: f ( x F f ( x F f ( x F Paredo dalla dsrbuzoe ν ( x d X e suppoedo d aver deermao passo dopo passo la desa ormale f ( x F dello sao X avvaledos della osservabla delle varabl delle qual F dca la σ algebra geeraa s passa a deermare f x F : quesa prma rasformazoe cosusce la fase d prevsoe La ( secoda fase d caraere duvo pare dalla dsrbuzoe f ( x F e ulzzado l formazoe dervae dalla varable osservable arrva alla dsrbuzoe aggoraa f ( x F Idcado co e σ X veore delle prme - osservazo ( l valor medo e la varaza d ( f x F e co paramer della f ( x F s deermao ulzzado l equazoe 3 e le alre poes del modello al modo seguee: ( ( ( ε E X g E X + E g X ( ( ( Var X g Var X + Var ε g σ + σε La fase d aggorameo puo essere mplemeaa var mod ma o scegleremo d mpegare l eorema d Bayes secodo l quale dev essere ( f x f( x ( f y x l ove l secodo faore f y x rappresea la verosmglaza d X relava ( all osservazoe y Formalmee quesa verosmglaza ha la forma fuzoale d ua desa ormale co paramer deerma dall equazoe 4 al modo seguee: 5

16 ( ( ( x + E x h E X E h g X ( ( ( ( Var x h Var X + Var x h g σ + σ ε + σx Eseguedo l prodoo f( x ( f y x ormalzzazoe s rovao paramer della desa f( x : e procededo alla ecessara ( ( ( ( + h Var X X E X E X y h E X ( + h Var X σ ξ σ ( ( + σ Var X ξ Var ( X h Var X σξ 5 Problem d sma per varabl lae: modell a empo couo Cosdereremo ora u semplce modello leare e socasco cosuo dalle equazo dfferezal segue: 5 dx ( a X ( d + dw ( X ( N( σ W ( X ( 6 d ( X ( d + dv ( ( V ( W ( X ove la prma equazoe e ga oa al leore (s veda a pag 3; la secoda afferma che le osservazo soo cosue dalle varabl d sao alle qual s agguge u rumore aleaoro rappreseao da u secodo processo sadardzzao d Weer V ( dpedee da W ( Pù precsamee l equazoe 6 suggersce l equvalee equazoe ( X ( + V ( ove l secodo addedo e u dsurbo Gaussao formalmee cocdee co la dervaa prma del processo d Weer V ( Pu correo e erpreare l equazoe 6 come l equazoe egrale ( ( + X ( s ds + V ( X ( s ds + V ( 6

17 ove l egrale socasco va eso meda quadraca Se σ / a s dmosra che le varabl d sao X( formao u processo sazoaro deo processo d Orse Uhlebec e alvola l auale modello co varabl lae vee deomao leeraura osservazo d u processo d Orse Uhlebec affee da error accdeal d msura Flro d Kalma - Bucy U problema d sma aalogo a quello poso per l modello precedee a empo dscreo cosse ella dvduazoe dello smaore de mm quadra per X ( basao sull osservablà del processo (s U famoso rsulao del 96 l ell ervallo [ ] eorema d Kalma Bucy mosra che lo smaore omale ( e dao dalla soluzoe dell equazoe dfferezale socasca 7 d X ( a X ( d + P( d ( X ( d X ( ove la fuzoe deermsca P ( E X ( X ( varaza dell errore d sma e daa dalla soluzoe dell equazoe dfferezale o leare e deermsca dea equazoe d cca X 8 P( P ( a P( P ( σ Per ua semplce preseazoe e dmosrazoe del flro d Kalma Bucy suggeramo al leore l eso d MHA Davs (paragrafo 44 cao ferme Flro d Woham per caee d Marov a empo couo co u umero fo d sa Idcheremo co { ( ; } X ua caea d Marov caraerzzaa dalla marce ( d d delle esà d raszoe G g e dalla dsrbuzoe zale espressa dal veore p j esce ule per l seguo la rappreseazoe della caea X ( daa dalla d X ( xi ( ove I( X ( x Il veore I co compoe I ( assume valor ell seme fo p E I e de veor uar e orogoal { e ed } dello spazo eucldeo d auralmee p E( I esce ( E oo che ello sao d formazoe zale veor p soo deerma dall equazoe dfferezale veorale p G p la cu soluzoe è espressa dalla 7

18 9 exp {( p s G } p exp { G } p s [ s Assumeremo che le varabl X ( o sao osservabl mere vece rsulo osservabl le varabl ( g( X s ds + W ( ove W ( deoa u processo d Weer sadardzzao dpedee dal processo X ( e g ( ua fuzoe msurable e lmaa e dcheremo co π veor def dalle π E I F ove F s ( s; s Euceremo ora u mporae rsulao rguardae l evoluzoe de veor π e deomao flro d Woham e Shryayev: eorema: Il veore π E I F soddsfa la seguee equazoe dfferezale socasca { } dπ G πd + dag π( π π g d x πd [ ] ove g dca l veore coloa avee le compoe gx ( d La soluzoe della suddea equazoe dfferezale socasca s oee solamee al modo seguee: roducedo l processo socasco Φ exp g( xs ds g ( xs ds defedo la probablà P * equvalee alla P secodo la dp* Φ dp s ha e E* I F F π E I F E* F F ove E * è relava alla probablà P * ρ ρ S dmosra che l veore Zaa: ρ è soluzoe della seguee equazoe leare socasca d dρ G ρd + { dag [ g x ]} ρd ρ p ( rovao ρ l veore π s deerma ormalzzado ρ coè dvdedo le sue compoe per ρ ( Per ua dfferee lea dmosrava s può vedere P Chgasy No lear flerg a p 7 8

19 Per l caso d coè per caee d Marov smmerche co due sol sa x e λ λ x p (// e marce delle esà G λ λ s oee per π ( Pr ( X F l equazoe dfferezale socasca seguee: dπ( λ π( d+ gx ( gx ( π( π( d gx ( π( + gx ( ( π( d [ ] [ ] { [ ] } che ee coo della π( + π( Se g ( è la fuzoe deca l equazoe precedee s semplfca dveado dπ ( λ[ π (] d + π ([ π (][ d π ( d] ; s raa pur sempre d u equazoe dfferezale socasca o leare d uo rspeo Ife osservamo che alu problem d eora delle comucazo gl smaor de mm quadra per le varabl d sao o forscoo la rsposa pù appropraa alle aspeave: suppoamo che le varabl d sao possao assumere u umero fo d valor possbl per esempo oppure Se le varabl osservabl forscoo le rasformazo dsurbae degl sa e qud ua sequeza d umer real può rsulare mporae dvduare la sequeza d zer e u pù probable sulla base delle osservazo e o ua sequeza d sme de mm quadra che soo ecessaramee umer real ell ervallo [ ] ale obevo è oo leeraura come massmzzazoe della probablà codzoaa ed è dcao brevemee co la sgla sequeza-map (Maxmzg A Poseror probably U procedmeo d sma che adoa queso crero è l algormo d AJ Verb che può essere cosderao u caso parcolare del procedmeo d programmazoe damca Per formazo uleror s veda per esempo AM Fraser ferme 6 Alcu approfodme su problem d sma I queso paragrafo assumeremo che ue le dsrbuzo della era rappreseava ν ( dx Λ( x dx' Ψ( dy x ammeao ua desà d probablà rspeo alla msura d { } Lebesgue per cu scrveremo ν dx ν ( x dx Λ( x dx' f ( x' x dx' Ψ( dy x f ( y x dy L uso della leera f ( per erambe le dsrbuzo codzoae o dovrebbe geerare cofuso se s fa aezoe agl argome delle sesse 9

20 Olre al problema d flraggo (flerg che gà cooscamo e che cocere la deermazoe e la propagazoe della desà d probablà codzoaa f( x al varare d c occuperemo del problema d erpolazoe (smoohg che cocere la deermazoe e l evoluzoe della desà d probablà codzoaa f( x co < al varare d co fssao Noe le re desà d probablà ν ( x f ( x' x e f ( y x della era rappreseava per og x la desà cogua per la sequeza d varabl X X deermaa dalla è f( x y x y f( x y f( y / x f( x f( y / x ( x f( x x ( x f( y x f( y x f( x x ( x f( y x f( x y x Nauralmee la desà cogua delle sole varabl osservabl s oee dalla f ( y y f ( x y dx e ale espressoe può formalmee rappreseare ache la fuzoe d verosmglaza degl eveual eleme cog el modello damco rspeo alla sequeza d osservazo y + Dalle due precede desà cogue s possoo faclmee deermare le desà codzoae ( f x / y f( x / y e f( x / y che rvesoo u ruolo cerale per problem d flraggo e d erpolazoe Precsamee le prme due rsolvoo u problema d erpolazoe cogua e rspevamee d erpolazoe margale ; l ulma l problema d flraggo e d essa abbamo raao a proposo dell equazoe rcorsva 3 Co rfermeo al problema d erpolazoe assumeremo fssao l ero e la sequeza osservaa ( y y y y e c porremo l problema d deermare le desà d probablà f( x / y al varare d ra ed - I lgua glese ale problema è deo fxed erval smoohg S vedrà che ache queso caso esse u procedmeo eravo oo come forward bacward recurso Evdeemee per < s ha:

21 f ( x / y f ( x / y dx dx dx dx dx essedo + f( x y f( x / y ell poes che l deomaore sa posvo f( y Proposzoe : per f( x / y sussse la seguee ule rappreseazoe f( x / y f( x y f( y + x f( y ove ν j j j j j e f ( x y [ ( x f ( y x f ( y x f ( x x ] dx dx f ( y x [ f ( x x f ( y x ] dx dx + j j j j + j + La verfca delle suddee espresso è semplce L ulà della precedee Proposzoe cosse ella possblà d avvalers d relazo rcorre per le due desà cogue ( f x y e f( y+ x espresse ella prossma proposzoe Proposzoe 3 : susssoo le segue relazo rcorre f( x y f( y x f( x x f( x y dx f x y ν ( x f ( y : ( x f( y x f( y x f( x x f( y x dx f ( y x : 3 Ache la verfca d quese relazo è semplce Il procedmeo rcorsvo deomao forward bacward recurso cosse ella deermazoe delle due sequeze { f( x y ; } e { f( y+ x; } a parre dalla sequeza osservaa y dalla era { ( x f ( x' x f ( y x; x } ν e dalle relazo della Proposzoe 3 ed fe ella deermazoe delle desà erpola f( x y [ f( x y f( y + f( y x] Osservamo che ella leeraura rguardae modell damc Marova co varabl lae (Hdde Marov Models le desà ( f x y e f( y+ x soo dcae spesso co

22 smbol α ( x; y e β / ( x; y+ e deomae forward erel e bacward fuco allo scopo d sooleare la corrspodeza co le probablà cogue α( x; y P j yj ( X x e ( β/ ( y+ / x P + y+ X x j che compaoo e prm lavor degl a 6 dell alro secolo cocere modell Marova co spazo degl sa f U eressae relazoe ra la desà erpolae f( x y < e quella della Proposzoe relava al problema d flraggo f( x y è espressa dalla seguee Proposzoe 4 : sussse la seguee relazoe f( y x + f( x y f( x y f( y+ y Dmosrazoe: l secodo membro può essere rscro come f y x f x y f x y f x y ( ( ( + ( ( f x y f( y ( ( ( f y + y f y f y+ y Olre a problem d flraggo e d erpolazoe s pogoo ache problem d prevsoe: oe le osservazo y e la era { ν ( x f ( x' x f ( y x; x } può eressare la deermazoe della desà d probablà f( x+ y o pù geerale la desà f( x+ my co m > o fe la desà cogua f( x+ x+ x+ my C lmamo ad osservare che oa la desà f( x y quella prevsoale f( x+ y s deerma al modo seguee: f( x+ y f( x+ x f( x y dx e lascamo al leore d deermare le alre desà prevsoal mezoae

23 Caee a empo dscreo Idcheremo co { } ; APPENDICE A Ce sulle caee d Marov X ua caea d Marov caraerzzaa dalla marce Λ λ j λ P X x X x e dalla dsrbuzoe delle probablà codzoae d raszoe j ( j ( d Supporremo che le varabl della caea o zale p P( X x sao osservabl mere sao osservabl le varabl X + ε ove le perurbazo aleaore ε soo assue d doae della medesma desà d probablà f ( ε e dpede da X E oo che asseza d osservazo sulle varabl coè ello sao d formazoe zale le dsrbuzo delle X coè veor p co eleme p ( soo deermae dalle relazo p Λ p Λ p ( ( E ache oo che l problema d sma omale de mm quadra delle varabl della caea X basaa sull osservablà delle cosse ella deermazoe delle fuzo d regressoe E X E X F ove F deoa la σ algebra geeraa dalla sequeza osservable Se π deoa l veore delle probablà π ( P X x F E X x / F s ha d π E X E X F x ( Sussse per le probablà π ( l seguee rsulao eorema d WM Woham: p ( P X x ( f( x p( f( x p ( f( x λh π ( h h π ( P X x F f( x λ π ( h h h Il veore delle π ( ha l espressoe seguee: 3

24 dag[ f ( x] Λ π (3 π [ π( π( d] [ f( x f( x ] Λ π d Daremo ora u ceo d dmosrazoe del eorema facedo rfermeo alla compoee geerca π ( P X x F E X x / F del veore π Poché π ( è msurable rspeo a F esse ua fuzoe Φ ( de umer aleaor che geerao F ale che π ( Φ ( Per la defzoe d fuzoe d regressoe s ha: { ( } E X x Φ ( per og fuzoe Ψ ( degl umer aleaor j Separado da precede e poedo ( ( ( possamo scrvere l uguaglaza precedee come e ache come o fe come { ( } E X x Φ ( ; Ψ Ψ ( { } E X x F ( ; ( / F { ( / } E X x F { ; ( / } E F F ( L ulma uguaglaza s può rscrvere co qualche passaggo che evamo d specfcare come d d d ( ( ( s f s x ds λ π ( j Φ ( ; s ( s f s x ds λ π ( j j h jh j h j e per l arbrareà d Ψ ( s oee ( π ( Φ ; s f( s x λh π ( h h f( s x λ π ( h h h Caee a empo couo Idcheremo co { X ( ; } ua caea d Marov caraerzzaa dalla marce delle esà d raszoe G g e dalla dsrbuzoe zale espressa dal veore p j 4

25 esce ule per l seguo la rappreseazoe della caea X ( daa dalla d X ( xi ( ove I( X ( x Il veore I assume valor ell seme fo de veor uar e orogoal { e ed } dello spazo eucldeo d p E( I esce p E( I e auralmee E oo che ello sao d formazoe zale veor p soo deerma dall equazoe dfferezale veorale p G p la cu soluzoe è espressa dalla (4 exp {( p s G } p exp { G } p s [ s Assumeremo ora che le varabl X ( o sao osservabl mere vece rsulo osservabl le varabl ( g( X s ds + W ( ove W ( deoa u processo d Weer sadardzzao dpedee dal processo X ( e g ( ua fuzoe msurable e lmaa e dcheremo co π veor def dalle π E I F ove F s ( s; s Euceremo ora u mporae rsulao rguardae l evoluzoe de veor π e deomao Flro d M Woham: Il veore π E I F soddsfa la seguee equazoe dfferezale { } dπ G πd + dag π( π π g d x πd (5 [ ] ove g dca l rasposo del veore avee le compoe gx ( d La soluzoe della suddea dffcle equazoe dfferezale socasca s oee solamee al modo seguee: roducedo l processo socasco Φ exp g( xs ds g ( xs ds e defedo la probablà P * equvalee alla P secodo la dp* Φ dp s ha (6 E* I F F π E I F E* F F ρ ρ 5

26 S dmosra che l veore Zaa: ρ è soluzoe della seguee equazoe leare socasca d (7 dρ G ρd + { dag [ g x ]} ρd ρ p ( rovao ρ l veore π s deerma ormalzzado ρ coè dvdedo le sue compoe per ρ ( Per l caso d coè per caee d Marov smmerche co due sol sa x e λ λ x p (// e marce delle esà G λ λ s oee per π ( Pr ( X F l equazoe dfferezale socasca seguee: dπ( λ π( d+ gx ( gx ( π( π( d gx ( π( + gx ( ( π( d [ ] [ ] { [ ] } che ee coo della π( + π( Se g ( è la fuzoe deca l equazoe precedee s semplfca sesblmee: dπ ( λ[ π (] d + π ([ π (][ d π ( d] 6

27 IFEIMENI Arold L Sochasc Dffereal Equaos: heory ad Applcaos J Wley974 Arold L adom Dyamcal Sysems Sprger 995 Bhaacharya Majumdar M adom dyamcal sysems: a revew Ecoomc heory 4 Cappè Moules ydè Iferece Hdde Marov Models Sprger 9 Chgasy P Iroduco o sochasc processes Lecure Noes (O le Chgasy P Nolear flerg Lecure Noes (O le Chgasy P Hdde Marov Models Lecure Noes (O le Davs MHA Lear Esmao ad Sochasc Corol Chapma ad Hall 977 Ephram Merhav N Hdde Marov Processes IEEE ras o If heory Fraser AM Hdde Marov Models ad Dyamcal Sysems SIAM (8 Grmme G Srzaer D Probably ad adom Processes Oxford Uversy Press 9 va Hadel Hdde Marov Models Lecure Noes (O le Kfer Ergodc heory of adom rasformaos Brhauser 986 aber L A uoral o Hdde Marov Models ad Seleced Applcaos Speech ecogo Proc IEEE 989 Shryayev AN Probably Sprger-Verlag 984 7

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

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

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

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

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

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

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

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

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

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

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

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

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

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

CONTROLLI AUTOMATICI

CONTROLLI AUTOMATICI CONTROLLI AUTOMATICI A.A. 2/2 Iroduzoe al Corso Due problem d oevole eresse gegersco soo quell dell aals d u geerco ssema reale, aurale o arfcale, per acqusre formazo sul suo comporameo, e della ses d

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

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

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

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

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

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

APPRENDIMENTO SUPERVISIONATO. Reti multistrato. Il Perceptron (Rosenblatt 58) w 1. Fase di Addestramento. Classificazione. Fase di evoluzione

APPRENDIMENTO SUPERVISIONATO. Reti multistrato. Il Perceptron (Rosenblatt 58) w 1. Fase di Addestramento. Classificazione. Fase di evoluzione APPRENIMENTO SUPERVISIONATO Re mulsrao Appredmeo co supervsoe La ree mpara ad assocare u seme d coppe (, d ) desderae. La ree opera due fas dse: Fase d addresrameo s memorzzao le formazo desderae Fase

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

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

( ) 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

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

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

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

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

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

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

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

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

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

Indipendenza in distribuzione

Indipendenza in distribuzione Marlea Pllat - Semar d Statstca (SVIC) "Lo studo delle relazo tra due caratter" Aals delle relazo tra due caratter Dpedeza dstrbuzoe s basa sul cofroto delle dstrbuzo codzoate Dpedeza meda s basa sul cofroto

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

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

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 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

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

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

Tecniche Numeriche per un Modello Operativo di PBL

Tecniche Numeriche per un Modello Operativo di PBL Meeorologa e Mcromeeorologa per l quameo amosferco 0 Pare 9 Tecche Numerche per u Modello Operavo d PBL do. Robero Sozz do. Adrea Bolgao z u K y u u K v f p z u w y u v u u u z h ρ z v K y v v K u f y

Dettagli

Approfondimenti Lezione 3. Mara Bruzzi

Approfondimenti Lezione 3. Mara Bruzzi Approfodmet Lezoe 3 Mara Bruzz APPROFONDIMENTO 1 : I BOSONI Partcelle come le a, foto, meso hao vece fuzo d oda smmetrche y S. Esse o obbedscoo al prcpo d esclusoe d Paul. Tal partcelle soo dette BOSONI.

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

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

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

coefficienti costanti fornisce una descrizione sufficientemente generale del comportamento dello strumento.

coefficienti costanti fornisce una descrizione sufficientemente generale del comportamento dello strumento. Corso d Laboraoro d Msure Meccache e Termche Docee: Prof. Ig. R. Moa AA A.A. A 6/7 Lezoe Aals delle presazo damche degl srume e de ssem d msura: la araura damca. CONSIDERAZIONI GENERALI U ssema d msura

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

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

Contenuti. Facoltà di Economia. Scatterplot o diagramma a dispersione Analisi grafica della relazione tra due. francesco mola.

Contenuti. Facoltà di Economia. Scatterplot o diagramma a dispersione Analisi grafica della relazione tra due. francesco mola. Coteut Corso d Statstca Facoltà d Ecooma a.a. - fracesco mola Lezoe 9 Correlazoe leare Scatterplot e aals grafca L uso delle varabl stadardzzate La covaraza Il coeffcete d correlazoe leare d Bravas-Pearso

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

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

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

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

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

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

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

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

ESPONENTI DI LIAPUNOV

ESPONENTI DI LIAPUNOV ESPONENTI DI IAPUNOV Ssem a empo dscreo, mono- e mul-dmensonal Problemache d calcolo Ssem a empo connuo C. Pccard e F. Dercole Polecnco d Mlano - 9/0/200 /8 MAPPE MONO-DIMENSIONAI Consderamo l ssema a

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

Design of experiments (DOE) e Analisi statistica

Design of experiments (DOE) e Analisi statistica Desg of epermets (DOE) e Aals statstca L utlzzo fodametale della metodologa Desg of Epermets è approfodre la coosceza del sstema esame Determare le varabl pù sgfcatve; Determare l campo d varazoe delle

Dettagli

ELEMENTI DI MATEMATICA FINANZIARIA

ELEMENTI DI MATEMATICA FINANZIARIA ELEMENTI DI MATEMATICA FINANZIARIA 9. OPERAZIONI FINANZIARIE La Maemaca Fazara ha per oggeo suo le operazo fazare, coè le operazo scambo somme earo spoble emp vers. Gl eleme foameal u'operazoe fazara soo

Dettagli

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1 Facoltà d Ecooma - STATISTICA - Corso d Recupero a.a. 2012-13 Prof.ssa G. Balsamo CONCETTI d BASE Carattere X [o A ] caratterstca quattatva [o qualtatva] rappresetatva d u feomeo sottoposto ad dage Popolazoe

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

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

Capitolo 2 Errori di misura: definizioni e trattamento

Capitolo 2 Errori di misura: definizioni e trattamento Captolo Error d msura: )Geeraltà defzo e trattameto I cocett d meda, varaza e devazoe stadard s utlzzao ormalmete per otteere formazo sulla botà d ua msura. I geerale, s assume come msura m della gradezza

Dettagli

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1 SIMULAZIONE DI ESAME ESERCIZI Cattedra d Statstca MedcaUverstà degl Stud d BarProf.ssa G. Sero ESERCIZIO. Alcu autor hao studato se la depressoe possa essere assocata a dc serologc d process autommutar

Dettagli

Lezione 9. Congruenze lineari. Teorema Cinese del Resto.

Lezione 9. Congruenze lineari. Teorema Cinese del Resto. Lezoe 9 Prerequt: Lezoe 8. Cogrueze lear. Teorema Cee el Reto. Nella Lezoe 8 abbamo vto che a caua ella compatbltà ella cogrueza moulo rpetto alle operazo artmetche le relazo cogrueza moulo pooo eere ottopote

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

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

INDICE GENERALE. Home

INDICE GENERALE. Home NDE GENEE Home Uà d msura apolo. l ampo elerco. l campo mageco. Eerga e poeza.4 Equazo d Maxwell apolo. rcu a paramer cocera. rcu lear empo-vara. Bpol lear empo-vara e relazo cosuve.4 prcp d Krchhoff.5

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

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

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

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 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

Modelli di Schedulazione

Modelli di Schedulazione EW Modell d Schedulazoe Idce Maccha Sgola Tepo d Copletaeto Totale Tepo d Copletaeto Totale Pesato Tepo d Rtardo Totale Maespa co set-up dpedete dalla sequeza Tepo d Copletaeto Totale co vcolo d precedeza

Dettagli

4 CAMPIONE DI n UNITA STATISTICHE (lettere latine)

4 CAMPIONE DI n UNITA STATISTICHE (lettere latine) 4 CAMPIONE DI UNITA TATITICHE (lettere late) Meda campoara x meda solo per dat quattatv m 1 x = modaltà assuta dall -esma utà statstca Devaza campoara solo per dat quattatv 1 ( x m) 1 x 1 x dev.q Varaza

Dettagli

1 2 S si può associare un numero reale

1 2 S si può associare un numero reale Capolo I LO SPAZIO DEI SEGNALI I. Lo pazo de egal a eerga fa. I egal ad eerga fa coucoo uo pazo veorale S oo come pazo de egal. Ifa e rappreea u egale co ua fuzoe () reale o complea d varable reale defa

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

Schemi a blocchi. Sistema in serie

Schemi a blocchi. Sistema in serie Scem a blocc Nel caso ssem semplc, ques possoo essere scemazza meae blocc, ce rappreseao vers compoe, collega ra loro sere o parallelo a secoa ella logca uzoameo. Vl Valvolal solvee Sesore Pompa Pompa

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

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

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

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

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

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

Modellistica delle linee di trasmissione

Modellistica delle linee di trasmissione eleroea- appu gras gegera - www.rardogalle.om/appu_gras/ Corso d Laurea Spealsa Igegera delle Teleomuazo Modulo d Eleroea - A.A. 5-6 Modellsa delle lee d rasmssoe PARTE II Aals qualaa e quaaa d re d eleme

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

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

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

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

Analisi dei Dati. La statistica è facile!!! Correlazione

Analisi dei Dati. La statistica è facile!!! Correlazione Aals de Dat La statstca è facle!!! Correlazoe A che serve la correlazoe? Mettere evdeza la relazoe esstete tra due varabl stablre l tpo d relazoe stablre l grado d tale relazoe stablre la drezoe d tale

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

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek MISURE DI TENDENZA CENTRALE Pscometra 1 - Lezoe Lucd presetat a lezoe AA 000/001 dott. Corrado Caudek 1 Suppoamo d dsporre d u seme d msure e d cercare u solo valore che, meglo d cascu altro, sa grado

Dettagli

CAPITOLO 6 ANALISI DEL RITARDO IN UNA RETE DATI.

CAPITOLO 6 ANALISI DEL RITARDO IN UNA RETE DATI. CAITOLO 6 AALISI DEL RITARDO I UA RETE DATI. 6. AALISI DEL RITARDO I UA RETE DATI I queso caolo aalzzeremo, modo quaavo e qualavo, gl eleme d rardo rese ua ree er da. Fodamealmee cosdereremo re d o aced

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

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

Capitolo 3 Il trattamento statistico dei dati

Capitolo 3 Il trattamento statistico dei dati Capolo 3 Il raameo sasco de da 3. - Geeralà Nel descrere feome, occorre da u lao elaborare de modell (coè delle relazo maemache fra le gradezze, che coseao d descrere e preedere l feomeo) e dall alro dars

Dettagli