Metodi statistici per l'analisi del cambiamento 5/3/2004 1 Notazione (simboli) Obbiettivo: occorre che si mantengano le tracce, in merito al punteggio,

Slides:



Advertisements
Presentazioni simili
Risolvere la seguente disequazione razionale intera di I grado
Advertisements

MATEMATICA PER L’ECONOMIA
2. Introduzione alla probabilità
Dipartimento di Economia
Le operazioni di moltiplicazione e divisione in Aritmetica e geometria
Presupposti alla lezione
Capitolo 8 Sistemi lineari.
Vettori e matrici algebrici
Autovalori e autovettori
MATLAB Stefano Gagliardo
Determinanti del primo ordine
INSIEMI INSIEME= gruppo di oggetti di tipo qualsiasi detti elementi dell’insieme. Un insieme è definito quando viene dato un criterio non ambiguo che.
COORDINATE POLARI Sia P ha coordinate cartesiane
LE MATRICI.
Variabili casuali a più dimensioni
Lez. 3 - Gli Indici di VARIABILITA’
2ab2 2b4 4x − 2y a 3b2y3 3b2y3b Definizione e caratteristiche
Algebra delle Matrici.
PROGETTO LAUREE SCIENTIFICHE
Teoria e Tecniche del Riconoscimento
RICHIAMI ELEMENTARI DI ALGEBRA MATRICIALE
MODELLO DI REGRESSIONE LINEARE MULTIPLA
Statistica per le decisioni aziendali ed analisi dei costi Modulo II - Statistica per le decisioni Aziendali Richiami di Algebra Matriciale.
ANALISI DEI GRUPPI seconda parte
Indici di variabilità Indici di variabilità assoluta
MATLAB. Annalisa Pascarella
IL QUADRATO DI UN TRINOMIO
DefinizioneUn polinomio si dice…. Operazioni con i polinomi Prodotti notevoli Regola di RuffiniTeorema del resto di Ruffini fine Mammana Achille Patrizio.
Sistemi di equazioni lineari
Corso di biomatematica lezione 6: la funzione c2
Introduzione all’algebra lineare
Corso di Chimica Fisica II 2013 Marina Brustolon
Algebra matriciale e linguaggio matriciale in MATLAB

Lezione 4 Probabilità.
Le matrici e I Sistemi lineari.
Equazione di Dirac per la y
Spazi vettoriali astratti Somma e prodotto di n-ple Struttura di R n.
MATRICI classe 3 A inf (a.s ).
Definizione di determinante
Lezione 3 Vettori e Matrici.
Unità 2 Distribuzioni di probabilità Misure di localizzazione Misure di variabilità Asimmetria e curtosi.
Proprietà delle matrici con variabili standardizzate.
Corso Di Programmazione Grafica
Rotazioni e quaternioni
CALCOLO LETTERALE Perché?
Stabilità per E.D.O. (I): STABILITÀ LINEARIZZATA
Lez. 3 - Gli Indici di VARIABILITA’
DATA MINING PER IL MARKETING
Linguaggio extraterreste ……con numeri e lettere
Regressione Lineare parte 1
DATA MINING PER IL MARKETING
MATRICI.
Calcolo letterale.
Moltiplicazione di un monomio per un polinomio
COVARIANZA: DEFINIZIONE E CALCOLO
Claudio Arbib Università dell’Aquila Ricerca Operativa Metodo del simplesso per problemi di distribuzione single-commodity.
MATEMATICA PER L’ECONOMIA e METODI QUANTITATIVI PER LA FINANZA a. a
Metodologia della ricerca e analisi dei dati in (psico)linguistica 24 Giugno 2015 Statistica inferenziale
Quadrati magici tabelle numeriche con particolari curiose proprietà.
ANALISI E INTERPRETAZIONE DATI
DIPENDENZA STATISTICA TRA DUE CARATTERI Per una stessa collettività può essere interessante studiare più caratteri presenti contemporaneamente in ogni.
Sistemi di equazioni lineari. Sistemi di primo grado di due equazioni a due incognite Risolvere un sistema significa trovare la coppia di valori x e y.
Regressione semplice e multipla in forma matriciale Metodo dei minimi quadrati Stima di beta Regressione semplice Regressione multipla con 2 predittori.
Test di Fisica Soluzioni.
Operazioni con le frazioni
1 VARIABILI CASUALI. 2 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l’esito.
L’Analisi delle Corrispondenze. Obiettivi: Rappresentazione graficaRappresentazione grafica SintesiSintesi della struttura di associazione tra due (o.
Analisi delle osservazioni
Prof. Cerulli – Dott. Carrabs
Transcript della presentazione:

Metodi statistici per l'analisi del cambiamento 5/3/ Notazione (simboli) Obbiettivo: occorre che si mantengano le tracce, in merito al punteggio, relativamente a che soggetto appartiene, a che tempo si riferisca, e a che gruppo appartiene il soggetto. Pertanto servono 3 deponenti. Occorre porre attenzione, poiché i testi talvolta usano notazioni diverse Y ikj k indica il gruppo, con k che varia da 1 a K (k=1,..,K) i è il soggetto, con i che varia da 1 a M (i=1,..,M) (I 1 =68, I 2 =67) j è il tempo, con j che varia da 1 a J (j=1,..,J)

Metodi statistici per l'analisi del cambiamento 5/3/ Esempio Si considerano 68 persone che si preparano per lesame di ammissione. Ognuna fornisce informazioni sullansia nel mese precedente lesame. Per ogni soggetto, si calcolano 4 punteggi nel corso di ogni settimana relativi al livello dansia Si inserisce un gruppo di controllo di 67 soggetti che non devono sostenere esami, e lo si sottopone al medesimo test per lansia con la medesima cadenza settimanale k indica il gruppo, con k che varia da 1 a 2 (k=1,2) i è il soggetto, con i che varia da 1 a M 1 (i=1,.., 68) e M 2 (i=1,.., 67) (M 1 =68, M 2 =67) j è il tempo

Metodi statistici per l'analisi del cambiamento 5/3/ Strumenti analitici: valori attesi Y ikj è una variabile casuale (v.c.). La lettera latina minuscola indica, come usuale, la singola determinazione o realizzazione. Sovente è prudente pensare ad una possibile distribuzione ancor prima di raccogliere i dati Fra i valori che caratterizzano la distribuzione della (v.c.) ricordiamo: Valori minimo e massimo Valore atteso Variabilità attesa

Metodi statistici per l'analisi del cambiamento 5/3/ Regole per gli operatori valori attesi E(X)= x è il momento primo, la media della v.c. X Sia c una costante (un numero reale) E(c*X) = c*E(X) = c* x E(X+c) = E(X)+c = x +c Sia Y unaltra v.c. E(X+Y) = E(X)+E(Y) = x + y E(X-Y) = E(X)-E(Y) = x - y Considerando entrambe le v.c. X e Y, risulta: E( X) = E[(X 1 +X 2 )/2] =( )/2 = l valore atteso della media di due v.c. è la media dei loro valori attesi

Metodi statistici per l'analisi del cambiamento 5/3/ Varianze attese E[(X- x ) 2 ] = V(X)= s x 2 Sia c una costante (numero reale) V(c*X) = c 2 *V(X) V(X+c) = V(X) Sia Y unaltra (v.c.) indipendente da X V(X+Y) = V(X)+V(Y) = s x 2 + s y 2 V(X-Y) = V(X)+V(Y) = s x 2 + s y 2 In generale, siano Y e X due (v.c.) con covarianza nota, Cov (X,Y) = E[(X- x )(Y- y )] = s xy s x s y r xy V(aX+bY) = a 2 V(X)+b 2 V(Y) + 2ab Cov(X,Y) = a 2 s x 2 +b 2 s y 2 + 2ab s x s y r xy

Metodi statistici per l'analisi del cambiamento 5/3/ Esempio Numerico Valore atteso, varianza e deviazione standard nel campione dei 68 candidati agli esami di ammissione risultano pari a: Y 13 = 1.658,.789,.888 Y 14 = 1.979,.805,.897 Se si aggiunge 10 a ciascun punteggio, i risultati sono Y 13 = ,.789,.888 Y 14 = ,.805,.897 Se, invece, si moltiplica ogni punteggio per 10, i risultati sono Y 13 = 16.58, 78.9, 8.88 Y 14 = 19.79, 80.5, 8.97

Metodi statistici per l'analisi del cambiamento 5/3/ Strumenti analitici : richiami di algebra matriciale Liste ordinate di numeri sono dette vettori Liste ordinate di vettori sono dette matrici E.g.

Metodi statistici per l'analisi del cambiamento 5/3/ Definizioni e operazioni sui vettori Definizione: un vettore è una lista ordinata di numeri : a T = [a 1 a 2... a p ] Trasposta Se a è un vettore con p elementi in colonna, allora a T è un vettore con gli stessi elementi disposti in riga. Somma vettoriale Se a e b sono due vettori con p elementi, (a i, b i ), allora a+b è un nuovo vettore con p elementi dati dalla somma dei rispettivi elementi. [a+b] i = [a i + b i ]

Metodi statistici per l'analisi del cambiamento 5/3/ Definizioni e operazioni sui vettori Moltiplicazione vettoriale Se a e b sono due vettori con p elementi, (a i, b i ) allora a T b = a i b i = a 1 b 1 +a 2 b a p b p Esempio a T = [0 0 –1 1] Y = [Y 1 Y 2 Y 3 Y 4 ] Then, a T Y = Y 4 – Y 3 Questo è un esempio di un vettore contrasto

Metodi statistici per l'analisi del cambiamento 5/3/ Operazioni matriciali Definizione di matrice Una matrice può essere considerata una collezione di vettori E.g.. Una matrice di dati si compone di n righe di p variabili La trasposta di una matrice fa divenire colonne le righe e viceversa Somma matriciale [A+B] ij = [a ij + b ij ] Sottrazione di matrici Matrix [A-B] ij = [a ij - b ij ]

Metodi statistici per l'analisi del cambiamento 5/3/ Moltiplicatione di matrici Una matrice Identità, I, è una matrice quadrata con valori unitari sulla diagonale principale e altrove. A*I = A Se A è una matrice quadrata e di rango pieno (non singolare), allora esiste la sua inversa A -1 tale che A*A -1 = I

Metodi statistici per l'analisi del cambiamento 5/3/ Alcune osservazioni sulle moltiplicazioni matriciali In generale, AB ~= BA La proprietà commutativa non è soddisfatta Quando A e B sono quadrate e di rango pieno (A*B) -1 = B -1 *A -1 E soddisfatta la proprietà distributiva del prodotto rispetto alla somma A(B+C) = AB + AC Una matrice A può essere moltiplicata per un numero c, detto scalare, che stabilisce lunità della nuova matrice: cA = [cA ij ]