STATISTICA a.a. 2002-2003 – METODO DEI MINIMI QUADRATI – REGRESSIONE – CORRELAZIONE RELAZIONE FRA VARIABILI – Spesso si vuole trovare la relazione che lega due o più variabili (es. la pressione di un gas dipende da temperatura e volume) – Vogliamo esprimere questa relazione in forma matematica INTERPOLAZIONE – Dobbiamo raccogliere dati che mostrino valori corrispondenti delle variabili – Riportiamo i punti (Xi,Yi) delle due variabili su un sistema di coordinate – Vogliamo individuare una curva (relazione non lineare) o una retta interpolante INTERPOLAZIONE – Il tipo più semplice è la retta Y = a0 + a1 X – Dati due punti qualsiasi (X1 Y1) e (X2 Y2) , vogliamo determinare a0 e a1 . INTERPOLAZIONE Y2 Y1 ( X X 1 ) Y Y1 X 2 X1 Y2 Y1 a1 X 2 X1 INTERPOLAZIONE a1 coefficiente angolare a0 e’ Y per X=0 (ordinata all’origine). METODO DEI MINIMI QUADRATI METODO DEI MINIMI QUADRATI • Chiamiamo Dn la deviazione (o errore) fra il valore Yn e il corrispondente valore della curva (positiva o negativa) • Una misura della “bontà dell’interpolazione” è la somma D12 + D22 …..+ Dn2 METODO DEI MINIMI QUADRATI • La curva avente la proprietà che D12 + D22 …..+ Dn2 è minima è detta migliore interpolante o retta/curva dei minimi quadrati. METODO DEI MINIMI QUADRATI • La retta dei minimi quadrati può essere espressa nella forma Y = a0 + a1 X dove a0 e a1 si trovano risolvendo il sistema SY = a0 N+ a1 SX SXY = a0 S X+ a1 SX2 equazioni normali della retta dei minimi quadrati. METODO DEI MINIMI QUADRATI • Si ottiene ( Y )( X ) ( X )( XY ) 2 a0 a1 N X ( X ) 2 N XY X Y N X ( X ) 2 2 2 METODO DEI MINIMI QUADRATI • La prima delle due equazioni si ottiene dalla sommatoria di entrambi i membri di Y = a0 + a1 X , la seconda moltiplicando i membri per X e poi facendo la sommatoria. – Per derivare le equazioni si minimizzano le derivate della retta METODO DEI MINIMI QUADRATI Y1 = a0 + a1 X1 Y2= a0 + a1 X2 …. S=(a0 + a1 X2 -Y1)2 +(a0 + a1 X2 – Y2)2 +…. + (a0 + a1 Xn - Yn)2 S 0 a0 S 0 a1 LA REGRESSIONE • Vogliamo stimare il valore di una variabile Y corrispondente a un dato valore di una variabile X. • Si può ottenere questo stimando il valore di Y per mezzo di una curva dei minimi quadrati che interpoli i dati campionari. • Questa è detta CURVA DI REGRESSIONE di X su Y. • Se X è il tempo (variabile indipendente) i dati indicano i valori di Y in diversi tempi e vengono detti SERIE TEMPORALE. • La retta/curva di regressione è detta retta/curva del trend e viene usata per scopi di previsione. CORRELAZIONE E REGRESSIONE • La correlazione indica il grado di relazione fra le variabili. • Cercheremo di determinare quanto bene un’equazione spiega tale relazione • Se tutti i valori delle variabili soddisfano esattamente un’equazione diciamo che le variabili sono perfettamente correlate (esempio: raggio e circonferenza; altezza e peso saranno in parte correlate). CORRELAZIONE E REGRESSIONE • Date due variabili X e Y costruiamo un diagramma di dispersione con i loro valori. • Se tutti i punti giacciono più o meno su una retta, la correlazione è detta lineare e la relazione fra le variabili sarà retta da un’equazione lineare. CORRELAZIONE E REGRESSIONE • Se Y cresce al crescere di X la correlazione è positiva o diretta: CORRELAZIONE E REGRESSIONE • Se Y decresce al crescere di X, la correlazione è detta negativa o inversa: • Se i punti stanno su una curva, la correlazione è non lineare. CORRELAZIONE E REGRESSIONE • Se non c’è relazione fra le variabili diciamo che sono incorrelate: CORRELAZIONE E REGRESSIONE (1) Y = a0 + a1 X Può essere riscritta come xy y x x 2 dove xX X y Y Y xy x y y 2 CORRELAZIONE E REGRESSIONE – Chiamiamo Ystim i valori di Y per dati valori di X secondo una stima compiuta per mezzo della (1). – Una misura della dispersione intorno alla retta di regressione di Y su X è SYX S 2 YX 2 ( Y Y ) stim oppure N 2 Y a0 Y a1 XY N errore standard della stima CORRELAZIONE E REGRESSIONE – Il denominatore può anche essere posto a N-2 . – L’errore standard della stima ha proprietà analoghe a quelle dello scarto quadratico medio. COEFFICIENTE DI CORRELAZIONE – Chiamiamo devianza totale di Y la somma dei quadrati degli scarti dei valori di Y dalla media Y¯. – Si può anche scrivere 2 2 2 ( Y Y ) ( Y Y ) ( Y Y ) stim stim devianza totale devianza residua devianza spiegata COEFFICIENTE DI DETERMINAZIONE devianza _ spiegata r devianza _ totale 2 2 ( Y Y ) stim (Y Y ) – Se la devianza spiegata è zero (ossia la devianza totale equivale alla residua), r2=0 – Se la devianza residua è uguale a zero, cioè devianza totale = devianza spiegata , r2=1 – Dunque r2 è sempre positiva e varia fra 0 e 1. 2 COEFFICIENTE DI CORRELAZIONE – Allora definiamo devianza _ spiegata r devianza _ totale (Y (Y stim r coefficiente di correlazione Y ) Y )2 2 COEFFICIENTE DI CORRELAZIONE r varia fra +1 e –1 (+ o – a seconda di correlazione positiva o negativa). 2 ( Y Y ) – Poiché Sy N S yx 2 ( Y Y ) stim N allora 2 yx S r 1 2 Sy S yx S y 1 r 2 COEFFICIENTE DI CORRELAZIONE – Si dimostra che r xy x y 2 dove xX X y Y Y 2 COEFFICIENTE DI CORRELAZIONE che dà automaticamente il segno di r. – Si può riscriverla come r N XY X Y ( N X ( X ) )( N Y ( Y ) ) 2 2 2 2