Introduzione all uso di Matlab

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Introduzione all uso di Matlab"

Transcript

1 Introduzone all uso d Matlab RIASSUNTO avvo del programma costant macro funzon cclo for struttura f else help / lookfor vettor e operazon statstca: meda, varanza grafca: plot matrc e operazon generator numer casual I eserczo (rsolto): ft lneare mn. chquadro II eserczo (da fare): calcolo errore sulla gttata Controllare: Clck sull cona d matlab col tasto-dx mouse propertes Nella fnestra Start n: nserre D:\TecDgIII\matlab\ N.B.: tutt vostr fle dovranno essere salvat nella dr: D:\TecDgIII\ 1

2 Un elenco d programm d calcolo nterattvo Programm ntes prmaramente per l calcolo smbolco Mathematca Wndows, Mac, Lnux Maple Wndows, Mac, Lnux Programm ntes prmaramente per l calcolo numerco: Matlab - commercale - Wndows, Mac, Lnux Octave - gratuto - Lnux, (wndows?) Sclab - gratuto - Lnux, Wndows root - gratuto - Lnux, Mac, Wndows (per ch conosce l C/C++) paw - gratuto Lnux (per ch conosce l fortran) Per Lnux s trovano molte altre possblta, come grace, R,...

3 Perché Matlab Un programma commercale... ma: - programma potente - semplce da mparare/usare - molto utlzzato sa nell ambto scentfco che ndustrale - fornto d molte lbrere agguntve (toolbox) contenent funzon specfche a dvers tp d anals de dat Esste un clone free, con la medesma sntass: Ch possede un computer domestco con s.o. Lnux può rpetere a casa buona parte delle eserctazon, e mpratchrs de comand fondamental. 3

4 Avvare Matlab Clccare sull cona Appare lo schermo: 4

5 Prm esemp:»» 10*1 10»» sn(.3) 0.955» log(.) »» ans » Qu Matlab vene utlzzato come una calcolatrce: lavora drettamente su numer» x=15 x = 15» y= y = » z=x^+y^ z = » x=15;» y= ;» z=x^+y^;» z z = Qu nvece vengono utlzzate le varabl smbolche x,y,z. Per evtare l effetto d eco, comand possono essere termnat con un punto e vrgola ;. 5

6 Costant Alcune costant varabl possedono un valore predefnto,ad esempo: p= realmn= e-308 è l pù pccolo numero reale realmax= e+308 è l pù grande numero reale eps= e-016 la mnma dfferenza percentuale tra due numer,i,j,j sono l untà mmagnara. 6

7 Macro Se s devono esegure pù comand n una volta sola, è possble creare una macro: una macro non è altro che un fle contenente tutte le struzon che s desdera esegure. Per creare una macro, bsogna clccare sul dsegno della pagna banca, l prmo a snstra nella sbarra degl strument. Una nuova macro vene aperta all nterno dell edtore: s possono scrvere comand, nell ordne n cu s desdera esegurl, e po salvare. Per esegure la macro, bsogna dgtare l nome del fle al prompt. Ad esempo, se s dà alla macro l nome mymacro, l fle salvato s chamerà mymacro.m, e per esegurlo bsognerà dgtare al prompt: mymacro. Tutte le varabl create o modfcate dalla macro saranno dsponbl alla fne dell esecuzone. 7

8 Funzon La dfferenza pù vstosa tra una macro ed una funzone è costtuta dalla sua sntass: per esegure una funzone bsogna dare un comando del tpo : y=func(x), oppure, n modo pù generale, [y1 y y3 ]=func(x1,x,x3,..) Le varabl x1, x, x3 sono dette varabl d ngresso: sono le unche varabl sulle qual lavora la funzone. Le varabl y1, y, y3. sono dette varabl n uscta: vengono create o modfcate dalla funzone, e contengono l rsultato delle operazon effettuate al suo nterno. Tutte le altre varabl create dalla funzone vengono dstrutte al termne dell esecuzone. Una funzone nza con una rga del tpo: functon [y1,y,y3 ]=func(x1,x,x3,.) e termna con l struzone: return. 8

9 Esempo functon [S, p, d]=rettangolo(a,b) % questa rga, preceduta dal smbolo del percento, % e un commento. S=a*b; p=*a+*b; d=sqrt(a^+b^); return Questa funzone, dat lat del trangolo a, b resttusce la superfce S, l permetro p e la dagonale d. Per usarla, dopo aver salvato n un fle rettangolo.m, devo dare un comando del tpo: [sup, per, dag]=rettangolo(a,b); S not come nom utlzzat per le varabl possono anche essere dvers da quell usat nternamente dalla funzone. Quello che mporta e solamente l ordne. 9

10 Cclo for Un cclo for è una sere d struzon del tpo: for k=1:100 operazon. end Il prncpo è semplce: alla varable k vene dato l valore nzale 1, po vengono esegute le struzon, qund a k vene dato l valore, e le operazon vengono d nuovo esegute, così va fno ad arrvare ad 100. Esempo: functon fatt=fattorale(n) fatt=1; for k=1:n fatt=fatt*k; end return Questa funzone calcola n! 10

11 f (condzone1) struzone 1 elsef (condzone) struzone else struzone 3 end Struttura f.else In questo schema dapprma vene verfcata la condzone 1: n caso affermatvo, l struzone 1 vene eseguta. Se la condzone 1 non e verfcata, s passa al controllo della condzone : se questa è verfcata s esegue l struzone. Se nessuna delle due condzon precedent e verfcata, e solo n questo caso, s esegue l struzone 3. Esempo: per evtare d calcolare logartm d zero, o d un numero negatvo f (x>0) lx=log(x); else lx=nan; %NaN= not a number. end 11

12 Condzon x>a x maggore d a x<a x mnore d a x>=a x maggore o uguale ad a x<=a x mnore o uguale ad a x==a x uguale ad a (attenzone a non scrvere =) x~=a x dverso da a L espressone f (x) controlla se x è dverso da zero. & and logco: (x>10)&(y>100) or logco : (x>10) (y>100) ~ negazone: ~(x==a) corrsponde a (x~=a) 1

13 Ottenere auto dal programma Se s conosce l nome della funzone, e s voglono conoscere dettagl sul suo funzonamento, esste l comando help:» help round ROUND Round towards nearest nteger. ROUND(X) rounds the elements of X to the nearest ntegers. See also FLOOR, CEIL, FIX. Un comando utle per trovare una funzone sconoscuta èlookfor Altrment, andando nel menù help help wndow compare una fnestra n cu tutt comand e le funzon sono raggruppat per categore, con una breve descrzone. Infne s può sceglere help desk: questo comando aprrà l browser con la documentazone completa d matlab (questa è la pù esaurente, ma anche la pù dspersva). 13

14 Vettor» x=[ ] x = » y=[1; 4; 8; 16] y = » x(3)» 8 Posso creare un vettore rga oppure un vettore colonna, separando gl ndc da un ; Le sngole component del vettore possono essere ottenute ponendo l ndce tra parentes tonde: x(3) è la terza componente del vettore x» z=3*x z = » z=x+5 z = Moltplcare un vettore per un numero equvale a moltplcare tutt gl element per lo stesso numero. Analogamente, aggungere un numero vuol dre aggungere lo stesso valore a tutte le component. Lo stesso s ottene moltplcando per o aggungendo una varable numerca. 14

15 Creazone ed ndczzazone» x=[1:10] x = » y=[0:.3:.] y = »» y(3:5) » x=lnspace(0,13,10) x = Columns 1 through Columns 8 through » pp=[1 4 5 ];» y(pp) » Crea un vettore con gl nter da 1 a dec Crea un vettore partendo dal prmo valore ed ncrementando del secondo fno a gungere al terzo. Crea un vettore d 10 element equspazat, con prmo elemento 0 e ultmo elemento 13. Indczzazone d vettor: posso selezonare solamente un sottonseme del vettore. 15

16 Operazon tra vettor Queste operazon sono una caratterstca del lnguaggo usato da matlab:» x=[ ];» y=[ ];» z=x+y z = » y=[ ];» z=x+y??? Error usng ==> + Matrx dmensons must agree. Posso sommare o sottrarre due vettor rga o colonna della stessa dmensone: matlab somma elemento per elemento. Posso calcolare espresson come sn(x), exp(x), etc: matlab applca l espressone artmetca ad ogn sngolo elemento»» z=sn(x) z =

17 Prodotto tra vettor Posso effettuare l prodotto d due vettor elemento per elemento se quest hanno la stessa dmensone: s ndca col smbolo.* Se x e y hanno la stessa lunghezza, ma sono un vettore rga ed uno colonna, posso effettuare una ordnara moltplcazone rga * colonna utlzzando l smbolo * Posso anche effettuare l prodotto esterno : n questo caso ottengo una matrce: nella pratca, basta porre prma l vettore colonna e po l vettore rga. M = j y x j» x=[ ];» y=[ ];»» x.*y » x=[ ];» y=[; 4; 6; 8; 10];» x*y 110» y*x

18 Altre operazon» x=[ ];» length(x) 7» [m ]=max(x) m = 13 = 6» [m ]=mn(x) m = -10 = 7» pt=fnd(x<0) pt = 3 7» La funzone length rtorna la lunghezza del vettore. Le funzon max e mn resttuscono l valore massmo e mnmo e l ndce a cu quest valor corrspondono. La funzone fnd(condzone) resttusce un vettore contenente gl ndc per cu la condzone è verfcata. 18

19 Statstca» x=[ ];» mean(x) » std(x) » sum(x) 11» prod(x) 0» medan(x) 1» Le funzon mean, std, cov, medan calcolano la meda, la devazone standard, la varanza e la medana de dat contenut n x. Le funzon sum(x) e prod(x) calcolano la somma e l prodotto degl element. Ad esempo: sqrt(sum(x.^)) calcola l modulo del vettore x prod([1:n]) calcola l fattorale d n. 19

20 Plot» t=[0:.001:1];»» x=sn(5*t**p);» plot(t,x)» Quest comand creano un vettore t tra 0 ed 1 secondo, a pass d 1 ms, po un vettore contenente una snusode d frequenza 5 Hz, ed nfne creano un grafco con t n ordnata e x n ascssa. 0

21 Altr esemp. Plot(t,x,. ) stampa una sere d punt plot(t,x, r ) stampa una lnea rossa (g, verde, m magenta, y yellow, k nero, etc ) plot(t,x,,t,y, r ) stampa due grafc nella stessa fgura, x e y n funzone d t. plot3(x,y,z) grafco trdmensonale d x,y,z semlogx(t,x) Usa una scala logartmca nelle ascsse semlogy(t,x) Usa una scala logartmca nelle ordnate loglog(t,x) Usa una scala b-logartmca 1

22 Matrc Un vettore con due ndc costtusce una matrce ad esempo:» m=[1 3 4; ; ] m = Crea una matrce 3 x 4»» m(,3) 9» m' L elemento, 3 della matrce (seconda rga, terza colonna) L operatore apce permette d trasporre una matrce. I vettor rga non sono altro che matrc con la prma dmensone uguale ad uno, e cos vettor colonna sono matrc con la seconda dmensone uguale ad 1. Le matrc d uguale dmensone s possono sommare, sottrarre, moltplcare per un numero o sommare ad un numero con le stesse regole de vettor.

23 Indczzazone» m=[1 3 4; ; ] m = » m(,:) » m(:,) 5 8» [ j]=fnd(m>10) = 3 3 j = 3 4 4» Il prmo ndce ndca la rga, l secondo la colonna. S può estrarre una sngola rga o una sngola colonna utlzzando due punt : La funzone fnd resttusce due vettor d ndc, uno per le rghe e l altro per le colonne. 3

24 Operazon con matrc» a=[1 3 ; 3 4] a = » b = [1 ; 3 4 ; 5 6 ] b = » a*b » b*a Posso moltplcare una matrce (m x n) con una (n x l) Il rsultato sarà una matrce (m x l) Posso moltplcare una matrce (m x n) per un vettore colonna d lunghezza n: l rsultato sara un vettore colonna d lunghezza m Posso moltplcare un vettore rga d lunghezza n per una matrce d dmenson (n X m): l rsultato sarà un vettore rga d lunghezza m. L operatore.* (punto seguto da astersco) permette d effettuare la moltplcazone elemento per elemento d matrc d ugual dmenson. Allo stesso modo funzonano./ e.^ M^ ndca nvece l quadrato d una matrce effettuato moltplcando rga per colonna. 4

25 Operazon su matrc» a=[1 3; 1 4 9; 1 8 7] a = » rank(a) 3» det(a) 1 Data una matrce a, rank(a) da l rango della matrce, ne lmt delle approssmazon numerche Per matrc quadrate: det(a) da l determnante. trace(a) da la tracca nv(a) da l nverso» nv(a)

26 Metod Montecarlo I metod Montecarlo permettono d rsolvere problem medante l uso d numer casual, o meglo pseudocasual. Una sequenza d numer pseudo casual è una sequenza generata da un processo del tpo: x n = f n ( x ) 1 Nonostante la sequenza sa determnstca e perodca, numer che compongono la sequenza appaono totalmente scorrelat tra d loro, e rsultano ndstngubl anche medante test raffnat da una autentca sequenza d numer casual. La funzone f è n realtà un algortmo complcato e fortemente non lneare. La maggor parte de generator d numer pseudocasual permette d estrarre numer compres tra 0 ed 1 con dstrbuzone unforme. Tramte semplc algortm è possble ottenere una sequenza d numer pseudocasual con dstrbuzone d probabltà qualsas. Eserczo: Dmostrare che se x è dstrbuta n modo unforme tra 0 e 1, y=x sarà dstrbuta secondo la funzone 1/y 1/ 6

27 Generator d Matlab» x=rand([1 7]) x = La funzone rand(v) genera una matrce d numer casual d dmenson v(1), v() dstrbut unformemente tra 0 e 1.» x=randn([1 7]) x = » y=3+.*x y = » La funzone randn genera numer dstrbut secondo una gaussana d meda zero e larghezza 1 (dstrbuzone normale). Per ottenere numer dstrbut n modo normale con meda e larghezza qualunque, basta moltplcare per la larghezza desderata ed aggungere la meda. Nell esempo, y è dstrbuta con larghezza e meda 3. 7

28 Prmo Eserczo L eserczo consste nella realzzazone e nel test d un programma per effettuare l ft del mnmo ch-quadro. La funzone crea_dat e un semplce programma d tpo Montecarlo, che crea una sere d dat legat da una relazone lneare cu vene aggunto un errore d msura smulato la cu enttà relatva può essere scelta a pacere. Il fle ft_retta contene un programma che permette l ft de dat con l metodo del mnmo chquadro. Il programma dsplay_results permette d vsualzzare l plot de dat ed l rsultato del ft. 8

29 Il programma Montecarlo Nel caso proposto l programma crea_dat crea un vettore x d N element equspazat tra xmn ed xmax, calcola la nuova quantta y come y=ax+b, e po aggunge alla quantta y un errore d msura casuale. L errore d msura vene supposto dstrbuto secondo una gaussana d larghezza relatva err del valore y calcolato n precedenza. In uscta s ottengono oltre a vettor x e y l vettore contenente la larghezza della gaussana: [x y s]= crea_dat(xmn,xmax,n,a,b,err); S puo verfcare mmedatamente l rsultato effettuando un plot. Ad esempo: [x y s]=crea_dat(0,1,1000,7,3,0.10); plot(x,y,. ); 9

30 Lstato della funzone crea_dat functon [x,y,dy] = crea_dat(xmn,xmax,ndat,a,b,relerror); % Questa functon crea 3 vettor: % le ascsse d Ndat dat, equdstrbut tra xmn e xmax % le ordnate dstrbute normal lungo la retta a*x+b, con un errore relatvo RelError % gl error d msura. % % creo le ascsse x = lnspace(xmn,xmax,ndat); % creo un vettore della stessa dm. d x dstrbut normal r = randn(sze(x)); % calcolo l vettore delle ordnate corrspondent alla retta y = a*x + b; % calcolo l'errore su ogn msura dy = RelError*y; % aggungo alla y nomnale l'errore d msura (nota che quest'ultmo ha meda zero e sgma = dy) y = y + r.*dy; return 30

31 Lstato del programma d ft functon [a, b, deltaa, deltab, ch, ndof, probch] = ft_retta_mn_ch(x, y, dy); % effettua l ft d una retta col metodo del mnmo ch. % se non vene fornto l vettore d error dy, vene creato con valor = 1(--> mn quadrat) % y = ax + b % Calcola: % 1) a e b con relatv error % ) l ch, grad d lberta' e la prob. del ch % % Inzalzzo a=0; b=0; deltaa=-1; deltab=-1; ch=-1; ndof=-1; probch=-1; % f ((nargn~=)&(nargn~=3)) contnua dsp('errore ne parametr d nput') return elsef nargn== dsp('impongo sgma y = 1'); dy = ones(sze(y)); end 31

32 % controllamo che x, y e sgmay abbano la stessa lunghezza f ((length(x)~=length(y)) (length(x)~=length(dy))) return end f (length(x)<=) dsp('errore servono almeno 3 punt') return end % % Calcolo var coeff. % c11 a + c1 b = c13 % c1 a + c b = c3 % s=dy.*dy; % c11 = sum(x.*x./s); c1 = sum(x./s); c1 = c1; c = sum(1./s); % Termne noto c13 = sum(x.*y./s); c3 = sum(y./s); % crea la matrce M=[c11 c1 ; c1 c]; % controlla l rango d M Delta=det(M); f (Delta==0) dsp('determnante nullo'); return end Ma = [c13 c1; c3 c]; Mb = [c11 c13; c1 c3]; % Rsolvo l sstema lneare a=det(ma)/delta; b=det(mb)/delta; % calcolo gl error deltaa=sqrt(c/delta); deltab=sqrt(c11/delta); % resduo =(y-a*x-b); pull = resduo./dy; ch = sum(pull.*pull); ndof = length(y)-; chnorm = pull/ndof; probch = 1-chcdf(ch,ndof); return 3

33 Lstato funzon dsplay_results (e plot_lne) functon dsplay_results(x,y,dy,a,b,da,db,probch); % questa functon plotta punt e sovrappone la retta fttata e scrve sul termnale parametr % del ft, compresa la prob del ch errorbar(x,y,dy, b. ); plot_lne(a,b,x,y); % dsp('pendenza retta:'); a da dsp('termne noto:'); b db dsp('prob. del ch:'); probch return functon plot_lne(a,b,x,y); % rporta nel grafco corrente la retta d pendenza a e coeff. noto b nponts = length(x); ylne=[a*x(1)+b a*x(nponts)+b]; xlne=[x(1) x(nponts)]; lne(xlne,ylne); return Prova ad esegure (eserczo_1) che contene: [x,y,dy] = crea_dat(1,10,50,1,1,0.1); [a, b, deltaa, deltab, ch, ndof, probch]=ft_retta_mn_ch(x,y,dy); dsplay_results(x,y,dy,a,b,deltaa,deltab,probch); (Il codce e dsponble nella drectory ) 33

34 34 Formule per l mnmo χ ( ) = = N b ax y 1 χ = = = = = = = + = + N N N N N N y b x a y x x b x a MA = V = = = 1 y y x V x x x M b a A La funzone da mnmzzare e Dervando s ottene: In forma matrcale: V M A 1 = Con soluzone formale:

35 35 Soluzon = 1 a y x y x M = b y x y x x M M M M a a a = = 1 M x M M b b b = =

36 Secondo eserczo (da fare) S consder un esempo semplce: un cannone con alzo θ che spara proettl con veloctà v 0 ha una gttata data dalla formula: v0 sn(θ ) d = Supponamo che la veloctà del proettle sa n realtà dstrbuta con larghezza nota ntorno al valore v0, e che anche l alzo sa ndetermnato d un certo valore: n questo caso l punto d mpatto rsulterà pure ndetermnato ntorno alla poszone teorca. Il calcolo dell ndetermnatezza è facle nel caso d angol dvers da 45 grad: per quel valore nfatt la gttata ha un massmo e bsogna rcorrere ad approssmazon al II ordne. Per calcolare la dstrbuzone del punto d mpatto s può allora provare ad utlzzare l metodo Montecarlo. C porremo l problema d ruscre a calcolare l punto d mpatto medo d un proettle sparato da un cannone con alzo par a 45 ± 5 grad con veloctà v=0 ±0. m/s, e la percentuale d colp che cadono entro un metro dal punto d mpatto medo. g 36

37 Procedura da mplementare 1) s genera un vettore contente un nseme pseudocasuale d angol dstrbut secondo una gaussana d meda 45 e larghezza 5, da convertre successvamente n radant ) S genera un vettore contenent veloctà casual con meda 0 e larghezza 0. 3) s calcola l vettore delle gttate corrspondent a cascun lanco 4) s calcola la meda e la devazone standard delle gttate e la s confronta col valore teorco 5) s esamna la dstrbuzone delle gttate tramte l comando hst(x,n) che genera a partre dal vettore x un stogramma con n canal 6) s determna, tramte l comando fnd, l numero d proettl che cadono entro un metro dal punto d mpatto teorco. 37

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

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

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

Perché calcolo interattivo?

Perché calcolo interattivo? Perché calcolo nterattvo? Ne programm d calcolo nterattvo le operazon da esegure possono venre mmesse drettamente da tastera ed esegute stantaneamente. Rspetto a programm prodott con lnguaggo complato

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

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

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

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

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

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

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

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

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

* * * 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

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

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

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

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

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

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

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9

Dettagli

Laboratorio di Matematica e Informatica 1

Laboratorio di Matematica e Informatica 1 Laboratoro d Matematca e Informatca 1 Matteo Mondn Antono E. Porreca matteo.mondn@gmal.com porreca@dsco.unmb.t Dpartmento d Informatca, Sstemstca e Comuncazone Unverstà degl Stud d Mlano - Bcocca 10 Gennao

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

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

Soluzione esercizio Mountbatten

Soluzione esercizio Mountbatten Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno

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

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

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

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

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

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

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

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

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

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

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

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

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm

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

Circuiti di ingresso differenziali

Circuiti di ingresso differenziali rcut d ngresso dfferenzal - rcut d ngresso dfferenzal - Il rfermento per potenzal Gl stad sngle-ended e dfferenzal I segnal elettrc prodott da trasduttor, oppure preleat da un crcuto o da un apparato elettrco,

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

Manuale di istruzioni Manual de Instruções Millimar C1208 /C 1216

Manuale di istruzioni Manual de Instruções Millimar C1208 /C 1216 Manuale d struzon Manual de Instruções Mllmar C1208 /C 1216 Mahr GmbH Carl-Mahr-Str. 1 D-37073 Göttngen Telefon +49 551 7073-0 Fax +49 551 Cod. ord. Ultmo aggornamento Versone 3757474 15.02.2007 Valda

Dettagli

Introduzione alla Programmazione e Applicazioni per la Finanza M2 (Prodotti Derivati) Lezione 12

Introduzione alla Programmazione e Applicazioni per la Finanza M2 (Prodotti Derivati) Lezione 12 Introduzone alla Programmazone e Applcazon per la Fnanza M2 (Prodott Dervat) Lezone 12 Anno accademco 2006-07 Ttolare corso: Prof. Costanza Torrcell Docente: Dott.ssa Maranna Brunett In partcolare mplementeremo:

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

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

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli

Introduzione a MATLAB

Introduzione a MATLAB Unverstà degl Stud d Napol Federco II CdL Ing. lettrca Corso d Laboratoro d Crcut lettrc Introduzone a MATLAB Lezone n.5 Dr. Carlo Petrarca Dpartmento d Ingegnera lettrca e Tecnologe dell Informazone Unverstà

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

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

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

Lezione 2 a - Statistica descrittiva per variabili quantitative

Lezione 2 a - Statistica descrittiva per variabili quantitative Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 1 =103 2 2 =97 3 3 =90 4 4 =119

Dettagli

Verifica termoigrometrica delle pareti

Verifica termoigrometrica delle pareti Unverstà Medterranea d Reggo Calabra Facoltà d Archtettura Corso d Tecnca del Controllo Ambentale A.A. 2009-200 Verfca termogrometrca delle paret Prof. Marna Mstretta ANALISI IGROTERMICA DEGLI ELEMENTI

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

POLITECNICO DI BARI - DICATECh Corso di Laurea in Ingegneria Ambientale e del Territorio IDRAULICA AMBIENTALE - A.A. 2015/2016 ESONERO 15/01/2016

POLITECNICO DI BARI - DICATECh Corso di Laurea in Ingegneria Ambientale e del Territorio IDRAULICA AMBIENTALE - A.A. 2015/2016 ESONERO 15/01/2016 POLITECNICO DI BARI - DICATECh Corso d Laurea n Ingegnera Ambentale e del Terrtoro IDRAULICA AMBIENTALE - A.A. 015/016 ESONERO 15/01/016 ESERCIZIO 1 S consder la rete aperta n fgura, nella quale le portate

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

Strutture deformabili torsionalmente: analisi in FaTA-E

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

Dettagli

Condensatori e resistenze

Condensatori e resistenze Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere

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

Esame di Statistica Corso di Laurea in Economia

Esame di Statistica Corso di Laurea in Economia Esame d Statstca Corso d Laurea n Economa 9 Gennao 0 Cognome Nome atr. Teora S dmostr la propretà d lneartà della meda artmetca. Eserczo Una casa edtrce è nteressata a valutare se tra lettor d lbr esste

Dettagli

Capitolo 3. Cap. 3-1

Capitolo 3. Cap. 3-1 Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare

Dettagli

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ANALISI STATISTICA DELLE INCERTEZZE CASUALI AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte

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

Prova di verifica n.0 Elettronica I (26/2/2015)

Prova di verifica n.0 Elettronica I (26/2/2015) Proa d erfca n.0 lettronca I (26/2/2015) OUT he hfe + L OUT - Fgura 1 Con rfermento alla rete elettrca d Fg.1, determnare: OUT / OUT / la resstenza sta dal generatore ( V ) la resstenza sta dall uscta

Dettagli

Università degli Studi di Roma Tor Vergata Facoltà di Ingegneria Corso di Laurea in Ingegneria Medica. Algoritmi

Università degli Studi di Roma Tor Vergata Facoltà di Ingegneria Corso di Laurea in Ingegneria Medica. Algoritmi Unverstà degl Stud d Roma Tor Vergata Facoltà d Ingegnera Corso d Laurea n Ingegnera Medca Algortm Rev.2.2 of 2016-04-20 Elaborazone dat Problem che s presentano spesso sono 1. rcorsvo (es. successone

Dettagli

Misure di dispersione. Introduzione. Statistica descrittiva. Distribuzioni di probabilità e funzioni di ripartizione. Indici di posizione

Misure di dispersione. Introduzione. Statistica descrittiva. Distribuzioni di probabilità e funzioni di ripartizione. Indici di posizione UNIVERSITA DEL SALENTO CORSO DI LAUREA IN FISICA (a.a. 007/008) Corso d Laboratoro II (Prof. Antono D INNOCENZO) ESERCITAZIONE DI STATISTICA * Lo scopo d questa eserctazone è quello d comncare ad utlzzare

Dettagli

Metodi ad un passo espliciti con passo adattivo Metodi Runge - Kutta

Metodi ad un passo espliciti con passo adattivo Metodi Runge - Kutta Metod ad un passo esplct con passo adattvo Metod Runge - Kutta Scrvere un programma che approssm l problema d Cauchy: u (t) = f(t, u), t 0 t T, u R d, u(t 0 ) = v per un sstema d equazon dfferenzal ordnare

Dettagli

TEST D INGRESSO MATEMATICA 24/05/2011

TEST D INGRESSO MATEMATICA 24/05/2011 TEST D INGRESSO MATEMATICA // COGNOME NOME ISTITUTO COMPRENSIVO/SCUOLA MEDIA CITTA Legg attentamente. ISTRUZIONI PER LA COMPILAZIONE DEL QUESTIONARIO Inza a lavorare solo quando te lo drà l nsegnante e

Dettagli

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli Realzzazone d FSM sncrone M. Favall Engneerng Department n Ferrara Realzzazone d FSM Anals e sntes de sstem dgtal / Introduzone Realzzazone d FSM Anals e sntes de sstem dgtal 2 / Una volta ottenuto l automa

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 205-6, lez.8) Matematca Computazonale, Ottmzzazone,

Dettagli

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 22 settembre Attenzione:

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 22 settembre Attenzione: Cognome.. Nome.... Archtettura degl Elaborator Classe 3 Prof.ssa Anselmo Appello del 22 settembre 2017 Attenzone: Inserre propr dat nell apposto spazo sottostante e n testa a questa pagna. Preparare un

Dettagli

Predimensionamento reti chiuse

Predimensionamento reti chiuse Predmensonamento ret chuse Rspetto ad una rete aperta, ogn magla aggunge un grado d lbertà (una nfntà d soluzon) nella determnazone delle portate Q,Q 1, e Q 2, utlzzando le sole equazon d contnutà. La

Dettagli

Predimensionamento reti chiuse

Predimensionamento reti chiuse Predmensonamento ret chuse Rspetto ad una rete aperta, ogn magla aggunge un grado d lbertà (una nfntà d soluzon) nella determnazone delle portate Q,Q 1, e Q 2, utlzzando le sole equazon d contnutà. a dfferenza

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

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

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

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

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

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

Algoritmi basati sulla tecnica Divide et Impera

Algoritmi basati sulla tecnica Divide et Impera Qucksort Algortm basat sulla tecnca Dvde et Impera In questo corso: Rcerca bnara Mergesort (ordnamento) Qucksort (ordnamento) Moltplcazone d nter Moltplcazone d matrc (non n programma) NOTA: nonostante

Dettagli

Progetto Lauree Scientifiche. La corrente elettrica

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

Dettagli

Algoritmi di Ordinamento. Fondamenti di Informatica Prof. Ing. Salvatore Cavalieri

Algoritmi di Ordinamento. Fondamenti di Informatica Prof. Ing. Salvatore Cavalieri Algortm d Ordnamento Fondament d Informatca Prof. Ing. Salvatore Cavaler 1 Introduzone Ordnare una sequenza d nformazon sgnfca effettuare una permutazone n modo da rspettare una relazone d ordne tra gl

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

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese Sstem Intellgent Relazone tra ottmzzazone e statstca - IV Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@dunmt Anals dell

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

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

Lezione 2 a - Statistica descrittiva per variabili quantitative

Lezione 2 a - Statistica descrittiva per variabili quantitative Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90

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

Esame del corso di Tecniche Avanzate per il Trattamento delle Immagini

Esame del corso di Tecniche Avanzate per il Trattamento delle Immagini Esame del corso d Tecnche Avanzate per l Trattamento delle Immagn Data: 18 Settembre 2007 1 Es.1 [pt. 5]: Nella fgura (10x10 pxel) rportata a fanco l rettangolo banco è d dmenson 6x4 pxel. Indcando con

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

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

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2011-2012 lezione 22: 30 maggio 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2011-2012 lezione 22: 30 maggio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 22: 30 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/27? Eserczo Dmostrare che l equazone della frontera

Dettagli

Cenni di matematica finanziaria Unità 61

Cenni di matematica finanziaria Unità 61 Prerequst: - Rsolvere equazon algebrche d 1 grado ed equazon esponenzal Questa untà è rvolta al 2 benno del seguente ndrzzo dell Isttuto Tecnco, settore Tecnologco: Agrara, Agroalmentare e Agrondustra.

Dettagli

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 17 Luglio Attenzione:

Architettura degli Elaboratori. Classe 3 Prof.ssa Anselmo. Appello del 17 Luglio Attenzione: Cognome... Nome.. Archtettura degl Elaborator Classe 3 Prof.ssa Anselmo Appello del 17 Luglo 2014 Attenzone: Inserre propr dat nell apposto spazo sottostante e n testa a questa pagna. Preparare un documento

Dettagli

Fondamenti di Informatica Ingegneria Meccanica, Elettrica, Gestionale Prova scritta del 27 Aprile 2004

Fondamenti di Informatica Ingegneria Meccanica, Elettrica, Gestionale Prova scritta del 27 Aprile 2004 B Fondament d Informatca Ingegnera Meccanca, Elettrca, Gestonale Prova scrtta del 7 Aprle 4 NOME MATRICOLA Eserczo 1 Dato l seguente programma n lnguaggo C: #nclude #nclude vod man (vod)

Dettagli

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà

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

Università di Verona Prof. S. De Marchi Verona, 30 gennaio 2007

Università di Verona Prof. S. De Marchi Verona, 30 gennaio 2007 LABORATORIO DI CALCOLO NUMERICO Autovalor d matrc: II Unverstà d Verona Prof. S. De March Verona, 30 gennao 2007 Data una matrce quadrata A n n, a coeffcent real, cu autovalor possono essere ordnat come

Dettagli