Statistica 1 A.A. 2015/2016
|
|
- Nicoletta Fabiani
- 6 anni fa
- Visualizzazioni
Transcript
1 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 / 35
2 Il modello di regressione lineare semplice Esempio. Negli studi di settore un ruolo centrale è svolto dalla stima della funzione di ricavo, ovvero quella funzione che esprime l andamento dei ricavi come funzione dei dati strutturali e contabili delle imprese. Di seguito sono riportati i dati relativi alla variabile ricavi (R) e alla variabile costo del venduto (CV), considerata una delle principale variabili contabili delle imprese. CV R CV R CV R Sulla base dei precedenti valori stimare la funzione dei ricavi. Note: L esempio precedente mostra che le due variabili quantitative continue non sono sullo stesso piano logico ma, in funzione dell obiettivo dello studio, la variabile ricavi dipende dalla variabile costo del venduto ; in altri termini siamo interessati ad un analisi asimmetrica. Un primo strumento che consente di ottenere informazioni in merito alla natura della relazione funzionale esistente tra le due variabili in esame è il diagramma a dispersione. 2 / 35
3 Ricavi Costo del venduto Dal grafico a dispersione si evince che al crescere della variabile costo del venduto la variabile ricavi decresce. Sembra evincersi che i punti si addensano lungo una ipotetica retta la quale può essere utilizzata per descrivere analiticamente la dipendenza della variabile ricavi dalla variabile costo del venduto. 3 / 35
4 Ricavi Costo del venduto Il modello di regressione lineare semplice costituisce lo strumento statistico mediante il quale formalizzare la relazione di dipendenza esistente tra le variabili in esame. 4 / 35
5 La specificazione del modello I modelli di regressione si fondano sull ipotesi che esista una relazione funzionale di tipo deterministico tra la variabile di risposta Y e la variabile esplicativa X, denotata con f (x), a cui si aggiunge una componente casuale (stocastica) denotata con ε, ovvero y = f (x) }{{} + ε }{{}. (1) componente deterministica componente stocastica La natura della funzione f (x) dipende dal fenomeno oggetto dello studio, mentre la componente casuale ɛ riassume la nostra ignoranza in merito alla vera natura della relazione che esiste tra X e Y. Per questo motivo la variabile casuale ε viene denominata variabile casuale di errore. Quando si dispone di un campione di numerosità n relativo alla variabile Y, denotato con (y 1, y 2,..., y n e di un campione di numerosità n relativo alla variabile X, denotato con (x 1, x 2,..., x n), il modello (1) viene più correttamente scritto nel seguente modo: y i = f (x i ) + ε i i = 1, 2,..., n. (2) Il generico modello di regressione (1) viene definito modello di regressione lineare semplice quando si assume che f (x i ) = α + βx i, quindi il modello (2) può essere scritto nel seguente modo dove α e β sono dei parametri da stimare. y i = α + βx i + ε i i = 1, 2,..., n. (3) 5 / 35
6 Il modello di regressione lineare semplice y i = α + βx i + ε i i = 1, 2,..., n. è completamente specificato attraverso le seguenti ipotesi classiche sulla componente casuale ε i, ovvero i. le ε i sono caratterizzate da valore atteso nullo, ovvero E(ε i ) = 0 per i = 1, 2,..., n; ii. le ε i sono caratterizzate da varianza costante, ovvero Var(ε i ) = σ 2 per i = 1, 2,..., n (ipotesi di omoschedasticità); iii. le ε i sono stocasticamente indipendenti. iv. le ε i sono distribuite normalmente, ovvero ε i N(0; σ 2 ) per i = 1, 2,..., n. Terminologia La componente deterministica del modello, ovvero la funzione f (x i ) = α+βx i, viene definita retta di regressione di Y su X. Il termine regressione è dovuto ad un lavoro compiuto dal biologo e statistico Galton nel 1886, il quale studiò la relazione tra l altezza dei figli (variabile di risposta Y) e l altezza dei genitori (variabile esplicativa X ). 6 / 35
7 Interpretazione dei parametri α e β Dalle ipotesi classiche, relative alla componente casuale ε, si ricava che la componente deterministica del modello, ovvero α + βx i, descrive il comportamento del livello medio della variabile di risposta Y. Da ciò deriva l interpretazione statistica dei parametri α e β, ovvero i il parametro α rapprensenta il livello medio della variabile di risposta Y quando la variabile esplicativa X assume valore nullo; ii il parametro β rapprensenta la variazione che subisce il levello medio della variabile di risposta Y i quando X i incrementa di una unità. Da un punto di vista geometrico i il parametro α rapprensenta l intercetta della retta α + βx; ii il parametro β rapprensenta il coefficiente angolare della retta α + βx. 7 / 35
8 Stima dei parametri della retta di regressione: il metodo dei minimi quadrati Il metodo di stima dei minimi quadrati venne proposto da K.F. Gauss nel 1795 e consiste nel trovare i valori dei parametri α e β, denotati con ˆα e ˆβ, per cui è minima la somma dei quadrati degli scarti tra i valori osservati della variabile di risposta, denotati con y i, e i corrispondenti valori teorici α + βx i. Formalmente il nostro obiettivo è il seguente: minimizzare rispetto ad α e β la funzione R(α, β) = [y i (α + βx i )] 2 = (y i α βx i ) 2 8 / 35
9 Dato che la funzione R(α, β) è strettamente convessa in α e β, per la risoluzione del problema di minimo min R(α, β) = min (y i α βx i ) 2 α,β α,β è sufficiente determinare i valori ˆα e ˆβ che risolvono il sistema definito mediante le due derivate parziali R(α, β)/ α e R(α, β)/ β. Attraverso l utilizzo della regola della catena per il calcolo delle derivate delle funzioni composte si ricava: R(α, β) = n (y i α βx i ) 2 (y i α βx i ) 2 = α α α = = 2 (y i α βx i ) (y i α βx i ) = 2 (y i α βx i ) α }{{} (4) = 1 R(α, β) β = n (y i α βx i ) 2 = β = 2 (y i α βx i ) (y i α βx i ) β }{{} = x i (y i α βx i ) 2 β = = 2 (y i α βx i )x i (5) 9 / 35
10 Utilizzando la (4) e (5) si ricava che ˆα e ˆβ sono soluzioni del seguente sistema, noto come sistema di equazioni normali (y i ˆα ˆβx i ) = 0 (6) (y i ˆα ˆβx i )x i = 0 Dalla prima equazione del sistema (6) si ricava che y i nˆα ˆβ x i = 0 nˆα = y i ˆβ x i n ˆα = y n i ˆβ x i n n ˆα = M Y ˆβM X (7) dove M Y = n y i /n e M X = n x i /n. L equazione (7) costituisce la formula dello stimatore del parametro α. 10 / 35
11 Dalla seconda equazione del sistema (6) si ricava che y i x i ˆα x i ˆβ xi 2 = 0. Dividendo ambo i membri della precedente equazione per n si ricava che n y i x i n n ˆα n i n x2 i n = 0 M XY ˆαM X ˆβM X 2 = 0. Sostituendo nella precedente equazione la formula ˆα = M Y ˆβM X si ricava M XY (M y ˆβM X )M X ˆβM X 2 = 0 M XY M Y M X + ˆβM 2 X ˆβM X 2 = 0 2 (M XY M y M X ) ˆβ (MX 2 MX }{{}}{{} ) =σ XY =σ 2 X = 0 σ XY ˆβσ 2 X = 0 ˆβ = σ XY σ 2 X L equazione (8) costituisce la formula dello stimatore del parametro β. (8) 11 / 35
12 L equazione (8) consente di ricavare la relazione tra lo stimatore del parametro β e il coefficiente di correlazione lineare di Bravais-Pearson, ovvero ρ = σ XY σ X σ Y = σ XY σ 2 X σ X σ Y = ˆβ σ X σ Y. L equazione precedente mostra che lo stimatore del parametro β è proporzionale al coefficiente di correlazione lineare di Bravais-Pearson. La retta di regressione stimata ŷ = ˆα + ˆβ x (9) consente di determinare il livello medio stimato della variabile di risposta noto un nuovo valore della variabile esplicativa. A tal fine è sufficiente sostituire il nuovo valore di x alla formula (9). 12 / 35
13 Esercizi Un gruppo di ricercatori è interessato a valutare l esistenza di una relazione tra il livello di inquinamento dei fiumi, misurato attraverso la concentrazione media di nitrogeno, e i fertilizzanti utilizzati nelle aziende agricole adiacenti le rive. La tabella riporta il livello medio di nitrogeno, rilevato su dieci fiumi del territorio italiano, e la percentuale di territorio adiacente le rive utilizzato dalle aziende agricole. Fiume Nitrogeno Percentuale i. Rappresentare graficamente i punti osservati e stabilire se esiste una relazione di tipo lineare tra le variabili considerate. ii. Stimare i parametri della retta di regressione e valutarne la bontà di adattamento. iii. Determinare il livello medio di nitrogeno corrispondente al 35% di utilizzo del territorio adiacente le rive. 13 / 35
14 Nitrogeno Percentuale Il grafico sembra mostrare che al crescere della percentuale di utilizzo di territorio il livello medio di nitrogeno presente nei fiumi cresce. Sembra inoltre evincersi una dipendenza di tipo lineare tra il livello medio di nitrogeno e la percentuale di utilizzo del territorio. 14 / 35
15 Sulla base della seguente tabella si ricava M X = M Y = n x i n n y i = n X X 2 Y Y 2 X Y ,10 1,21 28, ,01 1,02 29, ,90 3,61 102, ,00 1,00 2, ,99 0,98 2, ,42 2,02 26, ,30 1,69 20, ,65 2,72 66, ,01 1,02 28, ,21 1,46 31, ,59 16,73 338,98 = 243 n 10 = 24, 3 σ2 X = x2 i n 12, σ XY = M XY M X M Y = n = 1, 259 σy 2 = y i 2 MY 2 n 338, 98 24, 3 1, 259 = 3, M 2 X = , 32 = 221, 81 = 16, , = 0, / 35
16 Utilizzando le formule (7) e (8) si ottengono le stime dei parametri α e β, ovvero ˆβ = σ XY σ 2 x = 3, 30 = 0, , 81 ˆα = M Y ˆβM X = 1, 259 0, , 3 = 0, 89 da cui si ricava che la retta di regressione stimata con il metodo dei minimi quadrati ha equazione ŷ = 0, , 015 x Attraverso l interpretazione statistica dei parametri α e β si ricava che il livello medio stimato di nitrogeno presente nei fiumi, quando la percentuale di utilizzo del territorio è nulla, è pari a 0,89; inoltre al crescere di 1 nella percentuale di utilizzo del territorio il livello medio stimato di nitrogeno presente nei fiumi cresce di 0,015. Utilizzando l equazione stimata delle retta di regressione si ricava che il livello medio stimato di nitrogeno presente nei fiumi, corrispondente al 35% di utilizzo del territorio, è ottenuto mediante la seguente espressione ŷ = 0, , = 1, / 35
17 Il coefficiente di determinazione Sebbene le equazioni (7) e (8) consentano di stimare la retta di regressione, esse non ci forniscono alcuna informazione circa la bontà del modello stimato. Occorre quindi definire un indice capace di riassumere l adattamento globale a la capacità esplicativa complessiva del modello in rapporto ai dati osservati. L indice utilizzato per valutare la bontà del modello di regressione stimato, prende il nome di coefficiente di determinazione, denotato con R 2, e trova fondamento teorico sul teorema di scomposizione della devianza totale, il quale afferma che la devianza totale (DEV T ) è uguale alla somma della devianza di regressione (DEV R ) più la devianza dell errore (DEV E ). Formalmente: DEV T = DEV R + DEV E (10) dove DEV T = (y i M Y ) 2, DEV R = (ŷ i M Y ) 2, DEV E = (y i ŷ i ) 2. Terminologia In generale si definisce devianza il numeratore della varianza 17 / 35
18 La dimostrazione dell equazione (10) si fonda sulla seguente uguaglianza: DEV T = = = (y i M Y ) 2 = (y i ŷ i + ŷ i M Y ) 2 = [(y i ŷ i ) 2 + (ŷ i M Y ) 2 + 2(y i ŷ i )(ŷ i M Y )] = (y i ŷ i ) 2 + (ŷ i M Y ) 2 +2 (y i ŷ i )(ŷ i M Y ) } {{ } } {{ } =DEV E DEV R = DEV E + DEV R + 2 (y i ŷ i )(ŷ i M Y ). Dall ultima uguaglianza si ricava che la scomposizione (10) è dimostrata se (y i ŷ i )(ŷ i M Y ) = 0. [(y i ŷ i ) + (ŷ i M Y )] 2 = 18 / 35
19 Per dimostrare che (y i ŷ i )(ŷ i M Y ) = 0. osserviamo che il sistema di equazioni normali (y i ˆα ˆβx i ) = 0 (y i ˆα ˆβx i )x i = 0 può essere riscritto come (y i ŷ i ) = 0 (y i ŷ i )x i = 0 dove ŷ i = ˆα + ˆβx i. (11) 19 / 35
20 Utilizzando la formula dello stimatore del parametro α, ovvero ˆα = M Y ˆβM X, si ricava che Utilizzando l uguaglianza (12) si ricava che (y i ŷ i )(ŷ i M Y ) = ŷ i = ˆα + ˆβx i ŷ i = M Y ˆβM X + ˆβx i ŷ i M Y = ˆβ(x i M X ). (12) (y i ŷ i ) ˆβ(x i M X ) Utilizzando le due equazioni del sistema (11) si ottiene che quindi ( ) = β (y i ŷ i )x i M X (y i ŷ i ) (y i ŷ i )(ŷ i M Y ) = ˆβ(0 M X 0) = 0 DEV T = DEV E + DEV R + 2 (y i ŷ i )(ŷ i M Y ) = DEV E + DEV R. Quindi il teorema della scomposizione della devianza totale è dimostrato. 20 / 35
21 21 / 35
22 22 / 35
23 23 / 35
24 Se la variabilità della variabile di risposta, misurata tramite DEV T, è per la gran parte spiegata dalla retta di regressione, la devianze di regressione DEV R sarà elevata in rapporto a DEV T e, conseguentemente, la devianza residua sarà bassa. Viceversa, se la retta di regressione spiega in misura modesta la variabilità di Y, DEV R sarà piccola in rapporto alla devianza totale, DEV T e, necessariamente, DEV E sarà elevata. Sulla base di quanto detto, ne consegue che una misura diretta della bontà della retta di regressione nello spiegare la variabilità di Y tramite X è data dal rapporto R 2 = DEV R DEV T che prende il nome di coefficiente di determinazione. 24 / 35
25 Attraverso l utilizzo della decomposizione della devianza totale DEV T = DEV E + DEV R è possibile definire il coefficiente di determinazione in termini di devianza residua. Dividendo ambo i membri dell uguaglianza precedente per DEV T si ricava DEV T DEV T = DEV E DEV T + DEV R DEV T 1 = DEV E DEV T + R 2 quindi il coefficiente di determinazione può essere equivalentemente definito nel seguente modo R 2 = 1 DEV E DEV T 25 / 35
26 Poiché il coefficiente di determinazione è definito come rapporto tra una delle componenti della devianza totale di Y e DEV T si ricava che in particolare: 0 R 2 1 i. dalla definizione R 2 = DEV R si ricava che R DEV 2 = 0 quando la devianza di regressione è nulla. T In questo caso la retta di regressione stimata è parallela all asse delle ascisse e quindi il modello non ha alcuna capacità interpretativa per la variabile di risposta; i. dalla definizione R 2 = 1 DEV E si ricava che R DEV 2 = 1 quando la devianza dell errore è nulla. T In questo caso tutti i valori osservati della variabile di risposta, ovvero gli y i, giaciono sulla retta di regressione stimata. 26 / 35
27 R 2 = 1 β^ > 0 R 2 = 1 β^ < 0 Y Y X X 27 / 35
28 R 2 = 0 β^ = 0 R 2 1 β^ > 0 Y Y X X 28 / 35
29 Da un punto di vista applicativo, il calcolo del coefficiente di determinazione si fonda sulla relazione che esiste tra R 2 e il coefficiente di correlazione lineare di Bravais-Pearson. Ricordando che ŷ i M Y = ˆβ(x i M X ) e che ˆβ = σ XY /σx 2, si ricava R 2 = DEV R DEV T = = ˆβ 2 σ2 X σ 2 Y n (ŷ i M Y ) 2 n (y i M Y ) 2 = ˆβ 2 n (x i M X ) 2 n (y i M Y ) 2 = ˆβ 2 n (x i M X ) 2 /n n (y i M Y ) 2 /n = σ2 XY σ 4 X σ 2 X σ 2 Y = σ2 XY σ 2 x σ 2 Y ( ) 2 σxy = = ρ 2. σ X σ Y L ultima uguaglianza ci mostra che, da un punto di vista applicativo, è più semplice calcolare il coefficiente di determinazione come quadrato del coefficiente di correlazione lineare di Bravais- Pearson. Osservazione L identità R 2 = ρ 2 non è la definizione di coefficiente di determinazione. 29 / 35
30 Un dirigente aziendale è interessato allo studio della relazione esistente tra il prezzo di vendita di dieci prodotti, indicato con P, e il corrispondente costo di produzione, indicato con C. In tabella vengono riportati i dati utilizzati per l analisi. C 50,45 72,80 63,45 69,45 71,10 65,25 74,85 96,95 99,95 65,45 P i. Sulla base della descrizione dello studio, si identifichi la variabile esplicativa (X ) e la variabile di risposta (Y). ii. Si valuti, mediante rappresentazione grafica, l ipotesi di una relazione lineare tra le variabili in esame. iii. Si stimino i parametri della retta di regressione e si valuti l adattamento mediante un adeguato indice. 30 / 35
31 Sulla base della descrizione dello studio si deduce che si è interessati allo studio della dipendenza del prezzo di vendita dal costo di produzione; in altri termini la variabile esplicativa (X ) è il costo di produzione e la variabile di risposta (Y) è il prezzo di vendita. Prezzo di Vendita Costi di produzione Il grafico sembra suggerire l esistenza di una relazione lineare tra il livello medio del prezzo di vendita e i costi di produzione. 31 / 35
32 Sulla base della seguente tabella si ricava X X 2 Y Y 2 X Y 50, , ,25 72, , ,20 63, , ,75 69, , ,25 71, , ,50 65, , ,25 74, , ,75 96, , ,75 99, , ,75 65, , ,25 729, , ,70 32 / 35
33 n M X = x i 729, 70 = = 72, 97 n 10 n σx 2 = x2 i M , 53 X = 72, 97 2 = 203, 63 n 10 n M Y = x i = 1554 n 10 = 155, 4 n σy 2 = x2 i MY 2 n = , 4 2 = 981, , 70 σ XY = M XY M X M y = 72, , 4 = 420, Utilizzando le formule fornite dal sistema di equazioni normali si ricava ˆβ = σ XY σ 2 x = 420, 33 = 2, , 63 ˆα = M y ˆβM X = 155, 4 2, 06 72, 97 = 5, 08 da cui discende che la retta di regressione stimata con il metodo dei minimi quadrati ha equazione ŷ = 5, , 06 x 33 / 35
34 La bontà di adattamento del modello di regressione stimato può essere valutata mediante il coefficiente di determinazione R 2. Utilizzando la relazione che lega R 2 con il coefficiente di correlazione lineare di Bravais-Pearson si ricava: R 2 = ρ 2 = σ2 XY 420, 33 2 σx 2 = σ2 Y 203, , 44 = 0.88, ovvero la retta di regressione stimata spiega circa l 88% della variabilità totale della variabile di risposta. Dato che il coefficiente di determinazione assume valori compresi tra 0 e 1, il risultato precedente sembra mostrare che la retta di regressione stimata è caratterizzata da un soddisfacente adattamento ai dati. 34 / 35
35 Prezzo di Vendita Costi di produzione Il grafico mostra che il modello stimato è caratterizzato da un soddisfacente adattamento ai dati. 35 / 35
Tema d esame del 15/02/12
Tema d esame del 15/0/1 Volendo aprire un nuovo locale, una catena di ristoranti chiede ad un consulente di valutare la posizione geografica ideale all interno di un centro abitato. A questo scopo, avvalendosi
DettagliStatistica. Esercitazione 16. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 16 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 24 Studio della relazione tra due variabili Commonly Asked Questions Qual è la relazione tra la spesa
DettagliEsercitazioni di statistica
Esercitazioni di statistica Intervalli di confidenza Stefania Spina Universitá di Napoli Federico II stefania.spina@unina.it 10 Dicembre 2014 Stefania Spina Esercitazioni di statistica 1/43 Stefania Spina
DettagliC I R C O N F E R E N Z A...
C I R C O N F E R E N Z A... ESERCITAZIONI SVOLTE 3 Equazione della circonferenza di noto centro C e raggio r... 3 Equazione della circonferenza di centro C passante per un punto A... 3 Equazione della
DettagliEsercitazioni 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
DettagliInterpolazione Statistica
Interpolazione Statistica Come determinare una funzione che rappresenti la relazione tra due grandezze x e y a cura di Roberto Rossi novembre 2008 Si parla di INTERPOLAZIONE quando: Note alcune coppie
DettagliSTATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
DettagliUNITA DIDATTICA. Conoscenze. Abilità
Titolo: Problemi di geometria analitica : la parabola e l iperbole Codice: B1_S Ore previste:15 Equazione della parabola e coordinate del vertice Grafico di una parabola Equazione dell iperbole equilatera
Dettagli04 - Numeri Complessi
Università degli Studi di Palermo Scuola Politecnica Dipartimento di Scienze Economiche, Aziendali e Statistiche Appunti del corso di Matematica 04 - Numeri Complessi Anno Accademico 2015/2016 M. Tumminello,
DettagliAnno scolastico 2015/2016 PROGRAMMA SVOLTO. Docente: Catini Romina. Materie: Matematica. Classe : 4 L Indirizzo Scientifico Scienze Applicate
Anno scolastico 2015/2016 PROGRAMMA SVOLTO Docente: Catini Romina Materie: Matematica Classe : 4 L Indirizzo Scientifico Scienze Applicate UNITA DIDATTICA FORMATIVA 1: Statistica Rilevazione dei dati Rappresentazioni
DettagliESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo
ESERCIZI SVOLTI Giuliano Bonollo - Michele Bonollo 1 La seguente tabella riporta le frequenze relative riguardanti gli studenti di un università e gli esiti dell esame da essi sostenuto. Qual è la percentuale
DettagliEsame di Statistica (10 o 12 CFU) CLEF 11 febbraio 2016
Esame di Statistica 0 o CFU) CLEF febbraio 06 Esercizio Si considerino i seguenti dati, relativi a 00 clienti di una banca a cui è stato concesso un prestito, classificati per età e per esito dell operazione
Dettaglideterminare 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
DettagliIl confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
DettagliLe coniche: circonferenza, parabola, ellisse e iperbole.
Le coniche: circonferenza, parabola, ellisse e iperbole. Teoria in sintesi Queste curve si chiamano coniche perché sono ottenute tramite l intersezione di una superficie conica con un piano. Si possono
DettagliITCS 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
Dettagli2. APPUNTI SUI FASCI DI CIRCONFERENZE (raccolti dal prof. G. Traversi)
2. APPUNTI SUI FASCI DI CIRCONFERENZE (raccolti dal prof. G. Traversi) La circonferenza è la curva di 2^ grado che viene individuata univocamente da tre punti non allineati e possiede la seguente proprietà:
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 21/09/2011
FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 1/9/11 ESERCIZIO 1 (+3++3) La seguente tabella riporta la distribuzione di frequenza dei valori di emoglobina nel sangue (espressi
DettagliRegressione lineare multipla CORSO DI ANALISI DEI DATI Anno Accademico 2009/2010, I ciclo
Regressione lineare multipla CORSO DI ANALISI DEI DATI Anno Accademico 2009/2010, I ciclo 1 Controllo di ipotesi sui parametri In questo contesto risulta necessario avvalersi dell assunzione di normalita
DettagliANALISI MULTIVARIATA
ANALISI MULTIVARIATA Marcella Montico Servizio di epidemiologia e biostatistica... ancora sulla relazione tra due variabili: la regressione lineare semplice VD: quantitativa VI: quantitativa Misura la
DettagliCapitolo 6. La distribuzione normale
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 6 La distribuzione normale Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università
DettagliCapacità: Analizzare un problema semplice. Valutare la congruenza dei risultati con i dati e le informazioni iniziali.
MATEMATICA: PROGRAMMAZIONE CLASSE QUINTA LICEO TURISTICO A.S. 2011-2012 A) OBIETTIVI Conoscenze: Le caratteristiche di una funzione lineare in due variabili reali. Gli scopi e i metodi della ricerca operativa.
Dettagli12) Metodo dei minimi quadrati e linea di tendenza
12) Metodo dei minimi quadrati e linea di tendenza 43 Si supponga di avere una tabella di dati {y exp i} i=1,,n in funzione di altri dati {x i } i=1,,n che siano il risultato di una qualche misura sperimentale.
DettagliSTATISTICA DESCRITTIVA. Elementi di statistica medica GLI INDICI INDICI DI DISPERSIONE STATISTICA DESCRITTIVA
STATISTICA DESCRITTIVA Elementi di statistica medica STATISTICA DESCRITTIVA È quella branca della statistica che ha il fine di descrivere un fenomeno. Deve quindi sintetizzare tramite pochi valori(indici
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Esercizio 1 (stima puntuale) In un processo di controllo di qualità, siamo interessati al numero mensile di guasti
DettagliEsercizi svolti sulla parabola
Liceo Classico Galilei Pisa - Classe a A - Prof. Francesco Daddi - 19 dicembre 011 Esercizi svolti sulla parabola Esercizio 1. Determinare l equazione della parabola avente fuoco in F(1, 1) e per direttrice
DettagliNuovo Ordinamento Esame di Statistica I 24 giugno 2002 Cognome docente: J. Mortera / P. Vicard Nome
Esame di Statistica I 24 giugno 2002 Cognome 1. [12] Da un campione di 100 aziende agricole della provincia di Bologna è stata rilevata la classe di superficie (in migliaia di ettari) ottenendo i seguenti
DettagliANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti A cura di: Ing.
Dettaglia.a Esercitazioni di Statistica Medica e Biometria Corsi di Laurea triennali Ostetricia / Infermieristica Pediatrica I anno
a.a. 2007-2008 Esercitazioni di Statistica Medica e Biometria Corsi di Laurea triennali Ostetricia / Infermieristica Pediatrica I anno Dott.ssa Daniela Alessi daniela.alessi@med.unipmn.it 1 Argomenti:
DettagliLezione 4 a - Misure di dispersione o di variabilità
Lezione 4 a - Misure di dispersione o di variabilità Abbiamo visto che la media è una misura della localizzazione centrale della distribuzione (il centro di gravità). Popolazioni con la stessa media possono
DettagliEsame di Statistica A-Di Prof. M. Romanazzi
1 Università di Venezia Esame di Statistica A-Di Prof. M. Romanazzi 22 Gennaio 2016 Cognome e Nome..................................... N. Matricola.......... Valutazione Il punteggio massimo teorico di
DettagliCosti fissi, costi variabili, punto di pareggio e diagramma di redditività
Cognome... Nome... Classe... Data... Costi fissi, costi variabili, punto di pareggio e diagramma di redditività Correlazione 1 Associa ciascun costo alla relativa tipologia. 1. Costo delle lavorazioni
Dettaglia) Usando i seguenti livelli di significatività, procedere alla verifica di ipotesi, usando come ipotesi alternativa un'ipotesi unidirezionale:
ESERCIZIO 1 Da studi precedenti, il responsabile del rischio di una grande banca sa che l'ammontare medio di denaro che deve essere corrisposto dai correntisti che hanno il conto scoperto è pari a 240.
DettagliPIANO DI LAVORO DI MATEMATICA Classe 1 ^C - Liceo Linguistico. Docente: Mario Donno. Obiettivi specifici della disciplina
PIANO DI LAVORO DI MATEMATICA Classe 1 ^C - Liceo Linguistico Docente: Mario Donno Obiettivi specifici della disciplina Applicare i principi e i processi matematici nel contesto quotidiano Cogliere analogie
DettagliFacoltà di Scienze Politiche Corso di laurea in Servizio sociale. Compito di Statistica del 7/1/2003
Compito di Statistica del 7/1/2003 I giovani addetti all agricoltura in due diverse regioni sono stati classificati per età; la distribuzione di frequenze congiunta è data dalla tabella seguente Età in
DettagliCORSO ZERO DI MATEMATICA
UNIVERSITÀ DEGLI STUDI DI PALERMO FACOLTÀ DI ARCHITETTURA CORSO ZERO DI MATEMATICA EQUAZIONI E DISEQUAZIONI DI SECONDO GRADO Dr. Erasmo Modica erasmo@galois.it EQUAZIONI DI SECONDO GRADO Definizione: Dicesi
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliRELAZIONE TRA DUE VARIABILI QUANTITATIVE
Lezione IX: Regressione e Correlazione Cattedra di Biostatistica Dipartimento di Scienze Biomediche, Università degli Studi G. d Annunzio di Chieti Pescara Prof. Enzo Ballone RELAZIONE TRA DUE VARIABILI
DettagliEsercitazioni del corso ufficiale di Statistica. Ottobre - Novembre 2006. Corso di Laurea in Economia Aziendale. Lezione di Sabato 18 Novembre
Esercitazioni del corso ufficiale di Statistica Corso di Laurea in Economia Aziendale Ottobre - 2006 Uno degli scopi più comuni nella raccolta dei dati è la ricerca di relazioni del tipo causa-effetto,
DettagliGeometria analitica di base (seconda parte)
SAPERE Al termine di questo capitolo, avrai appreso: il concetto di luogo geometrico la definizione di funzione quadratica l interpretazione geometrica di un particolare sistema di equazioni di secondo
DettagliEsercizio 1 Questa tabella esprime i tempi di durata di 200 apparecchiature elettriche:
Istituzioni di Statistica 1 Esercizi su indici di posizione e di variabilità Esercizio 1 Questa tabella esprime i tempi di durata di 200 apparecchiature elettriche: Durata (ore) Frequenza 0 100? 100 200
DettagliESERCIZI. Regressione lineare semplice CAPITOLO 12 Levine, Krehbiel, Berenson, Statistica II ed., 2006 Apogeo
Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università di Padova Docenti: Prof. L. Salmaso, Dott. L. Corain ESERCIZI Regressione lineare semplice
DettagliStatistica - metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill
- metodologie per le scienze economiche e sociali S. Borra, A. Di Ciaccio - McGraw Hill Es. Soluzione degli esercizi del capitolo 8 home - indice In base agli arrotondamenti effettuati nei calcoli, si
DettagliCorrelazione. Daniela Valenti, Treccani Scuola 1
Correlazione 1 I dati di un indagine per riflettere Cominciamo con i dati di un indagine svolta in una quinta classe di scuola superiore. Dopo l Esame di Stato 12 studenti si sono iscritti a corsi di laurea
DettagliDefinizione: Dato un sottoinsieme non vuoti di. Si chiama funzione identica o identità di in sé la funzione tale che.
Esercitazioni di Analisi Matematica Prof.ssa Chiara Broggi Materiale disponibile su www.istitutodefilippi.it/claro Lezione 2: Funzioni reali e loro proprietà Definizione: Siano e due sottoinsiemi non vuoti
DettagliCORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5
CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 5 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Misura dell associazione tra due caratteri Uno store manager è interessato a studiare la relazione
DettagliLezione 4. Statistica. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Lezione 4. A. Iodice. Indici di posizione.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 28 Outline 1 Indici 2 3 mediana distribuzioni 4 5 () Statistica 2 / 28 Indici robusti (o ): La moda
DettagliIstituzioni di Statistica 1 Esercizi su strumenti grafici e funzione di frequenza relativa cumulata
Istituzioni di Statistica 1 Esercizi su strumenti grafici e funzione di frequenza relativa cumulata Esercizio 1 La seguente tabella riguarda il tempo per passare da 0 a 100 km/h di 17 automobili tedesche
DettagliStatistica 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 / 27 Numeri indici e rapporti statistici
DettagliLICEO SCIENTIFICO STATALE
LICEO SCIENTIFICO STATALE GALILEO GALILEI PdQ - 7.06 Ediz.: 1 Rev.: 0 Data 02/09/05 Alleg.: D01 PROG. M2 PROCEDURA della QUALITA' Programma Didattico Annuale Anno Scolastico 2011/2012 MATERIA : Matematica
DettagliCorso di laurea in Statistica Statistica I Esercizi sulla regressione lineare semplice
Corso di laurea in Statistica Statistica I Esercizi sulla regressione lineare semplice Esercizio 1 Efficacia di un disinfettante I dati della Tabella 1 mostrano i conteggi relativi alla presenza o meno
DettagliProtocollo dei saperi imprescindibili Ordine di scuola: tecnico della grafica
DISCIPLINA: MATEMATICA Protocollo dei saperi imprescindibili Ordine di scuola: tecnico della grafica RESPONSABILE: CAGNESCHI F. - IMPERATORE D. CLASSE/INDIRIZZO: prima tecnico della grafica calcolo numerico
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliRELAZIONE FINALE DEL DOCENTE. Materia: MATEMATICA E COMPLEMENTI DI MATEMATICA Classe 4BPT A. S. 2015/2016
RELAZIONE FINALE DEL DOCENTE Materia: MATEMATICA E COMPLEMENTI DI MATEMATICA Classe 4BPT A. S. 2015/2016 In relazione alla programmazione curricolare sono stati conseguiti, in termini di livello medio,
DettagliLA CIRCONFERENZA E LA SUA EQUAZIONE
LA CIRCONFERENZA E LA SUA EQUAZIONE LA CIRCONFERENZA COME LUOGO GEOMETRICO DEFINIZIONE Assegnato nel piano un punto C, detto centro, si chiama circonferenza la curva piana luogo geometrico dei punti equidistanti
DettagliFunzioni di secondo grado
Definizione della funzione di secondo grado 1 Funzioni di secondo grado 1 Definizione della funzione di secondo grado f: R R, = a +b +c dove a, b, c ǫ R e a definisce una funzione di secondo grado. A seconda
DettagliPROBLEMI DI SCELTA dipendenti da due variabili d azione
prof. Guida PROBLEMI DI SCELTA dipendenti da due variabili d azione in un problema di programmazione lineare, si ricorda che la funzione obiettivo z=f(x,y)=ax+by+c assume il suo valore massimo (o minimo)
DettagliEsercizio. Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a. [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m
Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m Vale la [1] perché per le proprietà delle potenze risulta a m a
DettagliLA CIRCONFERENZA La circonferenza è il luogo geometrico dei punti equidistanti da un punto C, detto centro.
Geometria Analitica Le coniche Queste curve si chiamano coniche perché sono ottenute tramite l'intersezione di una superficie conica con un piano. Si possono definire tutte come luoghi geometrici e, di
DettagliDispensa sulla funzione gaussiana
Sapienza Università di Roma Dipartimento di Scienze di Base e Applicate per l Ingegneria Sezione di Matematica Dispensa sulla funzione gaussiana Paola Loreti e Cristina Pocci A. A. 011-01 1 Introduzione:
DettagliFACOLTA DI SCIENZE STATISTICHE Corso di laurea in Statistica, Imprese e Mercati Statistica economica (Prof. Filippucci) Prova del 19/12/07
FACOLTA DI SCIENZE STATISTICHE Corso di laurea in Statistica, Imprese e Mercati Statistica economica (Prof. Filippucci) Prova del 19/12/07 Nome e cognome N. di Matricola 1.) Quale delle seguenti affermazioni
DettagliMisure di dispersione (o di variabilità)
14/1/01 Misure di dispersione (o di variabilità) Range Distanza interquartile Deviazione standard Coefficiente di variazione Misure di dispersione 7 8 9 30 31 9 18 3 45 50 x = 9 range=31-7=4 x = 9 range=50-9=41
DettagliLa retta di regressione
La retta di regressione Michele Impedovo Uno dei temi nuovi e centrali per il rinnovamento dei programmi di matematica, che si impone in modo naturale quando si abbia a disposizione un qualunque strumento
DettagliProtocollo dei saperi imprescindibili Ordine di scuola: professionale
Protocollo dei saperi imprescindibili Ordine di scuola: professionale DISCIPLINA: MATEMATICA RESPONSABILE: CAGNESCHI F. IMPERATORE D. CLASSE: prima servizi commerciali Utilizzare le tecniche e le procedure
DettagliCalcolo di una Regressione lineare semplice con Excel
Calcolo di una Regressione lineare semplice con Excel Inserire i dati In un tabellone vuoto di Excel, inserire i dati di X e di Y. Ad esempio i dati della Tabella 0.1 dovrebbero essere inseriti in Excel
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Indici di posizione e di variabilità Prof. Livia De Giovanni lstatistica@dis.uniroma1.it Esercizio 1 Data la seguente distribuzione unitaria del carattere X: X : 4 2 4 2 6 4
DettagliESERCITAZIONI DI LOGISTICA. Laurea in Ingegneria Logistica e della Produzione. Corso di Logistica e di Distribuzione
ESERCITAZIONI DI LOGISTICA Laurea in Ingegneria Logistica e della Produzione Corso di Logistica e di Distribuzione Docente: Prof. Ing. Giulio Zotteri A.A. 2002/2003 Tutore: Ing. Scapaccino Giuliano QUINTA
DettagliMATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI)
Matematica Finanziaria, a.a. 2011/2012 p. 1/315 UNIVERSITA DEGLI STUDI DI PARMA FACOLTA DI ECONOMIA MATEMATICA FINANZIARIA RISCHI: RAPPRESENTAZIONE E GESTIONE (CENNI) ANNAMARIA OLIVIERI a.a. 2011/2012
DettagliECONOMIA APPLICATA ALL INGEGNERIA (Docente: Prof. Ing. Donato Morea) Microeconomia Esercitazione n. 1 - I FONDAMENTI DI DOMANDA E DI OFFERTA
ESERCIZIO n. 1 - Equilibrio di mercato e spostamenti delle curve di domanda e di offerta La quantità domandata di un certo bene è descritta dalla seguente funzione: p (D) mentre la quantità offerta è descritta
DettagliQuadro riassuntivo di geometria analitica
Quadro riassuntivo di geometria analitica IL PIANO CARTESIANO (detta ascissa o coordinata x) e y quella dall'asse x (detta ordinata o coordinata y). Le coordinate di un punto P sono: entrambe positive
DettagliEsercitazione n o 3 per il corso di Ricerca Operativa
Esercitazione n o 3 per il corso di Ricerca Operativa Ultimo aggiornamento October 17, 2011 Fornitura acqua Una città deve essere rifornita, ogni giorno, con 500 000 litri di acqua. Si richiede che l acqua
DettagliESAME DI STATO LICEO SCIENTIFICO MATEMATICA 2011
ESAME DI STATO LICEO SCIENTIFICO MATEMATICA PROBLEMA La funzione f ( ) ( )( ) è una funzione dispari di terzo grado Intercetta l asse nei punti ;, ; e ; Risulta f per e per è invece f per e per f ' risulta
DettagliLa circonferenza nel piano cartesiano
La circonferenza nel piano cartesiano 1. Definizione ed equazione. Si chiama circonferenza C, di centro C( α, β ) e raggio r, l insieme di tutti e soli i punti del piano che hanno distanza r da C. L equazione
DettagliUNITA DI MISURA LOGARITMICHE
UNITA DI MISURA LOGARITMICHE MOTIVAZIONI Attenuazione del segnale trasmesso esponenziale con la lunghezza mentre si propaga sulle linee di trasmissione (conduttori metallici) Utilizzando le unità logaritmiche
Dettagli1. riconoscere la risolubilità di equazioni e disequazioni in casi particolari
Secondo modulo: Algebra Obiettivi 1. riconoscere la risolubilità di equazioni e disequazioni in casi particolari 2. risolvere equazioni intere e frazionarie di primo grado, secondo grado, grado superiore
DettagliMETODO DI CAVALIERI-SIMPSON (o delle parabole) (per il calcolo approssimato 1 di integrali definiti)
METODO DI CVLIERI-SIMPSON (o delle parabole) (per il calcolo approssimato di integrali definiti) ssieme ai metodi dei Rettangoli e dei Trapezi costituisce l insieme dei metodi di Integrazione Numerica
DettagliAppunti ed esercizi sulle coniche
1 LA CIRCONFERENZA 1 Appunti ed esercizi sulle coniche Versione del 1 Marzo 011 1 La circonferenza Nel piano R, fissati un punto O = (a, b) e un numero r > 0, la circonferenza (o cerchio) C di centro O
DettagliCorso di. Economia Politica
Prof.ssa Blanchard, Maria Laura Macroeconomia Parisi, PhD; Una parisi@eco.unibs.it; prospettiva europea, DEM Università Il Mulino di 20 Brescia Capitolo I. Un Viaggio intorno al mondo Corso di Economia
DettagliIncertezza di Misura: Concetti di Base
Incertezza di Misura: Concetti di Base Roberto Ottoboni Dipartimento di Elettrotecnica Politecnico di Milano 1 Il concetto di misura Nella sua accezione più comune si è sempre inteso come misura di una
DettagliDistribuzioni di Probabilità
Distribuzioni di Probabilità Distribuzioni discrete Distribuzione uniforme discreta Distribuzione di Poisson Distribuzioni continue Distribuzione Uniforme Distribuzione Gamma Distribuzione Esponenziale
DettagliEsercitazioni di Statistica
Esercitazioni di Statistica Rappresentazioni grafiche Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si consideri la seguente distribuzione delle industrie tessili secondo il fatturato
DettagliGRAFICI DI PROBABILITÀ Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 2007/2008 GRAFICI DI PROBABILITÀ Prof. Antonio Lanzotti A cura di: Ing. Giovanna
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
DettagliMacroeconomia. Equilibrio di breve e medio periodo: Modello As - Ad. Esercitazione del 13.04.2016 (+ soluzioni) (a cura della dott.
Dipartimento di Economia, Statistica e Finanza Corso di Laurea in ECONOMIA Macroeconomia Equilibrio di breve e medio periodo: Modello As - Ad Esercitazione del 13.04.2016 (+ soluzioni) (a cura della dott.ssa
DettagliStatistica Descrittiva III
Serie Bi-variate Statistica Descrittiva III Definizioni Serie statistiche bi-variate Rappresentazioni tabellari e grafiche Indici di posizione e di variabilità Dipendenza lineare: retta di regressione
DettagliEsercizi sui vettori liberi (i, j, k è una base ortonormale positiva)
Esercizi sui vettori liberi (i, j, k è una base ortonormale positiva) Esercizio 1 Siano v e w due vettori non paralleli.sapendo che v è un versore e che v w =3 trovare l espressione di tutti i vettori
DettagliAnno 3 Rette e circonferenze
Anno 3 Rette e circonferenze 1 Introduzione In questa lezione esamineremo le reciproche posizioni che possono sussistere tra retta e circonferenza o tra due circonferenze. Al termine della lezione sarai
DettagliMATEMATICA LA PARABOLA GSCATULLO
MATEMATICA LA PARABOLA GSCATULLO La Parabola Introduzione e definizione Prima di affrontare la parabola e la sua analisi matematica, appare opportuno definirla nelle sue caratteristiche essenziali. Anzitutto
DettagliAnalisi della varianza
1. 2. univariata ad un solo fattore tra i soggetti (between subjects) 3. univariata: disegni fattoriali 4. univariata entro i soggetti (within subjects) 5. : disegni fattoriali «misti» L analisi della
DettagliRisoluzione dei triangoli rettangoli
Risoluzione dei triangoli rettangoli In questa dispensa esamineremo il problema della risoluzione dei triangoli rettangoli. Riprendendo la definizione di seno e coseno, mostreremo come questi si possano
DettagliESERCIZI SVOLTI SUL CALCOLO INTEGRALE
ESERCIZI SVOLTI SUL CALCOLO INTEGRALE * Tratti dagli appunti delle lezioni del corso di Matematica Generale Dipartimento di Economia - Università degli Studi di Foggia Prof. Luca Grilli Dott. Michele Bisceglia
DettagliPrecorso di Matematica
UNIVERSITÀ DEGLI STUDI ROMA TRE FACOLTA DI ARCHITETTURA Precorso di Matematica Anna Scaramuzza Anno Accademico 2005-2006 4-10 Ottobre 2005 INDICE 1. ALGEBRA................................. 3 1.1 Equazioni
DettagliLEZIONE 10. S(C,ρ) Figura 10.1
LEZIONE 10 10.1. Sfere nello spazio. In questa lezione studieremo alcuni oggetti geometrici non lineari, circonferenze e sfere nello spazio A 3. Poiché le proprietà delle circonferenze nel piano sono del
DettagliEsercizi 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
DettagliTempo a disposizione: 150 minuti. 1 È dato l endomorfismo f : R 3 R 3 definito dalle relazioni
Università degli Studi di Catania Anno Accademico 2014-2015 Corso di Laurea in Informatica Prova in itinere di Matematica Discreta (12 CFU) 17 Aprile 2015 Prova completa Tempo a disposizione: 150 minuti
DettagliCorso di Laurea in Scienza dei Materiali Laboratorio di Fisica II ESPERIENZA DC1. Circuiti in corrente continua
Corso di Laurea in Scienza dei Materiali Laboratorio di Fisica II ESPERIENZA DC1 Circuiti in corrente continua Scopo dell'esperienza 1. Utilizzo di voltmetro ed amperometro; 2. verifica della validità
DettagliTeorema del limite centrale TCL
Teorema del limite centrale TCL Questo importante teorema della statistica inferenziale si applica a qualsiasi variabile aleatoria che sia combinazione lineare di N variabili aleatorie le cui funzioni
DettagliTaratura statica. Laboratorio n. 3 a.a. 2004-2005. Sito di Misure: http://misure.mecc.polimi.it
Laboratorio n. 3 a.a. 2004-2005 Taratura statica Prof. Alfredo Cigada 02-2399.8487 alfredo.cigada@polimi.it Ing. Alessandro Basso 02-2399.8488 alessandro.basso@polimi.it Ing. Massimiliano Lurati 02-2399.8448
DettagliLEZIONE N. 11 ( a cura di MADDALENA BEI)
LEZIONE N. 11 ( a cura di MADDALENA BEI) F- test Assumiamo l ipotesi nulla H 0 :β 1,...,Β k =0 E diverso dal verificare che H 0 :B J =0 In realtà F - test è più generale H 0 :Aβ=0 H 1 :Aβ 0 A è una matrice
DettagliIntegrazioni al corso di Economia Politica (anno accademico ) Marianna Belloc
Integrazioni al corso di Economia Politica (anno accademico 2013-2014) Marianna Belloc 1 L elasticità Come è già noto, la funzione di domanda di mercato indica la quantità che il mercato è disposto ad
Dettagli