METODO DEI MINIMI QUADRATI
|
|
- Marisa Fusco
- 7 anni fa
- Visualizzazioni
Transcript
1 METODO DEI MINIMI QUADRATI Torniamo al problema della crescita della radice di mais in funzione del contenuto di saccarosio nel terreno di coltura. Ripetendo varie volte l esperimento con diverse quantità di saccarosio, abbiamo misurato le lunghezze della radice, ottenendo i dati riportati nella seguente tabella: Saccarosio in gr/l : s Lunghezza radice in mm: l
2 METODO DEI MINIMI QUADRATI Ci piacerebbe poter esprimere la dipendenza di l da s mediante una funzione l(s). Abbiamo già controllato, per tre di questi dati, che non è possibile determinare una funzione lineare che corrisponda esattamente ai dati raccolti. I punti (5,33), (15,62), (25,74) non sono allineati! Tuttavia potremmo cercare una funzione lineare che, pur non potendo corrispondere esattamente ai dati, sia il più vicino possibile, in un senso che preciseremo a breve, ad essi.
3 MEDIA ARITMETICA DEI DATI Alcune nozioni preliminari: Definiamo media aritmetica dei dati campionari x 1,x 2,..,x n, il numero ottenuto facendo la somma dei dati del campione e dividendo tale somma per n, dove n è la numerosità campionaria x*= (x 1 + x x n )/n Esempio: la quantità media di saccarosio presente nel terreno di coltura nei nostri esperimenti è ( ) / 7 = 140/7 = 20 gr/l
4 MEDIA ARITMETICA DEI DATI La lunghezza media della radice di mais, ottenuta nei nostri esperimenti è ( )/7 = 420/7 = 60 mm Proprietà della media aritmetica x*: n Σ (x*-x i ) = 0 i=1 (dimostralo per esercizio )
5 MEDIA ARITMETICA DEI DATI La media aritmetica è l unico punto di minimo della funzione n f(x) = Σ (x-x i ) 2 i=1 Sviluppando i quadrati, vediamo che f(x) è una funzione quadratica n n n f(x) = Σ (x 2-2x i x + x i2 ) = nx 2-2( Σ x i )x + Σ x i 2 i=1 i=1 i=1
6 MEDIA ARITMETICA DEI DATI f(x) = ax 2 + bx + c, dove n a = n, b = 2 Σ x i, c = Σ x i 2 i=1 i=1 Quindi il punto di minimo di f è n x* = b/2a = (Σ x i )/n i=1 che è, appunto, la media aritmetica dei dati campionari n
7 MEDIA ARITMETICA DEI DATI Si osserva che per ottenere la media dei dati ax 1, ax 2,.., ax n, dove si è moltiplicato ciascuno dato per una costante reale a basta (perché?) moltiplicare per a la media x* dei dati originali. Vale a dire che se cambiamo unità di misura ai dati, basta cambiare allo stesso modo l unità di misura della loro media.
8 MEDIA ARITMETICA DEI DATI Esempio: Se x 1, x 2,, x n, sono temperature misurate in gradi Fahrenheit e x* = 50 F, qual è la media delle stesse temperature in gradi centigradi? I gradi C si ottengono da quelli F con la trasformazione x (x-32)100/180, la media subisce la stessa trasformazione, dunque 50 F = (50-32)100/180 C = 10 C
9 MEDIA ARITMETICA DEI DATI Si osserva che per ottenere la media dei dati x 1 + y 1, x 2 + y 2,.., x n + y n, basta (perché?) sommare la media dei dati x alla media dei dati y.
10 VARIANZA DEI DATI Definiamo la varianza campionaria, indicando con x* la media aritmetica dei dati campionari: Var x = n Σ (x i - x*) 2 / n i=1 La varianza campionaria è un indice di quanto i dati sono dispersi intorno alla media campionaria La radice quadrata della varianza si chiama deviazione standard
11 VARIANZA DEI DATI ESEMPIO: determiniamo la varianza campionaria della lunghezza della radice di mais. Abbiamo già calcolato la media l* = 60 mm Possiamo procedere applicando direttamente la definizione: Var l =[(33-60) 2 + (44-60) 2 + (62-60) 2 + (56-60) 2 + (74-60) 2 + (71-60) 2 + (80-60) 2 ] /7 = 1722 /7 246 mm 2 La DS è Var l 246 mm mm
12 VARIANZA DEI DATI La varianza campionaria può essere calcolata in modo più rapido tenendo conto che, se sviluppiamo i quadrati, otteniamo la differenza tra la media aritmetica dei dati al quadrato e la media aritmetica dei dati elevata al quadrato: n n Σ (x i - x*) 2 / n = Σ (x 2 i -2x i x* + (x * ) 2 )/n = i=1 i=1 n =( Σ x i 2 /n ) - (x * ) 2 i=1 Var x = (x 2 )* - (x*) 2
13 VARIANZA DEI DATI Esempio:per determinare la varianza campionaria della lunghezza della radice di mais avremmo potuto calcolare dapprima la media dei dati elevati al quadrato (x 2 )* =[(33) 2 + (44) 2 + (62) 2 + (56) 2 + (74) 2 + (71) 2 + (80) 2 ] /7 =3846 A questo numero sottrarre (x*) 2 = 60 2 Ottenendo Var l = =246 mm 2 Attenzione! La varianza non conserva l unità di misura
14 COEFFICIENTE DI VARIAZIONE Il rapporto tra la deviazione standard campionaria DS, e la media campionaria x*, si chiama coefficiente di variazione CV = DS/x* ESEMPIO: Il coefficiente di variazione della lunghezza della radice di mais CV l / CV è una misura della dispersione dei dati intorno alla media che non dipende dall unità di misura e permette quindi di confrontare la dispersione di dati diversi.
15 COVARIANZA DEI DATI Un indice di possibile correlazione tra due serie di dati x 1,x 2,..,x n, ed y 1,y 2,..,y n, di medie aritmetiche rispettivamente x* ed y*, è la covarianza, così definita: n Cov x,y = Σ (x i -x*) (y i - y*) / n = Σ x i y i /n - x* y*= i=1 i=1 (xy)*- x* y* n
16 COVARIANZA DEI DATI Esempio: Abbiamo un campione di 10 comchiglie di Spaeronassa; per ogni unità del campione abbiamo misurato (in cm) l altezza X, la larghezza Y, e l altezza della bocca Z, ottenendo i risultati riportati nella seguente tabella: X Y Z
17 COVARIANZA DEI DATI Determiniamo la covarianza tra x ed y. 1) Calcoliamo le medie aritmetiche di x e di y, si ottiene x*= cm, y*=1.364 cm 2) Calcoliamo la media aritmetica del prodotto xy: (xy)*= [(2.40)(1.58) +(2.57)(1.57)+..+(1.55)(0.90)]/10 = ) Otteniamo Cov x,y = (2.154)(1.364) Calcola per esercizio: Cov x,z e Cov y,z
18 COVARIANZA DEI DATI Che cosa ottieni se calcoli Cov x,x? Si ottiene la varianza di x Infatti dalla definizione di covarianza: n Cov x,x = Σ (x i -x*) (x i - x*) / n = Var x i=1
19 COEFFICIENTE DI CORRELAZIONE La covarianza è un indice sensibile all unità di misura, ad esso è preferibile il coefficiente di correlazione, ottenuto dalla covarianza dividendola per il prodotto delle deviazioni standard delle due serie di dati campionari (e quindi non più sensibile (perché?) alle unità di misura), vale a dire r x,y = Cov x,y /[(DS x )(DS y )] r x,y = [(x y)* - x* y*]/{sqr[((x 2 )*-(x*) 2 ) ((y 2 )*-(y*) 2 )]}
20 COEFFICIENTE DI CORRELAZIONE Esempio: calcoliamo il coefficiente di correlazione tra l altezza X e la larghezza Y del campione di Spaeronassa. Dobbiamo calcolare la varianza di X e di Y Var x =(x 2 )*-(x*) (2.154) Var y =(y 2 )*-(y*) (1.364) Calcoliamo le deviazioni standard: DS x = sqr(0.36) = 0.6, DS y = sqr(0.158) Poiché avevamo calcolato Cov x,y 0.235, abbiamo r x,y 0.235/[(0.6)(0.397)] 0.987
21 COEFFICIENTE DI CORRELAZIONE Osserviamo che r x,x = 1 per qualsiasi serie di dati campionari, perché? Dalla definizione r x,y = Cov x,y /[(DS x )(DS y )], dunque r x,x = Cov x,x /[(DS x )(DS x )] = Var x /Var x =1
22 METODO DEI MINIMI QUADRATI Vogliamo determinare una funzione lineare che meglio approssima i nostri dati sperimentali e poter decidere sulla bontà di questa approssimazione. Sia f(x) = mx + q, la coppia di dati (x i, y i ) appartiene al grafico di f(x) se e solo se vale la relazione y i = mx i + q; quindi l errore δ i = mx i + q y i misura la distanza che c è tra il dato sperimentale (x i, y i ) ed il dato teorico (x i, f(x i )).
23 METODO DEI MINIMI QUADRATI Abbiamo quindi n errori δ 1, δ 2,., δ n Prendiamo come misura di quanto f(x) approssima i dati la media aritmetica degli errori elevati al quadrato: n f(m,q)= Σ (mx i + q - y i ) 2 / n i=1 Vogliamo determinare m e q in modo tale da rendere minima f(m,q)
24 METODO DEI MINIMI QUADRATI Abbiamo già visto che la media aritmetica è l unico punto di minimo della funzione n f(x) = Σ (x-x i ) 2 i=1 Possiamo quindi dire che, fissato m, abbiamo che q = y* -mx* è senz altro il valore di q che rende minima la media degli errori al quadrato. Sostituiamo q nella media degli errori al quadrato
25 METODO DEI MINIMI QUADRATI n Σ (mx i - mx*+y* - y i ) 2 / n i=1 Dobbiamo ora determinare m in modo da rendere minima la precedente funzione Se sviluppiamo il quadrato, troviamo una funzione quadratica nell incognita m f(m)= {[ Σ(x i -x*) 2 ] m 2 [2 Σ(x i -x*)(y i -y*)] m + [ Σ(y i - y*) 2 ]}/n Il punto di minimo si ha per m = Σ(x i -x*)(y i -y*)/ Σ(x i -x*) 2 = Cov x,y / Var x
26 METODO DEI MINIMI QUADRATI Possiamo anche scrivere: m = Σ(x i x*)(y i y*)/ Σ(x i x*) 2 = = [Σ(x i y i )/n x* y*]/[σ(x i ) 2 /n (x * ) 2 ]= = [(x y)* x* y*]/[(x 2 )* (x * ) 2 ] Abbiamo quindi trovato la funzione lineare che meglio approssima i dati; rimane da stabilire la bontà dell approssimazione
27 METODO DEI MINIMI QUADRATI Possiamo calcolare f(m*), il valore minimo assunto: vale a dire l ordinata del vertice della parabola- grafico della funzione da minimizzare: f(m )=Σ(y i y*) 2 /n [Σ(x i y i )/n x* y*] 2 /[Σ(x i ) 2 /n (x * ) 2 ]= Σ(y i ) 2 /n (y * ) 2 [Σ(x i y i )/n x* y*] 2 /[Σ(x i ) 2 /n (x * ) 2 ] f(m, q ) 0 ed è f(m, q )=0 se e solo se le coppie dei dati stanno tutte sulla retta, per cui più f(m, q ) è vicino a 0 e più l approssimazione è buona
28 METODO DEI MINIMI QUADRATI Poiché f(m,q ) misura la media degli errori (assoluti) al quadrato nelle ordinate, un indice migliore della bontà dell adattamento della legge lineare ai dati è f(m,q )/Var y Si ottiene 1 {[(x y)* x* y*] 2 /[((x 2 )* (x * ) 2 ) ((y 2 )* (y * ) 2 )]} Dove {[(x y)* x* y*] 2 /[((x 2 )* (x * ) 2 ) ((y 2 )* (y * ) 2 )]} 1 più è vicino a 1 migliore è l approssimazione
29 METODO DEI MINIMI QUADRATI La radice quadrata di {[(x y)* x* y*] 2 /[((x 2 )* (x * ) 2 ) ((y 2 )* (y * ) 2 )]} è (x y)* x* y* / sqr([((x 2 )* (x * ) 2 ) ((y 2 )* (y * ) 2 )] più vicina è a 1, migliore è l approssimazione. Togliendo il valore assoluto al numeratore, otteniamo il coefficiente di correlazione o coefficiente di Pearson (CP) CP= [(x y)* x* y*]/ (DS x DS y ) [-1, 1]
30 METODO DEI MINIMI QUADRATI Applichiamo dunque il metodo dei minimi quadrati per determinare la retta di regressione che più si avvicina ai dati sperimentali: Saccarosio in gr/l : s Lunghezza radice in mm: l Abbiamo visto che il coefficiente angolare della retta di regressione è dato da m = [(l s)* l* s*]/[(s 2 )* (s * ) 2 ] = Cov s,l / Var s, mentre il termine noto q = l* -ms* Per determinare tutti gli indici necessari costruiamo un opportuna tabella:
31 METODO DEI MINIMI QUADRATI s l s 2 l 2 s l s*=20 l*=60 (s 2 )*=500 (l 2 )*=3846 (s l)*=
32 METODO DEI MINIMI QUADRATI Possiamo procedere al calcolo di m e di q: m = ( (20) (60))/(500 (20) 2 ) = q = 60 - (1.4786) (20) = Vediamo se la retta approssima bene i dati sperimentali, calcolando il coefficiente di correlazione, detto anche di Pearson (CP):
33 METODO DEI MINIMI QUADRATI CP =(s l)* s* l* / sqr([((s 2 )* (s * ) 2 ) ((l 2 )* (l * ) 2 )] =( (20) (60)) / sqr [(500-(20) 2 ) ( (60) 2 )] = 0.94 Dunque, essendo CP vicino ad 1, l approssimazione è buona.
34 METODO DEI MINIMI QUADRATI
35 METODO DEI MINIMI QUADRATI Dall analisi grafica si osserva una certa differenza tra i dati del campione per i valori più grandi di s e quelli previsti in base al modello di regressione lineare. La crescita sembra aumentare con l aumentare del contenuto di saccarosio non linearmente, ma piuttosto con una relazione che potrebbe essere, ragionevolmente, di radice quadrata. Possiamo determinare la retta di regressione per i dati trasformati in modo da prendere ancora y=l, mentre x= s, vale a dire l(s) = m s +q. Sostituiamo quindi nella tabella precedente le opportune colonne dei dati trasformati s e s l
36 METODO DEI MINIMI QUADRATI s l s l 2 s l s*=20 l*=60 ( s)*=4.31 (l 2 )*=3846 ( s l)*=276.56
37 METODO DEI MINIMI QUADRATI Nella tabella precedente i dati sono stati calcolati arrotondando alla seconda cifra decimale. Calcoliamo coefficiente angolare m ed intercetta q per questa nuova retta di regressione m = [( s l)* s* l*]/[s * (( s) * ) 2 ] = q = = 8.75 Calcoliamo CP CP = [( s l)*- ( s) * l* ]/sqr[(s * (( s) * ) 2 ) ((l 2 )* (l * ) 2 )] = 17.96/ = 0.96 Quindi questa curva approssima meglio i dati.
Dati campionari:media, varianza, bruchi
Dati campionari:media, varianza, bruchi Un entomologo sta studiando un bruco divoratore di foglie; esaminando 300 foglie ha trovato presenti dei bruchi, secondo i numeri riportati nella seguente tabella:
DettagliREGRESSIONE E CORRELAZIONE
REGRESSIONE E CORRELAZIONE Nella Statistica, per studio della connessione si intende la ricerca di eventuali relazioni, di dipendenza ed interdipendenza, intercorrenti tra due variabili statistiche 1.
DettagliSTATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE
STATISTICA esercizi svolti su: INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 2 1 INTERPOLAZIONE PONDERATA, REGRESSIONE E CORRELAZIONE 1.1
DettagliPIANO CARTESIANO:EQUAZIONI
PIANO CARTESIANO:EQUAZIONI {(x,c) x R} = {(x,y) R 2 y=c} R 2 è una retta parallela all asse delle ascisse L asse delle ascisse è una retta di equazione y=0 Analogamente {(c,y) y R} = {(x,y) R 2 x=c} R
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliSCOPO DELL ANALISI DI CORRELAZIONE
CORRELAZIONE 1 SCOPO DELL ANALISI DI CORRELAZIONE STUDIARE LA RELAZIONE TRA DUE VARIABILI X E Y 2 diagrammi di dispersione un diagramma di dispersione (o grafico di dispersione) èuna rappresentazione grafica
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 33 Outline 1 2 3 4 5 6 () Statistica 2 / 33 Misura del legame Nel caso di variabili quantitative
DettagliLa retta di regressione
La retta di regressione Michele Impedovo Uno dei temi nuovi e centrali per il rinnovamento dei programmi di matematica, che si impone in modo naturale quando si abbia a disposizione un qualunque strumento
DettagliΣ (x i - x) 2 = Σ x i 2 - (Σ x i ) 2 / n Σ (y i - y) 2 = Σ y i 2 - (Σ y i ) 2 / n. 13. Regressione lineare parametrica
13. Regressione lineare parametrica Esistono numerose occasioni nelle quali quello che interessa è ricostruire la relazione di funzione che lega due variabili, la variabile y (variabile dipendente, in
DettagliStatistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@gmail.com Università degli studi di Cassino () Statistica 1 / 24 Outline 1 2 3 4 5 () Statistica 2 / 24 Dipendenza lineare Lo studio della relazione tra caratteri
DettagliMATEMATICA CORSO A II COMPITINO (Tema 1) 5 Aprile 2013
MATEMATICA CORSO A II COMPITINO (Tema 1) 5 Aprile 2013 Soluzioni 1. Due sperimentatori hanno rilevato rispettivamente 25 e 5 misure di una certa grandezza lineare e calcolato le medie che sono risultate
DettagliCapitolo 11. minimi quadrati Il metodo dei minimi quadrati
Capitolo 11 I minimi quadrati Il problema con cui abbiamo a che fare adesso consiste nel determinare con buona approssimazione una curva (funzione) che descriva il fenomeno a cui i dati appartengono. Lo
DettagliPrecorso di Matematica
UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTA DI ARCHITETTURA Precorso di Matematica Anna Scaramuzza Anno Accademico 2005-2006 4-10 Ottobre 2005 INDICE 1. ALGEBRA................................. 3 1.1 Equazioni
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 05-Deviazione standard e punteggi z vers. 1.1 (22 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo
ESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo 1 La seguente tabella riporta le frequenze relative riguardanti gli studenti di un università e gli esiti dell esame da essi sostenuto. Qual è la percentuale
DettagliDal coefficiente di Correlazione lineare tra due grandezze x, y alla covarianza.
1 Dal coefficiente di Correlazione lineare tra due grandezze x, y alla covarianza. La seguente nota è dedicata ad una riorganizzazione del capitolo 9 del Taylor. Si fà notare che viene invertito l ordine,
DettagliMATEMATICA CORSO A CORSO DI LAUREA IN SCIENZE BIOLOGICHE I PROVA IN ITINERE COMPITO PROVA 1
MATEMATICA CORSO A CORSO DI LAUREA IN SCIENZE BIOLOGICHE I PROVA IN ITINERE COMPITO PROVA 1 1- Il volume di un corpo di qualsiasi forma è proporzionale al cubo di una qualunque delle sue dimensioni lineari.
DettagliStatistica4-29/09/2015
Statistica4-29/09/2015 Raccogliere i dati con il maggior numero di cifre significative ed arrotondare eventualmente solo al momento dei calcoli (min. 3); nella grande maggioranza delle ricerche biologiche
DettagliSTATISTICA (modulo I - Statistica Descrittiva) Soluzione Esercitazione I
2. e 3. STATISTICA (modulo I - Statistica Descrittiva) Soluzione Esercitazione I 1. Le unità statistiche sono costituite dai singoli ristoranti, mentre la popolazione è costituita da tutte le unità del
DettagliFUNZIONI QUADRATICHE
f: R R si dice funzione quadratica se è del tipo f(x) =ax 2 +bx+c, dove a,b,c sono costanti Il grafico di una funzione quadratica è una curva detta parabola Abbiamo incontrato funzioni di questo tipo quando
DettagliUna statistica è una quantità numerica il cui valore è determinato dai dati.
STATISTICHE CAMPIONARIE Quando i dati sono molti e illeggibili nella forma grezza, si rende necessario introdurre quantità numeriche che possano essere usate per sintetizzarli. Queste misure riassuntive
DettagliStatistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
DettagliStesso valore medio per distribuzioni diverse
Fonti e strumenti statistici per la comunicazione Prof.ssa Isabella Mingo A.A. 014-015 Stesso valore medio per distribuzioni diverse u i X 11 X 1 X 13 A 1 1 B 8 1 C 0 1 D 3 3 1 E 19 34 1 F 0 41 1 Un uguale
DettagliDistribuzioni secondo due caratteri. Rappresentazioni e prime sintesi
Distribuzioni secondo due caratteri Rappresentazioni e prime sintesi Rappresentazioni delle distribuzioni doppie Quando per ogni unità del collettivo rileviamo due caratteri otteniamo una Esempio. Ad alcuni
DettagliAppunti sulla circonferenza
1 Liceo Falchi Montopoli in Val d Arno - Classe 3 a I - Francesco Daddi - 16 aprile 010 Appunti sulla circonferenza In queste pagine sono trattati gli argomenti riguardanti la circonferenza nel piano cartesiano
DettagliProf. Anna Paola Ercolani (Università di Roma) Lez Indicatori di dispersione
Consentono di descrivere la variabilità all interno della distribuzione di requenza tramite un unico valore che ne sintetizza le caratteristiche CAMPO DI VARIAZIONE DIFFERENZA INTERQUARTILE SCOSTAMENTO
DettagliMATEMATICA EQUAZIONI FRATTE, DI SECONDO GRADO O SUPERIORE GSCATULLO
MATEMATICA EQUAZIONI FRATTE, DI SECONDO GRADO O SUPERIORE GSCATULLO Equazioni fratte, di secondo grado o superiore Le equazioni di secondo grado Un equazione è di secondo grado se si può scrivere nella
DettagliCorso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII
Corso integrato di informatica, statistica e analisi dei dati sperimentali Esercitazione VII Un breve richiamo sul test t-student Siano A exp (a 1, a 2.a n ) e B exp (b 1, b 2.b m ) due set di dati i cui
DettagliStatistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill
Statistica - metodologie per le scienze economiche e sociali /e S Borra, A Di Ciaccio - McGraw Hill Es 6 Soluzione degli esercizi del capitolo 6 In base agli arrotondamenti effettuati nei calcoli, si possono
DettagliLezione 4 a - Misure di dispersione o di variabilità
Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono
DettagliIl metodo dei minimi quadrati. Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo:
Il metodo dei minimi quadrati Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo: Dove A e B sono costanti y = A + Bx (ad esempio in un moto uniformemente
DettagliRicordiamo. 1. Tra le equazioni delle seguenti rette individua e disegna quelle parallele all asse delle ascisse:
La retta Retta e le sue equazioni Equazioni di rette come luogo geometrico y = h h R equazione di una retta parallela all asse delle ascisse x = 0 equazione dell asse delle ordinate y = h h R equazione
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliStatistica Un Esempio
Statistica Un Esempio Un indagine sul peso, su un campione di n = 100 studenti, ha prodotto il seguente risultato. I pesi p sono espressi in Kg e sono stati raggruppati in cinque classi di peso. classe
DettagliTema d esame del 15/02/12
Tema d esame del 15/0/1 Volendo aprire un nuovo locale, una catena di ristoranti chiede ad un consulente di valutare la posizione geografica ideale all interno di un centro abitato. A questo scopo, avvalendosi
DettagliEsercizio. Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a. [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m
Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m Vale la [1] perché per le proprietà delle potenze risulta a m a
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale indicabile con un indice (indice
DettagliCovarianza, correlazione e retta di regressione. Paola Lecca, CIBIO UNITN Corso di Matematica e Statistica 2
Covarianza, correlazione e retta di regressione Paola Lecca, CIBIO UNITN Corso di Matematica e Statistica 2 Questa presentazione è stata preparata attingendo dai seguenti testi S. M. Iacus, Statistica,
DettagliSTATISTICA (2) ESERCITAZIONE Dott.ssa Antonella Costanzo
STATISTICA (2) ESERCITAZIONE 7 11.03.2014 Dott.ssa Antonella Costanzo Esercizio 1. Test di indipendenza tra mutabili In un indagine vengono rilevate le informazioni su settore produttivo (Y) e genere (X)
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Indici di posizione e di variabilità Prof. Livia De Giovanni lstatistica@dis.uniroma1.it Esercizio 1 Data la seguente distribuzione unitaria del carattere X: X : 4 2 4 2 6 4
DettagliLa statistica. Elaborazione e rappresentazione dei dati Gli indicatori statistici. Prof. Giuseppe Carucci
La statistica Elaborazione e rappresentazione dei dati Gli indicatori statistici Introduzione La statistica raccoglie ed analizza gruppi di dati (su cose o persone) per trarne conclusioni e fare previsioni
DettagliESERCIZI SUI NUMERI COMPLESSI
ESERCIZI SUI NUMERI COMPLESSI Esercizio Calcolare il modulo e l argomento principale del seguente numero complesso: z = ) 5 + i i) 7 Per risolvere l esercizio proposto applichiamo le formule per il calcolo
DettagliESERCITAZIONE IV - Soluzioni
umero di omicidi ESERCITAZIOE IV - Soluzioni Esercizio I. a),00 12,00 10,00 8,00 6,00 4,00 2,00 0,00 0 5 10 15 20 25 Popolazione povera (%) b) Poiché i due caratteri in analisi sono quantitativi per calcolare
DettagliSIMULAZIONE - 29 APRILE QUESITI
www.matefilia.it SIMULAZIONE - 29 APRILE 206 - QUESITI Q Determinare il volume del solido generato dalla rotazione attorno alla retta di equazione y= della regione di piano delimitata dalla curva di equazione
DettagliLE EQUAZIONI DI SECONDO GRADO
LE EQUAZIONI DI SECONDO GRADO Definizione: un equazione è di secondo grado se, dopo aver applicato i principi di equivalenza, si può scrivere nella forma, detta normale: ax + bx + c 0!!!!!con!a 0 Le lettere
DettagliEsercitazione di Statistica Indici di associazione
Esercitazione di Statistica Indici di associazione 28/10/2015 La relazione tra caratteri Indipendenza logica Quando si suppone che tra due caratteri non ci sia alcuna relazione di causa-effetto. Indipendenza
DettagliTest per la correlazione lineare
10 Test per la correlazione lineare Istituzioni di Matematica e Statistica 2015/16 E. Priola 1 Introduzione alla correlazione lineare Problema: In base ai dati che abbiamo possiamo dire che c è una qualche
DettagliAssociazione tra caratteri quantitativi: gli indici di correlazione
Associazione tra caratteri quantitativi: gli indici di correlazione Per correlazione si intende una relazione tra due variabili tale che a ciascun valore della prima variabile corrisponda con una certa
DettagliPROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE
PROBABILITÀ SCHEDA N. 5 SOMMA E DIFFERENZA DI DUE VARIABILI ALEATORIE DISCRETE 1. Distribuzione congiunta Ci sono situazioni in cui un esperimento casuale non si può modellare con una sola variabile casuale,
DettagliAnno 5 Regole di derivazione
Anno 5 Regole di derivazione 1 Introduzione In questa lezione mostreremo quali sono le regole da seguire per effettuare la derivata di una generica funzione. Seguendo queste regole e conoscendo le derivate
DettagliElementi di Psicometria
Elementi di Psicometria 7-Punti z e punti T vers. 1.0a (21 marzo 2011) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2010-2011 G. Rossi (Dip. Psicologia)
DettagliIntervallo di fiducia del coefficiente angolare e dell intercetta L intervallo di fiducia del coefficiente angolare (b 1 ) è dato da:
Analisi chimica strumentale Intervallo di fiducia del coefficiente angolare e dell intercetta L intervallo di fiducia del coefficiente angolare (b 1 ) è dato da: (31.4) dove s y è la varianza dei valori
DettagliPiano cartesiano e Retta
Piano cartesiano e Retta 1 Piano cartesiano e Retta 1. Richiami sul piano cartesiano 2. Richiami sulla distanza tra due punti 3. Richiami punto medio di un segmento 4. La Retta (funzione lineare) 5. L
DettagliMATEMATICA LA CIRCONFERENZA GSCATULLO
MATEMATICA LA CIRCONFERENZA GSCATULLO La Circonferenza La circonferenza e la sua equazione Introduzione e definizione La circonferenza è una conica, ovvero quella figura ottenuta tagliando un cono con
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliLe derivate parziali
Sia f(x, y) una funzione definita in un insieme aperto A R 2 e sia P 0 = x 0, y 0 un punto di A. Essendo A un aperto, esiste un intorno I(P 0, δ) A. Preso un punto P(x, y) I(P 0, δ), P P 0, possiamo definire
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Statistica, anno 2010-11 P.Baldi Lista di esercizi 3. Corso di Laurea in Biotecnologie Esercizio 1 Una v.a. X segue una legge N(2, ). Calcolare a1) P(X 1) a2) P(2
Dettaglix 2 + (x+4) 2 = 20 Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati per le EQUAZIONI di PRIMO GRADO.
EQUAZIONI DI SECONDO GRADO Un'equazione del tipo x 2 + (x+4) 2 = 20 è un'equazione DI SECONDO GRADO IN UNA INCOGNITA. Alle equazioni di secondo grado si possono applicare i PRINCIPI di EQUIVALENZA utilizzati
DettagliSTATISTICA I - CORSO DI LAUREA IN STATISTICA a.a. 2004/2005 Prova intermedia del 01 aprile 2005
STATISTICA I - CORSO DI LAUREA IN STATISTICA a.a. 2004/2005 Prova intermedia del 01 aprile 2005 Esercizio 1 La Tabella 1 contiene alcuni dati relativi a 14 aziende. Tabella 1 Dati (fittizi) su alcune aziende
Dettaglii dati escludono vi sia una relazione tra variabile indipendente e variabile dipendente (rispettivamente
TEST DI AUTOVALUTAZIONE - SETTIMANA 6 I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. Metodi statistici per la biologia Parte A. La retta di regressione.2
DettagliEsercizi sui sistemi di equazioni lineari.
Esercizi sui sistemi di equazioni lineari Risolvere il sistema di equazioni lineari x y + z 6 x + y z x y z Si tratta di un sistema di tre equazioni lineari nelle tre incognite x, y e z Poichè m n, la
DettagliEsercizi sulle radici
Esercizi sulle radici Semplificazione Per semplificare una radice utilizzando, quando necessario, i valori assoluti, dobbiamo ricordare che se una radice ha indice pari, il suo radicando (il numero che
DettagliEsercizio 1 Questa tabella esprime i tempi di durata di 200 apparecchiature elettriche:
Istituzioni di Statistica 1 Esercizi su indici di posizione e di variabilità Esercizio 1 Questa tabella esprime i tempi di durata di 200 apparecchiature elettriche: Durata (ore) Frequenza 0 100? 100 200
DettagliCorrezione secondo compitino, testo B
Correzione secondo compitino, testo B 7 aprile 2010 1 Parte 1 Esercizio 1.1. Tra le funzioni del vostro bestiario, le funzioni che più hanno un comportamento simile a quello cercato sono le funzioni esponenziali
DettagliEsercizi sulle superfici - aprile 2009
Esercizi sulle superfici - aprile 009 Ingegneria meccanica 008/009 Esercizio 1. Scrivere l equazione della superficie ottenuta ruotando la retta s : x = y, y =z attorno alla retta r : x = y, x =3z. Soluzione:
Dettaglia b a : b Il concetto di rapporto
1 Il concetto di rapporto DEFINIZIONE. Il rapporto fra due valori numerici a e b è costituito dal loro quoziente; a e b sono i termini del rapporto, il primo termine si chiama antecedente, il secondo si
DettagliAnno 1. Divisione fra polinomi
Anno 1 Divisione fra polinomi 1 Introduzione In questa lezione impareremo a eseguire la divisione fra polinomi. In questo modo completiamo il quadro delle 4 operazioni con i polinomi. Al termine di questa
DettagliEQUAZIONE DELLA RETTA
EQUAZIONE DELLA RETTA EQUAZIONE DEGLI ASSI L equazione dell asse x è 0. L equazione dell asse y è 0. EQUAZIONE DELLE RETTE PARALLELE AGLI ASSI L equazione di una retta r parallela all asse x è cioè è uguale
DettagliDISTRIBUZIONI DOPPIE (ANALISI DESCRITTIVE) Fulvio De Santis a.a Prerequisiti Popolazione, unità, carattere Come nascono i dati:
DISTRIBUZIONI DOPPIE (ANALISI DESCRITTIVE) Fulvio De Santis a.a. 2007-2008 Prerequisiti Popolazione, unità, carattere Come nascono i dati: osservazione e sperimentazione Popolazione: reale e virtuale Classificazione
DettagliFunzioni elementari: funzioni potenza
Funzioni elementari: funzioni potenza Lezione per Studenti di Agraria Università di Bologna (Università di Bologna) Funzioni elementari: funzioni potenza 1 / 36 Funzioni lineari Come abbiamo già visto,
DettagliRISPOSTE MOTIVATE QUIZ D AMMISSIONE MATEMATICA
RISPOSTE MOTIVATE QUIZ D AMMISSIONE 1999-2000 MATEMATICA 76. A cosa è uguale: a-b? A) a-b = (- b-a) B) a-b = (- a-b) C) a-b = (a/b) D) a-b = -( b- a) E) a-b = 1/(ab) L espressione a-b costituisce un polinomio,
Dettagli2 2 2 A = Il Det(A) = 2 quindi la conica è non degenere, di rango 3.
Studio delle coniche Ellisse Studiare la conica di equazione 2x 2 + 4xy + y 2 4x 2y + 2 = 0. Per prima cosa dobbiamo classificarla. La matrice associata alla conica è: 2 2 2 A = 2 2 2 Il DetA = 2 quindi
DettagliLABORATORIO DI CIRCUITI ELETTRICI Nozioni generali e guida agli esperimenti. Rappresentazione grafica dei risultati sperimentali
LABORATORIO DI CIRCUITI ELETTRICI Nozioni generali e guida agli esperimenti Rappresentazione grafica dei risultati sperimentali Uno strumento molto utile per comunicare e leggere risultati sperimentali
DettagliSvolgimento. f y (x, y) = 8 y 2 x. 1 x 2 y = 0. y 2 x = 0. (si poteva anche ricavare la x dalla seconda equazione e sostituire nella prima)
Università degli Studi della Basilicata Corsi di Laurea in Chimica / Scienze Geologiche Matematica II A. A. 2013-2014 (dott.ssa Vita Leonessa) Esercizi svolti: Ricerca di massimi e minimi di funzioni a
DettagliPer equazione lineare nelle incognite x, y intendo un equazione del tipo. ax = b,
Matematica II 161110 1 Equazioni lineari in una incognita Per equazione lineare nell incognita x intendo un equazione del tipo ax = b dove a b sono due costanti reali a e il coefficiente e b e il termine
DettagliCopyright Esselibri S.p.A.
..3. Prodotti notevoli Per quanto visto in precedenza, in generale per moltiplicare un polinomio di m termini per uno di n termini devono effettuarsi m n moltiplicazioni, così per esempio per moltiplicare
DettagliStatistica descrittiva II
Probabilità e Statistica Esercitazioni a.a. 009/010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Statistica descrittiva II Ines Campa Probabilità e Statistica - Esercitazioni
Dettagli1.4 PRODOTTI NOTEVOLI
Matematica C Algebra. Le basi del calcolo letterale.4 Prodotti notevoli.4 PRODOTTI NOTEVOLI Il prodotto fra due polinomi si calcola moltiplicando ciascun termine del primo polinomio per ciascun termine
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
Dettaglisi tratta del test del chi-quadro di adattamento e di quello di indipendenza. 1 l ipotesi che la popolazione segua una legge fissata;
di : dado : normale Finora abbiamo visto test d ipotesi per testare ipotesi differenti, ma tutte concernenti il valore atteso di una o due popolazioni. In questo capitolo vediamo come testare 1 l ipotesi
DettagliCAPITOLO 14. Quadriche. Alcuni esercizi di questo capitolo sono ripetuti in quanto risolti in maniera differente.
CAPITOLO 4 Quadriche Alcuni esercizi di questo capitolo sono ripetuti in quanto risolti in maniera differente. Esercizio 4.. Stabilire il tipo di quadrica corrispondente alle seguenti equazioni. Se si
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Attilio Santocchia Ø Ufficio presso il Dipartimento di Fisica (Quinto Piano) Tel. 75-585 278 Ø E-mail: attilio.santocchia@pg.infn.it Ø Web: http://www.fisica.unipg.it/~attilio.santocchia/
Dettagli1 L estrazione di radice
1 L estrazione di radice Consideriamo la potenza 3 2 = 9 di cui conosciamo: Esponente 3 2 = 9 Valore della potenza Base L operazione di radice quadrata consiste nel chiedersi qual è quel numero x che elevato
DettagliEllisse. Come fa un giardiniere a creare un aiuola di forma ellittica?
Ellisse Come fa un giardiniere a creare un aiuola di forma ellittica? Pianta due chiodi, detti fuochi, nel terreno ad una certa distanza. Lega le estremità della corda, la cui lunghezza supera la distanza
DettagliTest di ipotesi su due campioni
2/0/20 Test di ipotesi su due campioni Confronto tra due popolazioni Popolazioni effettive: unità statistiche realmente esistenti. Esempio: Confronto tra forze lavoro di due regioni. Popolazioni ipotetiche:
DettagliScale Logaritmiche. Matematica con Elementi di Statistica a.a. 2015/16
Scale Logaritmiche Scala Logaritmica: sull asse prescelto (ad esempio, l asse x) si rappresenta il punto di ascissa = 0 0 nella direzione positiva si rappresentano, a distanze uguali fra di loro, i punti
DettagliIntervalli di confidenza
Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliEquazioni lineari con due o più incognite
Equazioni lineari con due o più incognite Siano date le uguaglianze: k 0; x + y = 6; 3a + b c = 8. La prima ha un termine incognito rappresentato dal simbolo letterale k; la seconda ha due termini incogniti
DettagliCapitolo uno STATISTICA DESCRITTIVA BIVARIATA
Capitolo uno STATISTICA DESCRITTIVA BIVARIATA La statistica unidimensionale si occupa di studiare una sola variabile statistica. La statistica bidimensionale o bivariata si occupa dello studio congiunto
DettagliFUNZIONI LOGARITMICHE
La funzione f: R R + dove f(x) = b x b>0, b 1, è invertibile. La funzione inversa si chiama logaritmo in base b log b : R + R, essendo la funzione inversa si ha log b (b x ) = x b log b x = x In particolare
DettagliL errore percentuale di una misura è l errore relativo moltiplicato per 100 ed espresso in percentuale. Si indica con e p e risulta: e ( e 100)%
UNITÀ L ELBORZIONE DEI DTI IN FISIC 1. Gli errori di misura.. Errori di sensibilità, errori casuali, errori sistematici. 3. La stima dell errore. 4. La media, la semidispersione e lo scarto quadratico
Dettaglihttp://www.biostatistica.unich.it 1 STATISTICA DESCRITTIVA Le misure di tendenza centrale 2 OBIETTIVO Individuare un indice che rappresenti significativamente un insieme di dati statistici. 3 Esempio Nella
DettagliPROBLEMI DI SECONDO GRADO: ESEMPI
PROBLEMI DI SECONDO GRADO: ESEMPI Problema 1 Sommando al triplo di un numero intero il quadrato del suo consecutivo si ottiene il numero 9. Qual è il numero? Il campo di accettabilità delle soluzioni è,
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
DettagliDERIVATE E LORO APPLICAZIONE
DERIVATE E LORO APPLICAZIONE SIMONE ALGHISI 1. Applicazione del calcolo differenziale 1 Abbiamo visto a lezione che esiste un importante legame tra la continuità di una funzione y = f(x) in un punto x
DettagliSi dice parabola il luogo geometrico dei punti del piano, equidistanti da un punto fisso, detto fuoco, e da una retta fissa, detta direttrice.
LA PARABOLA Definizione: Si dice parabola il luogo geometrico dei punti del piano, equidistanti da un punto fisso, detto fuoco, e da una retta fissa, detta direttrice. Dimostrazione della parabola con
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliProdotto scalare, ortogonalitá e basi ortonormali
CAPITOLO 0 Prodotto scalare, ortogonalitá e basi ortonormali Esercizio 0.. Dati i seguenti vettori di R si calcoli il prodotto scalare (v i,v j per i,j =,,...,6: v = (6,3 v = (,0 v 3 = (, v 4 = (,0 v 5
DettagliOgni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza.
Ogni misura è composta di almeno tre dati: un numero, un'unità di misura, un'incertezza. Corso di laurea in Tossicologia Misure ripetute forniscono dati numerici distribuiti attorno ad un valore centrale
Dettagli1.4. Siano X B(1, 1/2) e Y B(1, 1/2) variabili aleatorie indipendenti. Quale delle seguenti affermazioni é falsa? E(X + Y ) = 1 V ar(x + Y ) = 1/2
Statistica N. Crediti: Cognome: Laurea Triennale in Biologia Nome: 4 settembre 2012 Matricola: 1. Parte A 1.1. Siano x 1, x 2,..., x 10 i dati relativi al peso di 10 neonati espressi in chilogrammi e y
Dettagli