Analisi dei sistemi Esercitazione 3a

Slides:



Advertisements
Presentazioni simili
Modellistica e simulazione1 Esercitazione 3
Advertisements

Tecniche di analisi dei dati e impostazione dell’attività sperimentale
Corso di esperimentazione di fisica 1 Il metodo dei minimi quadrati
Come organizzare i dati per un'analisi statistica al computer?
L13 Il processo di modellizzazione Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
20 – Lincertezza di misura Tecnologie Informatiche per la Qualità Università degli Studi di Milano – Polo di Crema - Dipartimento di Tecnologie dellInformazione.
Distribuzione Normale o Curva di Gauss
Tecniche di analisi dei dati e impostazione dellattività sperimentale Relazioni tra variabili: Correlazione e Regressione.
Confronto tra 2 campioni Nella pratica è utilissimo confrontare se 2 campioni provengono da popolazioni con la stessa media: Confronti tra produzioni di.
La teoria di portafoglio: cap.7-9
“Teoria e metodi della ricerca sociale e organizzativa”
Analisi dei dati per i disegni ad un fattore
La regressione lineare trivariata
Residuo = yi – (bxi + a) La linea costruita con il metodo dei minimi quadrati è tale da minimizzare la somma dei quadrati dei residui corrispondenti a.
Regressione lineare Esercitazione 24/01/04.
Analisi di covarianza L'analisi di covarianza è un'analisi a metà strada tra l'analisi di varianza e l'analisi di regressione. Nell'analisi di covarianza.
ANALISI DELLA COVARIANZA
C – Indici di Asimmetria e Curtosi
Progetto Pilota 2 Lettura e interpretazione dei risultati
Metodi Quantitativi per Economia, Finanza e Management Lezione n°8
Metodi Quantitativi per Economia, Finanza e Management Lezione n°9.
ALCUNI METODI STATISTICI PER LA SELEZIONE DELLE VARIABILI NELL’ANALISI DISCRIMINANTE Eliminazione di variabili con contributo discriminatorio statisticamente.
Analisi dei Sistemi Esercitazione 3b
V.Caglioti - Autolocalizzazione
Modellistica e simulazione1 Esercitazione 4
MODELLO DI REGRESSIONE LINEARE MULTIPLA
DISTRIBUZIONE CAMPIONARIA CONGIUNTA DI DUE VARIABILI (1)
Analisi della varianza (a una via)
La logica della regressione
Metodi Quantitativi per Economia, Finanza e Management Lezione n° 9.
Corso di biomatematica lezione 5: propagazione degli errori
STATISTICA a.a METODO DEI MINIMI QUADRATI REGRESSIONE
LA PROGETTAZIONE DI UN SISTEMA O DI UN SERVIZIO Cap
Modello di regressione lineare semplice
Determinazione Orbitale di Satelliti Artificiali Lezione 5
LA PROGETTAZIONE DI UN SISTEMA O DI UN SERVIZIO Cap. 2 Parte II
LA PROGETTAZIONE DI UN SISTEMA O DI UN SERVIZIO Cap
Test della differenza tra le medie di due popolazioni
Fisica laboratoriale Il Pendolo semplice.
Quale valore dobbiamo assumere come misura di una grandezza?
ANALISI FATTORIALE. Cosè lanalisi fattoriale? Statistica descrittiva Rappresentazione delle variabili in studio. Statistica confermativa vs Confermare,
Test parametrici I test studiati nelle lezioni precedenti (test- t, test-z) consentono la verifica di ipotesi relative al valore di specifici parametri.
DATA MINING PER IL MARKETING
LABORATORIO DI ANALISI AVANZATA DEI DATI Andrea Cerioli Sito web del corso ESTENSIONI DEL MODELLO DI REGRESSIONE LINEARE MULTIPLA.
Fisica: lezioni e problemi
Regressione Lineare parte 2 Corso di Misure Meccaniche e Termiche David Vetturi.
DATA MINING PER IL MARKETING
sistemi1 Sistemi Che bella materia!!! sistemi2 Si occupa di: Internet ed aplicazioni Microsoft office Tipi di reti.
La verifica d’ipotesi Docente Dott. Nappo Daniela
Un insieme limitato di misure permette di calcolare soltanto i valori di media e deviazione standard del campione, ed s. E’ però possibile valutare.
Strumenti statistici in Excell
Il residuo nella predizione
IL CAMPIONE.
Corso di Laurea in Scienze e Tecniche psicologiche
Metodi Quantitativi per Economia, Finanza e Management Lezione n°10 Regressione lineare multipla: la valutazione del modello, metodi automatici di selezione.
Analisi Multivariata dei Dati
COVARIANZA: DEFINIZIONE E CALCOLO
1 L11c Un’applicazione: il bacino imbrifero del Lario Rodolfo Soncini Sessa MODSS Copyright 2004 © Rodolfo Soncini Sessa.
3 June Biostatistica Biostatitistica= Statistica per scienze Biostatitistica= Statistica per scienze biologiche e sanitarie. biologiche e sanitarie.
REGRESSIONE LINEARE Relazione tra una o più variabili risposta e una o più variabili esplicative, al fine di costruire una regola decisionale che permetta.
Regressione lineare - Esercizi Metodi Quantitativi per Economia, Finanza e Management Esercitazione n°9.
TRATTAMENTO STATISTICO DEI DATI ANALITICI
L’analisi di regressione e correlazione Prof. Luigi Piemontese.
Regressione semplice e multipla in forma matriciale Metodo dei minimi quadrati Stima di beta Regressione semplice Regressione multipla con 2 predittori.
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
1 LA STATISTICA DESCRITTIVA Docente prof.sa Laura Mercuri.
INFERENZA NEL MODELLO DI REGRESSIONE LINEARE SEMPLICE
Regressione: approccio matriciale Esempio: Su 25 unità sono stati rilevati i seguenti caratteri Y: libbre di vapore utilizzate in un mese X 1: temperatura.
DATA MINING PER IL MARKETING (63 ore) Marco Riani Sito web del corso
Gli Indici di VARIABILITA’
Transcript della presentazione:

Analisi dei sistemi Esercitazione 3a Sommario: Come si costruisce un modello: la validazione Esempio di taratura Indici di validazione Sensitività

Come si costruisce un modello B A Problema Concettualizzazione ko Taratura Raccolta dati ko Validazione Uso del modello ok ?

Come si costruisce un modello: concettualizzazione B ? Problema Concettualizzazione scelgo una classe di modelli ?

Come si costruisce un modello: taratura B ? Problema Concettualizzazione Taratura

Come si costruisce un modello: raccolta dati B ? Problema Concettualizzazione Taratura dati: N misure i=N Raccolta dati

Come si costruisce un modello: validazione B ? Problema Concettualizzazione Taratura Raccolta dati dati: N misure i=N Validazione testo il modello con dati nuovi rispetto a quelli usati in taratura con opportuni indici

La validazione un modello deve avere delle buone capacità di generalizzazione, per questo modelli diversi si confrontano in validazione raccolgo più dati

Come si costruisce un modello: validazione B ? Problema Concettualizzazione Taratura Raccolta dati dati: N misure i=N Validazione 1 raccolgo più dati ko

La validazione un modello deve avere delle buone capacità di generalizzazione, per questo modelli diversi si confrontano in validazione piena eccezionale cambio modello

Come si costruisce un modello: validazione B ? Problema Concettualizzazione ko 2 cambio modello Taratura Raccolta dati dati: N misure i=N Validazione

La validazione B ? A rigurgito cambio modello

Come si costruisce un modello: scala di deflusso B ? Problema A Concettualizzazione rigurgito ko Taratura Raccolta dati dati: N misure i=N Validazione

Come si costruisce un modello: scala di deflusso B ? Problema A Concettualizzazione rigurgito ko Taratura Raccolta dati dati: N misure i=N Validazione Uso del modello ok

Esempio: Calcolo della portata in B (1) Dati:  B rigurgito A C Parametri: Taratura di un modello non lineare scala di deflusso Come posso calcolare la portata nel tratto A?

Esempio: Calcolo della portata in B (2) Modello: Scomposizione: Linearizzazione: Taratura di un modello non lineare

VALIDAZIONE – INDICI Taratura → min somma scarti al quadrato Validazione → diversi indici Errore medio (in % media valori misurati) y = valori misurati ysim = valori calcolati Errore massimo (in % media valori misurati) y = valori misurati ysim = valori calcolati N = n. dati disponibili

VALIDAZIONE – INDICI Taratura → min somma scarti al quadrato Validazione → diversi indici Correlazione vero-simulato y = valori misurati ysim = valori calcolati Varianza spiegata y = valori misurati ysim = valori calcolati

VALIDAZIONE – INDICI Taratura → min somma scarti al quadrato Validazione → diversi indici Dispersione coppie vero-simulato intorno alla bisettrice valori simulati misurati

Esempio: Regressione lineare (2) Dati: Modello: Taratura di un modello lineare