PARTE TERZA. STATISTICA DESCRITTIVA MULTIDIMENSIONALE (Analisi delle Relazioni)
|
|
- Felice Stella
- 8 anni fa
- Visualizzazioni
Transcript
1 PARTE TERZA STATISTICA DESCRITTIVA MULTIDIMESIOALE (Analisi delle Relazioni)
2 La notazione matriciale 3 III.. LA OTAZIOE MATRICIALE III... L analisi statistica dei fenomeni multivariati L intrinseca complessità propria dei fenomeni reali raramente può essere colta attraverso la conduzione di singole analisi monodimensionali che ignorerebbero la struttura di correlazione e di interdipendenza tra le variabili. Queste considerazioni hanno condotto, nella seconda parte di questo libretto, alla definizione delle misure di connessione e di dipendenza tra variabili e alla costruzione di modelli funzionali volti alla comprensione delle cause di variabilità di una predeterminata variabile d interesse, detta variabile dipendente. L analisi statistica multivariata è un insieme di metodologie volte all analisi simultanea delle interrelazioni tra numerose variabili tra esse correlate. In Tabella II.. sono indicati i risultati grezzi delle rilevazione su 30 soggetti di due variabili, la statura e il peso corporeo, tra loro correlate. Accanto a queste, il ricercatore avrebbe potuto avere interesse a rilevare altre variabili quali, ad esempio, il genere o la regione di provenienza. L insieme delle misure o caratteristiche osservate dà luogo ad un insieme di dati (dataset), rappresentato nella sua forma generica in Tabella III.., nel quale ogni riga rappresenta una delle unità statistiche (dette anche casi) e ogni colonna le rilevazioni di una specifica delle V variabili per ciascun caso. Tabella III... Forma generale dei dataset V V... V V Caso v v v V Caso v v v V Caso 3 v 3 v 3 v 3V Caso v v... v V * A cura di Enrico di Bella.
3 4 Statistica descrittiva multidimensionale La struttura dei dati di Tabella III.. è quella tipicamente utilizzata dai fogli elettronici (Excel, Lotus --3, StarOffice Calc) e dai maggiori pacchetti statistici a interfaccia grafica (S-Plus, SPSS, Statistica, Minitab). Quando la dimensionalità del fenomeno oggetto di studio diviene elevata, all usuale notazione scalare, che richiede l attenta indicazione di apici e pedici per distinguere casi e variabili, viene spesso preferita una più agevole notazione matriciale per la quale ogni singolo caso è un punto nello spazio V-dimensionale. ella Tabella III.. sono riportate le lunghezze L dei salti che sei ragazzi, di statura S e peso P, hanno effettuato in una gara di atletica. Tabella III... Risultati grezzi della misurazione della lunghezza (in cm) L del salto effettuato da sei atleti di peso corporeo (in Kg) P e statura (in cm) S Ragazzi L P S La matrice dei dati, in genere indicata con X, si compone dei vettori colonna L, P e S, o, equivalentemente, dei vettori riga r i (i =,..., 6) rappresentanti i sei ragazzi: L =, P =, S =, r = r = r3 = r4 = r5 = r = 6 ( ) ( ) ( ) ( ) ( ) ( ) Risulta, quindi:
4 La notazione matriciale X = III... Richiami di calcolo matriciale Si ritiene opportuno richiamare brevemente alcune definizioni e proprietà delle matrici sebbene già note allo studente da precedenti corsi di matematica generale. Definizione III... (Matrice) Si definisce matrice p q un insieme A di pq elementi disposti in p righe e q colonne e si indica con a ij il valore dell i-ma riga e j-ma colonna. a a... a q a a... M A = M M O M ap ap... a pq Se A è una matrice p p, è detta quadrata di ordine p e i suoi elementi a ii (i =,,..., p) compongono la diagonale principale. Definizione III... (Vettore) Si definisce vettore una matrice A p (vettore colonna) o q (vettore riga). Definizione III..3. (Matrice diagonale) Una matrice quadrata A viene definita diagonale se i valori al di fuori della diagonale principale sono tutti nulli (a ij = 0, per i j).
5 6 Statistica descrittiva multidimensionale a a... M A = M M O M a pp Definizione III..4. (Matrice identità) Si definisce matrice identità I una matrice diagonale i cui valori non nulli sono tutti pari a uno (a ii =, per i =,,..., p) M A = M M O M Definizione III..5. (Matrice trasposta) La trasposta A di A è la matrice q p ottenuta commutando le righe con le colonne di A: Risulta, quindi: a ' ij = a i p, j q ji a a... a q a a... ap a a... aq a a... ap A= A' = M M O M M M O M a a... a a a... a p p pq q q pq Definizione III..6. (Matrice unità e matrice nulla) Si definisce matrice unità U p q la matrice p q i cui valori sono tutti pari a uno (a ij = i, j =,,..., p). Si definisce matrice nulla 0 p q la matrice p q i cui valori sono tutti pari a zero (a ij = 0 i, j =,,..., p). In particolare, se q =, si definiscono il vettore unità p e il vettore nullo 0 p. Definizione III..7. (Vettore delle frequenze) Si definisce vettore f delle frequenze il vettore colonna il valore del cui generico elemento f i corrisponde alle frequenze associate al vettore corrispondente alla i-ma riga della matrice A, matrice dei dati privata delle righe identiche. Se ciascuna modalità in cui il fenomeno si è espresso è unica, il vettore f coincide con p.
6 La notazione matriciale 7 Ad esempio, essendo X la matrice dei dati, risulta: X =, A = 3, 6 3 f = In presenza di fenomeni ad alta dimensionalità, è possibile ma raro che due o più righe della matrice X dei dati siano identiche. Per questa ragione frequentemente non si procede alla riorganizzazione dei dati in frequenze delle modalità osservate col risultato che A X e f p. Definizione III..8. (Traccia di una matrice) Si definisce traccia tr(a) di una matrice A quadrata di ordine p la somma degli elementi della diagonale principale: p tr( A ) = aii Definizione III..9. (Somma e differenza di matrici) Due matrici A e B possono essere sommate o sottratte solamente se hanno lo stesso numero p di righe e q di colonne. La matrice somma C = A + B di due matrici p q si ottiene sommando i valori di medesima posizione: i= c ij = a ij + b ij i p, j q Ad esempio: = = In modo analogo si ottiene la matrice differenza D = A B. Si noti che: A + B = B + A A + (B + C) = (A + B) + C Definizione III..0. (Prodotto di uno scalare per una matrice) Il prodotto di una matrice A p q e uno scalare (o numero reale) k risulta B = ka = Ak con b ij = ka ij per i p, j q.
7 8 Statistica descrittiva multidimensionale Definizione III... (Prodotto di matrici) La matrice C p r, prodotto di una matrice A p q e una matrice B q r, ha come elemento c ij ( i p, j r) la somma dei prodotti degli elementi della i-ma riga di A per gli elementi della j-ma colonna di B: Ad esempio: c ij = a i b j + a i b j a iq b qj = = = Si noti che: A(BC) = (AB)C A(B ± C) = AB ± AC AI = A (AB) = B A Definizione III... (Prodotto e divisione elemento per elemento) Date due matrici A e B p r si definisce matrice prodotto elemento per elemento la matrice C = A B p r, avente come generico elemento c ij = a ij b ij ( i p, j r). Analogamente si determina la matrice divisione elemento per elemento C = A B p r, avente come generico elemento c ij = a ij / b ij ( i p, j r). Ad esempio: q k = = /5 /6 = /7 4/8 Definizione III..3. (Determinante) Si definisce determinante di una matrice A quadrata di ordine p la somma algebrica di n! prodotti ognuno costituito da elementi appartenenti a righe e colonne diverse e con il segno più o meno a seconda che il numero r di permutazioni dei secondi indici, dopo aver ordinato gli elementi del prodotto in base al primo indice, sia pari o dispari: n! i= n i= ab r det( A) = A = ( ) a (III..) ir i ik kj
8 La notazione matriciale 9 ei casi più semplici, risulta: p =, A = (a ), a a p =, A =, a a det(a) = a p = 3, det(a) = a a a a a a a3 A = a a a3, si ottiene la regola di Sarrus, a3 a3 a 33 det(a) = a a a 33 + a a 3 a 3 + a 3 a a 3 a 3 a a 3 a a a 33 a a 3 a 3 Definizione III..4. (Matrice inversa ) Sia A una matrice quadrata con determinante non nullo, qualsiasi matrice A tale per cui A A = A A = I è detta inversa di A. La determinazione dell inversa di una matrice può essere un processo laborioso. Tuttavia qualsiasi software matematico-statistico ha una funzione predefinita per il calcolo rapido ed esatto delle matrici inverse. Definizione III..5. (Combinazioni lineari di vettori) Considerati v vettori di ordine p x, x,..., x v e v numeri reali k, k,..., k v, si definisce combinazione lineare dei v vettori la quantità k x + k x k v x v. Ad esempio, ricordando le definizioni III.., III..9 e III..0: = + = Definizione III..6. (Dipendenza e indipendenza lineare) Se un vettore è e- sprimibile come combinazione lineare di v vettori è detto linearmente dipendente da essi. Al contrario, se non esistono numeri reali tali per cui un vettore possa essere espresso come combinazione lineare dei v vettori è detto linearmente indipendente da essi. Per verificare la presenza o assenza di dipendenza Poiché le matrici delle quali sarà necessario, nel prosieguo, determinare l inversa saranno tutte matrici quadrate, per l inversione di matrici non quadrate si rimanda il lettore a testi specifici sull algebra delle matrici. Tra gli altri: Barabesi L., Fattorino L. (00) Introduzione all algebra delle matrici, Giuffrè.
9 0 Statistica descrittiva multidimensionale lineare si valuta l esistenza di valori reali k, k,..., k v non nulli tali per cui: k x + k x k v x v = 0 p. Definizione III..7. (Rango di una matrice) Il rango Rank(A), o caratteristica, di una matrice A p q è il numero massimo di righe o colonne linearmente indipendenti. Ad esempio, dalle due matrici X e Y: X=, Y = è possibile estrarre i seguenti vettori colonna: x =, = =, = 3 x 4 y y 4 Si può verificare che, non esistendo costanti non nulle k e k tali per cui: k x + k x = 0 x e x sono linearmente indipendenti e la matrice X ha rango pari a, mentre k y + k y = 0 per ogni coppia di valori proporzionale a k = e k =. Conseguentemente y e y sono linearmente dipendenti e la matrice Y ha rango pari a. elle applicazioni statistiche si hanno matrici di dati n p essendo n il numero di unità statistiche osservate e p il numero di variabili rilevate. In genere il numero di osservazioni è maggiore del numero di variabili studiate e quindi il rango della matrice dei dati è inferiore o pari a p. Se il rango fosse inferiore a p, ad esempio pari a p, si potrebbe esprimere una delle variabili oggetto di studio come funzione lineare delle altre p. Questa situazione, se riferita, ad e- sempio, a variabili esplicative di un modello di regressione multivariata può generare taluni problemi nell individuazione dei parametri del modello in quanto equivale a una inconsapevole duplicazione di alcune di queste variabili. III..3. Una notazione compatta Come precedentemente accennato, la notazione matriciale permette di esprimere in forma compatta tutte le formule sino ad ora utilizzate. ella trattazione
10 La notazione matriciale che segue, per semplicità, si opererà in ipotesi di assenza di riorganizzazione dei dati in serie statistica (cfr. Definizioni I.. e III..7). Sia X una matrice di dati composta da righe (cioè osservazioni) e V colonne (e quindi variabili). La media aritmetica delle V variabili di X è espressa dalla quantità: μ X = X ' (III..) el caso in cui V = risulta, infatti: X ' = ( x x... x ) = ( x + x x ) = x = i M i Quando V è maggiore di uno, la (III..) è un vettore riga di ordine V il cui i- mo generico elemento è la media della variabile corrispondente alla i-ma colonna di X. Ad esempio: X= X' = Richiamando la I.3., si definisce varianza il risultato dell operazione di e- levazione a quadrato della media quadratica delle distanze intercorrenti tra le singole misurazioni e la loro media aritmetica. La notazione matriciale permette di estendere tale definizione nel modo seguente: Definizione III..8. (Matrice delle covarianze) Data una matrice X di dati composta da righe (casi) e v colonne (variabili), si definisce matrice delle varianze e covarianze (o, più semplicemente, matrice delle covarianze) la matrice: VX = ( X X' ) '( X X' ). Gli elementi di posizione v ij rappresentano la covarianza esistente tra l i-ma
11 Statistica descrittiva multidimensionale e la j-ma variabile. In particolare, per j = i, si ottiene la varianza della i-ma variabile. Ricorrendo alla (I.3.5) la matrice delle covarianze può essere determinata ricorrendo alla seguente scomposizione: VX = X' IX X' U X Le matrici I e U associano a ciascuna modalità una sola frequenza. Una loro opportuna modifica consente di operare su dati riorganizzati in serie statistica. Risulta, quindi, che la varianza è espressa dalla quantità: essendo: I U VX = X' = ' X X SX L I U K S = = M M O M K Qualora le variabili fossero espresse come singoli vettori colonna di dati di medesima lunghezza, ad esempio X e Y, ricordando la II.4.5 la misura della covarianza risulta: = μ μx μy = XI ' Y XU ' ' Y = XSY L individuazione dell espressione matriciale di medie, varianze e covarianze di due o più variabili permette, tramite semplice sostituzione, la riscrittura in tale forma di altre rilevanti quantità, quali, ad esempio: il coefficiente di correlazione lineare tra X e Y: ρ = = X Y XSY ' ( XSX ' ) ( YSY ' ) Si noti che l operatore radice quadrata a denominatore si applica a uno scalare e quindi non è un operazione in senso matriciale.
12 La notazione matriciale 3 il rapporto di correlazione lineare: ρ XSY = = ( XSX ' ) ( YSY ' ) ' Anche in questo caso, l elevamento a quadrato viene effettuato su uno scalare e quindi non comporta alcuna difficoltà di calcolo. i coefficienti della retta di regressione X * Y = a+ bx : T XSY ' a = μy μ ' X = Y X X XSX '. XSY ' b = = XSX ' la varianza spiegata e residua dalla retta di regressione Y = ρy = = X ( XSY ' ) XSX ' * Y = Y Y = YSY ' ( XSY ' ) XSX '. * Y = a+ bx : * i coefficienti del modello multivariato lineare Y = a+ bx +cz essendo: a = μ μ μ Z XZ YZ X YZ XZ Y X Z XZ XZ XZ XZ b= = Z XZ YZ X YZ XZ, c XZ XZ XZ XZ μy = Y ', μx = X ', μz = Z ' = XSY ', XZ = XSZ ', YZ = YSZ ' X = XSX ', Z = ZSZ ' el prossimi paragrafi i medesimi risultati, in forma più generale ed elegante, saranno ottenuti direttamente dalla forma matriciale. XZ
4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
DettagliRICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come
RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può
DettagliParte 2. Determinante e matrice inversa
Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliLEZIONE 23. Esempio 23.1.3. Si consideri la matrice (si veda l Esempio 22.2.5) A = 1 2 2 3 3 0
LEZIONE 23 231 Diagonalizzazione di matrici Abbiamo visto nella precedente lezione che, in generale, non è immediato che, data una matrice A k n,n con k = R, C, esista sempre una base costituita da suoi
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
Dettaglix 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.
Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini
DettagliDott.ssa Caterina Gurrieri
Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo
DettagliAlgebra Lineare e Geometria
Algebra Lineare e Geometria Corso di Laurea in Ingegneria Elettronica A.A. 2013-2014 Prova d esame del 16/06/2014. 1) a) Determinare la matrice associata all applicazione lineare T : R 3 R 4 definita da
DettagliESERCIZI SVOLTI PER LA PROVA DI STATISTICA
ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI
DettagliParte 3. Rango e teorema di Rouché-Capelli
Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
DettagliMATRICI E DETERMINANTI
MATRICI E DETERMINANTI 1. MATRICI Si ha la seguente Definizione 1: Un insieme di numeri, reali o complessi, ordinati secondo righe e colonne è detto matrice di ordine m x n, ove m è il numero delle righe
DettagliMATLAB. Caratteristiche. Dati. Esempio di programma MATLAB. a = [1 2 3; 4 5 6; 7 8 9]; b = [1 2 3] ; c = a*b; c
Caratteristiche MATLAB Linguaggio di programmazione orientato all elaborazione di matrici (MATLAB=MATrix LABoratory) Le variabili sono matrici (una variabile scalare equivale ad una matrice di dimensione
DettagliIl simbolo. è è = = = In simboli: Sia un numero naturale diverso da zero, il radicale. Il radicale. esiste. esiste 0 Il radicale
Radicali 1. Radice n-esima Terminologia Il simbolo è detto radicale. Il numero è detto radicando. Il numero è detto indice del radicale. Il numero è detto coefficiente del radicale. Definizione Sia un
DettagliUniversità degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica
Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica Esame di Geometria (Prof. F. Tovena) Argomenti: Proprietà di nucleo e immagine di una applicazione lineare. dim V = dim
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliESERCIZI DI ALGEBRA LINEARE E GEOMETRIA
ESERCIZI DI ALGEBRA LINEARE E GEOMETRIA Francesco Bottacin Padova, 24 febbraio 2012 Capitolo 1 Algebra Lineare 1.1 Spazi e sottospazi vettoriali Esercizio 1.1. Sia U il sottospazio di R 4 generato dai
DettagliEsercizi su lineare indipendenza e generatori
Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v
DettagliApplicazioni lineari
Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av
DettagliAnalisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri
Dettagli9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU
9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto
DettagliTutorato di GE110. Universitá degli Studi Roma Tre - Corso di Laurea in Matematica
Universitá degli Studi Roma Tre - Corso di Laurea in Matematica Tutorato di GE110 A.A. 2014-2015 - Docente: Prof. Angelo Felice Lopez Tutori: Federico Campanini e Giulia Salustri Soluzioni Tutorato 13
DettagliControlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.
Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:
DettagliLa categoria «ES» presenta (di solito) gli stessi comandi
Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliEsempi di funzione. Scheda Tre
Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.
DettagliCorso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti
Corso di Analisi Numerica - AN1 Parte 2: metodi diretti per sistemi lineari Roberto Ferretti Richiami sulle norme e sui sistemi lineari Il Metodo di Eliminazione di Gauss Il Metodo di Eliminazione con
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliForze come grandezze vettoriali
Forze come grandezze vettoriali L. Paolucci 23 novembre 2010 Sommario Esercizi e problemi risolti. Per la classe prima. Anno Scolastico 2010/11 Parte 1 / versione 2 Si ricordi che la risultante di due
DettagliLezione 8. La macchina universale
Lezione 8 Algoritmi La macchina universale Un elaboratore o computer è una macchina digitale, elettronica, automatica capace di effettuare trasformazioni o elaborazioni su i dati digitale= l informazione
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
DettagliGrandezze scalari e vettoriali
Grandezze scalari e vettoriali Esempio vettore spostamento: Esistono due tipi di grandezze fisiche. a) Grandezze scalari specificate da un valore numerico (positivo negativo o nullo) e (nel caso di grandezze
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it A.Studio dell interdipendenza tra variabili: riepilogo Concetto relativo allo studio delle relazioni tra
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI Esercizi Esercizio 1. Sia f: R 3 R 2 (x, y, z) (x + 2y + z, y + z). (1) Verificare che f è lineare. (2) Determinare una base di ker(f) e stabilire se f è iniettiva. (3) Calcolare w
DettagliESTRAZIONE DI RADICE
ESTRAZIONE DI RADICE La radice è l operazione inversa dell elevamento a potenza. L esponente della potenza è l indice della radice che può essere: quadrata (); cubica (); quarta (4); ecc. La base della
DettagliSISTEMI DI NUMERAZIONE E CODICI
SISTEMI DI NUMERAZIONE E CODICI Il Sistema di Numerazione Decimale Il sistema decimale o sistema di numerazione a base dieci usa dieci cifre, dette cifre decimali, da O a 9. Il sistema decimale è un sistema
DettagliCapitolo 2 Distribuzioni di frequenza
Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
Dettagli(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto.
29 giugno 2009 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola
DettagliSTATISTICA DESCRITTIVA BIVARIATA
STATISTICA DESCRITTIVA BIVARIATA Si parla di Analisi Multivariata quando su ogni unità statistica, appartenente ad una determinata popolazione, si rileva un certo numero s di caratteri X 1, X 2,,X s. Si
DettagliRETTE, PIANI, SFERE, CIRCONFERENZE
RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,
DettagliTecniche di analisi multivariata
Tecniche di analisi multivariata Metodi che fanno riferimento ad un modello distributivo assunto per le osservazioni e alla base degli sviluppi inferenziali - tecniche collegate allo studio della dipendenza
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliDiagonalizzazione di matrici e applicazioni lineari
CAPITOLO 9 Diagonalizzazione di matrici e applicazioni lineari Esercizio 9.1. Verificare che v = (1, 0, 0, 1) è autovettore dell applicazione lineare T così definita T(x 1,x 2,x 3,x 4 ) = (2x 1 2x 3, x
DettagliSpazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007
Spazi lineari - PARTE II - Felice Iavernaro Dipartimento di Matematica Università di Bari 9 e 16 Marzo 2007 Felice Iavernaro (Univ. Bari) Spazi lineari 9-16/03/2007 1 / 17 Condizionamento dei sistemi lineari
DettagliGEOMETRIA I Corso di Geometria I (seconda parte)
Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo
DettagliMATEMATICA 2001. p = 4/6 = 2/3; q = 1-2/3 = 1/3. La risposta corretta è quindi la E).
MATEMATICA 2001 66. Quale fra le seguenti affermazioni è sbagliata? A) Tutte le funzioni ammettono la funzione inversa B) Una funzione dispari è simmetrica rispetto all origine C) Una funzione pari è simmetrica
DettagliLE SUCCESSIONI 1. COS E UNA SUCCESSIONE
LE SUCCESSIONI 1. COS E UNA SUCCESSIONE La sequenza costituisce un esempio di SUCCESSIONE. Ecco un altro esempio di successione: Una successione è dunque una sequenza infinita di numeri reali (ma potrebbe
DettagliUniversita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica
Universita degli Studi di Roma Tor Vergata Facolta di Ingegneria Elettronica Terzo Appello del corso di Geometria e Algebra II Parte - Docente F. Flamini, Roma, 7/09/2007 SVOLGIMENTO COMPITO III APPELLO
DettagliUn gioco con tre dadi
Un gioco con tre dadi Livello scolare: biennio Abilità interessate Costruire lo spazio degli eventi in casi semplici e determinarne la cardinalità. Valutare la probabilità in diversi contesti problematici.
DettagliI.I.S. Primo Levi Badia Polesine A.S. 2012-2013
LGEBR DI BOOLE I.I.S. Primo Levi Badia Polesine.S. 2012-2013 Nel secolo scorso il matematico e filosofo irlandese Gorge Boole (1815-1864), allo scopo di procurarsi un simbolismo che gli consentisse di
DettagliOttimizazione vincolata
Ottimizazione vincolata Ricordiamo alcuni risultati provati nella scheda sulla Teoria di Dini per una funzione F : R N+M R M di classe C 1 con (x 0, y 0 ) F 1 (a), a = (a 1,, a M ), punto in cui vale l
DettagliAppunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.
Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine
DettagliDeterminante e inversa di una matrice
CPITOLO 6 Determinante e inversa di una matrice Esercizio 6.. Calcolare il determinante delle seguenti matrici: 3 3 = B = 0 3 7 C = 0 D = 0 F = 0 0 3 4 0 3 4 3 Esercizio 6.. Calcolare il determinante delle
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliAlcune nozioni di base di Logica Matematica
Alcune nozioni di base di Logica Matematica Ad uso del corsi di Programmazione I e II Nicola Galesi Dipartimento di Informatica Sapienza Universitá Roma November 1, 2007 Questa é una breve raccolta di
DettagliPre Test 2008... Matematica
Pre Test 2008... Matematica INSIEMI NUMERICI Gli insiemi numerici (di numeri) sono: numeri naturali N: insieme dei numeri interi e positivi {1; 2; 3; 4;...} numeri interi relativi Z: insieme dei numeri
DettagliESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE
ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114
DettagliSistemi Trifase. invece è nel senso degli anticipi (+) il sistema è denominato simmetrico inverso.
Sistemi Trifase Un insieme di m generatori che producono f.e.m. sinusoidali di eguale valore massimo e sfasate tra di loro dello stesso angolo (2π/m) è un sistema polifase simmetrico ad m fasi. Se lo sfasamento
DettagliIL CONCETTO DI FUNZIONE
IL CONCETTO DI FUNZIONE Il concetto di funzione è forse il concetto più importante per la matematica: infatti la matematica e' cercare le cause, le implicazioni, le conseguenze e l'utilità di una funzione
Dettagli(a cura di Francesca Godioli)
lezione n. 12 (a cura di Francesca Godioli) Ad ogni categoria della variabile qualitativa si può assegnare un valore numerico che viene chiamato SCORE. Passare dalla variabile qualitativa X2 a dei valori
DettagliExcel. A cura di Luigi Labonia. e-mail: luigi.lab@libero.it
Excel A cura di Luigi Labonia e-mail: luigi.lab@libero.it Introduzione Un foglio elettronico è un applicazione comunemente usata per bilanci, previsioni ed altri compiti tipici del campo amministrativo
DettagliRELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della
RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili
DettagliMetodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla
Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliOnestà di un dado. Relazione sperimentale
Onestà di un dado Relazione sperimentale La valutazione dell onesta di un qualunque dado a n facce è svolta mediante l analisi statistica di un set di tiri del medesimo ed il confronto con i valori teorici.
DettagliCorso di laurea in Economia e Gestione delle Arti e delle Attività Culturali a.a. 2003-2004 INTRODUZIONE ALLA STATISTICA DESCRITTIVA
Corso di laurea in Economia e Gestione delle Arti e delle Attività Culturali a.a. 2003-2004 INTRODUZIONE ALLA STATISTICA DESCRITTIVA Prof. Stefania Funari Parte I TERMINOLOGIA STATISTICA e CONCETTI INTRODUTTIVI
DettagliLE FUNZIONI E LE LORO PROPRIETÀ
LE FUNZIONI E LE LORO PROPRIETÀ LE FUNZIONI REALI DI VARIABILE REALE COSA SONO LE FUNZIONI Dati due sottoinsiemi A e B non vuoti di R, una FUNZIONE da A a B è una relazione che associa ad ogni numero reale
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
Dettagli2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1
1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1
Dettagli( x) ( x) 0. Equazioni irrazionali
Equazioni irrazionali Definizione: si definisce equazione irrazionale un equazione in cui compaiono uno o più radicali contenenti l incognita. Esempio 7 Ricordiamo quanto visto sulle condizioni di esistenza
Dettaglietà sesso luogo-abitazione scuola superiore esperienza insegnamento 1 2 2 2 1 2 2 2 2 2 1 2 3 2 2 2 1 2 4 2 2 2 1 2 5 3 2 2 1 2 6 2 2 2 1 2 7 3 2 1 1
età sesso luogo-abitazione scuola superiore esperienza insegnamento 1 1 1 3 1 4 1 5 3 1 6 1 7 3 1 1 8 3 1 9 3 1 10 3 1 11 3 1 1 1 13 4 1 1 14 3 1 15 1 16 1 17 1 18 1 19 1 0 1 1 1 1 3 3 1 4 1 Come analizzare
DettagliAlgebra e Geometria. Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2)
Algebra e Geometria Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2) Traccia delle lezioni che saranno svolte nell anno accademico 2012/13 I seguenti appunti
DettagliCapitolo II. La forma del valore. 7. La duplice forma in cui si presenta la merce: naturale e di valore.
Capitolo II La forma del valore 7. La duplice forma in cui si presenta la merce: naturale e di valore. I beni nascono come valori d uso: nel loro divenire merci acquisiscono anche un valore (di scambio).
DettagliUNIVERSITÀ DEGLI STUDI DI TERAMO
UNIVERSITÀ DEGLI STUDI DI TERAMO CORSO DI LAUREA IN ECONOMIA BANCARIA FINANZIARIA ED ASSICURATIVA (Classe 7) Corso di Matematica per l Economia (Prof. F. Eugeni) TEST DI INGRESSO Teramo, ottobre 00 SEZIONE
DettagliINDICE PREFAZIONE VII
INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione
DettagliCORSO DI LAUREA IN INGEGNERIA.
CORSO DI LAUREA IN INGEGNERIA. FOGLIO DI ESERCIZI 4 GEOMETRIA E ALGEBRA LINEARE 2010/11 Esercizio 4.1 (2.2). Determinare l equazione parametrica e Cartesiana della retta dello spazio (a) Passante per i
DettagliCONCETTO DI LIMITE DI UNA FUNZIONE REALE
CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliAPPLICAZIONI LINEARI
APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)
DettagliProdotto elemento per elemento, NON righe per colonne Unione: M R S
Relazioni binarie Una relazione binaria può essere rappresentata con un grafo o con una matrice di incidenza. Date due relazioni R, S A 1 A 2, la matrice di incidenza a seguito di varie operazioni si può
DettagliAnno 5 4 Funzioni reali. elementari
Anno 5 4 Funzioni reali elementari 1 Introduzione In questa lezione studieremo alcune funzioni molto comuni, dette per questo funzioni elementari. Al termine di questa lezione sarai in grado di definire
DettagliAutovalori e Autovettori
Daniela Lera Università degli Studi di Cagliari Dipartimento di Matematica e Informatica A.A. 2008-2009 Autovalori e Autovettori Definizione Siano A C nxn, λ C, e x C n, x 0, tali che Ax = λx. (1) Allora
DettagliSOMMARIO. 13.1 I radicali pag. 3. 13.2 I radicali aritmetici pag. 5. 13.3 Moltiplicazione e divisione fra radicali aritmetici pag.
SOMMARIO CAPITOLO : I RADICALI. I radicali pag.. I radicali aritmetici pag.. Moltiplicazione e divisione fra radicali aritmetici pag.. Potenza di un radicale aritmetico pag.. Trasporto di un fattore esterno
Dettagli2 FUNZIONI REALI DI VARIABILE REALE
2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento
DettagliParte II Indice. Operazioni aritmetiche tra valori rappresentati in binario puro. Rappresentazione di numeri con segno
Parte II Indice Operazioni aritmetiche tra valori rappresentati in binario puro somma sottrazione Rappresentazione di numeri con segno modulo e segno complemento a 2 esercizi Operazioni aritmetiche tra
DettagliMatematica e Statistica
Matematica e Statistica Prova d esame (0/07/03) Università di Verona - Laurea in Biotecnologie - A.A. 0/3 Matematica e Statistica Prova di MATEMATICA (0/07/03) Università di Verona - Laurea in Biotecnologie
DettagliALGEBRA DELLE PROPOSIZIONI
Università di Salerno Fondamenti di Informatica Corso di Laurea Ingegneria Corso B Docente: Ing. Giovanni Secondulfo Anno Accademico 2010-2011 ALGEBRA DELLE PROPOSIZIONI Fondamenti di Informatica Algebra
DettagliL analisi dei dati. Capitolo 4. 4.1 Il foglio elettronico
Capitolo 4 4.1 Il foglio elettronico Le più importanti operazioni richieste dall analisi matematica dei dati sperimentali possono essere agevolmente portate a termine da un comune foglio elettronico. Prenderemo
DettagliIndici (Statistiche) che esprimono le caratteristiche di simmetria e
Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica
DettagliEsercizi di Macroeconomia per il corso di Economia Politica
Esercizi di Macroeconomia per il corso di Economia Politica (Gli esercizi sono suddivisi in base ai capitoli del testo di De Vincenti) CAPITOLO 3. IL MERCATO DEI BENI NEL MODELLO REDDITO-SPESA Esercizio.
DettagliLezione n. 2 (a cura di Chiara Rossi)
Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,
DettagliMAPPE DI KARNAUGH. Nei capitoli precedenti si è visto che è possibile associare un circuito elettronico o elettrico ad una funzione logica.
MAPPE DI KARNAUGH 1. Generalità Nei capitoli precedenti si è visto che è possibile associare un circuito elettronico o elettrico ad una funzione logica. E ovvio che più semplice è la funzione e più semplice
DettagliRango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.
CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1
DettagliIntroduzione al Foglio Elettronico
Microsoft Excel Introduzione al Foglio Elettronico Il Foglio Elettronico Si presenta come una grande tabella su un foglio di carta Le celle contengono differenti dati Numeri Testo Date Ecc I dati possono
Dettagli