fig.1 istogramma di una distribuzione statistica

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "fig.1 istogramma di una distribuzione statistica"

Transcript

1 Trattamento elle osservazon topograche Teora egl error Dstrbuzone emprca elle msure S supponga rpetere la msura una granezza per un numero molto elevato volte N, aveno a sposzone uno strumento la cu sensbltà è maggore ell accuratezza ell operazone msura Per esempo, con l cannocchale un teoolte s collma un punto n conzon vsbltà non ottmal Allora, n generale, le verse msure esegute anno rsultat leggermente vers Se s msura una granezza unmensonale a valor real, emprcamente s verca n molt cas che rsultat elle msure s strbuscono n moo approssmatvamente smmetrco attorno a un valore, e che, se s suve l ntervallo e valor msurat n pccol ntervall uguale ampezza, l numero e valor che caono n cascun ntervallo ecresce man mano che c s allontana al valore centrale Qun, se s costrusce un stogramma (g) n cu s rappresentano n ascssa valor msurat e n ornata l numero n valor corrsponent a cascun ntervallo ella suvsone, s ottene un tpco anamento a campana g stogramma una strbuzone statstca Inoltre, se l esecuzone elle N msure vene rpetuta, s constata che rsultat ottenut, pur non esseno entc, s strbuscono n manera smle A partre a valor msurat, è possble calcolare la mea emprca, N, che N conce approssmatvamente con l centro smmetra ella campana, e la varanza emprca s N N ( ) (la cu race quarata è lo scarto quaratco meo emprco), che à una msura quanto la strbuzone e valor è concentrata ntorno alla mea S verca natt mmeatamente che s è pccolo se valor sono n prevalenza molto prossm a quano se ne allontanano I valor Dstrbuzone gaussana s ε sono ett scart alla mea, e cresce I rsultat emprc escrtt nel paragrao preceente possono essere utlzzat per costrure un moello probablstco prevsone S ensce una unzone, etta enstà probabltà, l cu graco rlette l anamento a campana ell stogramma vsto sopra, tale che l suo ntegrale su un ntervallo I ornsce la probabltà che la msura ella granezza caa n I :

2 ( ) prob{ I} Naturalmente ( ), che esprme la certezza che la granezza I assuma un valore reale Inoltre eve essere La granezza correata alla enstà probabltà è etta varable aleatora contnua NOTA: con questo moello prob{ I} tene a quano l ampezza I tene a Esso non è qun aatto a escrvere una probabltà concentrata su sngol valor, e escrve solo probabltà strbute su ntervall Data la unzone, s enscono le seguent quanttà: ( ) ( µ ) ( ) µ (valore atteso) () (varanza) () è etto scarto quaratco meo (sqm) Naturalmente queste enzon sono accettabl se gl ntegral esstono nt E ragonevole aspettars che, n un espermento come quello escrtto n, la mea emprca assuma un valore prossmo a µ Inatt, se la retta reale R vene suvsa n pccol ntervall tutt uguale ampezza e s ncano con punt me quest ntervall, allora ( ) ( ) Se l graco rlette l anamento ell stogramma escrtto n, la quanttà ( ), che è approssmatvamente uguale alla probabltà che caa nel -esmo ntervallo ella suvsone, eve anche essere crca uguale a η N, ossa alla razone tutte le msure n / esegute con rsultat nel -esmo ntervallo ella suvsone (etta requenza) n Qun ( ), ove nell ultmo termne la somma è su tutt N N rsultat elle msure, e l ultma uguaglanza approssmata è gustcata al atto che l valore approssma tutt valor contenut nel -esmo ntervallo ella suvsone In manera analoga c s rene conto che la varanza emprca assume verosmlmente un valore prossmo a NOTA: In generale, ata una unzone ϕ ella varable aleatora, s usa la notazone E ϕ ( ) ϕ( ) ( ) Qun µ E { } E{ ( µ ) } { }, L anamento a campana ell stogramma escrtto n è ben rappresentato alla enstà probabltà normale o gaussana (g), la cu espressone è

3 µ ( ) ep, () π ove µ e sono ue parametr S vee mmeatamente che l graco è smmetrco rspetto a µ mentre è un parametro scala, che ensce l ampezza ella campana: l graco è tanto pù allargato quanto pù grane è Pù precsamente, s può vercare che, con questa scelta, s ottene µ µ, g gaussane con uguale valore atteso e verso sqm NOTA: Nel caso strbuzone gaussana egl error, la probabltà che lo scarto rentr n un ntervallo semampezza uguale a volte lo scarto quaratco meo è crca 9975, ossa molto vcna alla certezza Per questa ragone per rappresentare l ncertezza una msura vene spesso usata la quanttà Correlazon S supponga ora che quanttà (), vengano msurate contemporaneamente e che questa operazone msura venga rpetuta N volte Ogn msura à luogo a una coppa () () () () n s possono etermnare mee emprche (, ), scart (, ε ) ( s ( ), s ( ) ) (,) () () Inoltre, s può prenere n conserazone la quanttà s N ε ε possono vercare le seguent crcostanze: () () () ( ) ; come, ε e varanze emprche S constata allora che s () () non esste alcuna relazone partcolare ra segn e, che qun sono crca altrettante volte concor e scor D conseguenza, segn e loro proott sono crca altrettante volte postv e negatv, e qun c sono molte cancellazon nella somma n (,), che n questo moo rsulta n generale molto pccola; s ε ε () () segn e sono prevalentemente concor o prevalentemente scor In questo caso segn e loro proott sono prevalentemente postv o prevalentemente (,) negatv, e qun la somma n è non pccola n valore assoluto s () () Nel prmo caso s ce che e non sono correlate, nel secono che sono correlate (,) (postvamente o negatvamente) La quanttà r s / s s, etta coecente correlazone emprco, à una msura ella presenza o meno correlazone S può provare che < r < ε () ε ( )

4 4 Varable aleatora -m () () Per costrure l moello probablstco prevsone relatvo alla coppa granezze (, ) s ntrouce una unzone varabl D ( (), () ) () () prob () () {(, ) D} () () () () D conseguenza (, ), () () (, ) tale che, per un omno D R, Introotta la notazone () () { (, )} () () () () () () ϕ(, ) (, ) E ϕ, s enscono ( ) { },, ( ) ( ) {( ( ) )( ( ) )},,,, µ (valore atteso) (4) C ( ) E ( ) E µ NOTA: µ (matrce covaranza) (5) C ( ) ( ) che l coecente correlazone emprco prossmo alla quanttà provare che ; noltre, con ragonament sml a quell vst n, c s può renere conto < ρ < ( ) / ( ) r ( ) ntrootto n assume verosmlmente un valore ρ C C C (coecente correlazone) Come per, s può ( ) T NOTA: n notazone matrcale s può scrvere C E{ ( µ )( µ ) }, ove µ è un vettore a component ( ) NOTA: la enzone ella matrce C può essere ovvamente estesa al caso n cu ha un ( ) numero arbtraro n component In questo caso la mensone C è n n ( ) n NOTA: La matrce C è enta postva, ossa per ogn vettore non nullo v R s ha ( ) ( ) ( ) ( ) ( ) v vv E{ ( µ ( ) )( µ ( ) )} E{ vv ( µ ( ) )( ( ) )} ( ) ( v ( ( ) )) > T v C µ { } E µ NOTA: se la enstà probabltà congunta può essere scrtta come prootto enstà () () () () () () probabltà unmensonal: (, ) ( ) ( ), le ue varabl, sono ette npenent In questo caso s verca che ( ) ( ) ( ) C, ossa le ue varabl sono anche ncorrelate, e la matrce covaranza è agonale Analogh rsultat s ottengono n S not che s può are l caso varabl ncorrelate, ma non npenent La orma generale una enstà probabltà gaussana congunta è n / / T ( ) (π ) ( et C) ep ( µ ) C ( µ ) (6) n R r

5 ove e µ sono vettor ( mensone n) e C è una matrce quarata S verca che, con ( ) questa scelta, µ µ, C C Se C è agonale, ( ) n / / ( ) T ( ) ( ) ( µ ) ( ) (π ) et C ep ( µ ) C ( µ ) ep πc C Qun, nel caso enstà probabltà gaussana, se le varabl sono ncorrelate sono anche npenent 5 Propagazone egl error S conserno ora varabl aleatore vettoral (anche mensone versa), W legate ra loro a un moello penenza lneare: W M + p, ove M è una matrce numerca, p un vettore numerco S verca aclmente che l operatore E è lneare, e qun s ottene mmeatamente µ µ p W M + Per quanto rguara la matrce covaranza, s ottene: C W T T T T E{ ( W µ W )( W µ W ) } E{ ( M ( µ ))( M ( µ )) } E{ M ( µ )( µ ) M } T T T {( µ )( µ } M MC M (7) ME ) Poché gl element agonal elle matrc covaranza sono le varanze elle component, la regola (7) (propagazone ella covaranza), consente rcavare normazon sulla spersone elle component W (e qun su loro error probabl) a partre alla conoscenza ella spersone elle component In pratca questa ormula può essere utlzzata quano le component sono msurate rettamente, e qun la loro spersone pene essenzalmente alla precsone elle msure legata alla qualtà egl strument e alle conzon operatve; n questo caso n generale la matrce C è agonale, ato che le operazon msura sono organzzate n moo tale che le msure elle verse component non s nluenzano recprocamente, e qun non s hanno correlazon NOTA: La regola propagazone ella covaranza per trasormazon lnear è npenente al tpo strbuzone probabltà egl error Se nvece la penenza W a è non lneare, non esste una regola semplce per la propagazone ell errore, che n generale pene al tpo enstà probabltà Se però s assume che lo scarto quaratco meo sa pccolo, s può approssmare con una lnearzzazone: W ϕ ) W ϕ( µ ) + J ( µ )( µ ) µ + J ( µ )( µ ), ove è la matrce Jacobana ( ϕ W ϕ ϕ, cu element sono / M J ϕ ϕ Posto allora, s può are la propagazone ella covaranza secono la regola (7) L approssmazone ϕ( µ ) µ a sua volta è gustcata al atto che, se la varable è molto concentrata, nel pccolo ntervallo n cu un approssmazone lneare ESEMPIO: Sano,, W è sgncatvamente versa a s può are µ E W E ϕ( ) ϕ E ϕ µ ) ϕ, e allora W { } { } ( { }) ( L N N msure quanttà omogenee (a esempo, tutt slvell), ra loro ncorrelate e tutte con la stessa varanza Qun la loro matrce covaranza è C I J ϕ

6 Sa ( L ) Allora ( L ) M N Se a esempo le M N sono ottenute n una sequenza battute lvellazone, lo scarto quaratco meo el slvello totale, che è la somma e slvell elle sngole battute, è ato allo sqm ella sngola battuta moltplcato per la race quarata el numero battute Analogamente, posto, s ottene Qun, se a esempo s eseguono pù N N msure una stessa granezza, lo sqm ella loro mea è ato allo sqm una sngola msura vso per la race quarata el numero elle msure Propro per questa ragone, per ottenere un valore pù precso una certa granezza, s rpetono le msure e s calcola la mea e valor ottenut Il rsultato è verso se le quanttà msurate sono correlate A esempo, posto ρ N, C, +, s ottene ( ) C ( + ρ) (S rcor che ρ < ρ < ) Qun la varanza ella somma è pù grane che nel caso quanttà ncorrelate se la correlazone è postva, pù pccola se la correlazone è negatva Questo rsultato è ntuble: natt, se la correlazone è postva, gl error sulle msure hanno prevalentemente lo stesso segno e tenono a accumulars, se è negatva, gl error hanno prevalentemente segno opposto e tenono a elers ESEMPIO (ntersezone n avant): Da punt P (, ) e P (,) vene collmato l punto ncognto P (, ) ; vengono msurat gl angol ra P P e P P, e ra P P e P P (g) Le equazon osservazone tal angol sono: arctan arctan S vuole veere come gl error sulle osservabl, s propagano alle ncognte, Per quanto vsto n preceenza, questo è possble n uno schema equazon lnearzzate, e la propagazone egl error è regolata alla matrce Jacobana (, ) + + J (, ) ( ) + ( ) + calcolata per valor approssmat,, o meglo alla sua nversa J, ato che la propagazone avvene a, a,, e qun bsogna usare la matrce el sstema equazon lnearzzate che esprme, n unzone,

7 g ntersezone n avant Per semplctà s assuma che l trangolo P PP sa soscele Qun a meno egl a b error msura, e s può assumere / ; conseguenza J ha la orma, e a b b a qun J ab b a Assumeno che gl error msura su, sano statstcamente npenent e abbano lo stesso sqm, la loro matrce covaranza è C I, e qun T b C ( )( ) a J J 4a b a b D conseguenza, gl error su e rsultano ncorrelat, e + ( + tan ) + tan a tan tan + ( + tan ) b S osserv che / tan, che è molto grane per π /, molto pccolo per C s aspetta qun un ncertezza su molto pù grane quella su se l trangolo è molto allungato n rezone, e vceversa un ncertezza su molto pù grane quella su se l trangolo è molto appattto ESEMPIO: S supponga ora, con lo stesso schema geometrco ell esempo preceente, msurare le stanze ra P e P e ra P e P anzché gl angol, Le equazon osservazone sono + ( + )

8 e la matrce Jacobana è ) ( ) ( J Nel caso el trangolo soscele s ha /, ) / ( + (a meno egl error msura), e J ha la orma, b a b a a a b b ab J Se gl error msura su sono statstcamente npenent e hanno lo stesso sqm, la loro matrce covaranza è, e qun, I C ( )( ) b a J J C T Qun anche n questo caso gl error su e sono ncorrelat e ; In questo caso, /, e qun, al contraro el caso preceente, l ncertezza su è molto pù pccola quella su se l trangolo è molto allungato n rezone, mentre è molto pù grane se l trangolo è molto appattto

9 Compensazone con l metoo e mnm quarat Introuzone Le msure geoetche e topograche, che n molt cas non rguarano solo stanze e angol, ma anche quanttà non puramente geometrche, come a esempo l'ntenstà el campo ella gravtà, sono legate alle quanttà a stmare, che n generale sono coornate o quote punt, a sstem equazon, che costtuscono l moello ella rete Il moello è spesso puramente geometrco, ma può anche contenere aspett namc, come nel caso ella etermnazone erenze quote ortometrche o geopotenzale, che rcheono msure el moulo ella gravtà Tutte le msure sono aette a error casual, escrtt alla matrce covaranza elle osservazon, che costtusce l moello stocastco In molt cas le osservazon sono stocastcamente npenent, nel senso che gl error casual cascuna msura non sono nluenzat agl error casual elle altre, e sono qun ncorrelat La matrce covaranza è qun agonale, e suo element sono le varanze elle sngole osservazon, che ncano l lvello precsone con cu vengono esegute In generale nelle ret geoetche e topograche vene eseguto un numero ronante msure, e qun sstem equazon osservazone, che esprmono le quanttà msurate n unzone elle granezze a stmare, contengono pù equazon che ncognte, e n generale non possono essere rsolt esattamente propro a causa egl error msura, per eetto e qual msure ronant possono non essere compatbl con l moello g rete lvellazone ESEMPIO: slvell msurat a partre a una quota Q ssata (g): q q q Q Q q () ovvero, n orma matrcale, q q Q + Q ()

10 Le quote e q sono ncognte Il sstema è ronante: equazon (osservazon) e ncognte q NOTA: s potrebbe pensare che, aveno a sposzone equazon, sa possble etermnare anche Q Questo però non è possble, ato che l sstema q q Q () è sngolare (la secona rga è somma ella prma e ella terza), n accoro con l atto che l'aggunta una stessa quanttà a tutte le quote non camba slvell, e qun la soluzone non è unca Per qualsas scelta e q n () è vercata l'equazone q + (4) D conseguenza, se le osservazon,, non vercano l'equazone - cosa che n generale accae, poché le msure sono aette a errore - non esste nessuna soluzone n senso propro q, q La va uscta n questo caso consste nella rcerca una soluzone approssmata qˆ, qˆ, che, a esempo, sos la seguente propretà: le quanttà ˆ, ˆ, ˆ che s ottengono sosttueno qˆ, qˆ n () renono mnma la unzone ( ˆ ) + ( ˆ ) + ( ˆ ) ( ( qˆ Q ˆ ˆ )) + ( ˆ ( q Q )) + ( ( q q)) (5) (metoo e mnm quarat) Da un punto vsta geometrco, l'equazone () rappresenta, al varare q, q, un pano nello spazo -m Il punto osservato, (,, ), a causa egl error msura, non appartene a tale pano, e l punto ˆ, ˆ, ˆ ) el pano etermnato n ( corrsponenza q ˆ, qˆ è l punto mnma stanza a (,, ) (g) Per evenzare la presenza error msura, spesso le equazon osservazone vengono scrtte nella orma q q q Q Q q + ε + ε + ε (,, ) ˆ, ˆ, ˆ ) ( (6) g relazone ra osservabl e osservabl compensate In alternatva, è anche possble, senza ntrourre parametr q, q, proceere rettamente alla mnmzzazone ella unzone (5) rspetto a ˆ, ˆ ˆ, sotto la conzone ˆ ˆ ˆ + (ve eq (4)), utlzzano l metoo e moltplcator Lagrange In questo caso tuttava è possble

11 soltanto ottenere valor compensat e slvell msurat, compatbl con l moello; le quote, non esseno state ntrootte nelle equazon, non possono eventemente essere etermnate n questo stao ella elaborazone Il crtero aottato è smmetrco nelle tre varabl ˆ, ˆ, ˆ D conseguenza, esegueno calcol rsulta che, se a causa egl error msura la (4) non è vercata esattamente e s ottene nvece + ε (n questo caso ε è etto errore chusura), gl scart ˆ, ˆ, ˆ sono tutt ugual a ε / Questo rsultato non è accettable se è noto a pror che le tre msure sono state esegute con erente precsone, per cu c s aspetta scart pù pccol n corrsponenza elle msure pù precse Una possble straa per tenere conto questo atto consste nel mocare l crtero mnmzzazone ntrouceno nella (5) e pes, coè e coecent moltplcatv postv alle verse component, tanto pù gran quanto pù s assume che le msure elle corrsponent component sano precse: c ˆ ˆ ˆ (7) ( ) + c ( ) + c( ) ove, a esempo, s può sceglere c / In questo caso l punto ˆ, ˆ, ˆ ) non è pù la proezone ortogonale,, ) ( ( Generalzzano l'esempo sopra llustrato, s assume avere a sposzone msure verse quanttà legate ra loro a un moello Un altro esempo tpco n topograa sono le msure angol e stanze n una rete, legat ra loro a relazon geometrche (a esempo un trangolo è completamente etermnato alle lunghezze e suo lat, e qun gl angol sono esprmbl n unzone e lat) NOTA: Il metoo e mnm quarat può essere applcato anche n problem altra natura: un caso tpco è quello msure esegute n stant vers una quanttà che evolve nel tempo secono una ben etermnata legge (a esempo polnomale), con coecent a etermnare: t ; a L, a ) (a esempo a t ) ( k k ove sono le quanttà msurate (le cu msure vercano solo approssmatvamente le equazon perché aette a error), t sono stant tempo esattamente not, ak sono parametr a stmare, n numero nerore alle quanttà msurate A causa egl error msura c s aspetta che le quanttà msurate non sosno esattamente l moello A esempo, se s msurano angol un trangolo, la somma elle msure non è esattamente 8 C s aspetta però che gl error sano a mea nulla, e qun che le msure sano varabl aleatore cu valor attes vercano l moello Il rsultato che s vuole ottenere è una stma queste mee, che vengono assunte come valor corrett elle quanttà msurate (compensazone - nglese austment) Per la ormalzzazone el problema, l'nseme elle n granezze msurate (, L, n ) è escrtto come un vettore n R n A causa elle relazon present, valor ammssbl appartengono a un sottonseme (varetà) R n Le relazon possono essere espresse a equazon ella orma

12 (, L, ) (equazon conzone), n numero nerore a quello elle granezze n nteressate A esempo, per gl angol un trangolo, 8 ; qun l'nseme elle terne angol ammssbl è rappresentato a un pano n uno spazo -m Se l numero elle equazon è n-k, n realtà solo k granezze sono npenent; s ce allora che la varetà è k-m E però anche possble rappresentare le relazon ra le granezze msurate esprmeno tal granezze n unzone un certo numero parametr numerc, φ ( t, L, t k ) (nel caso elle ret topograche sono n generale le coornate e vertc ella rete, eventualmente anche rotazon, traslazon e varazon scala e sstem rermento; nel caso una granezza che evolve sono coecent el polnomo o altra orma unzonale); se parametr sono k, s ce allora che la varetà e valor ammssbl è k-m Per una varetà escrtta a un nseme parametr, l prmo problema è propro quello stmare valor numerc quest parametr, o correzon a valor approssmat, utlzzano le msure a sposzone; la stma elle osservabl compensate vene po atta ntrouceno valor ottenut e parametr nelle equazon osservazone Nel caso elle ret topograche, quano parametr sono le coornate e vertc ella rete, la stma quest parametr è l nteresse prmaro ella proceura compensazone, mentre la stma elle osservabl compensate ha lo scopo ottenere un nseme valor compatbl con la struttura geometrca ella rete Esemp tpc varetà sono le curve n un pano o n uno spazo -m (varetà -m) e le superc n uno spazo -m (varetà -m), che, come è noto, possono essere rappresentate sa n orma parametrca, sa meante equazon conzone In partcolare, rette e pan sono varetà lnear Stma e parametr e elle osservabl compensate Il problema stma llustrato nell esempo vene ora espresso n una orma che, pur non esseno quella pù generale, è aatta per la trattazone ella maggor parte elle ret topograche S assume che le osservabl (ossa le quanttà che esprmono le msure topograche esegute) sano esprmbl n moo esplcto n unzone un certo numero parametr, che n generale rappresentano le coornate e vertc ella rete S assume nzalmente che la penenza sa lneare, ossa che l vettore elle osservabl ( mensone n ) sa legato al vettore t e parametr ( mensone k ) a una relazone el tpo At + b (8) Per avere ronanza elle msure esegute rspetto a parametr a stmare, occorre che assume che l rango A sa massmo, ossa uguale a k k < n S A causa egl error msura le osservazon essere espresse nella orma non vercano esattamente la (8), ma possono At + b + r ε (9) S assume nvece che l vettore sa estrazone una varable aleatora Y l cu valore atteso verca la (8) per un partcolare valore t el parametro t

13 S tratta etermnare n unzone elle osservazon una stma tale valore atteso, ovvero un punto ŷ, appartenente alla varetà e qun tale a vercare la (8) per un opportuno tˆ, che approssm l meglo possble secono un opportuno crtero Generalzzano crter mnmzzazone vst nell'esempo (c (5) e (7)), come unzone a mnmzzare vene scelta T ( ˆ) CY ( ˆ) () ove C Y è la matrce covaranza Y, supposta nota a pror Il mnmo ella () esste certamente, mentre non esste l massmo, ato che la () è contnua, postva e non lmtata superormente S osserv noltre che, se la matrce C Y è moltplcata per una costante proporzonaltà, l punto mnmo ella () resta nvarato; s può qun assumere che sa nota a meno una costante moltplcatva: C Y Q, con ncognto Questa stuazone corrspone al caso realstco n cu sono note le precson relatve, ma non quelle assolute, elle verse quanttà msurate (a esempo, s sa che l'accuratezza un prolo lvellazone è proporzonale alla race quarata ella sua lunghezza, ma s può non sapere la precsone una sngola battuta) Soltamente s assume che gl error msura sulle verse quanttà osservate sano stocastcamente npenent: n eett, n generale non c è ragone pensare che gl error casual commess su una certa partcolare msura nluenzno o sano nluenzat a error casual commess nell esegure le altre msure, ato che non c è alcuna relazone ra le verse operazon compute D conseguenza, la matrce C Y è agonale; se po le quanttà msurate sono tutte ella stessa natura (a esempo, tutt angol o tutte stanze) e s assume che sano tutte le msure sano esegute con la stessa precsone, è multplo ella matrce enttà I C Y Il rsultato ella mnmzzazone è ato alla ormula C Y tˆ T N A Q ( b) ˆ Atˆ + b () ove N A T Q A S osserv che le stme ottenute sono unzon lnear elle osservazon Questa è una conseguenza el atto che la unzone obettvo a mnmzzare è quaratca e che la varetà moello è lneare Esseno unzone elle osservazon, tˆ è anch esso una varable aleatora Il suo valore atteso è {} t ˆ T T T N A Q ( E{} b) ( A Q A) A Q ( At + b b) t E () Questo rsultato s esprme ceno che S verca anche che E ˆ E {} {} tˆ è una stma lneare corretta t Formule per le matrc covaranza Applcano la regola ella propagazone ella covaranza, e teneno conto che Q e N sono matrc smmetrche, s ottene

14 T ( Q) Q AN N A Q AN T C t ˆ N A Q N In moo analogo, posto r ε ˆ (vettore egl scart), s ottene () C T C ˆ AN A T ( r ε Q AN A ) (4) 4 Stma S è vsto che nelle ormule per la stma e parametr e elle osservabl compensate non compare esplctamente, che nvece compare nelle espresson elle matrc covaranza Fermo restano che la matrce Q eve essere ssata a pror, poché l valore numerco è legato all enttà complessva egl error msura, è possble arne una stma a posteror sulla base egl scart ottenut sulle osservabl L espressone usata è ˆ r ε T n k Q r ε (5) che, come s vee, è quaratca rspetto agl scart ossa, la stma è corretta ε ˆ S può vercare che E { ˆ }, Problem non lnear In generale, problem compensazone che s presentano n topograa, che contengono equazon osservazone angol e stanze n unzone elle coornate e vertc, sono non lnear, e non rentrano qun nello schema sopra llustrato Il sstema equazon osservazon è espresso nella orma ( t, L, t ),, L, n, n k () k > che escrve una varetà non lneare k-m n n) n R (a esempo, una superce nello spazo se k, Da un punto vsta concettuale s può pensare applcare rettamente a questo sstema la proceura mnmzzazone egl scart escrtta nel paragrao preceente; s gungerebbe però a un sstema equazon non lnear che n generale hanno soluzone non unca e non acle a etermnare D solto, tuttava, è noto un valore approssmato el vettore ncognto ( t, Lt k ), e n un ntorno t la varetà () è bene approssmata alla varetà lnearzzata t t ( t ) + ( t )( t t ) () ove è la matrce cu element sono / t In pratca s ssa anche un valore approssmato el vettore, non necessaramente concente con ( t ) (a esempo, s possono sceglere le component ugual a valor numerc elle msure esegute) e, posto t t t,, s ottene

15 ( t () ) t + ( t ) La ormula () è el tpo (8), con A ( t ), b ( t ), e s può esegure l calcolo applcano le ormule (), per ottenere una stma tˆ a partre al ato S not che valor a nserre per le component el vettore sono quell elle msure esegute; conseguenza, se anche per s sono scelt gl stess valor, rsulta Una volta etermnato tˆ tˆ t, valor elle osservazon compensate ŷ s possono ottenere per sosttuzone nella (), o anche, con erenze generalmente trascurabl, nella () ESEMPIO: S vuole etermnare la coornata un punto sul semasse postvo, e s msurano le stanze a punt coornate (,) e (,-), otteneno rspettvamente 48m, 58m S assume che le msure sano ncorrelate, con scart quaratc me mm, mm (g) g S eve qun etermnare l solo parametro utlzzano msure, e pertanto s hanno equazon osservazone con una sola ncognta: (4) Fssat valor approssmat equazon lnearzzate,,, e posto,, s ottene l sstema A + b A + b (5)

16 S tratta ora applcare la () Q è una matrce agonale, con element agonal proporzonal 4 a, s può qun prenere Q, e conseguenza A N ( A A ) Q A + A A 4 4 A ( b ) + A ( b Qun la () à ˆ ) A + A 4 Per valor approssmat s può sceglere,, a cu Per la scelta, c s può basare sulla msura : 4 m Per eetto tale scelta, rsulta b I rsultat numerc sono: A 59 ; A 7759 ; b 4; 49m, a cu ˆ 5m Sosttueno questo valore n (4) s ottengono ˆ, ˆ e s possono calcolare gl scart ˆ ε Utlzzano la (5) s ottene ˆ ε + ε 4m 4 NOTA: Può accaere, a esempo per una scelta naeguata e valor approssmat, che l moello lnearzzato non ornsca una approssmazone abbastanza buona el moello non lneare orgnaro In questo caso le stme e parametr possono essere aette a error moello, che s manestano con un valore ˆ anormalmente elevato Allora è possble attvare una proceura terazone, n cu, per cascun passo, l calcolo elle stme per l moello lneare vene rpetuto ntrouceno come valor approssmat e parametr e elle osservabl le stme ottenute nel passo preceente Se l procemento converge (cosa non garantta a pror), l valore ˆ s ruce no a stablzzars, e a questo punto l terazone può essere ermata ESEMPIO (polgonale): S conser una polgonale chusa 4 lat, con vertc n sstema rermento vene ssato mponeno che l orgne sa n P, P, P P Il,, e conserano nota senza error la rezone P P, così come rsulta alla lettura ello strumento Tutte le altre quanttà msurate, ossa le 4 stanze (msurate a una sola stazone) e le 7 rezon ( per ogn stazone, esclusa quella conserata ssa) vengono nserte nel sstema equazon osservazone per la compensazone I parametr ncognt sono una coornata P, per esempo (la coornata è legata a alla relazone unzonale / tan, ove è l angolo ella rezone P P, supposto noto), le coornate, P e, P, e noltre le rezon β, β, β elle orgn e cerch grauat n P, P, P : n tutto, qun, 8 parametr Poché è necessaro lnearzzare le equazon osservazone, occorre ornre valor approssmat sa per le osservabl sa per parametr Per le osservabl s possono utlzzare come valor approssmat gl stess valor msurat; quanto a parametr, per le coornate s possono usare come valor approssmat quell calcolat n sequenza lungo la polgonale a partre a P usano gl angol e le stanze msurate, con le ormule vste ne captol preceent ( el cap Rlevamento n ambto locale) Per gl angol β, β, β non è nvece necessaro ornre valor approssmat, ato che compaono lnearmente nelle equazon E po necessaro ntrourre la matrce covaranza C elle osservabl S assume senz altro che gl error msura sano statstcamente npenent, e conseguenza la loro matrce P

17 covaranza è agonale Inoltre, n base alle prestazon egl strument usat per l rlevo, charate alle case costruttrc, vengono ssat gl scart quaratc me A ttolo esempo s può assumere 5 che lo sqm egl error angolar sa '' ra (nel calcolo compensazone è obblgatoro nserre per gl angol valor n raant) e lo sqm egl error sulle stanze sa mm m (per le lunghezze l untà msura è arbtrara, ma eve ovvamente essere la stessa a esempo l 6 metro per tutte le stanze ntrootte e loro sqm D conseguenza, 4 Poneno C Q con, sulla agonale Q compare n corrsponenza elle msure angolar e 4 n corrsponenza elle msure stanza Come nell esempo preceente, l sstema lnearzzato s esprme nella orma A t + b, ove a prmo membro c sono le erenze ra valor msurat e valor approssmat elle osservabl (nulle se s scelgono valor approssmat ugual a quell msurat), mentre l vettore b contene le erenze ra valor elle osservabl calcolat usano valor approssmat e parametr e quell scelt come approssmat per le osservabl stesse La matrce A contene le ervate parzal elle osservabl rspetto a parametr, calcolate n corrsponenza e valor approssmat quest ultm; per collocarle nella poszone gusta bsogna enre l orne n cu s presentano osservabl e parametr A esempo, nello schema seguente è speccato l orne scelto e sono ncate le poszon egl element matrce non null; per le ervate rspetto a β è espressamente ncato l valore assunto -: 4 β β β P 4 P NOTA: è l angolo ella rezone al punto stazone P al vertce P Le lnee tratteggate ncano le rezon ell orgne el cercho grauato nelle verse stazon Le recce ncano le rezon ntrootte come osservabl P P

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli

Amplificatori operazionali

Amplificatori operazionali mplfcator operazonal Parte www.e.ng.unbo.t/pers/mastr/attca.htm (ersone el 9-5-0) mplfcatore operazonale L amplfcatore operazonale è un sposto, normalmente realzzato come crcuto ntegrato, otato tre termnal

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 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

Dettagli

LA COMPATIBILITA tra due misure:

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

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA 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

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

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.

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

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

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

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

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

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

Dettagli

MODULO 1 GLI AMPLIFICATORI OPERAZIONALI

MODULO 1 GLI AMPLIFICATORI OPERAZIONALI MODULO GL AMPLFCATO OPEAZONAL. PAAMET CAATTESTC D UN AMPLFCATOE OPEAZONALE Per la corretta utlzzazone un A.O. reale bsogna nterpretare at caratterstc fornt al costruttore e conoscere termn pù comunemente

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

Realizzazione e studio di un oscillatore a denti di sega

Realizzazione e studio di un oscillatore a denti di sega 1 Realzzazone e stuo un oscllatore a ent sega Cenn teorc Lo scopo quest esperenza è quello stuare la cosetta tensone a ent sega, ovvero una tensone alternata, peroo T, che vara lnearmente con l tempo a

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della

Dettagli

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica Fotogrammetra Scopo della fotogrammetra è la determnazone delle poszon d punt nello spazo fsco a partre dalla msura delle poszon de punt corrspondent su un mmagne fotografca. Ovvamente, affnché questo

Dettagli

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi 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

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 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

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

Aritmetica e architetture

Aritmetica e architetture Unverstà degl stud d Parma Dpartmento d Ingegnera dell Informazone Poltecnco d Mlano Artmetca e archtetture Sommator Rpple Carry e CLA Bozza da completare del 7 nov 03 La rappresentazone de numer Rappresentazone

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza

Dettagli

DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI

DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI Captolo - Dalla teora degl error al trattamento de dat DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI LA MISURA DELLE GRANDEZZE Nel descrere fenomen, occorre da un lato elaborare de modell (coè delle

Dettagli

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Valore attuale di una rendita. Valore attuale in Excel: funzione VA

Valore attuale di una rendita. Valore attuale in Excel: funzione VA Valore attuale d una rendta Nella scorsa lezone c samo concentrat sul problema del calcolo del alore attuale d una rendta S che è dato n generale da V ( S) { R ; t, 0,,,..., n,... } n 0 R ( t ), doe (t

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd

Dettagli

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA Lezone 7 - Indc statstc: meda, moda, medana, varanza INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA GRUPPO MAT06 Dp. Matematca, Unverstà d Mlano - Probabltà e Statstca per le Scuole Mede -SILSIS - 2007

Dettagli

Adattamento di una relazione funzionale ai dati sperimentali

Adattamento di una relazione funzionale ai dati sperimentali Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo

Dettagli

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal

Dettagli

8.1 Sintesi, descrizione, interpretazione

8.1 Sintesi, descrizione, interpretazione 8.1 Sntes, descrzone, nterpretazone Molte duse tecnche d anals statstca multvarata consentono d studare smultaneamente un numero elevato d varabl sntetzzandone l azone snergca attraverso un numero rdotto

Dettagli

lxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt http://www2.dm.unito.it/paginepersonali/zucca/index.htm Misura:

lxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt http://www2.dm.unito.it/paginepersonali/zucca/index.htm Misura: Elaborazone de dat geochmc e cenn d statstca lm.m.nfn.t/~camera/slss/laboratoro-1/-statstca.ppt http://www.dm.unto.t/pagnepersonal/zucca/nde.htm Msura: Espressone quanttatva del rapporto fra una grandezza

Dettagli

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

Dettagli

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM

Dettagli

Fondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007

Fondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007 Fondament d Vsone Artfcale (Seconda Parte PhD. Ing. Mchele Folgherater Corso d Robotca Prof.ssa Guseppna Gn Anno Acc.. 006/007 Caso Bdmensonale el caso bdmensonale, per ndvduare punt d contorno degl oggett

Dettagli

Leggere i dati da file

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

Dettagli

Grafico di una serie di dati sperimentali in EXCEL

Grafico di una serie di dati sperimentali in EXCEL Grafco d una sere d dat spermental n EXCEL 1. Inseramo sulla prma rga l ttolo che defnsce l contenuto del foglo. Po nseramo su un altra rga valor spermental della x e su quella successva valor della y.

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Controllo e schedulng delle operazon Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Organzzazone della produzone PRODOTTO che cosa ch ORGANIZZAZIONE PROCESSO come FLUSSO DI PRODUZIONE

Dettagli

Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno Unverstà degl Stud d Cassno, Anno accademco 004-005 Corso d Statstca, Pro. M. Furno Eserctazone del 5//005 dott. Claudo Conversano Eserczo Ad un certo tavolo d un casnò s goca lancando un dado. Il goco

Dettagli

L analisi di studi con variabili di risposta multiple

L analisi di studi con variabili di risposta multiple X1 X X 3 Quando un confronto venga effettuato per tre lvell d un fattore, sembrerebbe ntutvo effettuare l confronto con l test t d Student a pù lvell: X X X 1 1 vs vs vs X X X 3 3 Metodologa per l anals

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007 STATISTICA SOCIALE Corso d laurea n Scenze Turstche, a.a. 07/08 Esercz 6 novembre07 Eserczo La Tabella contene alcun dat relatv a 6 lavorator delle azende Alfa e Beta. Tabella Lavorator delle azende Alfa

Dettagli

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

Dettagli

Fondamenti di Fisica Acustica

Fondamenti di Fisica Acustica Fondament d Fsca Acustca Pro. Paolo Zazzn - DSSARR Archtettura Pescara Anals n requenza de segnal sonor, bande d ottava e terz d ottava. Rumore banco e rumore rosa. Lvello equvalente. Fsologa dell apparato

Dettagli

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Dettagli

Errori nel Posizionamento Satellitare

Errori nel Posizionamento Satellitare Error nel Poszonamento Satelltare Tpologe Casual Sstematc o d Modello D Osservazone L accuratezza è stmata come l 1% della lunghezza d onda (Regola Emprca). Codce C/A: ±3 m; Codce P: ±0,3 m; Portant L1,

Dettagli

2 Modello IS-LM. 2.1 Gli e etti della politica monetaria

2 Modello IS-LM. 2.1 Gli e etti della politica monetaria 2 Modello IS-LM 2. Gl e ett della poltca monetara S consderun modello IS-LM senzastatocon seguent datc = 0:8, I = 00( ), L d = 0:5 500, M s = 00 e P =. ) S calcolno valor d equlbro del reddto e del tasso

Dettagli

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla

Dettagli

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

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

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Struttura delle ret logstche Sstem produttv multstado Struttura logstca

Dettagli

La taratura degli strumenti di misura

La taratura degli strumenti di misura La taratura degl strument d msura L mportanza dell operazone d taratura nasce dall esgenza d rendere l rsultato d una msura rferble a campon nazonal od nternazonal del msurando n questone affnché pù msure

Dettagli

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme

Dettagli

Indicatori di rendimento per i titoli obbligazionari

Indicatori di rendimento per i titoli obbligazionari Indcator d rendmento per ttol obblgazonar LA VALUTAZIONE DEGLI INVESTIMENTI A TASSO FISSO Per valutare la convenenza d uno strumento fnanzaro è necessaro precsare: /4 Le specfche esgenze d un nvesttore

Dettagli

MODELLISTICA DI SISTEMI DINAMICI

MODELLISTICA DI SISTEMI DINAMICI CONTROLLI AUTOMATICI Ingegnera Gestonale http://www.automazone.ngre.unmore.t/pages/cors/controllautomatcgestonale.htm MODELLISTICA DI SISTEMI DINAMICI Ing. Federca Gross Tel. 059 2056333 e-mal: federca.gross@unmore.t

Dettagli

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone

Dettagli

Risoluzione quesiti I esonero 2011

Risoluzione quesiti I esonero 2011 Rsoluzone quest I esonero 011 1) Compto 1 Q3 Un azenda a a dsposzone due progett d nvestmento tra d loro alternatv. Il prmo prevede l pagamento d un mporto par a 100 all epoca 0 e fluss par a 60 all epoca

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

Test delle ipotesi Parte 2

Test delle ipotesi Parte 2 Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca

Dettagli

Questo è il secondo di una serie di articoli, di

Questo è il secondo di una serie di articoli, di DENTRO LA SCATOLA Rubrca a cura d Fabo A. Schreber Il Consglo Scentfco della rvsta ha pensato d attuare un nzatva culturalmente utle presentando n ogn numero d Mondo Dgtale un argomento fondante per l

Dettagli

Tutti gli strumenti vanno tarati

Tutti gli strumenti vanno tarati L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello

Dettagli

Dai circuiti ai grafi

Dai circuiti ai grafi Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat

Dettagli

IL MAGNETISMO IL CAMPO MAGNETICO E ALTRI FENOMENI GSCATULLO

IL MAGNETISMO IL CAMPO MAGNETICO E ALTRI FENOMENI GSCATULLO IL MAGNETISMO IL CAMPO MAGNETICO E ALTRI FENOMENI GSCATULLO ( Il Magnetsmo La forze magnetca La forza Gà a temp d Talete (VI secolo a.c.), nell Antca Greca, era noto un mnerale d ferro n grado d attrare

Dettagli

Calibrazione. Lo strumento idealizzato

Calibrazione. Lo strumento idealizzato Calbrazone Come possamo fdarc d uno strumento? Abbamo bsogno d dentfcare l suo funzonamento n condzon controllate. L dentfcazone deve essere razonalmente organzzata e condvsa n termn procedural: s tratta

Dettagli

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura di L.

MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura di L. MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura d L.Bernard) 3.3. Dsegn d camponamento d Lorenzo Bernard 3.3.1. Una defnzone per ntrodurre

Dettagli

Induzione elettromagnetica

Induzione elettromagnetica Induzone elettromagnetca L esperenza d Faraday L'effetto d produzone d corrente elettrca n un crcuto prvo d generatore d tensone fu scoperto dal fsco nglese Mchael Faraday nel 83. Egl studò la relazone

Dettagli

6.1. Moody s KMV Credit Portfolio Manager

6.1. Moody s KMV Credit Portfolio Manager 6.. Moody s MV Credt Portfolo Manager 6... La struttura del modello L mpanto d Moody s MV (MMV) è costtuto dal modello d Merton e da un approcco d tpo fattorale per la stma delle correlazon. Attualmente,

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.

Dettagli

Ottica. Roberto Cirio. Corso di Laurea in Chimica e Tecnologia Farmaceutiche Anno accademico 2007 2008 Corso di Fisica

Ottica. Roberto Cirio. Corso di Laurea in Chimica e Tecnologia Farmaceutiche Anno accademico 2007 2008 Corso di Fisica Roberto Cro Corso Laurea n Chmca e Tecnologa Farmaceutche Anno accaemco 2007 2008 Corso Fsca La lezone ogg La luce Rflessone e rfrazone Interferenza e ffrazone Fbre ottche L occho e le lent Fsca a.a. 2007/8

Dettagli

DI IDROLOGIA TECNICA PARTE II

DI IDROLOGIA TECNICA PARTE II FACOLTA DI INGEGNERIA Laurea Specalstca Igegera Cvle NO Guseppe T Aroca CORSO DI IDROLOGIA TECNICA PARTE II Aals e prevsoe statstca delle varabl drologche Lezoe X: Scelta d u modello probablstco Aals e

Dettagli

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

Dettagli

LAVORO ESTIVO 4CO1 / 4 CO2

LAVORO ESTIVO 4CO1 / 4 CO2 LVORO ESTIVO CO / CO LE EQUZIONI ESPONENZILI 7 7 7 LE DISEQUZIONI ESPONENZILI 7 LE EQUZIONI LOGRITMICHE [ ] [ ] log log log log log log log log log ln ln ln ln ln ln log log log LE DISEQUZIONI LOGRITMICHE

Dettagli

Economie di scala, concorrenza imperfetta e commercio internazionale

Economie di scala, concorrenza imperfetta e commercio internazionale Sanna-Randacco Lezone n. 14 Econome d scala, concorrenza mperfetta e commerco nternazonale Non v è vantaggo comparato (e qund non v è commerco nter-ndustrale). S vuole dmostrare che la struttura d mercato

Dettagli

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO

Ottimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO Ottmzzazone nella gtone de progett Captolo 6 Project Schedulng con vncol sulle rsorse CARLO MANNINO Unverstà d Roma La Sapenza Dpartmento d Informatca e Sstemstca 1 Rsorse Ogn attvtà rchede rsorse per

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO 4. SCHMI ALTRNATIVI DI FINANZIAMNTO DLLA SPSA PUBBLICA. Se l Governo decde d aumentare la Spesa Pubblca G (o Trasferment TR), allora deve anche reperre fond necessar per fnanzare questa sua maggore spesa.

Dettagli

Calcolo della caduta di tensione con il metodo vettoriale

Calcolo della caduta di tensione con il metodo vettoriale Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta

Dettagli

Ombra una scaletta ue gran avente uno spgolo vertcale appartenente al PV. 2 S assegnano le lettere a vertc ella fgura. A" D" B" C" I" L" N" M" 3 Se possble, s sfruttano anche le conzon parallelsmo tra

Dettagli

Lavoro, Energia e stabilità dell equilibrio II parte

Lavoro, Energia e stabilità dell equilibrio II parte Lavoro, Energa e stabltà dell equlbro II parte orze conservatve e non conservatve Il concetto d Energa potenzale s aanca per mportanza a quello d Energa cnetca, perché c permette d passare dallo studo

Dettagli

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1;

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1; Appendce B Eleent d Teora dell Inforazone Appendce B B Eleent d Teora dell Inforazone B Introduzone E noto da tepo che fenoen percettv possono essere foralzzat e studat edante la Teora dell Inforazone

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

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

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

Dettagli

AVVISO PUBBLICO Costituzione di short list: Servizio di pulizie presso l Istituto di Ricerca Biogem s.c.ar.l. Via Camporeale, Ariano Irpino (AV)

AVVISO PUBBLICO Costituzione di short list: Servizio di pulizie presso l Istituto di Ricerca Biogem s.c.ar.l. Via Camporeale, Ariano Irpino (AV) AVVISO PUBBLICO Costtuzone d short lst: Servzo d pulze presso l Isttuto d Rcerca Camporeale, Arano Irpno (AV) In esecuzone della Determna Presdenzale n. 15/103 del 10/09/2015, la Bogem Scarl ntende procedere

Dettagli

TORRI DI RAFFREDDAMENTO PER L ACQUA

TORRI DI RAFFREDDAMENTO PER L ACQUA TORRI DI RAFFREDDAMENTO PER ACQUA Premessa II funzonamento degl mpant chmc rchede generalmente gross quanttatv d acqua: questa, oltre ad essere utlzzata drettamente n alcune lavorazon, come lavagg, dssoluzon,

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Anals statstca d dat bomedc Analyss of bologcalsgnals I Parte Inferenza statstca Agostno Accardo (accardo@unts.t) Master n Ingegnera Clnca LM Neuroscenze 2013-2014 e segg. Altman Practcal statstcs for

Dettagli

Elettricità e circuiti

Elettricità e circuiti Elettrctà e crcut Generator d forza elettromotrce Intenstà d corrente Legg d Ohm esstenza e resstvtà Effetto termco della corrente esstenze n sere e n parallelo Legg d Krchoff P. Maestro Elettrctà e crcut

Dettagli

Riflessione, diffusione e rifrazione

Riflessione, diffusione e rifrazione LUCE E VISIONE I COLOI APPUNTI DI FISICA lessone, dusone e rrazone Per meglo capre prncìp della vsone è necessaro conoscere come s propaga la luce e come s comporta quando ncontra un ostacolo Una prma

Dettagli