PEREQUAZIONE MEDIANTE MODELLI LINEARI GENERALIZZATI

Documenti analoghi
Modelli con varabili binarie (o qualitative)

Esercizio statistica applicata all ingegneria stradale pag. 1

CORSO DI STUDI E VALUTAZIONI AMBIENTALI A.A

2. La base monetaria e i mercati dei depositi e del credito

Probabilità cumulata empirica

Coppia differenziale con BJT e carico passivo

INTRODUZIONE AL LABORATORIO PLS: LA MATEMATICA PER LE DECISIONI FINANZIARIE

L ADOZIONE DI NUOVE TECNOLOGIE (1)

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

# STUDIO DELLA FEDELTA DI RISPOSTA

Regime Permanente. (vedi Vitelli-Petternella par. VI.1,VI.1.1,VI.2)

CALCOLO DELLE PROBABILITA - 24 Giugno 2015 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5,6.

! # %# & # & # #( # & % & % ( & )!+!,!++

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Modelli Clamfim Equazioni differenziali esatte, cambio di variabili, equazioni del secondo ordine 28 settembre 2015

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

Elettronica dello Stato Solido Prova scritta del 4 settembre 2007

Appunti di Econometria

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

Soluzione del compito di Fisica febbraio 2012 (Udine)

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

6. Applicazione di curve di probabilità pluviometrica in ambito di verifica.

Caratteristiche elettriche principali dei tessuti biologici. Dispense a cura dei Prof. P. Bernardi, S. Pisa

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

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Università degli Studi di Cagliari

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 5: 24 febbraio 2014

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente

AMMORTAMENTO A RATE POSTICIPATE CON TASSO FISSO

Equazioni Differenziali alle Derivate Parziali del primo ordine semilineari

L'Analisi in Componenti Principali. Luigi D Ambra Dipartimento di Matematica e Statistica Università di Napoli Federico II

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.

Principio di sostituzione - I

Schema generale su fenomeni, eventi, misure analitiche e sintetiche

Intorduzione alla teoria delle Catene di Markov

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE

LE FREQUENZE CUMULATE

Il lavoro L svolto da una forza costante è il prodotto scalare della forza per lo spostamento del punto di applicazione della forza medesima

FREQUENZE DI DECESSO PER TAVOLE SELEZIONATE. Un modello di sopravvivenza selezionato è definito mediante una famiglia di funzioni di sopravvivenza

Inflazione, disoccupazione e moneta

Apprendimento Automatico e IR: introduzione al Machine Learning

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill

Meccanica Applicata Alle Macchine. Elementi di Meccanica Teorica ed Applicata

Laboratorio di Fisica I: laurea in Ottica e Optometria. Misura di una resistenza con il metodo VOLT-AMPEROMETRICO

TECNICHE DI REGOLARIZZAZIONE IN ELABORAZIONE

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Correlazione lineare

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

10. DIMENSIONAMENTO DEL CONTROVENTO DI FALDA

Variabili casuali ( ) 1 2 n

Test delle ipotesi Parte 2

Elementi di statistica

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1;

Studio grafico-analitico di una funzioni reale in una variabile reale

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

LE PROVE DI AFFIDABILITA

Modello logistico (Modello di regressione logistica)

MEDIA DI Y (ALTEZZA):

Relazioni tra variabili: Correlazione e regressione lineare

La valutazione del rischio di non autosufficienza nelle assicurazioni

MODELLI STOCASTICI DELLA CLASSE GLM

IL MODELLO A 4 STADI (Capitolo 3)

Pulegge trapezoidali SIT

Prova scritta di Esperimentazioni II del

Università degli Studi di Roma Tor Vergata Dipartimento di Ing. Elettronica corso di ELETTRONICA APPLICATA RETROAZIONE & OSCILLATORI

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:

Motore ad induzione: modelli matematici e modelli per la simulazione. 1.1 Modelli matematici del motore ad induzione

Esercizi sulle reti elettriche in corrente continua (parte 2)

LE CARTE DI CONTROLLO

Valutazione dei Benefici interni

1 Progettare e verificare la trave di colmo con sezione presunta di mm2, che viene appoggiata sui pilastri prolungati

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Lezione 1: Martedì 17/2/2015

Derivazione Numerica

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

Inflazione, disoccupazione e crescita. Macroeconomia (Clamm) - a.a. 2013/2014

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2:

La potenza assorbita dalla pompa per sollevare il liquido dal serbatoio a valle al serbatoio a monte si calcola con la relazione

1.1 Identificazione del campo di operatività di un motore AC brushless. Sia dato un motore AC brushless isotropo di cui siano noti i seguenti dati:

Diffusione dei raggi X da parte di un elettrone

LE NOVITA DELLE NORME TECNICHE PER L ACCIAIO

Interazione luce- atomo

Schiere passive. Schiere Yagi-Uda...6 Antenne log-periodiche...8

Corso di Geotecnica EA CAPACITÀ PORTANTE DEI TERRENI. ing. Ivo Bellezza Università Politecnica delle Marche

Elettronica applicata

Campo di applicazione

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare.

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

1 Oscillazioni libere (oscillatore armonico)

RAPPRESENTAZIONE DI MISURE. carta millimetrata

6,30 4,30 ART P12 PREZZO VALIDO FINO A PRODUZIONI DI 100 PEZZI PER QUANTITA SUPERIORI INVIARE PER PREVENTIVO

Sviluppo in serie di Fourier. Introduzione e richiami sulle basi di spazi vettoriali. Serie di Fourier di segnali a supporto illimitato

1 La domanda di moneta

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

Introduzione al Machine Learning

Generalità. Problema: soluzione di una equazione differenziale alle derivate ordinarie di ordine n: ( )

AZIONAMENTI BRUSHLESS

Statistica e calcolo delle Probabilità. Allievi INF

Transcript:

Perequazone eante oell lnear generalzzat Sano PEREQUAZIONE MEDIANTE MODELLI LINEARI GENERALIZZATI qˆ oppure ˆ = a, a +, K, ω le ste nzal una tavola sopravvvenza ottenute n un approcco tpo non paraetrco n l esposzone (es. l nuero nzale espost al rscho) nella classe età Defnao e GLM per perequare le ste nzal. Un GLM è efnto alle seguent potes: potes probablstche: strbuzon elle varabl rsposta appartenent alla fagla esponenzale lneare potes struttural: struttura regressone e funzone collegaento Illustrao alcun oell probablstc e le conseguent potes struttural aatte per la perequazone elle ste nzal. 96

Perequazone eante oell lnear generalzzat Moell con strbuzone bnoale scalata La strbuzone Bnoale scalata è una strbuzone ella fagla esponenzale lneare. Infatt, se n n X B( n, p) P( X = ) = p ( p) con = 0,, K, n X s ha che l n.a. Y B n, p / n n n y n ny P( Y = y) = p ( p) con y = 0,, K, n y n Poché Y = ha strbuzone Bnoale scalata: ( ) n n p n y p n n y n ( = y) = ( p) = ep n y log + log( p) P Y n y p p è una strbuzone ella fagla esponenzale lneare con paraetro canonco peso p = log p θ funzone coulante b ( θ ) = log ( + e ) ω = n paraetro spersone φ = 97

Perequazone eante oell lnear generalzzat onserao le osservazon e pes y = ˆ q ω = n at alle esposzon troncate con = a, a +, K, ω. Sano Y n.a. varabl rsposta, = a, a +, K, ω potes probablstche: pes Y stoc. np. con strbuzone Bnoale scalata con ω paraetro spersone φ = paraetro canonco S ha allora: e E = + e q = log q ( Y ) = b ( θ ) = q θ funzone coulante b ( θ ) = log ( + e ) Var ( Y ) = b ( θ ) = q ( q ) ω ω 98

Perequazone eante oell lnear generalzzat potes struttural Funzone collegaento ( ) Funzone collegaento canonca o logt o log-os g q q ( q ) = log g q Funzone log-log copleentare g Funzone Probt g Prevsore lneare ( ) = log ( log( )) q q ( ) Φ ( ) = η con g funzone onotona, ervable e η prevsore lneare q = q esseno Φ la funzone rpartzone ella strbuzone norale stanar η = z β con z vettore elle eternazon elle varabl esplcatve relatve alla classe età Se s tene conto soltanto ell età, s ha usualente: η = β + β + β + K + β 0 99

Perequazone eante oell lnear generalzzat Esepo: l oello Gopertz Abbao vsto che per l oello Gopertz s ha β ( p ) ( e α log log = log ) + α α S può stare tale oello con un GLM per le osservazon y = qˆ, = a, a +, K, ω Varabl rsposta: Y con strbuzone Bnoale scalata con E ( Y ) = q e pes ω = n at alle esposzon troncate Funzone collegaento: log-log copleentare g( ) = log ( log( )) Prevsore lneare: η = β 0 + β esseno β β = log α β = α α ( e ) 0 q q Il oello può essere esteso conserano η = β + β + β + K + β coè una forula perequazone el tpo: GM ( ) = 0 r,0 α r = α 00

Perequazone eante oell lnear generalzzat Esepo: l oello Wlke q q In tale oello s potzza = ep( pol( ) ) ove pol () è un polnoo n, spesso lneare o grao S può stare tale oello con un GLM per le osservazon y = qˆ, = a, a +, K, ω Varabl rsposta: Y con strbuzone Bnoale scalata con E ( Y ) = q e pes ω = n at alle esposzon troncate q g q = log q Funzone collegaento: logt ( ) Prevsore lneare: Poché g η = β + β + β + K + β 0 q ( ) q q = η log = β + β + + β = ( β + β + K + β ) q 0 K ep 0 q s 0, s GMα = ep α = S ha una forula perequazone el tpo: ( ) 0

Perequazone eante oell lnear generalzzat Moell con strbuzone Posson Sa y µ µ Y Po( µ ) P( Y = y) = e y! con È una strbuzone ella fagla esponenzale lneare, nfatt y µ µ y! ( = y) = e = ep{ y log( µ ) µ } P Y y! y = 0,, K paraetro canonco θ = log( µ ) funzone coulante b ( θ ) = e peso ω = paraetro spersone φ = Abbao vsto che se strbuzone Posson paraetro P( D ( ) = ) = D è n.a. e ecess nella classe età ], +] µ ( ) E ( ( ) ) ( ) µ E ( ) ( E E ) µ µ E ( ) ( ) ( )! e =! e µ L, n potes esseno L la funzone verosglanza, con paraetro l ntenstà stantanea ortaltà e E l nuero centrale espost al rscho. 0

Perequazone eante oell lnear generalzzat on rferento alla classe età ], +] sano E = ( s r ) + ( t r ) + ( k r ) S D W l nuero centrale espost al rscho S ha D l n.a. e ecess con strbuzone Posson paraetro µ E P( D = ) = ( µ E ) µ E e = ep{ log( µ E ) µ E }!! ( ) { ( ) } ( ) E E = ep log µ µ E ep E log( µ ) =!! E µ coè una strbuzone ella fagla esponenzale lneare con paraetro canonco θ = log( ) funzone coulante b ( θ ) = e µ peso ω = E paraetro spersone φ = e con varabl rsposta E 03

Perequazone eante oell lnear generalzzat onserao le osservazon e pes y = ˆ = = E E ω nuer central espost al rscho con = a, a +, K, ω. Sano Y n.a. varabl rsposta, = a, a +, K, ω potes probablstche: pes = E Y stoc. np. con strbuzone Posson con ω paraetro spersone φ = paraetro canonco θ = log( ) funzone coulante b ( θ ) = e S ha allora: µ ( ) ( ) Y b θ = e = = ( Y ) = b ( θ ) = e = E µ µ Var E E E 04

Perequazone eante oell lnear generalzzat potes struttural Funzone collegaento ( ) Funzone collegaento canonca logarto Prevsore lneare ( µ ) = log( ) g µ g µ = η con g funzone onotona, ervable e η prevsore lneare η = z β con z vettore elle eternazon elle varabl esplcatve relatve alla classe età Se s tene conto soltanto ell età, s ha usualente: η = β + β + β + K + β 0 05

Perequazone eante oell lnear generalzzat Esepo: l oello Gopertz Abbao vsto che per l oello Gopertz s ha log µ ( ) = log β + α S può stare tale oello con un GLM per le osservazon Varabl rsposta: y = ˆ =, = a, a +, K, ω E Y con strbuzone Posson con ( Y ) E = µ e pes = E Funzone collegaento: logarto g ( µ ) = log( µ ) Prevsore lneare: η = β 0 + β esseno β0 = log β = α ( β ) Il oello può essere esteso conserano ω nuer central espost al rscho η = β + β + β + K + β coè una forula perequazone el tpo: GM ( ) = 0 r,0 α r = α 06

Rferent bblografc RIFERIMENTI BIBLIOGRAFII D. Lonon, Survval oels an ther estaton, Acte publcatons, 997 (ap. 5, 6, 7, 9) E. Ptacco, Mateatca e tecnca attuarale elle asscurazon sulla urata vta, Lnt, 00 (App. A) Forfar, D.O. et al. (988), On grauaton by atheatcal forula, JIA, 5, 4-97 Renshaw, A.E. (99), Actuaral grauaton practce an generalze lnear an nonlnear oels, JIA, 8, 95-3 07