Dati Auto (Auto.xlsx)

Documenti analoghi
Vendite (Sales) in funzione della spesa pubblicitaria in TV, Radio e Giornali (Newspaper) (Ads.xlsx)

MEDIA DI Y (ALTEZZA):

Caso studio 12. Regressione. Esempio

La Regressione. Y = f ( X ) Le motivazioni che ci spingono alla ricerca di f essenzialmente due: la Previsione ed il Controllo.

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

Esercitazione 6 del corso di Statistica (parte 1)

Istogrammi e confronto con la distribuzione normale

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV

12/11/2015 STATISTICA 1. Esercitazione 4. Dott.ssa Vera Gurtovaya

Caso studio 10. Dipendenza in media. Esempio

Dott.ssa Marta Di Nicola

CORSO DI STATISTICA I (Prof.ssa S. Terzi)

INDICI DI VARIABILITA

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

Quale retta? La retta migliore è quella che più si avvicina all insieme dei 115

Facoltà di Economia - STATISTICA - Corso di Recupero a.a Prof.ssa G. Balsamo CONCETTI di BASE Carattere X [o A ] i = 1

Seconda Prova Parziale di STATISTICA Modalità A

Regressione e Correlazione

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2

Caso studio 2. Le medie. Esercizio. La media aritmetica. Esempio

Variabilità = Informazione

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

I percentili e i quartili

Contenuti. Facoltà di Economia. Scatterplot o diagramma a dispersione Analisi grafica della relazione tra due. francesco mola.

LA REGRESSIONE LINEARE SEMPLICE

Lezione 4. La Variabilità. Lezione 4 1

Classi di reddito % famiglie Fino a Oltre Totale 100

( ) 2 i 1 X. n(n + 1) a) si determini se sono corretti; b) per quelli non corretti, si calcoli la distorsione d;

Gli indici sintetici Forma. Gli indici sintetici. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso

Indipendenza tra due caratteri

CORSO DI STATISTICA I (Prof.ssa S. Terzi) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI. Esercitazione n 3

PROVA SCRITTA DI STATISTICA (COD ) 4 Febbraio 2004 MODALITÀ A APPROSSIMARE TUTTI I CALCOLI ALLA QUARTA CIFRA DECIMALE

Voti Diploma Classico Scientifico Tecn. E Comm Altro

Indici di asimmetria. Elementi di Statistica descrittiva Parte IV. Simmetria di una distribuzione di frequenze. Primo indice di asimmetria (1/3)

pè via che, lì, la media è sempre eguale risurta che te tocca un pollo all'anno: Me spiego: da li conti che se fanno seconno le statistiche d'adesso

Unità 11. Studio di più variabili. Interpolazione. Regressione. Correlazione. Notazione matriciale

Analisi dei Dati. La statistica è facile!!! Correlazione

La media aritmetica. La sua individuazione si basa sulla logica della trasferibilità di un carattere. Se la funzione f( ) corrisponde alla somma:

DI IDROLOGIA TECNICA PARTE II

ρ XY risponde alla domanda esiste un associazione lineare tra le variabili X e Y?

Approfondimenti Lezione 3. Mara Bruzzi

Capitolo 6 Gli indici di variabilità

Università egli Studi di Bergamo Corso di laurea in Ingegneria Edile STATISTICA Stima di massima verosimiglianza

LA REGRESSIONE LINEARE SEMPLICE

Gli indici sintetici Forma. Un caso studio. Gli indici sintetici. Qualche considerazione. Qualche considerazione. Tendenza centrale Forma

Compito A1- Soluzioni

Capitolo 17. Suggerimenti agli esercizi a cura di Elena Siletti. Esercizio 17.1: Suggerimento

Elementi di Statistica descrittiva Parte III

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che:

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

TRATTAMENTO STATISTICO DEI DATI ANALITICI

Generalmente sia l ampiezza che il valore medio della sollecitazione sono variabili nel tempo.

Indipendenza in distribuzione

Lezione 4. Metodi statistici per il miglioramento della Qualità

12. STATISTICHE CAMPIONARIE

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione

Esercitazione 5 del corso di Statistica (parte 1)

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione

Il modello di regressione lineare semplice (1) Studio della dipendenza riepilogo

Matematica elementare art.1 di Raimondo Valeri

Analisi delle distribuzioni doppie: dipendenza

CENNI DI STATISTICA DESCRITTIVA BIVARIATA DISTRIBUZIONI MARGINALI RETTA DI REGRESSIONE. Angela Donatiello 1

Approfondimenti sui diagrammi di Bode

Modelli di accumulo del danno dovuto a carichi ciclici

LE MEDIE. Le Medie. Medie razionali. Medie di posizione

La media aritmetica. Le medie. Esempio. Esempio. Media aritmetica Mediana. Medie analitiche Medie di posizione. x 1

TEST CHI DI INDIPENDENZA STOCASTICA

LA FUNZIONE DI VEROSIMIGLIANZA

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica).

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in

exp("# (al posto di n) var Ca Coefficiente di asimmetria, indipendente dal valore dei parametri. f X DISTRIBUZIONE EV1 o DI GUMBEL.

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in due gruppi

Associazione tra due variabili quantitative

Il modello di regressione multipla

Variabili casuali ( ) 1 2 n

LEZIONI DI STATISTICA MEDICA

Analisi di regressione con SAS. Ci interessa. Matrice di covarianza. Esempio: due test su 31 individui PROC CORR PROC GPLOT PROC REG

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

Lezione 24. Campi finiti.

DATA MINING PER IL MARKETING (63 ore)

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno

Stima puntuale Quando un parametro della popolazione incognito è valutato (stimato) da una sola statistica (parametro) tratto da un campione

IL MODELLO DI REGRESSIONE LINEARE MULTIPLA

Daniela Tondini

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini e Leonardo Bertini. Lezione 2:

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza

Statistica descrittiva per l Estimo

Dai dati osservati mediante scelta campionaria si giunge ad affermazioni i che riguardano la popolazione da cui essi sono stati prescelti

( ) ( ) ( ) ( ) Mutua variabilità. n n 1. n n 1. n n 1. n n 1

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Trasmissione del calore con applicazioni numeriche: informatica applicata

III Esercitazione: Sintesi delle distribuzioni semplici secondo un carattere qualitativo ordinale.

Il campionamento e l inferenza

corrispondenza della generica i-esima modalità. Indicando con #(.) la cardinalità di un insieme, per esse si ha, rispettivamente:

frazione 1 n dell ammontare complessivo del carattere A x

Analisi statistiche bivariate

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso

Transcript:

Dat Auto (Auto.ls) mpg cylders dsplacemet horsepower weght accelerato year org ame 8.0 8 307.0 30 3504.0 70 chevrolet chevelle malbu 5.0 8 350.0 65 3693.5 70 buck skylark 30 3 8.0 8 38.0 50 3436.0 70 plymouth satellte 4 6.0 8 304.0 50 3433.0 70 amc rebel sst 5 7.0 8 30.0 40 3449 0.5 70 ford toro 6 5.0 8 49.0 98 434 0.0 70 ford galae 500 7 4.0 8 454.0 0 4354 9.0 70 chevrolet mpala 8 4.0 8 440.0 5 43 8.5 70 plymouth fury 9 4.0 8 455.0 5 445 0.0 70 potac catala 0 5.0 8 390.0 90 3850 8.5 70 amc ambassador dpl 5.0 8 383.0 70 3563 0.0 70 dodge challeger se 4.0 8 340.0 60 3609 8.0 70 plymouth 'cuda 340 3 5.0 8 400.0 50 376 9.5 70 chevrolet mote carlo 4 4.0 8 455.0 5 3086 0.0 70 buck estate wago (sw) 5 4.0 4 3.0 95 37 5.0 70 3 toyota coroa mark 6.0 6 98.0 95 833 5.5 70 plymouth duster 7 8.0 6 99.0 97 774 5.5 70 amc horet 8.0 6 00.0 85 587 6.0 70 ford maverck 9 7.0 4 97.0 88 30 4.5 70 3 datsu pl50 0 6.0 4 97.0 46 835 0.5 70 volkswage 3 delue seda 5.0 4 0.0 87 67 7.5 70 peugeot 504 4.0 4 07.0 90 430 4.5 70 aud 00 ls 3 5.0 4 04.0 95 375 7.5 70 saab 99e 4 6.0 4.0 3 34.5 70 bmw 00 5.0 6 99.0 90 648 5.0 70 amc greml 6 0.0 8 360.0 5 465 4.0 70 ford f50 7 0.0 8 307.0 00 4376 5.0 70 chevy c0 8.0 8 38.0 0 438 3.5 70 dodge d00

Dat Auto (Auto.tt) mpg cylders dsplacemet horsepower weght accelerato year org ame 37 9.0 4 35.0 84 55 6.0 8 dodge ares se 373 7.0 4 5.0 90 735 8.0 8 potac phoe 374 4.0 4 40.0 9 865 6.4 8 ford farmot futura 375 36.0 4 05.0 74 980 5.3 8 volkswage rabbt 376 37.0 4 9.0 68 05 8. 8 3 mazda glc custom l 377 3.0 4 9.0 68 970 7.6 8 3 mazda glc custom 378 38.0 4 05.0 63 5 4.7 8 plymouth horzo mser 379 36.0 4 98.0 70 5 7.3 8 mercury ly l 380 36.0 4 0.0 88 60 4.5 8 3 ssa staza e 38 36.0 4 07.0 75 05 4.5 8 3 hoda accord 38 34.0 4 08.0 70 45 6.9 8 3 toyota corolla 383 38.0 4 9.0 67 965 5.0 8 3 hoda 384 3.0 4 9.0 67 965 5.7 8 3 hoda cvc (auto) 385 38.0 4 9.0 67 995 6. 8 3 datsu 30 g 386 5.0 6 8.0 0 945 6.4 8 buck 387 38.0 6 6.0 85 305 7.0 8 oldsmoble cutlass cera 388 6.0 4 56.0 9 585 4.5 8 chrysler lebaro medallo 389.0 6 3.0 835 4.7 8 ford graada l 390 3.0 4 44.0 96 665 3.9 8 3 toyota celca gt 39 36.0 4 35.0 84 370 3.0 8 dodge charger. 39 7.0 4 5.0 90 950 7.3 8 chevrolet camaro 393 7.0 4 40.0 86 790 5.6 8 ford mustag gl 394 44.0 4 97.0 5 30 4.6 8 vw pckup 395 3.0 4 35.0 84 95.6 8 dodge rampage 396 8.0 4 0.0 79 65 8.6 8 ford rager 397 3.0 4 9.0 8 70 9.4 8 chevy s-0

Dat Auto (Auto.tt) Regresso: Mpg vs Dsplacemet Gova Latorre 3

Dat Auto (Auto.tt) Regresso: Mpg vs Dsplacemet R Retta d Regressoe: Mpg = 35. - 0.06 Dsplacemet R = 0.648 Gova Latorre 4

Dat Auto (Auto.tt) Regresso: Mpg vs Dsplacemet Resduals vs Dsplacemet Resdu formatv Gova Latorre 5

Dat Auto (Auto.tt) Regresso: Mpg vs Dsplacemet Resduals vs Ftted Mpg Resdu formatv Gova Latorre 6

Dat Auto (Auto.tt) Regresso: Mpg vs Dsplacemet Gova Latorre 7

Dat Auto (Auto.tt) Regresso: Mpg vs Dsplacemet Curva d Regressoe: Mpg = 4 0.379 Dsplacemet + + 0.000 Dsplacemet R = 0.6888 G. Latorre 8

Dat Auto (Auto.tt) Curva d Regressoe: Mpg vs Dsplacemet Resduals vs Dsplacemet Resdu o formatv G. Latorre 9

Dat Auto (Auto.tt) Curva d Regressoe: Mpg vs Dsplacemet Resduals vs Ftted Mpg Resdu o formatv G. Latorre 0

Dat Auto (Auto.tt) Regresso: Mpg vs Weght Gova Latorre

Dat Auto (Auto.tt) Regresso: Mpg vs Weght Retta d Regressoe: Mpg = 46. - 0.0076 Weght R = 0.696 Gova Latorre

Dat Auto (Auto.tt) Regresso: Mpg vs Weght Resduals vs Weght Resdu formatv Gova Latorre 3

Dat Auto (Auto.tt) Regresso: Mpg vs Weght Resduals vs Ftted Mpg Resdu formatv Gova Latorre 4

Dat Auto (Auto.tt) Regresso: Mpg vs Weght Gova Latorre 5

Dat Auto (Auto.tt) Regresso: Mpg vs Weght Curva d Regressoe: Mpg = 6 0.085 Weght + + 0.00000 Weght R = 0.75 G. Latorre 6

Dat Auto (Auto.tt) Curva d Regressoe: Mpg vs Weght Resduals vs Weght Resdu o formatv G. Latorre 7

Dat Auto (Auto.tt) Curva d Regressoe: Mpg vs Weght Resduals vs Ftted Mpg Resdu o formatv G. Latorre 8

Estesoe o leare Soo chamat strettamete lear modell e qual sa le varabl che parametr compaoo alla I^ poteza; esemp: Y = a + b X Y = a + b X + c X Soo chamat lear modell e qual solo parametr soo alla I^ poteza; esempo: Y = a + b X + c X = f(x) G. Latorre Parabola d equazoe: Y = -3 + 5X - X 9

Per determare a, b, e c Y = a + b X + c X () basta porre: X = X e X = X e determare a, b, e c Y = a + b X + c X () co la metodologa de modell multvarat. Nota: ) Modello leare (solo parametr soo alla I^ poteza); ) Modello strettamete leare (parametr e varabl soo etramb alla I^ poteza). G. Latorre 0

X=Dose d fertlzzate, Y= Raccolto medo d grao, 00 appezzamet d terreo X Y X Y X Y X Y,4,89 0,83 0,54 4,78 6,9 4,36 9,58 3,0 4,9 3,3,5 3,80, 3,57,,96 3,8 4,80 8,,90,43 4,57 8,3,74,34,63,33 5, 4,35,99 4,9,74 3,48 3,78,5,0,85,49 4,45 3,00 3,98,67 3,90,50,36 5,4,85 3,5,7 4,06 0,7,68,,86,6 3,07 5,9 5,5 5,98 3,3 3,46 3,7,4 4,3 8,8 3,97,49 5,43 3,5,48 3,3,75,57 4,78 7,69,43,53,8 4,03,40 3,98 3,4, 4,59 6,68 4,45 0,33 4,96 6,80 4,97 7,54 3,85 0,93 0,7 0, 3,46 3,36 3,9 3,55 0,86 0,8 3,08,9,76,43 0,80 0,7,34,53,48,0,4,4,8 0,8 5,45 3,60 3,76,8 3,97,0,0 4,9,59,4 4,7 7,69,9,9 0,53 7,33 3,58,86 0,65 9,03 5,07 5,08 0,88 9,3 5,48 3,09 0,96 0,6,9 3,39,36 4,08,45 3,0,79 3,47 5,0 7,8,38 3,0 4,03,69 0,79 0,8 4,84 6,83 3,57 3,54 0,8 9,73,64 3,0 3,4,44 4,3 9,5 0,75 9,44,43 4,0,4 3,07 3,68,88 4,4,46 0,7 9,38 3,37,4 4,86 6,73 G. Latorre 3,64,06,7,39 0,65 9,7 3,8 4,0,70 3,45,35,85

Stma del Modello: Y = a + b X M(X)=,9 M(Y)= 0,89 V(X)=,0 V(Y)= 8,06 Cov(X,Y)= -,06 b'= -,0 a'= 3,96 Modello Stmato: Y = 3,96 -,0 X G. Latorre

Y' e=y-y' Y' e=y-y' Y' e=y-y' Y' e=y-y',67, 3, -,57 9,08 -,89 9,5 0,07 0,88 4,04 0,76,75 0,08,03 0,3,90,96,85 9,06-0,84,0-0,59 9,9 -,6,8-0,84,9-0,96 8,63-4,8,93,36,6,3 0,0,4,7,4,44,0 0,89 3,09,3,67,4 0,95 8,4-5,57 0,64,63 9,8 0,90,4-0,,06 0,0 0,8 4,37 8,70 -,7 0,76,70 0,6,08 9,56-0,75 9,90,59 8,4-4,89,45 0,68,7 0,40 9,08 -,39,48,05,,9,5,47 0,47,65 9,7 -,59 9,4 0,9 8,89 -,09 8,88 -,34 0,03 0,90 3, -3,00 0,4,94 0,70,85 3,08 -,90 0,8,,6 0,7 3,4 -,4,59 -,06,43 0,58,5-0,,75 -,94 8,39-4,79 0,,69 9,90,,90,39,34 0,08 9,4 -,45 0,99,30 3,4-6,09 0,30,56 3,30-4,7 8,78-3,70 3,06-3,83 8,36-5,7,98 -,37 0,98,4,55,53,46,55,3,34 8,83 -,65,55 0,46 9,84,85 3,5 -,87 9,0 -,8 0,3 3,3 3, -3,39,8 0,73 0,48,96 9,74-0,3 3,9-3,75,48,53,50,57 0,0,68 9,63,83 3,3-3,85 0,5,90 8,99 -,6 0,4 0,8,8-9,79 3,30-3,58 0,7 3,3,,3,58-0,73 M(Y')= 0,99 M(e)= 0,00 V(Y')=,0 V(e)= 5,96 V(Y')+V(e)= 8,06 R = 0,6 G. Latorre 3

Aals de Resdu 6,00 e 4,00,00 0,00 0,00,00,00 3,00 4,00 5,00 6,00 -,00 X -4,00-6,00-8,00 G. Latorre 4

Aals de Resdu 6,00 e 4,00,00 0,00 7,50 8,50 9,50 0,50,50,50 3,50 Y -,00-4,00-6,00-8,00 G. Latorre 5

Dagramma scatter delle coppe d valor (, y ) 6,00 Y 4,00,00 0,00 8,00 6,00 4,00,00 G. Latorre 6 0,00 0,00,00,00 3,00 4,00 5,00 6,00 X

Dagramma scatter delle coppe d valor (, y ) e Retta d Regressoe: Y = 3,96,0 X 6,00 Y 4,00,00 0,00 8,00 6,00 4,00,00 G. Latorre 7 0,00 0,00,00,00 3,00 4,00 5,00 6,00 X

Stma del Modello: Y = a + b X + c X Poedo: X = X, X = X avremo: Y = a + b X + c X M(X)=,9 M(X)= 0,45 M(Y)= 0,99 V(X)=,0 V(X)= 74,38 V(Y)= 8,06 Cov(X,Y)= -,06 Cov(X,Y)= -6,5 Cov(X,X )=,94 a'= 5,7 b'= 6,9 c'= -, Modello Stmato: Y = 5,7 + 6,9 X, X G. Latorre 8

Valor caratterstc del Modello Stmato M(Y')= 0,99 M(e)= 0,00 V(Y')= 7,35 V(e)= 0,7 V(Y')+V(e)= 8,06 R^= 0,9 G. Latorre 9

Dagramma scatter delle coppe d valor (, y ) 6,00 4,00,00 0,00 8,00 6,00 4,00,00 G. Latorre 30 0,00 0,00,00,00 3,00 4,00 5,00 6,00

Dagramma scatter delle coppe d valor (, y ) e Modello d Regressoe: Y = 5,7 + 6,9 X, X 6,00 4,00,00 0,00 8,00 6,00 4,00,00 G. Latorre 3 0,00 0,00,00,00 3,00 4,00 5,00 6,00

,50 e Aals de Resdu,00,50,00 0,50 X 0,00 0,00,00,00 3,00 4,00 5,00 6,00-0,50 -,00 -,50 -,00 -,50 G. Latorre 3

,50 e Aals de Resdu,00,50,00 0,50 0,00 0,00,00 4,00 6,00 8,00 0,00,00 4,00 6,00 Y -0,50 -,00 -,50 -,00 -,50 G. Latorre 33

Dagramma d Dspersoe: mpg vs horsepower G. Latorre 34

Dagramma d Dspersoe: mpg vs horsepower Retta d Regressoe: mpg = 39.935-0.58 *horsepower (R =0.606) G. Latorre 35

Dagramma d Dspersoe: Resdu vs mpg(teorche) G. Latorre 36

Dagramma d Dspersoe: mpg vs horsepower Eq. del Modello: mpg = 56.900-0.466 * hp + 0.00 * hp (R =0.688) G. Latorre 37

Dagramma d Dspersoe: Resdu vs mpg(teorche) G. Latorre 38

Eserctazoe. I otto azede d u dato settore vegoo rlevate meslmete la produzoe (Y) mglaa d toellate d prodotto ed l umero d ore d lavoro (X): X 000 00 400 550 570 60 800 780 Y 48 88 0 90 0 40 50 80 Sapedo che: stmare parametr del Modello: Y = a + b X e dsegare l grafco, calcolare l coeffcete d determazoe R, calcolare la prevsoe d Y corrspodeza d X=000. G. Latorre 39

0833.44 476.5 78.5 7800 8 = = M(X)M(Y) = Cov(X, Y) 7543 7934.06 54737.5 M(X) = V(X) 476.5 80 8 = M(X) 60.44 78.5 303.48 8 M(Y) = V(Y) 78.5 46 8 = M(Y) y y y G. Latorre 40

b = Cov(X,Y) = 0833.44 V(X) 7543 = 0.76 a = M(Y)- b M(X)=78.5-0.76 476.5= =-9.49 r(x,y)= Cov(X,Y) V(X)V(Y) = 0833.44 7543 60.44 = = 0.97 R = r(x,y) = 0.97 = 0.94 Y = a + b X = -9.49 + 0.76 V( Y )=V( a + b X ) = b V(X)=0.76 7543 = 5753.75 R = V( Y ) V(Y) = 5753.75 60.44 = 0.94 G. Latorre 4

La prevsoe del valore d Y per X=000 è par a y = 3,9. G. Latorre 4

Eserctazoe. Per determare la temperatura ottmale alla quale otteere la stes d u certo farmaco, modo da mmzzare la quattà d mpurtà, vegoo esegut espermet co temperature dverse ( ) e per oguo d ess vee msurata la quattà d mpurtà (y ). I valor delle e delle y soo rportat ella seguete tabella: X Y -5 5,97 Sapedo che: -4 9,7-3 8,8 Σ = 0; Σ 4 = 958; Σ y = 36,83; - 3,48 Σ y = 893,4; Σ y =07,43; - 4,5 Σ 0,6 y = 83,67; Σ = Σ 3 = 0. 6,07 Stmare parametr del modello: 7,93 Y = a + b X + cx. 3 6,05 Ioltre, sapedo che Σ y 4 6,07 = 869,57 G. Latorre determare l valore d R 43. 5 37,5

Modello: a + b X + C X = Y Sstema Normale: y c b a y c b a y c b a 4 3 3 84.8 958 0 0 07.48 0 0 0 36.88 0 0 c b a c b a c b a da cu: b = 07,48/0 =,89 G. Latorre 44

Ioltre: 84.8 958 0 36.88 0 c a c a 84.8 958 0 36.88 0 0 36.88 c c c a 84.8 958 00 368.8 0 36.88 c c c a 0.95.89.94 0.95 0.95 0 36.88 c b a c a G. Latorre 45

Modello Stmato: Y =,94 +,89 X + 0,95 X oltre: V(Y) = 894.69 36.88 08.3 V(Y ) R = 869.57 V(Y ) V(Y) 36.88 06.03 08.3 0.98 06.03 G. Latorre 46

Eserctazoe 3. I u dage epdemologca vegoo rlevat l Età (X) e la Pressoe Arterosa (Y) d 300 pazet. I rsultat della rlevazoe soo rassut ella seguete tabella a doppa etrata: Y\X 59-6 63-66 67-70 7-74 75-78 90-09 0 0 0 0-9 7 8 4 0 30-49 5 5 7 50-69 63 9 5 70-89 0 7 8 3 90-09 0 0 0 7 0-9 0 0 4 Idcado co, y j e j, rspettvamete, valor cetral delle class d X, d Y e le frequeze cogute della dstrbuzoe bvarata (X, Y), s sa che: Σ. = 0.794; Σ y j.j = 49.340; Σ. =.445.99; Σ y j.j = 8.306.935; Σ Σ y j j =3.438.773. Stmare l modello Y = a + b X e G. Latorre valutare la botà dell adattameto (ftess) medate R.. 47

Rscrvamo, ache se o ecessaro, la tabella completata de total e de valor cetral delle class: 60,5 64,5 68,5 7,5 76,5 Y\X 59-6 63-66 67-70 7-74 75-78 Total 99,5 90-09 0 0 0 3 9,5 0-9 7 8 4 0 39,5 30-49 5 5 7 50 59,5 50-69 63 9 5 0 79,5 70-89 0 7 8 3 79 99,5 90-09 0 0 0 7 39 9,5 0-9 0 0 4 7 Total 6 45 8 84 7 300 M(X)= M(Y)= V(X)= j= r 44599 = 300 r s = r = y = r s = j= r s = j= s j= j = s j= j= s r j j j -69.3 j j j 0794 = 300 49390 = 300 - M(X) = 5.39 = = 69.3 = 64.63 V(Y)= = Cov(X,Y)= = r s y = j= r s 8306935 300 = j= -64.63 r = s j = j= r s - M(Y) y j= - M(X)M(Y)= 3438773-69.3 64.63 = 5.9 300 j = = 585.65 G. Latorre 48 j j

da cu otteamo: r(x,y) = Cov(X,Y) V(X)V(Y) = 5,9 5.39 585.65 = 0.54 b = Cov(X,Y) = 5.07 V(X) 5.39 = 3.33 a = M(Y) - b M(X) = 64.63-3.33 69.3= -66.35 R = r(x,y) = 0.9 ed l modello stmato: Y = - 66,35 + 3,33 X G. Latorre 49

Per comodtà rportamo la dstrbuzoe margale delle Y osservate e, utlzzado l modello stmato: Y =-66,35+3,33 X, otteamo ache la dstrbuzoe delle Y : Y fr(y) Y*fr(Y) Y *fr(y) Y' fr.(y') Y'*fr.(Y') Y *fr.(y') 99,50 3,00 98,50 9.700,75 35,6 6,00.64, 9.74,03 9,50,00.509,50 99.885,5 48,59 45,00 6.686,70 993.600,3 39,50 50,00 6.975,00 973.0,50 6,9 8,00 0.76,4 3.356.038,98 59,50 0,00 6.09,50.569.465,5 75,5 84,00 4.7,.579.930,3 79,50 79,00 4.80,50.545.399,75 88,58 7,00 5.09,7 960.06,73 99,50 39,00 7.780,50.55.09,75 Tot. 300,00 49.390,00 8.8.57,37 9,50 7,00.536,50 337.6,75 M(Y')=M(Y)= 64,63 V(Y')= 70,9 Tot. 300,00 49.390,00 8.306.935,00 V(Y)= 585,65 V(Y')=b *V()= 70,9 S ot che la dstrbuzoe delle Y ha u umero d modaltà dverse uguale a quello delle X, coè 5, metre la dstrbuzoe delle Y e ha be 7, coè tate quate soo le class d Y. Da rsultat precedet otteamo ache: R G. Latorre 50 = V(Y ) / V(Y) = 0,9 ; V(e) = V(Y) - V(Y ) = 44,73.

Aals de Resdu Per mettere rsalto le peculartà dell aals de resdu el caso d dat fort come dstrbuzoe bvarata s cosdero le seguet tabelle: I^ Tabella: rporta le frequeze cogute j della tabella orgara co le testazo rferte alle Y osservate (valor cetral delle class d Y) e le Y stmate (otteute dal modello stmato corrspodeza de valor cetral delle class d X). Y\Y' 35,6 48,59 6,9 75,5 88,58 Total 99,50 0 0 0 3 9,50 7 8 4 0 39,50 5 5 7 50 59,50 63 9 5 0 79,50 0 7 8 3 79 99,50 0 0 0 7 39 9,50 0 0 4 7 G. Latorre 5 Total 6 45 8 84 7 300

II^ Tabella: L tero della = y j -y. tabella rportata valor de resdu e j Y\Y' 35,6 48,59 6,9 75,5 88,58 99,50-35,76-49,09-6,4-75,75-89,08 9,50-5,76-9,09-4,4-55,75-69,08 39,50 4,4-9,09 -,4-35,75-49,08 59,50 4,4 0,9 -,4-5,75-9,08 79,50 44,4 30,9 7,58 4,5-9,08 99,50 64,4 50,9 37,58 4,5 0,9 9,50 84,4 70,9 57,58 44,5 30,9 III^ Tabella: L tero della tabella rporta valor d e j * j. Y\Y' 35,6 48,59 6,9 75,5 88,58 Total 99,50-7,5-49,09 0,00 0,00 0,00-0,6 9,50-0,3-3,7-69,68 -,50 0,00-64, 39,50,0-36,35-493,4-50,5-49,08-907,7 59,50 48,48 30,9-5,46-99,5-45,40-47,7 79,50 0,00 6,37 49,4 36,00-08,96 735,65 99,50 0,00 0,8 375,80 485,00 76,44.039,06 9,50 0,00 0,00 57,58 77,00 6,84 96,4 Total -,6 30,95 0,4 37,00-65,6 0,87 Nota: l totale geerale dovrebbe essere 0, l fatto che sa par ad 0,87 è da mputars G. Latorre 5 agl arrotodamet e calcol.

IV^ Tabella: L tero della tabella rporta valor d e j * j, pertato l totale geerale dvso per c darà: che cocde co l rsultato otteuto precedeza per altra va (V(e) = V(Y) - V(Y ) = 44,73). Y\Y' 35,6 48,59 6,9 75,5 88,58 Total 99,50.558.40 0 0 0 4.967 9,50.739 6.770 7.98 6.6 0.9 39,50 90.39.058 8.946.409 3.743 59,50.75.48 369 4.73 4.8.94 79,50 0 6.688 8.654 578 989 6.909 99,50 0 5.84 4.3.76 835 3.90 9,50 0 0 3.35 7.83.9 3.060 Total 5.56 3.79 44.77 40.047 0.373 4.48 G. Latorre 53

80 e 60 40 0 y 0 0,00 0,00 40,00 60,00 80,00 00,00 0,00 40,00 60,00 80,00 00,00-0 -40-60 -80 G. Latorre 54

Eserctazoe 4. S cosdero seguet dat: Y X X - - - 0 - - - - - S stmo parametr del modello: Y = β 0 + β X + β X e se e verfch la botà dell adattameto co R G. Latorre. 55

Sstema ormale: 8; ; ; 8; 0; 8; 0; 0; 8; 0 0 0 y y y y y y G. Latorre 56

0.5 0.5 8 0 0 0 8 0 8 0 0 0 0 0 0 da cu otteamo l modello stmato: Y = + 0,5 X 0,5 X da cu otteamo le y : Y',5,5 0,5 0,5 da cu otteamo: 0.5 0.50 0.5 R 0.5 8 8 = V(Y ) 0.50 8 8 = V(Y) 9; 8; y y y y y y G. Latorre 57

Altre Relazo No Lear Learzzabl: ) perbole, ) y = a - b Y = a - b X y = a Y = dove X = - b y = a - b ) espoezale; )y = a e b Y = A+b lg y = lg a+b Y = lg dove A= lg e e y a 3) logartmca. 3)y = a+blg y = a+b X dove X = lg G. Latorre 58

IPERBOLE G. Latorre 59

ESPONENZIALE G. Latorre 60

LOGARITMICA G. Latorre 6

Altre Relazo No Lear Learzzabl: 4) espoezaleperbole; 4)y = a e b Y = A+b X lg y = lg a+b Y = lg y dovea= lg a X = 5) espoezale-versa; 5)y = a+be Y = a+b - X y = a+be Y = dove y X = e - - 6) parabola. 6)y = a+b +c G. Latorre 6 y = a+b +c X dove X =

ESPONENZIALE - IPERBOLE G. Latorre 63

ESPONENZIALE INVERSA G. Latorre 64

PARABOLA G. Latorre 65

Altre Relazo No Lear Learzzabl: 7) espoezale. 7)y = a b e c lg y = lg a+c +b lg Y = A+c +b X Y = lg dovea= lg X = lg y a G. Latorre 66

y =. 4. e 0. ESPONENZIALE - G. Latorre 67

Altr esemp d relazo learzzabl Su utà statstche soo state rlevate le varabl esplcatve X e X e la varable rsposta Y. Il dagramma scatter d Y fuzoe d X suggerrebbe, tra X e Y, ua relazoe logartmca del tpo: Y = a + b lg X (fuzoe logartmca); l dagramma scatter d Y fuzoe d X suggerrebbe, tra X e Y, ua relazoe versa del tpo: Y = c + d (/X ) (fuzoe perbolca). Per catturare el modello etrambe le tedeze sarebbe, qud, potzzable la relazoe: Y = k + b lg X + d (/X ), cu parametr possoo essere stmat cosderado l modello: Y=k+bW+cZ, dove W=lg X G. elatorre Z=/X. 68

A dffereza della regressoe polomale la metodologa o-leare learzzable o può essere sempre estesa al caso multvarato. L estesoe è possble quado le relazo Y co ua partcolare X j rchede la trasformazoe della sola X j medesma e o ache della Y. Pertato soo learzzabl, geerale, le seguet fattspece d relazo: Y = a 0 + a f (X ) +.+ a k f k (X k ) oppure, pù geerale: g(y) = a 0 + a f (X ) +.+ a k f k (X k ). Ivece, se ad esempo, dall esame grafco (medate u dagramma d dspersoe) rsulta leare la relazoe tra Y ed X del tpo: g (Y) = a + f (X ), ed ache la relazoe tra Y ed X, del tpo: g (Y) = a + f (X ) allora o c è modo per G. Latorre 69 rassumere le due legg u uca relazoe tra X, X ed Y.

Esempo : La fuzoe della Produzoe Cobb Douglas Q = a K b L g dove: Q = quattà prodotta K = captale L = lavoro e a, b, g soo parametr del modello che devoo essere stmat. Il modello learzzato è dato da: da cu: lg Q = lg a + b lg K + g lg L Q = a + b K + g L co: Q = lg Q, a = lg a, K = lg K e L = lg L. G. Latorre 70

I dat: Eserctazoe X Y X Y X Y,37,8 7,73 8,345 3,090 0,9,353 3,06 7,633 8,865 3,597 0,370,867 3,378 7,53 7,70 3,636 9,885,533 5,55 8,56 8,40 3,855 9,096,560 4,65 8,36 8,93 4,803 0,080 3,06 4,85 8,875 9,66 4,53 9,88,834 4,698 8,78 9,07 5,070 0,054 3,787 4,967 9,09 8,559 5,655 9,657 3,87 5,87 9,786 9,8 5,389 0,843 3,880 7,0 0,50 8,65 6,3 0,3 4,463 6,74 0,64 9,373 6,30 0,967 4,38 6,393 0,774 8,54 6,39 0,75 5,39 6,46 0,5 8,374 7,93 9,735 5,563 7,640 0,8 8,78 7,09 0,563 5,835 7,033,78 8,457 7,45 9,994 6,34 6,594,586 0,090 8,06 9,888 6,435 7,09,456 9,808 8,46 0,374 6,04 8,07,345 0,49 8,9 8,768 6,608 8,09,70 0,077 8,749 0,99 7,76 7,650,638 9,376 8,79 0,36 G. Latorre 7

Il dagramma d dspersoe:,000 0,000 8,000 6,000 4,000,000 0,000 0,000,000 4,000 6,000 8,000 0,000,000 4,000 6,000 8,000 0,000 Provamo, prma approssmazoe, G. Latorre u modello del tpo Y = a + b 7 X. X

Rsultat dell aals: M(X)= 0,4 V(X)= 6,644 M(Y)= 8,34 V(Y)= 4,458 Cov(X,Y)= 9,599 b'= 0,360 a'= 4,660 Modello Stmato: Y = 4,66 + 0,36 X r(x,y)= 0,88 R =0,776,000 0,000 8,000 6,000 4,000,000 G. Latorre 73 0,000 0,000,000 4,000 6,000 8,000 0,000,000 4,000 6,000 8,000 0,000

,000,500,000 0,500 -,000 -,500 -,000 -,500-3,000-3,500,000,500,000 0,500 0,000-0,500 0,000,000 4,000 6,000 8,000 0,000,000 -,000 -,500 -,000 -,500-3,000-3,500 e e Aals de Resdu Y 0,000 0,000-0,500,000 4,000 6,000 8,000 0,000,000 I resdu soo formatv e suggerscoo d serre el G. Latorre 74 modello ua compoete logartmca. X

Provamo, allora, u modello d tpo Y = a + b lg X. Per poter utlzzare la metodologa d stma fora utlzzata è ecessaro rcodurc ad u modello strettamete leare, tale operazoe s realzza faclmete cosderado la uova varable X = lg X che c cosete d rscrvere l modello term d X : Y = a + b X. Ora possamo stmare parametr cogt el modo usuale: M(X )=,3; V(X )=0,46; Cov(X,Y)=,37; b =Cov(X,Y)/V(X )=3,00; a =M(Y)-b M(X ) Modello Stmato: Y =,9 + 3 lg X R =r(x,y) =Cov(X,Y) /[V(X ) V(Y)]=0,9. Avremo ache: V(Y )=b V(X )=4, e R =V(Y )/V(Y)=0,9. Il valore molto elevato d R c dce che l modello ha u fttg molto buoo, cò oostate effettuamo l aals de G. Latorre 75 resdu.

Dagramma Scatter de dat orgar,000 Y 0,000 8,000 6,000 4,000,000 X 0,000 G. Latorre 76 0,000,000 4,000 6,000 8,000 0,000,000 4,000 6,000 8,000 0,000

,000 Dagramma Scatter de dat orgar ed sovrmpressoe put rappresetatv del modello stmato: Y Y =,9 + 3 lg X 0,000 8,000 6,000 4,000,000 X 0,000 G. Latorre 77 0,000,000 4,000 6,000 8,000 0,000,000 4,000 6,000 8,000 0,000

Aals de Resdu e vs X,5,0 0,5 0,0-0,5 0 5 0 5 0 -,0 -,5 -,0,5 e vs Y'',0 0,5 0,0-0,5 0 4 6 8 0 -,0 -,5 -,0 I resdu soo totalmete o formatv, pertato l modello o rsulta essere mglorable. S ot, oltre che M(e)=0 e V(e)=0,34, G. Latorre 78 rsulta, qud verfcato che: V(Y) = V(Y ) + V(e).

I dat: Eserctazoe X Y X Y X Y 0,800 3,968,63 0,99,9 0,798 0,85 3,754,637,409,50 0,97 0,884,636,676,334,68,90 0,95,889,76,8,97,8,006,79,740,59,30,,030,687,757 0,885,353 0,960,095,764,770,99,46 0,98,3,85,8,384,430 0,673,53,389,85,088,476 0,878,73,43,86,30,497 0,87,9,57,884,48,5 0,84,8,3,906,059,566 0,84,34,83,948 0,995,584 0,739,373,644,005 0,76,639,57,406,57,04,0,704 0,97,436,554,05,78,743 0,933,449,558,080,87,806,5,467 0,966,40 0,933,830 0,79,56,43,63,94,886 0,8,590,47,75,4,93 0,948 G. Latorre 79

Il dagramma d dspersoe: 4,500 4,000 3,500 Y vs X 3,000,500,000,500,000 0,500 0,000 0,000 0,500,000,500,000,500 3,000 3,500 L adameto che è suggerto dal dagramma è d tpo perbolco, coè del tpo: Y G. = Latorre X / (c X + d). 80

Al fe d stmare parametr got della precedete relazoe dobbamo cosderare la seguete trasformazoe delle varabl che la rede strettamete leare: X =/X e Y =/Y da cu: Y = a + b X, co a = c e b = d. MX)= 0,598 V(X)= 0,050403955 Rsultat dell aals Modello Stmato:Y =,4-0,89 X, da cu:y = X / ( - 0,89 +,4 X ). M(Y)= 0,880 V(Y)= 0,06556653 Cov(X,Y)= -0,04476605 r(x,y)= -0,77870937 b'= -0,888456 a'=,40697459 R =r(x,y ) = 0,60638884 V(Y ')=b V(X )= 0,03975877 R =V(Y )/V(Y )= 0,60638884 Botà dell adattameto (fttg): R = r(x,y ) = 0,6, (avremo ache: V(Y )=b V(X )=0,05 e R =V(Y )/V(Y)=0,6). G. Latorre 8

Dagramma Scatter de dat orgar 4,500 Y vs X 4,000 3,500 3,000,500,000,500,000 0,500 G. Latorre 8 0,000 0,000 0,500,000,500,000,500 3,000 3,500

Dagramma Scatter de dat orgar ed sovrmpressoe put rappresetatv del modello stmato: Y = X / (,4 X 0,89 ) 4,500 Y vs X 4,000 3,500 3,000,500,000,500,000 0,500 G. Latorre 83 0,000 0,000 0,500,000,500,000,500 3,000 3,500