Trattamento delle Osservazioni
|
|
- Giordano Monti
- 7 anni fa
- Visualizzazioni
Transcript
1 Unverstà d Bresca - Corso d Topografa A Trattamento delle Osservazon Generaltà Scopo: descrzone d fenomen; Metodologa: elaborazone d modell e dotazone d strument per verfcare l grado d approssmazone d tale elaborazone. MODELLI: VERIFICA: relazon matematche fra grandezze, che descrvano e prevedano l fenomeno; medante nterrogazone della realtà fsca, coè msurando grandezze. Msura d grandezze Non è mmedato decdere se un valore attrbuto ad una certa grandezza (lunghezza, qualtà d un processo produttvo, ntellgenza) s possa defnre msura d quella grandezza. E qund ovvo dover affermare che l concetto d msura non può prescndere dalla consderazone delle caratterstche dello strumento d msura, dalle sue nterazon con l'ambente e dalla defnzone d un modello per la grandezza stessa. Incertezza d msura Osservazone spermentale che la rpetzone della msura d una medesma grandezza n talune condzon porta a rsultat dvers. Esempo Msura della lunghezza d una trave rettlnea, d dvers metr. La varabltà de rsultat dpende almeno da due cause: a) l rporto dello zero dello strumento; b) la stma della tacca della graduazone mllmetrca a cu corrsponde l'estemo della trave. Testo coordnato da Prof. Gorgo Vassena 1
2 Unverstà d Bresca - Corso d Topografa A In ogn rpetzone del processo rport e la stma sono soggett a fluttuazon accdental che generano pccole varazon nel valore fnale stmato della lunghezza. In generale s nota che: la dscordanza fra le rpetzon della msura cresce con l numero de rport; se la lunghezza della trave fosse nferore al metro, la dscordanza sarebbe al pù d 1 mllmetro. In conclusone, qualsas strumento/metodo d msura ha una propra ncertezza, che s evdenza quando le condzon d msura (es. la necesstà del rporto) ntroducono un rumore superore alla sensbltà dello strumento e quando s usa uno strumento a lmt della sua sensbltà (es. volendo stmare l decmo d mllmetro con una rga mllmetrata).. l rsultato d un'operazone d msura è dato dall'assocazone del valore numerco della grandezza msurata con la valutazone dell'ncertezza con cu tale valore è stato rcavato. Oltre alle cause accdental, esstono cause sstematche d'errore, legate al modello mpegato per descrvere l fenomeno. Approssmazone del modello Descrvere matematcamente un fenomeno fsco comporta la defnzone d un modello con un certo grado d semplfcazone. Il modello deve essere: a) l pù semplce possble (es.: non dpendente da tropp parametr); b) complcato quanto necessaro, n relazone alla approssmazone che s rchede a valor predett dal modello stesso. Nel modello sono present due component, quella funzonale e quella stocastca, strettamente connesse. Componente funzonale: descrve analtcamente la relazone fra la grandezza osservable e parametr ad essa collegat. Componente stocastca: è legata al complesso delle cause accdental d varabltà del valore osservato non ncluse esplctamente nel modello funzonale, o perché sfuggono alla modellzzazone analtca, o perché troppo complesse per decdere d modellzzarle analtcamente. Testo coordnato da Prof. Gorgo Vassena 2
3 Unverstà d Bresca - Corso d Topografa A Esempo Msura della dstanza pana L con una rotella metrca centmetrata lunga 50 m. Sa a = kg -1 l coeffcente d allungamento del materale della rotella a cu vene applcata una tensone d F = 5 kg. Sa b = 10-5 C -1 l coeffcente d dlatazone termca della rotella e la temperatura ambente par a DT = 20 C. Le varazon d lunghezza corrspondent saranno: DL1 = a F L = = 1.25 cm DL2 = b DT L = = 1.00 cm E' evdente che se voglo msurare con un ncertezza dell'ordne del cm devo correggere valor msurat Loss della quanttà DL. DL = DL1+ DL2 => Loss = L (1- a F - b DT) Modello Funzonale Il modello funzonale contene n questo caso due effett sstematc, lnear ne parametr F e DT, attraverso coeffccent a e b. Se opero n condzon ambental stabl, la caratterstca d quest error è che posso prevederne l'enttà, perché l ho descrtt analtcamente. Se non lo facco, la loro presenza denota una nadeguatezza del modello. Se eseguo pù msure n condzon ambental nstabl (varazone "accdentale" della forza applcata e della temperatura) ottengo una maggore dspersone de rsultat e le due cause d'errore assumono, se non corrette, un comportamento d tpo accdentale. La dstnzone tra errore sstematco e errore accdentale, qund, pur netta concettualmente, non sempre è unvoca n pratca. I fenomen aleator Sono dett tal gl event l cu esto non è possble prevedere a pror (lanco d un dado, estrazone d una carta, msura d una lunghezza). Per quanto ncapac d prevederne con esattezza l rsultato, samo però n grado d evdenzare delle regolartà, d descrvere un comportamento "n meda", d assegnare delle probabltà agl event. Ne derva un approcco d tpo probablstco, n cu le oscllazon de valor osservat sono rappresentabl come estrazon d una varable casuale. La descrzone e l'nterpretazone de fenomen aleator sono oggetto d studo della teora della probabltà e della statstca. Teora della probabltà Essenzalmente deduttva, nsegna a costrure la probabltà d event compless a partre da un modello stocastco noto. Testo coordnato da Prof. Gorgo Vassena 3
4 Unverstà d Bresca - Corso d Topografa A Statstca D tpo nduttvo, s occupa d rcostrure un modello stocastco a partre da event gà realzzat. S artcola n: Teora della stma (la rcerca della mglor stratega d nterrogazone della realtà per estrarre nformazon sul fenomeno) e Inferenza (la verfca d potes sul modello nterpretatvo sulla base d dat estratt dal fenomeno). Varabl aleatore Quando s assoca ad ogn punto dello spazo campone un valore numerco: lo spazo campone - dventa l nseme de numer e prende l nome d varable aleatora. La realzzazone d un evento corrsponde ora all assegnazone d un valore (tra possbl) alla varable aleatora; tale valore prescelto prende dunque l nome d realzzazone della v.a. Dstnguamo noltre tra varabl aleatore dscrete e contnue, a seconda se la grandezza che descrvono abba valor numerabl o contnu. La caratterzzazone della varable aleatora avvene attraverso le 2 funzon d denstà d probabltà e d dstrbuzone d probabltà. I parametr statstc Sono ndc sntetc che rassumono fedelmente le nformazon contenute n una sere d dat raccolt su una popolazone, data l'nopportuntà d mantenere tutte le msure acquste (per ragon d charezza e anche per dffcoltà pratca). Un parametro statstco è tanto pù effcace quanto meglo rassume l contenuto nformatvo de dat con la mnor perdta d nformazon e quanto meglo s presta a calcol e test. Parametr statstc effcac: la meda artmetca e la varanza o la devazone standard. La meda La meda artmetca è l valore centrale attorno a cu s dstrbuscono dat. µ = X f dove f sono le frequenze relatve degl N valor argomental X. Contene solo una parte dell'nformazone su dat, non affermando nulla sulla Testo coordnato da Prof. Gorgo Vassena 4
5 Unverstà d Bresca - Corso d Topografa A dstrbuzone de dat ntorno ad essa. Esempo S calcol la meda delle 3 sere d msure: 1a) 99; 100; 101; Ø meda = 2a) 50; 100; 150; Ø meda = 3a) 0.1; 100; 199.9; Ø meda = La meda è un parametro sgnfcatvo per confrontare le tre sere? S consderno ora le seguent 3 sere: 1b) 107; 105; 103; Ø meda = 2b) 51; 110; 154; Ø meda = 3b) 0.1; 115; 199.9; Ø meda = La dfferenza delle mede tra le nuove sere e le precedent ha sempre sgnfcato? La varanza e la devazone standard La varanza s 2 s defnsce matematcamente come: 2 = 2 ( X µ) f La devazone standard s è la sua radce quadrata. Esempo Valor X [m] Scart X - m = x [m] Quadrat degl scart: µ = ; Numerostà = N = 6; s 2 = ; = In aggunta s defnscono l coeffcente d varazone della meda m = N Nell esempo precedente C.V. = = µ C.V. = e l'errore standard µ Testo coordnato da Prof. Gorgo Vassena 5
6 Unverstà d Bresca - Corso d Topografa A m = = N Il coeffcente d varazone s esprme n %: % Perché l denomnatore d s 2 contene (N-1) e non N? La sere X del nostro esempo contene 6 msure ndpendent fra loro. S dce che la sere d N valor ha N grad d lbertà. I grad d lbertà sono la dfferenza tra l numero d dat dsponbl e l numero d relazon che l vncolano. Se consderamo la sere x degl scart, l'ndpendenza s conserva per N-1 element; quello rmanente s può determnare a partre da prm 5 valor perché la somma algebrca degl scart deve essere uguale a zero, come dmostrato nella formula seguente (tenendo conto che la somma delle frequenze relatve è par all untà) ( X µ ) f = X f + µ f = µ µ f = µ µ = 0 Qund grad d lbertà sono N-1 e non N. Altr parametr statstc, comunemente mpegat sono seguent: Indc d poszone: - Moda o Ascssa del punto d massmo della dstrbuzone - Medana o La medana M d un nseme d n dat ordnat n ordne d grandezza crescente è l valore centrale de dat, se l numero d dat è dspar, o la meda artmetca de due valor central, se l numero de dat è par. Questa defnzone della medana asscura che lo stesso numero d dat cade sa a snstra che a destra della medana stessa. L'uso della medana come ndce per descrvere le caratterstche de dat ha lo svantaggo d dover prma rordnare dat n ordne crescente, l che non è rchesto per l calcolo della meda. Testo coordnato da Prof. Gorgo Vassena 6
7 Unverstà d Bresca - Corso d Topografa A Indc d dspersone: - Intervallo d varazone (o range) o defnto come la dfferenza tra la pù pccola e la pù grande delle msure, pur semplce e ntutvo, è nadeguato. Poco robusto (sensble agl error grossolan) e molto nstable (perché legato a valor estrem, maggormente nfluenzat dalle oscllazon accdental). - Devazone meda o scarto medo o E la dfferenza fra un generco valore della sere ed l valore medo. Lo scarto medo s ottene facendo la meda de valor assolut degl scart. 1 n n 1 x - µ Indc d forma: - Indce d asmmetra (Skewness) o L'asmmetra msura quanto dat sono dstrbut da un lato della dstrbuzone rspetto alla meda artmetca, coe' se da un lato sono tutt molto vcn e dall'altro molto dstes verso valor lontan dalla meda. La skewness assume valore 0 se c e' smmetra, presenta valor < 0 con asmmetra negatva, coe' quando la moda e' spostata verso valor massm della dstrbuzone ed e' > 0 se la moda e' spostata verso l'estremo nferore della dstrbuzone (asmmetra postva). ( 3 X µ ) f 3 - Indce d Curtos o Msura l grado d appattmento, coe' msura la concentrazone o dspersone de dat attorno al valore centrale. La Curtos assume valore 0 se la dstrbuzone e' mesocurtca (come la dstrbuzone Normale tratta n seguto). o Con valor < -3 la dstrbuzone e' detta platcurtca e presenta una forma appattta con valor maggormente concentrat nelle code, per Curtos > 3 la dstrbuzone e' leptocurtca con pcco accentuato dato dalla Testo coordnato da Prof. Gorgo Vassena 7
8 Unverstà d Bresca - Corso d Topografa A concentrazone de dat ntorno al valore massmo. ( 4 X µ ) f 4 Campone d una popolazone Il metodo della statstca è d tpo nduttvo: s traggono concluson general da dat partcolar. Problema: fno a che punto l campone esprme le caratterstche della popolazone orgnara? L nduzone è garantta? L'esperenza ha dmostrato che la maggor parte delle msurazon può consderars estratta da popolazon dstrbute normalmente. Una dstrbuzone normale, o d Gauss ha una espressone matematca defnta (Karl Fredrch Gauss descrsse la dstrbuzone Normale studando l moto de corp celest [ funzone d sol due parametr: l'ascssa della sua sommtà (valor medo m) e l'ascssa de punt d flesso (devazone standard, ±s). Fgura 1 - Funzone d denstà d probabltà della varable casuale normale (fonte Wkpeda). Testo coordnato da Prof. Gorgo Vassena 8
9 Unverstà d Bresca - Corso d Topografa A In essa, uno de valor compare con frequenza massma e valor nferor e superor compaono con una frequenza tanto mnore quanto pù lontan dal valore pù frequente. La curva ha forma a campana ed è smmetrca rspetto al valore d massma frequenza. La curva è asntotca. Tutt gl ndvdu della popolazone stanno sotto la curva tra - e + ; la probabltà che un ndvduo preso a caso fra la popolazone present un valore compreso entro un ntervallo assegnato è data dal calcolo dell'area sottesa dalla curva n quell'ntervallo. Il 68.26% della popolazone s trova nell'ntervallo m± s, l 94.44% nell'ntervallo m±2s, l 99.73% nell'ntervallo m±3s, l 100% fra - e +. La meda artmetca X del campone è la mglore stma della meda m della popolazone. La devazone standard s del campone è la mglore stma della devazone standard s della popolazone. Immagnamo ora d estrarre dalla medesma popolazone (dstrbuta normalmente con meda m e devazone standard s) pù campon analogh a quello del nostro esempo, con la stessa numerostà (N=6). Per ogn k-esmo campone otterremmo dverse mede X k e devazon standard s k. Potendo estrarre un numero nfnto d campon, le mede X k (una popolazone d mede) s dstrburebbero secondo una gaussana d meda m (quella della popolazone d partenza) e devazone standard m = (errore N standard della meda) [TEOREMA FONDAMENTALE].. Le mede calcolate a partre da un campone oscllano meno attorno alla meda d quanto non faccano gl ndvdu del campone. E questo è vero tanto pù quanto pù numeroso è l campone. Al lmte, per N, la devazone standard tende a zero e qund la meda stmata tende alla meda vera. La propagazone dell errore Meda e varanza d una varable casuale monodmensonale ne rappresentano Testo coordnato da Prof. Gorgo Vassena 9
10 Unverstà d Bresca - Corso d Topografa A rspettvamente l barcentro e la dspersone. In topografa capta però raramente d msurare drettamente la quanttà che s vuole determnare: s msurano angol azmutal, angol zental, dstanze, dslvell per determnare coordnate. S deve allora essere n grado d determnare meda e varanza d varabl casual che sano funzone d altre varabl casual. Le caratterstche d aleatoretà delle quanttà msurate ndrettamente dpendono dalla statstca delle quanttà msurate drettamente, d cu le prme sono funzone. 1 Caso: funzon lnear o non lnear d grandezze osservate ndpendent Sa f una funzone lneare nelle grandezze X, Y, Z,... ndpendent e drettamente msurabl: f ( X, Y, Z, ) = ax + by + cz +... Estraendo n sere { Xk, Yk, Zk,...} (per k=1,...,n) l corrspondente valore d f sarà: f k = f (X k, Y k, Z k,...)= ax k + by k + cz k +... k = 1,..., n Sottraendo membro a membro ogn f k alla f, s ottene: f - f k = a (X - X k) + b (Y - Y k ) + c (Z - Z k ) +... k = 1,..., n coè l'errore ndotto n f dalla sere k-esma, dovuto agl error d msura: ek = ax k + by k + cz k +... k = 1,..., n avendo posto: Quadrando l'espressone e k e sommando membro a membro quadrat k : Testo coordnato da Prof. Gorgo Vassena 10
11 Unverstà d Bresca - Corso d Topografa A Le somme mste nelle varabl, dovute a dopp prodott, al crescere d n, tendono a zero, perché n presenza d sol error accdental - la frequenza d termn postv e negatv tende a lvellars; qund, per n grande, s ha: e, dvdendo per n ogn termne, s ottengono gl error med: E qund la E per una funzone f non lneare n X, Y, Z,...? S ottene un rsultato analogo lnearzzando la funzone f medante svluppo n sere d Taylor arrestato al prmo ordne attorno a valor osservat { Xk, Yk, Zk,...}. Fgura 2 - Approssmazone n lnearzzazone d una funzone (fonte: Lorenzo Ro Element d teora degl error) I coeffcent a 2, b 2, c 2,... saranno quadrat delle dervate parzal d f rspetto alle grandezze osservabl X, Y, Z,... calcolate per un valore approssmato. Testo coordnato da Prof. Gorgo Vassena 11
12 Unverstà d Bresca - Corso d Topografa A Infatt: 2 Caso: funzon lnear o non lnear d grandezze osservate dpendent Se le grandezze X, Y, Z,... non sono tra loro ndpendent, non è pù possble affermare che termn mst tendano a zero al crescere d n. Osservando che tal sommatore corrspondono alla somma del prodotto degl scart n k = 1 x k y k e, dvdendo tutto per n, alla meda del prodotto degl scart M(xy), s ha rspettvamente, per l caso lneare: e per l caso non lneare: S può dmostrare che l'espressone M(xy) è equvalente al prodotto delle devazon standard sx sy per un coeffcente r xy, detto coeffcente d correlazone lneare. Il COEFFICIENTE DI CORRELAZIONE LINEARE r xy msura l grado d dpendenza lneare fra le varabl; vara tra -1 e +1. La matrce d varanza-covaranza Immagnamo d avere una varable casuale Y funzone d un vettore X d varabl casual. 1) Se la funzone Y è lneare s può dre: Y=AX+b. Data la lneartà della meda s ha MY=A MX+b e qund, sottraendo: Y-MY=A(X-MX) Testo coordnato da Prof. Gorgo Vassena 12
13 Unverstà d Bresca - Corso d Topografa A che è lo scarto della varable casuale Y. La covaranza d Y è l momento del 2 ordne, l cu termne generco vale c k =M[(x -Mx )(x k -Mx k )] dove: per =k varanza della componente k-esma per k covaranza delle componente, k; e n notazone matrcale dvene: C YY =M[(Y-MY)(Y MY) T ]=M{[A (X-MX)] [(X MX) T A T ]} e, graze alla lneartà della meda, C YY =A M[(X-MX) (X MX) T ] A T = A C XX A T che è la legge d propagazone della varanza per funzon lnear. S not che, per Y = scalare (A = vettore), s avrà: C YY = s 2 Y = A C XX A = a a dove, se c k =0 per k, le component X sono ndpendent e s può dre C YY = s 2 Y = A C XX A T 2 = a c = k c k a 2 2 X 2) Se la funzone Y non è lneare nelle component X s può comunque dre: Y = g(x) g(mx)+[ X g(x)] MX (X-MX) e, avendo lnearzzato, s può affermare che: C YY A C XX A T = [ X g(x)] MX C XX [ X g(x)] MX T = J X C XX J X T Testo coordnato da Prof. Gorgo Vassena 13
14 Unverstà d Bresca - Corso d Topografa A dove J X è Jacobano della varable X. Se Y è uno scalare: s 2 Y= [ X g(x)] [ X g(x)] k c k Testo coordnato da Prof. Gorgo Vassena 14
ANALISI 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
DettagliModelli descrittivi, statistica e simulazione
Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone
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
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
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
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
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
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
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
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
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
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
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
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
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 PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale
STATISTICA PSICOMETRICA a.a. 004/005 Cors d laurea Scenze e tecnche neuropscologche Modulo 3 Statstca Inferenzale Probabltà Dstrbuzon d probabltà Dstrbuzon camponare Stma ntervallare Verfca delle potes
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 ()
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
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
Dettagli,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100
Dstrbuzon d frequenza Varable x Frequenze Frequenze Frequenze Frequenze % cumulate relatve x 1 n 1 n 1 n 1 / n 1 /*100 x n n 1 +n n / n /*100 x k n k n 1 +.+n k = n k / n k /*100 totale 1 100 Indc sntetc
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
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
DettagliVariabili statistiche - Sommario
Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su
DettagliUna distribuzione può essere descritta per mezzo dei suoi frattili.
Frattl d una dstrbuzone Una dstrbuzone può essere descrtta per mezzo de suo frattl. S dce frattle (snonm: centle, percentle e quantle) p-esmo d una dstrbuzone quel valore xp tale che la frequenza relatva
Dettaglisi utilizzano per confrontare le distribuzioni
Dspersone o Varabltà Defnzone: Le Msure d Dspersone: sono par a zero n caso d dspersone nulla s utlzzano per confrontare le dstrbuzon permettono d valutare la rappresentatvtà delle msure d centraltà. 89
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
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.
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
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
DettagliL ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella
L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono
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
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
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
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
DettagliLezione 2 a - Statistica descrittiva per variabili quantitative
Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 1 =103 2 2 =97 3 3 =90 4 4 =119
DettagliL ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella
L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono
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
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
DettagliCARATTERISTICHE DEI SEGNALI RANDOM
CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:
DettagliIndici di variabilità
Indc d varabltà Gl ndc d varabltà msurano ) la dspersone (rspetto alla poszone) ) la varabltà = 0 = 0 Gl ndc d poszone sono tanto pù rappresentatv quanto mnore è la dspersone de dat ntorno ad ess. La varabltà
DettagliStabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi
Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto
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
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
DettagliEsame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre
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
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
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
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
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
DettagliLezione 2 a - Statistica descrittiva per variabili quantitative
Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90
DettagliLezione 2 le misure di sintesi: le medie
Lezone le msure d sntes: le mede Cattedra d Bostatstca Dpartmento d Scenze spermental e clnche, Unverstà degl Stud G. d Annunzo d Chet-Pescara Prof. Enzo Ballone Lezone a- Statstca descrttva per varabl
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
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
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 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.
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
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
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
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
DettagliStatistica Descrittiva ed Inferenziale
Statstca Descrttva ed Inferenzale 1 Why Statstcs? A? A B Descrpton and Predcton Samples Analyss A1 A A B C Pared Samples Analyss MultSamples Analyss 1 Why Statstcs? Formal defnton of Probablty σ-feld 3
DettagliANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI
ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI Rappresentazone tabellare della sere storca Sequenza cronologca Sequenza ordnata Osservazon d massmo annuo d pogga n un gorno 2 Rappresentazone grafca della
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
Dettagliuna variabile casuale è continuase può assumere un qualunque valore in un intervallo
Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere
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,
DettagliEsame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011
Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre
DettagliStima dei Parametri: Metodo di Massima Verosimiglianza
Captolo 8 Stma de Parametr: Metodo d Massma Verosmglanza Lo scopo dello studo spermentale de fenomen fsc è quello d scoprre qual sono le legg che legano le grandezze fsche e d ottenere l valore delle costant
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.
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2:
Costruzone d macchne Modulo d: Progettazone probablstca e affdabltà Marco Beghn Lezone : Probabltà condzonata e varabl casual Probabltà condzonata: La probabltà d un evento A (r)valutata quando è noto
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
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
DettagliStatistica Descrittiva II
Organzzazone de dat Statstca Descrttva II Indc d poszone Indc d varabltà Indc d asmmetra Indc d normaltà Outler Box-plot Sere statstche monovarate Carattere: Cellular possedut Popolazone: 7 student d Botecnologe
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
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
DettagliRichiami di modelli di utilità aleatoria
Corso d LOGISTICA TERRITORIALE www.unroma.t/ddattca/lt DOCENTE prof. ng. Agostno Nuzzolo Rcham d modell d utltà aleatora prof. ng. Agostno Nuzzolo - Corso d Logstca Terrtorale Modell d domanda e utltà
DettagliStatistica Descrittiva II
Organzzazone de dat Statstca Descrttva II Indc d poszone Indc d varabltà Indc d asmmetra Indc d normaltà Outler Box-plot Sere statstche monovarate Carattere: Cellular possedut Popolazone: 7 student d Botecnologe
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
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
DettagliValutazione dell incertezza di misura
Valutazone dell ncertezza d msura 1 Gl attor della msurazone l sstema msurato l msurando lo strumento l metodo l campone L untà d msura l utlzzatore l sstema msurato l msurando Gl attor della msurazone
DettagliModelli di utilità aleatoria
corso d Teora de Sstem d Trasporto Modell d utltà aleatora PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma.t Iscrzone al corso Modell d offerta ü Da effettuars anche on
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
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
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
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
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
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.
DettagliTutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017
Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può
DettagliLaboratorio di Fisica per Scienze Naturali 1 - Elementi di Statistica e di teoria degli errori
Laboratoro d Fsca per Scenze atural - Element d Statstca e d teora degl error Msura d una grandezza fsca e suo errore Tp d msure Le msure d una grandezza fsca possono venre classfcate come: msure drette:
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
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
DettagliPICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO
PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO Stabltà e Teorema d Drclet Defnzone S dce ce la confgurazone C 0 d un sstema è n una poszone d equlbro stable se, portando l sstema n una confgurazone
DettagliMODELLI DI UTILITÀ ALEATORIA
corso d Teora e Tecnca della Crcolazone + Trasport e Terrtoro a.a. 2012-2013 MODELLI DI UTILITÀ ALEATORIA PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma2.t Modell d utltà
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
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
Dettagli3) Entropie condizionate, entropie congiunte ed informazione mutua
Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata
DettagliUniversità di Cassino Corso di Statistica 1 Esercitazione del 17/10/2006 Dott. Alfonso Piscitelli. Esercizio 1
Unverstà d Cassno Corso d Statstca Eserctazone del 7/0/006 Dott. Alfonso Psctell Eserczo Il seguente data set rporta la rlevazone d alcun caratter su un collettvo d 0 soggett. Soggetto Sesso Età Reddto
DettagliModelli di utilità aleatoria
Corso d Teora de Sstem d Trasporto + prof. ng. Antono Com gugno 9 Struttura del sstema d modell per la smulazone de sstem d trasporto Modell d offerta OFFERTA DI INFRASTRUTTURE E SERIZI DI TRASPORTO MODELLO
DettagliPattern Recognition. Bayes decision theory
Computer Scence Department Unversty of Verona A.A. 015-16 Pattern Recognton Bayes decson theory 1 Rev. Thomas Bayes, F.R.S 170-1761 Introduzone Approcco statstco fondamentale d classfcazone d pattern Ipotes:
Dettagli