Analisi Statistica Multivariata Modulo Modelli Statistici
|
|
- Gennaro Bonetti
- 5 anni fa
- Visualizzazioni
Transcript
1 Analisi Statistica Multivariata Modulo Modelli Statistici Gianna Monti 8 novembre Approfondimenti Esercizi Esercizio 1 Galton e il suo allievo Karl Pearson condussero alcuni studi in merito alle somiglianze tra genitori e figli. Egli misurò l altezza di 1078 padri e dei rispettivi figli e trovò che i padri avevano un altezza media di 66 pollici, mentre i figli di 67. La varianza delle stature dei padri è di 16, mentre quella relativa alla statura dei figli è 4. Il coefficiente di correlazione osservato è 0.5. Assumendo che i dati seguano una distribuzione normale bivariata, predire l altezza del figlio per un padre alto 70 pollici e per uno alto 64 pollici. Soluzione: 68 e 66.5 Esercizio a) Si supponga che X = (X 1, X ) abbia una distribuzione Normale Bivariata, con matrice di varianze e covarianze: [ ] σ Σ = 1 σ 1 σ 1 σ Esprimendo σ 1 = ρσ 1 σ, individuare gli autovalori di Σ e utilizzarli per trovare delle restrizioni sul coefficiente ρ affinché Σ sia una valida matrice di varianze e covarianze. Soluzione: 1 < ρ < 1. b) Se X = (X 1, X, X 3 ) avesse una distribuzione Normale Tridimensionale, con marginali X i N(µ, σ ), i = 1,, 3, inoltre σ ij costante non dipendente da i, j, individuare gli autovalori di Σ e utilizzarli per trovare delle restrizioni sul coefficiente ρ affinché Σ sia una valida matrice di varianze e covarianze. Estendere il risultato al caso in cui X ha una distribuzione Normale k variata. Soluzione: 1 (k 1) < ρ < 1. Esercizio 3 Le curve di livello di una distribuzione normale multivariata k dimensionale sono ellissoidi definiti dall equazione: (x µ) Σ 1 (x µ) = c 1
2 Questi ellissoidi hanno centro in µ e assi principali ±c λ i a i, dove: Σa i = λ i a i, (i = 1,..., k). Si consideri il caso bivariato k =, con σ 1 = σ. Determinare gli assi dell ellisse di probabilità costante. Soluzione: [ ] 1 ±c σ1 + σ 1 1 e. [ ±c σ1 σ ] Esercizio 4 Nel gioco del golf si considerino tre buche di difficoltà crescente: X 1 interpreta il numero di tiri con cui i concorrenti di una gara affrontano la prima buca ed ha una distribuzione Normale con media pari al suo par, ovvero µ 1 = 3 e varianza σ1 =, X interpreta il numero di tiri con cui i concorrenti affrontano la seconda buca ed ha una distribuzione Normale con media µ = 4 e varianza σ = 3.5 e X 3 interpreta il numero di tiri con cui i concorrenti affrontano la terza buca ed ha una distribuzione Normale con media µ 3 = 5 e varianza σ3 = 4. Inoltre è noto che X = (X 1, X, X 3 ) N 3 (µ, Σ), con: Σ = a) Individuare la distribuzione congiunta della variabile (U, T ) dove U = X X 1 e T = X 3 X ovvero U e T interpretano le differenze di punteggio tra livelli differenti. ( [ ] [ ]) Soluzione: (U, T ) N µ (U,T ) =, Σ 1 (U,T ) =. 7.1 b) Individuare la distribuzione congiunta della variabile (F, G) dove F = 3 i=1 X i e G = X 3 X 1. ( [ ] [ ]) Soluzione: (F, G) N µ (F,G) =, Σ (F,G) =. 6. Esercizio 5 Sia X = (X 1, X, X 3 ) N 3 (µ, Σ), con: Σ = a) C è indipendenza stocastica? b) X 1 e X sono indipendenti? c) Cosa si può dire della relazione tra (X 1, X ) e X 3? Soluzione: Non c è indipendenza stocastica; inoltre X 1 e X non sono indipendenti poiché σ 1, 0, mentre (X 1, X ) e X 3 sono indipendenti, basta partizionare la matrice Σ.
3 Esercizio 6 Data X = (X 1, X, X 3 ) N 3 (µ, Σ), con: Σ = 1 ρ ρ Trovare media e matrice di varianze ([ e covarianze di ] (X 1, X x 3 ). [ µ1 + ρ Soluzione: (X 1, X x 3 ) N (x 3 µ 3 ) (1 ρ, Σ µ (X1,X x 3) = 4 ) ρ ρ 1. Esercizio 7 Per ogni campione di rifiuti di una certa regione vengono registrati il contenuto di energia X 1, il contenuto percentuale di plastica X, di carta X 3 e organico X 4. La variabile multidimensionale X ha distribuzione Normale con: 10 µ = 1 3 e Σ = Al fine di un efficiente progettazione di un inceneritore di rifiuti è necessario conoscere in anticipo il contenuto di energia del materiale da smaltire dati determinati livelli dei rifiuti. Individuare la distribuzione condizionata di X 1, dato (X, X 3, X 4 ) = (1, 1, ). Soluzione: (X 1 x, x 3, x 4 ) N (11.64, 145.9). ]) 3
4 Forme della densità di una Normale Bivariata [ ] σ X = (X 1, X ) N(µ, Σ), con µ = (µ 1, µ ) e Σ = 1 σ 1 σ 1 σ1 = [ ] σ1 ρσ 1 σ ρσ 1 σ σ1. La funzione di densità di una v.c. Normale Bivariata è data da: 1 ϕ(x 1, x ) = πσ 1 σ 1 ρ { [ (x1 ) ( ) ( ) ( ) ]} 1 µ 1 x µ x µ x1 µ 1 exp (1 ρ + ρ ) σ 1 Variabile Casuale Condizionata X 1 x : 1 ϕ (x 1 x ) = σ 1 π(1 ρ ) { 1 exp σ1 (1 ρ ) σ σ (1) [ x 1 µ 1 ρ σ ] } () 1 (x µ ) σ ( ) Ovvero: X 1 x N µ 1 + ρ σ1 σ (x µ ); σ1(1 ρ ). Di seguito esempi di curve di livello di una Normale Bivariata al variare del coefficiente ρ e al variare dei parametri [ σ 1 e σ]. 1 0 Ad esempio: Se µ = (0, 0) e Σ = La funzione di densità congiunta 0 1 è visualizzata in fugura 1 le cui curve di livello in figura. σ 1 4
5 f(x[1], x[]) x[] x[1] Figura 1: Funzione di densità congiunta di una normale bivariata a componenti indipendenti e standardizzate 5
6 x x 1 Figura : Curve di livello di una normale bivariata a componenti indipendenti e standardizzate 6
7 Figura 3: Curve di livello di una normale bivariata con parametri: µ 1 = µ = 0, σ 1 = σ = 1, ρ = 0.5 7
8 Figura 4: Curve di livello di una normale bivariata con parametri: µ 1 = µ = 0, σ 1 = σ = 1, ρ = 0.5 8
9 Figura 5: Curve di livello di una normale bivariata con parametri: µ 1 = µ = 0, σ 1 = σ = 1, ρ = 0.9 9
10 Figura 6: Curve di livello di una normale bivariata con parametri: µ 1 = µ = 0, σ 1 = σ = 1, ρ =
11 Figura 7: Curve di livello di una normale bivariata con parametri: µ 1 = µ = 0, σ 1 = 1, σ =, ρ = 0 11
12 Figura 8: Curve di livello di una normale bivariata con parametri: µ 1 = µ = 0, σ 1 =, σ = 1, ρ = 0 1
Vettore (o matrice) casuale (o aleatorio): vettore (o matrice) i cui elementi sono variabili aleatorie
Variabili (vettori e matrici) casuali Variabile casuale (o aleatoria): Variabile che può assumere un insieme di valori ognuno con una certa probabilità La variabile aleatoria rappresenta la popolazione
DettagliDistribuzione normale multidimensionale
Capitolo 2 Distribuzione normale multidimensionale La funzione di densità normale undimensionale ha la forma seguente Anderson, 1984 fx ce 1 2 Ax b2 ce 1 2 x bax b La costante di normalizzazione c è data
DettagliI VETTORI GAUSSIANI E. DI NARDO
I VETTOI GAUSSIANI E. DI NADO. L importanza della distribuzione gaussiana I vettori di v.a. gaussiane sono senza dubbio uno degli strumenti più utili in statistica. Nell analisi multivariata, per esempio,
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
DettagliVariabili casuali multidimensionali
Variabili casuali multidimensionali Variabili casuali multidimensionali: k-ple ordinate di variabili casuali unidimensionali definite sullo stesso spazio di probabilità X = (X 1,..., X k ) Funzione di
DettagliCorso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte III: variabili aleatorie dipendenti e indipendenti,
DettagliVariabili casuali multidimensionali
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
DettagliStima dei parametri. La v.c. multipla (X 1, X 2,.., X n ) ha probabilità (o densità): Le f( ) sono uguali per tutte le v.c.
Stima dei parametri Sia il carattere X rappresentato da una variabile casuale (v.c.) che si distribuisce secondo la funzione di probabilità f(x). Per investigare su tale carattere si estrae un campione
DettagliAnalisi Multivariata Prova intermedia del 20 aprile 2011
Analisi Multivariata Prova intermedia del 20 aprile 20 Esercizio A Sia X N 3 (µ, Σ) con µ = [ 3,, 4] e 2 0 Σ = 2 5 0 0 0 2 Quali delle seguenti variabili casuali è indipendente? Motivare la risposta. A.
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
DettagliTeoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( )
Il Concetto di Distribuzione Condizionata Se B è un evento, la probabilità di un evento A condizionata a B vale: ponendo: P A B = ( ) P A B P B A = { x} si giunge al concetto di distribuzione condizionata
DettagliUniversità di Pavia Econometria. Richiami di teoria delle distribuzioni statistiche. Eduardo Rossi
Università di Pavia Econometria Richiami di teoria delle distribuzioni statistiche Eduardo Rossi Università di Pavia Distribuzione di Bernoulli La variabile casuale discreta Y f Y (y; θ) = 0 θ 1, dove
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza di Variabili Aleatorie Sistema di Variabili
DettagliProbabilità e Statistica
Probabilità e Statistica Variabili Casuali multidimensionali Marco Pietro Longhi C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica a.s. 2/29 Marco Pietro Longhi Prob. e Stat.
DettagliStatistica Corso Base (Serale) Dott.ssa Cristina Mollica
Statistica Corso Base (Serale) Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Variabili casuali Esercizio 1. Determinare la distribuzione di probabilità e la funzione di ripartizione della variabile
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
DettagliScheda n. 7: primi elementi sui legami tra più variabili
Scheda n. 7: primi elementi sui legami tra più variabili October 27, 2008 Matrice di covarianza e di correlazione Supponiamo di esaminare n variabili X,..., X n, ad esempio X = reddito medio, X 2 = tasso
DettagliSTATISTICA: esercizi svolti sulle VARIABILI CASUALI
STATISTICA: esercizi svolti sulle VARIABILI CASUALI VARIABILI CASUALI 2 VARIABILI CASUALI. Variabili casuali generiche. Si supponga che un dado truccato, formato da sei facce contrassegnate dai numeri
DettagliCalcolo delle probabilità (3/7/2001) (Ing. Elettronica, Informatica, Telecomunicazioni - Latina)
Calcolo delle probabilità (3/7/00). La distribuzione di probabilità di un numero aleatorio X non negativo soddisfa la condizione P (X > x + y X > y) = P (X > x), x > 0, y > 0. Inoltre la previsione di
DettagliAnalisi Multivariata Corso di laurea in Statistica
Analisi Multivariata Corso di laurea in Statistica Carla Rampichini 1 Distribuzione Normale multivariata L utilizzo di computer sempre più potenti consente oggi di considerare distribuzioni campionare
DettagliRegressione lineare semplice
Regressione lineare semplice Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Statistica con due variabili var. nominale, var. nominale: gruppo sanguigno - cancro
DettagliComputazione per l interazione naturale: fondamenti probabilistici (2)
Computazione per l interazione naturale: fondamenti probabilistici (2) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@di.unimi.it
DettagliAnalisi delle componenti principali
Analisi delle componenti principali Serve a rappresentare un fenomeno k-dimensionale tramite un numero inferiore o uguale a k di variabili incorrelate, ottenute trasformando le variabili osservate Consiste
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
DettagliCorrelazione e regressione per problemi di Luciano Corso
Correlazione e regressione per problemi di Luciano Corso Presidente della sezione di Verona della Mathesis Direttore della Rivista MatematicaMente Email: lcorso@iol.it CASTELLAMMARE DI STABIA 20180717
DettagliVariabili aleatorie n-dim
Sessione Live #6 Settimana dal 6 maggio al giugno 003 Variabili aleatorie n-dim Funzioni di ripartizione e di densità (F.D.R. e f.d.d.) congiunte e marginali, valori medi e momenti misti, funzione generatrice
DettagliScritto del
Dip. di Ingegneria, Univ. Roma Tre Prof. E. Scoppola, Dott.M. Quattropani Probabilità e Statistica, 17-18, I semestre Settembre 18 Scritto del - 9-18 Cognome Nome Matricola Esercizio 1. Un urna contiene
DettagliEsercizi su distribuzioni doppie, dipendenza, correlazione e regressione (Statistica I, IV Canale)
Esercizi su distribuzioni doppie, dipendenza, correlazione e regressione (Statistica I, IV Canale) Esercizio 1: Un indagine su 10.000 famiglie ha dato luogo, fra le altre, alle osservazioni riportate nella
DettagliUniversità di Pisa Geometria e Algebra Lineare per Ingegneria Aerospaziale, Ingegneria Meccanica, Ingegneria della Sicurezza
Scritto n.1 del 2010 Esercizio 1. Discutere il seguente sistema reale h x + y + h z = h 2 x + (1 h) z = 3 h 2 h x + y + h z = h h 2 Esercizio 2. Risolvere exp 2 z + ( 1 + i 3) expz + z ( exp 2 z + ( 1
DettagliPROVA SCRITTA DI STATISTICA (COD COD ) 7 luglio 2005 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A
PROVA SCRITTA DI STATISTICA (COD. 047 - COD. 403-37-377) 7 luglio 200 APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE SOLUZIONI MODALITÀ A Esercizio (9 punti) Supponiamo di aver osservato la seguente
DettagliVariabili casuali multidimensionali
Capitolo 1 Variabili casuali multidimensionali Definizione 1.1 Le variabili casuali multidimensionali sono k-ple ordinate di variabili casuali unidimensionali definite sullo stesso spazio di probabilità.
DettagliESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE
ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 7 Maggio 2013 Esercizio
DettagliE (X 2 ) = E (G) + E (E 2 ) = 1, V ar (X 2 ) = V ar (G) + V ar (E 2 ) = 5, Cov(X 1, X 2 ) = Cov(G + E 1, G + E 2 ) = V ar (G) = 4,
Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 04/05 Prova di Esonero Maggio 05 degli esercizi proposti Siano G, E, E tre variabili aleatorie gaussiane indipendenti, rispettivamente
DettagliCALCOLO DELLE PROBABILITÀ - 9 giugno 1998 Scrivere le risposte negli appositi spazi Motivare dettagliatamente le risposte su fogli allegati
CALCOLO DELLE PROBABILITÀ - 9 giugno 1998 1. Dati gli eventi A,B,C, ognuno dei quali implica il successivo, e tali che P (A) è metà della probabilità di B, che a sua volta ha probabilità metà di quella
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 6 luglio 6 Vettori aleatori e funzioni di v.a. Esercizio Si lanciano due dadi equi. Qual è la probabilità che la somma sia? [ ] Siano X, X le v.a.
DettagliStatistica. Congiunte. Capitolo 5. Distribuzioni di Probabilità. Chap 5-1. Statistics for Business and Economics, 6e 2007 Pearson Education, Inc.
Statistica Capitolo 5 Distribuzioni di Probabilità Congiunte Statistics for Business and Economics, 6e 2007 Pearson Education, Inc. Chap 5-1 Distribuzione di Probabilità Congiunta Una variabile casuale
DettagliRichiami di probabilità e statistica
Richiami di probabilità e statistica Una variabile casuale (o aleatoria) X codifica gli eventi con entità numeriche x ed è caratterizzata dalla funzione di distribuzione di probabilità P(x) : P(x)=Pr ob[x
DettagliV. c. multidimensionali e distribuzioni di funzioni di v.c.
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
DettagliDISTRIBUZIONE NORMALE MULTIVARIATA
Distribuzioe ormale uivariata DISTRIBUZIONE NORMALE MULTIVARIATA ANALISI MULTIVARIATA A.A. 00/ CORSO DI LAUREA IN STATISTICA Carla Rampichii Desità Normale μ, σ Normale stadardizzata: μ=0, σ= Distribuzioe
DettagliUniversità degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1 Lezione 1 - Martedì 23 Settembre 2014 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliEsercitazioni di Matematica Finanziaria
Esercitazioni di Matematica Finanziaria Corso di laurea in Economia e Finanza (Mercati Finanziari) 2 Aprile 208 Esercizio. Si considerino due titoli rischiosi con rendimenti attesi e deviazioni standard
DettagliUniversità degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2016/2017 ST410 Statistica 1 Lezione 1 - Mercoledì 28 Settembre 2016 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliL analisi media-varianza
L analisi media-varianza Pierpaolo Montana Università di Roma I Consideriamo un agente con preferenze di tipo VNM e funzione di utilità quadratica u(x) = x b x. La corrispondente espressione dell utilità
DettagliDistribuzioni di due variabili aleatorie
Statistica e analisi dei dati Data: 6 Maggio 206 Distribuzioni di due variabili aleatorie Docente: Prof. Giuseppe Boccignone Scriba: Noemi Tentori Distribuzioni congiunte e marginali Consideriamo due variabili
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 24 Outline 1 () Statistica 2 / 24 Outline 1 2 () Statistica 2 / 24 Outline 1 2 3 () Statistica 2 /
DettagliSTATISTICA (2) ESERCITAZIONE 2. Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 2 5.02.2014 Dott.ssa Antonella Costanzo Esercizio 1. La v.c. Normale: uso delle tavole E noto che un certo tipo di dati si distribuiscono secondo una gaussiana di media 10
DettagliCOGNOME.NOME...MATR..
STATISTICA 29.01.15 - PROVA GENERALE (CHALLENGE) Modalità A (A) ai fini della valutazione verranno considerate solo le risposte riportate dallo studente negli appositi riquadri bianchi: in caso di necessità
Dettaglicon distribuzione gaussiana standard e si ponga
Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 6/7 Prova di Esonero Maggio 7 Testi e soluzioni degli esercizi proposti Siano Z, Z, Z variabili aleatorie indipendenti e
DettagliLezione 5 Corso di Statistica. Domenico Cucina
Lezione 5 Corso di Statistica Domenico Cucina Università Roma Tre D.Cucina (domenico.cucina@uniroma3.it) 1 / 24 obiettivi della lezione familiarizzare con le distribuzioni bivariate, le distribuzioni condizionate
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2006/07
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 006/07 Esercizio 1 Prova scritta del 16/1/006 In un ufficio postale lavorano due impiegati che svolgono lo stesso compito in maniera indipendente, sbrigando
Dettagli(5 sin x + 4 cos x)dx [9]
FACOLTÀ DI SCIENZE MM. FF. NN. CORSO DI LAUREA IN SCIENZE NATURALI II Modulo di Matematica con elementi di statistica. Esercitazioni A.A. 009.00. Tutor: Mauro Soro, p.soro@tin.it Integrali definiti Risolvere
DettagliAnalisi multivariata per osservazioni appaiate. Analisi multivariata per osservazioni appaiate
Introduzione Notazione Modello additivo Verifica d ipotesi Sia X una variabile q-dimensionale, a valori reali, non degenere, osservata in k tempi diversi (τ 1, τ 2,..., τ k ), sulle stesse n unità statistiche
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliLezione 13 Corso di Statistica. Domenico Cucina
Lezione 13 Corso di Statistica Domenico Cucina Università Roma Tre D. Cucina (domenico.cucina@uniroma3.it) 1 / 20 obiettivi della lezione comprendere il concetto di variabile aleatoria continua familiarizzare
DettagliProbablità, Statistica e Processi Stocastici
Probablità, Statistica e Processi Stocastici Franco Flandoli, Università di Pisa Programma del corso vettori gaussiani, PCA ed fpca altri metodi di analisi e previsione di serie storiche catene di Markov
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 24 Outline 1 2 3 4 5 () Statistica 2 / 24 Dipendenza lineare Lo studio della relazione tra caratteri
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2013/2014 www.mat.uniroma2.it/~caramell/did 1314/ps.htm 04/03/2014 - Lezioni 1, 2 Breve introduzione al corso. Fenomeni deterministici
DettagliCP110 Probabilità: Esame del 6 giugno Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 21-11, II semestre 6 giugno, 211 CP11 Probabilità: Esame del 6 giugno 211 Testo e soluzione 1. (6 pts) Ci sono 6 palline, di cui nere e rosse. Ciascuna,
DettagliCALCOLO DELLE PROBABILITÀ
CALCOLO DELLE PROBABILITÀ - gennaio 000 Elettronici: nn. 4 Informatici: nn. 6. Un lotto contiene pezzi buoni ed un solo pezzo difettoso. Si effettuano tre estrazioni senza restituzione, e sia E i = pezzo
DettagliAnalisi della disponibilità d acqua. Valutazione dell impianto attraverso il calcolo di un indice economico (criterio)
Analisi della disponibilità d acqua Valutazione dell impianto attraverso il calcolo di un indice economico (criterio) Approccio diverso a seconda del criterio di valutazione Nel caso di criterio statistico
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2014/2015 www.mat.uniroma2.it/~caramell/did 1415/ps.htm 02/03/2015 - Lezioni 1, 2 Breve introduzione al corso. Fenomeni deterministici
DettagliFondamenti di comunicazioni elettriche (Ing. Elettronica - A.A )
Fondamenti di comunicazioni elettriche (Ing. Elettronica - A.A.-) Es. La variabile aleatoria ha densità di probabilità uniorme nell intervallo [,]. Trovare valor medio e varianza di. La densità di probabilità
DettagliStatistica. Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza e correlazione
Corso di Laurea in Scienze dell Organizzazione Facoltà di Sociologia, Università degli Studi di Milano-Bicocca a.a. 2010/2011 Statistica Esercitazione 4 17 febbraio 2011 Medie condizionate. Covarianza
DettagliVariabile aleatoria vettoriale
Metodi di Analisi dei Dati Sperimentali AA /2010 Pier Luca Maffettone Variabile aleatoria vettoriale Sommario della lezione 4 Esperimenti combinati VA vettoriali La Gaussiana multidimensionale Medie e
DettagliEsercitazioni di Statistica Matematica A Lezione 7. Variabili aleatorie continue
Esercitazioni di Statistica Matematica A Lezione 7 Variabili aleatorie continue.) Determinare la costante k R tale per cui le seguenti funzioni siano funzioni di densità. Determinare poi la media e la
DettagliProbabilità e Statistica per l Informatica Esercitazione 4
Probabilità e Statistica per l Informatica Esercitazione 4 Esercizio : [Ispirato all Esercizio, compito del 7/9/ del IV appello di Statistica e Calcolo delle probabilità, professori Barchielli, Ladelli,
DettagliProva scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 2015/ Settembre 2016
Prova scritta di Probabilità e Statistica Appello unico, II sessione, a.a. 205/206 20 Settembre 206 Esercizio. Un dado equilibrato viene lanciato ripetutamente. Indichiamo con X n il risultato dell n-esimo
DettagliAnalisi della correlazione canonica
Analisi della correlazione canonica Su un collettivo di unità statistiche si osservano due gruppi di k ed m variabili L analisi della correlazione canonica ha per obiettivo lo studio delle relazioni di
DettagliOutline. 1 v.c. continue. 2 v.c. Normale. 3 v.c. Esponenziale. Lezione 13. A. Iodice. v.c. continue. v.c. Normale. v.c.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 48 Outline 1 2 3 () Statistica 2 / 48 Variabili casuali continue Una variabile casuale X è continua
DettagliCalcolo delle Probabilità 2
Prova d esame di Calcolo delle Probabilità 2 Maggio 2006 Sia X una variabile aleatoria distribuita secondo la densità seguente ke x 1 x < 0 f X (x) = 1/2 0 x 1. 1. Determinare il valore del parametro reale
DettagliEsercizi di Calcolo delle Probabilità
Esercizi di Calcolo delle Probabilità Versione del 1/05/005 Corso di Statistica Anno Accademico 00/05 Antonio Giannitrapani, Simone Paoletti Calcolo delle probabilità Esercizio 1. Un dado viene lanciato
DettagliSOLUZIONI PROVA SCRITTA DI STATISTICA (cod. 4038, 5047, 371, 377) 8 settembre 2005
SOLUZIONI PROVA SCRITTA DI STATISTICA cod. 4038, 5047, 371, 377) 8 settembre 2005 MODALITÀ B APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE Esercizio 1. 7 punti) Su un collettivo di 13 nuclei
DettagliLa famiglia di distribuzioni normali asimmetriche
Università Roma Tre Facoltà Scienze Matematiche, Fisiche e Naturali Corso di Laurea in Matematica Tesi di Laurea in Matematica La famiglia di distribuzioni normali asimmetriche Alcune proprietà Relatore:
DettagliES.2.3. è pari ad 1. Una variabile aleatoria X che assume valori su tutta la retta si dice distribuita
ES.2.3 1 Distribuzione normale La funzione N(x; µ, σ 2 = 1 e 1 2( x µ σ 2 2πσ 2 si chiama densità di probabilità normale (o semplicemente curva normale con parametri µ e σ 2. La funzione è simmetrica rispetto
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliStatistica Inferenziale Soluzioni 3. Verifica di ipotesi
ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 6 1. Si consideri un campione di 69 persone
Dettaglidistribuzione qualsiasi;
Numeri pseudocasuali Il periodo deve essere il più lungo possibile; la distribuzione deve essere uniforme in [0, 1] p(x)=costante in [0, 1]; le correlazioni devono essere trascurabili xn+1 x n xn+1 xn
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 27 Outline 1 () Statistica 2 / 27 Outline 1 2 () Statistica 2 / 27 Outline 1 2 3 () Statistica 2 /
DettagliΣ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica
13. Regressione lineare parametrica Esistono numerose occasioni nelle quali quello che interessa è ricostruire la relazione di funzione che lega due variabili, la variabile y (variabile dipendente, in
DettagliPROVA SCRITTA DI STATISTICA. CLEA/CLEFIN/CLEMIT (cod. 5047/4038/371/377) 3 Novembre 2004 MOD. A
PROVA SCRITTA DI STATISTICA CLEA/CLEFIN/CLEMIT (cod. 547/438/37/377) 3 Novembre 4 MOD. A Esercizio N. (3 punti). Data la v.s. X avente funzione di densità: / x < 9/4 x < 3 f(x) = / 3 x < 7 / 7 x < 9 altrove
DettagliSessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie.
Sessione Live 4 V.a. n-dimensionali. Funzioni di variabili aleatorie. 9 e 11 Dicembre 2008 Richiami di teoria Come si calcolano le densità marginali Esercizi Una v.a. n-dimensionale (o vettore aleatorio
DettagliLezione 5 Corso di Statistica. Francesco Lagona
Lezione 5 Corso di Statistica Francesco Lagona Università Roma Tre F. Lagona (francesco.lagona@uniroma3.it) 1 / 23 obiettivi della lezione familiarizzare con le distribuzioni bivariate, le distribuzioni
DettagliRichiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche
Richiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche Ludovico Biagi Politecnico di Milano, DIIAR ludovico.biagi@polimi.it (materiale didattico preparato in
DettagliCP110 Probabilità: Esonero 2. Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 29-2, II semestre 25 maggio, 2 CP Probabilità: Esonero 2 Testo e soluzione . (7 pt) Siano T, T 2 variabili esponenziali indipendenti, di parametri λ =
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 41 Outline 1 2 3 4 5 () Statistica 2 / 41 Misura del legame Data una variabile doppia (X, Y ), la
Dettaglixn+1 distribuzione qualsiasi;
Numeri pseudocasuali Il periodo deve essere il più lungo possibile; la distribuzione deve essere uniforme in [0, 1] p(x)=costante in [0, 1]; le correlazioni devono essere trascurabili xn+1 x n xn+1 xn
DettagliRichiami di Teoria della probabilità (I)
Richiami di Teoria della probabilità (I) ESPERIMENTO: ogni operazione il cui risultato non può essere predetto con certezza EVENTO: è il risultato di un esperimento Eventi semplici e composti Eventi disgiunti
Dettagli1. Siano A, E eventi incompatibili, e sia B E, con P (A) = 1 5, P (B) = 3 10, P (E) = 1 2.
CALCOLO DELLE PROBABILITA - 5 gennaio 005 Ing. Elettronica : 4, Nettuno :. Siano A, E eventi incompatibili, e sia B E, con P (A) = 5, P (B) = 0, P (E) =. Dimostrare che tale assegnazione è coerente, determinando
DettagliProbabilità e Statistica
Probabilità e Statistica - 10.12.2008 Cognome e Nome............................................................................... C. d. L.: AMBL CIVL CIVLS GESL INFL PPING Anno di Corso: 1 2 3 altro
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 6: Combinazioni di variabili aleatorie
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini ezione 6: Combinazioni di variabili aleatorie Combinazioni di più variabili aleatorie continue Distribuzione
DettagliESERCIZIO 1 Si considerino n v.c. Xi (i = 1,, n) tra loro indipendenti e somiglianti con media 10 e varianza 4. Si determini:
ESERCIZIO 1 Si considerino n v.c. Xi (i = 1,, n) tra loro indipendenti e somiglianti con media 10 e varianza 4. Si determini: VALORE ATTESO Variabile casuale SOMMA delle n variabili Variabile casuale MEDIA
Dettagli1.1 Obiettivi della statistica Struttura del testo 2
Prefazione XV 1 Introduzione 1.1 Obiettivi della statistica 1 1.2 Struttura del testo 2 2 Distribuzioni di frequenza 2.1 Informazione statistica e rilevazione dei dati 5 2.2 Distribuzioni di frequenza
DettagliLE VARIABILI CASUALI A 1, A 2.,..., A k., p 2.,..., p k. generati da una specifica prova sono necessari ed incompatibili:
LE VARIABILI CASUALI Introduzione Data prova, ad essa risultano associati i k eventi A, A,..., A k con le relative probabilità p, p,..., p k. I k eventi A i generati da una specifica prova sono necessari
DettagliCP110 Probabilità: Esame 30 gennaio Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2010-11, II semestre 30 gennaio, 2012 CP110 Probabilità: Esame 30 gennaio 2012 Testo e soluzione 1. (5 pts) Un gioco consiste in n prove ripetute, tali
DettagliVariabili Casuali multidimensionali
Probabilità e Statistica Esercitazioni a.a. 27/2 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Variabili Casuali multidimensionali Marco Pietro Longhi Probabilità e Statistica
DettagliDomanda Risposta
Esame di Geometria 18 Maggio 010 Cognome e Nome: Matricola: Corso di Laurea Regolamento della prova. La prova consiste in 7 Domande a risposta multipla chiusa (di cui una soltanto è corretta) e di Esercizi.
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 16/06/2016 NOME: COGNOME: MATRICOLA: Esercizio 1 Cinque lettere
Dettagli