Laboratorio di dati e sistemi multimediali
|
|
- Ernesto Bondi
- 8 anni fa
- Visualizzazioni
Transcript
1 Laboratorio di dati e sistemi multimediali Scienze e tecnologie Multimediale Prof. Christian Micheloni
2 Relazioni tra dati Si consideri un insieme di elementi generico O = o 1,, o n Potrebbe essere imossibile fornire una raresentazione a feature degli oggetti o k, k = 1,, n Al contrario è ossibile fornire una relazione tra coie di oggetti n n r 11 r 1n r = r n1 r nn R r ij si riferisce al grado di similarità, dissimilarità, comatibilità, imcomatibilità, distanza ecc.. Tra l oggetto o i e o j Laboratorio di dati e sistemi multimediali 2
3 Funzioni di Dissimilarità Una funzione d è detta di dissimilarità in R se er ogni x, y R d x, y = d y, x d x, y = 0 x = y d x, z d x, y + d y, z Da cui segue che d x, y 0 Laboratorio di dati e sistemi multimediali 3
4 Norma: Funzione di dissimilarità Una funzione : R R + è una norma se x = 0 x = 0,, 0 a x = a x a R, x R x y x + y x, y R Hyerbolic norm x h = x(i) Laboratorio di dati e sistemi multimediali 4
5 Norma rodotto scalare Una classe di norme molto oolare è quella basata sul rodotto scalare definita come x A = xax t A R La norma iù conosciuta è la norma euclidea x A = xax t A = Laboratorio di dati e sistemi multimediali 5
6 Lebesgue La norma di Lebesque è definita come x α = α x i α City Block x 1 = x(i) Euclidea x 2 = 2 x i 2 Laboratorio di dati e sistemi multimediali 6
7 Dissimilarità di Hamming La distana di Hamming è definita come d H x, y = ρ(x i, y(i) Dove ρ x, y = 1 se x = y 0 altrimenti Laboratorio di dati e sistemi multimediali 7
8 Misure di similarità Una funzione è detta essere una misura di similarità R se er ogni x, y R s x, y = s y, x s x, y s x, x s x, z s x, y + s y, z s x, y 0 Laboratorio di dati e sistemi multimediali 8
9 Dualità Similarità- Dissimilarità Qualsiasi funzione di dissimilarità uò essere utilizzata er definire una corrisondente funzione di similarità e vice versa s x, y = d x, y Laboratorio di dati e sistemi multimediali 9
10 PROBLEMA???? Funzioni di similarità Coseno s x, y = x i y(i) x i 2 y i 2 Overla Dice s x, y = s x, y = min x i y(i) x i 2, x i y(i) x i 2 + y i 2 y i 2 Laboratorio di dati e sistemi multimediali 10
11 Esercizio 1 Si scrivano delle funzioni in Matlab/Octave che calcolano le seguenti distanze Euclidea City Block Hamming Si utilizzino tali funzioni er calcolare la distanza tra i seguenti vettori (0,1,0,1,0,1,0,1) (1,0,1,0,1,0,1,0) (1,1,1,1,1,1,1,1) (0,0,0,0,0,0,0,0) (0,0,0,0,0,1,0,1) (1,0,1,0,0,0,0,0) Laboratorio di dati e sistemi multimediali 11
12 Esercizio 2 Quale delle seguenti funzioni è di similarità o di dissimilarità 1. f x, y = 1 se x = y 0 altrimenti 2. f x, y = x y T x x T y y^t Laboratorio di dati e sistemi multimediali 12
13 Correlazione La correlazione quantifica la relazione tra diverse feature Identifica candidati di interesse Correlazione lineare Semlice, robusta e efficiente da calcolare Identifica solo diendenze lineari Correlazione non lineare Identificano diendenze non lineari Richiedono la definizioni di arametri Laboratorio di dati e sistemi multimediali 13
14 Correlazione Laboratorio di dati e sistemi multimediali 14
15 Correlazione Lineare Quantifica la relazione lineare tra diverse feature o misure. Dato un data set esresso da n vettori X R la covarianza C è calcolata come c ij = 1 n 1 n k=1(x k, i x(i))(x k, j x j ) = COV(x i, x j ) cij>>0 forse diendenza ositiva tra i e j cij<<0 forte diendenza negativa tra i e j cij==0 diendenza debole tra i e j Laboratorio di dati e sistemi multimediali 15
16 Indice di correlazione lineare L indice di correlazione lineare esrime la eventuale relazione di linearità tra due variabili aleatorie s ij = COV x i, x j VAR x i VAR x j s ij = n k=1(x k, i n ( k=1 (x k, i x(i))(x k, j x(i)) 2 x k, j x j ) x j 2 Laboratorio di dati e sistemi multimediali 16
17 Esercizio Scrivere una funzione matlab er il calcolo della covarianza tra due vettori Scrivere una funzione matlab er il calcolo dell indice di correlazione tra due vettori Scrivere una funzione matlab er il calcolo della matrice di covarianza del dataset IRIS Scrivere una funzione matlab er il calcolo dell indice di correlazione del dataset IRIS Laboratorio di dati e sistemi multimediali 17
Lezione n. 2 (a cura di Chiara Rossi)
Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,
DettagliDISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i
DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;
DettagliTrigonometria (tratto dal sito Compito in classe di Matematica di Gilberto Mao)
Trigonometria (tratto dal sito Comito in classe di Matematica di Gilberto Mao) Teoria in sintesi Radiante: angolo al centro di una circonferenza che sottende un arco di lunghezza rettificata uguale al
DettagliDott.ssa Caterina Gurrieri
Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo
DettagliCBM a.s. 2012/2013 PROBLEMA DELL UTILE DEL CONSUMATORE CON IL VINCOLO DEL BILANCIO
CM a.s. /3 PROLEMA DELL TILE DEL CONSMATORE CON IL VINCOLO DEL ILANCIO Il consumatore è colui che acquista beni er destinarli al rorio consumo. Linsieme dei beni che il consumatore acquista rende il nome
DettagliAnalisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
DettagliRICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come
RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può
DettagliLa categoria «ES» presenta (di solito) gli stessi comandi
Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:
DettagliIl rischio di un portafoglio
Come si combinano in un portafoglio i rischi di 2 titoli? dipende dai pesi e dal valore delle covarianze covarianza a a ρ a b ρ a b ρ b b ρ coefficiente di correlazione = cov / ² p = a² ² + b² ² + 2 a
DettagliFunzioni con dominio in R n
0.1 Punti e vettori di R n Politecnico di Torino. Funzioni con dominio in R n Nota Bene: delle lezioni. Questo materiale non deve essere considerato come sostituto Molto spesso risulta che una quantita
DettagliEsercitazione di Martedì 28 Ottobre (Rischio-Rendimento) Esercizio n 1, Calcolo dei pesi all interno di un portafoglio costituito da 2 titoli
Esercitazione di Martedì 28 Ottobre (Rischio-Rendimento) Esercizio n 1, Calcolo dei pesi all interno di un portafoglio costituito da 2 titoli Un portafoglio è costituito dal titolo A e dal titolo B. Il
DettagliProva scritta di Geometria 2 Prof. M. Boratynski
10/9/2008 Es. 1: Si consideri la forma bilineare simmetrica b su R 3 associata, rispetto alla base canonica {e 1, e 2, e 3 } alla matrice 3 2 1 A = 2 3 0. 1 0 1 1) Provare che (R 3, b) è uno spazio vettoriale
DettagliSTATISTICA GIUSEPPE DE NICOLAO. Dipartimento di Informatica e Sistemistica Università di Pavia
STATISTICA GIUSEPPE DE NICOLAO Dipartimento di Informatica e Sistemistica Università di Pavia SOMMARIO V.C. vettoriali Media e varianza campionarie Proprietà degli stimatori Intervalli di confidenza Statistica
DettagliCorso di Matematica per la Chimica
Dott.ssa Maria Carmela De Bonis a.a. 203-4 I sistemi lineari Generalità sui sistemi lineari Molti problemi dell ingegneria, della fisica, della chimica, dell informatica e dell economia, si modellizzano
Dettagli1. Richiami di Statistica. Stefano Di Colli
1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche
DettagliCondizionamento di sistemi lineari.
Condizionamento di sistemi lineari. Ángeles Martínez Calomardo e Alvise Sommariva Università degli Studi di Padova Dipartimento di Matematica Pura e Applicata 10 dicembre 2012 Ángeles Martínez Calomardo
DettagliForme bilineari e prodotti scalari. Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione. b :
Forme bilineari e prodotti scalari Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione b : { V V K ( v, w) b( v, w), si dice forma bilineare su V se per ogni u, v, w V e per ogni k K:
DettagliEsercizi su lineare indipendenza e generatori
Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v
Dettagli2 + (σ2 - ρσ 1 ) 2 > 0 [da -1 ρ 1] b = (σ 2. 2 - ρσ1 σ 2 ) = (σ 1
1 PORTAFOGLIO Portafoglio Markowitz (2 titoli) (rischiosi) due titoli rendimento/varianza ( μ 1, σ 1 ), ( μ 2, σ 2 ) Si suppone μ 1 > μ 2, σ 1 > σ 2 portafoglio con pesi w 1, w 2 w 1 = w, w 2 = 1- w 1
DettagliLezioni di Ricerca Operativa. Corso di Laurea in Informatica Università di Salerno. Lezione n 4
Lezioni di Ricerca Operativa Lezione n 4 - Problemi di Programmazione Matematica - Problemi Lineari e Problemi Lineari Interi - Forma Canonica. Forma Standard Corso di Laurea in Informatica Università
DettagliLEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE
LEZIONI DI ALGEBRA LINEARE PER LE APPLICAZIONI FINANZIARIE FLAVIO ANGELINI Sommario Queste note hanno lo scopo di indicare a studenti di Economia interessati alla finanza quantitativa i concetti essenziali
DettagliAnalisi delle relazioni tra due caratteri
Analisi delle relazioni tra due caratteri Le misure di connessione misurano il grado di associazione tra due caratteri qualsiasi sotto il profilo statistico (e non causale in quanto non è compito della
DettagliANALISI DEI DATI BIOLOGICI
ANALISI DI DATI BIOLOGICI RAPPRSNTAR L COMUNITA tramite descrizioni grafiche e relazioni tra gli organismi presenti nei vari campioni. DISCRIMINAR dei siti sulla base della loro composizione biologica.
DettagliCAPITOLO 4 - INTEGRAZIONE SCALA DI LIKERT. ANALISI DI MERCATO per la CLEA - CLEMI. Docente: Michele Lalla. Versione 1.0. A.A. 2009/2010-2010/2011
ANALISI DI MERCATO per la CLEA - CLEMI Docente: Michele Lalla Versione 1.0. A.A. 2009/2010-2010/2011 CAPITOLO 4 - INTEGRAZIONE SCALA DI LIKERT Luca Molteni, Gabriele Troilo (a cura di) (2003), Ricerche
DettagliUn applicazione della programmazione lineare ai problemi di trasporto
Un applicazione della programmazione lineare ai problemi di trasporto Corso di Ricerca Operativa per il Corso di Laurea Magistrale in Ingegneria della Sicurezza: Trasporti e Sistemi Territoriali AA 2012-2013
DettagliCapitolo 4: Ottimizzazione non lineare non vincolata parte II. E. Amaldi DEIB, Politecnico di Milano
Capitolo 4: Ottimizzazione non lineare non vincolata parte II E. Amaldi DEIB, Politecnico di Milano 4.3 Algoritmi iterativi e convergenza Programma non lineare (PNL): min f(x) s.v. g i (x) 0 1 i m x S
DettagliLegge del gas perfetto e termodinamica
Scheda riassuntia 5 caitoli 9-0 Legge del gas erfetto e termodinamica Gas erfetto Lo stato gassoso è quello di una sostanza che si troa oltre la sua temeratura critica. La temeratura critica è quella oltre
DettagliSi comincia a costruire un test partendo dallo studio della caratteristica da misurare.
VALIDITA A PRIORI Si comincia a costruire un test partendo dallo studio della caratteristica da misurare. Indicatori della caratteristica da misurare vanno valutati in rapporto all attinenza della caratteristica
Dettagli1 Applicazioni Lineari tra Spazi Vettoriali
1 Applicazioni Lineari tra Spazi Vettoriali Definizione 1 (Applicazioni lineari) Si chiama applicazione lineare una applicazione tra uno spazio vettoriale ed uno spazio vettoriale sul campo tale che "!$%!
DettagliLEZIONE 17. B : kn k m.
LEZIONE 17 17.1. Isomorfismi tra spazi vettoriali finitamente generati. Applichiamo quanto visto nella lezione precedente ad isomorfismi fra spazi vettoriali di dimensione finita. Proposizione 17.1.1.
DettagliAnno 5 4 Funzioni reali. elementari
Anno 5 4 Funzioni reali elementari 1 Introduzione In questa lezione studieremo alcune funzioni molto comuni, dette per questo funzioni elementari. Al termine di questa lezione sarai in grado di definire
DettagliAnalisi Statistica Spaziale
Analisi Statistica Spaziale Posa D., De Iaco S. posa@economia.unile.it s.deiaco@economia.unile.it UNIVERSITÀ del SALENTO DIP.TO DI SCIENZE ECONOMICHE E MATEMATICO-STATISTICHE FACOLTÀ DI ECONOMIA ANNO ACCADEMICO
DettagliVARIABILI ALEATORIE CONTINUE
VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità
DettagliMINIMI QUADRATI. REGRESSIONE LINEARE
MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione
DettagliESERCIZI APPLICAZIONI LINEARI
ESERCIZI APPLICAZIONI LINEARI PAOLO FACCIN 1. Esercizi sulle applicazioni lineari 1.1. Definizioni sulle applicazioni lineari. Siano V, e W spazi vettoriali, con rispettive basi B V := (v 1 v n) e B W
DettagliEsame di Geometria - 9 CFU (Appello del 28 gennaio 2013 - A)
Esame di Geometria - 9 CFU (Appello del 28 gennaio 23 - A) Cognome: Nome: Nr.matricola: Corso di laurea: Esercizio. Nello spazio R 3, siano dati il piano e i punti P = (, 2, ), Q = (2,, ). π : x + 2y 3
DettagliLEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.
LEZIONE 31 31.1. Domini di funzioni di più variabili. Sia ora U R n e consideriamo una funzione f: U R m. Una tale funzione associa a x = (x 1,..., x n ) U un elemento f(x 1,..., x n ) R m : tale elemento
DettagliRELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della
RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili
DettagliSessione live #2 Settimana dal 24 al 30 marzo. Statistica Descrittiva (II): Analisi congiunta, Regressione lineare Quantili.
Sessione lie # Settimana dal 4 al 30 marzo Statistica Descrittia (II): Analisi congiunta, Regressione lineare Quantili Lezioni CD: 3 4-5 Analisi congiunta Da un camione di 40 studenti sono stati rileati
DettagliInterpolazione ed approssimazione di funzioni
Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 9 novembre 2007 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner
DettagliUNIVERSITÀ DEGLI STUDI DI BERGAMO. Corso di Risk Management
UNIVERSITÀ DEGLI STUDI DI BERGAMO Corso di Prof. Filippo Stefanini A.A. Corso 60012 Corso di Laurea Specialistica in Ingegneria Edile pag 1 Coefficiente di correlazione Coefficiente di correlazione = il
DettagliAppunti a cura di Roberto Bringheli e Carmelo Zucco Pagina 16 FORMULE DI ADDIZIONE DI SENO, COSENO E TANGENTE SOTTRAZIONE DEL COSENO
Pagina 6 FORMULE DI ADDIZIONE DI SENO, COSENO E TANGENTE Esistono metodi er determinare le formule di addizione e sottrazione: il metodo vettoriale e quello algebrico, er semlicità ci limiteremo a determinare
DettagliFOGLIO 4 - Applicazioni lineari. { kx + y z = 2 x + y kw = k. 2 k 1
FOGLIO 4 - Applicazioni lineari Esercizio 1. Si risolvano i seguenti sistemi lineari al variare di k R. { x y + z + 2w = k x z + w = k 2 { kx + y z = 2 x + y kw = k Esercizio 2. Al variare di k R trovare
DettagliEsempio. Approssimazione con il criterio dei minimi quadrati. Esempio. Esempio. Risultati sperimentali. Interpolazione con spline cubica.
Esempio Risultati sperimentali Approssimazione con il criterio dei minimi quadrati Esempio Interpolazione con spline cubica. Esempio 1 Come procedere? La natura del fenomeno suggerisce che una buona approssimazione
DettagliNormative sulla Tenuta dei Serramenti ad Aria, Acqua e Vento
UNI EN 12208 La tenuta all acqua di un serramento, descrive la sua capacità di essere impermeabile sotto l azione di pioggia battente e in presenza di una determinata velocità del vento. La norma, la UNI
DettagliLe tecniche di trading basate sulle Bande di Bollinger. Michele Maggi. Rimini, 1-2 dicembre 2005
Le tecniche di trading basate sulle Bande di Bollinger Michele Maggi Rimini, 1-2 dicembre 2005 Trading con le Bande di Bollinger Capire la logica delle Bande di Bollinger Comprendere il funzionamento degli
DettagliLogaritmi ed esponenziali
Logaritmi ed esponenziali definizioni, proprietà ITIS Feltrinelli anno scolastico 2007-2008 A cosa servono i logaritmi I logaritmi rendono possibile trasformare prodotti in somme, quozienti in differenze,
DettagliMATLAB. Caratteristiche. Dati. Esempio di programma MATLAB. a = [1 2 3; 4 5 6; 7 8 9]; b = [1 2 3] ; c = a*b; c
Caratteristiche MATLAB Linguaggio di programmazione orientato all elaborazione di matrici (MATLAB=MATrix LABoratory) Le variabili sono matrici (una variabile scalare equivale ad una matrice di dimensione
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliMAGNETIC RESONANCE IMAGING
MAGNETIC RESONANCE IMAGING L'MRI èuna tecnica di generazione di immagini usata prevalentemente per scopi diagnostici in campo medico, basata sul principio fisico della risonanza magnetica nucleare. Le
DettagliVettore (o matrice) casuale (o aleatorio): vettore (o matrice) i cui elementi sono variabili aleatorie
Variabili (vettori e matrici) casuali Variabile casuale (o aleatoria): Variabile che può assumere un insieme di valori ognuno con una certa probabilità La variabile aleatoria rappresenta la popolazione
DettagliSegnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro
Segnali e Sistemi Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici Gianni Borghesan e Giovanni Marro Indice Introduzione 2. Notazione............................. 2 2 Classificazione
DettagliMetodi Computazionali
Metodi Computazionali Elisabetta Fersini fersini@disco.unimib.it A.A. 2009/2010 Catene di Markov Applicazioni: Fisica dinamica dei sistemi Web simulazione del comportamento utente Biologia evoluzione delle
Dettaglix 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.
Problema. Sia W il sottospazio dello spazio vettoriale R 4 dato da tutte le soluzioni dell equazione x + x 2 + x = 0. (a. Sia U R 4 il sottospazio dato da tutte le soluzioni dell equazione Si determini
DettagliOtto Principi sulla Gestione per la Qualità previsti dalla ISO 9000:2005
Questionario di Autovalutazione di un Sistema di Gestione per la Qualità verso: Otto Principi sulla Gestione per la Qualità previsti dalla ISO 9000:2005 newsletter TECSE N. 02- Febbraio 2012 (Allegato
DettagliIntroduzione al MATLAB c Parte 2
Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione
DettagliI NUMERI INDICI. Numeri indici indici (misurano il livello di variabilità, concentrazione, dipendenza o interdipendenza, ecc.)
NUMER NDC Numeri indici indici (misurano il livello di variabilità, concentrazione, diendenza o interdiendenza, ecc.) si utilizzano er confrontare grandezze nel temo e nello sazio e sono dati dal raorto
DettagliFederico Lastaria. Analisi e Geometria 2. Matrici simmetriche. Il teorema spettrale. 1/24
Contenuto Endomorfismi auto-aggiunti. Matrici simmetriche. Il teorema spettrale Gli autovalori di una matrice simmetrica sono tutti reali. (Dimostrazione fatta usando i numeri complessi). Dimostrazione
DettagliAnno 3. Funzioni: dominio, codominio e campo di esistenza
Anno 3 Funzioni: dominio, codominio e campo di esistenza 1 Introduzione In questa lezione parleremo delle funzioni. Ne daremo una definizione e impareremo a studiarne il dominio in relazione alle diverse
DettagliTempo di risposta di un termometro a mercurio
Fisica ecnica empo di risposta di un termometro a mercurio Ing. Luciano Pirri - 998 Vogliamo studiare la risposta dinamica di un termometro al mercurio e cioè la rapidità con la quale l'indicazione del
DettagliSpazi lineari - PARTE II - Felice Iavernaro. Dipartimento di Matematica Università di Bari. 9 e 16 Marzo 2007
Spazi lineari - PARTE II - Felice Iavernaro Dipartimento di Matematica Università di Bari 9 e 16 Marzo 2007 Felice Iavernaro (Univ. Bari) Spazi lineari 9-16/03/2007 1 / 17 Condizionamento dei sistemi lineari
DettagliLaboratorio di dati e sistemi multimediali
Laboratorio di dati e sistemi multimediali Scienze e tecnologie Multimediale Prof. Christian Micheloni Introduzione Nel corso di questa lezione faremmo uso dell iris data set per introdurre i concetti
Dettagli4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale
4 Quarta lezione: Spazi di Banach e funzionali lineari. Spazio duale Spazi Metrici Ricordiamo che uno spazio metrico è una coppia (X, d) dove X è un insieme e d : X X [0, + [ è una funzione, detta metrica,
DettagliIntroduzione Metodo POT
Introduzione Metodo POT 1 Un recente metodo di analisi dei valori estremi è un metodo detto POT ( Peak over thresholds ), inizialmente sviluppato per l analisi dei dati idrogeologici a partire dalla seconda
DettagliScheda n. 10: PCA - parte seconda
Scheda n. 10: PCA - parte seconda November 25, 2008 1 Il piano principale Con il comando: > biplot(pca) si ottiene un immagine del piano principale, con la proiezione dei dati e dei vecchi assi (le vecchie
DettagliCorso di Analisi Numerica
Corso di Laurea in Ingegneria Informatica Corso di Analisi Numerica 8 - METODI ITERATIVI PER I SISTEMI LINEARI Lucio Demeio Dipartimento di Scienze Matematiche 1 Norme e distanze 2 3 4 Norme e distanze
DettagliPreprocessamento dei Dati
Preprocessamento dei Dati Raramente i dati sperimentali sono pronti per essere utilizzati immediatamente per le fasi successive del processo di identificazione, a causa di: Offset e disturbi a bassa frequenza
DettagliEquazioni non lineari
Equazioni non lineari Data una funzione f : [a, b] R si cerca α [a, b] tale che f (α) = 0. I metodi numerici per la risoluzione di questo problema sono metodi iterativi. Teorema Data una funzione continua
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliMODELLO DI REGRESSIONE PER DATI DI PANEL
MODELLO DI REGRESSIONE PER DAI DI PANEL 5. Introduzione Storicamente l analisi econometrica ha proceduto in due distinte direzioni: lo studio di modelli macroeconomici, sulla base di serie temporali di
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
DettagliINTRODUZIONE A MATLAB Matrix Laboratory
INTRODUZIONE A MATLAB Matrix Laboratory Introduzione Linguaggio di programmazione per applicazioni scientifiche e numeriche Vasto set di funzioni predefininte Interprete di comandi Possibilità di scrivere
Dettagli5.4 Solo titoli rischiosi
56 Capitolo 5. Teoria matematica del portafoglio finanziario II: analisi media-varianza 5.4 Solo titoli rischiosi Suppongo che sul mercato siano presenti n titoli rischiosi i cui rendimenti aleatori sono
DettagliProgrammazione dinamica
Capitolo 6 Programmazione dinamica 6.4 Il problema della distanza di edit tra due stringhe x e y chiede di calcolare il minimo numero di operazioni su singoli caratteri (inserimento, cancellazione e sostituzione)
DettagliCoordinate 3D. Coordinate cartesiane. Coordinate 3D. Coordinate cartesiane. Coordinate cartesiane. Sinistrorsa. Destrorsa
200 Coordinate D Anche nella grafica D gli oggetti da visualiare vengono codificati a partire da primitive che collegano punti. I punti appartengono ad uno spaio tridimensionale. Vengono memoriati utiliando
DettagliVariabili Aleatorie Multiple
Variabili Aleatorie Multiple v.a. multiple - Esercizio 1 Consideriamo l estrazione con reimmissione di palline colorate da un urna contenente 5 palline bianche, 15 verdi, e 10 rosse. 1) Calcolare la probabilità
DettagliCOMPITO B - ANALISI DEI DATI PER IL MARKETING OTTOBRE 2009
COGNOME E NOME COMPITO B - ANALISI DEI DATI PER IL MARKETING OTTOBRE 2009 Esercizio I MATR. Si è effettuata un indagine di customer satisfaction su un campione di 100 acquirenti d un modello di auto, chiedendo
DettagliMetodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla
Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui
DettagliSeparazione in due fondi Security Market Line CAPM
Separazione in due fondi Security Market Line CAPM Eduardo Rossi Economia dei mercati monetari e finanziari A.A. 2002/2003 1 Separazione in due fondi Un vettore di rendimenti er può essere separato in
DettagliStatistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.
Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni
Dettagli1 Estensione in strategia mista di un gioco
AVVERTENZA: Di seguito trovate alcuni appunti, poco ordinati e poco formali, che uso come traccia durante le lezioni. Non sono assolutamente da considerarsi sostitutivi del materiale didattico. Riferimenti:
DettagliNUMERI RAZIONALI E REALI
NUMERI RAZIONALI E REALI CARLANGELO LIVERANI. Numeri Razionali Tutti sanno che i numeri razionali sono numeri del tio q con N e q N. Purtuttavia molte frazioni ossono corrisondere allo stesso numero, er
DettagliIdentificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete Neuronale
Identificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete euronale Descrizione Il presente lavoro, facente segiuto a quanto descritto precedentemente, ha il fine di: 1) introdurre
DettagliLuigi Piroddi piroddi@elet.polimi.it
Automazione industriale dispense del corso 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul grafo di raggiungibilità,
DettagliChiusura lineare. N.B. A può essere indifferentemente un insieme, finito o no, o un sistema. Es.1. Es.2
Chiusura lineare Def. Sia A V (K) con A. Si dice copertura lineare (o chiusura lineare) di A, e si indica con L(A), l insieme dei vettori di V che risultano combinazioni lineari di un numero finito di
DettagliRicerca Operativa A.A. 2007/2008. 10. Dualità in Programmazione Lineare
Ricerca Operativa A.A. 2007/2008 10. Dualità in Programmazione Lineare Luigi De Giovanni - Ricerca Operativa - 10. Dualità in Programmazione Lineare 10.1 Soluzione di un problema di PL: punti di vista
DettagliMetodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie
Metodi numerici per la risoluzione di equazioni differenziali ordinarie Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Lezione 5-31 ottobre 2005 Outline 1 Il problema di Cauchy Il problema
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliLa riforma del servizio di distribuzione del
CReSV Via Röntgen, 1 Centro Ricerche su Sostenibilità e Valore 20136 Milano tel +39 025836.3626 La riforma del servizio di distribuzione del 2013 gas naturale In collaborazione con ASSOGAS Gli ambiti territoriali
DettagliDIMENSIONAMENTO DEL MARTINETTO PER RICIRCOLO DI SFERE
DIMENSIONAMENTO DEL MARTINETTO PER RICIRCOLO DI SFERE Per un corretto dimensionamento del martinetto a ricircolo di sfere è necessario operare come segue: definizione dei dati del dell applicazione (A)
DettagliRendering air show e verifica della sincronizzazione
Capitolo 5 Rendering air show e verifica della sincronizzazione 5.1 Introduzione Il Rendering 3D dell evoluzioni acrobatiche costituisce uno degli aspetti cruciali dell applicazione realizzata. L ambiente
DettagliModello di simulazione per un portafoglio diversificato
Modello di simulazione per un portafoglio diversificato Giulio alomba Università olitecnica delle Marche Dipartimento di Economia giulio@dea.unian.it Maggio 2004 Indice 1 Introduzione 2 2 Il modello analitico
DettagliAZIONE DI SISTEMA G. Partner responsabile Università de Corse
N componente 5 N azione 3.2 Titolo prodotto : prototipi software di simulazione del comportamento idrologico del bacino versante del sud est della Corsica tenendo conto le ottimizzazioni AZIONE DI SISTEMA
DettagliEsercizi SINTESI E RIEPILOGO. Parole chiave. Formule e proprietà importanti. Tema B. In più: esercizi interattivi
Unità Esercizi In iù: esercizi interattivi Tema B SINTESI E RIEPILG Parole chiave Ascissa. 17 Asse delle ascisse. 17 Asse delle ordinate. 17 Asse. 17 Asse. 17 Coefficiente angolare. 10 Coordinata. 17 Distanza
DettagliSelezione di un portafoglio di titoli in presenza di rischio. Testo
Selezione di un portafoglio di titoli in presenza di rischio Testo E ormai pratica comune per gli operatori finanziari usare modelli e metodi basati sulla programmazione non lineare come guida nella gestione
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
DettagliMETODI ITERATIVI PER SISTEMI LINEARI
METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione
DettagliStrategie α nella costruzione di portafoglio. 03 Maggio 2012
Strategie α nella costruzione di portafoglio 03 Maggio 2012 AGENDA La costruzione di portafoglio Le strategie alpha Il portafoglio con strategie alpha LA COSTRUZIONE DI UN PORTAFOGLIO FINANZIARIO Un portafoglio
Dettagli2 Formulazione dello shortest path come problema di flusso
Strumenti della Teoria dei Giochi per l Informatica A.A. 2009/10 Lecture 20: 28 Maggio 2010 Cycle Monotonicity Docente: Vincenzo Auletta Note redatte da: Annibale Panichella Abstract In questa lezione
Dettagli