DI IDROLOGIA TECNICA PARTE II



Documenti analoghi
MEDIA DI Y (ALTEZZA):

Regressione e Correlazione

Elementi di Statistica descrittiva Parte III

y = α + βx + ε Qui ci soffermeremo su un unica classe di modelli, detti modelli statistici lineari. Si veda la seguente figura:

SIMULAZIONE DI ESAME ESERCIZI. Cattedra di Statistica Medica-Università degli Studi di Bari-Prof.ssa G. Serio 1

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

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

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

Istogrammi e confronto con la distribuzione normale

Caso studio 12. Regressione. Esempio

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

Marco Riani - Analisi delle statistiche di vendita 1

Design of experiments (DOE) e Analisi statistica

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

frazione 1 n dell ammontare complessivo del carattere A x

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

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

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

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO.

Analisi di dati vettoriali. Direzioni e orientazioni

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

ANALISI DELLA REGRESSIONE ANALISI BIVARIATA DELLA REGRESSIONE

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

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo

LA FUNZIONE DI VEROSIMIGLIANZA

Statistica degli estremi

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

SECONDA PROVA INTERMEDIA DI STATISTICA CLEA gennaio 2005 COMPITO C2

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

Statistica descrittiva per l Estimo

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

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

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

Ellissi di densità costante. Distribuzione normale multivariata. Ellissoidi di isodensità. Esempio isodensità: X~N 2 (μ,σ) Consideriamo

Incertezza di misura

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

Soluzione degli esercizi sulla statistica descrittiva e gli intervalli di confidenza

STATISTICA DESCRITTIVA

I percentili e i quartili

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

DATA MINING PER IL MARKETING (63 ore)

Caso studio 10. Dipendenza in media. Esempio

Modello dinamico nello spazio dei giunti: relazione tra le coppie di attuazione ai giunti ed il moto della struttura

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

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

Seconda Prova Parziale di STATISTICA Modalità A

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

Verifica e scelta del modello probabilistico

Lezione 4. La Variabilità. Lezione 4 1

UNI CEI ENV (GUIDA ALL ESPRESSIONE DELL INCERTEZZA DI MISURA)

CORSO DI LAUREA IN ECONOMIA AZIENDALE Metodi Statistici per le decisioni d impresa (Note didattiche) Bruno Chiandotto

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

Il campionamento e l inferenza

Esercitazione 6 del corso di Statistica (parte 1)

Verifica e scelta del modello probabilistico

RAPPRESENTAZIONE ANALITICA DELLE DISTRIBUZIONI STATISTICHE CON R

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

Variabilità = Informazione

Compito A1- Soluzioni

Verifica e scelta del modello probabilistico

La verifica delle ipotesi

Sommario. Corso di Statistica Facoltà di Economia. Test parametrici. Lezione n 26. Francesco Mola

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

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

IL MODELLO DI REGRESSIONE LINEARE MULTIPLA

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

Teoria dei Fenomeni Aleatori AA 2012/13

Statistica descrittiva Campioni vettoriali

In questo capitolo vedremo solamente un caso di rendita, che useremo poi per generalizzare le rendite e dedurre tutti gli altri casi.

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

Relazioni tra variabili: Correlazione e regressione lineare

Matematica elementare art.1 di Raimondo Valeri

ammontare del carattere posseduto dalle i unità più povere.

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

Dott.ssa Marta Di Nicola

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

Il modello di regressione multipla

Teoria dei Fenomeni Aleatori AA 2012/13

INDICI DI VARIABILITA

Correlazione. Obiettivo: studiare la dipendenza fra due fenomeni quantitativi

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

Esercizi di Statistica per gli studenti di Scienze Politiche, Università di Firenze

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

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

17. FATICA AD AMPIEZZA VARIABILE

4 CAMPIONE DI n UNITA STATISTICHE (lettere latine)

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek

SCHEDA DIDATTICA N 5

Voti Diploma Classico Scientifico Tecn. E Comm Altro

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

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

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

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

Variabili casuali doppie

STATISTICA Lezioni ed esercizi

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

Algoritmi e Strutture Dati. Alberi Binari di Ricerca

Obiettivi. Statistica. Variabili casuali. Spazio di probabilità. Introduzione

Transcript:

FACOLTA DI INGEGNERIA Laurea Specalstca Igegera Cvle NO Guseppe T Aroca CORSO DI IDROLOGIA TECNICA PARTE II Aals e prevsoe statstca delle varabl drologche Lezoe X: Scelta d u modello probablstco

Aals e prevsoe statstca delle varabl drologche Scelta d u modello probablstco Prevsoe del quatle GT Aroca, IDROLOGIA TECNICA Aals statstca della gradezza Ifereza statstca su u campoe della varable Il problema dell fereza statstca s traduce ella rcerca del modello probablstco (CDF) pù adatto

Aals e prevsoe statstca delle varabl drologche Scelta d u modello probablstco Prevsoe del quatle rchesto T Tpo d gradezza GT Aroca, IDROLOGIA TECNICA Scelta del modello probablstco teorco (LNII, EV, GEV, ecc) Verfca adattameto (plottg, posto,carte probablstche, test statstc umerostà campoara Stma de parametr del modello probablstco (momet, ML, PWM)

Aals e prevsoe statstca delle varabl drologche Scelta d u modello probablstco S cosder l campoe d dmesoe N e sulla base del tpo d gradezza (ed parte ache sulla base della dmesoe) s selezoo alcu tp d dstrbuzo ragoevolmete pù adatte allo scopo ao 953 (mm) 76 ao 967 (mm) 388 ao 979 (mm) 78 Altezze d pogga orare massme aual (N33) GT Aroca, IDROLOGIA TECNICA 954 955 956 959 960 96 96 964 965 966 48 606 98 356 43 60 80 408 364 36 968 969 970 97 97 973 974 975 976 978 356 34 364 444 8 98 76 74 48 388 980 98 98 983 984 985 986 987 988 990 350 40 630 86 44 40 84 74 300 0 Gumbel P() ep [ α( u) ] e

Aals e prevsoe statstca delle varabl drologche Scelta d u modello probablstco Aals d frequeza del campoe attraverso l uso d espresso emprche (plottg posto) per la frequeza d o superameto GT Aroca, IDROLOGIA TECNICA Plottg posto F() F() F() F() 044 N + 0 N + 05 N 04 N + 0 Formula d Grgorte Formula d Webull Formula d Haze Formula d Cuae I valor d frequeza d o superameto s ottegoo ordado prelmarmete maera crescete l campoe, assegado u umero d orde a cascu valore e calcolado valor sulla base delle PP Per tutte le relazo F( N ) < Postulato emprco del caso: la frequeza co cu u dato valore s preseta u campoe approssma la probabltà che gl corrspode ella popolazoe, tato meglo quato pù l campoe è umeroso

Aals e prevsoe statstca delle varabl drologche Scelta d u modello probablstco Aals d frequeza del campoe attraverso l uso d espresso emprche (plottg posto) per la frequeza d o superameto 08 GT Aroca, IDROLOGIA TECNICA F 06 04 0 0 00 00 400 600 800 000 Webull Haze Cuae Grgorte

Aals e prevsoe statstca delle varabl drologche Scelta d u modello probablstco Sulla base della dmesoe del campoe s scelga l metodo pù robusto e meo pesate per la stma de parametr GT Aroca, IDROLOGIA TECNICA Momet 83 83 αˆ s() 3 9 0577 û m() αˆ 0093 6 4 Momet pesat probabltà M 0 35 ; M 974 αˆ l M M0 0577 û M0 αˆ 0099 6 69 y 6 4 0 - Momet PWM 0 0 40 60 80

Aals e prevsoe statstca delle varabl drologche Verfca adattameto (plottg posto) Scelta d u modello probablstco S cofrotao la PDF teorca e le frequeze d o superameto calcolate co ua plottg posto 08 F() P() Parametr EV (PWM) Plottg posto (Cuae) GT Aroca, IDROLOGIA TECNICA F,P 06 04 0 0 00 00 400 600 800 La semplce aals grafca maca d oggettvtà

Aals e prevsoe statstca delle varabl drologche Verfca adattameto (carte probablstche) Scelta d u modello probablstco Dagramm e qual le CDF vegoo rappresetate forma rdotta o ormalzzata che molt cas è descrtta da ua retta 6 5 4 F() P() y α ( u) Carta probablstca d Gumbel GT Aroca, IDROLOGIA TECNICA y 3 0 - - 00 00 400 600 800 I put s dspogoo lugo ua retta solo se seguoo la EV La semplce aals grafca maca d oggettvtà

GT Aroca, IDROLOGIA TECNICA Aals e prevsoe statstca delle varabl drologche Verfca adattameto (test statstc) Scelta d u modello probablstco U test statstco è ua procedura che cosete verfcare la valdtà d ua potes statstca H 0 e qud d accettarla o rfutarla S defsce regoe d accettazoe del test la porzoe dello spazo W a N dmeso all tero della quale è valda l potes statstca H 0 per l campoe d dmesoe N S chama lvello d sgfcatvtà del test (α) la probabltà che l campoe rcada fuor dalla regoe d accettazoe quado H 0 è vera Test pù utlzzat Test d Kolgomorov-Smrov Test d Pearso o del χ

Aals e prevsoe statstca delle varabl drologche Test d Kolgomorov-Smrov Scelta d u modello probablstco Test o parametrco (è ota sa la dstrbuzoe sa suo parametr) È basato su ua msura d devazoe fra la CDF teorca e la frequeza emprca del campoe GT Aroca, IDROLOGIA TECNICA d ma F() P() d D N, α D N,α è ua varable la cu PDF a parametro N è stata rcavata da Smrov (948) D D N, α N, α 358 N 676 N α α 005 00 Test pù strgete Test meo strgete Valde per > 40 per mor la fuzoe è tabellata

Esempo: Aals e prevsoe statstca delle varabl drologche Scelta d u modello probablstco potes statstca H 0 campoe esame segua u fssata legge d dstrbuzoe (Gumbel) lvello d sgfcatvtà del test α 005 GT Aroca, IDROLOGIA TECNICA P()-F() 0 008 006 004 00 0 d 0080 0 0 0 30 40 Per N 33 D N,005 03 D N,00 077 L potes H 0 o è rgettata

Aals e prevsoe statstca delle varabl drologche Scelta d u modello probablstco Test d Pearso o del χ Test o parametrco (è ota sa la dstrbuzoe sa suo parametr) È basato sull uso della varable χ per cotrollare l potes che l campoe provega da ua data dstrbuzoe GT Aroca, IDROLOGIA TECNICA Sa la varable aleatora d cu è ota la PDF P() Cosderamo u campoe d dmesoe N suddvso u umero fto d tervall d dmesoe N Idchamo co p la probabltà che u valore qualsas della rcada ell -esmo tervallo S può allora defre ua varable casuale: X k ( N Np ) Np Test: P[X χ ] -α X χα Al crescere d N la gradezza X è dstrbuta come u χ co k- grad d lbertà

Esempo: Aals e prevsoe statstca delle varabl drologche Scelta d u modello probablstco potes statstca H 0 campoe esame segua u fssata legge d dstrbuzoe (Gumbel) lvello d sgfcatvtà del test α 005 GT Aroca, IDROLOGIA TECNICA p P( ) 0 0 0 04 0 06 0 08 0 0 Np 5 k 4 9 76 335 48 + N 6 9 4 9 5 33 Np 66 66 66 66 66 (N -Np ) 04 58 68 58 6 0055 0873 04 0873 0388 3 X k ( N Np ) Np χ 005 949 L potes H 0 o è rgettata 3

Aals e prevsoe statstca delle varabl drologche I modell regressv I MODELLI SINTETICI REGRESSIVI y(t) f [ (t), (t),, (t)] + (t) ε GT Aroca, IDROLOGIA TECNICA Parte determstca Parte stocastca La fuzoe f s defsce fuzoe d regressoe della varable y sulle varabl,, Il legame espresso dalla fuzoe f èd tpo statstco el seso che ad ua eupla d valor,, o corrspode uo ed u solo valore del deflusso, cosa che avverrebbe se l legame fosse d tpo fuzoale, besì possoo corrspodere ft valor d y

Aals e prevsoe statstca delle varabl drologche I modell regressv La covaraza LA CORRELAZIONE S defsce covaraza della y sulla l mometo del prmo orde per etrambe le varabl calcolato rspetto alle propre mede GT Aroca, IDROLOGIA TECNICA σ(y,) {[ y µ (y)] [ ( ]} µ Il coeffcete d correlazoe leare ) σ(y,) ρ(,y) σ() σ(y) Vara tra 0 (varabl o correlate) e (varabl perfettamete correlate)

Aals e prevsoe statstca delle varabl drologche I modell regressv REGRESSIONE LINEARE SEMPLICE Defzoe del modello y 0 b + b + ε GT Aroca, IDROLOGIA TECNICA b 0 e b soo parametr cogt, coeffcet d regressoe; b 0 è l tercetta e b è l coeffcete agolare (relazoe leare tra y e ); y varable dpedete, varable dpedete; La varable stocastca ε rappreseta la dffereza tra la varable aleatora y e la compoete determstca (terme d errore) dstrbuta co legge Gaussaa (rumore baco); E[ε] 0 e Var[ε] σ, costate e dpedete da

Aals e prevsoe statstca delle varabl drologche I modell regressv REGRESSIONE LINEARE SEMPLICE Stma de parametr determstc 70 GT Aroca, IDROLOGIA TECNICA E possble stmare parametr della regressoe leare traccado la retta che meglo approssma l cluster d put Mmzzare la somma delle dffereze valore assoluto tra la lea retta e le osservazo y Mmzzare la somma de quadrat delle dffereze tra la lea retta e le osservazo ( Gauss, Legedre, Eulero, 800), Metodo de mm quadrat o Least Squares Method 60 50 $ε l $ε j 40 400 40 440 460 480 500 $ε $ε k 3

Aals e prevsoe statstca delle varabl drologche I modell regressv REGRESSIONE LINEARE SEMPLICE Metodo de mm quadrat S ε (y b 0 b ) GT Aroca, IDROLOGIA TECNICA bˆ [ ] S 0 b 0 [ ] S 0 b (y y)( ) ( ) bˆ bˆ 0 bˆ ) 0 (y bˆ 0 bˆ ) 0 (y y bˆ dove 0 y y / /

Aals e prevsoe statstca delle varabl drologche I modell regressv REGRESSIONE LINEARE SEMPLICE Esempo: Affluss e defluss total au msurat alla stazoe d Oreto a Parco (93-990) GT Aroca, IDROLOGIA TECNICA D (mm) 00 900 700 500 300 00 500 700 900 00 300 500 700 900 A (mm) D b0 + ba,,, ρ(a, D) 0696 b 0-957 b 0595 R 04846 σ (ε) 47697

Aals e prevsoe statstca delle varabl drologche I modell regressv REGRESSIONE LINEARE SEMPLICE L dce d regressoe (coeffcete d correlazoe) ( ) R σ ε σ(y) GT Aroca, IDROLOGIA TECNICA dove: σ( ε) y ŷ ( ) σ(y) ( y y) Costtusce u msura del legame tra la varable dpedete e quella dpedete attraverso la fuzoe d regressoe R perfetto adattameto del modello a dat R 0 essu adattameto del modello a dat

Aals e prevsoe statstca delle varabl drologche I modell regressv REGRESSIONE LINEARE MULTIPLA Y è la varable da spegare,,,, p- soo p- varabl esplcatve, β 0, β, β,, β p- soo p parametr (coeffcet d regressoe) I parametr β, β,, β p- soo chamat coeffcet d regressoe parzale ε rappreseta l terme d errore, ε Ν(0, σ ) GT Aroca, IDROLOGIA TECNICA Y β 0 + β + β + + β p- p- + ε Regressoe Leare Multpla: stma de parametr attraverso l metodo de mm quadrat S rappreset p parametr cogt β 0, β, β,, β p- attraverso l vettore coloa β d dmesoe (p ) β β β 0

GT Aroca, IDROLOGIA TECNICA Aals e prevsoe statstca delle varabl drologche I modell regressv REGRESSIONE LINEARE MULTIPLA Regressoe Leare Multpla: stma de parametr X p p p y y y y Le osservazo j soo coteute ella matrce d dmesoe ( p) Gl term d errore ε e le osservazo della varable Y soo coteut e vettor ε ad Y d dmesoe ( ) Il modello d regressoe multpla può essere scrtto forma matrcale come y Xβ + ε ε ε ε ε

GT Aroca, IDROLOGIA TECNICA Aals e prevsoe statstca delle varabl drologche I modell regressv REGRESSIONE LINEARE MULTIPLA Il valore medo E[Y] d Y è E[Y] Xβ Regressoe Leare Multpla: stma de parametr p p 0 ) (y S β β β ε S / β 0 0 S / β 0 S / β p- 0 + β + + β + β β p p y 0 ˆ ˆ ˆ ˆ 0 ˆ ˆ ˆ ˆ p p y + β + + β + β β 0 ˆ ˆ ˆ ˆ + β + β + β β p p p p p p p y X T X X T y βˆ (X T X) - X T y βˆ