IL MODELLO DI REGRESSIONE
|
|
- Annalisa Massari
- 5 anni fa
- Visualizzazioni
Transcript
1 IL MODELLO DI REGRESSIONE Itroduzoe Problema: verfcare l essteza d ua relazoe fra ua data varable (varable edogea o dpedete) ed ua o pù altre varabl (varabl esplcatve o dpedet). Il legame è del tpo cause-effetto che suppoamo d tpo udrezoale. Idchamo co Y la varable dpedete e co X, X,..., X k le k varabl esplcatve Y = f(x, X,..., X k ; β) ove f( ) è ua fuzoe ota a meo del vettore d parametr β: X, X,..., X k le cause Y l effetto β vettore cogto f( ) fuzoe ota D solto su Y, oltre alle k varabl esplcatve (X, X,..., X k ), eserctao la loro flueza ua sere d mcro-cause, compres gl evtabl error d msurazoe de feome. Queste mcro-cause possoo essere rappresetate da ua varable casuale o osservable: e
2 Nel seguto supporremo che Y è cotua. Esempo R l reddto dvduale, C cosum: Lezoe 6 Y = f(x, X,..., X k ; β) + e C = f(r) + e cosum dvdual soo ua qualche fuzoe del reddto dvduale a cu s somma ua varable scarto che può essere detfcata co dvers gust, la dversa relgoe, error d msurazoe ecc. D domada d u bee, P prezzo del bee, R reddto del cosumatore, P c prezzo bee complemetare, P s prezzo u bee sosttutvo: D = f(p, R, P c, P s ) + e CA cosumo d carburate e CI cldrata d date autovetture: CA = f(ci) + e. Esplctamo f( ) e c poamo così u ambto parametrco: le uche cogte soo parametr β preset el modello. Nel seguto supporremo f( ) leare.
3 Il modello d regressoe leare La costruzoe del modello d regressoe () è ecessaro dvduare l feomeo su cu s vuole costrure l modello; () dvduare la varable dpedete Y e quelle esplcatve (X, X,..., X k ), qud s raccolgoo formazo statstche su (Y; X, X,..., X k ); (3) esplctare la forma fuzoale f( ); (4) stmare parametr cogt modo quato meo cosstet; (5) verfcare che l modello e stmato sa accettable sottopoedolo ad ua sere d test; (6) usare l modello a f terpretatv, prevsv, descrttv, d cotrollo ecc.
4 Lezoe 6
5 Il modello d regressoe leare Modello d regressoe leare semplce Suppoamo che sa Y = β o + β X + e β o + β X rappreseta l equazoe d ua retta co β 0 è l tercetta, β l coeffcete agolare. Per stmare de parametr cogt del modello è ecessaro: (a) avere formazo sulle due varabl osservabl Y ed X, (b) formulare potes sulla varable casuale o osservable e. Cosderamo l campoe casuale d coppe estratte: (x, y ), (x, y ),..., (x, y ). Se l modello è vero s avrà y = β o + β x + e y = β o + β x + e... y = β o + β x + e co e la varable casuale scarto o osservable assocata alla -esma.
6 Lezoe 6 Esempo Nel caso del cosumo fuzoe del reddto C = β o + β R + e avedo a dsposzoe le coppe d osservazo (c, r): c = β o + β r + e, =,,..., Formulato l modello e otteute le coppe d osservazo è ecessaro stmare parametr cogt. Per poter far questo bsoga formulare le potes classche del modello d regressoe: () l modello è perfettamete specfcato; () la varable X è determstca; (3) E(e ) = 0 per =,,.., ; (4) var(e ) = σ e per,,..., ; (5) cov(e, e j ) = 0 per j=,,...,; (6) e ~N(0, ),,,...,, e soo dpedet fra d loro. σ e
7 Il modello d regressoe leare σ e I parametr da stmare soo tre: β o, β,. Se l modello d regressoe leare fosse stato co le tre varabl esplcatve X, Z, V, avremmo dovuto avere quadruple d formazo (y, x, z, v ),,,...,: y = β o + β x + β z + β 3 v + e co l agguta dell ulterore potes che fra le x, z, v o v sao legam lear, metre parametr da stmare sarebbero cque: β o, β, β, β 3, Rtorado al caso semplce, s ha E(Y ) = β o + β x,,,..., Y, meda, è ua fuzoe leare della X. Rsulta: var(y ) = var(e ) = σ e,,,..., σ e. che mplca Y ~ N[β o + β x, σ e ],,,..., coè le Y soo ormal dpedet.
8 Lezoe 6 La stma de parametr del modello Dato l modello d regressoe leare semplce, stmamo due parametr β o e β co Metodo de Mm Quadrat. Cosderamo la rappresetazoe grafca delle coppe d valor osservat (x, y ),,,...,. Il problema è d adattare agl put la retta ottmale. I put passao fte rette e quella ottmale deve essere scelta secodo ua qualche fuzoe obettvo.
9 Il modello d regressoe leare Il metodo de mm quadrat, sgla OLS (Ordary Least Squares), scegle, fra le fte rette possbl, quella che mmzza la somma de quadrat degl scart. Dalla relazoe s rcavao gl scart: y = β o + β x + e,,,..., e = y - β o - β x,,,..., e qud la somma de loro quadrat: e = = ( y βo β x ) Fra le fte coppe (β o, β ) e qud fra le fte rette possbl sceglamo quella: e = ( y β β x ) = mmo(βo, β ) o
10 Lezoe 6 La soluzoe d mmo per otteere le stme d β o e β è prettamete matematco- Per trovare questo mmo basta cosderare le dervate prme d e rspetto alle due cogte βo e β, uguaglarle a zero, rsolvere l relatvo sstema d equazo lear. Pù precsamete: βo ( y βo β x ) = ( y βo β x )( ) = = - ( y βo β x ) = 0 β ( y βo β x ) = ( y βo β x )( x ) = = - ( y βo β x ) x = 0.
11 Il modello d regressoe leare Dervamo l seguete sstema leare elle due cogte β o e β : che posto m xy = x = (y (y β β x o o β β x y m x = x ) = 0 x )x = 0 y = y x può essere scrtto y βo β x = 0 m β xy x β m x = 0
12 Lezoe 6 βo = y βˆ x m xy (y β x)x = β mx Posto S xy = m xy - : covaraza campoara d (X, Y) x y S x = m x - x : varaza campoara d X s ottee β0 = y β S = β S Rsolvedo: x xy x ˆβ = Sxy S x, ˆβ o = y- β ˆ x
13 Il modello d regressoe leare L equazoe della retta d regressoe che mmzza la somma de quadrat degl scart è: ŷ = βˆ + ˆ x ο β (a) la retta d regressoe passa sempre per l puto medo ( x, y ) (b) corrspodeza d cascua x osservata s ha la relatva y stmata stuata sulla retta d regressoe: ŷ βˆ ˆ 0 + β x =,,.., (c) da y e da ŷ possamo dervare gl scart stmat ê: ê y - ŷ =,,..,
14 Lezoe 6 (d) è presumble che le stme così otteute abbao le stesse propretà della stma della meda; (e) la somma degl scart stmat è sempre ulla.
15 Il modello d regressoe leare Ua mmedata mplcazoe d questa uguaglaza è y = ŷ e dvdedo ambo membr per segue che la meda campoara delle y è uguale alla meda campoara delle ŷ ; (f) le stme βˆ o e βˆ soo fuzo delle sole osservazo campoare e al varare del
16 Lezoe 6 campoe varao e descrvoo due varabl casual. Le propretà d ˆβ o e ˆβ soo dervate dal comportameto d tal v.c. Esempo Su 7 autovetture a gasolo, scelte a caso da u dato parco macche, è stato verfcato l cosumo, per mgla, prma d u determato terveto (varable X) e dopo l terveto (varable Y) otteedo le 7 coppe d rsultat: (7.; 8.3) (.6; 0.8) (9.5; 0.9) (9.;.) (.9;.7) (8.7; 8.6) (0.3;.9) s vuole verfcare se fra X ed Y esste l legame leare : Y = β o + β X + e I questo caso otamo che l legame logco è del tpo X causa Y, fatt Y è otteuto dopo X. Ioltre, se costruamo la rappresetazoe a scatter (X, Y) s ha:
17 Il modello d regressoe leare Da questo grafco deducamo che l legame leare potzzato è abbastaza plausble. Icalcol possoo essere orgazzat come ella tabella seguete. x y x x y ŷ ê = y ŷ ê
18 Lezoe 6 Dalla tabella dervamo: x = = y = = m x = = m xy = = S x = m x - x =.406 S xy = m xy - =.9008 x y che c permettoo d otteere le stme ˆβ = Sxy S x = ; ˆβ o = y - βˆ x Dervamo le stme della varable dpedete ŷ ˆβ o + ˆβ x ŷ βˆ o βˆ 7 + x7 = ŷ ˆ ˆ = βo + β x= (0.7885)7.0 = ŷ βˆ ˆ = o + β x= (0.7885).6 = = = (0.7885)0.3 =
19 Il modello d regressoe leare Da valor stmat ŷ (peultma coloa della tabella sopra rportata) dervamo le stme de resdu ê = y - ŷ ed otteamo la stma d σ e σ ˆ e = = Y Y Y^ X I pratca, calcol sopra rportat ed relatv grafc o vegoo fatt maualmete, ma s utlzzao pacchett software statstco ecoometrc.
20 Lezoe 6 Il modello d cu voglamo stmare parametr sa y = β o + β x + β z + β 3 v + e,,,.., è ecessaro rsolvere l seguete problema d mmo ( y βo β x β z β3 v ) e = = mmo(β o, β, β, β 3 ) che s ottee rsolvedo rspetto a (β o, β, β, β 3 ) l seguete sstema o omogeeo d quattro equazo lear che ammetterà, sotto l potes che fra le tre varabl esplcatve o v sao perfett legam lear, ua ed ua sola soluzoe.
21 Il modello d regressoe leare β β = β β β = β β β = β β β = β = = = = = = = = x (y e x (y e x (y e x (y e = β β = β β = β β = β β 0 )v v z 0 )z v z 0 )x v z 0 ) v z
22 Lezoe 6 Esempo NV MTR MRT CPO NVˆ ê Pemote Valle d'aosta Lombarda Treto-Alto A Veeto Frul-Ve. Gu Lgura Emla-Romaga Toscaa Umbra Marche Lazo Abruzzo Molse Campaa Pugla Baslcata Calabra Scla Sardega Itala
23 Il modello d regressoe leare Nat Vv (NV) fuzoe d: Tasso Matrmoaltà (MTR), Tasso d Mortaltà (MRT), Tasso Rcerca Prma Occupazoe (CPO) el 993. Le varabl sopra rportate soo state otteute tramte le seguet: NV = umero at vv el popolazoe meda el993 MTR = MRT = CPO = umero matrmo el popolazoe meda el993 umero mort el popolazoe meda el993 cerca occupazoe el popolazoe el 993 Osservamo che utlzzamo dat relatv e o assolut vsto che voglamo capre se e- sste u legame fra NV (l effetto) e MTR, MRT, CPO (le cause) e questo ha seso solo se elmamo la dversa umerostà d popolazoe esstete fra le dverse rego talae.
24 Lezoe 6 NV = β o + β MTR + β MRT + β 3 CPO + e Da u puto d vsta logco c attedamo che: (a) fra Matrmo e Nat vv v sa u legame leare postvo (β >0); (b) l legame sa egatvo fra Mort e Nat vv (β < 0); (c) samo molto scettc a potzzare u legame dretto ed mmedato fra rcerca d prma occupazoe e Nat vv (β 3 > 0). Notamo la forte dcotoma fra le rego del cetro-ord e quelle del sud. I legam a coppe (NV, MTR), (NV, MRT), (NV, CPO) soo rportat egl scatter NV 0 NV 0 NV
25 Il modello d regressoe leare Le stme de parametr co l metodo de mm quadrat soo: βˆ ˆ ˆ o =.456; βˆ =.9073; β= ; β3 = 0.03 ed l sego de valor stmat è quello atteso. Queste stme c hao permesso d otteere valor stmat d NV N Vˆ = MTR MRT CPO I valor d NVˆ e d ê soo rportat elle ultme due coloe della tabella NV 0 NV ^ NV NV ^
26 Lezoe 6 E ecessaro stmare ache σe, la varaza comue delle varabl casual e : Ua stma accettable d σ e el caso del modello d regressoe leare semplce è s = σˆ e = ê. Co ragoamet del tutto sml s ottee la stma d σ e el caso d modello d regressoe leare multplo s = 4 ê ; s = 9.60 =
27 Il modello d regressoe leare Propretà delle stme de mm quadrat Le stme otteute soo stme meda e dovrebbero possedere le stesse propretà della stma della meda: o dstorsoe e cossteza: (x x)x E( ˆβ o ) = βo + E(e ) = β o S x E( ) = β ( x x) S x ˆβ + - E(e ) = β fatt soo o dstorte. Rcordado quato detto per le combazo d varabl casual correlate co varaza costate s ha var( ˆβ o ) = (x x)x S x var(e ) = σ e m x S x teedo coto che S x = mx - x ; allo stesso modo
28 Lezoe 6 var( ˆβ ) = ( x x) S x var(e ) = σ e S x e queste stme soo cosstet. Co ua procedura smle s può dmostrare che ache s è o dstorta e cosstete per σ e. Le stme delle varaze de parametr stmat soo date rspettvamete da s βo m s β = s x, = s S x S x Nel caso del modello d regressoe multpla le stme che s ottegoo soo acora BLUE, ma gl svlupp formal soo pù compless. I tal caso l calcolo umerco vee fatto solo tramte computer utlzzado l approprato software.
29 Esempo Il modello d regressoe leare Nel caso del prmo esempo le stme d s e s soo rspettvamete s β o β o β β o = 6.085; s = 0.43; s = 0.07; = β β β s = 5.098; s = Nel caso del secodo esempo le stme s soo rspettvamete β s β3
30 Lezoe 6 La verfca del modello d regressoe Verfcare se, co dat a dsposzoe, effettvamete tutte le varabl esplcatve, o solo alcue d queste, s possoo statstcamete cosderare cause della varable dpedete. Questa verfca può essere eseguta utlzzado strumet dvers. Qu d seguto e aalzzeremo solo tre: test su parametr stmat, u dce d accostameto globale del modello a dat osservat, alcue aals su resdu. Perché u modello sa cosderato accettable e qud doeo ad essere utlzzato è ecessaro che super tutte le verfche. Se qualcua d tal verfche o è superata è ecessaro rformulare l modello. Test su parametr del modello Dato l modello e la stma sottoporre a test y = β o + β x + e ŷ = ˆβ o + ˆβ x H o : β o = 0 verso H : β o 0 H o : β = 0 verso H : β 0
31 Il modello d regressoe leare Se s dovesse accettare H o : β = 0 vorrebbe dre che la varable X o esercta alcua flueza su Y e l modello va rformulato. Da u puto d vsta tutvo samo portat a rfutare H o se l valore stmato ˆ è grade e lotao da zero, samo portat ad β accettare Ho se βˆ è pccolo e vco a zero. Sotto la codzoe le varabl casual scarto e soo dpedet e dstrbute come ua ormale rsulta: ˆβ ~ N β ; ˆβ ~ N σe ; o Sx β o e σ ; m S x x La dstrbuzoe d ˆβ e ˆβ o, al varare del campoe, è smle (a meo d ua costate moltplcatva della varaza) a quella della meda campoara x sotto l potes d ormaltà: X ~ N σ μ;,
32 La statstca test per è Lezoe 6 H o : β o = 0 verso H : β o 0 t oc = βˆ o s βo = βˆ o s S m x x S rfuta H o al lvello α se rsulta: t oc > t (-; α/) è La statstca test per H o : β = 0 verso H : β 0 t c = βˆ s β βˆ = s S x S rfuta H o al lvello α se t c > t (-; α/)
33 Il modello d regressoe leare Per l modello d regressoe leare multplo la logca del test è la stessa, ma o soo pù valde le formule vste. I tal caso, la verfca d mplca ua statstca test del tpo H o : β = 0 verso H : β 0, = 0,,...,k t c = βˆ s β = βˆ s δ x, = 0,,...,k co δ x ua complcata quattà postva fuzoe de valor osservat sulle varabl e- splcatve calcolable umercamete. S rfuterà H o al lvello α se rsulta t c > t (-k-; α/) = 0,,...,k. Esempo
34 Lezoe 6 Rpredamo l caso rportato ell esempo su cosum e costruamo test: Abbamo gà vsto che è H o : β = 0 verso H : β 0, =0, e qud ˆβ o = , ˆβ = , s = 5.098, s = t oc = =.006 e t c = = β o β ed essedo t (5;.5%) =.57, al lvello α=5%, o s può rfutare l potes H o per =0, ma possamo rfutarla per =. Il modello d regressoe va rformulato: Y = β X + e I tal caso s otterrà ˆβ = e s = che mplcao β t c = =
35 Il modello d regressoe leare e rfutamo acora l potes H o che β sa par a zero. I deftva, l modello d regressoe prvo d tercetta potrebbe essere quello doeo per descrvere l feomeo Y fuzoe d X. Osservamo che u modello d regressoe accettable deve avere almeo 5 grad d lbertà co g = -k-. I questo caso grad d lbertà soo solo cque e d cosegueza rsultat soo molto stabl. Rpredamo ora l esempo su at vv co tre varabl esplcatve: ˆβ o βˆ ˆβ ˆβ 3 β o =.456; =.9073; = ; = 0.03 β s = 6.085; s = 0.43; s = 0.07; s = β β 3 rcavamo t oc =.456 = 0.53, t c = =.93, t c = =., t 3c = =.36 rcordado che è = 0, al lvello α = 5%, avremo t (6;.5%) =. pertato o pos-
36 Lezoe 6 samo rfutare H o : β = 0 per 0, 3: sa β o che β 3, l coeffcete d COP, o soo statstcamete dvers da zero al lvello del 5%. Rformulamo l modello: e otteamo le stme: NV =β MTR + β MRT + e ˆβ =.487; ˆβ = rsulta t c = β β s = ; s = = 7.85; t c = = 5.0 metre è t (8;.5%) =.0 ed etramb cas s può rfutare l potes H o e affermare che due parametr soo statstcamete dvers da zero.
37 Il modello d regressoe leare Da questo secodo caso possamo trarre alcue utl cosderazo: (a) dato che è corr(nv; CPO) = tale legame è d tpo spuro essedo evdetemete gà coglobato MTR; (b) l esclusoe d ua varable può portare a rsultat molto dvers ella stma de parametr, fatt la stma d β passa da.9073 a.487 (c) term d accostameto l esclusoe o l clusoe della varable o sgfcatva CPO o crea grad dffereze, come s può verfcare cotrollado l grafco seguete costruto co β o = β = 0 e quello vsto quado erao preset tutt e quattro parametr NV 9 8 NV ^
38 Lezoe 6 Msura della botà d adattameto Voglamo calcolare u dce che c dca fo a che puto l modello d regressoe leare stmato, ella sua globaltà, approssma dat osservat. Le stuazo estreme soo schematzzate elle fgure seguet: ) Caso ottmale ) Caso peggore S costrusce u dce d correlazoe multpla, R, e msura l testà del legame leare esstete fra la varable dpedete Y e quelle esplcatve X, X,..., X k.
39 S dmostra che (y y) Il modello d regressoe leare = ê + (ŷ y) o equvaletemete S y = S ê + S ŷ Se dvdamo ambo membr dell ultma uguaglaza per S y s ottee = ê y S S ŷ + S S y R = S S ŷ y = - S S ê y msura la percetuale della varabltà d Y spegata dal modello d regressoe
40 Lezoe 6 0 R Aalzzamo due cas estrem: R = 0 ed R =. Caso d R = 0 E equvalete a che equvale a (ŷ y) = 0 ( ŷ y ) = ( ŷ y ) =... = ( ŷ y)= 0 da cu ŷ = ŷ=... = ŷ= y tutt valor terpolat soo ugual fra d loro e cocdoo co la propra meda.
41 Il modello d regressoe leare ȳ S verfca se e solo se rsulta ˆβ = 0 e qud ˆβ o = y, ma questo vuol dre che al varare d X la Y, meda, o vara e l modello va rformulato. Queste cosderazo possoo essere estese al caso multplo co k varabl e- splcatve. Ifatt, s può dmostrare che R = 0 è equvalete a ˆ = ˆ =... = ˆ = 0 e β β qud βˆ o= y. Questo vuol dre che, meda, essua delle k varabl esplcatve X, X,..., X k esercta ua flueza su Y e l modello va rformulato. βk
42 Lezoe 6 È possble elaborare u test delle potes: H o : β = β =... = β k = 0 H : almeo uo de β 0, la statstca test ottmale è: F c = R / k = ( R )/( k ) ( k ) S k S ŷ ê che, sotto H o, s dstrbusce come ua v.c. F (k; -k-). Questo vuol dre che: S rgetta l potes H o al lvello α se: F c > F (α; k; -k-)
43 Caso d R = R = è equvalete a S ê= 0, coè: Il modello d regressoe leare ê e s verfca se e solo se rsulta ê = ê=... = ê = 0 = 0. ^y = ^ β + β ^ x ο Questo rsultato vale, co detca terpretazoe, ache quado s hao k varabl esplcatve.
44 Lezoe 6 Nelle pratche applcazo pù R è vco a zero, pù l modello globalmete è da rfutare. Per esempo, se ua data applcazoe rsulta R = 0.86 vuol dre che l 86% della varaza d Y è spegato dal modello d regressoe leare, metre l restate 4% è spegato da resdu. Esempo Rpredamo l esempo su cosum Y = β X + e tal caso s ottee R = 0.59: l 59.% della varabltà d Y è spegato dal modello d regressoe utlzzato, l restate 40.8% è dovuto a resdu. Rpredamo l esempo su at vv, samo arrvat alla coclusoe che abba seso l modello NV = β MTR + β MRT + e tal caso s ottee R = 0.846: la varabltà d NV è spegata per l 84.6% dal modello suddetto, metre l restate 5.4% è spegato da resdu.
45 Il modello d regressoe leare R è ua geeralzzazoe del coeffcete d correlazoe gà aalzzato. Pù precsamete el caso della regressoe leare semplce R cocde co la correlazoe stmata al quadrato: R = r = S xy S x S y Aals de resdu Se e resdu stmat v è acora ua qualche struttura l modello selezoato o resce a catturare completamete l evoluzoe del feomeo e qud va rformulato, r-stmato e r-testato. Prmo grafco I u sstema d ass cartesa s rportao le coppe d put (, ê ) se e resdu stmat v è ua qualche ulterore struttura questa dovrebbe emergere dal relatvo grafco. Nella fgura che segue è rportato l tpco caso cu fra resdu esste ua ulterore struttura che l modello o è ruscto a catturare.
46 Lezoe 6 Secodo grafco I u sstema d ass cartesa s rappresetao le coppe ( ê, ê ), se e resdu v è ua qualche struttura dovrebbe emergere dal grafco ed l relatvo modello dovrebbe essere rformulato.
47 Il modello d regressoe leare I questo caso s può otare come la maggor parte de put sao cocetrat el prmo e el terzo quadrate. Terzo grafco Costrure uo scatter rappresetado le coppe d osservazo ( ê, y ). Se l modello utlzzato o è doeo a rappresetare la varable dpedete Y, ello scatter deve essere vsble ua qualche struttura.
48 Lezoe 6 Le due fgure qu sopra rportate s rferscoo agl scatter ( ê, NV) e ( ê, y ) coess alle stme de modell d regressoe degl esemp precedetemete vst.
49 Il modello d regressoe leare Modello d regressoe o leare Modell o lear elle esplcatve Questo è l caso pù semplce da affrotare dato che la stma de suo parametr e la relatva verfca o s dscosta sostazalmete da quello leare gà cooscuto. Per essere pù char suppoamo che sa Y = β o + β e X + β V + a co a è la varable casuale scarto o resduo. Come s può otare, questo modello è leare e parametr cogt, ma è o leare elle due varabl esplcatve X e V. Se poamo e X = X*, V = V* coè lavoramo sull espoezale della varable X e su quadrat della varable V, otteamo l uovo modello Y = β o + β X* + β V* + a che rsulta leare e parametr e elle uove varabl esplcatve X*, V*.
50 Lezoe 6 Modell o lear ma learzzabl I molt cas u modello o leare e parametr può essere rcodotto a quello leare co ua semplce trasformazoe mootoa. Esemp: Y = β o e (β X + β V) a Y = β o X β V β a Y = β + β X o + a Quest modell possoo essere rcodott faclmete alla forma leare: log(y) = log(β o ) + β X + β V + log(a) log(y) = log(β o ) + β log(x) + β log(v) + log(a) = βo +β Y X + a
51 Il modello d regressoe leare Modell o learzzabl Esstoo molt modell d regressoe o lear e o lea rzzabl. Esempo: Y = β o + X β + V β + a Per procedere è ecessaro utlzzare ua stma o leare de mm quadrat: [ - βo y ] β β - X - V = m(β o, β, β ) I tal caso alcu degl strumet d verfca del modello o soo pù vald.
52 Esempo Lezoe 6 Captale (CAP), Lavoro (LAV), Fatturato (FT) della produzoe, a prezz costat, d be d abbglameto dal 980 al 000 Itala CAP LAV FT
53 Il modello d regressoe leare cap ft 0 00 lav Adattare ua fuzoe d produzoe o leare: FT t = β o CAP β t ( β t LAV + e ) t I rsultat della stma soo: Stma coeff Errore ST t c Prob. β o β R Meda d FT S.E S.D. d FT SSR.0E+0
54 Lezoe 6 Etramb parametr soo da accettare ed l valore d R è molto elevato. Osservat Stmat resdu Come s può otare, e resdu è presete ua compoete cclca che rede l modello o accettable. Per catturare questo aspetto del feomeo s è cosderato l modello: FT t = β ( β ) t LAV βo CAP t + et e = φ t + φ et + a t e t
55 Il modello d regressoe leare co a t è la uova varable casuale errore. La stma o leare de mm quadrat è Coeffcet Std. Error t-statstca Prob. β o β φ φ R Meda FT S.E S.D. d FT SSR.78E+09 Tutt parametr stmat soo statstcamete dvers da zero e R è molto elevato: questo modello potrebbe essere preferble a quello precedetemete. Osservat Iterpolat resdu
56 Lezoe 6 Modello d regressoe forma matrcale Il modello d regressoe leare può essere rscrtto utlzzado la otazoe matrcale. Cosderamo l caso cu v soo due sole varabl esplcatve: la X e la V: y = β o + β x + β v + e y = β o + β x + β v + e... y = β o + β x + β v + e y y y = + β β β o v v v e e e x x x y = X β + e
57 Il modello d regressoe leare Il modello d regressoe leare s può sempre scrvere: y = X β + e y ed e soo due vettor d elemet, la matrce X ha rghe e (k+) coloe, l vettore β ha (k+) coeffcet da stmare. Per le potes fatte sul modello d regressoe (X è determstca metre E(e) = 0 ) rsulta E(y) = X β. Idchamo co A - l versa d ua matrce quadrata, coè quella per cu s ha AA = I, ove I dca la matrce detca composta da tutt uo sulla dagoale prcpale e zero altrove, e co A' la trasposta d ua matrce qualsas. Premoltplcado ambo membr dell ultma espressoe per X' s ottee s rcava la soluzoe X'E(y) = (X'X)β β = (X'X) - X'E(y)
58 Lezoe 6 Se al posto d E(y), che è cogto, sosttuamo ua stma, partcolare valor osservat y, s ottee la stma del vettore de parametr: βˆ = (X'X) - X'y questa, per costruzoe, è ua stma meda e qud mmzza la somma de quadrat degl scart ed ha tutte le propretà della stma della meda. Allo stesso modo s ha che: - l vettore delle y stmate è dato da: ŷ= X βˆ - l vettore degl scart stmat è dato da: ê= y - ŷ σ e - la stma o dstorta d è data da: s = eˆ ' eˆ k - l coeffcete d correlazoe multpla è: R = ( yˆ ( y y)' ( yˆ y)' ( y y) = - y) eˆ' eˆ ( y y)' ( y y)
59 Il modello d regressoe leare - la matrce delle varaze e covaraze d βˆ è: var( βˆ )= σ e (X'X) -. La geeralzzazoe degl altr rsultat llustrat e paragraf precedet s ottee co procedmet sml rcorredo a ot rsultat d algebra leare.
y = α + βx + ε Qui ci soffermeremo su un unica classe di modelli, detti modelli statistici lineari. Si veda la seguente figura:
Il problema della regressoe s poe quado l valore d ua varable aleatora y, chamata varable dpedete, è fuzoe d ua varable o aleatora x, chamata varable dpedete Qu c soffermeremo su u uca classe d modell,
DettagliMEDIA 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:
DettagliIstogrammi 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.):
DettagliCaso 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
DettagliQuale 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
DettagliLA REGRESSIONE LINEARE SEMPLICE
LA REGRESSIONE LINEARE SEMPLICE L ANALISI DI REGRESSIONE La regressoe è volta alla rcerca d u modello atto a descrvere la relazoe esstete tra ua varable Dpedete e ua varable dpedete (regressoe semplce)
DettagliLA 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
DettagliUniversità 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
DettagliUniversità 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
DettagliEsercitazione 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,
DettagliSECONDA 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
DettagliDATA MINING PER IL MARKETING (63 ore)
DATA MINING PER IL MARKETING (63 ore) Marco Ra mra@upr.t Sto web del corso http://www.ra.t/dmm REGRESSIONE INFERENZIALE 1 Itroduzoe agl elemet aleator N. dpedet (X) Vedte mlo d (Y) A 10 1,9 B 18 3,1 C
DettagliUniversità 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
DettagliCaso 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
DettagliRegressione 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
DettagliANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE
ANALISI DELLA REGRESSIONE L Aals della Regressoe rguarda lo studo delle relazo esstet fra o pù caratter quattatv o varal. La rcerca de lega esstet fra pù varal s poe coe rcerca delle relazo fuzoal che
DettagliLezione 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
DettagliEllissi di densità costante. Distribuzione normale multivariata. Ellissoidi di isodensità. Esempio isodensità: X~N 2 (μ,σ) Consideriamo
Dstrbuzoe ormale multvarata / f ( ) π = Σ exp ( )' ( ) μ Σ μ Ellss d destà costate Cosderamo c = % ' Σ % = ( μ)' Σ ( μ) S dca co N p (μ,σ) Relazoe tra ormale multvarata e ormale multvarata stadard N p
Dettagli( ) ( ) ( ) ( ) 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)
Dettagliρ XY risponde alla domanda esiste un associazione lineare tra le variabili X e Y?
Relazoe fra varabl casual X e Y cogutamete dstrbute Test d potes due popolazo Coeffcete d Correlazoe ρ XY (9.5.3) Regressoe ρ XY rspode alla domada esste u assocazoe leare tra le varabl X e Y? Costrure
DettagliIl 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
DettagliDott.ssa Marta Di Nicola
RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quado s cosderao due o pù caratter (varabl) s possoo esamare ache l tpo e l'testà delle relazo che sussstoo tra loro. http://www.bostatstca.uch.tt Nel caso cu per
DettagliFunzioni 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 (, )
DettagliLa Regressione. Y = f ( X ) Le motivazioni che ci spingono alla ricerca di f essenzialmente due: la Previsione ed il Controllo.
La Regressoe Sulla base delle coppe d modaltà osservate (x 1,y 1 ),..,(x,y ), dopo aver verfcato la dpedeza tra caratter quattatv X ed Y, c propoamo d determare la fuzoe matematca f che meglo stetzz l
DettagliStima 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
DettagliAnalisi 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
DettagliMatematica 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( ) 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,
DettagliEsercitazione 4 del corso di Statistica (parte 1)
Eserctazoe 4 del corso d Statstca (parte ) Dott.ssa Paola Costat Febbrao 0 Eserczo Data la dstrbuzoe del carattere Reddto d cu all eserczo precedete se e msur l grado d cocetrazoe. La cocetrazoe d u carattere
DettagliContenuti. 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
DettagliVariabilità = 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
DettagliClassi di reddito % famiglie Fino a 15 5.3 15-25 16.2 25-35 21.1 35-45 18.6 45-55 13.6 Oltre 55 25.2 Totale 100
ESERCIZIO Data la seguete dstrbuzoe percetuale delle famgle talae per class d reddto, espresso mlo d lre, (ao 995, fote Istat): Class d reddto % famgle Fo a 5 5.3 5-5 6. 5-35. 35-45 8.6 45-55 3.6 Oltre
Dettagli12/11/2015 STATISTICA 1. Esercitazione 4. Dott.ssa Vera Gurtovaya
STATISTICA Eserctazoe 4 Dott.ssa Vera Gurtovaa //5 Eserczo. La seguete tabella a doppa etrata rporta dat relatv al umero d SMS vat u mese e all'età de mttet. S calcolo covaraza e correlazoe della varable
DettagliUniversità 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,
DettagliFacoltà 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
DettagliSeconda Prova Parziale di STATISTICA Modalità A
Secoda Prova Parzale d STATISTICA 0..07 Modaltà A (A) a f della valutazoe verrao cosderate solo le rsposte rportate dallo studete egl appost rquadr bach. (B) ello svolgmeto del compto s utlzzo almeo quattro
DettagliIndici di asimmetria. Elementi di Statistica descrittiva Parte IV. Simmetria di una distribuzione di frequenze. Primo indice di asimmetria (1/3)
Smmetra d ua dstrbuzoe d frequeze Ua dstrbuzoe s dce asmmetrca se o è possble dvduare (aalzzado u stogramma) u asse vertcale che tagl la dstrbuzoe due part specularmete ugual Idc d asmmetra Rferedoc a
DettagliCompito 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)
DettagliDI 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
DettagliDue 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,
Dettagli1 ANALISI MATEMATICA A - Esercizi della settimana 1
1 ANALISI MATEMATICA A - Esercz della settmaa 1 1.1 Eserczo Rsolvete le seguet dsequazo (e umer real) coè trovate l seme de umer real per qual la dsequazoe dcata è vera. 1. 1 x + 1 x 1 + 1 x + 1 0; 2.
DettagliVariabili casuali doppie
Varabl casual doppe Ua varable casuale doppa (,) è ua fuzoe defta sullo spazo campoaro che assoca ad og possble rsultato dell espermeto ua coppa d umer real (x,y) S y ω ω 3 ω y y 3 (x, y ) (x, y ) (x 3,
DettagliEsercizi 12/10/2007. oppure B 0. In modo del tutto analogo AB 0 se e solo se. oppure B 0 B 0. Studio del segno di una disequazione polinomiale.
Esercz 2/0/2007 Dsequazo Sego d u prodotto. Voglamo studare l sego d u prodotto d due umer real. I altr term vedere qual soo le codzo affché due umer real A e B soddsfo AB 0. Ragoamo come segue: rcoducamo
DettagliUnità 11. Studio di più variabili. Interpolazione. Regressione. Correlazione. Notazione matriciale
Utà 11 Studo d pù varabl Iterpolazoe Regressoe Correlazoe Notazoe matrcale 1 INTERPOLAZIONE Può spesso captare d scoprre l essteza d ua relazoe spermetale tra due (o pù) varabl ed è allora aturale rcercare
DettagliCORSO 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
DettagliGli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma
Qualche cosderazoe Tedeza cetrale La scelta dell dce d tedeza cetrale/poszoe dpede dal tpo e dalle caratterstche della dstrbuzoe; Pù che dvduare l dce mglore assoluto (che o esste), è mportate ache valutare
DettagliDue 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,
DettagliLa 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
DettagliInterpolazione. Definizione: per interpolazione si intende la ricerca di una funzione matematica che approssima l andamento di un insieme di punti.
Iterpolazoe Defzoe: per terpolazoe s tede la rcerca d ua fuzoe matematca che approssma l adameto d u seme d put. Iterpolazoe MATEMATICA Calcola ua fuzoe che passa PER tutt put Tp d terpolazoe Iterpolazoe
DettagliCapitolo 13 Il modello di regressione lineare
Captolo 3 Il modello d regressoe leare La fase pù operatva della statstca è dretta alla costruzoe d modell e coè d rappresetazo semplfcate, aalogche e ecessare della realtà attraverso le qual provare a
DettagliSommario. Facoltà di Economia. Generalità sulla variabilità A B C. francesco mola. Lezione n 4. Variabilità e Dispersione. Concetto di variabilità
Corso d Statstca Facoltà d Ecooma a.a.. 00-00 fracesco mola Lezoe 4 Sommaro Campo d varazoe Varaza Scarto uadratco medo Coeffcete d varazoe Scostamet dalla Meda e dalla Medaa Mutua Varabltà Mutabltà lez4
DettagliGli 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
DettagliPROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE
PROVA SCRITTA DI STATISTICA (COD 08-07-7-77) Febbrao 00 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE ESERCIZIO (6 put) Da ua classfca del sto teret IBS rsulta che 0 flm pù vedut vdeocassetta
DettagliCorso 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
DettagliLEZIONI 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
Dettagliexp("# (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
DettagliEsercitazione 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
DettagliLa 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
DettagliCaso 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
Dettagli7 STIMATORI DI REGRESSIONE LINEARE 7.1 INTRODUZIONE
7 STIMATORI I REGRESSIOE LIEARE 7. ITROUZIOE Co l terme stmator d regressoe leare s dca u'ampa classe d stmator, che comprede ache gl stmator rapporto, utlzzabl quado s dspoe d u'formazoe auslara rappresetata
DettagliGeneralmente 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
DettagliStatistica descrittiva Campioni vettoriali
Statstca Descrttva Capo vettoral Statstca descrttva Capo vettoral Itroduzoe el caso cu s osserv ua varable statstca ultdesoale, s assoca al sgolo esto dell espereza u vettore d rsultat e o pù u seplce
DettagliStatistica per le ricerche di mercato. 10. La regressione lineare semplice
Statstca per le rcerche d mercato A.A. 0/3 Dr. Luca Secod 0. La regressoe leare semplce Il terme regressoe fu trodotto verso la metà dell Ottoceto dall glese Sr Fracs Galto (8-9) che, e suo stud d eugeetca,
DettagliSoluzione 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,
DettagliFacoltà 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,
Dettaglipè 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
DettagliTEST CHI DI INDIPENDENZA STOCASTICA
Comad cel: Test Ch d dpedeza, pag. Test F a due campo per varaze, pag. Materale ddattco per eserctazo cel pro. R. D Ago, Castellaza, Dcembre, 4 TST CHI DI INDIPNDNZA STOCASTICA Per due pop. stat. e s vuole
DettagliFUNZIONI 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.
DettagliUNIVERSITA DEGLI STUDI MEDITERRANEA DI REGGIO CALABRIA
UNIVERSITA DEGLI STUDI MEDITERRANEA DI REGGIO CALABRIA Corso d Statstca Ecoomca a.a. / Prof. Alberto Botta DERIVAZIONE DEGLI STIMATORI OLS La regressoe semplce Il procedmeto d calcolo degl stmator OLS
DettagliAlcuni metodi per la risoluzione di sistemi lineari con matrici strutturate.
Alcu meto per la rsoluzoe sstem lear co matrc strutturate. A. url - Calcolo Scetco Problema Rsolvere l sstema leare: A A. url - Calcolo Scetco Problema q A Co A matrce el tpo: p O A è ua matrce tragoale!
DettagliINDICI 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
DettagliAssociazione tra due variabili quantitative
Esempo (1) Assocazoe tra due varabl quattatve Suppoamo che u professore vogla dmostrare che eserctars a casa aut gl studet el superameto dell esame. esame. A tal fe regstra la votazoe de compt a casa e
DettagliSoluzione 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
DettagliESERCIZI 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, {
DettagliContenuti: 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
DettagliIL CALCOLO DELLA DOMANDA DI TRASPORTO (Capitolo 4)
Facoltà d Igegera - Uverstà d Bologa Ao Accademco: 00/ TECNICA ED ECONOMIA DEI TRASPORTI Docete: Maro Lup IL CALCOLO DELLA DOMANDA DI TRASPORTO (Captolo 4) Modello descrttvo per l calcolo della domada
DettagliModulo 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
DettagliGli 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
DettagliVar 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,,
DettagliDai 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
DettagliCapitolo 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.
DettagliI 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
DettagliPropagazione 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
DettagliLa regressione lineare. Rappresentazione analitica delle distribuzioni
La regressoe leare Rappresetazoe aaltca delle dstrbuzo Le lee d regressoe Rchamamo l cocetto d dpedeza tra le dstrbuzo d due caratter X e Y. Rcordamo che abbamo defto dpedeza perfetta la relazoe =f() che
DettagliAritmetica 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
DettagliStatistica 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
DettagliAnalisi Matematica Lezione 30, 4 dicembre 2014 e x2 dx =
Dpartmeto d Sceze Statstche Aals Matematca Lezoe 3, 4 dcembre 14 π e x dx = prof. Daele Rtell daele.rtell@ubo.t 1/3? rodotto d Walls π = =1 rmo passo: ( 1 + 1 ) = lm (()!!) ( 1)!!( + 1)!! I = π s x dx
DettagliApprofondimenti 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.
DettagliElementi di Statistica descrittiva Parte III
Elemet d Statstca descrttva Parte III Paaa Idce d asmmetra (/) Idce d forma che esprme l grado d asmmetra (skewess) d ua dstrbuzoe. Sao u, u,,u osservazo umerche. Chamamo dce d asmmetra l espressoe: c
DettagliEsercitazione 3 del corso di Statistica (parte 1)
Eserctazoe 3 del corso d Statstca parte ) Dott.ssa Paola Costat 7 Febbrao 0 Eserczo. A partre dalla dstrbuzoe class della varable Altezza rpartta 3 class equfrequet, calcolare medaa, prmo e terzo quartle.
DettagliStatistica per le ricerche di mercato. 13. La regressione lineare semplice
Statstca per le rcerche d mercato A.A. 0/ Prof.ssa Tzaa Lauret Dott. Luca Secod 3. La regressoe leare semplce Il terme regressoe fu trodotto verso la metà dell Ottoceto dall glese Sr Fracs Galto (8-9)
DettagliIl 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
DettagliIl modello di regressione multipla
S. Borra A. D Cacco Statstca metodologe per le sceze ecoomche e socal McGraw Hll 4 ISBN 88-386-66-6 9 Il modello d regressoe multpla Relazoe statstca modello d regressoe leare multpla omoschedastctà superfce
DettagliCapitolo 17. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 17.1: Suggerimento
Captolo 17 Suggermet agl eercz a cura d Elea Slett Eerczo 17.1: Suggermeto S rcord che X 1, X 2, X 3 oo v.c. dpedet quado le etrazo oo co rpozoe. Uo tmatore T dce o dtorto e l uo valore atteo cocde co
DettagliLE MEDIE. Le Medie. Medie razionali. Medie di posizione
LE MEDIE RAZIONALI LE MEDIE Msure stetche trodotte per valutare aspett compless e global d ua dstrbuzoe d u feomeo X medate u solo umero reale costruto modo da dsperdere al mmo le formazo su dat orgar.
DettagliIL MODELLO DI REGRESSIONE LINEARE MULTIPLA
Captolo 9 - Il modello d regressoe leare multpla 9 - IL MODELLO DI REGRESSIONE LINEARE MULTIPLA 9 9. Itroduzoe 9. Il modello d regressoe leare multpla 9.3 Il modello d regressoe leare multpla forma matrcale
DettagliSi 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
DettagliCAPITOLO III SISTEMI DI EQUAZIONI LINEARI
CAPITOLO III SISTEMI DI EQUAZIONI LINEARI. GENERALITÀ Sao a,..., a,..., a, b umer real (o compless o elemet d u qualsas campo) ot. Defzoe.. U equazoe della forma: () a x +... + ax +... + a x b dces d prmo
Dettagli12. STATISTICHE CAMPIONARIE
. STATISTICHE CAMPIONARIE. Ce su pa d campoameto Per cooscere le caratterstche gote d ua o pù varabl ua popolazoe s rcorre d solto a u dage campoara e dat raccolt vegoo elaborat per otteere formazo sulla
Dettagli