Teoria dell informazione e Meccanica Statistica
|
|
- Valeria Giusti
- 5 anni fa
- Visualizzazioni
Transcript
1 Teora dell nformazone e Meccanca Statstca L. P. Gugno 2007 Rporto qu una breve rassegna dell approcco alla Meccanca Statstca medante la teora dell nformazone. Partamo dalla consderazone che la probabltà p assocata allo stato per un sstema termodnamco non può essere nterpretata n senso frequentstco. In effett, anche per un sstema pccolo, l numero d stat possbl è talmente grande che, per poter valutare la frequenza relatva d occupazone dello stato, sarebbe necessaro aspettare temp ncredblmente lungh. Consderamo un sstema d Isng con N spn. Il numero d stat possbl è par a 2 N 1000 N/10. Con un mlone d spn (un cubetto d lato 100), abbamo stat. Supponendo d esplorare uno stato ogn pcosecondo (a una frequenza d 1 GHz) dobbamo aspettare 10 6 second, coè crca 4 mes, per passare n rassegna cascuno stato n meda una volta. Questo tempo cresce esponenzalmente con la tagla del sstema. Vceversa le p possono essere nterpretate come una rappresentazone della nostra conoscenza del sstema. Esse c permettono d valutare valor attes delle osservabl X del sstema, tramte la relazone X = p X. (1) In questo modo, nvece d cercare d dmostrare un rsultato analogo al teorema ergodco (secondo l quale le p canonche corrspondono alla frequenza con cu un determnato stato vene vstato nel corso dell evoluzone del sstema) dobbamo gustfcare la scelta d queste probabltà come la mglore rappresentazone possble della nostra conoscenza del sstema. Seguendo l approcco d Jaynes [1, 2], questa scelta può essere gustfcata nterpretando n manera dversa la propretà d estremo del funzonale d Gbbs. Data una dstrbuzone d probabltà p = (p 1,..., p n ), l funzonale d Gbbs è defnto da S(p) = k p log p, (2) dove la costante k vene d solto presa uguale alla costante d Boltzmann k B. Con questa scelta, s può mostrare che la dstrbuzone canonca p eq = exp( E /k B T )/Z soddsfa l seguente prncpo d massmo: Il funzonale d Gbbs S(p) = k B p log p assume l valore massmo per p = p eq, fra tutte le dstrbuzon per cu l valore medo E = p E ha un valore fssato.
2 Teora dell nformazone e Meccanca Statstca 2 Inoltre, l valore assunto dal funzonale d Gbbs per p = p eq è uguale al valore dell entropa termodnamca per lo stato d equlbro termodnamco determnato da quel valore d E. Nell approcco d Jaynes, questo rsultato vene nterpretato n termn d nformazone mancante. S rchede coè che la scelta delle probabltà p sa tale da massmzzare l nformazone mancante sul sstema, assocata alla dstrbuzone d probabltà, fra tutte le dstrbuzon che soddsfano vncol d normalzzazone = 1 e d valor medo dell energa p E = E = cost. 1. Teorema d Shannon In questo paragrafo, mostramo che l funzonale d Gbbs, defnto su una dstrbuzone d probabltà dscreta p = (p 1,..., p n ), può essere nterpretato come una msura dell nformazone mancante sulla descrzone d un evento che può verfcars n una fra n alternatve, e tal che p è la probabltà che s verfch l alternatva. Il fatto che questa sa l espressone dell nformazone mancante è noto come teorema d Shannon. S supponga che un evento debba verfcars n una fra n alternatve, e che all alternatva sa assocata la probabltà p. Voglamo assocare alla dstrbuzone p = (p 1,..., p n ) una msura I n (p) della quanttà d nformazone mancante, tale che sano soddsfatt seguent postulat: Irrlevanza: Alternatve che hanno probabltà nulla d verfcars non modfcano l nformazone mancante. In formule: I n+l (p 1, p 2,..., p n, p n+1 = 0,..., p n+l = 0) = I n (p 1,..., p n ). (3) Monotonctà: Se tutte le alternatve hanno la stessa probabltà, l nformazone mancante deve crescere al crescere del numero d alternatve. S deve coè avere, per n < m, I n n,..., 1 ) < I m n m,..., 1 ). (4) m Smmetra: L nformazone mancante non dpende da come vengono ordnate le alternatve: per ogn permutazone P degl n ndc, s deve avere I n ( pp (1),..., p P (n) ) = In (p 1,..., p n ). (5) Addtvtà: L nformazone mancante deve essere ndpendente da come s suppone d venre a conoscere l rsultato dell evento. Supponamo, per esempo, d raggruppare le alternatve {1, 2,..., n} n m grupp, con m < n, tal che l gruppo j possede n j element, e la probabltà P j del gruppo j è data da P j = j p. Allora l nformazone mancante corrsponde all gnoranza del gruppo cu appartene l evento che s verfca, pù l gnoranza su quale partcolare evento del gruppo s sa effettvamente verfcato. Indchamo con p( j) la probabltà condzonata che s verfch l evento, ammesso che l evento che s verfca appartene al gruppo j. S ha allora, per defnzone d probabltà condzonata, / p p, se j, p( j) = j (6) 0, altrment.
3 Teora dell nformazone e Meccanca Statstca 3 Indchamo con k j l numero d element del gruppo j. Dobbamo avere allora I n (p) = I m (P ) + j P j I kj (π j ), (7) dove π j = (p( j)) è la collezone delle probabltà condzonate dal gruppo j. Contnutà: I n (p) è una funzone contnua delle p, coè se le p cambano d poco, anche I n (p) camberà d poco. Notamo che la (7) mplca che I 1 (1) = 0. Consderamo nfatt due descrzon equvalent della stessa stuazone. Abbamo n alternatve, {1, 2,..., n}, cascuna delle qual s verfca con probabltà p. Oppure possamo dvdere queste alternatve n n grupp, ognuno de qual contene un solo elemento. Abbamo così P j = p j, j = 1, 2,..., n, e p( j) = δ j. D altra parte abbamo I n (p) = I n (P ) + j P j I 1 (1). (8) Ma, dato che P = p, questo mplca p j I 1 (1) = I 1 (1) = 0. (9) j Valutamo adesso I n (p) quando le alternatve sono equvalent. Defnamo S n = I n n,..., 1 ). (10) n Notamo che s deve avere, per l addtvtà S nm = S n + S m. (11) In effett, date nm alternatve equvalent, possamo raggrupparle n n grupp d m element l uno. Applcando a questa stuazone la (7) ottenamo 1 S nm = S n + n S m = S n + S m. (12) j=1 L equazone (11) ammette evdentemente come soluzone S n = k log n, (13) dove log n è l logartmo naturale d n e k è un arbtrara costante postva. Ora questa è anche l unca soluzone generale per cu vale la relazone d monotonctà. In effett, data la (11), possamo scrverne la soluzone generale nella forma S n = m 1 S p1 + m 2 S p2 + + m l S pl, (14) dove p 1, p 2,..., p l sono fattor prm che appaono nello svluppo d n, e m 1, m 2,..., m l le relatve molteplctà. Qund è suffcente valutare S p per numer prm p. Supponamo qund che S p = k log p per un certo numero prmo p, e valga nvece S q = k log q per un dfferente numero prmo q, con k k. Mostramo che, n questo caso, verrebbe volata la condzone d monotonctà. Dalla (14) ottenamo nfatt l espressone d S n quando n è una potenza d p o d q. S ha allora { k log n, se n è una potenza d p; S n = k (15) log n, se n è una potenza d q. Per fssare le dee, supponamo k < k. Ora è possble trovare una potenza n d q che sa appena maggore d una potenza m d p, e tale che k log n < k log m:
4 Teora dell nformazone e Meccanca Statstca 4 questo contraddce la monotonctà. Approssmamo log q/ log p medante un numero razonale: r s < log q log p < r + 1. (16) s Sappamo che è possble trovare un approssmazone d questo tpo con s grande a pacere. Avremo allora r log p < s log q < (r + 1) log p. (17) Sceglendo qund n = q s e m = p r, avremo S n = k log n e S m = k log m, e qund S n S m = k log n k log m = (k k) log m + k log(n/m). Abbamo per potes (k k) log m < 0. Mostramo che s può sceglere m e n n modo che l prmo termne sa pù pccolo (n modulo) del secondo. S ha k log(n/m) = k (log n log m) = k (s log q r log p) < k log p, (18) dove abbamo sfruttato la (17). Basterà qund sceglere m n modo che (k k ) log m > k log p per volare la monotonctà. Possamo adesso valutare I n (p 1, p 2,..., p n ) per delle probabltà arbtrare p = (p 1,..., p n ). Sfruttando la contnutà, potremo lmtarc al caso n cu le p sono razonal. Supponamo qund d scrvere p = m /N, dove N è un determnato ntero. Allora potremo rappresentare le alternatve supponendo che abbamo a che fare con N alternatve equprobabl, d cu m 1 stanno nel prmo gruppo, m 2 nel secondo, ecc. In questo modo avremo, per l addtvtà, I N N, 1 N,..., 1 ) ( ) 1 1 = I n (p 1, p 2,..., p n ) + p I m,..., N m Ma e qund = I n (p 1, p 2,..., p n ) + m p k log m. (19) I N N, 1 N,..., 1 ) = k log N, (20) N I n (p 1, p 2,..., p n ) = k = k p log m + k log N p log N p log m + k = k p log p. (21) Evdentemente fssare la costante k equvale a fssare la base rspetto a cu vengono valutat logartm. Per convenzone s scegle d valutare logartm n base 2, che corrsponde alla scelta k = (log 2) 1. (22) L untà d nformazone corrspondente a questa scelta vene chamata bt.
5 Teora dell nformazone e Meccanca Statstca 5 Notamo che l espressone (21) dell nformazone mancante soddsfa la seguente dsuguaglanza: I n (p 1,..., p n ) I n n,..., 1 ) = k log n. (23) n Questa dsuguaglanza dscende dalla ben nota relazone soddsfatta dal logartmo: log x x 1. (24) S ha allora, supponendo p > 0,, I = I n (p 1,..., p n ) k log n ( n ) = k p log p + log n = k = k = k p log (np ) ( ) 1 ( ) 1 p log k p 1 np np ( ) 1 n p = k (n 1n ) 1 = 0. (25) Questo rsultato è n accordo con la rchesta ntutva secondo la quale l nformazone mancante è massma quando le n alternatve possbl sono tutte equvalent. Possamo adesso sottntendere la dpendenza da n, e ottenamo qund che l nformazone mancante è proporzonale al funzonale d Gbbs valutato sulla dstrbuzone d probabltà p = (p 1,..., p n ): I(p) = k p log p. (26) Notamo che, n questo contesto, l funzonale d Gbbs è anche chamato entropa d Shannon. 2. Ensemble statstc e nformazone mancante Supponamo d volere descrvere la nostra conoscenza relatva allo stato un sstema fsco che può trovars n uno fra n mcrostat medante una dstrbuzone d probabltà p = (p 1,..., p n ). Supponamo n partcolare d conoscere l valore medo, E = E d una funzone E del mcrostato. Quale dstrbuzone d probabltà rappresenterà al meglo l nostro stato d conoscenza? Per rsolvere questo problema, s ntroduce l seguente prncpo d massmo dell entropa d Shannon. La dstrbuzone p deve corrspondere al massmo valore dell nformazone mancante I(p), fra tutte le dstrbuzon che soddsfano vncol p = 1; p E = E. (27) Per gustfcare questo prncpo, ndchamo con p eq la dstrbuzone che lo soddsfa (per un dato valore d E), e consderamo un altra dstrbuzone p che soddsfa vncol, ma che corrsponde a un valore I(p) nferore al massmo I(p eq ). Allora, per defnzone, la conoscenza che avremmo dello stato del sstema dalla dstrbuzone p sarà pù precsa d quella corrspondente alla dstrbuzone p eq. Ma, per potes, tutta
6 Teora dell nformazone e Meccanca Statstca 6 la nostra conoscenza dello stato del sstema è contenuta nel valore E d E, vncolo che è soddsfatto dalla p eq. Qund questa maggore conoscenza sullo stato del sstema non è gustfcata dallo stato delle nostre nformazon, ed è fuorvante. Vedamo adesso d valutare p eq. Introducamo moltplcator d Lagrange α e β per mporre vncol. Cerchamo qund l massmo dell espressone Φ = I(p) α p β p E = p [log p + α + βe ]. (28) Abbamo posto k = 1 per semplfcare le formule. Ottenamo qund, per ogn, Φ = [log p + α + βe ] 1. (29) p Qund, mponendo Φ/ p = 0, ottenamo p exp( βe ). (30) La costante d proporzonaltà vene determnata dalla condzone d normalzzazone. Defnendo ottenamo Z = p = p eq exp( βe ), (31) = e βe Z. (32) D altra parte, l valore d β vene determnato dalla condzone E = Notamo che, se p ha la forma (32), s ha p E = E. (33) E = log Z β. (34) Inoltre s ha E β = (E E ) 2 < 0. (35) Qund è possble rsolvere rspetto a β l equazone log Z = E. (36) β Abbamo così ottenuto che la dstrbuzone che soddsfa l prncpo d massmo dell entropa d Shannon, e soddsfa (oltre al vncolo d normalzzazone) l vncolo E = E è una dstrbuzone canonca n E, con un determnato valore d β. L entropa d Shannon corrspondente è proporzonale all entropa termodnamca dello stato a temperatura k B T = 1/β. È mmedato generalzzare questo rsultato al caso n cu s dspone d nformazon su valor med d pù quanttà. È anche utle mostrare esplctamente che l nformazone mancante per una qualunque dstrbuzone p dversa dalla dstrbuzone canonca, ma che sa normalzzata e che abba lo stesso valore d E, è nferore a quello della corrspondente dstrbuzone canonca. Voglamo mostrare coè che, se p soddsfa le relazon (27), s ha I(p) I(p eq ), (37)
7 Teora dell nformazone e Meccanca Statstca 7 dove p eq è defnto dalla (32). S ha n effett I(p eq ) = k p eq log p eq = k (log Z + βe), (38) dove Z è defnto dalla (31) ed E è defnto dalla (33). S ha allora I = I(p eq ) I(p) = k (log Z + βe) + k p log p = k p log p + k p (log Z + βe ) = k p log p. (39) p eq La quanttà a secondo membro è proporzonale alla cosddetta dvergenza d Kullback-Lebler della dstrbuzone p dalla dstrbuzone p eq, defnta da D KL (p p eq ) = p log p. (40) p eq Questa espressone è una msura della dstanza delle due dstrbuzon. In senso matematco, però, non può essere consderata una dstanza, perché non è smmetrca: D KL (p p eq ) D KL (p eq p). (41) Tuttava, s vede faclmente che essa non è ma negatva, e s annulla solo se p = p eq. S ha nfatt D KL (p p eq ) = p log peq p ( p eq p 1 p ) = (p eq p ) = 0. (42) Bblografa [1] E. T. Jaynes, Informaton theory and statstcal mechancs, Phys. Rev. 106 (1957) 620. [2] E. T. Jaynes, Probablty: The Logc of Scence (Cambrdge: Cambrdge U. P, 2003).
Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.
Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere
DettagliDistribuzione di Boltzmann. Nota
Dstrbuzone d Boltzmann ota Tutto l soggetto trattato deve n realta essere nserto nel quadro concettuale della meccanca statstca, che non e trattato n questo corso. Quest cenn sono solo un breve rchamo
DettagliIntorduzione alla teoria delle Catene di Markov
Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
Dettagli1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann
FISICA DEI FLUIDI Lezone 5-5 Maggo 202 Le equazon per le varabl macroscopche: moment dell equazone d Boltzmann Teorema H a parte, non è facle estrarre altre consderazon general sulla funzone denstà d probabltà
DettagliRelazioni di fluttuazione
Relazon d fluttuazone L. P. 1 gugno 2014 1 Catena d Markov n tempo contnuo In queste note consdereremo de sstem pccol, descrtt medante delle coordnate collettve. Supporremo anz che un determnato sstema
Dettagli6 Prodotti scalari e prodotti Hermitiani
6 Prodott scalar e prodott Hermtan 6.1 Prodott scalar S fss K = R. Defnzone 6.1 Sa V un R-spazo vettorale. Un prodotto scalare su V è un applcazone che gode delle seguent propretà: ) (lneartà rspetto al
DettagliLE FREQUENZE CUMULATE
LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune
DettagliDistribuzioni statistiche dei gas perfetti
Dstrbuzon statstche de gas perfett 1. Propretà de sstem d partcelle dentche In meccanca quantstca sstem d partcelle dentche godono d mportant propretà, che l dfferenzano da sstem classc ed hanno conseguenze
Dettagli3) Entropie condizionate, entropie congiunte ed informazione mutua
Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata
DettagliIl logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.
Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo
DettagliANALISI STATISTICA DELLE INCERTEZZE CASUALI
AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte
DettagliE (ev) Eccitazioni e transizioni
-.85 -.5 -. - + - - + + s p d Ecctazon e transzon d E E - E Che cosa fa sì che un elettrone s trov n un certo lvello energetco puttosto che n un altro? -.6 Due possbl mod d cambare energa: attraverso urt:
DettagliStatistica di Bose-Einstein
Statstca d Bose-Ensten Esstono sstem compost d partcelle dentche e ndstngubl che non sono soggette al prncpo d esclusone. In quest sstem non esste un lmte al numero d partcelle che possono essere osptate
Dettagliuna variabile casuale è continuase può assumere un qualunque valore in un intervallo
Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere
Dettaglisi utilizzano per confrontare le distribuzioni
Dspersone o Varabltà Defnzone: Le Msure d Dspersone: sono par a zero n caso d dspersone nulla s utlzzano per confrontare le dstrbuzon permettono d valutare la rappresentatvtà delle msure d centraltà. 89
DettagliSorgenti Numeriche - Soluzioni
Sorgent umerche - Soluzon *) L anals delle frequenze con cu compaono le vare lettere n un documento n talano, comprendente 5975 caratter, ha fornto seguent dat: Lettera umero Frequenza relatva A 666. B
DettagliRappresentazione dei numeri PH. 3.1, 3.2, 3.3
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
DettagliPOLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA
POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE AA 2009-2010 DOCENTE: PAOLO LISCA 1 Polnomo mnmo Avvertenza: con V ndcheremo uno spazo
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de
Dettagli4.6 Dualità in Programmazione Lineare
4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble
DettagliGeometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.
Geometra 1 a.a. 2011/12 Esonero del 23/01/12 Soluzon (Compto A) (1) S consder su C 2 l prodotto Hermtano, H assocato alla matrce ( ) 2 H =. 2 (a) Dmostrare che, H è defnto postvo e determnare una base
DettagliLezione n La concentrazione
1 La concentrazone Corso d Laurea: Economa Azendale Nello studo de fenomen economc e socal descrtt attraverso caratter quanttatv d tpo trasferble può essere nteressante analzzare la cosddetta concentrazone
DettagliAppunti di Teoria dell Informazione
Corso d Telecomuncazon (Classe Qunta della specalzzazone Elettronca e Telecomuncazon) Pagna - - . La teora dell nformazone La teora dell nformazone descrve l funzonamento de sstem d comuncazone sa analogc
DettagliPropagazione degli errori
Propagazone degl error Msure drette: la grandezza sca vene msurata drettamente (ad es. Spessore d una lastrna). Per questo tpo d msure, la teora dell errore svluppata nelle lezone precedent é sucente per
DettagliIl traffico è un gioco?
Il traffco è un goco? Gacomo Tomme Dpartmento d Matematca, Unverstà d Psa e-mal: tomme@dm.unp.t Introduzone Il ttolo potrebbe apparre provocatoro, ma n realtà è solo lo spunto per ntrodurre tem che voglamo
DettagliPICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO
PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO Stabltà e Teorema d Drclet Defnzone S dce ce la confgurazone C 0 d un sstema è n una poszone d equlbro stable se, portando l sstema n una confgurazone
DettagliAd esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t
Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende
DettagliLaboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto
DettagliTermodinamica della radiazione di corpo nero
Termodnamca della radazone d corpo nero L. P. 5 Dcembre 2007 La teora termodnamca della radazone d corpo nero, svluppata da Stefan, Boltzmann e Wen negl ultm decenn del 19 secolo, è d estrema mportanza
DettagliI Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio
I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat
DettagliIntelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008
Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal
DettagliEquilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione
Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
DettagliLa likelihood. , x 3. , x 2. ,...x N
La lkelhood È dato un set d msure {x 1, x 2, x 3,...x N } (cascuna delle qual può essere multdmensonale) Supponamo che la pdf (f) dpenda da un parametro (anch'esso eventualmente multdmensonale) La verosmglanza
DettagliLe soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z)
Le soluzon della prova scrtta d Matematca per l corso d laurea n Farmaca (raggruppamento M-Z). Data la funzone a. trova l domno d f f ( ) ln + b. scrv, esplctamente e per esteso, qual sono gl ntervall
DettagliRappresentazione dei numeri
Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc
DettagliSistemi Intelligenti Introduzione al calcolo delle probabilità - II
Sstem Intellgent Introduzone al calcolo delle probabltà - II Alberto Borghese Unverstà degl Stud d Mlano Laborator of Appled Intellgent Sstems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t A.A. 05-06
DettagliIncertezza di sensibilità < fluttuazione intrinseca delle misure.
Error casual no ad ora abbamo correlato la bontà d una msura alla sensbltà degl strument utlzzat. Samo partt da una stuazone n cu effettuata una sere d msure rpetute, le msure hanno tutte dato lo stesso
Dettagli3 CAMPIONAMENTO DI BERNOULLI E DI POISSON
3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.
DettagliCARATTERISTICHE DEI SEGNALI RANDOM
CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:
Dettaglix 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n
Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà
DettagliESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/ Esercizi: lezione 17/10/2018
ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2018/2019 1. Esercz: lezone 17/10/2018 Rendmento d un B.O.T. Eserczo 1. Un captale C vene chesto n prestto alla banca
DettagliCarla Seatzu, 18 Marzo 2008
8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
DettagliPrincipio di massima verosimiglianza
Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.
DettagliElementi di statistica
Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e
DettagliRagionamento probabilistico: rappresentazione
Intellgenza Artfcale II Ragonamento probablstco: rappresentazone Marco astra Intellgenza Artfcale II - A.A. - Rappresentazone robablstca ] Ragonamento probablstco: rappresentazone Mond possbl sottonsem
DettagliAllenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi
Allenament d matematca: Teora de numer e algebra modulare Soluzon esercz 29 novembre 2013 1. Canguro salterno. Un canguro salterno s trova a ped d una scala nfnta che ntende salre nel seguente modo: Salta
DettagliLezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo
UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale
DettagliMetodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω
Metod d anals Eserczo Anals alle magle n presenza d sol generator ndpendent d tensone R s J R Determnare le tenson sulle resstenze sapendo che: s s 0 R R 5.Ω s J R J R R 5Ω R 0Ω R 6Ω R 5 Dsegnamo l grafo,
DettagliELEMENTI DI STATISTICA
ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)
DettagliLezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali
Chmca Fsca - Chmca e Tecnologa Farmaceutche Lezone n. 10 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Convenzon per le soluzon real Relazon tra coeffcent d attvtà 02/03/2008 Antonno
DettagliTeoria dei Giochi. Dr. Giuseppe Rose Università degli Studi della Calabria Corso di Laurea Magistrale in Economia Applicata a.a 2011/2012 Handout 4
Teora de Goch Dr. Guseppe Rose Unverstà degl Stud della Calabra Corso d Laurea Magstrale n Economa Applcata a.a 011/01 Handout 4 1 L equlbro d Bertrand Nel modello d Bertrand, abbamo un duopolo esattamente
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 9: 3 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Eserczo Consderamo una rendta perodca d 2n termn
Dettagli1 La domanda di moneta
La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la
Dettaglifluttuazioni siano reciprocamente indipendenti (cioè non correlate fra di loro), si ha 1 :
Appendce A luttuazon. A.1 - Generaltà. Le grandezze fsche che caratterzzano corp macroscopc n equlbro non sono costant, ma fluttuano nel tempo attorno al loro valore medo per effetto del moto mcroscopco
DettagliSistemi punti, forze interne ed esterne
Ncola GglettoA.A. 2017/18 3 6.2- IL CENTRO DI MASSA Parte I 1 Cap 6 - Sstem d punt materal Cap 6 - Sstem d punt materal Il punto materale è un astrazone alla quale poch cas s possono assmlare. La maggor
DettagliIntegrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1
Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado
DettagliRICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2
RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d
DettagliAnalisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986
Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 3: 27 febbraio 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 3: 27 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? S può dmostrare che 1. se 0 < t < 1 allora
DettagliPROBLEMA DI SCELTA FRA DUE REGIMI DI
PROBLEMA DI SCELTA FRA DUE REGIMI DI CAPITALIZZAZIONE Prerequst: legge d captalzzazone semplce legge d captalzzazone composta logartm e loro propretà dervate d una funzone pendenza d una curva n un punto
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 17: 8 maggio 2012
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 17: 8 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/20? Costture n regme semplce al tasso = 0, 025 l
DettagliCapitolo 3 Covarianza, correlazione, bestfit lineari e non lineari
Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure
DettagliSistemi Intelligenti Stimatori e sistemi lineari - III
Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\
Dettagli5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza
5: Strato fsco: lmtazone d banda, formula d Nyqust; caratterzzazone del canale n frequenza Larghezza d banda d un segnale La larghezza d banda d un segnale è data dall ntervallo delle frequenze d cu è
DettagliMisure Ripetute ed Indipendenti
Msure Rpetute ed Indpendent Una delle metodologe pù semplc per valutare l affdabltà d una msura consste nel rpeterla dverse volte, nelle medesme condzon, ed esamnare dvers valor ottenut. Ovvamente, una
DettagliRisposta in frequenza
Rsposta n frequenza www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 6--6 Dagramm d Bode Le funzon d trasfermento (f.d.t de crcut lnear tempo nvarant sono funzon razonal (coè rapport tra due polnom
DettagliL arcobaleno. Giovanni Mancarella. n = n = n = α( o )
Govann Mancarella L arcobaleno I(α) (a.u.) n =.3338 n =.336 39 40 4 4 43 α( o ) In questa nota utlzzeremo l termne dstrbuzone per ndcare la denstà d probabltà d una varable casuale. Il fenomeno dell arcobaleno
DettagliElasticità nei mezzi continui
Elastctà ne mezz contnu l tensore degl sforz o tensore d stress, σ j Consderamo un cubo d dmenson untare n un mezzo elastco deformato. l cubo è deformato dalle forze eserctate sulle sue facce dal resto
Dettagli1. La domanda di moneta
1. La domanda d moneta Esercz svolt Eserczo 1.1 (a) S consder l modello della domanda d moneta a scopo speculatvo d Keynes. Un ndvduo può sceglere d allocare la propra rcchezza sottoscrvendo un ttolo rredmble
DettagliStrani spazi vettoriali
Stran spaz vettoral Enrco Gregoro 19 novembre 2009 Consderamo l nseme S delle successon d numer compless; gl element d S saranno ndcat con smbol come a[ ]. Le parentes quadre servono per denotare gl element
DettagliStabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi
Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto
DettagliEsercizi sulle reti elettriche in corrente continua (parte 2)
Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola
DettagliDeterminarelatranscaratteristicav out (v in ) del seguente circuito R. V out. V in V ٧ = 0.7V D Z D V R = 5V. R o V R V Z = -8V
ESECZO SU DOD (Metodo degl Scatt) Determnarelatranscaratterstcav out (v n ) del seguente crcuto Dat del problema 5 o kω Ω 0 Ω Z -8 n ٧ 0.7 r D 0 Ω r Z 0 Ω r Ω D Z D o out Metodo degl scatt S determnano
DettagliElementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche
Element d teora bayesana della decsone Teora bayesana della decsone: caratterstche La teora bayesana della decsone è un approcco statstco fondamentale al problema del pattern recognton. Il suo obettvo
DettagliTangenti a una conica: il metodo del Doppio sdoppiamento 1
Tangent a una conca: l metodo del Doppo sdoppamento 1 Franco Goacchno Sunto Ecco un metodo alternatvo per determnare le tangent a una conca da un qualsas punto del pano. Esso consste nell applcare volte
DettagliL ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella
L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono
Dettaglilinks utili:
dspensa d Govann Bachelet Meccanca de Sstem, maggo 2003 lnks utl: http://scenceworld.wolfram.com/physcs/angularmomentum.html http://hyperphyscs.phy-astr.gsu.edu/hbase/necon.html Momento della quanttà d
DettagliFISICA. S = Q rev 373K
FISICA Sere 9: Soluzon II lceo Eserczo 1 ranszone d fase Poché l entropa è una funzone d stato possamo calcolare la sua varazone lungo un processo reversble. Questo lo s può realzzare sottraendo delle
DettagliLa t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.
Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana
Dettagli03/03/2012. Campus di Arcavacata Università della Calabria
Campus d Arcavacata Unverstà della Calabra Corso d statstca RENDE a.a 0-00 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 Concentrazone Un altro aspetto d un nseme d dat che s aggunge alla meda e alla varabltà è costtuto
Dettagli8 Gas ideali quantistici
8 Gas deal quantstc 8. Gas deale nel mcrocanonco quantstco Prendamo come al solto un sstema, all equlbro termodnamco, formato da N partcelle non nteragent e ndstngubl, racchuse n un volume V e con un energa
DettagliMisure indipendenti della stessa grandezza, ciascuna con una diversa precisione.
Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.
DettagliMaurizio Piccinini A.A Fisica Generale B. Entropia. Scuola di Ingegneria e Architettura UNIBO Cesena Anno Accademico
Fsca Generale B Scuola d Ingegnera e Archtettura UNIBO esena Anno Accademco 014 015 δ δ 0 Nel caso d ccl reversbl: = 0 Ogn parte d un cclo reversble è reversble, qund dat due stat ntermed qualunque ed
DettagliLA CORRENTE ELETTRICA CONTINUA
CAPITOLO 33 LA CORRENTE ELETTRICA CONTINUA 1 L INTENSITÀ DELLA CORRENTE ELETTRICA 1! v! a t! F m e! E m t v! e t m! E Fssato l ntervallo d tempo t, s può scrvere! v! E 2 Q t 4,0 10 2 A 5,0 s 0,20 C 3 t
DettagliDipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:
Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 3: 21022012 professor Danele Rtell www.unbo.t/docdent/danele.rtell 1/31? Captalzzazone msta S usa l regme composto per l
DettagliCorsi di Laurea in Farmacia e CTF Prova di Matematica
Cors d Laurea n Farmaca e CTF Prova d Matematca S O L U Z I O N I Effettua uno studo qualtatvo della funzone 4 f + con partcolare rfermento a seguent aspett: a trova l domno della funzone b trova gl ntervall
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne
Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che
DettagliPropagazione degli errori
Propagaone degl error Voglamo rcavare le ncertee nelle msure ndrette. Abbamo gà vsto leone un prma stma degl error sulle grandee dervate valda n generale. Consderamo ora l caso specco d grandee aette da
DettagliPredimensionamento reti chiuse
Predmensonamento ret chuse Rspetto ad una rete aperta, ogn magla aggunge un grado d lbertà (una nfntà d soluzon) nella determnazone delle portate Q,Q 1, e Q 2, utlzzando le sole equazon d contnutà. La
Dettagli{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo
Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d
DettagliPredimensionamento reti chiuse
Predmensonamento ret chuse Rspetto ad una rete aperta, ogn magla aggunge un grado d lbertà (una nfntà d soluzon) nella determnazone delle portate Q,Q 1, e Q 2, utlzzando le sole equazon d contnutà. a dfferenza
DettagliESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:
ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone
DettagliLa soluzione delle equazioni differenziali con il metodo di Galerkin
Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo
DettagliFrazione di carattere che spetta a coloro che ne posseggono nel complesso più della media Maggiore concentrazione. Minore concentrazione
01 La concentrazone Nello studo de fenomen economc e socal descrtt attraverso caratter quanttatv d tpo trasferble può essere nteressante analzzare la cosddetta concentrazone. Rguarda l modo n cu un fenomeno
DettagliUnità n La concentrazione
01 La concentrazone Corso d Laurea: Economa Azendale Docente: M.Msuraca (aula1)/ D.Costanzo(aula2) Untà n 05 Nello studo de fenomen economc e socal descrtt attraverso caratter quanttatv d tpo trasferblepuò
Dettagli