INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Modellazione ed identificazione. Modellazione ed identificazione. Modelli e modellistica
|
|
- Gianleone Albanese
- 5 anni fa
- Visualizzazioni
Transcript
1 IGEGEIA E TECOLOGIE DEI SISTEMI DI COTOLLO Prof. Carlo ossi DEIS - Uiversià di Bologa Tel: crossi@deis.uibo.i Modelli e modellisica Moivazioi per uilizzo di modelli rappreseazioe compaa della coosceza isruzioe più facile e meo cososo che lavorare sul sisema reale a vole il sisema o esise acora modellazioe per il progeo modellazioe per il corollo Avvereze il modello descrive solamee alcui aspei del sisema il modello diviee sempre più complesso e pesae aumeado il livello di deaglio: modellare solo il ecessario esise sempre u rage di validià del modello: aezioe al suo uilizzo al di fuori di ale rage Modelli e modellisica ella cosruzioe di u modello soo sempre presei approssimazioi semplificazioi fisiche approssimazioi sulla srra di modello approssimazioi ella ideificazioe del modello corrispodeza co i parameri fisici ormalmee si uilizza ua famiglia di modelli co diversi gradi di approssimazioe La modellazioe per defiizioe è u aivià mulidiscipliare che copre ua grade varieà di aspei
2 Modelli e modellisica Sisemi meccaici Sisemi elerici Fluidi ed idraulica fluidi comprimibili e o Sisemi ermici coduzioe di calore scambiaori di calore boiler Moori Pompe Sisemi di poeza Veicoli biciclee auoveore avi aeroplai Processi chimici reaori coloe di disillazioe Sisemi ecoomici Ecosisemi Gesioe della complessià Da cosa deriva la complessià Faori dipedei dal sisema domii fisici differei - diversià comporamei complessi dimesioi fisiche umero di compoei ierazioe srea ra sisemi Faori dipedei dallo sviluppo del progeo progeo parallelo dei vari compoei/soosisemi soosisemi eerogeei ra di loro preseza di compoei empo coiue, empo discree e ad evei La modellazioe è esseziale Gesioe della diversià Asrazioe Forme sadard di modello Parameri adimesioali e variabili ormalizzae Uilizzo di librerie Uilizzo di ool sofware Lavoro i eam
3 Modellazioe e simulazioe La modellazioe si è sviluppaa i parallelo alla simulazioe; queso ha avuo u grade impao sullo sviluppo dei ool di modellazioe Teciche di simulazioe aalogica: cosruzioe di sisemi elerici o meccaici di simulazioe digiale: uilizzo di meodi di simulazioe approssimai co soluzioe umerica delle equazioi differeziali Ambiei di simulazioe odieri simulaori aalogici viruali facili da uilizzare graularià e srrazioe ierfaccia grafica e uilizzo di schemi a blocchi iegrazioe co ambiei di corollo ed ideificazioe esempi: Simulik, VisSim,... Schemi a blocchi L uilizzo di schemi a blocchi rappresea ua forma di asrazioe che è ache u esempio di icapsulameo dell iformazioe appresea ua maiera elegae per srrare u sisema E i relazioe direa co le fuzioi di rasferimeo Presea comuque delle limiazioi molo lavoro di preparazioe per passare dal modello fisico allo schema a blocchi modello orieao co igressi ed uscie Esisoo alri paradigmi, o acoa sufficieemee mauri equazioi algerico-differeziali Modelica Limiazioi degli schemi a blocchi Gli sai possoo scomparire u codesaore si descrive co ua variabile di sao due codesaori coessi i parallelo? è possibile oeere il modello del parallelo ramie composizioe dei modelli elemeari dei due codesaori? Il modello dipede dal coeso modellazioe di ua resiseza: dipede da cosa viee defiio come igresso V I? I V / la sessa equazioe appare i mole forme facile commeere errori difficile da cambiare difficile cosruire delle librerie di compoei
4 Meodologia di modellazioe Dividere u sisema i soosisemi Equazioi di bilacio di massa, momei ed eergia Cosruire e/o uilizzare librerie di compoei (orieai) Aivià capire il pla rappresearlo derivare il modello maemaico aalisi delle prorpieà sazioarie liearizzazioe delle diamiche o lieari approssimazioe e semplificazioe validazioe defiire compoee di libreria Aivià di modellazioe Capire il pla meccaismi e fuzioameo ordii di gradezza sadard limiazioi appreseare il pla schizzi schemi a blocchi diagrammi di flusso Modelli maemaici scopo assuzioi e ipoesi scriura delle equazioi ormalizzazioe delle variabili rage di validià Aivià di modellazioe Modelli maemaici defiizioe di igressi, sai ed uscie parameri e parameri adimesioali valori umerici di progeo e/o ideificazioe paramerica Aalisi dei modelli proprieà sazioarie oliearià simulazioe liearizzazioe Tipi di modello relazioi saiche equazioi differeziali ordiari equazioi differeziali alle derivae parziali macchie a sai, rei di Peri, Saechars e SFC ibridi
5 Aivià di modellazioe Aalisi del modello liearizzao equazioi ormalizzaizoe e parameri adimesioali relazioe co i parameri fisici rage di validià fuzioe di rasferimeo risposa frequeziale cosai di empo e guadagi poli e zeri isabili, riardi Il processo di modellazioe Scopi e ambiee Possibili modelli Leggi fisiche Progeo esperim. Modellazioe Isieme di modelli Dai misurai Srra/ordie secodo se Sima parameri Validazioe si o Coosceza Esperieza Check cosiseza si o Modello fiale Scela dell isieme di modelli E ua scela imporae che codizioa l aivià successiva I modelli possibili soo divisi i classi, uilizzado crieri diversi Modelli paramerici o o paramerici u modello paramerico è quello i cui il sisema è descrio da u umero limiao di quaià caraerisiche i modelli fisici soo paramerici, la srra è daa dall equazioi dela fisica ua FdT è u modello paramerico, i cui parameri soo i coefficiei o i poli e gli zeri u modello o paramerico è caraerizzao dalla misura della fuzioe del sisema i u umero molo grade (ifiio) di pui u modello o paramerico di u sisema lieare è dao dalla sua risposa impulsiva
6 Scela dell isieme di modelli Modelli paramerici o o paramerici E più semplice creare u modello o paramerico dao che richiede miore coosceza sul sisema. D alra pare u modello paramerico è più compao e maiee ua relazioe co il modello fisico Modelli lieari e o lieari praicamee ui i sisemi soo o-lieari la eoria dei sisemi o lieari è complessa e o be sviluppaa, si cerca quado possibile di uilizzare ua approssimazioe lieare la scela ra u modello lieare ed uo o lieare si riduce i sosaza e decidere quado ua approssimazioe lieare può essere sufficiee dipede pesaemeee dall obieivo per cui si vuole sviluppare il modello Scela dell isieme di modelli Modelli lieari e o lieari aezioe: u modello lieare può essere quao o più complesso di u modello o lieare; ipicamee l ordie ecessario per il modello lieare sarà elevao la eoria dei sisemi lieari permee di affroare facilmee problemi i cui il modello è di ordie basso la scela reale cosise el defiire se uilizzare u modello o lieare sperado di oeere u modello comuque semplice od u modello lieare di ordie più elevao si possoo eere i via erambe le aleraive e scegliere a poseriori Modelli a scaola biaca o a scaola era si cosideri che spesso è possibile defiire ua srra paramerica del modello a parire da leggi fisiche e deermiare i parameri ramie eciche di ideificazioe paramerica: ale approccio è defiio a scaola grigia Teciche di modellazioe Complessià Predizioe Dai Velocià Modelli fisici Modelli feomeologici Modelli Black Box Il paradigma: Complessià vs. Dai Predizioe vs Velocià
7 Il superameo del paradigma Dai di progeo Modelli fisici Dai viruali Dai sperimeali Dai sperimeali Modelli feomeologici Dai viruali Modelli black box Il processo di modellazioe Scopi e ambiee Possibili modelli Leggi fisiche Progeo esperim. Modellazioe Isieme di modelli Dai misurai Srra/ordie secodo se Sima parameri Validazioe si o Coosceza Esperieza Check cosiseza si o Modello fiale Scaola biaca Modellazioe su base fisica Uo dei meodi più semplici per oeere u modello di u sisema diamico è ricavare le relazioi che esisoo ra igressi ed uscie a parire dalle leggi fodameali della fisica ell ambio del corollo e della diagosi si è i geere ieressai a modelli semplici. Uilizzo di modelli a parameri cocerai L uilizzo delle leggi fodameali è uile ache quado o si è i grado di predire il valore umerico dei parameri, per defiire almeo la srra del modello E facile ricavare modelli complessi come iercoessioe di modelli elemeari I vari ambii applicaivi porao a modelli elemeari co la sessa srra maemaica Equazioi differeziali del primo o secodo ordie
8 Modelli di sisemi elemeari I compoei elemeari possoo essere classificai i base al loro comporameo rispeo all eergia dissipaori accumulaori (di due ipi) coveriori Il processo di modellazioe Scopi e ambiee Possibili modelli Leggi fisiche Progeo esperim. Modellazioe Isieme di modelli Dai misurai Srra/ordie secodo se Sima parameri Validazioe si o Coosceza Esperieza Check cosiseza si o Scaola era Modello fiale Scopo della modellazioe black-box Si vuole realizzare u modello di u sisema a parire dalla sola regisrazioe dei dai di igresso-uscia Ciò che si oiee è esclusivamee ua modalià per rappreseare ed uilizzare l iformazioe coeua ei dai sessi L obieivo iiziale o è realizzabile: ella modellazioe blackbox è sempre ecessario iserire della iformazioe a priori sul sisema aezioe: se le ipoesi o vegoo fae espliciamee, sigifica che e esisoo di implicie Esisoo sempre ifiii modelli che rappreseao i dai dispoibili: il problema è quello di scegliere il migliore
9 Limiazioi dell approccio black-box ecessia di ua mole oevole di dai sperimeali o permee esrapolazioe il modello o può essere uilizzao i codizioi diverse da quelle i cui soo sai regisrai i dai rage delle variabili frequeze codizioi operaive Le assuzioi ecessarie alla modellazioe soo iserie all iizio e codizioao ua la cosruzioe del modello E ecessaria ua oevole esperieza per gesire il processo di modellazioe Il pla deve esisere o è geeralizzabile è limiao al sigolo esemplare, o si esede alla famiglia Vaaggi dell approccio black-box Può essere molo semplice faori o rilevai vegoo rascurai auomaicamee o richiede coosceza specifica del campo ecico relaivo al paricolare processo o sempre vero Si può forzare la srra di modello secodo l uilizzo che e verrà fao i seguio siesi di corollori lieari richiede u modello lieare E l uico approccio praicabile quado il processo è scoosciuo o roppo complesso Il processo di modellazioe Scopi e ambiee Possibili modelli Leggi fisiche Progeo esperim. Dai misurai Isieme di modelli Srra/ordie Sima parameri Modellazioe Coosceza Esperieza Scaola grigia secodo se Validazioe si Check cosiseza si Modello fiale o o
10 Ideificazioe della srra Cosise ello scegliere u modello specifico all iero di ua classe esempio ipico la decisioe dell ordie di ua FdT u alro esempio è la decisioe di u modello ra vari cadidai possibili ui co presazioi equivalei Può già sfuare la dispoibilià dei dai sperimeali la scela sarà codizioaa dalla qualià dei dai uilizzai rumore di misura codizioi degli esperimei il progeo dell esperimeo di misura è u passo chiave per la miimizzazioe dell icerezza relaiva alla srra ed ai parameri ua srra di modello fissaa ha ua capacià descriiva limiaa la scela dell esperimeo di misura e dell algorimo di sima sfruao ale capacià descriiva per privilegiare alcui aspei a scapio di alri Sima dei parameri Ua vola defiia la srra, è ecessario simare i parameri per caraerizzare compleamee il modello La misura sperimeale è fodameale i quesa fase Tui i meodi di sima edoo a miimizzare l effeo del rumore di misura sul risulao della sima Moli meodi di sima combiao isieme la defiizioe della srra e dei parameri è impossibile verificare la qualià di u modello seza avere simao i parameri bisoga decidere la srra prima che i parameri possao essere simai Aezioe: la qualià (icerezza) della sima sarà comuque ifluezaa dalla qualià (rumorosià) delle misure Corollo dei residui Cosiuisce ua primo passo della validazioe Esiserao sempre differeze ra la misura (delle uscie) e le corrispodei sime basae sul modello ideificao Le differeze, chiamae residui, possoo possedere proprieà saisiche coosciue o ipoizzae il corollo di ali proprieà saisiche (valor medio, deviazioe sadard) può essere uilizzao se esisoo acora errori sisemaici di modello, ed i queso caso ierare co le uove iformazioi el processo di cosruzioe
11 Cross-validazioe e corollo di cosiseza Cosiuiscoo la validazioe effeiva del modello La cross-validazioe cosise el valuare i residui o rispeo ai dai uilizzai per la sima, ma rispeo ad u alro se di dai ella scela del secodo se di dai si dovrebbero rispeare le limiazioi impose sul modello per esempio, o si dovrebbero ecciare saurazioi el sisema se si è uilizzao u sisema lieare Il corollo di cosiseza cosise el cofroare i valori dei parameri co valori oeui co alre eciche di misura o per via eorica u valore che si discosa oevolmee da u valore aeso è idice di problema sarebbe opporuo avere almeo iua sima dell ordie di gradezza del paramero che si vuole simare Cosiderazioi geerali L ideificazioe o sosiuisce, ma affiaca le eciche di misura radizioali L uso di iformazioe a priori è fodameale el processo di derivazioe di u modello L ideificazioe va combiaa co la coosceza specialisica del pla L icerezza della sima cresce al crescere del umero di parameri da simare per ua daa quaià di iformazioe (dai sperimeali) si dovrebbero preferire modelli semplici quado descrivoo i dai sperimeali co precisioe acceabile L icerezza della sima è proporzioale alla deviazioe sadard del rumore di misura: la qualià dei dai sperimeali è imporae U esempio di sima paramerica Si vuole simare il valore di ua resiseza elerica a parire da misure di esioe e corree I preseza di rumore si ha Vm, k V + vk k,, K, Im, k I + ik La srra del modello è derivaa dalla legge di Ohm V I V I 0 La preseza dei rumori di misura da V m, k Im, k ek Per defiire uo simaore, si può miimizzare l errore di equazioe e k Può essere fao defiedo ua fuzioe di coso quadraica
12 U esempio di sima paramerica Scela, o uivoca K e k ( Vm k I ), m, k k k Il valore di che miimizza il fuzioale di coso è deo sima ai miimi quadrai LS arg mi K Si può calcolare espliciamee poedo a zero la derivaa di K rispeo ad LS Vm, k I ( ) k I m, k m, k k U esempio di sima paramerica All aumeare del umero di campioi Il valore simao sembra covergere ad u valore o vero la variaza della sima sembra covergere a zero Cosa succede se il umero di campioi ede all ifiio? valore vero evoluzioe sima U esempio di sima paramerica Si aalizzao le proprieà saisiche dello simaore Valore asioico: si assumoo rumori a media ulla, o correlai p lim LS ( ) p lim Vm k Im k I,, m, k k k V I V ik vk I vk ik p lim k k k + + I I ik i k k k k p lim LS ( ) + σi I errore sisemaico dipedee dal rapporo segale rumore delle misure
13 U esempio di sima paramerica Icerezza della sima: dao che la sima è ua variabile aleaoria, è imporae deermiare la variaza associaa e la sua dipedeza dal umero di campioi iprededo l espressioe della sima Vm, k Im, k + k LS ( + )( d + d +K) + d Im, k k rascurado i ermii di ordie superiore la secodo si oiee σ σ LS σ v + i V I Valido per quasi ui gli simaori. E imporae avere delle buoe misure Lo simaore ideale Si è viso che uo simaore può ache forire risulai o corrispodei ai valori reali (o è deo che sia u problema) Vediamo quali soo le proprieà che si vorrebbero per uo simaore ideale Sima seza bias i eoria si vorrebbe che la probabilià di avere ua sima uguale al valore vero fosse uo o è perseguibile per i rumori di misura uo simaore si dice seza bias se il valore medio della variabile di sima è uguale al valore vero del paramero E[ θ s ] θ è più facile oeere simaori asioicamee seza bias lim E[ θ s ( )] θ Lo simaore ideale Simaori efficiei o è solo imporae avere simaori co errori sisemaici piccoli, ma ache avere ua bassa icerezza sul risulao oeuo; a vole si preferisce uo simaore co bias se presea ua icerezza miore la variaza delle sime dovua ai rumori è daa dalla marice di covariaza; T C ˆ θ E[ ( θs θ )( θs θ ) θ ] i ermii sulla diagoale si riferiscoo al sigolo paramero, mere quelli fuori dalla diagoale descrivoo dipedeze ra coppie di parameri Uo simaore seza bias si dice efficiee se la sua marice di covariaza è miore o uguale di quella di qualsiasi alro simaore seza bias
14 Lo simaore ideale Simaori efficiei è baale rovare uo simaore co covariaza ulla se si ammee il bias; ciò è però impossibile per uo simaore seza bias poichè i queso caso esise u limie iferiore alla marice di covariaza Simaori robusi moli simaori soo derivai co delle assuzioi riguardai il rumore, per esempio ua disribuzioe ormale del rumore uo simaore è deo robuso se le sue proprieà si coservao ache quado le assuzioi fae ella sua derivazioe o soo verificae proprieà imporae elle applicazioi praiche, dove ciò accade molo spesso Iformazioe a priori sui parameri Ache el caso di sima paramerica, si deve sfruare al massimo l iformazioe dispoibile a priori sui parameri. Simaori di Bayes Massima verosimigl. Simaori di Markov Coosceza a priori Proprieà dello simaore Miimi quadrai Simaori di Bayes ichiedoo la coosceza della desià di probabilià dei rumori di misura e dei parameri da simare Si basa sulla probabilià codizioale P [ parameri misure] P[ θ y m ] Si cerca il valore del paramero che massimizza la probabilià di avere esaamee quel valore a parire dalle misure dae [ ] θ B max P θ y m θ Si uilizza la regola di Bayes P [ ] [ ym θ ] P[ θ ] P θ ym P[ ym ] E sufficiee massimizzare il umeraore, il deomiaore o dipede dai parameri
15 Simaori di Bayes - esempio Simare il valore g ramie ua misura y affea da rumore y g + Si assume la disribuzioe del rumore di misura coosciua P ( 0, σ ) Si assume la disribuzioe del paramero coosciua Si oiee Pg e P[ g y] C ( µ σ ) g, g + σ yg ( g µ g ) P[ y] σ g Simaori di Bayes - esempio Per oeere la sima di Bayes è sufficiee massimizzare il logarimo del umeraore, oeedo y σ + µ g σ g gb σ + σ g Si possoo disiguere due coribui y: l iformazioe derivaa dalla misura µ g : l iformazioe a priori sul paramero le due vegoo pesae co l iverso delle variaze se la qualià dell iformazioe a priori è ala rispeo a quella della misura, il risulao è piloao dall iformazioe a priori se la qualià dell iformazioe a priori è bassa rispeo a quella della misura, il risulao è piloao dalla misura Simaori di Bayes - esempio Aumeado il umero delle misure (ripeizioe) si oiee yi σ + µ g σ g g i B σ + σ g i cui si vede che l iflueza delle misure aumea all aumeare del umero delle misure sesse Quado il umero di misure ede all ifiio, l iformazioe a priori o viee più uilizzaa La sima di Bayes viee raramee uilizzaa ella praica poichè richiede mola iformazioe a priori; alri simaori possoo garaire le sesse presazioi a pao di avere u umero di misure crescei
16 Simaori a massima verosimigliaza Se la desià di probabilià dei parameri o è dispoibile, si può assumere come disribuzioe uiforme ed i queso caso diviee ua cosae el umeraore della formula di Bayes I queso caso la sima di Bayes si riduce alla massimizzazioe della fuzioe di verosimigliaza (likelihood) L( ym θ ) P( y ym P) Aalogamee al caso precedee, ormalmee si massimizza il logarimo della fuzioe di verosimigliaza La sima a massima verosimigliaza richiede acora l iformazioe sulla desià di probabilià del rumore di misura Come viso i precedeza, la sima di Bayes e quella a massima verosimigliaza cocidoo per campioi umerosi Sima di massima verosimigliaza - esempio Applicado la sima di massima verosimigliaza all esempio precedee si ha ( y ) i g σ L( y g) e m π σ l L C ( y g) i σ Il valore simao risula gmv y i i Esso cocide co il limie della sima di Bayes Proprieà della sima MV La sima MV è asioicamee seza bias La marice di covariaza della sima MV coverge asioicamee all iverso della marice di iformazioe di Fisher Cθ Fi T l L Fi E l L l L θ E θ θ θ T θ θ La marice di Fisher misura la quaià di iformazioe sui parameri presee elle misure. E impossibile avere uo simaore seza bias co ua marice di covariaza più piccola dell iverso della marice di Fisher, il valore miimo è deo limie di Cramer-ao la sima MV è asioicamee efficiee
17 Iflueza del umero di parameri Si cosideri il seguee esempio dove y e x soo le variabili misurae legae araverso y i a xi + b + i dove rappresea il rumore di misura che si assume idipedee e co disribuzioe ormale Caso : a e b da deermiare l L C ( y ) i a xi b σ i Fi Sx µ x µ ; x xi Sx xi σ µ x i i σ x C Fi µ Iversamee proporzioale ( S ) µ x µ x x Sx al umero di campioi Iflueza del umero di parameri Caso : b coosciuo, a da deermiare Cofroo l L C yi a xi b σ S Fi x ; σ i σ C Sx Aumeado il umero di parameri da simare, l icerezza sulla sima aumea σ ( a) σ σ a σ a ( a, b) S S µ x x x Sima di Markov Se il rumore di misura si assume addiivo a caraerizzao da ua disribuzioe ormale co valor medio e variaza assegaa ym G( θ, x) + T E 0 E [ ] [ ] la sima MV si riduce alla miimizzazioe della fuzioe di coso quadraica T K ( ym G( θ, x) ) ( ym G( θ, x) ) Tale sima è dea sima di Markov è seza bias ache se la disribuzioe del rumore o è ormale, se il valor medio è ullo e se il modello è lieare ei parameri el caso la marice di peso sia ua marice diversa da quella di covariaza del rumore, si parla di sima ai miimi quadrai pesai
18 Sima ai miimi quadrai Se il rumore di misura è biaco, la marice di covariaza è proporzioale all ideià e la fuzioe di coso divea la somma quadraica dell errore T K ( y G( θ, x) ) ( y G( θ x) ) m m, Si ricade el caso di sima ai miimi quadrai Le proprieà della sima ai miimi quadrai soo quelle della sima MV solamee elle ipoesi fae egli alri casi la sima ai miimi quadrai può essere co bias ed iefficiee, va aalizzao caso per caso Processi casuali sazioari U processo casuale è u esperimeo che produce ua fuzioe del empo Ua serie di dai rilevaa da u esperimeo è almeo i pare casuale per la preseza di errori di misura Si può pesare come u veore ifiio di variabili casuali Se si fissa l isae, y( ) risula ua variabile casuale U processo casuale è sazioario se per u qualsiasi, sceli comuque isai il veore delle variabili casuali [y(,...,y()] ha la sessa diribuzioe di probabilià di [y(+),...,y(+)] per ogi possibile valore di le caraerisiche probabilisiche del processo soo ivariai rispeo a raslazioi emporali Medie del PC sazioario Valor medio: I geerale m y () E[ y ] è ua fuzioe del empo; se il processo è sazioario, il suo valor medio è cosae Per simare il valore medio di u processo sazioario basa calcolare la media campioaria. Fuzioe di auocovariaza: γ yy (, ) Cov[ y( ) y( )] γ yy ( ) Si oi che γ yy ( 0) Var[ y ] γ yy ( τ ) γ yy ( 0) τ
19 umore biaco Defiizioe: y() è u rumore biaco se sceli isai,..., le variabili casuali y( ),..., y( ) soo mamee idipedei. Ierpreazioe: è come se y() fosse il risulao di u esperimeo casuale, il cui esio è del uo idipedee dai valori precedei e fri del processo casuale u rumore biaco è compleamee imprevedibile Esempio: la sequeza dei umeri uscii alla roulee La fuzioe di auocovariaza del rumore biaco è daa da σ γ ( τ ) y yy 0 τ 0 τ 0 Spero Lo spero, o desià sperale di poeza, di u processo casuale sazioario è la rasformaa di Fourier della fuzioe di auocovariaza τ [ ] + jωτ Γyy ω F γ yy τ γ yy τ e τ Esempio: rumore biaco w() [ ] Γww ω F γ ww τ σ Spero Esempio: y() w() w(-) γ yy ( τ ) E y( τ ) my y 0 my E[ y τ y 0 ] E[ ( w( τ ) w( τ ) )( w( 0) w )] Γ ( ω ) γ jω + γ ( 0) + γ jω yy yy e yy yy e [( )] γ yy 0.5σ τ.5σ 0.5σ τ τ 0 τ [ ( e jω + e jω )] σ.5 + cos( ω ) [ ] σ
20 Proprieà dello spero è reale e posiivo è ua fuzioe pari di ω è periodico co periodo π è sufficiee cooscerlo ella bada [0,π] Φ yy [ ] jω Γ ω Φ ( e ) ( z) Z γ ( τ ) yy π Γ yy π yy ( ω ) dω π Var[ y ] yy ω Γ yy ω ( ω ) dω π Var[ y ] proporzioale all eergia del processo ella bada [ω,ω ] Faorizzazioe sperale caoica Spero all uscia di u processo sazioario u() G(z) Se u() è u PC sazioario e G(z) è sabile, allora y() coverge ad u PC sazioario ale che E[ y() ] G() E[ u() ] Φ yy Γyy y() ( z) G( z) G( z ) Φ ( z) jω ( ω ) G( e ) Γ ( ω ) Filrado u PC mediae ua fd, si cambia la riparizioe dell eergia elle varie bade di frequeza Faorizzazioe sperale caoica Dao u PC y() co spero assegao, se si riesce a rovare ua fd ale che Φ yy ( z) σ G( z) G( z ) si può immagiare y() come l uscia di G(z) alimeaa da u rumore biaco Si dice i queso caso che y() è a spero razioale e G(z) è u faore sperale Se y() è a spero razioale esisoo sempre ifiii faori sperali: e esise uo pericolare, deo caoico, ale che il grado relaivo è zero umeraore e deomiaore soo moici zeri e poli soo sabili (modulo miore dell uià) Il faore sperale caoico può essere uilizzao per caraerizzare il PC sazioario
21 Famiglie di modelli diamici Le famiglie di modelli uilizzai ella ideificazioe lieare soo casi paricolari del modello, co il rumore e() assuo biaco y G( z) u + H ( z) e u() G(z) e() H(z) v() y() v() H(z) e() rappresea sia disurbi che feomei o modellai H(z) è il faore sperale caoico Si ipoizza che G(z) sia a grado relaivo maggiore di zero Specializzado a casi paricolari le srre di G(z) e di H(z) si oegoo diverse famiglie di modelli, chiamai el complesso black-box Predizioe Tui i meodi di ideificazioe cercao di miimizzare l errore ra l uscia misuraa e quella predea Il ipo di predizioe uilizzaa deermia la ipologia del meodo miimizzazioe errore di equazioe: si basa sulla predizioe ad u passo, cioè il valore dell uscia predea all isae sfrua le uscie misurae fio all isae - miimizzazioe errore di uscia: si basa su ua predizioe su orizzoe ifiio, cioè la predizioe dell uscia o sfrua la misura dell uscia sessa Per oeere il prediore, si cerca ua forma i cui il disurbo biaco compaia direamee: i queso caso il prediore oimo è semplicemee quello che si oiee poedo il disurbo a zero Predizioe Moliplicado per l iverso del faore sperale e sommado y() ad erambi i membri si oiee H ( z) y H ( z) G( z) u + e y() H ( z) y + H z G z u + e () () () Si oi che il secodo membro dipede dai valori dell igresso e dell uscia fio all isae - per le proprieà del faore sperale caoico. Si prede quidi come prediore ad u passo ( ) y + H ( z) G( z) u ( / ) H ( z) y p Co diverse scele di H(z)) si possoo cacellare ache le dipedeze dai valori passai di y(), fio al caso limie di H(z), i cui il prediore dipede solo dall igresso
22 Miimizzazioe dell errore di predizioe La sima dei parameri avviee cercado di miimizzare l errore di predizioe precedeemee viso Θ ( () p arg mi y y ( / ) ) Ciò cosiuisce a ui gli effei u problema ai miimi quadrai, che può essere risolo i forma chiusa se la dipedeza di y p dai parameri è lieare o co meodi ieraivi se la dipedeza è o lieare Modelli AX Si poe ello schema precedee B ( z) b z + + b z G z K H ( z) A( z) z + a z + + a A( z) K e() u() y() B(z) /A(z) Il disurbo agisce sullo sao Modello y a y( ) K a y( ) + b u( ) + K+ b u( ) + e Prediore p A ( z) B () ( z) y / y + u() y() e() z z Modelli AX Si defiiscoo veore dei parameri e regressore come Θ [ a a a b b b ] T K K Φ [ y( ) y( ) K y( ) u( ) u( ) Ku( ) ] Il modello risula lieare ei parameri y p ( / ) ΦΘ Il problema di sima ammee soluzioe i forma chiusa Θ arg mi ( y() Φ() Θ) Φ() Φ T () Φ() y() dove si è ipoizzaa la o sigolarià di S () Φ () Φ T
23 Modelli AX Il prediore dipede dalle misure passae dell uscia vera e o dall uscia predea agli isai precedei Il modello oeuo può preseare oime capacià prediive, ma risulare molo scadee come modello di simulazioe Se la srra del modello vero corrispode a quello uilizzao si ha che La sima è o polarizzaa La sima della variaza dell errore è daa da p σ ( y() y ) Θ / + La sima della variaza dei parameri è daa da Var Θ σ S [ ] Modelli AMAX Si assume C( z) H ( z) A( z) Il modello risula più flessibile, si paga co il dover simare u umero maggiore di parameri y a y( ) K a y( ) + b u( ) + K+ b u( ) + + e() + c e( ) + K+ c e( ) Il prediore risula C ( z) A( z) B () ( z) y p / y + u() C z C z Il prediore è o lieare ei parameri o si può ricavare uo forma chiusa per la soluzioe Modelli AMAX Se si assume la coosceza di C(z), si può calcolare ad ogi isae z z yc () y() uc () u() C z C z Il prediore risula p C ( z) A( z) B () ( z) y / yc + u z z e si recupera la liearià ei parameri; si riora al caso AX Idea: è possibile scegliere opporuamee il poliomio C(z)? Iroduzioe al filraggio dei segali misurai ed ideificazioe i bada c ()
24 Modelli ad errore di uscia OE Si assume H(z) e risula lo schema u() B(z)/A(z) e() y() I queso caso il prediore o dipede dai valori misurai dell uscia B ( z) y p / () A z u y p ( / ) a y p ( / ) K a y( / ) + + b u( ) + K+ b u( ) + e o lieare ei parameri U buo modello di predizioe è ache u buo simulaore Famiglie di modelli coclusioi La ecica di miimizzazioe dell errore di predizioe è usaa per la sima i ui i modelli cosiderai Esisoo umerosi esesioi cambiado le assuzioi sulle fd La sima dei modelli AX è semplice Si oegoo modelli affidabili come prediori, meo come simulaori I modelli armax risulao o lieari ei parameri Per semplificare il problema si può ipoizzare coosciuo il poliomio C(z) Offroo comuque ua flessibilià maggiore Per ideificare modelli da uilizzare come simulaori del sisema è opporuo uilizzare modelli OE isulao comuque o lieari ei parameri Filraggio ed ideificazioe i bada E opporuo fare u aalisi el domiio delle frequeze dei meodi di ideificazioe Si possoo irodurre modifiche per oeere risulai migliori i ua bada di frequeza fissaa a priori per il corollo è imporae avere ua buoa coosceza della risposa frequeziale ell ioro della pulsazioe di aglio Il fuzioale di coso da miimizzare può essere modificao come [ ( p Θ arg mi L z y y ( / ) )] [ L( z) ε ] che equivale a modificare il modello del rumore * H ( z) e H ( z) e L ( z) H ( z) e
25 Filraggio ed ideificazioe i bada Dal puo di visa praico, l iroduzioe del filro L(z) o compora problemi; è sufficiee applicare gli algorimi di ideificazioe su segali filrai secodo lo schema u () y sisema L(z) ideificaore L(z) u f () y f u f () L( z) u() y f () L( z) y() Se i segali filrai o hao coribuo iformaivo a cere frequeze, quese o ifluezerao il risulao della sima il modello simao cercherà di redere coo dei dai i u iervallo di frequeze i cui il coeuo armoico è sigificaivo Aalisi i frequeza Si suppoga il sisema vero descrio da y() Go ( z) u() + Ho( z) eo Go ( z) u + v Il rumore ha spero dao da isula ε() H ( z) Φv ( jω ω σ H e ) o [ ] π () lim ε E ε () Φε ω dω 4π π * [ () ()] * y G z u ( H ( z) ) Go ( z) G( z) ( jω ) ( jω Go e G e ) Φu ( ω ) + Φv ( ω ) Φε ( ω ) * jω H ( e ) [ u() + v() ] Aalisi i frequeza La miimizzazioe dell errore di predizioe equivale asioicamee alla miimizzazioe rispeo alle icogie G(z) e H*(z) del fuzioale π Go J 4π π ( jω ) ( jω e G e ) Φu ( ω ) + Φv( ω ) * jω H ( e ) dω Da quesa formula si possoo derivare le caraerisiche frequeziali dei vari casi paricolari, ochè i crieri di scela del filro L(z)
26 Modello del rumore fissao Se H*(z) è fissao a priori, gli simaori porao a miimizzare il fuzioale π jω jω Φ ( ω ) J ( ω ) ω ( ω ) u 4π Go e G e Q d Q π * jω H e cioè il modulo al quadrao dell errore sulla fd ra igresso ed uscia pesao i frequeza ramie il peso Q(ω). Il peso può essere ierpreao ache come u rapporo segale rumore alle diverse frequeze Per modelli OE co H(z), se ache L(z) l errore viee pesao i frequeza solao dallo spero del segale di igresso Modelli AX I queso caso G(z)B(z)/A(z) e H(z)z /A(z), e quidi asioicamee viee miimizzao π J Go 4π π ( jω ) ( jω ) Φ + Φ ( jω e G e ω ω A e ) dao che A(z)/z ha i geere ua caraerisica passa-alo, i asseza di rumore la miimizzaioe pora ad aribuire u peso maggiore alle ale frequeze Ciò è cogruee co il fao che u modello AX è u buo prediore ma uo scadee simaore i cofroo ad u modello OE u v dω Scela dell esperimeo Quado è possibile, si deve scegliere il segale di igresso al sisema per oeeredai co u adeguao coribuo iformaivo Ovviamee, u requisio di base è quello di uilizzare u segale di igresso che cosea l ideificazioe del modello Si cosideri u modello AX y a y( ) K a y( ) + b u( ) + K+ b u( ) + e per il quale esise la forma esplicia di soluzioe Θ S ( ) Φ y E ecessario scegliere l igresso i maiera che la marice S() sia o sigolare
27 Esempio Si cosideri il modello Si oiee () () e u b y a y + + () () Φ Φ T u y u u y y S u y u u y y lim uy yu yy Segali persiseemee ecciai I geerale, () è ua media campioaria che quado il umero di campioi ede all ifiio coverge a Codizioe ecessaria e sufficiee per l uicià della sima co u umero elevao di dai è l iveribilià di Codizioe ecessaria è l iveribilià di uy yu yy () K M O M M K K Segali persiseemee ecciai U segale si dice persiseemee ecciae di ordie se è iveribile (defiia posiiva) Impulso risula 0 e quidi l impulso o è persiseemee ecciae di alcu ordie Gradio il gradio è persiseemee ecciae di ordie e cosee di simare i maiera adeguaa u solo paramero () τ τ + 0 lim u u () + lim K M O M M K K u u τ τ
28 Segali periseemee ecciai umore biaco: σ I il rumore biaco è persiseemee ecciae per ogi ordie: caso ideale da queso puo di visa U segale oeuo filrado u rumore biaco è persiseemee ecciae di ogi ordie U segale periodico di periodo M può essere al più persiseemee ecciae di ordie M (aezioe alle ode quadre) Può essere coveiee ecciare il sisema co u segale persiseemee ecciae di ordie opporuo il cui spero abbia compoei sigificaive ella bada di frequeze di ieresse IGEGEIA E TECOLOGIE DEI SISTEMI DI COTOLLO Prof. Carlo ossi DEIS - Uiversià di Bologa Tel: crossi@deis.uibo.i
Serie e trasformate di Fourier brevi richiami
UNIVERSIÀ DEGLI SUDI DI FIRENZE DIPARIMENO DI INGEGNERIA CIVILE e AMBIENALE Sezioe Geoecica Serie e rasformae di Fourier brevi richiami Do. Ig. Albero Pulii eorema di Fourier U qualsiasi segale periodico
DettagliTeoria delle distribuzioni Parte quinta Limiti nel senso delle distribuzioni
ezioi di Maemaica e disribuzioi pare 5 Teoria delle disribuzioi Pare quia imii el seso delle disribuzioi operazioe di limie i seso disribuzioale Passiamo a raare, araverso ua serie di esempi precedui da
DettagliFondamenti Segnali e Trasmissione IOL Prova in presenza 23/02/2006
Fodamei Segali e rasmissioe IOL Prova i preseza 0006 è l igresso di u sisema lieare empo ivariae caraerizzao dalla risposa all impulso h () rec 0. 5. Disegare ale risposa all impulso e valuare quale y
DettagliLezione 3 Proprietà statistiche degli stimatori OLS - 1. Anche in questo capitolo si considera il modello di regressione lineare.
Lezioe 3 Proprieà saisiche degli simaori OLS - Ache i queso capiolo si cosidera il modello di regressioe lieare y x β + u co E( u Ω ) 0, x appariee a Ω per,,, e si assume che sia assegao il processo (fiio)
DettagliI appello - 8 Gennaio 2019
Aalisi Maemaica - A.A. 08/9 Prove scrie di Aalisi Maemaica - A.A. 08/09 Corso di Laurea i Igegeria Civile Corso di Laurea i Igegeria Iformaica ed Eleroica I appello - 8 Geaio 09 Svolgere i seguei esercizi,
DettagliConvertitoriditipospot (convertono, idealmente, il valore istantaneo del segnale); V ts
Pare II (Coversioe D/A e A/D) La coversioe A/D I coveriori A/D si dividoo i: Coverioridiipospo (coveroo, idealmee, il valore isaaeo del segale); s s Si raa di disposiivi veloci ma sesibili al rumore di
DettagliTecnica delle misurazioni applicate Esame del 7 gennaio 2008
Tecica delle misurazioi applicae Esame del 7 geaio 008 Problema 1. La Beloiglio rl è u impresa che alleva idusrialmee coigli e da lugo empo uilizza il magime ProRabbi 10% che ha sempre garaio, i u presabilio
DettagliOPERAZIONI SUI SEGNALI DETERMINISTICI, ENERGIA, VALOR MEDIO, POTENZA, ANALISI DI FOURIER, CONVOLUZIONE. A cos 2 / 2
OPERAZIONI SUI SEGNALI DEERMINISICI, ENERGIA, VALOR MEDIO, POENZA, ANALISI DI FOURIER, CONVOLUZIONE Esercizio Calcolare la poeza, l eergia e il valor medio dei seguei segali a) x()a; b) x()u() ; c) x()acos(oφ)
DettagliMarco Listanti. Parte 2 Rappresentazione dei segnali e teorema del campionamento. DIET Dept
1 Marco Lisai Lo srao Fisico Pare Rappreseazioe dei segali e eorema del campioameo elecomuicazioi (Caale - Prof. Marco Lisai - A.A. 017/018 DIE Dep Segale aalogico Segale empo-coiuo adameo el empo di ua
Dettagli1-Econometria, a.a Breve introduzione
-Ecoomeria, a.a. 0-. Breve iroduzioe Lezioe Breve Iroduzioe. L Ecoomeria e ua disciplia che uilizza i meodi saisici per dare risposa a problemi di aura ecoomica.. I dai ecoomici o soo di aura sperimeale.
DettagliUniversità di Camerino Corso di Laurea in Fisica: indirizzo Tecnologie per l Innovazione Appunti di Calcolo Prof. Angelo Angeletti
Iegrali idefiii Geeralià Si è viso come, daa ua fuzioe di equazioe y = f(), si possa rovare la sua derivaa prima f (). Si è ache osservao che esise ua codizioe ecessaria, ma o sufficiee, affiché ua fuzioe
Dettagli0 per x / ( 1, ). i) (4 p) Trovare per quali valori di α la funzione f è una densità di probabilità (non si chiede di calcolare C α ).
Corsi di Probabilià, Saisica e Processi socasici per Ig dell Auomazioe, Iformaica e If Ges Azieda /5/ Esercizio U sisema di preallarme su u velivolo segala ua A allarme oppure ua N o allarme ogi dieci
Dettagli(x + 1) α (1 x) 3 α per x ( 1, 1) 0 per x / [ 1, 1]
Corsi di Probabilià, Saisica e Processi socasici per Ig dell Auomazioe, Iformaica e If Ges Azieda // Esercizio Si osserva l iesià del veo el poro di Maria regisrado uo ogi gioro i cui il veo o supera ua
DettagliSforzo all interfaccia fra due regioni con differente permeabilità magnetica
Sforzo all ierfaccia fra due regioi co differee permeabilià mageica Si cosideri l ierfaccia fra due regioi, Ω e Ω, avei diversa permeabilià mageica, rispeivamee e. Si limii ora lo sudio ad ua porzioe ifiiesima
DettagliR chi h ami m sul u cana n le di d com o u m n u i n cazion o e n radi d o
Richiami sul caale di comuicazioe radio 1 Fadig leo shadowig è causao da osacoli di gradi dimesioi palazzi ra TX e RX Il pah loss è proporzioale a r α, dove α è i geere ra 2.5 e 5 i ambiee urbao Erambi
DettagliTEST #1 Corso di Telecomunicazioni C. Prati. Operazioni elementari sui segnali, impulsi, esponenziali complessi e serie di Fourier
ES # Corso di elecomuicazioi C. Prai Operazioi elemeari sui segali, impulsi, espoeziali complessi e serie di Fourier Esercizi di veriica degli argomei svoli el primo capiolo del eso Segali e Sisemi per
DettagliEquazioni differenziali: formule
Equazioi differeziali: formule Equazioi a variabili separabili y ' A B y Vale eorema esiseza e uicià locale y ' dy Ad B y y y ' A B y y Si applicao le codizioi alla fie dei due iegrali idefiii, oppure
DettagliBILANCI DI MASSA NEI COMPARTIMENTI AMBIENTALI
BILNI DI MSS NEI OMPTIMENTI MBIENTLI alisi di sigolo comparimeo ad esempio u piccolo lago m x m x 0 m 0 7 m pprossimazioe ST (oiously Sirred-Ta eacor) cocerazioe omogeea dei solui (iquiai) el comparimeo.
DettagliIl modello di Black e Scholes come limite del modello binomiale multiperiodale
Capiolo Il modello di Blac e Scholes come limie del modello biomiale muliperiodale. Il Modello Biomiale Muliperiodale Ricordiamo brevemee il Modello Biomiale Muliperiodale o Cox-Ross-Rubisei IPOTESI e
Dettagli2. FUNZIONE D ONDA, OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli strumenti della Meccanica Quantistica
. FUNZIONE D ONDA OSSERVABILI QUANTISTICHE ED EQUAZIONE DI SCHROEDINGER Ovvero: Gli srumei della Meccaica Quaisica Sisema di ieresse (cosiderao come isolao: aomo/molecola Cofigurazioe del sisema: isieme
DettagliSensori Segnali Rumore - Prof. S. Cova - appello 20/02/ P1 pag.1
Sesori Segali Rumore - ro. S. Cova - appello //3 - pag. ROBLEMA Quadro dei dai Segale a impulso reagolare Ampiezza: Duraa: µs Rumore c S variabile, da misurare S Hz desià eicace di poeza (uilaera) limiaa
DettagliSMSMW#300#130#1#220#210W#300#130#1#140#130W#220#13
Marice icideza La marice d'icideza complea A c di u grafo orieao G co N odi ed R rami, è ua marice reagolare di N righe ed R coloe che si cosruisce come segue: si umerao co =1,2,...,N ui i odi e co r=1,2,...,r
Dettagliy(t) o complesse non tutte nulle, fa corrispondere un'uscita data dalla:
Capiolo V TRASFORMAZIOI LIEARI DEI SEGALI V. - Defiizioi. Proprieà geerali. x( ) S y() Fig. VI. Trasformazioe di segali S ed è simbolicamee rappreseaa dalla relazioe: y () = S x () I (V..) { } U sisema
DettagliESERCITAZIONE: FEM. Consideriamo un elemento triangolare. y 3
ESERCITAZIONE: FEM L aalisi agli elemei fiii è u ipo di aalisi che si rifà alla meccaica dei solidi e rasforma il coiuo i u discreo composo da umerosi elemei dei quali se e cooscoo le proprieà. Le relazioi
DettagliImpianti Industriali. La previsione della domanda. Metodi di estrapolazione. Ing. Lorenzo Tiacci
Impiai Idusriali a previsioe della domada Meodi di esrapolazioe Ig. orezo Tiacci e compoei della domada Tred Cogiuurale Sagioale Casuale Tedeziali (red) a caraere geeralmee crescee e decrescee Sisemaiche
DettagliTab. 1 - Studenti presenti alla lezione di statistica del per voto alla maturità
53 Idici di variabilià 531 Iervalli di variazioe Sosiuire ua disribuzioe co u valore medio, per quao esso possa essere rappreseaivo, causa comuque ua fore perdia di iformazioe Divea perciò ecessario rovare
DettagliRischio di interesse: Il modello del clumping. Prof. Ugo Pomante Università di Roma Tor Vergata
Rischio di ieresse: Il modello del clumpig Prof. Ugo Pomae Uiversià di Roma Tor Vergaa Problemi dei modelli precedei Repricig gap e duraio gap Ipoesi variazioe uiforme dei assi di ieresse delle diverse
DettagliEsercizio 1. Sia N un processo di Poisson di parametro λ. Dimostrare che, per ogni t > 0,
Esercizi di Calcolo delle Probabilià della 9 a seimaa Corso di Laurea i Maemaica, Uiversià degli Sudi di Padova. Esercizio 1. Sia N u processo di Poisso di paramero λ. Dimosrare che, per ogi > 0, N P oλ.
DettagliTRASFORMATA DI FOURIER. A.1 Segnali analogici, deterministici ed aleatori. A p p e n d i c e A
A p p e d i c e A RASFORMAA DI FOURIER Uo degli aspei più imporai di uo il seore dell igegeria è sicuramee l aalisi di segali el domiio del empo e della frequeza. I segali aalogici si disiguoo i segali
DettagliDi fatto potremo rappresentare analiticamente le correnti magnetizzanti che operano in ciascuna delle colonne del TRS con espressioni del tipo:
Correi a vuoo el rasformaore rifase Il problema delle correi a vuoo el rasformaore rifase è imporae i quao, a secoda dei collegamei delle fasi, si avrà o meo la deformazioe dei flussi o della corree mageizzae.
DettagliDetta H(ω) la funzione di trasferimento del filtro a parametri costanti, per sbiancare il rumore occorre un filtro che abbia
esori egali Rumore - Prof.. Cova - aello 4/0/0 - P ag. PROBLEMA uadro dei dai Imulso di corree del rivelaore I s ( s / s ) () ex(-/ s ) s µs Preamlificaore Limie di bada Resiseza di igresso Caacià all
DettagliESAME DI STATO DI LICEO SCIENTIFICO Corso Sperimentale P.N.I. Tema di MATEMATICA - 23 giugno 2005
ESAME DI STATO DI LICEO SCIENTIFICO -5 Corso Sperimeale PNI Tema di MATEMATICA - giugo 5 Svolgimeo a cura della profssa Sadra Berecoli e del prof Luigi Tomasi (luigiomasi@liberoi) RISPOSTE AI QUESITI DEL
DettagliGESTIONE DELLA PRODUZIONE
GESTIONE EA PROUZIONE 5.2.3 Teciche di Previsioe della domada Meodi esrapolaivi Gesioe della Produzioe iparimeo di Igegeria omada e compoei della domada Tedeziali (red) a caraere geeralmee crescee e decrescee
DettagliModelli'di'Variabili'Aleatorie'
ModellidiVariabiliAleaorie! VariabilialeaoriediBeroulli: " X èdiberoullidiparamero p (,) se P( X ) p e P( X ) p. " Proprieà: # E X # Var X : p X ( ) + p X ( ) p. E( X ) E( X) masiccome X X $ E( X) E( X)
Dettagli2. Fondamenti sui segnali analogici
INFO-COM Dp. Diparimeo di Scieza e ecica dell Iormazioe e della Comuicazioe Uiversià degli Sudi di Roma La Sapieza. Fodamei sui segali aalogici ELECOMUNICAZIONI per Igegeria Iormaica (secodo ao caale A-LA
DettagliSi dice che f è infinitesima o che è un infinitesimo per x x0 Un infinitesimo, quindi è una variabile che tende a zero.
pag Appui elaborai dal collega Prof. Vicezo De Pasquale Ifiiesimi Si dice che f è ifiiesima o che è u ifiiesimo per se f ( ) U ifiiesimo, quidi è ua variabile che ede a zero. Es. - π y cos è u ifiiesimo
DettagliINTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI
Adolfo Scimoe FORMULE INTEGRAZIONE Pag INTEGRAZIONE INDEFINITA DI ALCUNE CLASSI DI FUNZIONI Iegrazioe delle fuzioi razioali frae Se la frazioe è impropria, cioè il grado del umeraore è maggiore o uguale
DettagliGrandezze significative (dinamiche e cinematiche)
Gradezze sigificaie diamiche e ciemaiche Romao Lapasi DMRN - Uiersià di Triese Corso di Reologia Uiersià di Triese Obieio geerale defiire u equazioe cosiuia adaa a descriere il comporameo meccaico del
Dettagli1-Econometria, a.a Capitolo 1
-Ecoomeria, a.a. 04-5 Capiolo - Breve Iroduzioe - Modello di regressioe lieare -3 Due meodi di sima: Il Meodo dei Momei e il Meodo dei Miimi Quadrai -4 Proprieà geomeriche delle sime OLS -5 Le sime OLS
DettagliCapitolo Modelli econometrici con variabili endogene (tra le variabili indipendenti)
7-Ecoomeria, aa 04-5 Capiolo 7 7- Modelli ecoomerici co variabili edogee (ra le variabili idipedei 7- Il meodo (di sima delle variabili srumeali 7-3 Lo simaore SLS 7-4 Tes sulle ipoesi: il modello IVGNR
DettagliControlli automatici per la meccatronica
Corolli aomaici per la meccaroica Sisemi di corollo Prof. Paolo Rocco (paolo.rocco@polimi.i) variabili di igresso Che cos è sisema diamico? S variabili di scia U sisema diamico si ierfaccia co il reso
DettagliFondamenti di Internet e Reti
. sui riardi commuazioe di paccheo -.o U sisema rasmissivo della velocià di 00 [kb/s] presea ua lughezza di 500[km]. Si calcoli il empo che iercorre fra la rasmissioe del primo bi e la ricezioe dell'ulimo
DettagliAmmortamento di un debito
Ammorameo di u debio /35 Ammorameo di u debio Che cosa si iede per ammorameo? Ammorameo coabile La quoa di ammorameo cosiuisce la pare del coso di u bee maeriale o immaeriale di ivesimeo da aribuire all
DettagliUniversità di Roma Tor Vergata - Corso di Laurea in Ingegneria Analisi Matematica I - Prova scritta del 30 Gennaio 2019
Uiversià di Roma Tor Vergaa - Corso di Laurea i Igegeria Aalisi Maemaica I - Prova scria del 3 Geaio 9 Esercizio. [5 pui] Calcolare lo sviluppo di Taylor dell ordie = 5 el puo x = per la seguee fuzioe:
DettagliELENCO TESTI DELLE PROVE SCRITTE
ELENCO ESI DELLE PROVE SCRIE 1/1/ 1) Descrivere le caraerisiche fodameali che differeziao i dai, segali emporali e le immagii biomediche. Spiegare quali di quese soo i grado di descrivere feomei diamici.
DettagliGESTIONE delle RISORSE IDRICHE
Corso di laurea specialisica i Igegeria delle Acque e della Difesa del uolo Corso di GEIONE delle IOE IDICHE a.a. 003-004 Leioe 5 rof. Luca Laa Diparimeo di Igegeria Ambieale - DIAM EQUAZIONE DI CONINUIA
DettagliCONTROLLI AUTOMATICI A.A. 2015/2016
1 CONTROLLI AUTOMATICI A.A. 215/216 Iroduzioe al Corso Due problemi di oevole ieresse igegerisico soo quelli dell aalisi di u geerico sisema reale, aurale o arificiale, per acquisire iformazioi sul suo
DettagliIl modello di Black e Scholes come limite del modello binomiale multiperiodale
Capiolo Il modello di Blac e Scholes come limie del modello biomiale muliperiodale. Il Modello Biomiale Muliperiodale Ricordiamo brevemee il Modello Biomiale Muliperiodale o Cox-Ross-Rubisei.. Ipoesi e
DettagliIntroduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi.
Iroduzioe () Ua defiizioe (geerale) del ermie qualià: qualià è l isieme delle caraerisiche di u eià (bee o servizio) che e deermiao la capacià di soddisfare le esigeze espresse ed implicie di chi la uilizza.
DettagliForza dell oscillatore
(lez 6, A) Forza dell oscillaore roduciamo ua uova gradezza. La forza dell oscillaore. Quesa quaià sosazialmee è proprozioale all elemeo di marice del momeo di dipolo ra lo sao iiziale e fiale. Nella descrizioe
DettagliTrasmissione in banda base: filtro adattato
Trasmissioe i ada ase: filro adaao Fodamei di Seali e Trasmissioe Trasmissioe diiale i ada ase Daa ua sequeza di dai umerici, voliamo rasmeerla su u caale di rasmissioe i ada ase, uilizzado u impulso co
DettagliArgomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica
Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Stima Cicchitelli cap. 6 Argometi Defiizioe di stimatore Proprietà degli stimatori (campioi fiiti): No distorsioe Efficieza relativa
DettagliLezioni del Corso di Fondamenti di Metrologia Meccanica
Facoltà di Igegeria Lezioi del Corso di Fodameti di Metrologia Meccaica A.A. 005-006 Prof. Paolo Vigo Idice. Frequeza e Probabilità. 3. Curva di Gauss 4. Altre Distribuzioi Frequeza e Probabilità Me spiego:
DettagliAFFIDABILITA DEI SISTEMI STOCASTICI (complessi)
AFFIDABILITA DEI SISTEMI STOCASTICI (complessi) 1 No ecessariamee il verificarsi di u guaso provoca la more del sisema. A vole soo ecessari più guasi el empo, affiché il sisema collassi. Fissao u empo
DettagliELEMENTI DI TEORIA DELLE PROBABILITA
ELEMENTI DI TEORIA DELLE PROBABILITA Nozioi base Spazio S S è l isieme di ui i possibili esii di u esperimeo. Esempio 1. Nel lacio di u dado abbiamo S{1,2,3,4,5,6}. Esempio 2. La duraa di ua lampadia S{x
DettagliSTIMA PUNTUALE DEI PARAMETRI
STIMA DEI ARAMETRI STIMA UTUALE DEI ARAMETRI er STIMA UTUALE DEI ARAMETRI iede l iieme dei meodi ifereiali che permeoo di aribuire u valore ad u paramero della popolaioe, uiliado i dai di u campioe cauale
Dettagli0 t }, allora il modello
9-Ecoomeria, a.a. -. Variabili Srumeali Lezioe 9 Il Meodo (di sima) delle Variabili Srumeali U ruolo fodameale ei meodi di sima fiora preseai, è la codizioe sugli errori del modello (preseaa ella forma
Dettagliche va trattato con opportune tecniche statistiche.
MODELLI DI SERIE STORICHE APPROCCIO CLASSICO U modello socasico geerale per descrivere il processo geeraore dei dai di ua serie sorica y, y,, y relaiva ad ua variabile Y è dao da Y =f()+u Si assume che
DettagliSenza reimmissione. Le n v.a. non sono più indipendenti e identicamante distribuite. Campionamento da universo
STATISTICA A K (60 ore Marco Riai mriai@uipr.it http://www.riai.it Ifereza statistica Dal campioe alla popolazioe Co quale precisioe si possoo descrivere le caratteristiche di ua popolazioe sulla base
Dettagli2. Duration. Stefano Di Colli
2. Duraio Meodi Saisici per il Credio e la Fiaza Sefao Di Colli Tassi di ieresse e redimei La reddiivià di u obbligazioe è misuraa dal asso di redimeo o dal asso di ieresse U idicaore del redimeo deve
Dettagli2. METODI DELLA TERMODINAMICA STATISTICA
. MODI DLL RMODINMIC SISIC Sisemi macroscopici all equilibrio: descrizioe ermodiamica secodo gradezze di sao idipedei dal empo. Descrizioe molecolare dei sisemi maeriali Meccaica Classica Meccaica Quaisica
DettagliCAPITOLO IX FONDAMENTI DI MECCANICA DELLE VIBRAZIONI
CAPITOLO IX FONDAMENTI DI MECCANICA DELLE VIBRAZIONI R. BARBONI COSTRUZIONI AEROSPAZIALI 3. Geeralià Lo sudio del comporameo saico o esaurisce l aalisi di ua sruura elasica ed i paricolare di ua sruura
DettagliTrasmissione del calore con applicazioni numeriche: informatica applicata
Corsi di Laurea i Igegeria Meccaica Trasmissioe del calore co applicazioi umerice: iformatica applicata a.a. 5/6 Teoria Parte IV Ig. Nicola Forgioe Dipartimeto di Igegeria Civile e Idustriale E-mail: icola.forgioe@ig.uipi.it;
Dettagli, e dividendo per s, oltre al rapporto incrementale
7. Meodi perurbaivi geeralizzai su base eurisica (HGPT) Nel capiolo 4 è sao irodoo il coceo di imporaza (flusso aggiuo) associaa ad u euroe co deermiae coordiae ello spazio delle fasi, defiia come coribuo
DettagliMatematica con elementi di Informatica
La distribuzioe delle statistiche campioarie Matematica co elemeti di Iformatica Tiziao Vargiolu Dipartimeto di Matematica vargiolu@math.uipd.it Corso di Laurea Magistrale i Chimica e Tecologie Farmaceutiche
DettagliCircuiti a tempo discreto Raffaele Parisi
Uiversità di Roma La Sapieza Laurea specialistica i Igegeria Elettroica Circuiti a tempo discreto Raffaele Parisi : Esempi di Sequeze e di Circuiti TD Sequeze otevoli, periodicità delle sequeze, esempi
DettagliCAPITOLO V MODELLO MATEMATICO E FUNZIONAMENTO IN REGIME PERMANENTE DEGLI IMPIANTI DI DISTRIBUZIONE SU LINEA L C
CTOLO V MODELLO MTEMTCO E FUNZONMENTO N REGME ERMNENTE DEGL MNT D DSTRBUZONE SU LNE Sebbee, come descrio precedeemee, a disribuzioe de eergia eerica ae ueze fiai avvega, praicamee sempre, su rei di disribuzioe
Dettaglic. i 2. (t) I 2
Capiolo 5 I coaori e i divisori di impulsi 4 5. I CONTATOI E I DIVISOI DI IMPULSI 5. IL CICUITO OSCILLANTE Prima di affroare lo sudio degli oscillaori è opporuo richiamare alcui cocei fodameali sui circuii
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile
Dettagli0.1 Esercitazioni V, del 18/11/2008
1 0.1 Esercitazioi V, del 18/11/2008 Esercizio 0.1.1. Risolvere usado Cramer il seguete sistema lieare x + y + z = 1 kx + y z = 0 x kz = 1 Soluzioe: Il determiate della matrice dei coefficieti è (k 2)(k
DettagliIl logaritmo e l esponenziale
Il logarimo e l espoeziale 6 marzo 2009 La defiizioe di logarimo che si impara ella scuola secodaria è la seguee: Defiizioe Il logarimo i base b di x è l espoee cui si deve elevare b per oeere x. I formule:
Dettagli4 I MINIMI QUADRATI GENERALIZZATI
F. Carlucci Traccia per u corso di Ecoomeria Modulo II Miimi quadrai 4 I MINIMI QUADRATI GENERALIZZATI Idice del capiolo 4. L ipoesi di sfericià dei residui... 4. Lo simaore dei miimi quadrai geeralizzai...
DettagliLezione 3: Segnali periodici
eoria dei segali Segali a poteza media fiita e coversioe A/D Lezioe 3: Aalisi i frequeza Esempio di calcolo 005 Politecico di orio eoria dei segali aalisi i frequeza Poteza media Sia dato u segale (t)
DettagliNozioni elementari di Analisi Matematica applicate alla Fisica Generale
Nozioi elemeari di alisi Maemaica applicae alla Fisica Geerale Nozioe di iegrale ideiio La derivazioe può essere ierpreaa come ua regola che, per ogi uzioe assegaa (primiiva), ci permee di deermiare u
DettagliCorso di Teoria dei Circuiti 1 - II modulo
Uiversità di Roma La Sapieza - Sede di Latia - Laurea i Igegeria dell Iformazioe Corso di Teoria dei Circuiti 1 - II modulo Docete: Fabio Massimo Frattale Mascioli : Esempi di Sequeze e di Circuiti TD
DettagliF è la tensione equivalente al piede del dente nel punto più sollecitato (tensione effettiva) espressa nel modo seguente: F n
3ALPGC-Cosruzioe di Macchie 3 4 Calcolo a faica 4. Normaiva UNI 886 Resiseza a flessioe Per quao riguarda il calcolo a faica per flessioe delle ruoe di igraaggi la ormaiva UNI 886 (987) fa riferimeo alla
DettagliCOME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)
COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x
DettagliCircuiti a tempo discreto
Uiversità di Roma La Sapieza Laurea specialistica i Igegeria Elettroica Circuiti a tempo discreto Raffaele Parisi : Esempi di Sequeze e di Circuiti TD Sequeze otevoli, periodicità delle sequeze, esempi
DettagliIl logaritmo e l esponenziale
Il logarimo e l espoeziale 2 geaio 202 La defiizioe di logarimo che si impara ella scuola secodaria è la seguee: Defiizioe Il logarimo i base b di x è l espoee cui si deve elevare b per oeere x. I formule:
DettagliSEGNALI, SISTEMI E OPERATORI
SEGNALI, SISEMI E OPERAORI Alla base dell eleroica c è lo sudio dei segal dei sisemi e del modo come i segali si propagao ei sisemi. Per redere più agevole la raazioe è ecessario irodurre dei meodi maemaici...
Dettagli( ) che include le rilevazioni sulle variabili effettuate sulla i-esima unità. Di tali vettori
Rappreseazioe geomerica dei dai mulidimesioali l veore è ua m-upla ordiaa di umeri reali che esprime u blocco di iformazioi: x i,x i,,x im se e usao (umero di uià rilevae). L isieme delle rilevazioi forma
DettagliIL CAMPIONAMENTO. POPOLAZIONE un insieme finito o infinito di unità statistiche
IL CAMPIONAMENTO Defiizioi POPOLAZIONE u isieme fiito o ifiito di uità statistiche CAMPIONE piccola frazioe di ua popolazioe le cui caratteristiche si approssimao a quelle della popolazioe. Il campioe
DettagliSoluzione. La curva di equazione y = 6 x è una parabola con vertice in V = (0,6)
Sessioe ordiaria LS_ORD 5 Soluzioe ) La curva di equazioe y è ua parabola co verice i (,) e cocavià rivola verso il basso, ed ierseca l asse delle ascisse ei pui (,), B (,) come soo rappreseao: La figura
DettagliSIMULAZIONE DELLA PROVA DI MATEMATICA DELL ESAME DI STATO
Simulazioe 14/15 ANNO SCOLASTICO 14/15 SIMULAZIONE DELLA PROVA DI MATEMATICA DELL ESAME DI STATO PER IL LICEO SCIENTIFICO Risoluzioe Problema 1 - Trekkig i moaga a) Disegiamo il grafico b) Calcoliamo la
DettagliREGRESSIONE LINEARE E POLINOMIALE
REGRESSIONE LINEARE E POLINOMIALE Nota ua tabella di dati relativi alle osservazioi di due gradezze X e Y, è aturale formulare ipotesi su quale possa essere ua ragioevole fuzioe che rappreseti o che approssimi
DettagliPROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013
PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.
DettagliLA TRASFORMATA Z. Nel caso di segnali (sistemi) tempo-continui: La trasformata di Laplace generalizza quella di Fourier
LA TRASFORMATA Z Nel caso di segali (sistemi) tempo-cotiui: La trasformata di Laplace geeralizza quella di Fourier per s= jω ( ω) ( ) + ( ) ( ) st X s = x t e dt + = jωt co ω = 2π f X xte dt Nel caso di
DettagliIntervalli di Fiducia
di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica
DettagliSISTEMI A TEMPO DISCRETO. x t + = f x( t ),u( t ) = Ax( t ) + Bu( t ), x( t ) = x R y(t) = η x(t),u(t) = Cx(t) + Du(t)
Assumiamo la variabile emporale discrea; sia f lineare. Si consideri la seguene rappresenazione implicia: 1 x f x,u Ax Bu, x x R y η x,u Cx Du n 1 1 Rappresenazioni equivaleni Si consideri la rasformazione:
DettagliControllo Ottimo Lineare Quadratico: Introduzione. Docente Prof. Francesco Amato
Conrollo Oimo Lineare Quadraico: Inroduzione Docene Prof. Francesco Amao Ingegneria dell'auomazione Corso di Sisemi di Conrollo Mulivariabile - Prof. F. Amao ersione 1.2 Novembre 2011 1 Cenni sorici Il
DettagliCosto manutenzione (euro)
Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più
DettagliDistribuzione normale
Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).
DettagliUN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI
UN INTRODUZIONE ALL INFERENZA SU PROCESSI STOCASTICI Il piu semplice problema (saico) di ifereza saisica paramerica e quello i cui la disribuzioe di probabilia comue a ui i umeri aleaori (a) osservabili
DettagliSISTEMI LINEARI TEMPO INVARIANTI
SISTEMI LINEARI TEMPO INVARIANTI Fondameni di Segnali e Trasmissione Sisema: Definizione di Sisema Da un puno di visa fisico e un disposiivo ce modifica un segnale, deo ingresso, generando il segnale,
DettagliANALISI DI FOURIER. Analisi di Fourier di sequenze bidimensionali o Immagini
AALISI DI FOURIER Aalisi di Fourier di sequeze bidimesioali o Immagii -Defiizioi di Sequeze Bidimesioali o Immagii -Trasformata Discreta di Fourier D -Iterpretazioe Piao di Fourier -Esempi I seguito prederemo
DettagliSistemi lineari tempo invarianti
Sisemi lieari empo ivariai Ax + Bu y Cx + Du + Φ AΦ, Φ I (, ( Φ AΦ + Iδ Φ A ( e, Φ > x Φ x + Φ τ Bu τ dτ y CΦ x + C Φ τ Bu τ dτ + Du ( τ δ ( τ ( τ y CΦ x + CΦ B + D u dτ ( I H s C s A B + D h ( CΦ ( B
DettagliPopolazione e Campione
Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile
DettagliMetodi di valutazione delle prestazioni di rete
Metodi di valutazioe delle prestazioi di rete Prof. Ig. Carla Raffaelli Cofroto di diversi approcci Parametri di cofroto: precisioe requisiti di poteza di calcolo requisiti di memoria facilita' di approccio
Dettagli2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)
Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,
Dettagli