Apprendimento Automatico e IR: introduzione al Machine Learning

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Apprendimento Automatico e IR: introduzione al Machine Learning"

Transcript

1 Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: 1

2 Sommaro Apprendmento automatco ML: motvazon Defnzone d ML Supervsed vs. unsupervsed learnng Algortm d Apprendmento Automatco Alber d Decsone Nave Bayes Addestramento e Stma de parametr n NB 2

3 erché apprendere automatcamente delle funzon Le nterazon tra gl oggett del mondo s possono esprmere con funzon Dal moto d panet nterazon gravtazonal Alla relazone tra nput/output negl algortm Apprendere tal funzon automatcamente 3

4 erché apprendere automatcamente delle funzon Le nterazon tra gl oggett del mondo s possono esprmere con funzon Dal moto d panet nterazon gravtazonal Alla relazone tra nput/output negl algortm Apprendere tal funzon automatcamente rsolverebbe molt problem rogetto Complesstà Accuracy 4

5 Avete gà vsto esemp d learnng d funzon 5

6 Regressone Lneare 6

7 olnom d grado 2 7

8 olnom d grado 3 8

9 Dstrbuzon d probabltà 9

10 Motvazon Un programma è una funzone d rscrttura La strnga d nput è rscrtta n quella d output Scrvere un programma per una dtta che: data una gerarcha d lvell organgramma dato un mpegato e le sue caratterstche determn l suo lvello nella gerarcha. Supponamo che le caratterstche sano mglaa, quant f devo scrvere nel mo programma? sempo: Se è stato assunto prma del 2000, è laureato, ha avuto esperenze all estero allora ha un lvello x. 10

11 Motvazon cont er scrvere tale programma: Dobbamo studare la gerarcha spesso non documentata esplctamente Dobbamo tenere conto d tutte le combnazon: Caratterstche/lvello gerarchco Soluzone: Apprendere tale funzone automatcamente da esemp. S accede al DB e s estraggono per ogn mpegato le caratterstche ed l suo lvello. 11

12 Apprendmento Automatco Langley, 2000: l Apprendmento Automatco s occupa de meccansm attraverso qual un agente ntellgente mglora nel tempo le sue prestazon nell effettuare un compto C. La prova del successo dell apprendmento è qund nella capactà d msurare l ncremento delle prestazon sulla base delle esperenze che l agente è n grado d raccoglere durante l suo cclo d vta. La natura dell apprendmento è qund tutta nella caratterzzazone delle nozon qu prmtve d compto, prestazone ed esperenza. 12

13 sperenza ed Apprendmento L'esperenza, per esempo, nel goco degl scacch può essere nterpretata n dvers mod: dat sulle vttore e sconftte pregresse per valutare la bontà o la nadeguatezza d stratege e mosse esegute rspetto all'avversaro. valutazone fornta sulle mosse da un docente esterno oracolo, guda. Adeguatezza de comportament dervata dalla autoosservazone, coè dalla capactà d analzzare partte dell'agente contro se stesso secondo un modello esplcto del processo partta e della sua evoluzone comportamento, vantagg,. 13

14 sperenza ed Apprendmento 2 ossamo qund parlare ne tre cas d: apprendmento per esperenza, o nduttvo, partte esegute e valutate n base al loro successo fnale, apprendmento supervsonato coè partte, stratege e mosse gudcate n base all'oracolo apprendmento basato sulla conoscenza relatva al task, che guda la formazone d modell del processo e modell d comportamento adeguato. 14

15 Apprendmento senza supervsone In assenza dell oracolo e d conoscenza sul task estono ancora molt mod d mglorare le propre prestazon, ad es. Mglorando l propro modello del mondo acquszone d conoscenza Mglorando le propre prestazon computazonal ottmzzazone 15

16 Apprendmento senza supervsone sempo: una collezone Mp3 può essere organzzata n gener clusterng: tale organzzazone è naturalmente gerarchca Il mgloramento avvene qund rspetto agl algortm d rcerca: la organzzazone gerarchca consente d esamnare solo membr dell nseme n alcune class gener. 16

17 L apprendmento automatco Apprendere la funzone da esemp: a valor real, regresson a valor nter fnt, classfcaton Supponamo d volere apprendere una funzone ntera: 2 class, gatto e cane fx {gatto,cane} Dato un nseme d esemp per le due class S estraggono le features altezza, baff, tpo d dentatura, numero d zampe. S applca l algortmo d learnng per generare f 17

18 Algortm d Apprendmento Funzon logche booleane, ad es., alber d decsone. Funzone d robabltà, ad es., classfcatore Bayesano. Funzon d separazone n spaz vettoral Non lnear: KNN, ret neural mult-strato, Lnear, percettron, Support Vector Machnes, 18

19 Alber d decsone tra le class Gatt/Can alto + d 50 cm? No Ha l pelo corto? S Output: Cane No No Ha baff? S. Output: Cane Output: Gatto 19

20 Selezone delle features con l ntropa L entropa d una dstrbuzone d class C è la seguente: Msura quanto una dstrbuzone è unforme stato dell entropa per nsem S 1 S n partzonat con gl attrbut d una feature: 20

21 Defnzone d robabltà 1 Sa Ω uno spazo e sa β una famgla d sottonsem d Ω β rappresenta la famgla degl event S defnsce allora la probabltà nel seguente modo: : β [ 0,1] 21

22 Defnzone d robabltà 2 è una funzone che assoca ad ogn evento un numero detto probabltà d nel seguente modo: Ω n... 1 se j 0, j 22

23 23 artzon fnte ed quprobabl S consder una partzone d Ω n n event equprobabl con probabltà 1/n. Dato un evento generco, la sua probabltà è data da : { } ossbl Cas Favorevol Cas : n n n n tot

24 robabltà condzonata A B la probabltà d A dato B B è l nformazone che conoscamo. S ha: A B A B B A A B B 24

25 25 Indpendenza A e B sono ndpendent ff: Se A e B sono ndpendent: A B A B A B B B A B A A B A B A

26 26 Teorema d Bayes Dmostrazone H H H H H H H H Def. prob. Cond. Def. prob. Cond. H H H

27 27 Categorzzatore Bayesano Dato un nseme d categore {c 1, c 2, c n } Sa una descrzone d un esempo da classfcare. La categora d s calcola determnando per ogn c c c c n n c c c n c c 1

28 Categorzzatore Bayesano cont Dobbamo calcolare: Le probabltà a posteror: c e le condzonate: c c s stmano da dat d tranng D. se c sono n esemp n D d tpo c,allora c n / D Supponamo che un esempo è rappresentato da m features: e e L 1 2 Troppe rappresentazon esponenzale n m; dat d tranng non dsponbl per stmare c 28 e m

29 29 Categorzzatore Naïve Bayes Assumamo che le features sano ndpendent data la categora c. Qund dobbamo stmare solo e j c per ogn feature e categora m j j m c e c e e e c L

30 sempo d classfcatore Naïve Bayes C {allergy, cold, well} e 1 sneeze; e 2 cough; e 3 fever {sneeze, cough, fever} rob Well Cold Allergy c sneeze c cough c fever c

31 sempo d classfcatore Naïve Bayes cont. robablty Well Cold Allergy c sneeze c cough c fever c {sneeze, cough, fever} well /0.0089/ cold /0.01/ allergy /0.019/ La categora pù probable è allergy nfatt: well 0.23, cold 0.26, allergy

32 Stma delle probabltà Frequenze stmate da dat d apprendmento. Se D contene n esemp nella categora c, e n j d n contengono la feature e j, allora: nj e j c n roblem: un corpus troppo pccolo. Una feature rara, e k, c :e k c 0. 32

33 Smoothng Le probabltà debbono essere aggustate perché l campone è nsuffcente n modo da rflettere meglo la natura del problema. Laplace smoothng ogn feature ha almeno una probabltà a pror, p, s assume che sa stata osservata n un esempo vrtuale d tagla m. e j c n j n + + mp m 33

34 Naïve Bayes per la classfcazone d document Modello a bag of words Generato per document n una categora Camponamento da un vocabolaro V {w 1, w 2, w m } con probabltà w j c. Lo smoothng d Laplace S assume una dstrbuzone unforme su tutte le parole p 1/ V and m V quvalente a osservare ogn parola n una categora esattamente una volta. 34

35 Tranng verson 1 V è l vocabolaro d tutte le parole de document d tranng D er ogn categora c C Sa D l sotto-nseme de document d D n c c D / D n è l numero totale d parole n D per ogn w j V, n j è l numero d occorrenze d w j n c w j c n j + 1 / n + V 35

36 Tranng verson 2 V è l vocabolaro d tutte le parole de document d tranng D er ogn categora c C Sa D l sotto-nseme de document d D n c c D / D n è l numero totale d coppe <w,d>, d D e w V. er ogn parola w j V, n j è l numero d document d c che contengono w j coè l numero delle coppe <w j,d> tale che d D w j c n j + 1 / n + V 36

37 Testng o Classfcazone Dato un documento d test X Sa n l numero d parole che occorrono n X Resttusc la categora: argmax c C c n j 1 a dove a j è la parola che occorre nella j- esma poszone n X j c 37

38 Sommaro Apprendere Automatcamente sgnfca svluppare un algortmo o una rsorsa per mlgorare le propre prestazon sstono dvers paradgm d ML orentat alla soluzone d problem e d domn dvers Nell apprendmento nduttvo l agente derva un algortmo n genere d classfcazone da un pool d esemp etchettat Supervsed vs. unsupervsed learnng Nell apprendmento basato su conoscenza l algortmo apprende una nuova formulazone algortmca usando un modello del task e del domno 38

39 Sommaro 2 Un tpo d apprendmento d base è quello probablstco dove apprendere sgnfca Descrvere l problema medante un modello generatvo che mette n relazone le varabl n nput e.g. sntom e quelle n output e.g. dagnos Determnare corretto parametr del problema.e. le dstrbuzon analtche o la stma delle probabltà dscrete Un esempo: clasfcazone NB caso dscreto Nella stma de parametr n NB un ruolo centrale è svolto dalle tecnche d smoothng: a partà d modello nfatt stmator errat producono rsultat nsoddsfacent 39

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

Strutture deformabili torsionalmente: analisi in FaTA-E

Strutture deformabili torsionalmente: analisi in FaTA-E Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo

Dettagli

UNA RASSEGNA SUI METODI DI STIMA DEL VALUE

UNA RASSEGNA SUI METODI DI STIMA DEL VALUE UNA RASSEGNA SUI METODI DI STIMA DEL VALUE at RISK (VaR) Chara Pederzol - Costanza Torrcell Dpartmento d Economa Poltca - Unverstà degl Stud d Modena e Reggo Emla Marzo 999 INDICE Introduzone. Il concetto

Dettagli

La rappresentazione dei numeri. La rappresentazione dei numeri. Aritmetica dei calcolatori. La rappresentazione dei numeri

La rappresentazione dei numeri. La rappresentazione dei numeri. Aritmetica dei calcolatori. La rappresentazione dei numeri Artmetca de calcolator Rappresentazone de numer natural e relatv Addzone e sommator: : a propagazone d rporto, veloce, con segno Moltplcazone e moltplcator: senza segno, con segno e algortmo d Booth Rappresentazone

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

Misura della distanza focale. di una lente convergente. Metodo di Bessel

Misura della distanza focale. di una lente convergente. Metodo di Bessel Zuccarello Francesco Laboratoro d Fsca II Msura della dstanza focale d una lente convergente Metodo d Bessel A.A. 003-004 Indce Introduzone..pag. 3 Presuppost Teorc.pag. 4 Anals de dat.pag. 8. Modo d operare...pag.

Dettagli

Leggere i dati da file

Leggere i dati da file Esempo %soluzon d una equazone d secondo grado dsp('soluzon d a^+b+c') anput('damm l coeffcente a '); bnput('damm l coeffcente b '); cnput('damm l coeffcente c '); deltab^-4*a*c; f delta0 dsp('soluzon

Dettagli

Unità Didattica N 25. La corrente elettrica

Unità Didattica N 25. La corrente elettrica Untà Ddattca N 5 : La corrente elettrca 1 Untà Ddattca N 5 La corrente elettrca 01) Il problema dell elettrocnetca 0) La corrente elettrca ne conduttor metallc 03) Crcuto elettrco elementare 04) La prma

Dettagli

Corrente elettrica e circuiti

Corrente elettrica e circuiti Corrente elettrca e crcut Generator d forza elettromotrce Intenstà d corrente Legg d Ohm esstenza e resstvtà esstenze n sere e n parallelo Effetto termco della corrente Legg d Krchhoff Corrente elettrca

Dettagli

PROCESSI CASUALI. Segnali deterministici e casuali

PROCESSI CASUALI. Segnali deterministici e casuali POCESSI CASUALI POCESSI CASUALI Segnal deermnsc e casual Un segnale () s dce DEEMIISICO se è una funzone noa d, coè se, fssao un qualunque sane d empo o, l valore ( o ) assuno dal segnale è noo con esaezza

Dettagli

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

Dettagli

Progetto Lauree Scientifiche. La corrente elettrica

Progetto Lauree Scientifiche. La corrente elettrica Progetto Lauree Scentfche La corrente elettrca Conoscenze d base Forza elettromotrce Corrente Elettrca esstenza e resstvtà Legge d Ohm Crcut 2 Una spra d rame n equlbro elettrostatco In un crcuto semplce

Dettagli

COMUNICAZIONE AI GRUPPI DI LAVORO SIDEA (13/09/02) LE CONDIZIONI DI OTTIMALITÀ PER LA DETERMINAZIONE DELLE CATTURE DI PESCE

COMUNICAZIONE AI GRUPPI DI LAVORO SIDEA (13/09/02) LE CONDIZIONI DI OTTIMALITÀ PER LA DETERMINAZIONE DELLE CATTURE DI PESCE COMUNICAZIONE AI GRUPPI DI LAVORO SIDEA (13/9/2) ECONOMIA E POLITICA DEL SETTORE ITTICO 1.INTRODUZIONE. LE CONDIZIONI DI OTTIMALITÀ PER LA DETERMINAZIONE DELLE CATTURE DI PESCE (una applcazone ad un contesto

Dettagli

CIRCUITI DI IMPIEGO DEI DIODI

CIRCUITI DI IMPIEGO DEI DIODI UT D MPEGO DE DOD addrzzare ad na seonda. l crcto pù seplce, che pega l dodo coe raddrzzatore d na tensone alternata, è rappresentato n Fg.. n esso n generatore deale d tensone alternata l c valore stantaneo

Dettagli

5. Il lavoro di un gas perfetto

5. Il lavoro di un gas perfetto 5. Il lavoro d un gas perfetto ome s esprme l energa nterna d un gas perfetto? Un gas perfetto è l sstema pù semplce che possamo mmagnare: le nterazon a dstanza fra le molecole sono così debol da essere

Dettagli

Argomenti. Misure di corrente elettrica continua, di differenza di potenziale e di resistenza elettrica.

Argomenti. Misure di corrente elettrica continua, di differenza di potenziale e di resistenza elettrica. ppunt per l corso d Laboratoro d Fsca per le Scuole Superor rgoent Msure d corrente elettrca contnua, d dfferenza d potenzale e d resstenza elettrca. Struent d sura: prncp d funzonaento. Coe s effettuano

Dettagli

Metodologia di controllo. AUTORIMESSE (III edizione) Codice attività: 63.21.0. Indice

Metodologia di controllo. AUTORIMESSE (III edizione) Codice attività: 63.21.0. Indice Metodologa d controllo AUTORIMESSE (III edzone) Codce attvtà: 63.21.0 Indce 1. PREMESSA... 2 2. ATTIVITÀ PREPARATORIA AL CONTROLLO... 3 2.1 Interrogazon dell Anagrafe Trbutara... 3 2.2 Altre nterrogazon

Dettagli

CONTO CONSUNTIVO PER L'ESERCIZIO FINANZIARIO 2012 RELAZIONE ILLUSTRATIVA DEL DIRIGENTE SCOLASTICO

CONTO CONSUNTIVO PER L'ESERCIZIO FINANZIARIO 2012 RELAZIONE ILLUSTRATIVA DEL DIRIGENTE SCOLASTICO DIREZIONE DIDATTICA DEL 4 CIRCOLO DI FORLI' Va Gorgna Saff, n.12 Tel 0543/33345 fax 0543/458861 C.F. 80004560407 CM FOEE00400B e-mal foee00400b@struzone.t - posta cert.: foee00400b@pec.struzone.t sto web:

Dettagli

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno Idc d Poszoe Gl dc s poszoe soo msure stetche ( valor caratterstc ) che descrvoo la tedeza cetrale d u feomeo La tedeza cetrale è, prma approssmazoe, la modaltà della varable verso la quale cas tedoo a

Dettagli

Lorenzo Pistocchini RICERCA DI SISTEMA ELETTRICO. Agenzia Nazionale per le Nuove Tecnologie, l Energia e lo Sviluppo Economico Sostenibile

Lorenzo Pistocchini RICERCA DI SISTEMA ELETTRICO. Agenzia Nazionale per le Nuove Tecnologie, l Energia e lo Sviluppo Economico Sostenibile Agenza Nazonale per le Nuove Tecnologe, l Energa e lo Svluppo Economco Sostenble RICERCA DI SISTEMA ELETTRICO Ottmzzazone termofludodnamca e dmensonamento d uno scambatore d calore n controcorrente con

Dettagli

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

ALCUNI ELEMENTI DI TEORIA DELLA STIMA ALCUNI ELEMENTI DI TEORIA DELLA STIMA Quado s vuole valutare u parametro θ ad esempo: meda, varaza, proporzoe, oeffete d regressoe leare, oeffete d orrelazoe leare, e) d ua popolazoe medate u ampoe asuale,

Dettagli

Nadia Garbellini. L A TEX facile. Guida all uso

Nadia Garbellini. L A TEX facile. Guida all uso Nada Garbelln L A TEX facle Guda all uso 2010 Nada Garbelln L A TEX facle Guda all uso seconda edzone rveduta e corretta 2010 PRESENTAZIONE L amca e brava Nada Garbelln, autrce d questa bella e semplce

Dettagli

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO.

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO. elazoe d laboratoro d Fsca corso M-Z Laboratoro d Fsca del Dpartmeto d Fsca e Astrooma dell Uverstà degl Stud d Cataa. Scala Stefaa. AGOMENTO: MSUA DELLA ESSTENZA ELETTCA CON L METODO OLT-AMPEOMETCO. NTODUZONE:

Dettagli

ELABORAZIONE DI SEGNALI E IMMAGINI

ELABORAZIONE DI SEGNALI E IMMAGINI Fltraggo d un segnale EABORAZIOE DI SEGAI E IAGII. Bertero P. Boccacc bertero@ds.unge.t boccacc@ds.unge.t Al ne d glorare la qualtà d un segnale dgtale una tecnca d prara portanza è l ltraggo. Con l quale

Dettagli

Liste di specie e misure di diversità

Liste di specie e misure di diversità Lte d pece e mure d dvertà Carattertche delle lte d pece I dat ono par, coè hanno molt valor null (a volte la maggoranza!) La gran parte delle pece preent è rara. I fattor ambental che nfluenzano la dtrbuzone

Dettagli

CINEMATICA DEL CORPO RIGIDO

CINEMATICA DEL CORPO RIGIDO INEMTI DE ORPO RIGIDO o tudo della geometra degl potament de punt d un tema materale potzzato come rgdo rentra n quella parte della Meccanca laca che è la nematca. a cnematca tuda pobl movment d un corpo

Dettagli

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti Gorgo Lambert Pag. Dmostrazoe della Formula per la determazoe del umero d dvsor-test d prmaltà, d Gorgo Lambert Eugeo Amtrao aveva proposto l'dea d ua formula per calcolare l umero d dvsor d u umero, da

Dettagli

ISOTOPI LA SICUREZZA NON VA VISTA COME UN IMPEDIMENTO A SVOLGERE LA PROPRIA ATTIVITA, MA DIVENTA PARTE INTEGRANTE DELL ATTIVITA STESSA

ISOTOPI LA SICUREZZA NON VA VISTA COME UN IMPEDIMENTO A SVOLGERE LA PROPRIA ATTIVITA, MA DIVENTA PARTE INTEGRANTE DELL ATTIVITA STESSA LA SCUREZZA NON VA VSTA COME UN MPEDMENTO A SVOLGERE LA PROPRA ATTVTA, MA DVENTA PARTE NTEGRANTE DELL ATTVTA STESSA Dott.ssa Benedetta Persechino - SPESL - DML 1895 SCOPERTA DE RAGG X RADOATTVTA PROPRETA

Dettagli

1. Integrazione di funzioni razionali fratte

1. Integrazione di funzioni razionali fratte . Integazone d fnzon azonal fatte P S songa d vole calcolae n ntegale del to: d Q ove P e Q sono olno nell ndetenata d gado assegnato. Sonao ce: P a n n a n n a a Q b b b b oleent s etod d ntegazone I

Dettagli

Il MINISTRO DELLA GIUSTIZIA di concerto con IL MINISTRO DEI LAVORI PUBBLICI

Il MINISTRO DELLA GIUSTIZIA di concerto con IL MINISTRO DEI LAVORI PUBBLICI Corrispettivi delle attività di progettazione e delle altre attività ai sensi dell articolo 17, comma 14 bis, della legge 11 febbraio 1994 n.109 e successive modifiche. l MNSTRO DELLA GUSTZA di concerto

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

I vettori. a b. 180 α B A. Un segmento orientato è un segmento su cui è stato fissato un verso. di percorrenza, da verso oppure da verso.

I vettori. a b. 180 α B A. Un segmento orientato è un segmento su cui è stato fissato un verso. di percorrenza, da verso oppure da verso. I vettor B Un segmento orentto è un segmento su cu è stto fssto un verso B d percorrenz, d verso oppure d verso. A A Il segmento orentto d verso è ndcto con l smolo. Due segment orentt che hnno l stess

Dettagli

come si tiene conto della limitazione d ampiezza e di velocità come si tiene conto della limitazione di frequenza come si tiene conto degli offset

come si tiene conto della limitazione d ampiezza e di velocità come si tiene conto della limitazione di frequenza come si tiene conto degli offset 8a resentazone della lezone 8 /6 Obettv come s tene conto della lmtazone d ampezza e d veloctà come s tene conto della lmtazone d reqenza come s tene conto degl oset 8a saper preved. col calcolo l nlenza

Dettagli

PREFAZIONE. di Giuseppe Berto

PREFAZIONE. di Giuseppe Berto , PREFAZIONE d Guseppe Berto RICORDO DEL TERRAGLIO Quand'ero govane, e la vogla d grare l mondo m spngeva n terre lontane, a ch m chedeva notze del mo paese, rspondevo: l mo paese è una strada. In effett,

Dettagli

NUMERI RAZIONALI E REALI

NUMERI 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

Dettagli

STATISTICA Lezioni ed esercizi

STATISTICA Lezioni ed esercizi Uverstà d Toro QUADERNI DIDATTICI del Dpartmeto d Matematca MARIA GARETTO STATISTICA Lezo ed esercz Corso d Laurea Botecologe A.A. / Quadero # Novembre M. Garetto - Statstca Prefazoe I questo quadero

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

w w w. a x i o s i t a l i a. c o m

w w w. a x i o s i t a l i a. c o m w w w. a x o t a l a. c o m SISSIWEB AXIOS SIDI INVIO SMS INVIO EMAIL ACQUISIZIONE ASSENZE - DA SCANNER - DA PALMARE C/C POSTALE E BANCARIO DICHIARAZIONE DEI SERVIZI GESTIONE ORARIA DEL PERSONALE PRIVACY

Dettagli

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate

CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA. Esercizi su eventi, previsioni e probabilità condizionate CORSO DI CALCOLO DELLE PROBABILITÀ E STATISTICA Esercizi su eventi, previsioni e probabilità condizionate Nota: Alcuni esercizi sono tradotti, più o meno fedelmente, dal libro A first course in probability

Dettagli

ISTITUTO COMPRENSIVO UGO FOSCOLO VESCOVATO SCUOLA SECONDARIA DI 1 GRADO PIANO ANNUALE DELLE ATTIVITA' A.S. 2013/14

ISTITUTO COMPRENSIVO UGO FOSCOLO VESCOVATO SCUOLA SECONDARIA DI 1 GRADO PIANO ANNUALE DELLE ATTIVITA' A.S. 2013/14 STTUTO COMPRENSVO UGO FOSCOLO SCUOLA SECONDARA D 1 GRADO PANO ANNUALE DELLE ATTVTA' A.S. 2013/14 PROT. N. 5991 /A-19 Vescovato, 19/09/2013 Data Giorno Sedi scolastiche Classi Orario Durata ATTVTA' COLLEGO

Dettagli

IIIEGIOEE S1(ìrL1.fiNA IL DIRIGENTE GENERALE

IIIEGIOEE S1(ìrL1.fiNA IL DIRIGENTE GENERALE REPBBLCA TALANA Doo. N, 7 gšfl- n.a.r. [../', 1- EGOEE S1(ìrL1.fiNA AS SES SORATO REGONALE DEl..L.'ENERGA E DE SERVZ D PUBBLCA UTLTÀ DPARTMENTO REGONALE DE.,'ACQUA E DE RFUT ui', L DRGENTE GENERALE VSTO

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

Dettagli

tramite della Segreteria della scuola), trasmissione dei verbali e degli atti al

tramite della Segreteria della scuola), trasmissione dei verbali e degli atti al L verbae n"..8j... Ogg, se marzo duemaqundc, ae ore 13.00, s è runta nea sede d questa sttuzone Scoastca a commssone Eettorae così composta RBEZZO ASSUNTA Presdente; VAL SABNA Segretaro, FATORELLO GAMPETRO

Dettagli

Alberi di copertura minimi

Alberi di copertura minimi Albr d coprtur mnm Sommro Albr d coprtur mnm pr grf pst Algortmo d Kruskl Algortmo d Prm Albro d coprtur mnmo Un problm d notvol mportnz consst nl dtrmnr com ntrconnttr fr d loro dvrs lmnt mnmzzndo crt

Dettagli

Indicizzazione terza parte e modello booleano

Indicizzazione terza parte e modello booleano Reperimento dell informazione (IR) - aa 2014-2015 Indicizzazione terza parte e modello booleano Gruppo di ricerca su Sistemi di Gestione delle Informazioni (IMS) Dipartimento di Ingegneria dell Informazione

Dettagli

CORSO INTEGRATO DI GENETICA E BIOLOGIA MOLECOLARE ESERCIZI DI GENETICA

CORSO INTEGRATO DI GENETICA E BIOLOGIA MOLECOLARE ESERCIZI DI GENETICA CORSO INTEGRATO DI GENETICA E BIOLOGIA MOLECOLARE ESERCIZI DI GENETICA (1) Dato il genotipo AaBb: quali sono i geni e quali gli alleli? Disegnate schematicamente questo genotipo con i geni concatenati

Dettagli

Teoria dei giochi Gioco Interdipendenza strategica

Teoria dei giochi Gioco Interdipendenza strategica Teoria dei giochi Gioco Interdipendenza strategica soggetti decisionali autonomi con obiettivi (almeno parzialmente) contrapposti guadagno di ognuno dipende dalle scelte sue e degli altri Giocatori razionali

Dettagli

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testualilezione 2 Le principali tecniche di analisi testuale Facendo riferimento alle tecniche di data mining,

Dettagli

Stefano Bonetti Framework per la valutazione progressiva di interrogazioni di localizzazione

Stefano Bonetti Framework per la valutazione progressiva di interrogazioni di localizzazione Analisi del dominio: i sistemi per la localizzazione Definizione e implementazione del framework e risultati sperimentali e sviluppi futuri Tecniche di localizzazione Triangolazione Analisi della scena

Dettagli

Contratto di Assicurazione Multirischi. Eura Salute Di più

Contratto di Assicurazione Multirischi. Eura Salute Di più Fascicolo nformativo Europ Assistance talia S.p.A. Contratto di Assicurazione Multirischi Eura Salute Di più l presente Fascicolo nformativo, contenente: - Nota nformativa, comprensiva del glossario; -

Dettagli

Che cos è un contratto incompleto?

Che cos è un contratto incompleto? Che cos è un contrtto ncomleto? S defnsce ncomleto l contrtto sottoscrtto d due o ù soggett cu termn sno osservbl dlle rt contrttul m non verfcbl ed esegubl enforceble con certezz e n v forzos d terze

Dettagli

Minimizzazione di Reti Logiche Combinatorie Multi-livello

Minimizzazione di Reti Logiche Combinatorie Multi-livello Minimizzazione di Reti Logiche Combinatorie Multi-livello Maurizio Palesi Maurizio Palesi 1 Introduzione Obiettivo della sintesi logica: ottimizzazione delle cifre di merito area e prestazioni Prestazioni:

Dettagli

Allegato A Documentazione introduttiva all utilizzo della SAM regionale nel periodo di cantiere

Allegato A Documentazione introduttiva all utilizzo della SAM regionale nel periodo di cantiere 1 La matrice di contabilità sociale (SAM): uno strumento per la valutazione. Appendice A Documentazione introduttiva all utilizzo della SAM regionale nel periodo di cantiere IPI, 2009 Sono vietate le riproduzioni

Dettagli

Prof. Caterina Rizzi Dipartimento di Ingegneria Industriale

Prof. Caterina Rizzi Dipartimento di Ingegneria Industriale RUOLO DELLA MODELLAZIONE GEOMETRICA E LIVELLI DI MODELLAZIONE PARTE 2 Prof. Caterina Rizzi... IN QUESTA LEZIONE Modelli 2D/3D Modelli 3D/3D Dimensione delle primitive di modellazione Dimensione dell oggettoy

Dettagli

Ingegneri & Geologi Associati

Ingegneri & Geologi Associati MODELLI IDRAULICI MONODIMENSIONALI Si riportano gli output forniti dal codice di calcolo Hec-Ras relativi al modello dello stato attuale e allo stato di progetto: per il primo si allegano La tabella con

Dettagli

Alberi binari. Ilaria Castelli castelli@dii.unisi.it A.A. 2009/2010. Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione

Alberi binari. Ilaria Castelli castelli@dii.unisi.it A.A. 2009/2010. Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione Alberi binari Ilaria Castelli castelli@dii.unisi.it Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione A.A. 2009/2010 I. Castelli Alberi binari, A.A. 2009/2010 1/20 Alberi binari

Dettagli

Si basano sul seguente Teorema: S = A sse S { A} è insoddisfacibile.

Si basano sul seguente Teorema: S = A sse S { A} è insoddisfacibile. Deduzione automatica La maggior parte dei metodi di deduzione automatica sono metodi di refutazione: anziché dimostrare direttamente che S A, si dimostra che S { A} è un insieme insoddisfacibile (cioè

Dettagli

ANALISI DEI RISCHI IN UN PROGETTO DI SVILUPPO SOFTWARE

ANALISI DEI RISCHI IN UN PROGETTO DI SVILUPPO SOFTWARE ANALISI DEI RISCHI IN UN PROGETTO DI SVILUPPO SOFTWARE Roma, dicembre 1999 Analisi dei rischi in un progetto di sviluppo sw RISCHIO = potenziale difetto il cui verificarsi comporta dei danni Danno Non

Dettagli

T12 Oneri per Competenze Stipendiali

T12 Oneri per Competenze Stipendiali T12 Oneri per Competenze Stipendiali Qualifica MENSLT' STPENO..S. R.../ PROGR. ECONOMC NZNT' TRECESM MENSLT' RRETRT NNO CORRENTE RRETRT PER NN PRECEDENT RECUPER PER RTR SSENZE ECC. mporto Totale N Mesi

Dettagli

Ufficio Scolastico Regionale per l Abruzzo. Rapporto dal Questionari Studenti

Ufficio Scolastico Regionale per l Abruzzo. Rapporto dal Questionari Studenti Rapporto dal Questionari Studenti SCUOLA xxxxxxxxx Anno Scolastico 2014/15 Le Aree Indagate Il questionario studenti ha lo scopo di indagare alcuni aspetti considerati rilevanti per assicurare il benessere

Dettagli

Analisi dei requisiti e casi d uso

Analisi dei requisiti e casi d uso Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

F S V F? Soluzione. Durante la spinta, F S =ma (I legge di Newton) con m=40 Kg.

F S V F? Soluzione. Durante la spinta, F S =ma (I legge di Newton) con m=40 Kg. Spingete per 4 secondi una slitta dove si trova seduta la vostra sorellina. Il peso di slitta+sorella è di 40 kg. La spinta che applicate F S è in modulo pari a 60 Newton. La slitta inizialmente è ferma,

Dettagli

La Borsa delle idee Innovare: il reale valore dei social network

La Borsa delle idee Innovare: il reale valore dei social network La Borsa delle idee Innovare: il reale valore dei social network Di cosa parliamo? La Borsa delle Idee è la soluzione per consentire alle aziende di coinvolgere attivamente le persone (dipendenti, clienti,

Dettagli

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA DEFINIZIONE: Dato un numero reale a che sia a > 0 e a si definisce funzione esponenziale f(x) = a x la relazione che ad ogni valore di x associa uno e un solo

Dettagli

PROTEZIONE DAI CONTATTI INDIRETTI NEI SISTEMI TT

PROTEZIONE DAI CONTATTI INDIRETTI NEI SISTEMI TT POTEZONE DA CONTATT NDETT NE SSTEM TT Appunti a cura dell ng. Emanuela Pazzola Tutore del corso di Elettrotecnica per meccanici, chimici e biomedici A.A. 2005/2006 Facoltà d ngegneria dell Università degli

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

La scheda SUA e il rapporto di riesame: l esperienza di Medicina Veterinaria di Bologna

La scheda SUA e il rapporto di riesame: l esperienza di Medicina Veterinaria di Bologna La scheda SUA e il rapporto di riesame: l esperienza di Medicina Veterinaria di Bologna Gualtiero Gandini Dipartimento di Scienze Mediche Veterinarie Università di Bologna membro del tavolo tecnico ANVUR

Dettagli

Sistemi avanzati di gestione dei Sistemi Informativi

Sistemi avanzati di gestione dei Sistemi Informativi Esperti nella gestione dei sistemi informativi e tecnologie informatiche Sistemi avanzati di gestione dei Sistemi Informativi Docente: Email: Sito: Eduard Roccatello eduard@roccatello.it http://www.roccatello.it/teaching/gsi/

Dettagli

Ecco come funziona un sistema di recinzione!

Ecco come funziona un sistema di recinzione! Ecco come funziona un sistema di recinzione! A) Recinto elettrico B) Fili elettrici C) Isolatori D) Paletti E) Paletti messa a terra 3 m 3 m 1 m Assicurarsi che ci siano almeno 2500V in tutta la linea

Dettagli

Rapporto dai Questionari Studenti Insegnanti - Genitori. per la Primaria ISTITUTO COMPRENSIVO IST.COMPR. BATTIPAGLIA "GATTO" SAIC83800T

Rapporto dai Questionari Studenti Insegnanti - Genitori. per la Primaria ISTITUTO COMPRENSIVO IST.COMPR. BATTIPAGLIA GATTO SAIC83800T Rapporto dai Questionari Studenti Insegnanti - Genitori per la ISTITUTO COMPRENSIVO IST.COMPR. BATTIPAGLIA "GATTO" SAIC83800T Progetto VALES a.s. 2012/13 Rapporto Questionari Studenti Insegnanti Genitori

Dettagli

Nota: Eventi meno probabili danno maggiore informazione

Nota: Eventi meno probabili danno maggiore informazione Entropia Informazione associata a valore x avente probabilitá p(x é i(x = log 2 p(x Nota: Eventi meno probabili danno maggiore informazione Entropia di v.c. X P : informazione media elementi di X H(X =

Dettagli

Corso ECM di formazione per gli operatori addetti alla gestione del Sistema Informativo sulle Malattie Professionali (Malprof )

Corso ECM di formazione per gli operatori addetti alla gestione del Sistema Informativo sulle Malattie Professionali (Malprof ) Centro nazionale per r la Prevenzione e il Controllo delle Malattie Conferenza dei Presidenti delle Regioni e delle Province Autonome Istituto Superiore per la Prevenzione e la Sicurezza del Lavoro Dipartimento

Dettagli

PROBLEMA DELLA RICERCA DI UN ELEMENTO IN UN ARRAY E ALGORITMI RISOLUTIVI

PROBLEMA DELLA RICERCA DI UN ELEMENTO IN UN ARRAY E ALGORITMI RISOLUTIVI PROBLEMA DELLA RICERCA DI UN ELEMENTO IN UN ARRAY E ALGORITMI RISOLUTIVI PROBLEMA DELLA RICERCA in termini generali: Dati in input un insieme S di elementi (numeri, caratteri, stringhe, ) e un elemento

Dettagli

AVVER. Si raccomanda, dopo la prima ora di allenamento, di controllare tutti i serraggi, con particolare attenzione a:

AVVER. Si raccomanda, dopo la prima ora di allenamento, di controllare tutti i serraggi, con particolare attenzione a: EVO Grazie per la fiducia accordata e buon divertimento. Con questo libretto abbiamo voluto darle le informazioni necessarie per un corretto uso e una buona manutenzione della Sua moto. dati e le caratteristiche

Dettagli

DALLA FORMAZIONE DEI DOCENTI ALL INNOVAZIONE DI SISTEMA

DALLA FORMAZIONE DEI DOCENTI ALL INNOVAZIONE DI SISTEMA ED Educare Digitale DALLA FORMAZIONE DEI DOCENTI ALL INNOVAZIONE DI SISTEMA p. 1 Testimonianze ore 15:20 15:30 Corso Pia7aforma Dida;ca (Learning Management System) M A in Direzione aziendale e Ges;one

Dettagli

Trasformazioni Geometriche 1 Roberto Petroni, 2011

Trasformazioni Geometriche 1 Roberto Petroni, 2011 1 Trasformazioni Geometriche 1 Roberto etroni, 2011 Trasformazioni Geometriche sul piano euclideo 1) Introduzione Def: si dice trasformazione geometrica una corrispondenza biunivoca che associa ad ogni

Dettagli

Le funzionalità di un DBMS

Le funzionalità di un DBMS Le funzionalità di un DBMS Sistemi Informativi L-A Home Page del corso: http://www-db.deis.unibo.it/courses/sil-a/ Versione elettronica: DBMS.pdf Sistemi Informativi L-A DBMS: principali funzionalità Le

Dettagli

Sistema Qualità di Ateneo Modello di Ateneo MODELLO DI ATENEO PER L ACCREDITAMENTO INTERNO IN QUALITÀ DEI CORSI DI STUDIO UNIVERSITARI

Sistema Qualità di Ateneo Modello di Ateneo MODELLO DI ATENEO PER L ACCREDITAMENTO INTERNO IN QUALITÀ DEI CORSI DI STUDIO UNIVERSITARI MODELLO DI ATENEO PER L ACCREDITAMENTO INTERNO IN QUALITÀ DEI CORSI DI STUDIO UNIVERSITARI Requisiti di valutazione per un percorso di Ateneo finalizzato all accreditamento in qualità dei Corsi di Studio:

Dettagli

Mod. VS/AM VALVOLE DI SFIORO E SICUREZZA RELIEF VALVES AND SAFETY DEVICES

Mod. VS/AM VALVOLE DI SFIORO E SICUREZZA RELIEF VALVES AND SAFETY DEVICES Mod VS/AM VALVOLE DI SFIORO E SICUREZZA RELIEF VALVES AND SAFETY DEVICES VALVOLE DI SFIORO E SICUREZZA RELIEF VALVES AND SAFETY DEVICES Mod VS/AM 65 1 2 VS/AM 65 STANDARD VS/AM 65 CON RACCORDI VS/AM 65

Dettagli

TITOLO VALORE DI RIFERIMENTO.

TITOLO VALORE DI RIFERIMENTO. Istituto Comprensivo di Iseo a.s. 2012/2013 Progetto Di Casa nel Mondo - Competenze chiave per una cittadinanza sostenibile Gruppo lavoro Dott. Massetti Scuola Primaria Classi Terze TITOLO: I prodotti

Dettagli

Presentazioni multimediali relative al senso del tatto DIMENSIONI LIVELLO INIZIALE LIVELLO INTERMEDIO LIVELLO AVANZATO

Presentazioni multimediali relative al senso del tatto DIMENSIONI LIVELLO INIZIALE LIVELLO INTERMEDIO LIVELLO AVANZATO PERCORSO DI INSEGNAMENTO/APPRENDIMENTO TIPO DI UdP: SEMPLICE (monodisciplinare) ARTICOLATO (pluridisciplinare) Progetto didattico N. 1 Titolo : Let s investigate the world with our touch! Durata: Annuale

Dettagli

T12 Oneri per Competenze Stipendiali

T12 Oneri per Competenze Stipendiali T12 Oneri per Competenze Stipendiali Qualifica MENSLT' STPENO..S. R.../ PROGR. TRECESM MENSLT' RRETRT NNO RRETRT PER NN RECUPER PER RTR mporto Totale ECONOMC CORRENTE PRECEDENT SSENZE ECC. NZNT' N Mesi

Dettagli

Comandi filtro: sed. Se non si specificano azioni, sed stampa sullo standard output le linee in input, lasciandole inalterate.

Comandi filtro: sed. Se non si specificano azioni, sed stampa sullo standard output le linee in input, lasciandole inalterate. Comandi filtro: sed Il nome del comando sed sta per Stream EDitor e la sua funzione è quella di permettere di editare il testo passato da un comando ad un altro in una pipeline. Ciò è molto utile perché

Dettagli

Lezione 10. La Statistica Inferenziale

Lezione 10. La Statistica Inferenziale Lezione 10 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

Il ciclo di vita del software

Il ciclo di vita del software Il ciclo di vita del software Il ciclo di vita del software Definisce un modello per il software, dalla sua concezione iniziale fino al suo sviluppo completo, al suo rilascio, alla sua successiva evoluzione,

Dettagli

L impresa che non fa il prezzo

L impresa che non fa il prezzo L offerta nei mercati dei prodotti L impresa che non fa il prezzo L impresa che non fa il prezzo (KR 10 + NS 6) Dipartimento di Economia Politica Università di Milano Bicocca Outline L offerta nei mercati

Dettagli

ATTREZZATURE A TEMPERATURA POSITIVA

ATTREZZATURE A TEMPERATURA POSITIVA ANUGA COLONIA 05-09 OTTOBRE 2013 Ragione Sociale Inviare a : all'attenzione di : Padiglione Koelnmesse Srl Giulia Falchetti/Alessandra Cola Viale Sarca 336 F tel. 02/86961336 Stand 20126 Milano fax 02/89095134

Dettagli

Sole. Instante 0. Rotazione della Terra

Sole. Instante 0. Rotazione della Terra AP 1 Misura della durata del giorno solare Scuola primaria secondo ciclo - MATERIALE OCCORRENTE Un solarscope Un cronometro o un orologio indicante ore, minuti e secondi Un foglio quadrettato (opzionale)

Dettagli

RETTE, PIANI, SFERE, CIRCONFERENZE

RETTE, PIANI, SFERE, CIRCONFERENZE RETTE, PIANI, SFERE, CIRCONFERENZE 1. Esercizi Esercizio 1. Dati i punti A(1, 0, 1) e B(, 1, 1) trovare (1) la loro distanza; () il punto medio del segmento AB; (3) la retta AB sia in forma parametrica,

Dettagli

6 DINAMICA DEI SISTEMI DI PUNTI MATERIALI

6 DINAMICA DEI SISTEMI DI PUNTI MATERIALI 6 DINAMICA DEI SISTEMI DI PUNTI MATERIALI Consdeao un sstea d n unt ateal con n > nteagent ta loo e con l esto dell unveso. Nello studo d un tale sstea sulta convenente scooe la foza agente ( et) sull

Dettagli

Gli algoritmi. Gli algoritmi. Analisi e programmazione

Gli algoritmi. Gli algoritmi. Analisi e programmazione Gli algoritmi Analisi e programmazione Gli algoritmi Proprietà ed esempi Costanti e variabili, assegnazione, istruzioni, proposizioni e predicati Vettori e matrici I diagrammi a blocchi Analisi strutturata

Dettagli

Studente: SANTORO MC. Matricola : 528

Studente: SANTORO MC. Matricola : 528 CORSO di LAUREA in INFORMATICA Corso di CALCOLO NUMERICO a.a. 2004-05 Studente: SANTORO MC. Matricola : 528 PROGETTO PER L ESAME 1. Sviluppare una versione dell algoritmo di Gauss per sistemi con matrice

Dettagli

NUTRIRE IL MONDO, TUTELARE LA QUALITÀ

NUTRIRE IL MONDO, TUTELARE LA QUALITÀ TÀ E I R EE P L O PR TUA RE: A T LE ENT ggo L e TE M IN ALI un v gn e m on O d R m z AG ppe me, ov lno t no nn t e r e bo t f r lc e d pp T m Pr E, R I DO R T N U N MO RE À A T I L L I TE AL e v t t U

Dettagli

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI STATISTICA 1 ESERCITAZIONE 1 Dott. Giuseppe Pandolfo 30 Settembre 2013 Popolazione statistica: insieme degli elementi oggetto dell indagine statistica. Unità statistica: ogni elemento della popolazione

Dettagli