La regressione lineare: relazioni funzionali
|
|
- Ida Fabbri
- 4 anni fa
- Visualizzazioni
Transcript
1 La regressone lneare: relazon funzonal Molte legg d nteresse fsco e ngegnerstco sono descrtte da relazon funzonal tra grandezze (varabl), delle qual la pù semplce è quella lneare (y=a+bx). Trovare una relazone funzonale tra grandezze, permette n alcun cas d superare o ndvduare ncertezze d accuratezza, tecnca che applcata agl strument d msura permette la calbrazone degl stess. Indvduare la legge, che descrve la relazone tra grandezze, permette d utlzzare tale legge, o rsultat ottenut, per predzon su altre grandezze dervate. C sono termn con sgnfcat dvers. Se parlamo d rappresentazone grafca o descrzone analtca d una funzone s dce che la varable sulle ascsse (x) è la varable ndpendente, la varable sulle ordnate (y) è la varable dpendente. C sono legg fornte n un certo modo: per l perodo del pendolo T=T(l), per la legge del calore Q=Q(t f ) ecc. Tale scelta nello studo della regressone è legata alle ncertezze relatve corrspondent, e qund le legg potrebbero venre nvertte ovvero l=l(t) o t f =t f (Q). Per evtare l equvoco s parlerà d varable sulle ordnate (y) e varable sulle ascsse (x). Questo argomento è trattato nel Cap. 9 d G. Cullo Introduzone al laboratoro d fsca 1
2 Trovare la legge lneare: relazon funzonal Y y Approcco ntutvo: trovare la retta Y=A+Bx, tale che la dfferenze del valore ottenuto per ogn x, ovvero Y =A+B x, sano pù vcne alle y, qund trovare parametr A e B, tal che n valore assoluto la dfferenza y Y sa mnma possble, l parametro d confronto sono le ncertezze, qund che y Y < δy.per ogn coppa d dat con da 1 a.
3 Il Metodo de Mnm Quadrat. Rspetto a valor assolut, è pù pratco, consderare l rapporto tra la dscrepanza (tra valor msurat e valor attes) rspetto alle rspettve ncertezze al quadrato: mn ( ) y Y δy Ognuna d queste quanttà va rdotta al mnmo, qund mnmzzamo la loro somma: =1 ( y Y ) δy (9.1) n G. Cullo Questo è un approcco fguratvo e pragmatco, che nquadra grafcamente l problema e rende esplcto l sgnfcato d quello che studeremo. Per comprendere a peno le conseguenze e le possbltà prevsonal della statstca meglo affrontare tale problema con argoment approprat. Da qu l nome Metodo de Mnm Quadrat (MMQ). Il confronto s attua rspetto al rapporto tra dscrepanze e ncertezze, s organzzano qund le varabl, n modo tale che come varable sulle ordnate, qund le y nelle formule sopra, sa utlzzata quella con le ncertezze relatve maggor. 3
4 Approcco statstco-probablstco Alla varable (grandezza) X posso assocare una varable (grandezza) Y=A+BX Assumo che ogn msura y segua una dstrbuzone d Gauss e tenda alla Y = A+B x. Devo trovare la mglore stma della Y, che vada bene per tutt dat osservat y, che sgnfca trovare la mglore stma de parametr A e B. La probabltà che una sngola msura segua una gaussana d centraltà Y e dev. st. σ. P Y, σ ) 1 σ e Y ) σ. P A,B, σ ) 1 σ e A Bx ) σ. P A,B (y 1, y...y ) 1 e A Bx ) σ.= σ =1 =1 1 σ e 1 A Bx ) σ 4
5 La Varable χ Abbamo gà ntrodotto la varable causale χ (ch) In generale rsulta l rapporto tra la dfferenza tra un valore msurato, o osservato (p.e. y ), e un valore aspettato (p.e. Y ) l ncertezza sulla msura δy (rportata come radce quadrata della varanza σ ). Rcordamo ancora che per tenere a mente la connessone con le varabl casual s consderano sempre le varanze, ma rpetamo che bsogna consderare l ncertezza totale espressa secondo le regole delle varanze. e chamamo χ (ch-quadro) χ = Y ) δy, χ = χ n questo caso χ = y Y. (9.4) n G. Cullo δy 5
6 mnmzzazone del χ : regr. lneare Per l prncpo d massma verosmglanza, parametr A e B, che meglo descrveranno la legge, che pù s avvcna a dat spermental, saranno quell che rendono massma la probabltà d ottenere tutt gl event y y. { } max max P A,B (y 1, y...y ) 1 =1 σ e 1 A Bx ) σ Vsto che le ncertezze d ogn y non dpendono da parametr A e B s ha: max{ P A,B (y 1, y...y )} 1 =1 σ { } = mn χ mn χ max e 1 A Bx ) Trovare l massmo della funzone esponenzale negatva, sgnfca trovare l mnmo dell argomento, sempre rspetto a parametr delle legge potzzata, per una lneare A e B χ = y Y σ (9.3) n G. Cullo { } σ (9.4) n G. Cullo S osserv l modo dverso d presentare l ch-quadro, come smbol (vd varanze e ncertezze) 6
7 Dove δy (ncertezza totale espressa dalla varanza) δy = σ y + ε y 3 + η y 3 Useremo per semplctà σ per la δy, e rporto d seguto come dstnguo var contrbut alla varanza totale, ovvero le sngole varanze σ y varanza d una dstrbuzone gaussana ε y / 3 varanza d una dstrbuzone costante (p.e. lettura) η y / 3 varanza d una dstrbuzone costante (p.e. accuratezza) 7
8 Trovare parametr A e B caso n cu δy=δy Trovare parametr della legge Y=A+Bx che rendono massma la probabltà d ottenere tutt gl y, equvale a studare per qual parametr s trov l mnmo del χ. (y A Bx ) (y A Bx ) mn rsp. A A ' = 0 (δ y ) A (δ y ) Rsolvamo alla per l caso ddattco δy = δy per ogn, e ottenamo y = A + Bx, abbamo due ncognte, ma una sola equazone. (y A Bx ) (y A Bx ) mn rsp. B B ' = 0 (δ y ) B (δ y ) Rsolvamo e ottenamo: x y = A x + B x adesso abbamo la seconda equazone nelle due ncognte A e B. Lascamo come eserczo per gl student questa seconda dervazone. 8
9 Dalle due equazon A= y = A + Bx x y = A x + B x x y x x y x ( x ) ottenamo le due ncognte (9.7) e B = x y x y x Vsto che l denomnatore è lo stesso s etchetta Δ: ( x ) (9.8) Δ = x ( x ) s not che dpende dalle sole x ed ha le dmenson d x. 9
10 Incertezze su parametr A e B Per stmare le ncertezze partamo dalla relazone d A rspetto a dat spermental A = x y x x y x ( x ) (9.7) su G. Cullo A è qund data sa dalle x che dalle y. In questo caso abbamo consderato sgnfcatve le ncertezze sulle y, e trascurabl le ncertezze sulle x. ella propagazone delle ncertezze c lmtamo qund alle sole ncertezze rspetto alle y e consderare anche l denomnatore (Δ) constante. σ = A A y 1 σ 1 + A y σ +!+ A y σ S osserv come nvece dell ncertezza totale, espressa come varanza, ho utlzzato l smbolo tpco della statstca per le varanze, come rchamo al teorema del lmte centrale. 10
11 A e B sono varabl gaussane Oltre a σ = A A y 1 σ 1 + A y σ +!+ A y σ (9.9) su G. Cullo La (9.9) s ottene dalla propagazone delle ncertezze δy (σ ) su A espressa come n (9.7). Inoltre s può dmostrare sempre dalla (9.7) che: A = A y 1 y 1 + A y y +!+ A y y Per l teorema del lmte centrale qund A tende ad una gaussana con centraltà A, data dalla (9.7), e varanza σ Α data dalla (9.9) Dalla (9.9) se consderamo l caso semplfcato n dscussone n cu le δy = δy ovvero le σ sono σ, s ha σ A = σ Σx Δ rcordando che δ A = δ y Σx Δ σ =δ y 11
12 A e B varabl che seguono Gauss Allo stesso modo σ B = B y 1 σ 1 + B y σ +!+ B y σ Ottenuta dalle regole d propagazone delle ncertezze δy su B. Inoltre vale anche: B = B y 1 y 1 + B y y +!+ B y y Qund anche B tende ad una gaussana con centraltà B, data dalla (9.8) e varanza σ Β rportata sopra. Se consderamo l caso semplfcato n dscussone n cu le δy = δy ovvero le σ sono σ, s ha rcordando che σ B = σ δb = δ y Δ σ =δ y Δ 1
13 Andamento al lmte per la Y=Y(x) Presupponamo a pror che tutte le y seguano una gaussana d centraltà Y, Y può essere una relazone funzonale qualsas Y =Y(x ), e che tutte le y abbano la stessa devazone standard σ Y. Y rsulta una varable casuale che qund abba una sua speranza matematca e una sua devazone standard σ Y, ogn y, se appartene a tale popolazone, avrà come valore vero Y = Y(x ) e la devazone σ Y P ) 1 e σ Y { } max max P(y 1, y...y ) 1 Y ) σ Y 1 σ e Y 1 Y ) σ Y Se applchamo l prncpo d massma verosmglanza, per trovare la mglore stma della σ Y : 1 σ Y σ e Y 1 Y ) σ Y = 0 σ Y (deale) = Y ) 13
14 Le stme d valor med n statstca vanno dvse per grad d lbertà statstc (d), osservando σ Y, partamo qund dalla formula: σ Y (deale) = Y ) ella formula grad d lbertà d sono l numero d dat utlzzat, ovvero l numero d y,, evdent dall estremo superore della sommatora, a qual vanno sottratt parametr necessar per la stma stessa, ottenut utlzzando dat spermental, tale parametr sono dett vncol statstc c. σ Y (mglore stma) = ( y Y ) el caso d una lneare Y = A+Bx servono due parametr, che vengono ottenut, da dat come potete osservare dalle (9.7) e (9.8) qund vncol sono due per la lneare d el caso d = Y =A+Bx el caso d = Y =A+Bx (c) (c) ( y A B x ) (d ) 14
15 σ y e σ Y charment ell potes che tutte le y fossero gaussane e segussero la stessa gaussana d centraltà Y=Y(x) e dev. st. σ Y, abbamo osservato che σ Y (la devazone standard dalla legge deale ) è data dalla seguente relazone, rbadamo per qualsas funzone Y=Y(x). σ Y = In fgura 9. rportamo l caso partcolare d Y= A+Bx, n cu d= -. Y ) d In questa fgura s osserva come n meda la dstanza della retta da dat spermental è mnore delle ncertezze. Se la verfca che la legge sa approprata dà esto postvo, allora le ncertezze statstche possono espresse dalla σ Y. 15
16 Verso la verfca Abbamo vsto che graze al prncpo d massma verosmglanza possamo trovare parametr A dalla (9.3) e B dalla (9.4) che mnmzzano l χ. Quanto è buona la mnmzzazone? Se la legge è approprata c aspettamo che ogn χ soddsf le condzon d cascare nell ntervallo d fduca per G Y,δy stmable da χ = y Y 1 fduca del 68% δy In meda c aspettamo qund che σ Y = Y ) d χ y = Y 1= δy Qualsas stma fatta come meda n statstca abbamo vsto che va dvsa per grad d lbertà, qund la meda de χ s ottene Qual valor sono accettabl per l ch-quadro? y Y La varable χ, funzone d varabl casual, è a sua volta!χ = χ d = δy una varable casuale, che segue una partcolare denstà d probabltà e qund avrà la sua speranza matematca d (vedremo par a d) e la sua varanza (d) (vd. Cap 11). 16
17 Un passo n pù verso la verfca Per ora Calcolamo la varable χ Ο da nostr dat. La varable χ, dedotta da varabl y gaussane che seguono, qund, la denstà d probabltà d Gauss con centraltà Y e dev. st. δy, è una varable casuale che segue la denstà d probabltà del χ, f(χ ), che ha come E[χ ] = d e V[χ ]= d. Per ora c lmtamo all ntervallo d fduca ndvduato dalla dev. st. successvamente applcheremo le regole statstche della verfca d sgnfcatvtà, per rgettare valor troppo grand, qund verfche a destra della denstà d probabltà, o troppo pccol, verfche a snstra. χ = y Y δ y Se samo nella stuazone del rgetto a destra, sgnfca, guardate la formula, che la precsone della msura (δy ) c permette d dre che la legge è napproprata per dat rlevat. Se samo nella stuazone del rgetto a snstra, sgnfca, guardate la formula, che la precsone della msura (δy ) è troppo bassa per poter decdere sulla legge approprata. 17
18 Metodo de mnm quadrat pesat δy dvers Consderamo ora l caso che è pù frequente n cu le ncertezze sulle y sano dverse: { } max max P A,B (y 1, y...y ) mn =1 1 σ A Bx ) σ e 1 A B A Bx ) σ A e B mn A Bx ) σ rspetto a A Bx ) = 0 σ A Bx ) = 0 σ S osserv che rspetto a prma s ha che all nterno delle sommatore abbamo 1/σ, che etchettamo p =1/σ e chamamo pes. 18
19 A B p A Bx ) = p A (y A Bx ) = p A Bx )( 1) = 0 p A Bx ) = p B (y A Bx ) = p A Bx )( x ) = 0 Da cu ottenamo le due equazon normal con relatv pes: p y = A p + B p x p x y = A p x + B p x Per le ncertezze su parametr dalla semplce propagazone per dfferenzazone d ottene σ Apes = p x Δ pes Rsolvendo l sstema d due equazon nelle due ncognte A e B: A pes = B pes = p x p y p x p x y p p p x ( p x ) p x y p x p y p p x ( p x ) σ Bpes = p Δ pes 19
20 Una volta trovata la legge s deve verfcare che sa approprata, chameremo questo procedmento verfca del ch-quadro, ovvero verfchamo, se la mnmzzazone trovata può essere accettata Se la legge è approprata per ogn y possamo consderare come ncertezza statstca la σ Y e utlzzarla nella stma delle ncertezze: σ Apes = p x σ Bpes = p Δ pes Δ pes dove pes p = 1/ (δy ) con posso essere sosttut da δy = σ y + ε y 3 + η y 3 δy = σ Y + ε y 3 + η y 3 Se le ncertezze ε e η sono le stesse per ogn s osserv che δy rsultano le stesse per ogn. Pertanto samo nel caso semplfcato della parte ntroduttva: σ Apes = δy x σ Bpes = δy Δ Δ 0
21 Eserczo: regr. ln della legge del pendolo, con MMQ pesat. S analzzno dat rlevat con PC del perodo del pendolo per vare lunghezze. Per solare l ncertezza d accuratezza su l? studamo la legge T = 4 π (l/g)+4 π (l? /g). Procedmento - trovare parametr A e B con l Metodo de Mnm Quadrat pesat. - verfcare che la legge trovata sa approprata, (per accettare la legge, n modo grossolano, σ Y sa mnore della meda de δy ). possamo fare qualche altro passo verso la verfca del χ e accettare la legge se l χ ottenuto, che etchetto χ Ο, compreso nell ntervallo d- (d) < χ Ο < d+ (d) - Fornre le ncertezze δa e e δb sulla base d tale verfca. - Fornre la msura d g e la verfca d sgnfcatvtà per l valore atteso g = m s -. - Fornre la msura d l?. Eserczo: regr. ln della legge del pendolo, con MMQ pesat. S facca l eserczo d cu sopra per dat rlevat dagl student d bologa n aula E, dat dovrebbero essere gà stat processat da ogn studente n seguto alle lezone 7. Il metodo approssmatvo nzale del solo MMQ è stato anche fornto nella lezone 8. 1
22 Dat rlevat n classe con PC
23 Tabelle funzonal de dat T = π l '+ l? g : l ' = g 4π T l? Eserczo: organzzare dat per l MMQ pesat, qund dovete organzzare le colonne: p p x p y p x y p x Σp Σp x Σp y Σp x y Σp x A pes = B pes = p x p y p x p x y p p p x ( p x ) p x y p x p y p p x ( p x ) 3
24 Stma su un valore y = y(x) Dalla relazone trovata Y=A+Bx, oltre a fornre le msure d A e B, s possono fornre anche delle prevson su un rsultato y per valor d x dvers da quell osservat e/o scelt x. S possono presentare due cas, uno de qual non ben accetto - 1 Caso: l valore x rsulta compreso nell ntervallo de dat x, la stma del valore y=y(x) s defnsce nterpolazone. - Caso: : l valore x è esterno all ntervallo de dat x, la stma del valore y=y(x) s defnsce estrapolazone. Il secondo caso rsulta un azzardo, n quanto s potrebbero fornre nformazon sbaglate. S pens al caso della costante elastca d un molla, s potrebbero fornre valor oltre l lmte elastco, qund che non seguono la legge trovata, o anche oltre l lmte d rottura. Inoltre se tenamo conto, vedremo, del termne covarante, che sarà fornto nella prossma trasparenza, le ncertezze su tal stme tendono ad aumentare. 4
25 Per fornre l ncertezza su un valore y(x) dedotto dalla legge trovata possamo consderare la varable causale Y: ma voglamo stmare l suo valore per un dato x, A e B abbamo vsto che sono varabl casual con aspettatva A e B date dalle (9.7) e (9.8) e varanze σ Α e σ Β la x fssata rsulta una costante pertanto la varanza della y ottenuta per una data x, se per ora assumamo A e B ndpendent s ha: σ = σ y(x) A +σ B x Allo stesso rsultato s gunge, se consderamo la propagazone delle ncertezze, tenendo conto che parametr A e B sono affett da ncertezze mentre x è fssato. Se A e B fossero ndpendent: ( δy) = y A Y = A + Bx ( δa) + y B = ( δa) + (x) ( δb) ma A e B essendo combnazon lnear delle stesse varabl casual sono tra loro correlate (vedremo nel pross. par. ) qund non s-ndpendent. ( δb) = 5
26 Qund dato che A e B non sono s-ndpendent bsogna tenere conto d un termne detto covarante, che nel caso d ncertezze ugual per le y è dato da x x Δ ( δy ) per cu ottenamo vsto che A e B non sono s-ndpendent σ = σ y(x) A +σ B x + termne covarante el caso n cu tutte le ncertezze y sano ugual ovvero δy = δy s ha: [δy(x)] = x Δ ( δy ) + ( Δ δy x ) x x Δ ( δy ) Implementamo tale formula per l caso n cu nvece non sano ugual utlzzando pes: [δy(x)] = px p px + x x Δ pes Δ pes Δ pes 6
27 Estensone a ncertezze sulle x on sempre possamo trascurare le ncertezze sulle x Se abbamo ncertezze sulle x qund δx non trascurabl rspetto alle y e cerchamo una legge y=y(x) che descrva l andamento delle coppe d dat, osservamo che, data la Legge, le ncertezze s propagano dalla x alle y secondo la propagazone per dfferenzazone: δy = dy dx δx Per dstnguere questa ncertezza, propagata sulle y dalle x, la etchettamo δy -equ dove equ sta per equvalente (ad un ncertezza δy ). δ y equ = dy dx δx Adesso qund c trovamo a dovere sommare all ncertezza δy, la corrspondente δy-equ, calcolata per l valore x. Dato che queste ncertezze sono ndpendent tra d loro s sommeranno n quadratura, che è meglo etchettare l rsultato fnale δy* : δ y * = δ y + (δ y equ ) E applchamo l crtero d massma verosmglanza, che sappamo tradurs nella mnmzzazone del χ. 7
28 La mnmzzazone del χ rsulta pù complcata, perché parametr della legge, compaono anche al denomnatore nelle ncertezze, dato che le ncertezze sono dedotte dalla dfferenzazone della relazone funzonale della legge cercata: mn χ { } = mn y Y δ y * Prendamo l semplce caso d assumere che la legge approprata sa quella lneare, e qund d voler mnmzzare l χ, per trovare le stme de parametr A e B, n questo caso Y =A+Bx e qund δy -equ = B δx : = mn ( y Y ) ( ) δ y + δ y equ ( y = mn A Bx ) δy + B δx esste software dedcato (Orgn, Root, MatLab) che, mnmzzando l χ, fornscono le mglor stme de parametr e le ncertezze, medante l calcolo numerco. 8
29 Indcazon operatve:. Un approcco senza utlzzo d software avanzato: 1) Stmare parametr della legge (MMQ), consderando le sole ncertezze y ) Utlzzare la legge per stmare le ncertezze equvalent, se tal ncertezze sono un ordne d grandezza nferor alle δy s possono trascurare. 3) ella tabella funzonale fnale vanno utlzzat δ y * = δ y + (δ y equ ) rcalcolare parametr (MMQ pesat), fare la verfca del ch-quadro e le conseguenze su tale tabella funzonale. Vedremo che la verfca del ch-quadro c darà ndcazon, se la legge è approprata. Se lo è l approcco che abbamo utlzzato rsulta attendble, e le prevson che fornamo sono qund accettabl. 9
30 Scenar dopo la verfca del ch-quadro: oltre la coda d snstra. Il χ O ottenuto n generale dalle δ y * = δ y + (δ y equ ) : χ O = =1 ( y Y ) ( * δ y ) 1 Scenaro: l ch-quadro osservato è mnore della speranza matematca (d) e la verfca d sgnfcatvtà sulla coda d snstra rsulta altamente sgnfcatva. L potes che tutte le y seguano una gaussana d valore centrale Y è da rgettare. Le ncertezze sono molto elevate, per essere rsolutv rspetto a vare legg da verfcare, bsogna mglorare la msura n modo da rdurre le ncertezze. Se bsogna comunque fornre prevson su grandezze dedotte da A e da B, s può usare la propagazone delle ncertezze δ y *. 30
31 Scenar dopo la verfca del ch-quadro: nell ntervallo d fduca. Scenaro: l ch-quadro osservato cade nell ntervallo d fduca, se mnore della speranza matematca (d) a snstra, se maggore a destra. L potes che tutte le y seguano una gaussana d valore centrale Y non s può rgettare, e s può qund consderare come parametro σ d tale gaussana σ Y. ella propagazone delle ncertezze su parametr A e B, e qund su grandezze eventualmente dedotte da parametr, o anche su un valore atteso y(x), dedotto dalla legge, possamo consderare altr pes tenendo conto delle consderazon statstche, che etchetto P *, δ A* pes δb * pes = P * x = P * P * = Δ pes Δ pes 1 ( δy *), dove δy * = σ + ε y Y 3 + η y 3 S facca attenzone per la propagazone delle ncertezze su parametr utlzzo Δ * pes = P * P * x ( P * x pes P )., etchettat con la lettera mauscola per dstnguerl da pes usat per trovare parametr e per la verfca. e utlzzo l astersco anche per le formule conseguent. 31
32 Scenar dopo la verfca del ch-quadro: oltre la coda d destra. σ Y { 3 Scenaro: l ch-quadro osservato è maggore della speranza matematca (d) e la verfca d sgnfcatvtà sulla coda d destra rsulta altamente sgnfcatva. L potes che tutte le y seguano una gaussana d valore centrale Y è da rgettare. σ Y { σ Y { possamo consderarla un'ncertezza epstemologca Qund possamo sommarla alle altre ncertezze σ Y la dstanza meda della retta teorca da dat, P ** = δ A ** pes δb ** pes 1 ( ** δy ), dove δy = P ** x = P ** Δ pes Δ pes ** = σ Y + ( * δ y ) Δ ** pes = P ** P ** x ( P ** x ) Per dstnguere quest pes da precedent ho usato due astersch. 3
33 Lnearzzazone d alcune funzon Molte funzon possono essere rcondotte a una relazone funzonale lneare Abbamo gà vsto per la legge del perodo del pendolo che s può lnearzzata n due mod T = π l g T = 4π l g ponendo y T e x l o anche T = π l g ponendo y T e x Tra le pù comun possamo presentare: Legg perbolche del tpo y=a+b/z, dove s pone x=1/z: bsogna propagare su x l ncertezza msurata su z. l Legg esponenzal del tpo z = Ce Dx, Dalla funzone logartmo: ln z = ln C + Dx, s pone y =ln z, A=ln C mentre B=D. Bsogna propagare le ncertezze da z a y, e quanto ottenuto con l MMQ da A a C. 33
34 Polnom e regressone multpla mn A Bx ) ( δy ) A B A Bx ) ( δy ) = 0 A Bx ) ( δy ) = 0 el caso semplfcato n cu s hanno le δy =δy per ogn. 34
35 Se assumamo una legge n cu s hanno le δy =δy per ogn. mn c 0 c 1 x c x ) ( δy ) c 0 c 1 c c 0 c 1 x c x ) ( δy ) = 0 c 0 c 1 x c x ( δy ) = 0 c 0 c 1 x c x ( δy ) = 0 el caso semplfcato n cu s hanno le δy =δy per ogn. 35
36 Polnom e regressone multpla In questo corso ntroduttvo c lmtamo a utlzzare un foglo elettronco, che fornsca coeffcent, e verfcare eventualmente quale polnomo sa pù approprato per dat osservat, medante la verfca del χ. Un approcco approssmato, n caso d non dsponbltà d software è utlzzare la propagazone delle ncertezze su ogn coeffcente del polnomo c k (k=0,, n) δ(c k ) c = k ( δy ) y approssmando le dervate parzal alle dfferenze fnte c k y Δc k Δy = c k +δy ) c k ) y +δy y = c k +δy ) c k ) δy dove le costant c k ) sono ottenute dalla regressone utlzzando le y, mentre le c k +δy ) sono ottenuto utlzzando y +δy,, cambando un sngolo valore ogn volta. δ(c k ) = c k +δy ) c k ) δy.. qund bsogna svluppare un propro programma! ( δy ) = c k +δy ) c k ) ( ) 36
La regressione lineare: relazioni funzionali
La regressone lneare: relazon funzonal Molte legg d nteresse fsco e ngegners0co sono descr1e da relazon funzonal tra grandezze (varabl), delle qual la pù semplce è quella lneare. (y=a+bx) Trovare una relazone
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.
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
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
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
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
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
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
DettagliRAPPRESENTAZIONE DI MISURE. carta millimetrata
carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!
DettagliMisure dirette utilizzate per il calcolo della misura indiretta X:
Propagazone degl error Msure drette utlzzate per l calcolo della msura ndretta X: ( ) a a a = ± Δ b = ( b ± Δ b) Il calcolo dell errore assoluto X ( espresso nella stessa untà d msura della grandezza X
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
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
DettagliTeoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita
Teora degl error Processo d msura defnsce una grandezza fsca. Sstema oggetto. Apparato d msura 3. Sstema d confronto La msura mplca un gudzo sull uguaglanza tra la grandezza ncognta e la grandezza campone
DettagliFisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri
Fsca Generale I Msure d grandezze fsche e ncertezze d msura Lezone 3 Facoltà d Ingegnera Lvo Lancer Indce Abbamo mparato: Orgne e classfcazone delle ncertezze (error) d msura Rappresentazone delle ncertezze
DettagliPrecisione e Cifre Significative
Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
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
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
DettagliFisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri
Fsca Generale I Msure d grandezze fsche e ncertezze d msura Lezone 3 Facoltà d Ingegnera Lvo Lancer Indce Abbamo mparato: Orgne e classfcazone delle ncertezze (error) d msura Rappresentazone delle ncertezze
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\
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
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
DettagliPropagazione degli errori
Propagaone degl error Voglamo rcavare le ncertee nelle msure ndrette. Abbamo gà vsto leone un prma stma degl error sulle grandee dervate valda n generale. Consderamo ora l caso specco d grandee aette da
DettagliCORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE
CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo
DettagliMisure Ripetute ed Indipendenti
Msure Rpetute ed Indpendent Una delle metodologe pù semplc per valutare l affdabltà d una msura consste nel rpeterla dverse volte, nelle medesme condzon, ed esamnare dvers valor ottenut. Ovvamente, una
DettagliPropagazione degli errori
Propagazone degl error Msure drette: la grandezza sca vene msurata drettamente (ad es. Spessore d una lastrna). Per questo tpo d msure, la teora dell errore svluppata nelle lezone precedent é sucente per
DettagliQualità dell adattamento di una funzione y=f(x) ad un insieme di misure (y in funzione di x)
Qualtà ell aattamento una funzone y=f() a un nseme msure (y n funzone ) Date N msure coppe valor elle granezze e y, legate alla relazone y=f(;a,b), nell potes che le ncertezze sulle sano trascurabl e y
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
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.
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
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
DettagliPropagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.
Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes
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
DettagliStima dei Parametri: Metodo dei Minimi Quadrati
Captolo 9 Stma de Parametr: Metodo de Mnm Quadrat Questo captolo llustra uno de metod d stma puntuale pù utlzzat n fsca e non solo, noto col nome d metodo de mnm quadrat. La formulazone matematca nzale
DettagliLe soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z)
Le soluzon della prova scrtta d Matematca per l corso d laurea n Farmaca (raggruppamento M-Z). Data la funzone a. trova l domno d f f ( ) ln + b. scrv, esplctamente e per esteso, qual sono gl ntervall
DettagliLABORATORIO II. 1 La retta di regressione. NB create un nuovo foglio di lavoro
LABORATORIO II B create un nuovo foglo d lavoro La retta d regressone Eserco. U PRIMO ESEMPIO DI RETTA DI REGRESSIOE LIEARE. Leggere attentamente paragraf.,. e. tutto Costrure la retta d regressone lneare
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
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.
DettagliSistemi Intelligenti Introduzione al calcolo delle probabilità - II
Sstem Intellgent Introduzone al calcolo delle probabltà - II Alberto Borghese Unverstà degl Stud d Mlano Laborator of Appled Intellgent Sstems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t A.A. 05-06
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
DettagliUNIVERSITÀ DEGLI STUDI DI TORINO CORSO DI LAUREA IN CHIMICA Dispense ad esclusivo uso introduttivo per il modulo di Fisica C
ELEMETI BASILARI DI TEORIA DEGLI ERRORI. VALOR MEDIO, DEVIAZIOE STADARD E VARIAZA S defnsce valor medo d un nseme d dat,,, la quanttà: () S defnsce varanza emprca dell nseme precedente la quanttà: σ ()
DettagliAdattamento di una relazione funzionale ai dati sperimentali
Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo
DettagliIncertezza di sensibilità < fluttuazione intrinseca delle misure.
Error casual no ad ora abbamo correlato la bontà d una msura alla sensbltà degl strument utlzzat. Samo partt da una stuazone n cu effettuata una sere d msure rpetute, le msure hanno tutte dato lo stesso
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
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
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
DettagliCapitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per
Captolo : IL METODO DEI MINIMI QUADRATI. La mglor retta Nel Captolo precedente c samo post l problema d determnare la mglor retta che passa per cert punt spermental, ed abbamo dscusso un metodo graco.
DettagliLA COMPATIBILITA tra due misure:
LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore
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
DettagliPrima prova di gruppo
Prma prova d gruppo Es. Una metodologa d anals produce fals postv nel 3% de cas e fals negatv nell % de cas. Calcolate quale è l esto pù probable (postvo o negatvo se due anals consecutve esegute sullo
DettagliREALTÀ E MODELLI SCHEDA DI LAVORO
REALTÀ E MODELLI SCHEDA DI LAVORO 1 Le tabelle d crescta Nella tabella sono rportat dat relatv alle altezze mede delle bambne dalla nascta fno a un anno d età. Stablsc se esste una relazone lneare tra
DettagliAnalisi statistica degli errori casuali
Anals statstca degl error casual error casual: dovut a ncertezze spermental non controllabl che comunque spngono l valore msurato con ugual probabltà n alto od n basso rspetto al valore vero. Quest error
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
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
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
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
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
DettagliRegressione lineare: definizione delle incertezze dei coefficienti (calibrazione e regressione generica)
Regressone lneare: defnzone delle ncertezze de coeffcent (calbrazone e regressone generca) Argoment: regressone lneare affetta da ncertezza; ncertezza del coeffcente angolare della retta d regressone;
DettagliProbabilità cumulata empirica
Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè
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
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
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
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
DettagliSistemi di Acquisizione Dati Prof. Alessandro Pesatori
Rappresentazone grafca Vsone d nseme d una grandezza n funzone del tempo o d un altro parametro Tpcamente s utlzzano ass coordnat che devono rportare la descrzone della grandezza rappresentata e all occorrenza
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
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
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
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
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 17: 16 maggio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 17: 16 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/22? Eserczo Un Btp trennale, d valore nomnale C
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 2: 21 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Defnzone. f : R R s dce addtva se per ogn
DettagliElementi di statistica
Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e
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.
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
DettagliLA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:
LA VARIABILITA LA VARIABILITA E L ATTITUDINE DEL FENOMENO QUANTITATIVO AD ASSUMERE DIVERSE MODALITA, O MEGLIO LA TENDENZA DI OGNI SINGOLA OSSERVAZIONE AD ASSUMERE VALORI DIFFERENTI RISPETTO AL VALORE MEDIO.
Dettagli1 La domanda di moneta
La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la
DettagliSistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese
Sstem Intellgent Relazone tra ottmzzazone e statstca - IV Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@dunmt Anals dell
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
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
DettagliLE FREQUENZE CUMULATE
LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune
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
DettagliSERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete
SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le
DettagliELEMENTI DI STATISTICA
ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)
DettagliStatistica Descrittiva
Statstca Descrttva Corso d Davd Vettur Dat osservat Sano note le seguent msure dello spessore d una lastra d materale polmerco espresse n mllmetr 3.71 3.83 3.85 3.96 3.84 3.8 3.94 3.55 3.76 3.63 3.88 3.86
Dettaglix 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n
Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà
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
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,
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 18 febbraio 2014
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 2: 18 febbrao 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? Defnzone. f : R R s dce moltplcatva se per
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
DettagliIntroduzione al calcolo numerico. Derivazione Integrazione Soluzione di equazioni
Introduzone al calcolo numerco Dervazone Integrazone Soluzone d equazon Dervazone numerca Il calcolo della dervata d una unzone n un punto mplca un processo al lmte ce può solo essere approssmato da un
DettagliL arcobaleno. Giovanni Mancarella. n = n = n = α( o )
Govann Mancarella L arcobaleno I(α) (a.u.) n =.3338 n =.336 39 40 4 4 43 α( o ) In questa nota utlzzeremo l termne dstrbuzone per ndcare la denstà d probabltà d una varable casuale. Il fenomeno dell arcobaleno
DettagliLe quote e q sono incognite. Il sistema è ridondante: 3 equazioni (osservazioni) e 2 incognite.
Compensazone con l metodo de mnm quadrat Introduzone Le msure geodetche e topografche, che n molt cas non rguardano solo dstanze e angol, ma anche quanttà non puramente geometrche, come ad esempo l'ntenstà
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
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
DettagliStatistica e calcolo delle Probabilità. Allievi INF
Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:
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
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
DettagliStatistica di Bose-Einstein
Statstca d Bose-Ensten Esstono sstem compost d partcelle dentche e ndstngubl che non sono soggette al prncpo d esclusone. In quest sstem non esste un lmte al numero d partcelle che possono essere osptate
DettagliIl procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.
SCELTA OTTIMALE DEL PROCEDIMENTO PER PESARE Il procedmento può essere pensato come una rcerca n un nseme ordnato, l peso ncognto può essere cercato con l metodo della rcerca bnara. PESI CAMPIONE IN BASE
Dettagli