Maurizio Vichi Sapienza Università di Roma
|
|
- Camilla Milani
- 5 anni fa
- Visualizzazioni
Transcript
1 Percorsi didattici, interdisciplinari ed innovativi per la Statistica Maurizio Vichi Sapienza Università di Roa Presidente Federazione Europea delle Società azionali di Statistica Scuola Estiva di Mateatica per i Docenti delle Scuole Secondarie di Grado Montegrotto Tere, -5 Luglio 04
2 La Statistica è ultidisciplinare. Si utilizza per valutare una nazione oderna (statistica ufficiale);. E utile nelle scienze sperientali (fisica, chiica, biologia ) perché si basa sui principi galileiani di osservazione e raccolta dati e definizione di un odello, verifica del odello. Ad esepio si usa per onitorare il nostro habitat, isura i cabiaenti di clia, e per le previsioni eteo; 3. E essenziale nelle aziende per isurare l andaento del business, la qualità della produzione e il arketing (valutazione di efficacia efficienza, soddisfazione) 4. E utile nella edicina per valutare l efficacia dei trattaenti e prevenire alattie, per lo studio del genoa 5. Rappresenta una nuova conoscenza di base nelle società oderne Conoscenza: saper leggere e interpretare e sintetizzare la realtà che ci circonda. Statistico aziendale, Statistico finanziario, Statistico gestionale Attuario Statistico ufficiale Statistico Valutatore Statistico Coputazionale Tecnologo nella sperientazione Deografo Statistico Sociale Biostatistico Epideiologo Statistico Medico Econoetrico Risk Manager Esperto di Marketing Mondo del lavoro Statistico abientale. 0
3 Coe insegnare la statistica insiee ad altre aterie La Statistica è forteente ultidisciplinare Il prof di ateatica che insegna la statistica può essere al centro di un progetto didattico ultidisciplinare E di ausilio a olte aterie scolastiche Statistica e Mateatica; L uso dell algebra delle atrici per insegnare statistica Statistica e Inforatica; La realizzazione di una indagine statistica Statistica e Fisica (o altre scienze dure); L osservazione e la isurazione dei dati di un esperiento 3
4 Indagine statistica: Schea ER Questionario Base-dati (file) Matrice Dati Uso di ACCESS per la costruzione delle BASE DATI dell Indagine Statistica Schea ER del fenoeno sesso età Individuo Titolo di studio Acquisto quotidiani Questionario individuale Età Reddito ensile EUR Consuo ensile.. EUR Reddito ensile Consuo ensile 3 Base dati ediante ACCESS e aschera di input Dati 4 Matrice dei dati 4
5 L algebra delle Matrici Per calcolare i principali indici statistici Distribuzioni di frequenze seplici e doppie Media aritetica e vettore delle edie Varianza Covarianza Matrice di varianze e covarianze Matrice di correlazione Retta di regressione 5
6 . Matrici, Vettori Definizione Matrice: Una atrice X è una tabella rettangolare forata da ( ) eleenti (oggetti, nueri, atrici). Il nuero di eleenti ( ) rappresenta la diensione della atrice. La atrice X può essere vista coe un insiee di righe (righe orizzontali) o un insiee di colonne (righe verticali). Le atrici più diffuse in statistica sono costituite da nueri appartenenti al capo dei reali. Una atrice X è descritta da una lettera aiscola in grassetto, e si scrive equivalenteente nei seguenti odi X = [ i : i=,,; =,,], X = [ i ] ( ), X = i i I i I i. 6
7 Vettore: Un vettore è una particolare atrice avente una sola colonna, ossia, di diensione ( ). Un vettore è descritto da una lettera inuscola in grassetto ed è scritto coe segue =. Talvolta il vettore viene rappresentato coe una riga, ossia è trasposto e si scrive ' = [,, ].. Operazioni su atrici e vettori, proprietà e principali risultati Addizione e sottrazione di due atrici X = [ i ] ( ) e Y =[ i ] ( ), dove Z = X ± Y, Z = [z i = i ± i ] ( ). Proprietà coutativa della soa X ± Y = Y ± X. Proprietà associativa della soa (X ± Y) ± Z= X ± (Y ± Z). Moltiplicazione di una atrice X = [ i ] ( ) per uno scalare a ax = Xa = [a i ]. Proprietà associativa del prodotto di una atrice per uno scalare (ab)x=(a)bx. Proprietà distributiva della soa a(x ± Y) = (ax ± ay). 7
8 8 Moltiplicazione di due vettori (Prodotto scalare) = [ i ] ( ) ed =[ i ] ( ), =[,,, ] = Proprietà = [ i ] ( ), =[ i ] ( ),. ' = '; 3. (a)'(b) = ab '; 4. ( + )'z = 'z + 'z; 5. ( + )'(w + z) = '(w + z) + '(w + z). ora di un vettore = [ i ] ( ) : = ' = = i i 0 è il quadrato della distanza Euclidea dall origine Moltiplicazione di due vettori (Prodotto atriciale) = [ i ] ( ) e =[ i ] ( ) : = [,,, ] =. Moltiplicazione di due atrici (riga per colonna) X = [ i ] ( ) ed Y =[ i ] ( H) : XY = = i i = [ ] =,,...,. ( ) ( )
9 Trasposta di X = [ i ] ( ) : X = = La atrice trasposta di X si denota con un apice o con una T ad esponente (Xꞌ o X T ) ed è la atrice in cui le colonne diventano righe e le righe diventano colonne. Proprietà X = [ i ] ( ), Y =[ i ] ( ), a scalare. (X + Y) = X + Y;. (ax) = ax; 3. (XY) = YX; 4. (X) = X; 5. (X) + = (X + ) 6. rk(x) = rk(x); 7. XX e XX sono sietriche; 8. [X Y] = XX YY ; X = [ i ] ( ), Y =[ i ] ( H) 9. (XY) = YX; X = [ i ] ( ), Y =[ i ] ( H), Z = [z i ] ( P), W =[w i ] ( H) XX YY. ZZ WW = XX ZZ YY WW. 9
10 Rango di una atrice X = [ i ] ( ), si denota con rk(x) è il assio nuero di righe o colonne di X linearente indipendenti. Traccia di una atrice X = [ i ] ( ) : tr(x) = i= Proprietà ii X = [ i ] ( ), Y =[ i ] ( ),. tr(xy) = tr(yx);. tr(xx + ) = rk(x); X = [ i ] ( ), Y =[ i ] ( ), a scalare 3. tr(x ± Y) = tr(x) ± tr(y); 4. tr(ax) = a tr(x); 5. tr(x) = tr(x). ora di una atrice X = [ i ] ( ) :. ora Euclidea : X = ( X' X) tr = i =. ora di Mahalanobis: X W = tr ( X' WX) W è definita positiva. Spesso W= Σ X, l inversa della atrice di varianze e covarianze di X. Proprietà X = [ i ] ( ), Y =[ i ] ( ), a scalare. Se X 0, X > 0;. ax = a X ; 3. X + Y = X + Y. i, dove 0
11 Deterinante di X = [ i ] ( ), det(x) = X = ( ) σ ( i) σ i= P sng σ i dove la soa si riferisce a tutti i possibili prodotti ciascuno dei quali e forato da un eleento per ciascuna riga di X. I possibili prodotti sono pari alle perutazioni P ed il prodotto è preso con il segno negativo o positivo a seconda che la perutazione σ sia dispari o pari. deterinante di una atrice det(x) = = ; deterinate di una atrice 3 3 det(x) = = = Proprietà X = [ i ] ( ), a scalare. det(ax) = a det(ax);. det(x') = det(x); 3. Se X è non singolare det(x - ) = det(x) - ; 4. rk(x) <, allora det(x) = 0; 5. rk(x) =, allora det(x) 0; X = [ i ] ( ), Y =[ i ] ( ), 6. det(xy) = det(x) det(y);
12 Matrice identità: I, ( ), I = 0 0. Rappresenta l eleento neutro del prodotto di atrici. Ovvero per X = [ i ] ( ), XI = I X = X. Matrice diagonale di X = [ i ] ( ) : dg(x) = 0 0 = = [ i ] ( ), diag() = diag( ) = 0 0. Matrice Indicatrice X = [ i ] ( K), se è ad eleenti binari e tale che X K =, ossia ogni riga di X ha un solo eleento diverso da zero. Proprietà. X indicatrice XX = diag(), dove = X ;. X indicatrice noralizzata : X n = X(XX) -/ è ortogonale, ovvero X n X n = I K Matrice Inversa di X = [ i ] ( ), con deterinante det(x) 0 (non singolare o invertibile) X - ( ) : X - X = I Proprietà X = [ i ] ( ), Y =[ i ] ( ), a scalare. (XY) - = Y - X - ;. (ax) - = a - X - ; 3. X - = X - ; 4. (diag(,, )) - = diag(,, ). Matrice Inversa di Moore-Penrose di X = [ i ] ( ) : X + ( ) : XX + X = X; X + XX + = X + ; (XX + ) = XX + ; (X + X) = X + X; Proprietà. X + esiste ed è unica;. (X + ) + = X; 3. (X) + = (X + ); 4. rk(x) = X + = (XX) - X; 5. rk(x) = X + = X (XX) - ; 6. XXX + = X; 7. X + XX = X; 8. X(X + )X + = X + ; 9. X + (X + )X = X + ; 0. (XX) + = X + (X + );. (XX) + = (X + )X + ;. XX + e X + X sono idepotenti. Matrice X = [ i ] ( ) idepotente XX = X. Matrice ortogonale: X = [ i ] ( ), con deterinante det(x) 0 (non singolare) è ortogonale se X = X -. Proprietà. X ortogonale XX = XX = I ;. X ortogonale X ortogonale; 3. X ortogonale X - ortogonale; 4. Una atrice di perutazione è ortogonale; 6. La atrice indicatrice è ortogonale.
13 . Le strutture statistiche dei dati Alla base di una copleta conoscenza statistica (quantitativa) di un fenoeno in tutte le sue anifestazioni, vi è, una popolazione o universo, che supponiao costituita da un nuero finito di unità statistiche. Si supponga di poter osservare o isurare su tale una popolazione variabili statistiche.. La atrice dei dati Le odalità delle variabili sono disposte in una atrice dei dati di diensione ( ), X = =[ i : i=,,; =,,], ( ) i i i i I I dove l eleento i rappresenta la odalità della variabile -esia osservata o isurata sull unità i-esia. In pratica, i dati osservati, o isurati, sono organizzati in fora tabellare secondo due odi: le unità statistiche e le variabili, che rappresentano rispettivaente le righe e le colonne di X. La atrice dei dati X può essere vista coe un insiee di colonne di dati, ovvero, coposta da vettori di diensione ( ), che rappresentano le variabili, X = [.,.,,.,,. ], dove in particole con. si indica il vettore associato alla variabile -esia, che si scrive. = ( ) = [ i : i=,..,]. 3
14 Più frequenteente la atrice dei dati è vista coe un insiee di righe, ovvero, vettori ( ), che rappresentano le unità statistiche. Queste rappresentano un insiee di osservazioni ultivariate X = [.,.,, i.,,. ], dove in particolare con i. si indica il vettore associato all unità statistica i-esia, che si scrive i i. = i = [ i : =,..,]. ( ) i.. Variabili qualitative el caso la variabile X sia qualitativa (o categoriale) ed assua un nuero finito di diverse odalità (categorie), queste ultie possono essere arbitrariaente codificate con i prii nueri interi da a che sono riportati nel vettore. Ciò non corrisponde ad una quantificazione del carattere qualitativo che riane tale, a sepliceente una convenzione usata con il solo scopo di seplificare la scrittura dei dati; infatti, le odalità qualitative sono sostituite con dei nueri scelti arbitrariaente. Ciò generalente aiuta a iniizzare gli errori di registrazione dei dati sui supporti inforatici. 4
15 Le variabili qualitative con odalità (variabili categoriali) ( > ) possono essere codificate in fora binaria associando ad ogni variabile X una atrice indicatrice B questa volta di diensioni ( ). Le colonne di B corrispondono alle odalità che la variabile X può assuere. Ogni unità avrà valori di cui ( -) pari a zero e il rianente uguale a. Se l unità assue la odalità l-esia allora l è posizionato nella colonna l-esia. Anche in questo caso si ha che la soa di ogni riga è paria ad, ossia B =. La atrice X =[.,.,,.,,. ] relativa a variabili qualitative X (=,,) avrà associata la atrice indicatrice a blocchi B = [B, B,, B ], di diensioni ( L) dove L= = per riga costante e pari a. Infatti, si ha B L =,. La atrice B ha la proprietà di avere soa ovvero la soa si ogni riga di B è paria a. In generale si ha che B = B B, ovvero la soa delle colonne di B sono pari alle frequenze delle odalità della variabile X. Infatti, B B = diag( B ), è una atrice diagonale i cui eleenti non nulli sono pari alle frequenze delle odalità della variabile X. Si noti che dalla variabile qualitativa codificata in fora binaria B si ritorna al vettore ediante la seguente espressione = B. dove gli eleenti di sono le codifiche nueriche delle odalità qualitative. 5
16 . Le distribuzioni di frequenze seplici Data la variabile qualitativa X che presenta diverse odalità, riportate nel vettore =[,,, ]' la distribuzione di frequenze della variabile è Modalità Frequenze n n k n k n Totale Per scriverla in fora copatta si consideri la atrice binaria B associata al vettore, la distribuzione seplice di frequenze è rappresentata dalla coppia di vettori (, c ), con c = B B, ( ) dove c =[ n k cui eleenti : k=,, ] è il vettore delle frequenze assolute di diensione ( ) i n sono le frequenze assolute delle unità che presentano la odalità k- k esia della variabile -esia. Dalle frequenze assolute si passa alle frequenze relative ediante la seguente espressione che rappresenta il vettore delle frequenze relative rc = ( c )- c = ( B B ) - B B, ( ) dove r c =[ f k : k=,, ] è un vettore di diensione ( ) i cui eleenti fk sono le frequenze relative delle unità che presentano la odalità k-esia della variabile -esia. 6
17 Date due variabili qualitative X e X con ed diverse odalità riportate nei vettori e, la tabella di contingenza relativa alle due variabili si scrive Modalità Modalità n n n n Totale riga n n. n n. n n n Totale colonna n. n. n n. La distribuzione doppia espressa in fora atriciale, considerando le atrici binarie B e B, associate a X e X, si scrive X X \ C c c dove c e c sono i vettori delle frequenze arginali della tabella doppia; in e sono riportate le odalità delle variabili X e X. La tabella doppia è sinteticaente rappresentata dalla distribuzione delle frequenze, ovvero dalla atrice delle frequenze assolute C, con C = B B, ( ) dove C =[ eleenti nk l n k l : k=,, ; l=,, ] è una atrice di diensioni ( ) i cui sono le frequenze assolute delle unità che presentano la odalità k-esia ed l-esia rispettivaente delle variabili X ed X. 7
18 Dalle frequenze assolute si passa alle frequenze relative di riga, e quindi alla tabella di contingenza noralizzata per riga ediante la seguente atrice delle frequenze relative di riga rc = ( B B ) - C = ( B B )- + B B = B B, ( ) dove r C =[ f : k=,, ; l=,, r k l ] è una atrice di diensioni ( ) i cui eleenti r f k l (l=,, ) sono le frequenze relative (di riga) delle unità al variare della odalità l-esia della variabile -esia, e della odalità k-esia delle variabili - esia. + La atrice B è la atrice inversa di Moore-Penrose di B supposta di rango assio (generalente pari a ). Analogaente la tabella di contingenza noralizzata per colonna, ove cioè le colonne sono frequenze relative è rappresentata dalla atrice delle frequenze relative di colonna cc = C ( B B ) - = B B ( B B ) - + = B B ' = ( B ( ) + B )', dove c C =[ c f k l : k=,, ; l=,, ] è una atrice di diensioni ( ) i cui eleenti f (k=,, c k l ) sono le frequenze relative (di colonna) delle unità al variare della odalità k-esia della variabile -esia e della odalità l-esia delle variabili - + esia. La atrice B è la atrice inversa di Moore-Penrose della atrice B supposta di rango assio. Infine, la tabella di contingenza noralizzata per il nuero totale di unità si ottiene dividendo le frequenze assolute per il nuero di unità; in tal caso la atrice delle frequenze relative al totale delle unità è TC = - C = [ T f k l : k=,, ; l=, l ]. ( ) 8
19 . La edia Il valore atteso E(X ) della variabile aleatoria X è la edia aritetica µ delle odalità, riportate nel vettore, osservate sulle unità statistiche della popolazione sulle quali si anifesta X E(X ) = µ = ( ) = + = =, dove è un vettore a coponenti unitarie, ossia il vettore -diensionale = [,,,]'.. Il vettore delle edie Il valore atteso E() del vettore aleatorio è il vettore delle edie aritetiche delle variabili aleatorie X, X,, X, ossia il vettore le cui coponenti sono i valori attesi o edie µ delle odalità, riportate nella atrice X, osservate sulle unità statistiche della popolazione, E() = µ X = E[X, X,, X ] = [E(X ), E(X ),, E(X )] ( ) =[µ, µ,, µ,, µ ] µ X = ( ) X ( ) X = ( ) = X = ( ) + X.,,..., = [.. ] = [µ, µ,, µ ]. Il vettore delle edie si può scrivere anche a partire dal vettori delle osservazioni ultivariate.,.,, i.,,., µ X = ( ) X,...,. = [. ] = i = [µ, µ,, µ ],. i=
20 .3 Il vettore delle edie delle distribuzioni parziali Quando si osserva una variabile quantitativa X e una variabile qualitativa X con associata atrice indicatrice B, per le distribuzioni parziali della variabile X condizionataente alle odalità della variabile X si possono calcolare le edie che possono essere disposte nel vettore delle edie condizionate µ = [µ, µ, µ ] = ( B B ) - ( ) B = + B. Il vettore delle edie capionarie delle distribuzione parziali di X condizionataente alle odalità di X per le n osservazione capionarie ultivariate.,.,, i.,,.4 La varianza La varianza Cov(X ) = σ (che si scrive anche con la notazione ) della variabile aleatoria X è Cov(X ) = E(X - µ ) = σ. La varianza della variabile -esia si scrive a partire dal vettore degli scarti c associato alla variabile -esia σ = c c = ( µ )' ( µ ) = ' = = I ' I =, dove c = µ è il vettore degli scarti dalla edia aritetica. Dalla precedente espressione si ricava anche σ =. Infine, la varianza σ si può calcolare anche coe nora euclidea del vettore, ossia σ = c. σ 0
21 .9 La covarianza La covarianza Cov(X, X ) = σ tra le variabili aleatorie quantitative X, X si scrive σ = c c = ( ) ( ) µ µ = = = I I ' =. Dalla precedente espressione si ricava anche σ =..0 Il coefficiente di correlazione r = σ σ σ = =.
22 . La atrice di varianze e covarianze Le varianze e le covarianze tra le coppie di variabili si possono disporre nella atrice di varianze e covarianze quadrata X di diensione, sietrica. σ σ... σ X = σ σ... σ. ( ) σ σ... σ La atrice di varianze e covarianze si ricava a partire dalle osservazioni ultivariate, X = Cov() = E( - µ X )( - µ X ) = [ ][ ]. μx,. μx,...,. μx. μx,. μx,...,. μx = ( i. μx )( i μ X ) = i. i - µ X µ X,. i=. i= essendo XX = [.,.,,. ][.,.,,. ] = i. i.. La atrice di varianze e covarianze si ottiene a partire dalla atrice X centrata X = XX c c = X X. La atrice di varianze e covarianze si può ricavare a partire dai vettori.,.,,.,,. associati alle variabili, X = X X = [.,.,...,. ] [.,.,...,. ] = [.,.,...,. ] = La atrice di covarianza essendo X = X X si può anche scrivere essendo = I X = X ( I )X = X X - X X = X X - µ X µ X. i=
23 . La atrice di correlazione I coefficienti di correlazioni tra le coppie di variabili si possono disporre nella atrice di varianze e covarianze quadrata R di diensione, sietrica e seidefinta positiva. R X = ( ) r r r r r σ. La atrice di correlazione si ottiene R X = D - X D -, ( ) ( ) dove: D = dg(σ, σ ) è una atrice diagonale che ha gli eleenti non nulli pari agli scostaenti quadratici edi delle variabili. Dalla atrice di correlazione si ricava la atrice di varianze e covarianze X = D R X D. ( ) 3
24 .3 Il Chi-quadrato La dipendenza fra due variabili qualitative X ed X coe è noto si isura ediante il chi-quadrato verificando la dissiilarità tra la tabella di contingenze osservata C e quella di indipendenza r c r c, dove r c h =( c h ) - c h =( h B h hbh ) - B B h h h, (h=, h ) sono le distribuzioni delle frequenze relative delle due variabili X e X. Il chi-quadrato espresso coe quadrato delle distanza euclidea tra la tabella osservata e la tabella di indipendenza si scrive Il chi-quadrato n n. l n ( T fkl T fk. T f. l ) = k = l= T fk. T f. l = 3 tr[( B B ) ( TC - rc r c ) ( B B ) ( TC - rc r c )] k. kl χ = n k = l= k n.. l χ tra le variabile qualitative X e X si scrive anche n χ = kl k = l= nk. n. l + = (tr( rc C c ) -) = (tr( B B B + B )-) = (tr( PB P B ) -), dove P B = B ( B B ) - + B = B B è una atrice di proiezione della atrice B e nella precedente espressione si è utilizzata la proprietà circolare della traccia del prodotto di tre atrici A, B, C: tr(abc)=tr(bca)=tr(cab). Possiao anche scrivere χ = n ( c c ) ( B B ) ( c c ) k. r k r r k k = = n ( c c ) ( B B ) ( c c ). l r l r r l r. l= Le ultie due espressioni del chi-quadrato individuano due odi alternativi per definire l indipendenza ovvero che le distribuzioni parziali sono siili ovvero le distribuzioni parziali delle frequenze relative di riga sono tra loro uguali e quindi uguali a quelle della distribuzione arginale, foralente r c l = r c per l=,,, r c k = r c per k=,,. r
25 Statistica e Fisica La statistica per un fisco sperientale è uno dei principali struenti di lavoro - rilevazione statistica per la realizzazione di un esperiento di fisica, chiica, edicina - Rilevazione dei dati - Randoizzazione dell esperiento - Piano degli esperienti (caso controllo, disegno ottio) (Biostatistica) Replicazione, blocking (gruppi), Otogonalità (confronto) ESEMPIO: Rilevazione dati di un esperiento sulla relazione fra variabili Esperiento volue dell acqua in un beaker graduato e l altezza della colonna isurata in c con un righello graduato Misurazione rappresentazione grafica interpolazione con una funzione lineare dei dati isurati retta di regressione (uso ecell) 5
26 SOFTWARE Ecel ACESS Matlab o Scilab R 6
27 Microsoft Ecel 7
28 Il software Matlab o Scilab o GU Octave Software coerciale Software libero facilente scaricabile 8
29 Il software R R è un abiente «open source» di sviluppo specifico per l'analisi statistica dei dati che utilizza un linguaggio di prograazione derivato Si possono trattare atrici e vettori che sono gli struenti di base della statistica ultivariata. - Esistono packages per ogni analisi statistica conosciuta anche olto avanzata. 9
30 IDICI STATISTICI coe ALGORITMI di CALCOLO - indicatori di sintesi dei dati: edie, indici di variabilità di correlazione, di regressione viste coe algoriti di calcolo Mr = r n n r i i= Progra MediaVettore; Uses Crt; Const Ma=30; Var V:ARRAY [..Ma] OF integer; Di,i,Tot:integer; Med:real; Begin Clrscr; Writeln ('Prograa per calcolare il valore edio di un vettore nuerico'); REPEAT writeln; Write('Inserisci la diensione del vettore: '); Readln (); Writeln; UTIL (>=) AD (<=Ma); FOR i:= TO DO Begin Write ('Dai il nuero di posizione ',i,': '); Readln (VEC[i]); End; SOM:=VEC[]; Med:=0; FOR i:= TO DO SOM:=SOM+VEC[i]; Med:=(SOM/); Writeln ('La edia è: ',Med:5:); Readln; End. 30
31 Statistica e Fisica (o altre scienze dure) La statistica per un fisco sperientale è uno dei principali struenti di lavoro - rilevazione statistica per la realizzazione di un esperiento di fisica, chiica, edicina - Rilevazione dei dati - Randoizzazione dell esperiento - Piano degli esperienti (caso controllo, disegno ottio) (Biostatistica) Replicazione, blocking (gruppi), Otogonalità (confronto) ESEMPIO: Rilevazione dati di un esperiento sulla relazione fra variabili Esperiento volue dell acqua in un beaker graduato e l altezza della colonna isurata in c con un righello graduato Misurazione rappresentazione grafica interpolazione con una funzione lineare dei dati isurati retta di regressione (uso ecell)
Generazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliEsercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
DettagliITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio
ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO
DettagliIl programma OCTAVE per l insegnamento dell algebra lineare nella Scuola Secondaria p. 1
Il programma OCTAVE per l insegnamento dell algebra lineare nella Scuola Secondaria R. Vitolo Dipartimento di Matematica Università di Lecce SaLUG! - Salento Linux User Group Il programma OCTAVE per l
DettagliMatrici OD Interregionali
Corso di LOGISTICA TERRITORIALE www.uniroa2.it/didattica/lt DOCETE prof. ing. Agostino uzzolo Matrici OD Interregionali Modello Input/Output Multi-Regionale La zona j di consuo della produzione interedia
DettagliLezione n.15. Doppi bipoli
Lezione 5 Doppi bipoli Lezione n.5 Doppi bipoli. Definizione di N-polo. Definizione di doppio-bipolo 3. Doppi-bipoli in regie stazionario (doppi-bipoli di resistenze 4. Problei di analisi 5. Problei di
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliInformatica Grafica. Un introduzione
Informatica Grafica Un introduzione Rappresentare la Geometria Operabile da metodi di calcolo automatici Grafica Vettoriale Partiamo dalla rappresentazione di un punto... Spazi Vettoriale SPAZI VETTORIALI
DettagliIl modello media-varianza con N titoli rischiosi. Una derivazione formale. Enrico Saltari
Il modello media-varianza con N titoli rischiosi. Una derivazione formale Enrico Saltari La frontiera efficiente con N titoli rischiosi Nel caso esistano N titoli rischiosi, con N 2, il problema della
DettagliVARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.
VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della
DettagliI.T.I. Modesto PANETTI B A R I
I.T.I. Modesto PAETTI B A R I Via Re David, 86-705 BARI 080-54.54. - Fa 080-54.64.3 Intranet http://0.0.0. - Internet http://www.itispanetti.it eail : BATF05000C@istruzione.it Introduzione Analisi statistica
DettagliMATEMATICA GENERALE Prova d esame del 4 giugno 2013 - FILA A
MATEMATICA GENERALE Prova d esame del 4 giugno 2013 - FILA A Nome e cognome Matricola I Parte OBBLIGATORIA (quesiti preliminari: 1 punto ciascuno). Riportare le soluzioni su questo foglio, mostrando i
DettagliEsempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica.
Esempio Risultati sperimentali Approssimazione con il criterio dei minimi quadrati Esempio Interpolazione con spline cubica. Esempio 1 Come procedere? La natura del fenomeno suggerisce che una buona approssimazione
Dettagli2. Variabilità mediante il confronto di valori caratteristici della
2. Variabilità mediante il confronto di valori caratteristici della distribuzione Un approccio alternativo, e spesso utile, alla misura della variabilità è quello basato sul confronto di valori caratteristici
DettagliMisure elettriche circuiti a corrente continua
Misure elettriche circuiti a corrente continua Legge di oh Dato un conduttore che connette i terinali di una sorgente di forza elettrootrice si osserva nel conduttore stesso un passaggio di corrente elettrica
DettagliMATEMATICA e COMPLEMENTI di MATEMATICA
ALLEGATO N.8_b MATEMATICA e COMPLEMENTI di MATEMATICA DESTINATARI gli studenti delle classi: terze e quarte nuovo ordinamento RISULTATI DI APPRENDIMENTO DELL OBBLIGO D ISTRUZIONE, CHIAVE EUROPEA Padroneggiare
DettagliMarketing mix, break even point e profitto. massimo
Marketing mix, break even point e profitto massimo per l introduzione di un nuovo prodotto Nella vita dell impresa una delle attività centrali della funzione di marketing riguarda la pianificazione dei
DettagliPARTE TERZA. STATISTICA DESCRITTIVA MULTIDIMENSIONALE (Analisi delle Relazioni)
PARTE TERZA STATISTICA DESCRITTIVA MULTIDIMESIOALE (Analisi delle Relazioni) La notazione matriciale 3 III.. LA OTAZIOE MATRICIALE III... L analisi statistica dei fenomeni multivariati L intrinseca complessità
DettagliFERRARI 575M Maranello Velocità Massima 325 Km/h Accelerazione Massima 0-100Km/h in 4,2 s
1 IL MOTO RETTILINEO UNIFORMEMENTE ACCELERATO L accelerazione. Una autoobile di grossa cilindrata, coe la Ferrari 575M Maranello, è apprezzata per la sua ripresa, cioè per la sua capacità di variare la
DettagliRICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come
RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può
DettagliANALISI DEI DATI PER IL MARKETING 2014
ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it MISURE DI DISTANZA E SIMILARITA 1 SCOPI DEL CALCOLO Problema: misurare la diversità (ovvero la rassomiglianza) tra
DettagliMaurizio Vichi Sapienza Università di Roma
Percorsi didattici, interdisciplinari ed innovativi per la Statistica Maurizio Vichi Sapienza Università di Roma Presidente Federazione Europea delle Società Nazionali di Statistica Scuola Estiva di Matematica
DettagliMatrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f).
Due Matrici A,B. Ker f = ker g. 1- Ridurre a scala A e B e faccio il sistema. 2 Se Vengono gli stessi valori allora, i ker sono uguali. Cauchy 1 autovalore, 1- Metto a matrice x1(0),x2(0),x3(0) e la chiamo
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica Terzo Appello del corso di Geometria e Algebra II Parte - Docente F. Flamini, Roma, 7/09/2007 SVOLGIMENTO COMPITO III APPELLO
DettagliDefinizione Dati due insiemi A e B, contenuti nel campo reale R, si definisce funzione reale di variabile reale una legge f : A
Scopo centrale, sia della teoria statistica che della economica, è proprio quello di esprimere ed analizzare le relazioni, esistenti tra le variabili statistiche ed economiche, che, in linguaggio matematico,
DettagliStudio di funzione. Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2
Studio di funzione Copyright c 2009 Pasquale Terrecuso Tutti i diritti sono riservati. E vietata la riproduzione, anche parziale, senza il consenso dell autore. Funzioni elementari 2 Studio di funzione
DettagliVBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole.
Excel VBA VBA Visual Basic for Application VBA è un linguaggio di scripting derivato da Visual Basic, da cui prende il nome. Come ogni linguaggio ha le sue regole. 2 Prima di iniziare. Che cos è una variabile?
DettagliAppunti di complementi di matematica
Appunti di complementi di matematica UITA STATISTICA: è l unità su cui si raccolgono le informazioni oggetto dell indagine e possono essere individui, famiglie, oggetti. UIVERSO STATISTICO O POLAZIOE STATISTICA
DettagliConfronto fra valore del misurando e valore di riferimento (1 di 2)
Confronto fra valore del isurando e valore di riferiento (1 di 2) Talvolta si deve espriere un parere sulla accettabilità o eno di una caratteristica fisica del isurando ediante il confronto fra il valore
DettagliREVISIONE 0 APRILE 2000 Pag. 1 di 10
SISTEMA NAZIONALE PER L'ACCREDITAMENTO DI LAORATORI DT-000/4 ESEMPI APPLICATIVI DI VALUTAZIONE DELL INCERTEZZA NELLE MISURAZIONI CHIMIICHE INDICE parte sezione pagina Esepio n. 1: Analisi del ercurio in
Dettagli(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto.
29 giugno 2009 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
DettagliParte 2. Determinante e matrice inversa
Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice
Dettagli7 Disegni sperimentali ad un solo fattore. Giulio Vidotto Raffaele Cioffi
7 Disegni sperimentali ad un solo fattore Giulio Vidotto Raffaele Cioffi Indice: 7.1 Veri esperimenti 7.2 Fattori livelli condizioni e trattamenti 7.3 Alcuni disegni sperimentali da evitare 7.4 Elementi
DettagliIllustrazione 1: Telaio. Piantanida Simone 1 G Scopo dell'esperienza: Misura di grandezze vettoriali
Piantanida Simone 1 G Scopo dell'esperienza: Misura di grandezze vettoriali Materiale utilizzato: Telaio (carrucole,supporto,filo), pesi, goniometro o foglio con goniometro stampato, righello Premessa
DettagliGEOMETRIA I Corso di Geometria I (seconda parte)
Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo
DettagliNUMERI COMPLESSI. Test di autovalutazione
NUMERI COMPLESSI Test di autovalutazione 1. Se due numeri complessi z 1 e z 2 sono rappresentati nel piano di Gauss da due punti simmetrici rispetto all origine: (a) sono le radici quadrate di uno stesso
DettagliIntegrali doppi - Esercizi svolti
Integrali doppi - Esercizi svolti Integrali doppi senza cambiamento di variabili Si disegni il dominio e quindi si calcolino gli integrali multipli seguenti:... xy dx dy, con (x, y R x, y x x }; x + y
DettagliProbabilità e Statistica Esercitazioni. a.a. 2006/2007
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliCAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI
CAPITOLO IV RISOLUZIONE DEI SISTEMI LINEARI COL METODO DEI DETERMINANTI 1. REGOLA DI CRAMER Sia S un sistema lineare di n ( 2) equazioni in n incognite su un campo K : a 11 x 1 + a 12 x 2 + + a 1n x n
DettagliEsercitazioni di Reti Logiche. Lezione 1 Rappresentazione dell'informazione. Zeynep KIZILTAN zkiziltan@deis.unibo.it
Esercitazioni di Reti Logiche Lezione 1 Rappresentazione dell'informazione Zeynep KIZILTAN zkiziltan@deis.unibo.it Introduzione Zeynep KIZILTAN Si pronuncia Z come la S di Rose altrimenti, si legge come
DettagliISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI
ISTITUTO D'ISTRUZIONE SUPERIORE A. MOTTI ISTITUTO PROFESSIONALE DI ENOGASTRONOMIA E OSPITALITA ALBERGHIERA CON I PERCORSI: ACCOGLIENZA TURISTICA, CUCINA, SALA-BAR ISTITUTO TECNICO PER IL TURISMO Sede Amministrativa:
DettagliANALISI DEI DATI PER IL MARKETING 2014
ANALISI DEI DATI PER IL MARKETING 2014 Marco Riani mriani@unipr.it http://www.riani.it RIPASSO SULLE MATRICI 1 Addizione tra matrici Moltiplicazione Matrice diagonale Matrice identità Matrice trasposta
DettagliProtocollo dei saperi imprescindibili Ordine di scuola: professionale
Protocollo dei saperi imprescindibili Ordine di scuola: professionale DISCIPLINA: MATEMATICA RESPONSABILE: CAGNESCHI F. IMPERATORE D. CLASSE: prima servizi commerciali Utilizzare le tecniche e le procedure
DettagliPierangelo Ciurlia, Riccardo Gusso, Martina Nardon
Department of Applied Mathematics, University of Venice QUADERNI DI DIDATTICA Pierangelo Ciurlia, Riccardo Gusso, Martina Nardon Esercizi di algebra lineare e sistemi di equazioni lineari con applicazioni
DettagliL indagine statistica
1 L indagine statistica DEFINIZIONE. La statistica è quella disciplina che si occupa della raccolta di dati quantitativi relativi a diversi fenomeni, della loro elaborazione e del loro utilizzo a fini
DettagliLAVORO ED ENERGIA Corso di Fisica per Farmacia, Facoltà di Farmacia, Università G. D Annunzio, Cosimo Del Gratta 2006
LAVORO ED ENERGIA INTRODUZIONE L introduzione dei concetto di lavoro, energia cinetica ed energia potenziale ci perettono di affrontare i problei della dinaica in un odo nuovo In particolare enuncereo
DettagliESAME DI MATEMATICA FINANZIARIA Z. Marino Appello maggio 2004 Nuovo ordinamento 3 CFU
Nuovo ordinaento 3 CFU Dato il tasso di sconto seestrale d ½ =0,05 si deterini il valore di 1000 euro tra un anno e ezzo, nei seguenti regii finanziari: 1. interesse seplice; 2. interesse coposto; 3. sconto
Dettagli1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE
1 Associazione tra variabili quantitative ASSOCIAZIONE FRA CARATTERI QUANTITATIVI: COVARIANZA E CORRELAZIONE 2 Associazione tra variabili quantitative Un esempio Prezzo medio per Nr. Albergo cliente (Euro)
DettagliSTRUTTURE ALGEBRICHE
STRUTTURE ALGEBRICHE Operazioni in un insieme Sia A un insieme non vuoto; una funzione f : A A A si dice operazione binaria (o semplicemente operazione), oppure legge di composizione interna. Per definizione
Dettaglib) Il luogo degli estremanti in forma cartesiana è:
Soluzione della simulazione di prova del 9/5/ PROBLEMA È data la funzione di equazione: k f( ). a) Determinare i valori di k per cui la funzione ammette punti di massimo e minimo relativi. b) Scrivere
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/2/215 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema di
DettagliEsame di Geometria - 9 CFU (Appello del 28 gennaio 2013 - A)
Esame di Geometria - 9 CFU (Appello del 28 gennaio 23 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Nello spazio R 3, siano dati il piano e i punti P = (, 2, ), Q = (2,, ). π : x + 2y 3
DettagliSpazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007
Spazi lineari - PARTE II - Felice Iavernaro Dipartimento di Matematica Università di Bari 9 e 16 Marzo 2007 Felice Iavernaro (Univ. Bari) Spazi lineari 9-16/03/2007 1 / 17 Condizionamento dei sistemi lineari
DettagliUNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA
UNIVERSITA DEGLI STUDI DI PADOVA DIPARTIMENTO DI INGEGNERIA IDRAULICA, MARITTIMA E GEOTECNICA CORSO DI COSTRUZIONI IDRAULICHE A.A. 00-0 PROF. LUIGI DA DEPPO ING. NADIA URSINO ESERCITAZIONE N : Progetto
DettagliIntroduzione al MATLAB c Parte 2
Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione
DettagliStatistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.
Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni
DettagliIntroduzione allo Scilab Parte 3: funzioni; vettori.
Introduzione allo Scilab Parte 3: funzioni; vettori. Felice Iavernaro Dipartimento di Matematica Università di Bari http://dm.uniba.it/ iavernaro felix@dm.uniba.it 13 Giugno 2007 Felice Iavernaro (Univ.
DettagliMODELLO DI REGRESSIONE PER DATI DI PANEL
MODELLO DI REGRESSIONE PER DAI DI PANEL 5. Introduzione Storicamente l analisi econometrica ha proceduto in due distinte direzioni: lo studio di modelli macroeconomici, sulla base di serie temporali di
DettagliMATLAB. Caratteristiche. Dati. Esempio di programma MATLAB. a = [1 2 3; 4 5 6; 7 8 9]; b = [1 2 3] ; c = a*b; c
Caratteristiche MATLAB Linguaggio di programmazione orientato all elaborazione di matrici (MATLAB=MATrix LABoratory) Le variabili sono matrici (una variabile scalare equivale ad una matrice di dimensione
DettagliMATRICI E DETERMINANTI
MATRICI E DETERMINANTI 1. MATRICI Si ha la seguente Definizione 1: Un insieme di numeri, reali o complessi, ordinati secondo righe e colonne è detto matrice di ordine m x n, ove m è il numero delle righe
DettagliIl Principio dei lavori virtuali
Il Principio dei lavori virtuali Il P..V. rientra nella classe di quei principi energetici che indicano che i sistemi evolvono nel senso di minimizzare l energia associata ad ogni stato di possibile configurazione.
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Università di Napoli Parthenope Facoltà di Ineneria Corso di rasissioni Nueriche docente: Prof. Vito Pascazio 6 a Lezione: 8// Soario Pulse plitude Modulation in banda base Pulse plitude Modulation passa-banda
DettagliUNITÀ 1 LA MISURA DELLE GRANDEZZE FISICHE
UNITÀ 1 LA MISURA DELLE GRANDEZZE FISICHE 1. Che cos è la Fisica. La fisica è una scienza sperientale che studia i fenoeni naturali, detti anche fenoeni fisici, utilizzando il etodo scientifico. Si tratta
DettagliANALISI MULTIVARIATA
ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la
DettagliVARIABILI ALEATORIE CONTINUE
VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità
DettagliIl software e la programmazione
Il software e la programmazione Concetti base sul software Elementi di programmazione Cenni sul linguaggio Pascal Che cosa è il software Determina ciò che un computer può fare Include istruzioni memorizzate
DettagliEsercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: e x. per x 1 f(x) = α x + e 1 per 1 < x
FUNZIONI Esercizio 1 Studiare la funzione f(x) = ln ( ) x e disegnarne il grafico. x 1 Esercizio 2 Si consideri la funzione f definita dalle seguenti condizioni: { e x per x 1 f(x) = α x + e 1 per 1
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliAppunti di Algebra Lineare. Antonino Salibra
Appunti di Algebra Lineare Antonino Salibra January 11, 2016 2 Libro di testo: Gilbert Strang, Algebra lineare, Edizioni Apogeo 2008 Programma di Algebra Lineare (2015/16) (da completare): 1. Campi numerici.
DettagliESERCIZI DEL CORSO DI INFORMATICA
ESERCIZI DEL CORSO DI INFORMTIC Questa breve raccolta di esercizi vuole mettere in luce alcuni aspetti della prima parte del corso e fornire qualche spunto di riflessione. Il contenuto del materiale seguente
DettagliCompito di SISTEMI E MODELLI. 19 Febbraio 2015
Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.
DettagliCorso introduttivo pluridisciplinare Strutture algebriche
Corso introduttivo pluridisciplinare Strutture algebriche anno acc. 2013/2014 Univ. degli Studi di Milano Cristina Turrini (Univ. degli Studi di Milano) Corso introduttivo pluridisciplinare 1 / 17 index
DettagliLA GEOMETRIA ANALITICA DELLO SPAZIO. Liceo G. GALILEI - Verona Venerdì 10 Aprile 2015 CONVEGNO MATHESIS VERONA
LA GEOMETRIA ANALITICA DELLO SPAZIO CONVEGNO MATHESIS Liceo G. GALILEI - Verona Venerdì 10 Aprile 2015 Perché Assenza di ogni riferimento alla geometria analitica dello spazio nel quadri di Mondrian La
DettagliLaboratorio di dati e sistemi multimediali
Laboratorio di dati e sistemi multimediali Scienze e tecnologie Multimediale Prof. Christian Micheloni Relazioni tra dati Si consideri un insieme di elementi generico O = o 1,, o n Potrebbe essere imossibile
DettagliR X X. RELAZIONE TOTALE Definizione: Si definisce relazione totale tra x e y se dati X,Y diversi dall'insieme vuoto
PRODOTTO CARTESIANO Dati due insiemi non vuoti X e Y si definisce prodotto cartesiano: X Y ={ x, y x X, y Y } attenzione che (x,y) è diverso da (y,x) perchè (x,y)={x,{y}} e (y,x)={y,{x}} invece sono uguali
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
Dettagli1. Introduzione al calcolo automatico delle antenne
Corso di Progettazione di Antenne a Microonde 1. Introduzione al calcolo autoatico delle antenne Gaetano Marrocco Calcolo Elettroagnetico La progettazione di coplessi sistei elettroagnetici può avvalersi
DettagliAlgebra Lineare e Geometria
Algebra Lineare e Geometria Corso di Laurea in Ingegneria Elettronica A.A. 2013-2014 Prova d esame del 16/06/2014. 1) a) Determinare la matrice associata all applicazione lineare T : R 3 R 4 definita da
DettagliCarta di credito standard. Carta di credito business. Esercitazione 12 maggio 2016
Esercitazione 12 maggio 2016 ESERCIZIO 1 Si supponga che in un sondaggio di opinione su un campione di clienti, che utilizzano una carta di credito di tipo standard (Std) o di tipo business (Bsn), si siano
Dettagli4. Matrici e Minimi Quadrati
& C. Di Natale: Matrici e sistemi di equazioni di lineari Formulazione matriciale del metodo dei minimi quadrati Regressione polinomiale Regressione non lineare Cross-validazione e overfitting Regressione
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)
CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare
DettagliSe x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2
NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione
DettagliAlgebra e Geometria. Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2)
Algebra e Geometria Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2) Traccia delle lezioni che saranno svolte nell anno accademico 2012/13 I seguenti appunti
DettagliSistemi Web per il turismo - lezione 3 -
Sistemi Web per il turismo - lezione 3 - Software Si definisce software il complesso di comandi che fanno eseguire al computer delle operazioni. Il termine si contrappone ad hardware, che invece designa
DettagliSTATISTICA DESCRITTIVA SCHEDA N. 5: REGRESSIONE LINEARE
STATISTICA DESCRITTIVA SCHEDA N. : REGRESSIONE LINEARE Nella Scheda precedente abbiamo visto che il coefficiente di correlazione fra due variabili quantitative X e Y fornisce informazioni sull esistenza
DettagliLezione n. 2 (a cura di Chiara Rossi)
Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,
DettagliFederico Lastaria. Analisi e Geometria 2. Matrici simmetriche. Il teorema spettrale. 1/24
Contenuto Endomorfismi auto-aggiunti. Matrici simmetriche. Il teorema spettrale Gli autovalori di una matrice simmetrica sono tutti reali. (Dimostrazione fatta usando i numeri complessi). Dimostrazione
DettagliMOMENTI DI INERZIA. m i. i=1
MOMENTI DI INEZIA Massa Ad ogni punto materiale si associa uno scalare positivo m che rappresenta la quantità di materia di cui è costituito il punto. m, la massa, è costante nel tempo. Dato un sistema
DettagliMatematica con il foglio di calcolo
Matematica con il foglio di calcolo Sottotitolo: Classe: V primaria Argomento: Numeri e operazioni Autore: Guido Gottardi, Alberto Battaini Introduzione: l uso del foglio di calcolo offre l opportunità
DettagliAlgebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE
Algebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE Andrea Bobbio Anno Accademico 2000-2001 Algebra Booleana 2 Calcolatore come rete logica Il calcolatore può essere visto come una rete logica
DettagliEntropia. Motivazione. ? Quant è l informazione portata dalla sequenza? Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,...
Entropia Motivazione Abbiamo una sequenza S di N simboli (campioni audio, pixel, caratteri,... ) s,s 2,s 3,... ognuno dei quali appartiene ad un alfabeto A di M elementi.? Quant è l informazione portata
DettagliIndici compositi per il BES
GIORNATE DELLA RICERCA IN ITAT 0- NOVEMBRE 204 EIONE IV METODOLOGIE DI INTEI E ANALII DEL TERRITORIO Indici coposi per il BE Pierpaolo Massoli, Matteo Maiotta, Adriano Pareto e Claudia Rinaldelli GIORNATE
DettagliPercorsi di matematica per il ripasso e il recupero
Giacomo Pagina Giovanna Patri Percorsi di matematica per il ripasso e il recupero 2 per la Scuola secondaria di secondo grado UNITÀ CAMPIONE Edizioni del Quadrifoglio à t i n U 1 Sistemi di primo grado
DettagliIl campo magnetico. 1. Fenomeni magnetici 2. Calcolo del campo magnetico 3. Forze su conduttori percorsi da corrente 4. La forza di Lorentz
Il capo agnetico 1. Fenoeni agnetici 2. Calcolo del capo agnetico 3. Forze su conduttori percorsi da corrente 4. La forza di Lorentz Prof. Giovanni Ianne 1/21 Fenoeni agnetici La agnetite è un inerale
DettagliValori caratteristici di distribuzioni
Capitolo 3 Valori caratteristici di distribuzioni 3. Valori attesi di variabili e vettori aleatori In molti casi è possibile descrivere adeguatamente una distribuzione di probabilità con pochi valori di
DettagliUniversità degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica
Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim
DettagliBanchi ortogonali Casi importanti
anchi ortogonali anchi ortogonali Casi importanti Trasformata a blocchi (JPEG, MPEG) anchi a due canali (JPEG 000) anchi modulati Trasformata di Fourier a blocchi (OFDM) anchi coseno-modulati (AC3, MUSICAM)
Dettagli1.5. ISTOGRAMMA 17. Figura 1.3: Istogramma ottenuto mediante campionamento da VA Gaussiana (η x =0, σ 2 X =1).
.5. ISTOGRAMMA 7.5 Istogramma A partire dalle considerazioni svolte nel paragrafo precedente, posto x m = min(x,,x N e x M = max(x,,x N, possiamo ottenere una stima della densità di probabilità p (x suddividendo
Dettagli