Professional Documents
Culture Documents
1000
RISPARMIO
800
600
400
200
0
0 500 1000 1500 2000 2500 3000 3500
REDDITO
Partendo da queste coppie di dati (x, y), si
vuole determinare la funzione
y = f(x)
Interpolazione MATEMATICA
Calcola una funzione che
passa PER tutti i punti
Interpolazione STATISTICA
Calcola una funzione che passa FRA i punti
A CHE COSA SERVE ?
inserimento di uno o più dati in una serie
che presenta vuoti.
ESTRAPOLAZIONE (valutazione di valori
esterni alla serie dei dati).
PEREQUAZIONE (livellazione o
“regolazione” dei dati di una serie non
regolare attraverso la “sostituzione” al
posto dei dati rilevati, di dati ottenuti dalla
funzione matematica trovata).
INTERPOLAZIONE MATEMATICA
SI UTILIZZA QUANDO LA FUNZIONE Y=f(X) DEVE
PASSARE PER TUTTI I PUNTI OSSERVATI.
Equazione della curva polinomiale di grado (n-1), passante per i punti (x1, y1),
(x2, y2), ..., (xn, yn)
INTERPOLAZIONE
STATISTICA
Mentre nella interpolazione matematica la
funzione interpolante deve passare per tutti i punti
sperimentali, nell’interpolazione statistica la
funzione passa attraverso i punti osservati.
L’interpolazione statistica viene utilizzata quando il numero di punti
sperimentali è elevato
3
Y
0
0 1 2 3 4 5 6
X
E’ necessario che la funzione interpolante
passi il più vicino possibile ai valori
interpolati.
∑ (y − yˆ i ) ⇒ minima
2
i
i= 1 yi
ŷ
xi
La funzione teorica può assumere differenti
aspetti
RETTA
PARABOLA
FUNZIONE ESPONENZIALE
CASO DELLA RETTA
Ŷ = bx + a i parametri da determinare sono quindi a e b
n
f ( a, b ) = ∑ (y − bxi − a ) ⇒ minima
2
i
i= 1
Questa è una funzione a due variabili di cui occorre trovare il minimo
Si procede con la soluzione del sistema che pone le
derivate parziali prime uguali a zero per la ricerca
di eventuali punti critici:
f 'b = 2∑ ( bxi + a − yi ) ⋅ xi = 0 b∑ xi 2 + a ∑ xi = ∑ xi yi
f 'a = 2∑ ( bxi + a − yi ) ⋅ 1 = 0 b∑ xi + na = ∑ yi
Utilizzando il metodo di Cramer si giunge alle soluzioni del
sistema
∑ yi ⋅ ∑ xi − ∑ xi yi ⋅ ∑ xi
2
a =
∑ i ∑ i
2
n x − ( x ) 2
n∑ x y − ∑ x ⋅ ∑ y
b = i i i i
2 − (∑ x ) 2
n ∑ x
i i
E’ evidente che è difficile memorizzare le precedenti soluzioni.
Esistono allora due procedimenti che è possibile seguire:
1° procedimento
Si calcola il fattore b utilizzando la formula
n∑ x ⋅ y − ∑ x ⋅ ∑ y
b= i i i i
n∑ x 2 − (∑ x ) 2
i i
Mentre il fattore a si può ricavare dalla seconda equazione del sistema
5 ⋅ 240,4 − 15 ⋅ 75
b= = 1,54
5 ⋅ 55 − 15 2
15 75
X = = 3 Y = = 15
5 5
a = Y − b ⋅ X = 15 − 1,54 ⋅ 3 = 10,38
2° Procedimento
b=
∑ xi '⋅ y i '
=
∑ ( xi − X ) ⋅ ( y i − Y )
∑ ( xi ' ) 2
∑ ( xi − X )
2
a = Y − b⋅ X
ESEMPIO
X Y X' Y' X'Y' X'2
1 10 -2 -15 30 4
2 17 -1 -8 8 1
3 26 0 1 0 0
4 32 1 7 7 1
5 40 2 15 30 4
tot 15 125 0 0 75 10
= 15/5 =3 ∑ ( x − X ) ⋅ ( y − Y ) 75
X
b= i i = = 7,5
∑ (x − X )
2
10
Y = 125/5 = 25 i
a = Y − b ⋅ X = 25 − 7,5 ⋅ 3 = 2,5
PERTANTO LA RETTA INTERPOLATRICE HA EQUAZIONE
Y = 2,5+ 7,5 X
45
40
35
30
25
20
15
10
5
0
0 1 2 3 4 5 6
INDICI DI ACCOSTAMENTO
∑ yi − yˆ
Indice lineare: I =
1 ∑ yˆ i
2
∑ ( yi − yˆ i )
Indice quadratico n
I valori degli indici
I =
2 ∑ ˆi
y devono essere molto
n piccoli inferiori a 0.1
CASO DELLA PARABOLA
y = ax + bx + c 2
∑ ( ax )
n
f ( a , b, c ) =
2 2
i + bxi + c − y i ⇒ minima
i= 1
La condizione di accostamento è la seguente:
Si tratta dunque di calcolare il minimo di una funzione a tre variabili [f(a,b,c)].
Si procede con la soluzione del sistema che pone le derivate parziali prime
uguali a zero per la ricerca del punto critico (minimo relativo, in questo caso):
( )
f ' a = 2∑ axi 2 + bx i + c − y i ⋅ xi 2 = 0
( )
f 'b = 2∑ axi + bxi + c − y i ⋅ xi = 0
2
( )
f ' c = 2∑ axi + bxi + c − y i ⋅ 1 = 0
2
a ∑ xi + b ∑ xi + c ∑ xi = ∑ xi y i
4 3 2 2
a ∑ xi + b ∑ xi + c ∑ xi = ∑ xi y i
3 2
a ∑ xi + b∑ xi + nc = ∑ y i
2
Esempio:
Calcolare e rappresentare graficamente la parabola interpolante a
minimi quadrati per i seguenti punti:
x 1 2 4 6 8 12
y 9 5 4 5 6 10
Svolgimento:
Conviene sviluppare i calcoli per le varie sommatorie in tabella
(facilmente adattabile ad un foglio elettronico) come segue:
x y x2 x3 x4 xy x2y y teorico
1 9 1 1 1 9 9 7,61
2 5 4 8 16 10 20 6,41
4 4 16 64 256 16 64 4,88
6 5 36 216 1296 30 180 4,5
8 6 64 512 4096 48 384 5,28
12 10 144 1728 20736 120 1440 10,32
33 39 265 2529 26401 233 2097
Si imposta e si risolve il
seguente sistema
6
4 y
2 y teorico
0 y teorico
0 2 4 6 8 10 12 14
REGRESSIONE E
CORRELAZIONE
REDDITO* SPESE*
* In migliaia di euro
10 2
15 2,3
18 2,1
20 2,5
22 2,6
25 2,5
30 3
La domanda è la seguente:
esiste un legame tra le due variabili statistiche?
E se esiste quanto è forte o debole questo legame?
REGRESSIONE E CORRELAZIONE
Lo studio della regressione e della correlazione si
occupa della ricerca del legame e della “misurazione”
di tale legame tra due variabili statistiche.
Egli rilevò che le altezze dei figli di padri molto alti erano mediamente inferiori
a quelle dei padri, o più precisamente, regredivano verso la media
generale delle altezze della popolazione
Galton chiamò regressione tale tendenza
In generale in statistica lo studio della regressione consiste nella determinazione
di una funzione matematica che esprima la relazione tra due variabili
n∑ x ⋅ y − ∑ x ⋅ ∑ y
b1 = i i i i a1 = y − b ⋅ x
n∑ x 2 − (∑ x ) 2
i i
n∑ x ⋅ y − ∑ x ⋅ ∑ y
b2 = i i i i a2 = x − b ⋅ y
n∑ y 2 − (∑ y ) 2
i i
Sono le medie
y x delle x e delle y
FORMULE PER IL CALCOLO: 2° procedimento
n
∑ ( x − x )( y − y )
i i
b = i = 1 a = y− b x
1 n 2 1 1
∑ ( x − x)
i
i =1
n
∑ ( x − x )( y − y )
i i
b = i = 1 a = x−b y
2 n 2 2 2
∑ ( y − y)
i
i =1
b1 E b2 HANNO SEMPRE LO STESSO SEGNO
Se b1 e b2 sono positivi
esiste un legame lineare
diretto (all’aumentare di una
variabile aumenta l’altra)
Se b1 e b2 sono negativi
esiste un legame lineare inverso
(all’aumentare di una variabile
diminuisce l’altra)
esiste un legame lineare
b =
1 perfetto (diretto o
Se 1 b
2 inverso in base al segno
dei coefficienti) e le due
rette sono coincidenti
Se b1 = b2 =0 esiste indipendenza
lineare( le due rette sono parallele agli assi
cartesiani)
CORRELAZIONE LINEARE
Si usa il segno +
se b1 e b2 sono
positivi
r = Indice di Bravais-Pearson = ± b1 ⋅ b2
Si usa il segno –
dove b1 e b2 sono i coefficienti di regressione se i coefficienti b1
e b2 sono
negativi
σ
xy
r =
σ ⋅σ
x y
Dove :
∑ x ' y'
σ = covarianza
yy n
2 2
s.q.m. ∑ ( x' ) ∑ ( y' )
σ = σ =
x n y n
− 1≤ r ≤ 1
− 1≤ r ≤ 0
0≤ r ≤ 1