Oltre la regressione lineare
|
|
- Concetta Capone
- 5 anni fa
- Visualizzazioni
Transcript
1 Oltre la regressone lneare Modello d regressone lneare (semplce o multpla: - varabl esplcatve X quanttatve e qualtatve (nserte tramte uso d varabl dummy - varable dpendente Y è quanttatva Y = b + b X + b X e 1 K k=1 k 2 2 Y = åb X + e k 3 3 E ( e = 0 E( X1 Y,... X K å = bk Xk stme a mnm quadrat (OLS stme corrette bˆk nessuna restrzone su X k (tranne multcollneartà e su b k e e R R+ I 0/1 anche Y ÎR 132
2 Oltre la regressone lneare: Y non quanttatva 0 ma Y può assumere solo 2 valor 1 o poch valor (y su scala dcotomca o poltomca - comportamento del clente n anals d mercato rspetto alla scelta d acqusto/non acqusto d un prodotto n funzone d caratterstche del prodotto e/o del consumatore - caratterstche mprese per anals su rscho nsolvenza e/o fallmento ancora possble utlzzare l modello d regressone lneare? 133
3 Modello d probabltà lneare Varable dpendente dcotomca: Y = 0,1 E ( Y 1 Y = Y = 0 = = 1 Y = 1 E( Y = 1 Y = 1 = åbk Xk modello d probabltà lneare nterpretable come la probabltà d Y = 1 ( 0 P 1 Se Y assume 2 valor: anche due valor e åb X + e Þ e = -å Y = 0 0 = k k bk Xk åb X + e Þ e = - å Y = 1 1 = k k 1 bk Xk assunzon sull errore e : E ( = 0 e 2 = 2 E( e s " N.b.: probabltà vara n [0,1], mentre la funzone lneare a destra può assumere valor nell ntervallo (-, + come saranno n questo caso? 134
4 Y = 0 Þ e bk Xk Y 1 Þ e = 1- åb = -å = k Xk å - å [- b X ] + Y = 1 [ b X ] E( e = Y = 0 k k 1 k k da: å E( Y = 1 Y = 1 = bk Xk P ( Y = 1 = åbk Xk Y 0 = 1- Y = 1 = {- [ 1- Y = 1 ] Y = 1 } + Y = 1 [ 1- Y = 1 ] 0 E ( e = = stme mnm quadrat bˆk non dstorte 135
5 E( e [ ] 2 [ ] 2 2 = Y = 0 - åbk X k + Y = åbk X k = 1 - Y = 1 Y = Y = 1 1- Y = 1 [ ][ ] [ ] 2 [ - Y = 1 ][ Y = Y 1 ] = Y = 1 1 = [ - Y 1 ] = Y = 1 1 = 2 åb X - å ( ( E( e 1 = k k bk Xk dpendono da valor d X k eteroschedastctà 136
6 stme d b k non pù a mnma varanza stme d S bk non corretta test non pù vald Possbl soluzon: mnm quadrat a due stad con pes che cercano d rportare l omoschedastctà molto problematche poggano sempre su å E( Y = 1 Y = 1 = bk Xk 137
7 Assunzone d lneartà 1. vncol su parametr b k (effetto delle esplcatve non consderat nella procedura a mnm quadrat 0 Y = 1 1 b + b X b + b X (1 0 1 ( n 2. effetto delle esplcatve è costante al varare d X specfcazone pù realstca: Y =1 funzone non lneare d X 138
8 Assunzone d lneartà non corretta E(y= X E(y= X E(y= X 139
9 Assunzone d lneartà non corretta 1. mnm quadrat (anche a pù stad segno corretto 2. assunzon su E(e non pù vald (E( Y X å b k X = k nferenza non valda 3. stme molto sensbl a valor che s ncludono nel campone 4. valor estrem a [0,1] 5. soluzon buone per mglorare stme a mnm quadrat possono avere effett dsastros se Y = 0,1 140
10 Modello d regressone logstca Probabltà Y = 1 è assunta par al valore della funzone d rpartzone d una varable casuale logstca calcolata n corrspondenza d x a+ bx e p( x = Y = 1 X = x = + e a+ bx 1+ e La funzone d rpartzone logstca è una funzone crescente d X che assume valor nell ntervallo [0,1] e assume la seguente forma 141
11 Modello d regressone logstca con pù varabl X b1x1+ b2x bkxk e p( x = PY ( = 1 X2 = x2,..., Xk = xk, = + e b1x1+ b2x bkxk 1+ e (come nel modello d regressone lneare multpla - la varable X 1 assume valore 1 Modello unvarato che multvarato: - la funzone che lega la probabltà d successo alle varabl esplcatve è non lneare ne parametr Essa può tuttava essere lnearzzata attraverso un opportuna trasformazone 142
12 Modello d regressone logstca e trasformazone logt probabltà d Y=0 = 1- Y = p ( x = PY ( = 0 X 2 = x2,..., X p = xp, = b x + b x + + bkxk e rapporto tra le due probabltà (odds è: p ( x b1x1+ b2x bkxk = e 1 -p ( x logartmo naturale per due membr: trasformazone logt (funzone lneare ne parametr β 1,, β k æ p ( x ö logt [ p( x ] = log ç = b1 1+ b b 1 -p ( x x kx è x ø β j rappresenta la varazone su logt[π(x] n corrspondenza d k un ncremento untaro della varable X j 143
13 Logt e odds logt della probabltà d un dato evento: logartmo naturale del rapporto tra probabltà d successo e probabltà d nsuccesso dell evento (probabltà evento complementare rapporto anche noto come odds a favore del successo o anche: odds corrsponde al rapporto fra l numero d volte n cu l'evento s verfca (o s è verfcato ed l numero d volte n cu l'evento non s verfca (o non s è verfcato 144
14 Coeffcent modello d regressone logstca e odds β j rappresenta la varazone su logt[π(x] n corrspondenza d un ncremento untaro della varable X j Analogamente ncremento varable X j s rflette, nel modello logstco, n funzone degl odds consderando l rapporto tra odds o odds rato (OR: b1x bjxjb bkxk bjxjb odds éëp ( x X jb ùû e e b ( x -x OR( j = = = = e = e b1x bjxja bkxk bjxja odds éëp ( x X jaùû e e Effetto d una varazon untara d X j su Y= 1 è par a exp(β j (x jb = x ja + 1 b j jb ja j 145
15 Interpretazone coeffcent 1. Se X j non nfluenza la probabltà che la varable rsposta Y assuma valore 1: OR = 1, β j = 0 2. Se X j nfluenza postvamente (aumenta la probabltà che la varable rsposta Y assuma valore 1: OR > 1, β j > 0 3. Se X j nfluenza negatvamente (rduce la probabltà che la varable rsposta Y assuma valore 1: 0 < OR < 1, β j < 0 146
16 Assunzon per stma e nferenza 1. { 0,1} = 1 n Y Î,..., 2. Y = 1 X exp( = 1+ exp( å å bk Xk b X k k logt 3. Y 1, Y2,... Yn statstcamente ndpendent 4. X k non esste perfetta o quas perfetta multcollneartà tra d loro 147
17 Stme d massma verosmglanza p = Y = 1 Xk 1- p = Y = 0 Xk Y X k = Õ = 1 p y (1 - p y 1-1- y probabltà d osservare l rsultato Y (dstrbuzone Bnomale d meda p Y X p (1 - p = L (Y X, b = n y bˆ che massmzza = L (Y X, b probabltà (verosmglanza d osservare quel partcolare campone d valor Y dat gl X k funzone d verosmglanza algortm teratv ( metodo Newton - Raphson e metodo scorng dsponbl ne pù comun software statstc 148 TIS _III
18 Propretà stmator MLE e nferenza /1 per grand campon crca come OLS (correttezza, effcenza, normaltà a. sgnfcatvtà de coeffcent bˆk : bˆ k > 2 bˆ k ± t n-k, SE( bˆ k SE( bˆ ( a k b. test basato sul rapporto delle funzon d verosmglanza - 2(log L log L1 ~ c k-1 (log L 0 verosmglanza quando tutt coeffcent sono par a 0 (tranne ntercetta (log L 1 verosmglanza per l modello completo 149
19 Inferenza /2 c. sgnfcatvtà d nsem d coeffcent: - 2 2(log L2 - log L1 ~ c g g numero d coeffcent par a 0 L 1 L 2 modello completo modello n cu alcune varabl (e qund relatv coeffcent sono assunt non nfluent d. bontà dell adattamento proporzone d cas correttamente classfcat generalzzazone del coeffcente d determnazone multplo (Cox e Snell, 1989 Modello 2 con sola 2 él(0 ùn 2 0 < < [ ] 2 n costante Rg, MAX = 1 - L(0 R g = 1- ê ( ú ël β û 150
20 Esempo: probabltà d acqusto d un prodotto Obettvo: stma della probabltà d acqusto d uno snack almentare tra govan n funzone d caratterstche (varabl esplcatve de consumator Dat osservat su 32 (n govan d età [12, 29] ann Varable rsposta Acqusto Y = 1 se rspondente dchara d avere acqustato almeno uno snack nel corso dell ultmo mese e Y = 0 altrment Varabl esplcatve: numero medo mensle d snack consumat (calcolato sulla base degl acqust effettuat negl ultm se mes età del rspondente esposzone alla pubblctà relatva al prodotto (dummy 151
21 Rsultat stma modello regressone logstca probabltà d acqusto snack Il modello rsulta globalmente sgnfcatvo (p-value <0,01 Tutt parametr sono sgnfcatvamente dvers da zero eccetto quello relatvo alla varable età (p-value >0,10-2log(L 3 = Interpretazone n termn d OR! exp(2.83 = 16.9 exp(2.38 =
22 Confronto tra modell -2log(L 2 = Dfferenza G = 0,47 (= 26,25-25,78 s dstrbusce come un Ch-Quadrato con un grado d lbertà (dfferenza varabl tra L 3 e L 2 Verfca potes H 0 : β età = 0 p-value = 0,49 l modello rdotto (2 varabl rsulta qund mglore d quello completo (3 varabl 153
Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2
Corso d STATISTICA Prof. Roberta Sclano Ordnaro d Statstca, Unverstà d Napol Federco II Professore supplente, Unverstà della Baslcata a.a. 0/0 Contenut: o Specfcazone del modello o Ipotes del modello classco
DettagliModelli con varabili binarie (o qualitative)
Modell con varabl bnare (o qualtatve E( Y X α + βx + ε quando Y è una varable benoullana Y 1 0 s ha l modello lneare d probabltà Pr( Y 1 X α + βx + ε dove valor stmat della Y assumono l sgnfcato d probabltà.
DettagliREGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari
REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat
DettagliDisegno d indagine come processo
Dsegno d ndagne come processo Samo qu! (Groves et al., 2004, p.47) TIS_ 0 Anals de dat By the tme you get to the analyss of your data, most of the really dffcult work has been done. It's much more dffcult
DettagliMetodi Quantitativi per Economia, Finanza e Management
Metod Quanttatv per Economa, Fnanza e Management Lezone n 10 Regressone Logstca: Le potes del modello, la stma del modello, l nterpretazone del del modello L mpostazone del problema Reddtvtà = rcav - cost
DettagliAppunti di Econometria
Appunt d Econometra ARGOMENTO [4]: VARIABILI DIPENDENTI BINARIE Mara Lusa Mancus Unverstà Boccon Novembre 200 Introduzone Ne modell econometrc studat fno ad ora la varable dpendente, y, è sempre stata
Dettaglia) Individuare l intervallo di confidenza al 90% per la media di popolazione;
Eserczo Il responsable marketng d una catena d negoz vuole analzzare l volume delle vendte mensl d un determnato bene d largo consumo. Una socetà che conduce rcerche d mercato è ncarcata d effettuare un
DettagliLaboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto
DettagliTECNICHE DI ANALISI DEI DATI MODELLI LINEARI
TECNICHE DI ANALISI DEI DATI AA 16/17 PROF. V.P. SENESE Quest materal sono dsponbl per tutt gl student al seguente ndrzzo: https://goo.gl/rwabbd Seconda Unverstà d Napol (SUN) Dpartmento d Pscologa TECNICHE
DettagliTECNICHE DI ANALISI DEI DATI MODELLI LINEARI
TECNICHE DI ANALISI DEI DATI AA 017/018 PROF. V.P. SENESE Quest materal sono dsponbl per tutt gl student al seguente ndrzzo: https://goo.gl/hxl9zg Unverstà della Campana Lug Vanvtell Dpartmento d Pscologa
Dettagli03/03/2012. Campus di Arcavacata Università della Calabria
Campus d Arcavacata Unverstà della Calabra Corso d statstca RENDE a.a 0-00 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 Concentrazone Un altro aspetto d un nseme d dat che s aggunge alla meda e alla varabltà è costtuto
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
Dettagli1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x
TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1
DettagliRelazioni tra variabili: Correlazione e regressione lineare
Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg
DettagliPREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl
Le Inferenze sul modello d regressone PREVEDONO: Assunzone d normaltà degl error e nferenza su parametr Anals della Varanza Inferenza per la rsposta meda e la prevsone Anals de resdu Valor anomal Captolo
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012
CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso
DettagliCampo di applicazione
Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra
Dettaglimateriale didattico I incontro
Pano Nazonale Lauree Scentfche (PLS 2016-2017) Statstca Laboratoro d Statstca Le relazon tra varabl prof.ssa Angela Mara D'Uggento angelamara.duggento@unba.t materale ddattco I ncontro Dall anals statstca
DettagliSTATISTICA A K (63 ore) Marco Riani
STATISTICA A K (63 ore) Marco Ran mran@unpr.t http://www.ran.t Rcham sulla regressone MODELLO DI REGRESSIONE y a + b + e dove: 1,, n a + b rappresenta una retta: a ordnata all orgne ntercetta b coeff.
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statstca - metodologe per le scenze economche e socal /e S Borra, A D Cacco - McGraw Hll Es Soluzone degl esercz del captolo 7 In base agl arrotondament effettuat ne calcol, s possono rscontrare pccole
DettagliIL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE
IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE CORRELAZIONE Legame - Assocazone - Accordo Relazone tra varabl valutare l grado d recproca nfluenza tra due varabl; valutare l grado d assocazone
DettagliDefinizione di campione
Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta
DettagliRegressione e correlazione
Regressone e correlazone Corso d statstca socale prof. Natale Carra - Unverstà degl Stud d Bergamo a.a. 005-06 Regressone Questo modello d anals bvarata esamna le relazon fra coppe d varabl contnue. Un
DettagliMetodologie Quantitative
Metodologe Quanttatve Regressone Logstca I M Q Marco Perugn Mlano-Bcocca 1 La regressone logstca La regressone logstca s propone d studare e quantfcare le relazon tra una o pù varabl ndpendent quanttatve
Dettagli,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100
Dstrbuzon d frequenza Varable x Frequenze Frequenze Frequenze Frequenze % cumulate relatve x 1 n 1 n 1 n 1 / n 1 /*100 x n n 1 +n n / n /*100 x k n k n 1 +.+n k = n k / n k /*100 totale 1 100 Indc sntetc
DettagliLezione 4. Politica Economica Avanzata
Lezone 4 Poltca Economca Avanzata Come msuramo la rendta d Conoscamo la def. Teorca. un mpresa? Dvdamo n base al valore medano tra mprese a bassa ed alta rendta. Che legame con la crescta della produttvtà
DettagliCapitolo 3. Cap. 3-1
Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare
DettagliCorrelazione, Regressione, Test non parametrici
Correlazone, Regressone, Test non parametrc Correlazone 1 Anals della Correlazone L anals della Correlazone è usata per msurare la forza dell assocazone (relazone lneare) tra due varabl Correlazone rguarda
DettagliLa t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.
Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana
DettagliRegressione Multipla e Regressione Logistica: concetti introduttivi ed esempi
Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla
DettagliUniversità di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano
Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre
DettagliPIANIFICAZIONE DEI TRASPORTI
Unverstà d Caglar DICAAR Dpartmento d Ingegnera Cvle, Ambentale e archtettura Sezone Trasport PIANIFICAZIONE DEI TRASPORTI Eserctazone su modell d generazone A.A. 2016-2017 Ing. Francesco Pras Ing. Govann
DettagliRegressioni con variabili strumentali
Regresson con varabl strumental 3 mportant mnacce alla valdtà nterna del modello: Bas dovuta alle varabl omesse, varabl correlate con X ma non osservate e che per questo non possono essere ncluse nella
Dettagli3 CAMPIONAMENTO DI BERNOULLI E DI POISSON
3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.
DettagliCorrelazione lineare
Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl
DettagliModello logistico (Modello di regressione logistica)
Modello logstco (Modello d regressone logstca) Prof. Guseppe Verlato Prof. Elsabetta Zanoln Sezone d Epdemologa e Statstca Medca, Dpartmento d Santà Pubblca e Medcna d Comuntà, Unverstà degl Stud d Verona
DettagliLa Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente
Unverstà d Macerata Dpartmento d Scenze Poltche, della Comuncazone e delle Relaz. Internazonal La Regressone Varable ndpendente o esplcatva Prezzo n () () 1 1 Varable dpendente 15 1 1 1 5 5 6 6 61 6 1
DettagliSoluzione esercizi seconda settimana
Soluzone esercz seconda settmana Es. 7 famgle Spesa per manfestazo n cultural (Z) A 00,9 B 40 4,0 C 50,5 D 70,6 E 80, F 300,8 G 00,5 Reddto mensle del capofamgla (x 000 Euro) (Y) Costrure l dagramma d
DettagliCorso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI
A.A. 2006/07 Corso d Teora de Campon Facoltà d Economa Corso d Laurea SIGI M. Govanna Ranall Lezon: Martedì 18:00 19:30; Govedì 12:15 13:45 Oraro d rcevmento: Lunedì 16:00 18:00 (stanza 24) Durata: 9 settmane
DettagliCorsi di Laurea in Farmacia e CTF Prova di Matematica
Cors d Laurea n Farmaca e CTF Prova d Matematca S O L U Z I O N I Effettua uno studo qualtatvo della funzone 4 f + con partcolare rfermento a seguent aspett: a trova l domno della funzone b trova gl ntervall
DettagliTutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017
Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può
DettagliLa likelihood. , x 3. , x 2. ,...x N
La lkelhood È dato un set d msure {x 1, x 2, x 3,...x N } (cascuna delle qual può essere multdmensonale) Supponamo che la pdf (f) dpenda da un parametro (anch'esso eventualmente multdmensonale) La verosmglanza
DettagliScienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni
Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4
DettagliESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:
ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone
DettagliAnalisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986
Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane
DettagliLa regressione nella stima immobiliare
La regressone nella stma mmoblare Paolo Rosato Dpartmento d Ingegnera Cvle e Archtettura Pazzale Europa 1-34127 Treste. Itala Tel: +39-040-5583569. Fax: +39-040-55835 80 E-mal: paolo.rosato@da.unts.t 26/04/2017
DettagliIng. Enrico Grisan. Modelli di popolazione in farmacocinetica
Ing. Enrco Grsan Modell d popolazone n farmacocnetca Sommaro Modell a sngolo soggetto Modell d popolazone Naïve poolng Stme basate sul sngolo soggetto Modell a effett mst Lnearzzazone del modello 2 Ing.
DettagliMisure indipendenti della stessa grandezza, ciascuna con una diversa precisione.
Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.
DettagliVERIFICA IN ITINERE 9 GENNAIO 2019 CLMA
VERIFICA IN ITINERE 9 GENNAIO 2019 CLMA 1 Varabl Qualtattve: Sesso, Lvello d struzone Varabl Quanttatve: Età, Altezza, Peso 2 Età: Meda=74.1 ; Medana=73 ; Std=6.2 ; Q1=68 ; Q3=80 Altezza: Meda=172.5 ;
DettagliANALISI STATISTICA DELLE INCERTEZZE CASUALI
AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte
DettagliRichiami di modelli di utilità aleatoria
Corso d LOGISTICA TERRITORIALE www.unroma.t/ddattca/lt DOCENTE prof. ng. Agostno Nuzzolo Rcham d modell d utltà aleatora prof. ng. Agostno Nuzzolo - Corso d Logstca Terrtorale Modell d domanda e utltà
DettagliLA VARIABILITA. IV lezione di Statistica Medica
LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce
DettagliMODELLO DI REGRESSIONE LINEARE MULTIPLA
MODELLO DI REGRESSIONE LINEARE MULTIPLA E la generalzzazone del modello d regressone lneare semplce: per spegare l fenomeno d nteresse Y vengono ntrodotte k, con k >, varabl esplcatve. Tale generalzzazone
Dettagli= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)
ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa
DettagliCorso di. Dott.ssa Donatella Cocca
Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca
DettagliAPPENDICE B. La dinamica delle distribuzioni dimensionali delle maggiori imprese mondiali
APPENDICE B La dnamca delle dstrbuzon dmensonal delle maggor mprese mondal Consderamo le dstrbuzon delle maggor mprese ndustral mondal (fonte Fortune 5, var ann) dal 1959 al 199, n termn d fatturato a
DettagliModelli di variabili casuali
Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.
DettagliAd esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t
Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende
DettagliModelli descrittivi, statistica e simulazione
Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone
DettagliEsame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre
DettagliC.I. di Metodologia clinica
C.I. d Metodologa clnca I metod per la sntes e la comuncazone delle nformazon sulla salute Come possamo trarre concluson attendbl su parametr a partre dalle stme camponare? I metod per la produzone delle
DettagliRegressione lineare con un singolo regressore
Regressone lneare con un sngolo regressore Eduardo Ross 2 2 Unverstà d Pava (Italy) Marzo 2013 Ross Regressone lneare semplce Econometra - 2013 1 / 45 Outlne 1 Introduzone 2 Lo stmatore OLS 3 Esempo 4
DettagliI MODELLI LINEARI GENERALIZZATI GLM
METODI E TECNICHE DELLA RICERCA IN PSICOLOGIA CLINICA E LABORATORIO AA 018/019 PROF. V.P. SENESE http://psclab.altervsta.org/mettecpscclnca019/018_019.html Unverstà della Campana «Lug Vanvtell» (UCLV)
DettagliModelli di utilità aleatoria
corso d Teora de Sstem d Trasporto Modell d utltà aleatora PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma.t Iscrzone al corso Modell d offerta ü Da effettuars anche on
DettagliLezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo
UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale
DettagliS O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:
S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva
DettagliMetodi e tecniche di valutazione dei progetti
Metod e tecnche d valutazone de progett segue Parte A. Prof.ssa Isabella Santn Regressone lneare semplce Y Y 2 Regressone lneare semplce ( Y Yˆ ) 2 mn ( Y X ) mn r 2 yx 2 x Y y 2 yx x X Indvdua l tpo d
DettagliStrada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum
Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest
DettagliCapitolo 3 Covarianza, correlazione, bestfit lineari e non lineari
Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure
DettagliEsercitazione 1 del corso di Statistica 2
Eserctazone del corso d Statstca rof. Domenco Vstocco Dott.ssa aola Costantn 8 Aprle 008 Eserczo n. S consder un campone d 00 student d cu s conoscono le seguent probabltà dstnt secondo l sesso (Mmascho,
DettagliLa verifica delle ipotesi
La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematca II: Calcolo delle Probabltà e Statstca Matematca ELT A-Z Docente: dott. F. Zucca Eserctazone # 8 Gl esercz contrassegnat con (*) sono tratt da Eserc. 2002-2003- Prof. Secch # 0 - Statstca Matematca
DettagliPropagazione delle incertezze
Propagazone delle ncertezze In questa Sezone vene trattato l problema della propagazone delle ncertezze quando s msurano pù grandezze dfferent,,,z soggette a error d tpo casuale e po s utlzzano tal grandezze
Dettagli1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30
1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza
DettagliEsercitazioni del corso: STATISTICA
A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA
DettagliANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI
ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI Rappresentazone tabellare della sere storca Sequenza cronologca Sequenza ordnata Osservazon d massmo annuo d pogga n un gorno 2 Rappresentazone grafca della
Dettagli2 LE IPOTESI FORTI SUI RESIDUI
F. Carlucc Tracca per un corso d Econometra Modulo II Mnm quadrat LE IPOTESI FORTI SUI RESIDUI Indce del captolo. Un rassunto delle potes mposte al modello lneare.... Resdu dstrbut normalmente... 3 La
DettagliIndici di variabilità
Indc d varabltà Gl ndc d varabltà msurano ) la dspersone (rspetto alla poszone) ) la varabltà = 0 = 0 Gl ndc d poszone sono tanto pù rappresentatv quanto mnore è la dspersone de dat ntorno ad ess. La varabltà
DettagliElementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche
Element d teora bayesana della decsone Teora bayesana della decsone: caratterstche La teora bayesana della decsone è un approcco statstco fondamentale al problema del pattern recognton. Il suo obettvo
DettagliLaboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca
DettagliAnalisi della Varianza
Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella
DettagliPer calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:
ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente
DettagliStima dei Parametri Metodo di Massima Verosimiglianza
Captolo 8 Stma de Parametr Metodo d Massma Verosmglanza Lo scopo dello studo de fenomen fsc è quello d scoprre le legg che legano le grandezze studate e d msurare l valore delle costant che compaono della
DettagliIL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni
IL MODELLO DI MACK Materale ddattco a cura d Domenco Gorgo Attuaro Dann d Gruppo Socetà Cattolca d Asscurazon CHAIN-LADDE CLASSICO Metodo pù utlzzato per la stma della rserva snstr. Semplctà. Dstrbuton-ree
DettagliSistemi Intelligenti Stimatori e sistemi lineari - III
Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\
Dettagli4.6 Dualità in Programmazione Lineare
4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble
DettagliTIPI DI ANALISI DEI DATI ORGANIZZATI IN MATRICI CASI X VARIABILI
TIPI DI AALISI DEI DATI ORGAIZZATI I MATRICI CASI X VARIABILI A) AALISI MOOVARIATA: prende n esame una sola varable per volta (sngol vettor d colonna della matrce) B) AALISI BIVARIATA: prende n esame l
DettagliCorso di Teoria dei Campioni Facoltà di Economia Corso di Laurea SIGI
Corso d Teora de Campon Facoltà d Economa Corso d Laurea SIGI M. Govanna Ranall emal: govanna@stat.unpg.t sto web: www.stat.unpg.t/ govanna ddattca 1/39? Il programma del corso opolazon fnte; concett base
DettagliPRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D
FIRMA DELLO STUDENTE Cognome PRIMA PROVA INTERMEDIA DI STATISTICA (COD. 3000/6045/5047/4038/37/377) 26 ottobre 20 Nome Numero d matrcola Corso d Laurea Cod. corso COMPITO D A fn della valutazone s terrà
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra d Statstca Medca, Unverstà d Bar 1/19 IL PROBLEMA
DettagliESERCIZIO N. 1. b) rendimenti reali dell azienda Gesis e del portafoglio di mercato:
ESERCIZIO N. 1 Il canddato proceda a calcolare l tasso d congrua remunerazone reale dell azenda Gess al 31.12.2003 applcando l CAPM e l WACC della stessa azenda; dat d cu s dspone sono seguent: a) rendmento
DettagliLA CALIBRAZIONE NELL ANALISI STRUMENTALE
LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra
DettagliUNIVERSITÀ DEGLI STUDI DI PADOVA
UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISTICHE CORSO DI LAUREA IN STATISTICA ECONOMIA E FINANZA Tes d laurea Selezone delle varable per mglorare le Prevson: l LASSO Relatore: Prof. Gudo
DettagliEsame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre
DettagliEquilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione
Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà
DettagliEsame di Statistica TEMA B Corso di Laurea in Economia Prof.ssa S. Giordano 15 Febbraio 2013
Esame d Statstca TEMA B Corso d Laurea n Economa Prof.ssa S. Gordano Febbrao 03 Cognome Nome Matr. (n stampatello) Eserczo Nella tabella seguente sono rporta dat rguardant la produzone lorda d energa elettrca
Dettagli