Statistica descrittiva in due variabili
|
|
|
- Dario Massari
- 6 anni fa
- Visualizzazioni
Transcript
1 Statistica descrittiva in due variabili 1 / 65
2 Statistica descrittiva in due variabili 1 / 65 Supponiamo di misurare su un campione statistico due diverse variabili X e Y. Indichiamo come al solito con i valori osservati. X =(x 1,...,x N ) Y =(y 1,...,y N )
3 1 / 65 Statistica descrittiva in due variabili Supponiamo di misurare su un campione statistico due diverse variabili X e Y. Indichiamo come al solito con X =(x 1,...,x N ) Y =(y 1,...,y N ) i valori osservati. In questo caso abbiamo due possibilità Studiare le due variabili separatamente Studiare se esistono dei legami tra le due variabili
4 1 / 65 Statistica descrittiva in due variabili Supponiamo di misurare su un campione statistico due diverse variabili X e Y. Indichiamo come al solito con X =(x 1,...,x N ) Y =(y 1,...,y N ) i valori osservati. In questo caso abbiamo due possibilità Studiare le due variabili separatamente Studiare se esistono dei legami tra le due variabili Di fatto la cosa più importante, quando si misurano due caratteri sullo stesso campione, è capire se le due variabili sono dipendenti, cioè se variazioni di una producono variazioni dell altra.
5 Tabella di contingenza 2 / 65 Per determinare se due variabili sono dipendenti o indipendenti si procede nel modo seguente.
6 Tabella di contingenza 2 / 65 Per determinare se due variabili sono dipendenti o indipendenti si procede nel modo seguente. Si costruisce per primo una tabella a doppia entrata, o di contingenza, che, per semplicità, descriveremo con un esempio.
7 Dati i vettori X =(4,18,10,16,1,10,1,9,11,9,18,15,8,12,17,2,10,3,18,4,19, 11,15,10,12,9,17,8,6,13) 3 / 65 Y =(27,13,23,17,19,26,23,2,25,21,3,11,14,10,3,24,11,15,7,10, 6,30,8,24,8,20,28,26,29,30) suddividiamo le ampiezze di X e Y in sotto intervalli, allo stesso modo con cui abbiamo operato per il calcolo delle frequenze assolute.
8 Dati i vettori X =(4,18,10,16,1,10,1,9,11,9,18,15,8,12,17,2,10,3,18,4,19, 11,15,10,12,9,17,8,6,13) 3 / 65 Y =(27,13,23,17,19,26,23,2,25,21,3,11,14,10,3,24,11,15,7,10, 6,30,8,24,8,20,28,26,29,30) suddividiamo le ampiezze di X e Y in sotto intervalli, allo stesso modo con cui abbiamo operato per il calcolo delle frequenze assolute. X ha ampiezza 18 mentre Y ha ampiezza 28
9 Dati i vettori X =(4,18,10,16,1,10,1,9,11,9,18,15,8,12,17,2,10,3,18,4,19, 11,15,10,12,9,17,8,6,13) 3 / 65 Y =(27,13,23,17,19,26,23,2,25,21,3,11,14,10,3,24,11,15,7,10, 6,30,8,24,8,20,28,26,29,30) suddividiamo le ampiezze di X e Y in sotto intervalli, allo stesso modo con cui abbiamo operato per il calcolo delle frequenze assolute. X ha ampiezza 18 mentre Y ha ampiezza 28 Dividiamo l ampiezza di X in due intervalli di lunghezza 10 Dividiamo l ampiezza di Y in tre intervalli di lunghezza 10.
10 Dati i vettori X =(4,18,10,16,1,10,1,9,11,9,18,15,8,12,17,2,10,3,18,4,19, 11,15,10,12,9,17,8,6,13) Y =(27,13,23,17,19,26,23,2,25,21,3,11,14,10,3,24,11,15,7,10, 6,30,8,24,8,20,28,26,29,30) suddividiamo le ampiezze di X e Y in sotto intervalli, allo stesso modo con cui abbiamo operato per il calcolo delle frequenze assolute. X ha ampiezza 18 mentre Y ha ampiezza 28 Dividiamo l ampiezza di X in due intervalli di lunghezza 10 Dividiamo l ampiezza di Y in tre intervalli di lunghezza 10. X # Y! J 1 =[1,11) J 2 =[11,21) J 3 =[21,31) I 1 =[1,11) I 2 =[11,21) 3 / 65
11 Dati i vettori X =(4,18,10,16,1,10,1,9,11,9,18,15,8,12,17,2,10,3,18,4,19, 11,15,10,12,9,17,8,6,13) Y =(27,13,23,17,19,26,23,2,25,21,3,11,14,10,3,24,11,15,7,10, 6,30,8,24,8,20,28,26,29,30) suddividiamo le ampiezze di X e Y in sotto intervalli, allo stesso modo con cui abbiamo operato per il calcolo delle frequenze assolute. X ha ampiezza 18 mentre Y ha ampiezza 28 Dividiamo l ampiezza di X in due intervalli di lunghezza 10 Dividiamo l ampiezza di Y in tre intervalli di lunghezza 10. X # Y! J 1 =[1,11) J 2 =[11,21) J 3 =[21,31) I 1 =[1,11) n 11 n 12 n 13 I 2 =[11,21) n 21 n 22 n 23 3 / 65
12 Dati i vettori X =(4,18,10,16,1,10,1,9,11,9,18,15,8,12,17,2,10,3,18,4,19, 11,15,10,12,9,17,8,6,13) Y =(27,13,23,17,19,26,23,2,25,21,3,11,14,10,3,24,11,15,7,10, 6,30,8,24,8,20,28,26,29,30) suddividiamo le ampiezze di X e Y in sotto intervalli, allo stesso modo con cui abbiamo operato per il calcolo delle frequenze assolute. X ha ampiezza 18 mentre Y ha ampiezza 28 Dividiamo l ampiezza di X in due intervalli di lunghezza 10 Dividiamo l ampiezza di Y in tre intervalli di lunghezza 10. X # Y! J 1 =[1,11) J 2 =[11,21) J 3 =[21,31) I 1 =[1,11) I 2 =[11,21) 3 / 65
13 Adesso disponiamo i valori dei vettori X e Y in verticale e coloriamo le componenti con il colore dell intervallo a cui appartengono. X Y / 65
14 Adesso disponiamo i valori dei vettori X e Y in verticale e coloriamo le componenti con il colore dell intervallo a cui appartengono. X Y X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) 5 / 65
15 Adesso disponiamo i valori dei vettori X e Y in verticale e coloriamo le componenti con il colore dell intervallo a cui appartengono. X Y X # Y! [1,11) [11,21) [21,31) [1, 11) 2 [11, 21) 6 / 65
16 Adesso disponiamo i valori dei vettori X e Y in verticale e coloriamo le componenti con il colore dell intervallo a cui appartengono. X Y X # Y! [1,11) [11,21) [21,31) [1, 11) 2 5 [11, 21) 7 / 65
17 Adesso disponiamo i valori dei vettori X e Y in verticale e coloriamo le componenti con il colore dell intervallo a cui appartengono. X Y X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) 8 / 65
18 Adesso disponiamo i valori dei vettori X e Y in verticale e coloriamo le componenti con il colore dell intervallo a cui appartengono. X Y X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) 7 9 / 65
19 Adesso disponiamo i valori dei vettori X e Y in verticale e coloriamo le componenti con il colore dell intervallo a cui appartengono. X Y X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) / 65
20 Adesso disponiamo i valori dei vettori X e Y in verticale e coloriamo le componenti con il colore dell intervallo a cui appartengono. X Y X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) / 65
21 X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) Questa rappresenta la tabella di contingenza e le entrate rappresentano le frequenze osservate. 12 / 65
22 X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) Questa rappresenta la tabella di contingenza e le entrate rappresentano le frequenze osservate. Completiamo la tabella inserendo le distribuzioni marginali che si ottengono sommando in verticale ed in orizzontale le frequenze osservate. X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) / 65
23 X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) Questa rappresenta la tabella di contingenza e le entrate rappresentano le frequenze osservate. Completiamo la tabella inserendo le distribuzioni marginali che si ottengono sommando in verticale ed in orizzontale le frequenze osservate. X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) Il numero in basso a destra, corrispondente alla somma delle frequenze marginali, è pari al numero delle unità statistiche. 12 / 65
24 Frequenze attese 13 / 65 Frequenze osservate Frequenze attese X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21)
25 Frequenze attese 14 / 65 Frequenze osservate Frequenze attese X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21)
26 Frequenze attese 15 / 65 Frequenze osservate Frequenze attese X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21)
27 Frequenze attese 16 / 65 Frequenze osservate Frequenze attese X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) X # Y! [1,11) [11,21) [21,31) [1,11) [11,21)
28 17 / 65 Definizione Diremo che due variabili sono dipendenti se le frequenze osservate sono molto diverse da quelle attese.
29 17 / 65 Definizione Diremo che due variabili sono dipendenti se le frequenze osservate sono molto diverse da quelle attese. ma cosa vuol dire molto diverse?
30 17 / 65 Definizione Diremo che due variabili sono dipendenti se le frequenze osservate sono molto diverse da quelle attese. ma cosa vuol dire molto diverse? Per capire quanto sono diverse si può calcolare la distanza delle frequenze osservate da quelle attese. Si calcola un numero chiamato c 2 (si legge chi-quadro)
31 Torniamo all esempio Frequenze osservate Frequenze attese X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) / 65
32 Torniamo all esempio 18 / 65 Frequenze osservate Frequenze attese X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) c 2 = (2 4.8) 2 4.8
33 Torniamo all esempio 18 / 65 Frequenze osservate Frequenze attese X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) c 2 = (2 4.8) (5 4.3)2 4.3
34 Torniamo all esempio 18 / 65 Frequenze osservate Frequenze attese X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) c 2 = (2 4.8) (5 4.3) (9 6.9)2 6.9
35 Torniamo all esempio Frequenze osservate Frequenze attese X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) c 2 = + (2 4.8) (7 4.2)2 4.2 (5 4.3) (9 6.9) / 65
36 Torniamo all esempio Frequenze osservate Frequenze attese X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) c 2 = + (2 4.8) 2 (5 4.3) (7 4.2)2 (3 3.7) (9 6.9) / 65
37 Torniamo all esempio Frequenze osservate Frequenze attese X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) c 2 = + (2 4.8) 2 (5 4.3)2 (9 6.9) (7 4.2)2 (3 3.7)2 (4 6.1) / 65
38 Torniamo all esempio Frequenze osservate Frequenze attese X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) X # Y! [1,11) [11,21) [21,31) [1, 11) [11, 21) c 2 = + (2 4.8) 2 (5 4.3)2 (9 6.9) (7 4.2)2 (3 3.7)2 (4 6.1) ' / 65
39 Utilizzo del c 2 19 / 65 Se c 2 = 0 se e solo se le variabili sono matematicamente indipendenti.
40 19 / 65 Utilizzo del c 2 Se c 2 = 0 se e solo se le variabili sono matematicamente indipendenti. Da un punto di vista qualitativo si può dire che: per valori di c 2 grandi le variabili sono dipendenti per valori di c 2 piccoli le variabili sono indipendenti
41 19 / 65 Utilizzo del c 2 Se c 2 = 0 se e solo se le variabili sono matematicamente indipendenti. Da un punto di vista qualitativo si può dire che: per valori di c 2 grandi le variabili sono dipendenti per valori di c 2 piccoli le variabili sono indipendenti In statistica è stato elaborato un test per calcolare con che fiducia, noto il valore del c 2, si possa affermare che due variabili siano dipendenti.
42 19 / 65 Utilizzo del c 2 Se c 2 = 0 se e solo se le variabili sono matematicamente indipendenti. Da un punto di vista qualitativo si può dire che: per valori di c 2 grandi le variabili sono dipendenti per valori di c 2 piccoli le variabili sono indipendenti In statistica è stato elaborato un test per calcolare con che fiducia, noto il valore del c 2, si possa affermare che due variabili siano dipendenti. Questo test prende il nome di Test del c 2
43 Calcolo della fiducia 20 / 65 Per calcolare la fiducia si calcola per primo un numero, denotato con df, che misura i gradi di libertà, definito come df =(numero colonne 1)(numero righe 1)
44 Calcolo della fiducia 20 / 65 Per calcolare la fiducia si calcola per primo un numero, denotato con df, che misura i gradi di libertà, definito come Nell esempio df =(numero colonne 1)(numero righe 1) df =(2 1)(3 1)=2
45 Calcolo della fiducia Per calcolare la fiducia si calcola per primo un numero, denotato con df, che misura i gradi di libertà, definito come Nell esempio df =(numero colonne 1)(numero righe 1) df =(2 1)(3 1)=2 Calcolati il c 2 ed il df si utilizza la seguente tabella. df a = 0.2 a = 0.15 a = 0.1 a = 0.05 a = a = 0.01 a = a = / 65
46 21 / 65 Vediamo il nostro esempio c 2 = 5.11 df =(2 1)(3 1)=2
47 Vediamo il nostro esempio c 2 = 5.11 df =(2 1)(3 1)=2 df a = 0.2 a = 0.15 a = 0.1 a = 0.05 a = a = 0.01 a = a / 65
48 Vediamo il nostro esempio c 2 = 5.11 df =(2 1)(3 1)=2 df a = 0.2 a = 0.15 a = 0.1 a = 0.05 a = a = 0.01 a = a / 65
49 Vediamo il nostro esempio c 2 = 5.11 df =(2 1)(3 1)=2 df a = 0.2 a = 0.15 a = 0.1 a = 0.05 a = a = 0.01 a = a / 65
50 Il valore a = 0.1 rappresenta la sfiducia 24 / 65
51 24 / 65 Il valore a = 0.1 rappresenta la sfiducia Quindi cui la fiducia in percentuale risulta: F = 100(1 a)
52 24 / 65 Il valore a = 0.1 rappresenta la sfiducia Quindi cui la fiducia in percentuale risulta: F = 100(1 a) = 100(1 0.1)
53 24 / 65 Il valore a = 0.1 rappresenta la sfiducia Quindi cui la fiducia in percentuale risulta: F = 100(1 a) = 100(1 0.1) = 100(0.9)
54 24 / 65 Il valore a = 0.1 rappresenta la sfiducia Quindi cui la fiducia in percentuale risulta: F = 100(1 a) = 100(1 0.1) = 100(0.9) = 90%
55 24 / 65 Il valore a = 0.1 rappresenta la sfiducia Quindi cui la fiducia in percentuale risulta: F = 100(1 a) = 100(1 0.1) = 100(0.9) = 90% Possiamo affermare che le due variabili sono dipendenti con una fiducia del 90%.
56 Il caso / 65 Se la tabella di contingenza è 2 2, cioè del tipo X # Y! J 1 J 2 I 1 a b a + b I 2 c d c + d a + c b + d N
57 Il caso / 65 Se la tabella di contingenza è 2 2, cioè del tipo X # Y! J 1 J 2 I 1 a b a + b I 2 c d c + d a + c b + d N si può calcolare il c 2 senza calcolare le frequenze attese tramite la formula c 2 (ad bc) 2 = N (a + b)(c + d)(a + c)(b + d)
58 Uso del test del c 2 26 / 65 Di solito l uso del test del c 2 è riservato allo studio di due variabili qualitative rilevate su un campione statistico.
59 26 / 65 Uso del test del c 2 Di solito l uso del test del c 2 è riservato allo studio di due variabili qualitative rilevate su un campione statistico. Esempio In uno studio di immunologia, vengono studiate 111 cavie nel modo seguente: 57 di esse ricevono una dose di batteri patogeni seguiti da un antisiero; le restanti 54 ricevono solo i batteri ma non l antisiero.
60 26 / 65 Uso del test del c 2 Di solito l uso del test del c 2 è riservato allo studio di due variabili qualitative rilevate su un campione statistico. Esempio In uno studio di immunologia, vengono studiate 111 cavie nel modo seguente: 57 di esse ricevono una dose di batteri patogeni seguiti da un antisiero; le restanti 54 ricevono solo i batteri ma non l antisiero. Dopo un tempo sufficiente per il periodo di incubazione e per il decorso della malattia si contano 38 cavie morte di cui: 12 avevano ricevuto il siero 26 solo i batteri
61 26 / 65 Uso del test del c 2 Di solito l uso del test del c 2 è riservato allo studio di due variabili qualitative rilevate su un campione statistico. Esempio In uno studio di immunologia, vengono studiate 111 cavie nel modo seguente: 57 di esse ricevono una dose di batteri patogeni seguiti da un antisiero; le restanti 54 ricevono solo i batteri ma non l antisiero. Dopo un tempo sufficiente per il periodo di incubazione e per il decorso della malattia si contano 38 cavie morte di cui: 12 avevano ricevuto il siero 26 solo i batteri L antisiero è efficace?
62 Per valutare l efficacia costruiamo una tabella di contingenza indicando con: 27 / 65 BA = cavia inoculata con batteri e antisiero B = cavia inoculata con solo batteri D = cavia deceduta S = cavia sopravissuta
63 Per valutare l efficacia costruiamo una tabella di contingenza indicando con: 27 / 65 BA = cavia inoculata con batteri e antisiero B = cavia inoculata con solo batteri D = cavia deceduta S = cavia sopravissuta Si ottiene la seguente tabella di contingenza: 57 ricevonoi batteri patogeni e antisiero; 54 ricevono solo i batteri 12 morte avevano ricevuto il siero 26 morte solo i batteri Dalla formula per il calcolo del c 2 per una tabella 2 2 si ottiene BA B c 2 ( )2 = 111 w D S
64 Per valutare l efficacia costruiamo una tabella di contingenza indicando con: 28 / 65 BA = cavia inoculata con batteri e antisiero B = cavia inoculata con solo batteri D = cavia deceduta S = cavia sopravissuta Si ottiene la seguente tabella di contingenza: 57 ricevonoi batteri patogeni e antisiero; D S 54 ricevono solo i batteri BA morte avevano ricevuto il siero B morte solo i batteri Dalla formula per il calcolo del c 2 per una tabella 2 2 si ottiene c 2 ( )2 = 111 w
65 Per valutare l efficacia costruiamo una tabella di contingenza indicando con: BA = cavia inoculata con batteri e antisiero B = cavia inoculata con solo batteri D = cavia deceduta S = cavia sopravissuta Si ottiene la seguente tabella di contingenza: 57 ricevonoi batteri patogeni e antisiero; 54 ricevono solo i batteri 12 morte avevano ricevuto il siero 26 morte solo i batteri D S BA B / 65
66 Per valutare l efficacia costruiamo una tabella di contingenza indicando con: BA = cavia inoculata con batteri e antisiero B = cavia inoculata con solo batteri D = cavia deceduta S = cavia sopravissuta Si ottiene la seguente tabella di contingenza: 57 ricevonoi batteri patogeni e antisiero; 54 ricevono solo i batteri 12 morte avevano ricevuto il siero 26 morte solo i batteri D S BA B Dalla formula per il calcolo del c 2 per una tabella 2 2 si ottiene c 2 ( )2 = 111 w / 65
67 30 / 65 Dalla tabella del c 2 df a = 0.2 a = 0.15 a = 0.1 a = 0.05 a = a = 0.01 a = a = si ottiene a = da cui la fiducia F = 100( )=99.5%
68 30 / 65 Dalla tabella del c 2 df a = 0.2 a = 0.15 a = 0.1 a = 0.05 a = a = 0.01 a = a = si ottiene a = da cui la fiducia F = 100( )=99.5% Possiamo quindi affermare che le due variabili sono dipendenti con una fiducia del Questo significa che il l antisiero è efficace.
69 Diagramma di dispersione 31 / 65 Supponiamo di misurare su un campione statistico due diverse variabili X e Y. Indichiamo come al solito con X =(X 1,...,X N ) Y =(Y 1,...,Y N ) i valori osservati. Supponiamo inoltre di aver verificato che le due variabili sono statisticamente dipendenti.
70 Diagramma di dispersione 31 / 65 Supponiamo di misurare su un campione statistico due diverse variabili X e Y. Indichiamo come al solito con X =(X 1,...,X N ) Y =(Y 1,...,Y N ) i valori osservati. Supponiamo inoltre di aver verificato che le due variabili sono statisticamente dipendenti. Il problema naturale è capire quale tipo di dipendenza matematica intercorre tra le due variabili.
71 Diagramma di dispersione 31 / 65 Supponiamo di misurare su un campione statistico due diverse variabili X e Y. Indichiamo come al solito con X =(X 1,...,X N ) Y =(Y 1,...,Y N ) i valori osservati. Supponiamo inoltre di aver verificato che le due variabili sono statisticamente dipendenti. Il problema naturale è capire quale tipo di dipendenza matematica intercorre tra le due variabili. In altre parole ci si chiede se sia possibile determinare una funzione y = f (x) che, con una buona approssimazione, soddisfi: Y i = f (X i ) i = 1,...,N
72 Diagramma di dispersione 31 / 65 Supponiamo di misurare su un campione statistico due diverse variabili X e Y. Indichiamo come al solito con X =(X 1,...,X N ) Y =(Y 1,...,Y N ) i valori osservati. Supponiamo inoltre di aver verificato che le due variabili sono statisticamente dipendenti. Il problema naturale è capire quale tipo di dipendenza matematica intercorre tra le due variabili. In altre parole ci si chiede se sia possibile determinare una funzione y = f (x) che, con una buona approssimazione, soddisfi: Y i = f (X i ) i = 1,...,N Un primo tentativo è osservare il diagramma di dispersione associato alle variabili X e Y e costruito nel modo seguente.
73 Nuvole di punti 32 / 65 Si costruisce un nuovo vettore P = X Y =((X 1,Y 1 ),...,(X N,X N )) = (P 1,...,P N ) In un sistema di riferimento cartesiano si tracciano gli N punti. Si ottiene in questo modo il diagramma di dispersione
74 Nuvole di punti 32 / 65 Si costruisce un nuovo vettore P = X Y =((X 1,Y 1 ),...,(X N,X N )) = (P 1,...,P N ) In un sistema di riferimento cartesiano si tracciano gli N punti. Si ottiene in questo modo il diagramma di dispersione Per esempio per i vettori X =(4,18,10,16,1,10,0,9,11,9,18,15,8,12,17,2,10,3,18,4,19, 11,15,10,12,9,17,8,6,13) Y =(27,13,23,17,19,26,23,2,25,21,3,11,14,10,3,24,11,15,7,10, 6,30,8,24,8,20,28,26,29,30) si ottiene
75 33 /
76 Tipi di diagrammi di dispersione 34 /
77 Tipo retta y = x /
78 Tipi di diagrammi di dispersione 36 /
79 Tipo parabola y = x 2 37 /
80 Tipi di diagrammi di dispersione 38 /
81 39 / 65 Tipo iperbole y = 1 x
82 Regressione lineare 40 / 65 La situazione più semplice è quando il diagramma di dispersione segue l andamento di una retta. I problemi da risolvere in questa situazione sono essenzialmente due
83 40 / 65 Regressione lineare La situazione più semplice è quando il diagramma di dispersione segue l andamento di una retta. I problemi da risolvere in questa situazione sono essenzialmente due esiste un modo quantitativo per decidere quanto il diagramma di dispersione sia sufficientemente vicino ad una retta?
84 40 / 65 Regressione lineare La situazione più semplice è quando il diagramma di dispersione segue l andamento di una retta. I problemi da risolvere in questa situazione sono essenzialmente due esiste un modo quantitativo per decidere quanto il diagramma di dispersione sia sufficientemente vicino ad una retta? nel caso fosse sufficientemente vicino come calcolo l equazione della retta?
85 40 / 65 Regressione lineare La situazione più semplice è quando il diagramma di dispersione segue l andamento di una retta. I problemi da risolvere in questa situazione sono essenzialmente due esiste un modo quantitativo per decidere quanto il diagramma di dispersione sia sufficientemente vicino ad una retta? nel caso fosse sufficientemente vicino come calcolo l equazione della retta? Per dare una risposta a questi quesiti dobbiamo introdurre un nuovo indice.
86 La covarianza 41 / 65 Siano X e Y due variabili indicate, come al solito, con X =(X 1,...,X N ) Y =(Y 1,...,Y N ) Definizione Si chiama covarianza di X e Y il numero Cov(X,Y) = 1 N N Â k=1 (X k X)(Y k Y)
87 La covarianza 41 / 65 Siano X e Y due variabili indicate, come al solito, con X =(X 1,...,X N ) Y =(Y 1,...,Y N ) Definizione Si chiama covarianza di X e Y il numero Cov(X,Y) = 1 N N Â k=1 (X k X)(Y k Y) = (X 1 X)(Y 1 Y)+ +(X N X)(Y N Y) N
88 Calcolo della covarianza 42 / 65 Calcoliamo la covarianza dei vettori X =(8,3,4,1) Y =(2,9,6,3)
89 Calcolo della covarianza 42 / 65 Calcoliamo la covarianza dei vettori X =(8,3,4,1) Y =(2,9,6,3) Le medie sono X = 4 Y = 5
90 Calcolo della covarianza 42 / 65 Calcoliamo la covarianza dei vettori X =(8,3,4,1) Y =(2,9,6,3) Le medie sono X = 4 Y = 5 Adesso costruiamo la tabella X k X Y k Y
91 Calcolo della covarianza Calcoliamo la covarianza dei vettori X =(8,3,4,1) Y =(2,9,6,3) Le medie sono X = 4 Y = 5 Adesso costruiamo la tabella X k X Y k Y / 65
92 Calcolo della covarianza Calcoliamo la covarianza dei vettori X =(8,3,4,1) Y =(2,9,6,3) Le medie sono X = 4 Y = 5 Adesso costruiamo la tabella X k X Y k Y / 65
93 Calcolo della covarianza Calcoliamo la covarianza dei vettori X =(8,3,4,1) Y =(2,9,6,3) Le medie sono X = 4 Y = 5 Adesso costruiamo la tabella X k X Y k Y prodotto / 65
94 Calcolo della covarianza Calcoliamo la covarianza dei vettori X =(8,3,4,1) Y =(2,9,6,3) Le medie sono X = 4 Y = 5 Adesso costruiamo la tabella X k X Y k Y prodotto / 65
95 Calcoliamo la covarianza dei vettori X =(8,3,4,1) Y =(2,9,6,3) Calcolo della covarianza Le medie sono X = 4 Y = 5 Adesso costruiamo la tabella X k X Y k Y prodotto / 65
96 Calcoliamo la covarianza dei vettori X =(8,3,4,1) Y =(2,9,6,3) Calcolo della covarianza Le medie sono X = 4 Y = 5 Adesso costruiamo la tabella X k X Y k Y prodotto Cov(X,Y)= 10 4 = / 65
97 Il coefficiente di correlazione lineare 48 / 65 A partire dalla covarianza si introduce un nuovo indice chiamato coefficiente di correlazione lineare è definito come r(x,y)= Cov(X,Y) s X s Y
98 Il coefficiente di correlazione lineare 48 / 65 A partire dalla covarianza si introduce un nuovo indice chiamato coefficiente di correlazione lineare è definito come r(x,y)= Cov(X,Y) s X s Y Questo coefficiente indicherà, come vedremo più avanti, con che bontà una retta approssima il diagramma di dispersione di X e Y.
99 Retta di regressione lineare 49 / 65 In questa lezione andiamo a determinare uno strumento qualitativo che ci permetta di individuare quanto due variabili dipendano da un legge di tipo lineare. Cioè del tipo Y = mx + q
100 Retta di regressione lineare 49 / 65 In questa lezione andiamo a determinare uno strumento qualitativo che ci permetta di individuare quanto due variabili dipendano da un legge di tipo lineare. Cioè del tipo Y = mx + q L idea è di misurare quale errore si commette nel rappresentare il diagramma di dispersione di due variabili con una singola retta.
101 Retta di regressione lineare 50 / 65 Nella figura la retta verde non passa per tutti i punti, ma forse tra tutte le rette è quella che meglio rappresenta il diagramma di dispersione.
102 Retta di regressione lineare 50 / 65 Nella figura la retta verde non passa per tutti i punti, ma forse tra tutte le rette è quella che meglio rappresenta il diagramma di dispersione. Come facciamo a determinare l equazione della retta verde in modo che sia la migliore possibile?
103 50 / 65 Retta di regressione lineare Nella figura la retta verde non passa per tutti i punti, ma forse tra tutte le rette è quella che meglio rappresenta il diagramma di dispersione. Come facciamo a determinare l equazione della retta verde in modo che sia la migliore possibile? Qual è l errore nel rappresentare il legame tra le due variabili tramite l equazione della retta verde?
104 Retta di regressione lineare sulla X 51 / 65 Dati i vettori X =(X 1,X 2,X 3,X 4 ) Y =(Y 1,Y 2,Y 3,Y 4 ) tracciamo assieme alla nuvola di punti una generica retta di equazione y = mx + q y = mx + q
105 / P k =(X k,y k ) o 2 (X k,mx k + q) 1 Per ogni punto P k =(X k,y k ) misuriamo la differenza tra l ordinata del punto P k e l ordinate del punto sulla retta di ascissa X k.
106 / P k =(X k,y k ) o e k (X k,mx k + q) 1 Indicando con e k l errore si ottiene un nuovo vettore e =(e 1,...,e N )
107 / P k =(X k,y k ) o e k (X k,mx k + q) 1 Indicando con e k l errore si ottiene un nuovo vettore Osservazione e =(e 1,...,e N ) e k > 0 se P k si trova sopra la retta e k < 0 se P k si trova sotto la retta
108 54 / 65 Gli errori e =(e 1,...,e N ) dipendono dalla scelta delle retta y = mx + q
109 54 / 65 Gli errori e =(e 1,...,e N ) dipendono dalla scelta delle retta y = mx + q Utilizziamo i seguenti criteri:
110 54 / 65 Gli errori e =(e 1,...,e N ) dipendono dalla scelta delle retta y = mx + q Utilizziamo i seguenti criteri: la retta dovrebbe passare il più possibile al centro del diagramma di dispersione, cioè per un punto che si trova sopra la retta dovrebbe esserci un altro punto che si trova sotto alla stessa distanza.
111 54 / 65 Gli errori e =(e 1,...,e N ) dipendono dalla scelta delle retta y = mx + q Utilizziamo i seguenti criteri: la retta dovrebbe passare il più possibile al centro del diagramma di dispersione, cioè per un punto che si trova sopra la retta dovrebbe esserci un altro punto che si trova sotto alla stessa distanza. il vettore degli errori dovrebbe essere il meno disperso possibile.
112 54 / 65 Gli errori e =(e 1,...,e N ) dipendono dalla scelta delle retta y = mx + q Utilizziamo i seguenti criteri: la retta dovrebbe passare il più possibile al centro del diagramma di dispersione, cioè per un punto che si trova sopra la retta dovrebbe esserci un altro punto che si trova sotto alla stessa distanza. il vettore degli errori dovrebbe essere il meno disperso possibile. I due criteri sono soddisfati se:
113 54 / 65 Gli errori e =(e 1,...,e N ) dipendono dalla scelta delle retta y = mx + q Utilizziamo i seguenti criteri: la retta dovrebbe passare il più possibile al centro del diagramma di dispersione, cioè per un punto che si trova sopra la retta dovrebbe esserci un altro punto che si trova sotto alla stessa distanza. il vettore degli errori dovrebbe essere il meno disperso possibile. I due criteri sono soddisfati se: 1 la media di e è zero;
114 54 / 65 Gli errori e =(e 1,...,e N ) dipendono dalla scelta delle retta y = mx + q Utilizziamo i seguenti criteri: la retta dovrebbe passare il più possibile al centro del diagramma di dispersione, cioè per un punto che si trova sopra la retta dovrebbe esserci un altro punto che si trova sotto alla stessa distanza. il vettore degli errori dovrebbe essere il meno disperso possibile. I due criteri sono soddisfati se: 1 la media di e è zero; 2 la deviazione standard di e è la minore possibile.
115 La condizione e = 0 55 / 65 Criterio La media degli errori è zero se e solo se il punto P =(X,Y) appartiene alla retta La retta ha quindi equazione y Y = m(x X)
116 La condizione e = 0 55 / 65 Criterio La media degli errori è zero se e solo se il punto P =(X,Y) appartiene alla retta La retta ha quindi equazione y Y = m(x X) P =(X,Y)
117 La condizione s e minima 56 / 65 Per individuare univocamente la retta y Y = m(x X) dobbiamo determinare il coefficiente angolare m.
118 La condizione s e minima 56 / 65 Per individuare univocamente la retta y Y = m(x X) dobbiamo determinare il coefficiente angolare m. La condizione che la deviazione standard s e degli errori sia la minore possibile implica...
119 La condizione s e minima 56 / 65 Per individuare univocamente la retta y Y = m(x X) dobbiamo determinare il coefficiente angolare m. La condizione che la deviazione standard s e degli errori sia la minore possibile implica... m = Cov(X,Y) Var(X)
120 Retta di regressione lineare sulla X 57 / 65 In conclusione si ha la seguente
121 57 / 65 Retta di regressione lineare sulla X In conclusione si ha la seguente Proposizione Una retta soddisfa alle due condizioni la media di e è zero, la deviazione standard di e è la minore possibile, se ha equazione y Y = Cov(X,Y) (x X) Var(X) e si chiama retta di regressione lineare sulla X
122 Retta di regressione lineare sulla Y 58 / 65 Torniamo alla definizione degli e k P k =(X k,y k ) o e k (X k,mx k + q)
123 Retta di regressione lineare sulla Y 58 / 65 Torniamo alla definizione degli e k P k =(X k,y k ) o e k (X k,mx k + q) Pensiamo adesso di definire gli e k tenendo conto degli errori orizzontali, cioè
124 Retta di regressione lineare sulla Y 59 / e k
125 Retta di regressione lineare sulla Y 60 / 65 Con un ragionamento analogo a quello visto prima si ottiene la retta y Y = Var(Y) (x X) Cov(X,Y)
126 Retta di regressione lineare sulla Y 60 / 65 Con un ragionamento analogo a quello visto prima si ottiene la retta y Y = Var(Y) (x X) Cov(X,Y) In conclusione si ottengono due rette di regressione lineare, una sulla X ed una sulla Y le cui equazioni sono: rettasullax y Y = m X (x X) m X = Cov(X,Y) Var(X) rettasullay y Y = m Y (x X) m Y = Var(Y) Cov(X, Y)
127 Rette di regressione lineare 61 / 65 Le due rette di regressione lineare r X e r Y passano entrambe per lo stesso punto P =(X,Y) e formano un angolo a tra di loro. 6 r Y 4 2 a P =(X,Y) r X
128 Rette di regressione lineare 62 / 65 Possiamo distinguere i seguenti casi limite a w 0, in questo caso le due rette coincidono e la nuvola di punti può essere ben rappresentata dall unica retta di regressione lineare;
129 Rette di regressione lineare 62 / 65 Possiamo distinguere i seguenti casi limite a w 0, in questo caso le due rette coincidono e la nuvola di punti può essere ben rappresentata dall unica retta di regressione lineare; a w p 2, in questo caso le due rette sono ortogonali e la nuvola di punti non può essere rappresentata dalle rette di regressione lineare.
130 Rette di regressione lineare 63 / a w 0 8 a grande
131 Analisi dell angolo a 64 / 65 se a w 0, le due rette coincidono e quindi m X w m Y ;
132 64 / 65 Analisi dell angolo a se a w 0, le due rette coincidono e quindi m X w m Y ; se a w p 2, in questo caso le due rette sono ortogonali ed in più quella sulla X diviene orizzontale (m X = 0) mentre quella sulla Y verticale (m Y = ).
133 64 / 65 Analisi dell angolo a se a w 0, le due rette coincidono e quindi m X w m Y ; se a w p 2, in questo caso le due rette sono ortogonali ed in più quella sulla X diviene orizzontale (m X = 0) mentre quella sulla Y verticale (m Y = ). Possiamo quindi considerare la quantità m X m Y
134 Analisi dell angolo a 64 / 65 se a w 0, le due rette coincidono e quindi m X w m Y ; se a w p 2, in questo caso le due rette sono ortogonali ed in più quella sulla X diviene orizzontale (m X = 0) mentre quella sulla Y verticale (m Y = ). Possiamo quindi considerare la quantità m X m Y Dalle formule trovate prima si ha m X m Y = Cov(X,Y) Var(X) Var(Y) Cov(X,Y) = Cov(X,Y)2 Var(X)Var(Y) = Cov(X,Y) 2 = r 2 s X s Y
135 Il coefficiente di correlazione lineare 65 / 65 Abbiamo quindi dimostrato che il coefficiente di correlazione lineare soddisfa m X m Y = r 2
136 Il coefficiente di correlazione lineare 65 / 65 Abbiamo quindi dimostrato che il coefficiente di correlazione lineare soddisfa m X m Y = r 2 da cui segue che se r 2 w 1, allora m X w m Y ed in più se r w 1 la retta è crescente se r w 1 la retta è decrescente
137 Il coefficiente di correlazione lineare 65 / 65 Abbiamo quindi dimostrato che il coefficiente di correlazione lineare soddisfa m X m Y = r 2 da cui segue che se r 2 w 1, allora m X w m Y ed in più se r w 1 la retta è crescente se r w 1 la retta è decrescente se r 2 w 0, le due rette sono quasi ortogonali.
138 Il coefficiente di correlazione lineare 65 / 65 Abbiamo quindi dimostrato che il coefficiente di correlazione lineare soddisfa m X m Y = r 2 da cui segue che se r 2 w 1, allora m X w m Y ed in più se r w 1 la retta è crescente se r w 1 la retta è decrescente se r 2 w 0, le due rette sono quasi ortogonali. In termini di dipendenza lineare delle variabili X e Y si ha
139 Il coefficiente di correlazione lineare 65 / 65 Abbiamo quindi dimostrato che il coefficiente di correlazione lineare soddisfa m X m Y = r 2 da cui segue che se r 2 w 1, allora m X w m Y ed in più se r w 1 la retta è crescente se r w 1 la retta è decrescente se r 2 w 0, le due rette sono quasi ortogonali. In termini di dipendenza lineare delle variabili X e Y si ha se r 2 w 1, le due variabili sono dipendenti da una legge lineare se r w 1 la nuvola di punti è crescente se r w 1 la nuvola di punti è decrescente
140 Il coefficiente di correlazione lineare Abbiamo quindi dimostrato che il coefficiente di correlazione lineare soddisfa m X m Y = r 2 da cui segue che se r 2 w 1, allora m X w m Y ed in più se r w 1 la retta è crescente se r w 1 la retta è decrescente se r 2 w 0, le due rette sono quasi ortogonali. In termini di dipendenza lineare delle variabili X e Y si ha se r 2 w 1, le due variabili sono dipendenti da una legge lineare se r w 1 la nuvola di punti è crescente se r w 1 la nuvola di punti è decrescente se r 2 w 0, le due variabili non sono dipendenti da una legge lineare. 65 / 65
SCOPO 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
REGRESSIONE 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.
METODO DEI MINIMI QUADRATI
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
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati.
La media e la mediana sono indicatori di centralità, che indicano un centro dei dati. Un indicatore che sintetizza in un unico numero tutti i dati, nascondendo quindi la molteplicità dei dati. Per esempio,
Statistica. 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
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
Università degli Studi del Piemonte Orientale Facoltà di Scienze M.F.N. Precorso di Matematica APPUNTI (preparati da Pier Luigi Ferrari)
Università degli Studi del Piemonte Orientale Facoltà di Scienze M.F.N. Precorso di Matematica APPUNTI (preparati da Pier Luigi Ferrari). Piano cartesiano Per piano cartesiano si intende un piano dotato
La regressione lineare. Rappresentazione analitica delle distribuzioni
La regressione lineare Rappresentazione analitica delle distribuzioni Richiamiamo il concetto di dipendenza tra le distribuzioni di due caratteri X e Y. Ricordiamo che abbiamo definito dipendenza perfetta
STATISTICA 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
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:
Geometria Analitica Domande e Risposte
Geometria Analitica Domande e Risposte A. Il Piano Cartesiano. Qual è la formula della distanza tra due punti nel piano cartesiano? Per calcolare la formula della distanza tra due punti nel piano cartesiano
Dispensa di Statistica
Dispensa di Statistica 1 parziale 2012/2013 Diagrammi... 2 Indici di posizione... 4 Media... 4 Moda... 5 Mediana... 5 Indici di dispersione... 7 Varianza... 7 Scarto Quadratico Medio (SQM)... 7 La disuguaglianza
Statistica. 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
LO STUDIO DI FUNZIONE ESERCIZI CON SOLUZIONI
Autore: Enrico Manfucci - 6/05/0 LO STUDIO DI FUNZIONE ESERCIZI CON SOLUZIONI PREMESSA Per Studio di funzione si intende disegnare il grafico di una funzione data la sua espressione analitica. Questo significa
Esercitazione 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
UNITÀ DIDATTICA 5 LA RETTA
UNITÀ DIDATTICA 5 LA RETTA 5.1 - La retta Equazione generica della retta Dalle considerazioni emerse nel precedente capitolo abbiamo compreso come una funzione possa essere rappresentata da un insieme
La Retta Ogni funzione di primo grado rappresenta, graficamente, una retta. L equazione della retta può essere scritta in due modi
La Retta Ogni funzione di primo grado rappresenta, graficamente, una retta. L equazione della retta può essere scritta in due modi Forma implicita Forma esplicita a x b y c 0 y m x q a c y x b b Esempio
ITCS Erasmo da Rotterdam. Anno Scolastico 2014/2015. CLASSE 4^ M Costruzioni, ambiente e territorio
ITCS Erasmo da Rotterdam Anno Scolastico 014/015 CLASSE 4^ M Costruzioni, ambiente e territorio INDICAZIONI PER IL LAVORO ESTIVO DI MATEMATICA e COMPLEMENTI di MATEMATICA GLI STUDENTI CON IL DEBITO FORMATIVO
1. (Da Medicina e Odontoiatria 2012) Determinare l'area del triangolo che ha come vertici i punti (0,0), (0,1), (13,12) del piano cartesiano:
QUESITI 1 PIANO CARTESIANO 1. (Da Medicina e Odontoiatria 2012) Determinare l'area del triangolo che ha come vertici i punti (0,0), (0,1), (13,12) del piano cartesiano: a) 6 b) 13/2 c) 12 d) 13 e) 78 2.
Regressione Lineare Semplice e Correlazione
Regressione Lineare Semplice e Correlazione 1 Introduzione La Regressione è una tecnica di analisi della relazione tra due variabili quantitative Questa tecnica è utilizzata per calcolare il valore (y)
DERIVATE 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
Lezione 6 Richiami di Geometria Analitica
1 Piano cartesiano Lezione 6 Richiami di Geometria Analitica Consideriamo nel piano due rette perpendicolari che si intersecano in un punto O Consideriamo ciascuna di queste rette come retta orientata
GEOMETRIA ANALITICA
GEOMETRIA ANALITICA matematica@blogscuola.it LE COORDINATE CARTESIANE Quando si vuole fissare un sistema di coordinate cartesiane su una retta r, è necessario considerare: un punto O detto origine; un
Piano 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
PIANO CARTESIANO e RETTE classi 2 A/D 2009/2010
PIANO CARTESIANO e RETTE classi 2 A/D 2009/2010 1) PIANO CARTESIANO serve per indicare, identificare, chiamare... ogni PUNTO del piano (ente geometrico) con una coppia di valori numerici (detti COORDINATE).
Y = ax 2 + bx + c LA PARABOLA
LA PARABOLA La parabola è una figura curva che, come la retta, è associata ad un polinomio che ne definisce l'equazione. A differenza della retta, però, il polinomio non è di primo grado, ma è di secondo
Disequazioni di secondo grado
Disequazioni di secondo grado. Disequazioni Definizione: una disequazione è una relazione di disuguaglianza tra due espressioni. Detti p() e g() due polinomi definiti in un insieme A, una disequazione
Statistica. Alfonso Iodice D Enza
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 1 Outline 1 () Statistica 2 / 1 Outline 1 2 () Statistica 2 / 1 Outline 1 2 3 () Statistica 2 / 1
Soluzione di Adriana Lanza
Soluzione Dimostriamo che f(x) è una funzione dispari Osserviamo che in quanto in quanto x è una funzione dispari è una funzione dispari in quanto prodotto di una funzione dispari per una pari Pertanto
Esercitazione 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
Ricordiamo. 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
Microeconomia (C.L. Economia e Legislazione di Impresa); A.A. 2010/2011 Prof. C. Perugini
Microeconomia (C.L. Economia e Legislazione di Impresa); A.A. 010/011 Prof. C. Perugini Esercitazione n.1 1 Obiettivi dell esercitazione Ripasso di matematica Non è una lezione di matematica! Ha lo scopo
Funzioni elementari. Funzioni lineari. 13. Funzioni elementari. Funzioni lineari.
Funzioni elementari. Funzioni lineari. Funzioni elementari Per potere determinare le proprietà e quindi il grafico di una qualsiasi funzione a partire dalla sua espressione analitica, dobbiamo prima di
EQUAZIONE 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
Derivata di una funzione
Derivata di una funzione Prof. E. Modica http://www.galois.it erasmo@galois.it Il problema delle tangenti Quando si effettua lo studio delle coniche viene risolta una serie di esercizi che richiedono la
1 Prodotto cartesiano di due insiemi 1. 5 Soluzioni degli esercizi 6
1 PRODOTTO CARTESIANO DI DUE INSIEMI 1 I-4 R 2 ed R 3 Piano e spazio cartesiani Indice 1 Prodotto cartesiano di due insiemi 1 2 Rappresentazione di R 2 sul piano cartesiano 2 3 Sottoinsiemi di R 2 e regioni
Appunti 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
Unità Didattica N 9 : La parabola
0 Matematica Liceo \ Unità Didattica N 9 La parabola Unità Didattica N 9 : La parabola ) La parabola ad asse verticale ) La parabola ad asse orizzontale 5) Intersezione di una parabola con una retta 6)
E la rappresentazione grafica, in questo caso, è la dispersione x,y, cioè una nuvola di punti nel piano cartesiano
Capitolo uno STATISTICA DESCRITTIVA BIVARIATA La statistica bidimensionale o bivariata si occupa dello studio del grado di dipendenza di due caratteri distinti della stessa unità statistica. E possibile,
PIANO 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
Esercitazioni di statistica
Esercitazioni di statistica Misure di associazione: Indipendenza assoluta e in media Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 22 ottobre 2014 Stefania Spina Esercitazioni
Test 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
Distanza tra punti e punto medio di un segmento. x1 + x 2
Distanza tra punti e punto medio di un segmento Siano P = (x 1, y 1 ) e Q = (x 2, y 2 ) due punti del piano cartesiano. La distanza di P da Q vale: P Q = (x 1 x 2 ) 2 + (y 1 y 2 ) 2 (si utilizza il Teorema
Statistica 1 A.A. 2015/2016
Corso di Laurea in Economia e Finanza Statistica 1 A.A. 2015/2016 (8 CFU, corrispondenti a 48 ore di lezione frontale e 24 ore di esercitazione) Prof. Luigi Augugliaro 1 / 19 Analisi dell associazione
Problemi di massimo e minimo
Problemi di massimo e minimo Supponiamo di avere una funzione continua in Per il teorema di Weierstrass esistono il massimo assoluto M e il minimo assoluto m I problemi di massimo e minimo sono problemi
Esercitazione. 24 Aprile 2012
Esercitazione 24 Aprile 2012 Il modello di regressione logistica viene utilizzato quando si è interessati a studiare o analizzare la relazione causale tra una variabile dipendente dicotomica e una o più
Secondo parziale di Matematica per l Economia (esempio)
Corso di Laurea in Economia e Management Secondo parziale di Matematica per l Economia (esempio) lettere E-Z, a.a. 206 207 prof. Gianluca Amato Regole generali Si svolga il primo esercizio e, a scelta
PIANO CARTESIANO: un problema di programmazione lineare
PIANO CARTESIANO: un problema di programmazione lineare In un laboratorio sono disponibili due contatori A, B di batteri. Il contatore A può essere azionato da un laureato che guadagna 20 euro per ora.
MATEMATICA 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
Metodi per la risoluzione di sistemi lineari
Metodi per la risoluzione di sistemi lineari Sistemi di equazioni lineari. Rango di matrici Come è noto (vedi [] sez.0.8), ad ogni matrice quadrata A è associato un numero reale det(a) detto determinante
x, y rappresenta la coppia di valori relativa La rappresentazione nel piano cartesiano dei punti ( x, y ),( x, y ),...,( x, y )
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 0/03 lezioni di statistica del 5 e 8 aprile 03 - di Massimo Cristallo - A. Le relazioni tra i fenomeni
FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti
FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti Discutendo graficamente la disequazione x > 3 + x, verificare che l insieme delle soluzioni è un intervallo e trovarne
CORSO DI LAUREA IN INFERMIERISTICA. LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità
CORSO DI LAUREA IN INFERMIERISTICA LEZIONI DI STATISTICA Parte II Elaborazione dei dati Variabilità Lezioni di Statistica VARIABILITA Si definisce variabilità la proprietà di alcuni fenomeni di assumere
Piano cartesiano e retta
Piano cartesiano e retta Il punto, la retta e il piano sono concetti primitivi di cui non si da una definizione rigorosa, essi sono i tre enti geometrici fondamentali della geometria euclidea. Osservazione
Statistica Descrittiva Soluzioni 7. Interpolazione: minimi quadrati
ISTITUZIONI DI STATISTICA A. A. 2007/2008 Marco Minozzo e Annamaria Guolo Laurea in Economia del Commercio Internazionale Laurea in Economia e Amministrazione delle Imprese Università degli Studi di Verona
Esercitazione: 16 novembre 2009 SOLUZIONI
Esercitazione: 16 novembre 009 SOLUZIONI Esercizio 1 Scrivere [ ] equazione vettoriale, parametrica [ ] e cartesiana della retta passante 1 per il punto P = e avente direzione d =. 1 x 1 Soluzione: Equazione
Capitolo 12. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 12.1: Suggerimento
Capitolo Suggerimenti agli esercizi a cura di Elena Siletti Esercizio.: Suggerimento Per verificare se due fenomeni sono dipendenti in media sarebbe necessario confrontare le medie condizionate, in questo
PROBABILITÀ 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,
Modelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
1 Ampliamento del piano e coordinate omogenee
1 Ampliamento del piano e coordinate omogenee Vogliamo dare una idea, senza molte pretese, dei concetti che stanno alla base di alcuni calcoli svolti nella classificazione delle coniche. Supponiamo di
PIANO 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
la velocità degli uccelli è di circa (264:60= 4.4) m/s)
QUESTIONARIO 1. Si sa che certi uccelli, durante la migrazione, volano ad un altezza media di 260 metri. Un ornitologa osserva uno stormo di questi volatili, mentre si allontana da lei in linea retta,
Esercizi Svolti. 2. Costruire la distribuzione delle frequenze cumulate del tempo di attesa
Esercizi Svolti Esercizio 1 Per una certa linea urbana di autobus sono state effettuate una serie di rilevazioni sui tempi di attesa ad una determinata fermata; la corrispondente distribuzione di frequenza
Mutue posizioni della parabola con gli assi cartesiani
Mutue posizioni della parabola con gli assi cartesiani L equazione di una parabola generica è data da: Consideriamo l equazione che definisce i punti di intersezione della parabola con l asse delle ascisse
Definizione Dati due insiemi A e B, contenuti nel campo reale R, si definisce funzione reale di variabile reale una legge f : A
Scopo centrale, sia della teoria statistica che della economica, è proprio quello di esprimere ed analizzare le relazioni, esistenti tra le variabili statistiche ed economiche, che, in linguaggio matematico,
Le Derivate. Appunti delle lezioni di matematica di A. Pisani Liceo Classico Dante Alighieri
Le Derivate Appunti delle lezioni di matematica di A. Pisani Liceo Classico Dante Alighieri Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato durante
Francesco Zumbo
La retta - Teorema di Talete - Equazione della retta: passante per due punti, implicita, esplicita - Parallele e Perpendicolari - Fascio Propio e improprio - Intersezione tra rette Francesco Zumbo www.francescozumbo.it
SOLUZIONE DEL PROBLEMA 1 CORSO DI ORDINAMENTO 2014
SOLUZIONE DEL PROBLEMA 1 CORSO DI ORDINAMENTO 214 1. Per determinare f() e f(k), applichiamo il teorema fondamentale del calcolo integrale, che si può applicare essendo f continua per ipotesi: g() = f(t)dt
Soluzioni dei problemi della maturità scientifica A.S. 2012/2013
Soluzioni dei problemi della maturità scientifica A.S. / Nicola Gigli Sun-Ra Mosconi June, Problema. Il teorema fondamentale del calcolo integrale garantisce che Quindi f (x) = cos x +. f (π) = cos π +
LE COORDINATE CARTESIANE
CORSO ZERO DI MATEMATICA per Ing. Chimica e Ing. delle Telecomunicazioni GEOMETRIA ANALITICA Prof. Erasmo Modica erasmo@galois.it LE COORDINATE CARTESIANE Quando si vuole fissare un sistema di coordinate
determinare le coordinate di P ricordando la relazione che permette di calcolare le coordinate del punto medio di un segmento si
PROBLEMA Determinare il punto simmetrico di P( ;) rispetto alla retta x y =0 Soluzione Il simmetrico di P rispetto ad una retta r è il punto P che appartiene alla retta passante per P, perpendicolare ad
Equazione della retta tangente al grafico di una funzione
Equazione della retta tangente al grafico di una funzione Abbiamo già visto che in un sistema di assi cartesiani ortogonali, è possibile determinare l equazione di una retta r non parallela agli assi coordinati,
Punti nel piano cartesiano
Punti nel piano cartesiano In un piano consideriamo due rette perpendicolari che chiamiamo x e. Solitamente, disegniamo la retta x (ascisse) orizzontalmente e orientata da sinistra a destra, la retta e
2 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
GEOMETRIA ANALITICA 1 IL PIANO CARTESIANO
GEOMETRI NLITIC 1 IL PINO CRTESINO Il piano cartesiano è costituito da due rette orientate e tra loro perpendicolari chiamate assi cartesiani, generalmente una orizzontale e l altra verticale, sulle quali
MODELLI QUANTITATIVI. f x r = c
MODELLI QUANTITATIVI Qualunque sia il modello di estrazione di regolarità o di conoscenze dai dati empirici, esiste sempre una base statistica da cui occorre partire. Un fenomeno linguistico specifico
GEOMETRIA ANALITICA Prof. Erasmo Modica
ISTITUTO PROVINCIALE DI CULTURA E LINGUE NINNI CASSARÀ SEZIONE DISTACCATA DI CEFALÙ CLASSE V C GEOMETRIA ANALITICA Prof. Erasmo Modica LE COORDINATE CARTESIANE Quando si vuole fissare un sistema di coordinate
a) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre gli zeri di f e studiarne il segno.
1 ESERCIZI CON SOLUZIONE DETTAGLIATA Esercizio 1. Si consideri la funzione f(x) = e x 3e x +. a) Determinare il dominio, i limiti agli estremi del dominio e gli eventuali asintoti di f. Determinare inoltre
3.1 Classificazione dei fenomeni statistici Questionari e scale di modalità Classificazione delle scale di modalità 17
C L Autore Ringraziamenti dell Editore Elenco dei simboli e delle abbreviazioni in ordine di apparizione XI XI XIII 1 Introduzione 1 FAQ e qualcos altro, da leggere prima 1.1 Questo è un libro di Statistica
La 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
UNIVERSITÀ 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
Stabilire se il punto di coordinate (1,1) appartiene alla circonferenza centrata nell origine e di raggio 1.
Definizione di circonferenza e cerchio. Equazione della circonferenza centrata in O e di raggio R. Esercizi. La circonferenza e il cerchio Definizioni: dato un punto C nel piano cartesiano e dato un numero
MATEMATICA PRIMO COMPITINO SOLUZIONE DI ALCUNI ESERCIZI PRIMA PARTE. Esercizio 1. (Testo B) Determina, motivando la risposta, se la funzione f : R R
ANNO ACCADEMICO 25 6 SCIENZE GEOLOGICHE E SCIENZE NATURALI E AMBIENTALI MATEMATICA PRIMO COMPITINO SOLUZIONE DI ALCUNI ESERCIZI PROFF MARCO ABATE E MARGHERITA LELLI-CHIESA PRIMA PARTE Esercizio (Testo
II Università degli Studi di Roma
Versione preliminare gennaio TOR VERGATA II Università degli Studi di Roma Dispense di Geometria. Capitolo 3. 7. Coniche in R. Nel Capitolo I abbiamo visto che gli insiemi di punti P lineare di primo grado
LA RETTA. La retta è un insieme illimitato di punti che non ha inizio, né fine.
LA RETTA La retta è un insieme illimitato di punti che non ha inizio, né fine. Proprietà: Per due punti del piano passa una ed una sola retta. Nel precedente modulo abbiamo visto che ad ogni punto del
LABORATORIO 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
Σ (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
Consorzio Nettuno - Corso di Matematica 1 Schede di lavoro guidato per le esercitazioni
Consorzio Nettuno - Corso di Matematica 1 Schede di lavoro guidato per le esercitazioni A cura di Sebastiano Cappuccio SCHEDA N 20 ARGOMENTO: Grafici di funzioni numeriche reali Asintoti orizzontali, verticali,
1. LA GEOMETRIA ANALITICA
LA GEOMETRIA ANALITICA IL PIANO CARTESIANO Coordinate cartesiane Due rette orientate nel piano perpendicolari tra loro, aventi come punto d intersezione il punto O, costituiscono un sistema di riferimento
Esercizi sulla retta. Gruppo 1 (4A TSS SER, 4B TSS SER, 4A AM )
Esercizi sulla retta. Gruppo 1 (4A TSS SER, 4B TSS SER, 4A AM ) 1. Scrivere l'equazione della retta passante per i punti P1(-3,1), P2(2,-2). Dobbiamo applicare l'equazione di una retta passante per due
Richiami sullo studio di funzione
Richiami sullo studio di funzione Per studiare una funzione y = f() e disegnarne un grafico approssimativo, possiamo procedere in ordine secondo i seguenti passi:. determinare il campo di esistenza (o
MODULO 1: EQUAZIONI E DISEQUAZIONI 15 ore 1 quadrimestre
MODULI CLASSE TERZA TEMA ALGEBRA MODULO 1: EQUAZIONI E DISEQUAZIONI 15 ore 1 quadrimestre COMPETENZE: utilizzare le tecniche e le procedure del calcolo aritmetico e algebrico, rappresentandole anche sotto
si 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
Condizione di allineamento di tre punti
LA RETTA L equazione lineare in x e y L equazione: 0 con,,, e non contemporaneamente nulli, si dice equazione lineare nelle due variabili e. Ogni coppia ; tale che: 0 si dice soluzione dell equazione.
Distribuzioni 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
1 Nozioni utili sul piano cartesiano
Nozioni utili sul piano cartesiano Nozioni utili sul piano cartesiano Il piano cartesiano è un sistema di riferimento costituito da due rette perpendicolari (una orizzontale detta asse delle ascisse x
STATISTICA (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
Teoria in sintesi 10. Teoria in sintesi 14
Indice L attività di recupero Funzioni goniometriche Teoria in sintesi 0 Obiettivo Calcolare il valore di espressioni goniometriche in seno e coseno Obiettivo Determinare massimo e minimo di funzioni goniometriche
Esercizi di Calcolo e Biostatistica con soluzioni
1 Esercizi di Calcolo e Biostatistica con soluzioni 1. Date le funzioni f 1 (x) = x/4 1, f 2 (x) = 3 x, f 3 (x) = x 4 2x, scrivere a parole le operazioni che, dato x in modo opportuno, permettono di calcolare
Esercizio 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