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

Dimensione: px
Iniziare la visualizzazioe della pagina:

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

Transcript

1 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 x/ω xn(µ, σ Se l modello della x/ω è quello a lao, allora l problema dvea solo quello d smare µ e σ. Due prcpal famle d modell paramerc: A sola compoee (spesso de moomodal Mescolaza d compoe ( mxure, ache de modell mulmodal Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol Esempo d modello a sola compoee: Gaussao zp(x x x x Esemp d modellazoe Gaussaa A lao soo mosra cas d ua mmae corroa da rumore Gaussao (ssra e rumore mpulsvo (desra. Spesso l rumore Gaussao è ua poes realsca per modellare cas semplc d mma sfuocae Perché l modello Gaussao è così usao? x Mol feome fsc e/o arfcal hao u adameo ormale (ache la dsrbuzo de vo d u esame è spesso ormale Teorema del lme cerale: la somma d N varabl casual dpede eera ua dsrbuzoe Gaussaa per N + I mol problem d paer recoo s può pesare d avere u proopo le cu saze soo corroe da ua somma d dsurb casual ed dpede I alcu cas la dsrbuzoe o è Gaussaa, ma può essere approssmaa co ua somma d Gaussae. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 3 Le dsrbuzo del score d u ssema d rcooscmeo delle mproe, parcolare quella del mposor, possoo essere modellae, ache se modo o sempre effcace, da Gaussae Dao l loro rade ulzzo praco e la semplcà, el seuo aalzzeremo a fodo classfcaor basa su modello Gaussao. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 4

2 Forma paramerca del modello Gaussao Caso moodmesoale: µ ε[ ] x µ x N( µ, σ exp πσ σ Caso muldmesoale: x ( π d Σ [ x] exp µ ε xp ( x dx Σ ε σ ( x µ Σ ( x µ [( x µ ( x µ ] ( x µ ( x µ [( x µ ( x ] ε µ x dx Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 5 + x x x dx + [( µ ] ( x µ σ ε x x dx x e µ soo veor coloa d d compoe, è la marce d covaraza d x d, e - soo l suo deermae e la sua versa Osservazo sulla marce d covaraza Propreà d Σ: Σ è ua marce smmerca: Σ Σ ; Σ è ua marce semdefa posva. Tuava, affchè l espressoe della desà d probablà Gaussaa sa be defa, Σ deve essere defa posva (fa l espressoe d x covole l versa d Σ e la dvsoe per l deermae Σ. Varabl aleaore dpede: Daa la marce d covaraza Σ σ σ L σd σ σ σ K d Σ K K O M σ σ σ d d L dd se σ 0, allora le varabl aleaore x ed x soo scorrelae ed, essedo aussae, soo ache dpede; se σ 0 per o (ossa se Σ è daoale, s ha: x x x...x d Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 6 Osservazo sulla desà Gaussaa I due dmeso: x può essere raffuraa come ua campaa d volume uaro. Curve d lvello: le sezo della campaa a quoa cosae z (curve d lvello soo ellss. Gl auoveor d Σ soo le drezo del ass delle ellss. L auoveore corrspodeza dell auovalore maore s dspoe luo l asse maore dell ellsse. zp(x x x x e y z3 z z0.5 e z0.0 x Osservazo sulla desà Gaussaa Sulla eomera d ua aussaa d-dmesoale s possoo esedere le osservazo fae per le aussae bdmesoal. I parcolare: sao λ, λ,, λ d l auovalor d Σ ed e, e,, e d corrspode auoveor; essedo Σ smmerca e defa posva, l auovalor soo u real e posv e l auoveor s possoo assumere oroormal (pù formalmee, esse ua base oroormale d auoveor d Σ; ordo covezoalmee auovalor ed auoveor modo ale che λ λ λ d ; le curve d lvello d x soo perellss d, cu ass soo dspos luo l auoveor d Σ; l asse dsposo luo e è proporzoale a ; λ perao l prmo auoveore dca la drezoe dell asse maore e l ulmo auoveore la drezoe dell asse pù coro. x Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 7 Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 8

3 Gaussaà codzoaa alle class Fora abbamo cosderao u eerco veore x d feaure aussao. Cosdero adesso u coeso mulclasse, cu u veore x d feaure è aussao quado codzoao a cascua classe ω,,,, c: x ω Ν(m, Σ,,,, c; pù esplcamee: x ω exp Σ / / ( π Σ ( x m ( x m d m è la meda d x codzoaa ad ω : m E{x ω }; Σ è la marce d covaraza codzoaa ad ω : Σ Cov{x ω } E{(x m (x m ω } per l eorema della probablà oale, la d.d.p. d x è combazoe leare d d.d.p. aussae (Gaussa mxure: c p ( x P p ( x ω Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 9 Classfcaor basa su modello Gaussao Vedamo ora qual classfcaor, ed parcolare qual p d fuzo dscrma, s possoo oeere assumedo u modello Gaussao de da Quesa aals è mporae per capre la complessà de problem d classfcazoe che possoo essere rsol pozzado u modello Gaussao de da Vedremo ache dvers p d classfcaor che s oeoo facedo dverse poes (o semplfcazo su paramer del modello Gaussao Nel caso cu p x ω N ( µ, Σ ( La fuzoe dscrmae assocaa è: ( ω + l ( P ( ω ( x l x d ( x ( x µ Σ ( x µ l π l Σ + l P( ω Il paramero fodameale che reola la complessà del modello Gaussao è ovvamee Σ; vedremo qud dvers classfcaor che s oeoo soo dverse poes sulla sruura d Σ. Prma vedamo come s può smare l valor medo µ e la marce d covaraza. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 0 Ce sulla sma d paramer Per qualsas modello paramerco è ovvo che l problema fodameale è quello d calcolare ( smare paramer. Nel caso Gaussao occorre smare valor del eleme del veore µ e della marce d covaraza,,,, c. U modo è quello d smare l valore de paramer a parre dall seme d da D. Oerremo delle sme che ovvamee dpedoo dal parcolare seme d da ulzzao: µ (D, (D. Al varare dell seme d da D a dsposzoe la sma oeua può varare ( sampl varably. Ma quesa varablà della sma o vee eua coo da ques meod d po esmavo. Nel caso d u seme d da D rade e rappreseavo la sma oeua può essere comuque soddsfacee. Essoo ache meod d sma de paramer (de meod Bayesa che eoo esplcamee coo la sampl varably. Faremo u ceo a ques meod d sma de paramer pù ava. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol Sma d Paramer a Massma Verosmlaza U approcco eerale alla sma d paramer è quello a massma verosmlaza (maxmum-lelhood esmao, ML esmao. Coceo base: la sma ML (maxmum-lelhood cosdera paramer come delle quaà cu valor soo fssa ma scooscu. La mlor sma d al valor è quella che massmzza la probablà d oeere campo D. I alre parole, quella massmamee verosmle rspeo a campo D. Ipoes eeral Problema a c class. Suppoamo d avere c daa se D,..,D c. I campo D appareoo alla classe e soo sa raccol accordo co x ω Ipozzamo che al campo sao varabl aleaore dpede e decamee dsrbue (..d., depede ad decally dsrbued Assumamo che x ω abba forma paramerca x ω, θ Ipoes semplfcava: campo D o forsco essua formazoe mero a θ se (paramer fuzoalmee dpede Omeamo l dce d classe per semplcà La sma può essere qud faa per o classe separaamee: dao l seme D d campo provee da x θ, dobbamo smare l veore d paramer θ Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol

4 Campoe casuale: campo..d. Il coceo d campo (el seso d paer /da..d. derva dalla defzoe sasca d campoe casuale Daa ua popolazoe co dsrbuzoe x, se le varabl aleaore x, che rappreseao campo D, hao ua desà coua: x, x,, x x x. x Allora l campoe D vee deo campoe casuale, e el paer recoo s parla d campo..d. Noe: I sasca l seme specfco d da/paer che s usao ella proeazoe d u classfcaore vee deo realzzazoe del campoe D Il coceo d campoe casuale è fodameale per poer rcavare delle formazo sascamee sfcave sulla popolazoe co dsrbuzoe x. Se l campoe o è casuale è facle capre che sarà meo formavo, e el suo uso dovrò essere rado d eere coo le correlazo fra campo. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 3 Sma d Paramer a Massma Verosmlaza Dao che campo soo dpede, possamo scrvere: D θ x θ verosmlaza d θ rspeo a D La sma a massma verosmlaza è l valore θ θˆ che massmzza la D θ, uvamee è l valore d θ che fa s che la x θ s accord melo co campo d esempo D. Rcordare che x/ω è la verosmlaza d x rspeo a ω. S veda lucdo successvo per ua speazoe qualava della verosmlaza Se D θ è dfferezable, possamo rovare p paramer (θ,...,θ p a massma verosmlaza co meod sadard d calcolo dfferezale. Sa p, θ θ,..., θ θ Verosmlaza Defamo la l( θ lo [ D θ ] lo [ x θ ] Loarmca Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 4 Esempo qualavo del coceo d verosmlaza A lao s mosra u seme d campo D provee da ua Gaussaa co varaza oa ma valor medo coo da smare Quale è l valor medo pù verosmle? La fura a lao mosra la fuzoe d verosmlaza per ques esempo. E uvo che θ3 è l valor medo pù verosmle per le dverse Gaussae ad uuale varaza. Problem aper: -come lo s sma? -quale è la varaza della sma? Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 5 Sma d Paramer a Massma Verosmlaza L equazoe θ l( θ 0 può forre ua soluzoe al problema d sma che sarà u massmo lobale, u massmo o mmo locale o, pù raramee, u puo d flesso Maemacamee dovre rovare ue le soluzo e po cofroarle o calcolare la dervaa secoda Charamee valor d massmo vao cerca ache fra pu d froera del domo. Va oao che la soluzoe rovaa sarà solo ua sma d θ. Cosa ovva perché samo usado u parcolare seme lmao d campo (D per calcolarla. Domada fodameale è ovvamee quao è buoa quesa sma? Coè quao d dscosa dal valore vero d θ. Vedremo pù ava alcue defzo sulla boà d ua sma Vedamo ora alcu esemp d calcolo d paramer col meodo ML Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 6

5 Sma ML: dsrbuzoe Gaussaa co µ coa Suppoamo che campo proveao da ua dsrbuzoe ormale d- dmesoale co µ o oa. Duque queso caso θ µ. Per l eerco paer x possamo scrvere: l x e θ l µ d [(π Σ ] [ x θ ] Σ ( x µ ( x La codzoe d massma verosmlaza su D è perao: l [ p ] θ x µ Σ θl ( θ l ( x θ ( Σ x µ 0 µ ˆ µ Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 7 ( x Rsulao eressae: la be oa meda campoara, che uo userebbe uvamee, è propro la sma ML per ua dsrbuzoe Gaussaa. Sma ML: dsrbuzoe Gaussaa co µ e Σ coe I queso caso l veore d paramer co è θ(µ, Σ Cosderamo l caso moodmesoale, co θ(µ,σ. Per l eerco paer x possamo scrvere: l p ( x θ l ( π σ x µ σ e θ l [ p ( x ( x µ σ θ ] + ( x µ σ ( σ Applcado la codzoe d massmo: ( x µ σ θl( θ l [ ] θ x θ 0 + ( x µ σ ( σ Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 8 Sma ML: dsrbuzoe Gaussaa co µ e Σ coe Oeamo: ( x µ 0 σ - + ( 0 x µ σ σ Da cu: ( 0 ( σ ( x µ σ - + ( x 0 µ σ σ µ µ ˆ x e ˆ x ( ˆ Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 9 Ache queso caso le sme radzoal d meda e varaza cocdoo co quelle a massma verosmlaza Sma ML: dsrbuzoe Gaussaa co µ e Σ coe S dmosra che d-dmeso s oee: µ ˆ Σˆ x ( x µ ˆ ( x µ ˆ La sma d massma verosmlaza per la meda è la meda campoara La sma d massma verosmlaza per la marce d covaraza, che è defa come E ( x µ ( x µ, è la meda delle marc Le sme a massma verosmlaza cocdoo qud co meod d calcolo uv: meda e covaraza campoare. Resa da vedere quao quese sme sao buoe. Faccamo u ceo al coceo d boà e lucd seue. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 0

6 Ce sulle propreà del smaor Ne lucd precede abbamo vso l smaor ML della meda e varaza d ua dsrbuzoe Gaussaa ( sasca soo de smaor puual ML. Abbamo lascao apero l problema della boà d ques smaor, e pù eerale della boà d uo smaore. Vedamo d dre qualcosa. Paramo dal caso specfco dello smaore del valor medo: µ ˆ x Ed aalzzamoe alcue propreà semplc. I meda lo smaore è uuale al Il valore aeso d ˆµ è: E [ ] µ x paramero µ da smare, ovvero La varaza d ˆµ è: var[ µ ˆ] var x var var( x x E( x µ σ σ N.B. la dsrbuzoe d ˆµ è ceraa su µ. La varaza dello smaore c fa vedere che lo smaore è ao pù precso quao pù l campoe D è rade. Coè ao pù D è rade, ao pù la ma sma sarà poco dspersa oro al valore vero µ. ˆµ è ua var aleaora. Daa ua realzzazoe d D, oerrò ua realzzazoe d ˆµ Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol Ce sulle propreà del smaor La propreà vsa: E [ ] x µ I eerale s rfersce alla dsorsoe (o polarzzazoe dello smaore. Uo smaore S è o polarzzao (o o dsoro se: E[S]θ, coè la meda della sua dsrbuzoe è uuale al valore vero del paramero (veore d paramer, eerale ^ La sma s dce o polarzzaa se: E [ θ θ ] 0 E uvo che ua possble defzoe d boà per uo smaore è: uo smaore è buoo se è o polarzzao ed ha varaza pccola. Meamo fra vrolee buoo perché sasca essoo vare e pù complesse defzo d boà d uo smaore, che queso corso o vedamo S dmosra che: E [ ( ] x µ σ Coè smaore ML della varaza è polarzzao. S depolarzza per rade. Smaore o polarzzao è: ˆ σ µ ( x ˆ Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol Ce sulle propreà del smaor Quado uo smaore è o polarzzao solo per rade, vee deo asocamee o polarzzao Essoo ache codzo meo resrve sulla boà d uo smaore. Ad esempo, uo smaore vee deo semplcemee cossee (o debolmee cossee se: ^ lm P ( θ θ < δ + Essoo alre possbl defzo d boà (o melo d accuraezza d uo smaore che o vedamo queso corso: -smaor a mmo scaro quadraco -smaor a mmo rscho Ecc. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 3 Classfcaor basa su modello Gaussao Assumamo d usare le sme ML vse per µ e, e d smare la probablà a pror P(ω d ua classe come la frazoe d paer d D che le appareoo. Vedamo ora qual classfcaor, ed parcolare qual p d fuzo dscrma, s possoo oeere assumedo u modello Gaussao de da. Quesa aals è mporae per capre la complessà de problem d classfcazoe che possoo essere rsol pozzado u modello Gaussao de da Vedremo ache dvers p d classfcaor che s oeoo facedo dverse poes (o semplfcazo su paramer del modello Gaussao Nel caso cu p x ω N ( µ, Σ ( La fuzoe dscrmae assocaa è: ( x ( x µ Σ ( x µ ( ω + l ( P ( ω ( x l x d l π l Σ + l P( ω Il paramero fodameale che reola la complessà del modello Gaussao è ovvamee Σ; vedamo qud dvers classfcaor che s oeoo soo dverse poes sulla sruura d Σ. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 4 P( ω

7 Modello Gaussao: caso σ I σ I sfca che Le feaure soo sascamee dpede e hao la sessa varaza. I da ( paer formao cluser (rupp persferc d deche dmeso, e cer µ x µ ( x σ d Σ σ Σ ( I I queso semplce caso oeamo: σ d ( x ( x µ Σ ( x µ lπ l Σ + l P( ω Allora la (x precedee s può rscrvere come: + l ( P( ω Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 5 Modello Gaussao, caso σ I, Classfcaore Leare Svluppado la (x precedee e oado che l erme (x x è lo sesso per u valor d, oeamo la fuzoe dscrmae leare ( x x + µ ; 0 µ l ( µ + P ω 0 σ σ è dea sola o " bas " per la -esma classe 0 La superfce d decsoe è ua porzoe d perpao d dmesoe d- defo da ( x ( x Nel osro caso l equazoe del perpa può essere scra come ( x x 0 dove 0 x 0 µ per le class co la pù ala probablà a poseror µ ( µ + µ µ P ( ω ( µ P ( ω µ Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 6 µ σ l Modello Gaussao, caso σ I, Classfcaore Leare L perpao che separa le reo R e R è orooale alla couee fra le mede I valor d P(ω e P(ω deermao la poszoe del puo x 0 cu passa l perpao Caso parcolare: P(ω P(ω per o classe P(ω dvea fluee per la classfcazoe La fuzoe dscrmae dvea ( x x µ Queso classfcaore è chamao a mma dsaza (mmum dsace classfer e vee usao ella procedura d classfcazoe dea emplae mach (dove o classe è rappreseaa dal relavo proopo µ Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 7 Esempo per l caso σ I, P(ω P(ω Esempo d dsrbuzo moodmesoal e relave superfc d separazoe per l caso σ I. Le dsrbuzo soo sferche d> dmeso, come s vede elle prossme fure Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 8

8 Esempo per l caso σ I, P(ω P(ω Esempo per l caso σ I, P(ω P(ω Esempo d dsrbuzo co d Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 9 Esempo d dsrbuzo co d3 Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 30 Caso σ I co probablà a pror dverse Esempo σ I co probablà a pror dverse Come mosrao lucd seue, al varare delle probablà a pror le superfc d decsoe raslao. Per probablà a pror suffceemee dverse le superfc d decsoe o accoo pù ra le mede delle dsrbuzo Veoo mosra del esemp per ua, due e re dmeso Se le probablà a pror soo dverse l puo d cofe x 0 s alloaa, come è uvo, dalla meda della classe pù probable Pù la varaza è pccola rspeo x σ P( ω 0 ( l + ( µ µ P( ω µ µ alla dsaza fra le mede, pù µ µ l flueza de prors dmusce Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 3 Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 3

9 Esempo σ I co probablà a pror dverse Esempo 3D, σ I, co probablà a pror dverse Caso lme cu la rade dffereza fra le P(ω m fa quas sempre decdere per ω S capsce che queso è u problema quado devo rcooscere class rare (ua paoloa rara, l raffco rusvo, lo spamm Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 33 Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 34 Modello Gaussao: caso I queso caso le marc d covaraza soo uual (ma arbrare per ue le class. I paer formao cluser perellssodal d deche dmeso e forme, cera µ Elmado dalla fuzoe dscrmae: ( x ( x µ Σ ( x µ erm dpede da, possamo scrvere: ( x ( x µ Σ d l π l Σ + l P( ω ( x µ + l P( ω Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 35 Modello Gaussao: caso e P(ω P(ω Caso parcolare: P(ω P(ω per o classe. I queso caso la fuzoe dscrmae dvea: ( ( ( x x µ Σ x µ dsaza d Mahalaobs La reola d decsoe sarà: Dao x, msuramo la dsaza d Mahalaobs fra x e o µ, e asseamo x alla classe a dsaza mma Come per l caso precedee co Σ daoale, espadedo ed elmado erm dpede da oeamo ua fuzoe leare: ( x dove : Σ x + µ ; 0 0 Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 36 µ Σ µ + l P ( ω

10 Caso : Superfc d decsoe Le superfc d separazoe ra reo R ed R adace soo perpa d equazoe Esemp caso ( x x dove 0 0 Σ x 0 ( µ ( µ µ + µ ( µ l [ P( ω P( ω ] µ Σ ( µ µ ( µ µ Dao che o è ( eerale ella drezoe d (µ -µ, l perpao o è orooale alla couee le due mede. L perpao erseca comuque ale rea x 0 ; la poszoe d x 0 dpede dalle probablà a pror Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 37 Esemp d reo d decsoe per dsrbuzo ormal uual, ma co probablà a pror molo dverse Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 38 Esemp 3D del caso Sma della marce d covaraza el caso Nel caso cu s abba ua marce d covaraza uuale per ue le class s dmosra che la sua sma a massma verosmlaza è: S C Σˆ Dea pooled h-roup sample covarace marx Dove la sma della marce Σ è faa su campo della classe ω. La sma o polarzzaa ( c class è: L perpao d decsoe può o essere orooale alla lea couee le mede delle class Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 39 S c Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 40

11 Modello Gaussao: caso arbrara I queso caso possamo elmare dalla fuzoe dscrmae solo l erme (d/l(π, oeedo: ( x ( x µ Σ ( x µ l Σ + l P( ω La (x è ua fuzoe quadraca che può essere rscra come ( x x W x + dove : W 0 - Σ ; µ Σ + l P( ω Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 4 x + µ 0 Σ µ ; Modello Gaussao: caso arbrara Problema a due class: Le superfc d decsoe soo perquadrche, e possoo assumere ue le forme eeral. Ne lucd seue damo alcu esemp. Ache el caso moodmesoale le reo d decsoe o soo ecessaramee semplcemee coesse Ne problem a c class, per deermare le superfc d decsoe è ecessaro dvduare la coppa d class covola per quella deermaa zoa dello spazo. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 4 Esemp co arbrara Esemp co arbrara Dsrbuzo arbrare e superfc d decsoe perquadrche Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 43 Dsrbuzo arbrare e superfc d decsoe perquadrche Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 44

12 Proeazoe d u classfcaore basao su modello Gaussao I lea d prcpo dovre proeare l mo classfcaore sapedo quale sruura della marce d covaraza Σ ι serve per modellare la dsrbuzoe de me da Purroppo ella realà spesso o ho quesa coosceza Pore pozzare d usare sempre la sruura pù eerale per la marce Σ ι Queso può comporare ser problem, ache el caso che l modello co marce Σ ι arbrara sa quello correo per modellare da Il calcolo della marce arbrara Σ ι compora la sma d d(d+/ paramer, che può essere u umero rade appea l umero d feaure cresce Nel caso eerale d classfcaore Gaussao dobbamo poer calcolare Σ Ma perché l versa sa defa occorre avere almeo u umero d da >d Nella praca per avere ua buoa sma d Σ ι ho bsoo d >>d, e queso umero cresce al crescere del umero delle class Quao rade deve essere è dffcle a drs e cas real d da rumoros Iolre co pccolo e da rumoros esse l problema deo overf Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 45 Sma d paramer preseza d rumore : Overf Quesoe eerale: modello pù complesso (Σ arbrara è ovvamee pù sesble a rumore, perché ha pù paramer Nella praca (dove spesso da soo poch e rumoros classfcaore basao su Σσ I può fuzoare melo d classfcaore co Σ arbrara, ache se ques ulmo è l modello correo Aaloa co reressoe : modello correo della f(x a lao è ua parabola. Ma da d esempo soo poch e rumoros Se uso modello pù eerale (polomo d rado 0 overfo da d esempo, e oeo modello molo dverso da ua parabola Per aaloa: se modello uso è Σσ I, allora usare Σ arbrara può causare overf se o ho abbasaza da Overf è u problema ache se coosco quale è modello uso Ache se uso l modello uso (es. polomo d rado 0 el caso d reressoe, o Σ arbrara el caso della classfcazoe, posso lo sesso avere overf se ho poch da e rumoros Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 46 Sma d paramer co poch da ( small sample sze Nella praca per avere ua buoa sma d Σ ho bsoo d avere >>d S può assumere, prma approssmazoe, che l accuraezza della sma d Σ arbrara sa proporzoale a d d Ovvamee ho accuraezza uuale ad uo per + (caso asoco Se Σσ d I s può assumere che l accuraezza della sma sa proporzoale a E charo che le due sme soo uualmee accurae el caso asoco o per >>d Vceversa oeo sme pù accurae pozzado Σσ I quado campo soo poch Quesa è ua speazoe approssmava della raoe per cu u classfcaore basao su Σσ I può fuzoare melo d u classfcaore co Σ arbrara Co poch da rspeo al umero d feaure ( small sample sze daa ses, è preferble usare modell semplc (Σσ I. Nel caso d >>d, s possoo vece usare modell pù compless (Σ arbrara. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 47 Reularsed Dscrma Aalyss La Reularsed Dscrma Aalyss (RDA è saa proposa da Fredma el 989 come ecca d proeo d u classfcaore Gaussao per problem co poch da ( small sample-sze daa ses e mole feaure (coè spaz ad ala dmesoalà. I parcolare per problem cu le presazo d u classfcaore quadraco o soo soddsface a causa dell ala dmesoalà dello spazo delle feaure e de poch da d addesrameo a dsposzoe. Nella RDA c soo due paramer chave: Il paramero λ, che reola la complessà della marce d covaraza (facedola varare fra due esrem d marce Σ qualsas e Σ Σ. Il paramero γ, che reolarzza ulerormee la sma della marce d covaraza. La marce d covaraza vee smaa co ua combazoe leare della sma della marce el caso Σ qualsas e della sma el caso Σ Σ. S veda l lucdo seuee. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 48

13 Reularsed Dscrma Aalyss λ ( λ S + λs Σ ( λ + λ dove 0 λ S Σ ˆ S S La marce d covaraza è smaa come combazoe leare della marce d covaraza el caso arbraro e della marce el caso Σ Σ: ˆ Σ x µ ˆ x µ ˆ ( ( Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 49 S W C Σˆ Ne cas esrem λ0 e λ s hao classfcaor quadrac e lear: ˆ λ Σ λ 0 Σ S λ Reularsed Dscrma Aalyss Il paramero γ è usao per reolarzzare ulerormee la sma della marce d covaraza: λ, γ λ ( c ( I p Σ γ Σ + γ λ Dove I p è la marce deà dxd, e c (λ è l auovalore medo della marce Σ λ. La marce d covaraza calcolaa co la formula Σ λ,γ vee alla fe usaa come sma plu- da ulzzare el classfcaore Gaussao. Come scelere valor d λ e γ? Fredma propoe d scelere valor omal usado la ecca d fold cross valdao. Vee scela la coppa d valor che mmzza l errore d classfcazoe smao co la ecca dea del -fold cross valdao (ved Capolo 3. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 50 Alr modell a sola compoee Essoo mole alre dsrbuzo paramerche a sola compoee. Ua famla mporae è quella espoezale, che comprede, olre alla Gaussaa, la dsrbuzoe espoezale, d Posso, d Rayleh, ecc. Esemp ( p x θ α( x exp[ a( θ + b( θ c( x] Dsrbuzoe espoezale pura La mulomale è la eeralzzazoe della dsrbuzoe Bomale Serve come modello per classfcaor a feaure dscree (o feaure può assumere uo fra d valor co probablà θ θx θe x 0 p ( x θ 0 alrme Dsrbuzoe Mulomale m ( θ P x Forma eerale delle dsrbuzo espoezal θ è u veore d paramer Es. la luhezza de pacche rasmess su ua ree seue approssmavamee quesa dsrbuzoe d x! θ d d d! x x x 0,,..., m 0< θ < m θ Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 5 Classfcaor basa su modell o Gaussa e msure Per la proeazoe d classfcaor basa su modell a sola compoee, o Gaussaa, essoo, per la maor pare delle dsrbuzo d eresse, smaor, ache de sasche suffce, che e coseoo d calcolare paramer (s veda l pararafo 3.6 del lbro Paer Classfcao, d R. O. Duda, P. E. Har, e D. G. Sor, Joh Wley & Sos, 000. Nel caso cu u modello a sola compoee (Gaussao o o o sa adeuao vedremo e prossm lucd modell a pù compoe (msure d dsrbuzo. Ne cas cu o s è rado d pozzare essua forma paramerca raoevole, è d rcavarla medae ua aals o supervsoaa de da, s ulzzao meod o paramerc (Capolo 5 Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 5

14 Modell a pù compoe: Msure d dsrbuzo Dae dsrbuzo p (x, p (x,., p (x, s defsce msura d dsrbuzo: mx proporos Co 0 p p ( x p 0 p 0 E ovvo che a parre da u cero po d dsrbuzoe la msura permee d creare de modell molo pù compless Ad esempo ua msura d due Gaussae è ua dsrbuzoe co cque paramer, e può rappreseare ache dsrbuzo bmodal Il modello a msura è approprao u que cas dove le class soo mul modal, o comuque c soo pù compoe da modellare E charo che per le msure cresce l umero d paramer da smare. Se o p (x ha p paramer, la msura a compoe ha [(p+ ] paramer da smare Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 53 Uso de modell a pù compoe I modell a msura hao rovao mole applcazo e cas cu paer d ua classe appareoo a dvers rupp, e cooscamo l appareeza de paer alla classe, ma o sappamo a quale ruppo apparee cascu paer all ero della classe. Predamo l caso della classfcazoe ( caeorzzazoe d es. Ua cera caeora d eso (ad es. la caeora spor può essere ua msura d dverse caeore specfche (calco, es, ec.. Cascua caeora specfca può aver bsoo d u suo modello/compoee parcolare per essere rappreseaa bee. La classfcazoe d es s basa su feaure che rappreseao la frequeza d cere parole chave. E facle capre che per le dverse caeore della classe spor le co-occorreze delle parole chave possoo essere molo dverse. I queso caso è abbasaza ovva l ulà de modell a pù compoe. E ache facle capre che se o so cosderado ua uca classe spor o avrò coosceza della caeora specfca (calco, es, ec. a cu apparee l eso/ paer da classfcare. Queso può complcare molo l problema della sma de paramer. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 54 Msure e Expecao Maxmzao: roduzoe Nella sma ML d paramer l puo chave è la massmzzazoe della verosmlaza loarmca: [ ] [ ] l( θ lo D θ lo x θ A secoda della forma della x /θ ale massmzzazoe può essere fable modo semplce o molo complessa. Ne cas cu ale massmzzazoe dvea roppo complessa s può rcorrere alla ecca erava dea Expecao Maxmzao (alormo EM. Paramo da u esempo che mee luce u caso d queso po, e vedamo po coce base dell alormo EM. Suppoamo d dover smare paramer Ψ d ua mescolaza d dsrbuzo: x Ψ π p ( x θ Ψ( π,..., π, θ,..., θ π Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 55 Expecao Maxmzao: roduzoe La massmzzazoe caso molo complessa. della verosmlaza loarmca è queso l( θ lo [ D θ ] lo π p ( x θ Per rcodurs ad ua formula semplce co ua sola sommaora servrebbe sapere a quale dsrbuzoe della mescolaza apparee o campoe x. Per far queso s può pozzare che essao de da co z cu valor dcao propro a quale dsrbuzoe della mescolaza apparee o campoe x : z,..., Se z m sfca che l campoe x apparee alla m-esma dsrbuzoe della msura. Ma allora la l(θ s può rscrvere come: l( θ lo z p ( / z x π θz ( ( θ 0 θ l Abbamo semplfcao la formula. Ma z è ua varable aleaora! Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 56

15 Expecao Maxmzao: roduzoe L uso della varable aleaora z cosee d semplfcare la formula della verosmlaza loarmca. z m sfca che l campoe x apparee alla m- esma dsrbuzoe della msura. Ero π z π m e p z (x /θ z p m (x /θ m. l( θ lo z p ( / z x π θz Vedamo d formalzzare u po melo coce. Dao u seme D (x, x,, x d paer la fuzoe d verosmlaza è: l( Ψ D Ψ π x θ Ψ( π,..., π, θ,..., θ π Come à deo o è possble eerale rsolvere l equazoe S rcorre perao a meod erav d massmzzazoe, come l meodo EM. θ l( θ 0 Expecao Maxmzao: roduzoe Suppoamo che veor x che formao l seme D(x,x,,x sao comple. Icomple el seso che per ess cooscamo l appareeza alla classe, ma o alla compoee della msura. Idchamo co y ua versoe complea del veore x. Complea el seso che al veore soo aue le compoe maca z: y (x, z Nel caso delle msure l veore z forsce l formazoe sull appareeza del veore x alla compoee della msura: z (z, z,, z Dove z se x apparee alla -esma compoee della msura. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 57 Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 58 Expecao Maxmzao L seme d da compleo vee dcao come Y(X,Z, co dsrbuzoe: (y/ψx,z/ψz/x,ψx/ψ La fuzoe d verosmlaza sarà: l( Ψ X, Z Ψ Va oao che la l(ψ è a queso puo ua varable aleaora, poché Z è scooscuo e pozzao aleaoro co ua cera dsrbuzoe. Coè l(ψ /X,Yh Z,θ (Y, fuzoe d ua dsrbuzoe h dove X e θ soo cosa e Z è la varable aleaora. La verosmlaza x/ψ può essere oeua dalla (y/ψ erado su u possbl valor d z: l( Ψ D Ψ ( x, z / Ψ dz La formula precedee è l puo chave. Perché c fa vedere che possamo calcolare la verosmlaza D/ψ medado su u possbl valor d z, dao u cero valore de paramer ψ. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 59 Expecao Maxmzao l( Ψ D Ψ ( x, z / Ψ dz Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 60 Cosa volamo? Massmzzare la verosmlaza D/ψ. Farlo dreamee modo aalco è roppo complesso per ua msura. ( ( θ 0 θ l Ma la formula precedee c fa ure che poremmo:. Come prmo passo smare la verosmlaza D/ψ medado su u possbl valor d z, dao u cero valore zale de paramer ψ. Coè poremmo calcolare u valore aeso della verosmlaza D/ψ. Abbamo però bsoo d ua sma zale de paramer ψ. (Passo d Expecao.. Ma smare la verosmlaza D/ψ come valore aeso su u possbl valor d z, sfca rcodurs al problema sadard della massmzzazoe della verosmlaza. Perché c samo sbarazza della varable aleaora z. Le uche coe che resao soo valor del veore de paramer ψ. Ma allora l secodo passo è quello d rovare l valore de paramer ψ che massmzza la verosmlaza. (Passo d Maxmzao.

16 Expecao Maxmzao Il meodo EM (Expecao Maxmsao è u meodo eravo d rcerca de paramer ψ che massmzzao la verosmlaza: A parre da ua sma zale ψ (0 vee eeraa ua sequeza d sme ψ (m ; Il meodo EM era su due pass base d expecao (E-sep e d maxmsao (M-sep; Nel passo E-sep vee smaa la verosmlaza D/ψ medado su u possbl valor d z, dao l valore corree ψ (m de paramer. Nel passo M-sep s cerca l valore de paramer ψ (m+ che massmzza la verosmlaza. Expecao Maxmzao. E-sep S calcola l valore aeso della lo((y/ψ lo(x,z/ψ rspeo a z. Assumedo o da osserva x ed pozzado d avere ua sma corree de paramer ψ (m.. M-sep Q(, E lo( ( y/ / x, ( m ( m Ψ Ψ Ψ Ψ Ψ Ψ ( m lo( ( x, z / z/ x, dz... dz S cerca l valore ψ (m+ che massmzza Q(ψ, ψ (m. Spesso la soluzoe d queso passo s può rovare forma chusa. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 6 Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 6 Expecao Maxmzao Ua vola fao l E-sep, è charo che abbamo ua fuzoe de sol paramer ψ, che possamo massmzzare come s fa comuemee ella sma ML.. Passo d Maxmzao (M-sep ( Ψ armax Q( Ψ, Ψ Ψ Puo chave è che la fuzoe che adamo a massmzzare sa pù semplce d quella d pareza raze all roduzoe della varable z. z c deve qud permeere d avere ua fuzoe aalcamee pù semplce da massmzzare. Il prezzo da paare è u passo d expecao che serve ad elmare la varable aleaora z, calcoladoe l valore aeso. I due pass veoo rpeu fo a quado l alormo o covere ad u massmo. O pù semplcemee l valore d Q calcolao è ferore (d ua cera sola a quello calcolao all erazoe precedee. EM applcao a msure Vedamo ora pass prcpal dell ulzzo del meodo EM per ua mescolaza d dsrbuzo. Cosderamo l veore compleo y (x, z che abbamo defo precedeza. La verosmlaza d y s scrve come: Che può essere scra come: (y/ψx/z,ψz/ψ x/θ κ π κ ( y / Ψ x / θ π Dove z vale zero ecceo che per. La verosmlaza d x s può scrvere come: x / Ψ ( y / Ψ π x / θ z z Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 63 Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 64

17 EM applcao a msure x / Ψ ( y / Ψ π x / θ z Dalla formula precedee s vede bee che ua mescolaza può essere erpreaa come ua dsrbuzoe d da complea, dove da maca soo le echee d appareeza alle compoe della msura. Per u seme d da abbamo: Co: Dove l veore l ha -esma compoee uuale a lo(π, l veore u ha - esma compoee uuale a lo(x /θ, ed l veore z ha compoe z,,,, dove z se l paer x apparee alla compoee -esma. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 65 ( y,..., y / Ψ x / θ π T T lo( ( y,..., y / Ψ z l + z u ( θ z EM applcao a msure Vedamo due pass base dell alormo eravo.. E-sep Q(, E lo( ( y/ / x, ( m ( m Ψ Ψ Ψ Ψ T T l u + ( θ Dove E(z / x, ψ (m. La -esma compoee del veore rappresea la probablà che x apparea alla compoee della msura, daa la corree sma ψ (m de paramer: ( m ( m x / θ ( m ( m π π x / θ Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 66 EM applcao a msure. M-sep I queso passo s massmzza Q rspeo a ψ. Massmzzado Q rspeo a π (co l vcolo che la somma de π vala s arrva all equazoe: π λ Oeua dfferezado rspeo a π, dove λ è u molplcaore d Larae, l espressoe: Q Teedo coo del vcolo su π, s dmosra che s oee la sma: Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 67 0 ( λ π π ˆ EM applcao a msure Gaussae Nel caso d ua dsrbuzoe d msure Guassae, dove θ ι (µ, Σ, s dmosra che le formule per la sma erava el meodo EM soo: x µ ˆ x ˆ π T ( ˆ ( ˆ x µ x µ ˆ T Σ ( ˆ ( ˆ x x µ µ ˆ π Il meodo EM era fra la sma de (E-sep ed l passo d massmzzazoe (M-sep dove s calcolao π, θ (µ, Σ, da valor de. Le sme de paramer al passo m dveao quelle da ulzzare per oeere la sma de paramer al passo m+. E così va fo quado la fuzoe d verosmlaza o covere. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 68

18 Ce alla Sma Bayesaa d Paramer Mere la sma ML vede valor de paramer come quaà coe ma fssae, l approcco Bayesao alla sma vede paramer come varabl aleaore d cu è oa la dsrbuzoe d probablà a pror. Obevo del processo d sma Bayesao è usare campo D per oeere ua dsrbuzoe d probablà a poseror molo srea oro al valore vero del paramero. Il coceo base della sma Bayesaa è facle da capre se pesamo, per aaloa, alla sma della classe vera ω come u problema d sma del valore d u paramero d cu abbamo ua probablà a pror P (ω. Usado l campoe x raffamo la sma : P(ω x x ω P (ω / x Esempo coceuale d suazo d uso della sma ML o della sma Bayesaa Devo smare la dsaza d u bersalo usado msure radar Se o ho essua dea d quale possa essere la dsaza allora userò la sma ML Se ho ua poes d pareza raoevole (es. dsaza-smaan(µ5,σ0.5 allora porebbe covere usare sma Bayesaa per sfruare quesa coosceza a pror Ce alla Sma Bayesaa d Paramer La x x/ω o è oa, ma assumamo che abba forma paramerca oa, x θ Assumamo d cooscere la dsrbuzoe a pror de paramer θ Per smare θ abbamo a dsposzoe u daa se D formao da campo..d., campoa da ua popolazoe dsrbua accordo co la x A dffereza della sma ML che parva dreamee dal problema d calcolare la P(D/θ, l approcco Bayesao pare dal problema eerale del calcolo d: Per ale calcolo possamo usare le relazo: x D x θ θ D dθ θ D D θ θ D θ θ dθ D θ x Coceo caraerzzae è qud l fao che l processo d sma d θ vee effeuao all ero d del calcolo eerale d x θ. Queso cosee d sfruare le formazo probablsche su θ, coè l zale θ e po la D/θ, el calcolo della x θ. θ Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 69 Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 70 Ce alla Sma Bayesaa d Paramer Suppoamo che D θ abba u pcco molo marcao θ θˆ Se θ ˆ 0 e o vara molo ell oro d θˆ, allora ache θ D ha u massmo θˆ L equazoe mosra che, queso caso, x D x θ θ D dθ x D x θˆ Se l pcco d D θ è molo marcao allora l flueza dell formazoe a pror crca l cerezza d θ può pracamee essere oraa.tuava el caso eerale l approcco Bayesao c permee d sfruare ua l formazoe a dsposzoe per l calcolo d x D Esempo d sma erava Bayesaa della meda La formula per la sma erava dpede dalla dsrbuzoe Per ch è eressao a deal s veda l Cap. 3.4 del lbro d Duda, Har, e Sor Numero d campo S o, come è uvo, che la µ/d s sre oro al valore vero del paramero al crescere del umero d campo usa Per l calcolo della θ/d essoo delle procedure erave (ved esempo qualavo ella paa seuee. Po occorre effeuare l erazoe se s vuole la x. Va deo che mol cas l rsulao della sma Bayesaa o dffersce sosazalmee da quello ML Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 7 Raffurazoe della sma erava, al crescere del umero d campo D, del valor medo µ per ua dsrbuzoe Gaussaa Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 7

19 Prcpal fo bblorafche Capol.6, 3., 3., 3.3, 3.9, del lbro Paer Classfcao, d R. O. Duda, P. E. Har, e D. G. Sor, Joh Wley & Sos, 000. Capol.,..,..,.3 del lbro Sascal Paer Recoo d Adre Webb, Joh Wley & Sos, 00. A Gele Tuoral of he EM Alorhm ad s Applcao o Parameer Esmao for Gaussa Mxure ad Hdde Marov Models d Jeff A. Blmes (hp://.vso.ehz.ch/ml/sldes/em_uoral.pdf. Alre fo relaborae dal docee. Corso d Rcooscmeo d Forme a.a. 006/07 Meod Paramerc d Classfcazoe Prof. I. F. Rol 73

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

{ } 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

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

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

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

( ) 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 per co

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

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

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

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

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

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

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

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

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

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

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

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

Definizioni. Unità strutturale. Massa dell unità strutturale (M 0.) = 100 a.m.u. Macromolecola o Catena polimerica

Definizioni. Unità strutturale. Massa dell unità strutturale (M 0.) = 100 a.m.u. Macromolecola o Catena polimerica Defzo Utà strutturale (massa o moomero) assa dell utà strutturale (.) a.m.u acromolecola o Catea polmerca grado d polmerzzazoe (DP) massa molecolare x.p. Luda ateral polmerc 6 Defzo Grado d polmerzzazoe

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

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso Facoltà d Farmaca Corso d Matematca co elemet d Statstca Docete: Rccardo Rosso Statstca descrttva: l coeffcete d cocetrazoe d G Quado s vuole rpartre ua certa somma d dearo, v soo due suddvso che soo,

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

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

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

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

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

ESERCITAZIONE NUMERO 4

ESERCITAZIONE NUMERO 4 METODI STATISTICI PER L ECONOMIA (PROF.SSA M. R. FERRANTE) Eserczo D seuto soo rportat dat sul umero d mprese attve a uo 00 elle 0 reo talae: -ESERCITAZIONI 0/- Aachara Sauatt (aachara.sauatt@ubo.t) ESERCITAZIONE

Dettagli

CORSO DI STATISTICA I (Prof.ssa S. Terzi) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI. Esercitazione n 3

CORSO DI STATISTICA I (Prof.ssa S. Terzi) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI. Esercitazione n 3 ORSO I STTISTI I (Prof.ssa S. Terz) STUIO ELLE ISTRIUZIONI SEMPLII Eserctazoe 3 3. ata la seguete dstrbuzoe de reddt: lass d reddto Reddter Reddto medo 6.500-7.500 4 6.750 7.500-8.500 7.980 8.500-9.500

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

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

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

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

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

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

Introduzione RICONOSCIMENTO DI FORME. Metodi Non Supervisionati e Clustering. Concetti base. Introduzione

Introduzione RICONOSCIMENTO DI FORME. Metodi Non Supervisionati e Clustering. Concetti base. Introduzione Iroduzoe RICONOSCIMENTO DI FORME Meod No Supervsoa e Cluserg Fo ad ora abbao esaao eod d lassfazoe he faevao uso d u rag se osuo da paer ehea, oè d u era oa la lasse d appareeza (Classfazoe/appredeo supervsoao

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

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

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

CORSO DI STATISTICA I (Prof.ssa S. Terzi)

CORSO DI STATISTICA I (Prof.ssa S. Terzi) CORSO DI STATISTICA I (Prof.ssa S. Terz) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI Eserctazoe 2 2.1 Da u dage svolta su u campoe d lavorator dpedet co doppo lavoro è stata rlevata la dstrbuzoe coguta del reddto

Dettagli

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che:

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che: Eserctazoe VI: Il teorema d Chebyshev Eserczo La statura meda d u gruppo d dvdu è par a 73,78cm e la devazoe stadard a 3,6. Qual è la frequeza relatva delle persoe che hao ua statura superore o ferore

Dettagli

( ) ( ) ( ) ( ) Mutua variabilità. n n 1. n n 1. n n 1. n n 1

( ) ( ) ( ) ( ) Mutua variabilità. n n 1. n n 1. n n 1. n n 1 Mutua varabltà È ua msura d quato le utà statstche dfferscoo tra d loro (o pù rspetto ad u puto fsso). Il calcolo degl dc s basa sulle dffereze tra tutte le coppe d utà statstche. Dffereze mede (seza rpetzoe)

Dettagli

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità SIMULAZIONE DI SISTEMI CASUALI parte Varabl casual e Dstrbuzo d varabl casual Calcolo delle probabltà Defzo Il calcolo delle probabltà tede a redere razoale l comportameto dell uomo d frote all certezza;

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

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

Analisi delle distribuzioni doppie: dipendenza

Analisi delle distribuzioni doppie: dipendenza Varabl statstche bvarate Aals delle dstrbuzo doppe: dpedeza Ccchtell Cap. 9 Utà statstche u u : : : u : : : v.s. bvarata quattatva (, ) : U R, soo le COMPONENT d (,) u uvola d put (scatter plot) u Statstca

Dettagli

La media aritmetica. Le medie. Esempio. Esempio. Media aritmetica Mediana. Medie analitiche Medie di posizione. x 1

La media aritmetica. Le medie. Esempio. Esempio. Media aritmetica Mediana. Medie analitiche Medie di posizione. x 1 Le mede Mede: permettoo d stetzzare ua dstrbuzoe sulla base d u solo valore. Possoo essere classcate : Mede aaltche: calcolate tramte operazo algebrche su valor del carattere solo per caratter quattatv

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

Caso studio 2. Le medie. Esercizio. La media aritmetica. Esempio

Caso studio 2. Le medie. Esercizio. La media aritmetica. Esempio 8/02/20 Caso studo 2 U vesttore sta valutado redmet d due ttol del settore Petrolo e Gas aturale. Sulla base de redmet goraler della settmaa passata vuole cercare d prevedere l redmeto per la prossma settmaa

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

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

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

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

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

Daniela Tondini

Daniela Tondini Daela Tod dtod@ute.t Facoltà d Medca Veterara C.L. Tutela e Beessere Amale Uverstà degl Stud d Teramo INDICI STATISTICI La moda o orma M O d ua dstrbuzoe d frequeza X, calcolable per caratter sa quattatv

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

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

Università degli Studi di Napoli Parthenope. STATISTICA per il Turismo. IV Lezione

Università degli Studi di Napoli Parthenope. STATISTICA per il Turismo. IV Lezione Uverstà degl Stud d Napol Partheope Corso d Laurea Maagemet per le Imprese Turstche STATISTICA per l Tursmo IV Lezoe Docete: Sergo Logobard sergo.logobard@upartheope.t Cosderazo sulla moda La moda forsce

Dettagli