RICONOSCIMENTO DI FORME. Metodi non supervisionati e clustering Capitolo 7

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "RICONOSCIMENTO DI FORME. Metodi non supervisionati e clustering Capitolo 7"

Transcript

1 RICONOCIMENTO I FORME Metod non supervsonat e lusterng Captolo 7

2 EERCIZIO Ottenere una lusterzzazone on = da dat n tabella. X=( ) X=( 0) X3=(0 ) X4=(5 0) X5=(4 ) X6=(3 ) ) Applare a pattern n tabella l etodo delle -ede on =, partendo da entr nzal C= (0,0) ; C= (,) ) Applare l algorto ngle Lnkage Clusterng seglendo una opportuna sura d slartà. Confrontare rsultat

3 Metodo delle -ede begn ntalze n,,,,..., do lassfa gl n pattern n aordo on la pù vna ralola untl non aba return,,..., end Iterazone C= [0,0]'; C= [,]'; stanze tra pattern e entrod C C Cluster: C={,3}; C={,4,5,6} Nuov entrod: C= [0.5, 0.5]'; C= [3.5, ]'; Iterazone C= [0.5, 0.5]'; C= [3.5, ]'; stanze C C Cluster: C={,,3}; C={4,5,6} Nuov entrod: C= [ ]'; C= [4 ]';

4 Iterazone 3 C= [ ]'; C= [4 ]'; stanze C C Cluster: C={,,3}; C={4,5,6} Nuov entrod: C= [ ]'; C= [4 ]'; ono arrvato alla onvergenza; la lusterzzazone fnale è {,, 3} ; {4, 5, 6} Algorto ngle Lnkage Clusterng. Fssare l nuero d luster da trovare ed una sura d slartà (a,b) fra due pattern. Per sepltà possao porre (,)=/d Inzalzzare l algorto assuendo he ogn pattern d Z sa un luster. Identfare due luster pù sl e fonderl n un nuovo luster. Per sepltà possao defnre la slartà fra due luster oe la slartà tra barentr 3. Rpetere l passo fno a he non sono stat trovat luster

5 TEP dstanza C{X} C{X} C3{X3} C4{X4} C5{X5} C6{X6} C{X} C{X} C3{X3} C4{X4} C5{X5} C6{X6} sltudne C{X} C{X} C3{X3} C4{X4} C5{X5} C6{X6} C {X} C {X} C3{X3} C4{X4} C5{X5} C6{X6} TEP Nuovo luster C{X,X} ; = ( /) dstanza C{X, } C{X3} C4{X4} C5{X5} C6{X6} C{X,X} C3{ X3} C4{X4} C5{X5} C6{X6} ltudne C{X} C{X,X3} C4{X4} C5{X5} C6{X6} C{X} C{X,X3} C4{X4} C5{X5} C6{X6}

6 TEP 3 Nuovo luster C{X,X,X3} ; = (/3 /3) dstanza C{X,X,X3} C4{X4} C5{X5} C6{X6} C{X,X,X3} C4{X4} C5{X5} C6{X6} ltudne C{X,X,X3} C4{X4} C5{X5} C6{X6} C{X,X,X3} C4{X4} C5{X5} C6{X6} TEP 4 Nuovo luster C4{X4,X5 } ; =(/3,/3); 4= (9/ /) ; 6=(3 ) dstanza C{X,X,X3} C4{X4,X5 } C6{X6} C{X,X,X3} C4{X4,X5 } C6{X6} ltudne C{X,X,X3} C4{X4,X5 } C6{X6} C{X,X,X3} C4{X4,X5 } 0.47 C6{X6} Clusterzzazone fnale: {,,3 },{,4,5,6} (n gallo sono ndate va va le sltudn asse he deternano luster da unre. In aso d par valore, s segle rando)

7 EERCIZIO Applare a pattern n tabella l etodo dell ottzzazone teratva degl error quadrat per ottenere una lusterzzazone on =3, partendo dalla rpartzone ndata X X X3 X4 X5 X6 X7 X8 X Cluster : 9 Cluster : Cluster 3: Nota: l algorto prevede he ad ogn terazone venga selezonato asualente un pattern. Nel seguente eserzo, per sepltà, s selezoneranno pattern seondo l ordne d sequenza,, 9. Bas Iteratve Mnu - quare - Error Clusterng begn 9end do f n f untl ntalze selezone k J arg n e n,,,..., rando d un pattern then alola n n n n ( lassfo then trasfers n ralola non aba n n terazon se se ) J,, e k k

8 I olor rappresentano l assegnazone nzale (errata) de pattern a luster. vede he per es. l luster rosso vede suo pattern (ndat dalle free) dstrbut su due dvers luster natural) arat n Calolo le ede =( ) =( ) 3 =( ) ro _ destnazone n n ; ro _ sorgente pattern luster sorgente ro luster sorgente ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern NOTA: è superfluo alolare l valore ro per tutt possbl luster destnazone, oe fatto qu per opletezza. È suffente alolarlo per l luster pù vno, oe spefato al punto 3 dell algorto n n

9 pattern luster sorgente ro luster sorgente ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern pattern 3 luster sorgente ro luster sorgente ro luster destnazone ro sorgente > ro destnazone-> sposto l pattern verso l luster luster {} = 3 9 {} = 4 5 {3} = ede =( ) =( ) pattern 4 luster sorgente ro luster sorgente ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern pattern 5 luster sorgente ro luster sorgente ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern

10 pattern 6 luster sorgente 3 ro luster sorgente ro luster destnazone ro sorgente > ro destnazone-> sposto l pattern verso l luster luster {} = 3 9 {} = {3} = 7 8 ede =( ) 3 =( ) pattern 7 luster sorgente 3 ro luster sorgente.65 ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern pattern 8 luster sorgente 3 ro luster sorgente.65 ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern

11 pattern 9 luster sorgente ro luster sorgente ro luster destnazone ro sorgente > ro destnazone-> sposto l pattern verso l luster 3 luster {} = 3 {} = {3} = ede =( ) 3 =( )

12 pattern luster sorgente ro luster sorgente ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern pattern luster sorgente ro luster sorgente ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern pattern 3 luster sorgente ro luster sorgente ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern pattern 4 luster sorgente ro luster sorgente.047 ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern pattern 5 luster sorgente ro luster sorgente ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern pattern 6 luster sorgente ro luster sorgente ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern pattern 7 luster sorgente 3 ro luster sorgente ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern pattern 8

13 luster sorgente 3 ro luster sorgente ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern pattern 9 luster sorgente 3 ro luster sorgente.7083 ro luster destnazone ro sorgente <= ro destnazone-> NON sposto l pattern

14 EERCIZIO 3 Cluster Cluster X=( ) X4=(5 0) X=( 0) X5=(4 ) X3=(0 ) X6=(3 ) at pattern n tabella, dre se la dvsone n luster rspeha le lass natural seondo le funzon rtero J e e J d rspetto al aso n u l pattern (3 ) è assegnato al luster J e det W / 3 ; / 3 4 J e = =4/3+4=6/

15 J d det W t t ; t W J det d W 5/ Ora sposto l pattern e ralalo gl nd Cluster Cluster X=( ) X4=(5 0) X=( 0) X5=(4 ) X3=(0 ) X6=(3 ) J e.5 ; J e = = =.065 (era 5.333)

16 J d det W t t t J det (era.6667) d W Clusterzzazone Clusterzzazone Je=5.33 Jd=.66 Je=.06 Jd=0.87 Le funzon rtero ostrano rsultat dsordant. I rsultat d Je ndano he la seonda dvsone è la glore; Jd nda he la pra dvsone è la glore

Esercizi sui gas perfetti

Esercizi sui gas perfetti Eserz su gas perett Eserzo In un repente d esertata dal gas è d delle oleole d elo. 0 d sono ontenute ol d He. La pressone 5.5 Trasorao l volue n untà SI: 0d 0 Pa. Deternare la velotà quadrata eda Ravao

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

Analisi dell interazione terreno struttura: il Modulo geotecnico Capitolo 23 Analisi dell interazione terreno struttura: il Modulo geotecnico

Analisi dell interazione terreno struttura: il Modulo geotecnico Capitolo 23 Analisi dell interazione terreno struttura: il Modulo geotecnico Captolo 3 Anals dell nterazone terreno struttura: l Modulo geoteno Questo aptolo presenta una panorama de omand e delle proedure per la defnzone delle propretà e la verfa del terreno d fondazone della

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

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

Clustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = =

Clustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = = Clusterng Clusterng Raggruare le stanze d un domno n gru tal che gl oggett nello stesso gruo mostrno un alto grado d smlartà e gl oggett n gru dvers un alto grado d dssmlartà Leggere la sezone 6.6 d Wtten

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

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

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

ESEMPIO DI AMPLIFICATORE A BJT AD EMETTITORE COMUNE CON RESISTENZA DI EMETTITORE

ESEMPIO DI AMPLIFICATORE A BJT AD EMETTITORE COMUNE CON RESISTENZA DI EMETTITORE SMPIO DI AMPIFIATO A JT AD MTTITO OMUN ON SISTNZA DI MTTITO (Dat uual all sepo d par.8.2, F.8. del testo..spener & M.M.Ghaus: Introduton to letron rut Desn) alolare l punto d laoro del JT Q d F., le aplfazon

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

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

DATA MINING E CLUSTERING

DATA MINING E CLUSTERING Captolo 4 DATA MINING E CLUSTERING 4. Che cos'è l Data Mnng Per Data Mnng s'ntende quel processo d estrazone d conoscenza da banche dat, tramte l'applcazone d algortm che ndvduano le assocazon non mmedatamente

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

Rilevati sui terreni molli

Rilevati sui terreni molli Rlevat ferrovar, rlevat stradal, argn, serbato ndustral Sono tpologe ostruttve he trasmettono al terreno arh rlevant (100-200 kpa) su ampe aree. E neessaro verfare ogn fase della ostruzone, nel breve e

Dettagli

(TRECASTELLI) Provincia di Ancona

(TRECASTELLI) Provincia di Ancona Comune d CASTEL COLONNA Comune d MONTERADO Comune d RPE (TRECASTELL) Provnca d Ancona AWSO Con Legge della Regone Marche del 22 luglo 2013, n. 18, a decorrere dal 01 gennao 2014, e sttuto nella Provnca

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

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

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

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

Corso di laurea in Economia marittima e dei trasporti

Corso di laurea in Economia marittima e dei trasporti Unverstà degl stud d Genova Corso d laurea n Economa marttma e de trasport Il problema del cammno mnmo n ret multobettvo Relatrce: Anna Scomachen Canddato: Slvo Vlla Dedcato a: Coloro che n me Hanno sempre

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

Modelli di Schedulazione

Modelli di Schedulazione EW Modell d Schedulazoe Idce Maccha Sgola Tepo d Copletaeto Totale Tepo d Copletaeto Totale Pesato Tepo d Rtardo Totale Maespa co set-up dpedete dalla sequeza Tepo d Copletaeto Totale co vcolo d precedeza

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

UNIONI BULLONATE e SALDATE

UNIONI BULLONATE e SALDATE UNIONI BULLONATE e SALDATE VERIFICA AGLI STATI LIMITE D.M. 14/01/2008 NORME TECNICHE PER LE COSTRUZIONI Appunt d Maro Zafonte 1 1. GENERALITA... 3 2. IL MATERIALE... 3 3. GEOMETRIA DEL BULLONE... 4 4.

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

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

www.ipospadia.it Dott:Giacinto Marrocco

www.ipospadia.it Dott:Giacinto Marrocco www.ipospadia.it Dott:Giacinto Marrocco Le Malformazioni dei Genitali nell'infanzia Un sito dedicato ai pediatri ed ai genitori di bambini con patologie acquisite o congenite degli organi genitali EPISPADIA

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

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

1atm = 760 torr (o anche mmhg) = 101325 Pa = 1.01325 bar

1atm = 760 torr (o anche mmhg) = 101325 Pa = 1.01325 bar ressone: tendenza del gas ad espanders densonalente è Forza superce ewton L'untà d sura usata n pratca è l'atosera (at) a (ascal) at 760 torr (o anche Hg) 05 a.05 bar olue: sura d una porzone d spazo densonalente

Dettagli

. C E 1 B H =JEL + 61 + 44 61 + 7* 5 +1 2418)61 + 6 5 +1 ; 7 / + 6 5 +1.) 1 ; + 6 5 +1 /, + JE? HHA JE = F=??DAJJ HEIAHL=JE =E? IK =J HE 1. 4 ) 1 1 57 ) *) +) +0 + 5) 1 + 6 + 44 6 1 5481 1 + /)61 ) + 6

Dettagli

5.4 I TURBOCOMPRESSORI (di gas)

5.4 I TURBOCOMPRESSORI (di gas) 5.4 I TURBOCOMPRESSORI (d gas) 5.4.. INTRODUZIONE I turboopressor sono ahne terhe operatr, per le qual l lavoro nterno è dato dalla seguente espressone: u u, u u dove ped e, al solto, ndano le ondzon d

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

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm.

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm. Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo d.amodo@unvpm.t Ing. Ganluca Chappn g.chappn@unvpm.t http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano

Dettagli

Sensori Segnali Rumore - Prof. S. Cova - appello 22/06/2011 P1-1

Sensori Segnali Rumore - Prof. S. Cova - appello 22/06/2011 P1-1 ensor egnal Rumore - ro.. Cova - appello /06/011 1-1 ROBLEM 1 Quadro de dat egnale otto: rettangolare a durata T 00 µs; otenza ; lunghezza d onda λ 1 800 nm oppure λ 60 nm. p--n otododo n lo: oeente d

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

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

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

10.2 Come stimare l amaro di una birra: le unita IBU 1

10.2 Come stimare l amaro di una birra: le unita IBU 1 10.2 Come stmare l amaro d una brra: le unta IBU 1 Il prncpale contrbuto al sapore amaro della brra provene dagl alfa-acd (abbrevato n AA) del luppolo che durante l processo d bolltura vengono trasformat

Dettagli

Considerate gli insiemi A = {1,2,3,4} e B = {a,b,c}; quante sono le applicazioni (le funzioni) di A in B?

Considerate gli insiemi A = {1,2,3,4} e B = {a,b,c}; quante sono le applicazioni (le funzioni) di A in B? FUNZIONI E CALCOLO COMBINATORIO Il quesito assegnato all esame di stato 2004 (sientifio Ordinamento e PNI) suggerise un ollegamento tra funzioni ostruite tra insiemi finiti e Calolo Combinatorio QUESITO

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

Hansard OnLine. Unit Fund Centre Guida

Hansard OnLine. Unit Fund Centre Guida Hansard OnLne Unt Fund Centre Guda Sommaro Pagna Introduzone al Unt Fund Centre (UFC) 3 Uso de fltr per la selezone de fond 4-5 Lavorare con rsultat del fltro 6 Lavorare con rsultat del fltro - Prezz 7

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

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

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

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

GAS IDEALI. Dell ossigeno, supposto gas ideale con k = 1.4 cost, evolve secondo un ciclo costituito dalle seguenti trasformazioni reversibili:

GAS IDEALI. Dell ossigeno, supposto gas ideale con k = 1.4 cost, evolve secondo un ciclo costituito dalle seguenti trasformazioni reversibili: Eserzo GAS IDEALI Dell osseo, sosto as deale o.4 ost, eole seodo lo osttto dalle seet trasorazo reersl: Coressoe sotera dallo stato ( 0.9 ar; 0.88 /) allo stato 2; trasorazoe soora da 2 a ( 2.5 ar); esasoe

Dettagli

SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE

SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE GIOVANNI CRUPI, ANDREA DONATO SUMMARY. We characterze a set of

Dettagli

InfoCenter Product A PLM Application

InfoCenter Product A PLM Application genes d un fra o Gestone de crcolazone dell'nformazone sa crcoscrtta entro Pdetermnat ambt settoral. L'ntegrazone de sstem e de odpartment azendal rchede nuove modaltà operatve, nuove t competenze e nuov

Dettagli

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Facoltà d Economa Valutazone de prodott e dell mpresa d asscurazone I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Clauda Colucc Letza Monno Gordano Caporal Martna Ragg I Modell Multstato sono un

Dettagli

Mauro Vettorello. Vi veneto. come Calcolare la Rata di un Finanziamento o di un Leasing senza calcolatrice STUDIO VETTORELLO

Mauro Vettorello. Vi veneto. come Calcolare la Rata di un Finanziamento o di un Leasing senza calcolatrice STUDIO VETTORELLO Mauro Vettorello V veneto come Calcolare la Rata d un Fnanzamento o d un Leasng senza calcolatrce STUDIO VETTORELLO V veneto come Calcolare la Rata d un Fnanzamento o d un Leasng senza calcolatrce Mauro

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

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

COMUNE DI SESTU. Vigilanza SETTORE : Deiana Pierluigi. Responsabile: DETERMINAZIONE N. 04/12/2015. in data

COMUNE DI SESTU. Vigilanza SETTORE : Deiana Pierluigi. Responsabile: DETERMINAZIONE N. 04/12/2015. in data COMUNE D SESTU SETTORE : Responsable: Vglanza Deana Perlug DETERMNAZONE N. n data 1926 04/12/2015 OGGETTO: Affdamento dretto alla dtta Racca Umberto & C. s.n.c. per la forntura d 6 chav elettronche per

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

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

Dati di tipo video. Indicizzazione e ricerca video

Dati di tipo video. Indicizzazione e ricerca video Corso d Laurea n Informatca Applcata Unverstà d Urbno Dat d tpo vdeo I dat vdeo sono generalmente rcch dal punto d vsta nformatvo. Sottottol (testo) Colonna sonora (audo parlato e/o musca) Frame (mmagn

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

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

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

MACROECONOMIA A.A. 2014/2015

MACROECONOMIA A.A. 2014/2015 MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost

Dettagli

S O L U Z I O N I + 100

S O L U Z I O N I + 100 S O L U Z I O N I Nl 00 un farmaco vnva vnduto a 70 a) Nll pots ch ogn anno l przzo aumnt dl 3% rsptto all anno prcdnt quanto vrrbb a costar lo stsso farmaco nl 0? b) Supponamo ch l przzo dl farmaco nl

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

CONFORMITA DEL PROGETTO

CONFORMITA DEL PROGETTO AMGA - Azenda Multservz S.p.A. - Udne pag. 1 d 6 INDICE 1. PREMESSA...2 2. CALCOLI IDRAULICI...3 3. CONFORMITA DEL PROGETTO...6 R_Idr_Industre_1 Str.doc AMGA - Azenda Multservz S.p.A. - Udne pag. 2 d 6

Dettagli

Matteo Moda Geometria e algebra lineare Fasci. Fasci. N.B.: Questo argomento si trova sull eserciziario. Fasci di rette nel piano

Matteo Moda Geometria e algebra lineare Fasci. Fasci. N.B.: Questo argomento si trova sull eserciziario. Fasci di rette nel piano Fasci N.B.: Questo argomento si trova sull eserciziario Fasci di rette nel piano 1 Fasci di piani nello spazio 2 Matteo Moda Geometria e algebra lineare Fasci Date due rette r ed r di equazione: : 0 :

Dettagli

LE CARTE DI CONTROLLO

LE CARTE DI CONTROLLO ITIS OMAR Dpartento d Meccanca LE CARTE DI CONTROLLO Carte d Controllo Le carte d controllo rappresentano uno degl struent pù portant per l controllo statstco d qualtà. La carta d controllo è corredata

Dettagli

La tua area riservata Organizzazione Semplicità Efficienza

La tua area riservata Organizzazione Semplicità Efficienza Rev. 07/2012 La tua area rservata Organzzazone Semplctà Effcenza www.vstos.t La tua area rservata 1 MyVstos MyVstos è la pattaforma nformatca rservata a rvendtor Vstos che consente d verfcare la dsponbltà

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

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

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

Dettagli

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

VA TIR - TA - TAEG Introduzione

VA TIR - TA - TAEG Introduzione VA TIR - TA - TAEG Introduzone La presente trattazone s pone come obettvo d analzzare due prncpal crter d scelta degl nvestment e fnanzament per valutare la convenenza tra due o pù operazon fnanzare. S

Dettagli

Il rendimento globale di una macchina

Il rendimento globale di una macchina 0 Shede d Impant Naval Il rendmento globale d una mahna η g PB m& H ver 1.1 A ura d Frano Quaranta 1 Il rendmento globale d una mahna versone: 1.1 fle orgnale: Il rendmento globale d una mahna 130518 ver

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

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

CURVE & SUPERFICI. C g. Scopo: fornire una rappresentazione matematica per rappresentare 2D e 3D degli oggetti. Grafica Computerizzata

CURVE & SUPERFICI. C g. Scopo: fornire una rappresentazione matematica per rappresentare 2D e 3D degli oggetti. Grafica Computerizzata Grafca opterzzata URVE & UPERFII copo: fornre na rappresentazone ateatca per rappresentare 2D e 3D del oett Unversty of Ferrara opter slaton rop http://www.d.nfe.t/~cs Grafca opterzzata Bsona scelere na

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

Markov Random Field. Teoria e applicabilità nell elaborazione delle immagini. Giovanni Bianco. Febbraio 1998. 20 i

Markov Random Field. Teoria e applicabilità nell elaborazione delle immagini. Giovanni Bianco. Febbraio 1998. 20 i Markov Random Feld Teora e applcabltà nell elaborazone delle mmagn U ( f) = v [ 1 δ( )] 20 S N f f f * = arg mn f F { U( d f) + U( f) } Govann Banco Febbrao 1998 2 Manoscrtto depostato presso l Dp. d Ingegnera

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

La riforma della CARD: opportunità per l efficienza e la concorrenza nel ramo r.c. auto

La riforma della CARD: opportunità per l efficienza e la concorrenza nel ramo r.c. auto INSURANCE DAY 2014 XIII Edzone La rforma della CARD: opportuntà per l effenza e la onorrenza nel ramo r.. auto Intervento del Consglere dell IVASS Prof. Rardo Cesar Mlano, 3 ottobre 2014 1. Il sstema d

Dettagli

Dipartimento di Elettronica Informatica e Sistemistica Università di Bologna. Sistemi radiomobili cellulari

Dipartimento di Elettronica Informatica e Sistemistica Università di Bologna. Sistemi radiomobili cellulari Dpartmento d Elettronca Unverstà d Bologna Sstem radomobl cellular Le comuncazon radomobl Satellte Zona 4: Globale Zona 3: Suburbana Zona 2: Urbana Zona 1: In-Buldng Macro-Cell Mcro-Cell Pco-Cell Telefono

Dettagli

Valutazione delle opzioni col modello di Black e Scholes

Valutazione delle opzioni col modello di Black e Scholes Valutazone delle opzon col modello d Black e Scholes Rosa Mara Mnnn a.a. 2014-2015 1 Introduzone L applcazone del moto Brownano all economa é stata nnescata prncpalmente da due cause. Attorno agl ann 70,

Dettagli

Istruzioni di montaggio Montaggio su tetto piano e su facciata Collettore piano FKT-1 per impianti solari Junkers

Istruzioni di montaggio Montaggio su tetto piano e su facciata Collettore piano FKT-1 per impianti solari Junkers Istruzon d montaggo Montaggo su tetto pano e su faccata Collettore pano FKT- per mpant solar Junkers 63043970.0-.SD 6 70 6 595 (006/04) SD Indce Note general...............................................

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

Problemi variazionali invarianti 1

Problemi variazionali invarianti 1 Problem varazonal nvarant 1 A F. Klen per l cnquantesmo annversaro del dottorato. Emmy Noether a Gottnga. Comuncazone presentata da F. Klen nella seduta del 26 luglo 1918 2. 1 Invarante Varatonsprobleme,

Dettagli

1. Integrazione di funzioni razionali fratte

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

Dettagli

Allocazione Statica. n i

Allocazione Statica. n i Esercazon d Sse Inegra d Produzone Allocazone Saca I eod asa sull'allocazone saca scheazzano l processo d assegnazone delle rsorse alle par consderandolo da un lao ndpendene dal epo e rascurando dall'alro

Dettagli

POR FESR Sardegna 2007-2013 Asse VI Competitività BANDO PUBBLICO. Voucher Startup Incentivi per la competitività delle Startup innovative

POR FESR Sardegna 2007-2013 Asse VI Competitività BANDO PUBBLICO. Voucher Startup Incentivi per la competitività delle Startup innovative POR FESR Sardegna 2007-2013 Asse VI Compettvtà BANDO PUBBLICO Voucher Startup Incentv per la compettvtà delle Startup nnovatve ALLEGATO 3 PIANO DI UTILIZZO DEL VOUCHER STARTUP INNOVATIVE 2014 3. Pano d

Dettagli

COLLUSIONE NELLE GARE D APPALTO DEI SERVIZI PUBBLICI LOCALI: Un analisi empirica

COLLUSIONE NELLE GARE D APPALTO DEI SERVIZI PUBBLICI LOCALI: Un analisi empirica UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI SCIENZE STATISTICHE CORSO DI LAUREA IN SCIENZE STATISTICHE ECONOMICHE TESI DI LAUREA COLLUSIONE NELLE GARE D APPALTO DEI SERVIZI PUBBLICI LOCALI: Un anals emprca

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

Teoria e pratica della compressione dati senza perdita. L esempio dell algoritmo DEFLATE

Teoria e pratica della compressione dati senza perdita. L esempio dell algoritmo DEFLATE Unverstà degl Stud d Padova DIPARTIMENTO DI INGEGNERIA DELL INFORMAZIONE Corso d Laurea Trennale n Ingegnera dell Informazone Teora e pratca della compressone dat senza perdta. L esempo dell algortmo DEFLATE

Dettagli

Ottica geometrica. Capitolo. 1. Come si riflette la luce? Cosa è la luce? Come possiamo classificare le sorgenti luminose?

Ottica geometrica. Capitolo. 1. Come si riflette la luce? Cosa è la luce? Come possiamo classificare le sorgenti luminose? Captolo 8 Ottca geometrca 1. Come s rflette la luce? Cosa è la luce? Spacente: per l momento non rsponderemo a questa domanda. Invece d dre cosa la luce sa, ne analzzeremo dapprma l comportamento, utlzzando

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

The original laser distance meter. The original laser distance meter. Analist Group

The original laser distance meter. The original laser distance meter. Analist Group Leca Leca DISTO DISTO TM TM D510 X310 The orgnal laser dstance meter The orgnal laser dstance meter Indce Impostazone dello strumento - - - - - - - - - - - - - 2 Introduzone - - - - - - - - - - - - - -

Dettagli

Rilevatore di fumo radio fumonic 3 radio net. Infomazioni per locatari e proprietari

Rilevatore di fumo radio fumonic 3 radio net. Infomazioni per locatari e proprietari Rlevatore d fumo rado fumonc 3 rado net Infomazon per locatar e propretar Congratulazon! Nella vostra abtazone sono stat nstallat rlevator d fumo ntellgent fumonc 3 rado net. In questo modo l locatore

Dettagli

Rudi Mathematici. Rivista fondata nell altro millennio Numero 126 Luglio 2009 Anno Undicesimo

Rudi Mathematici. Rivista fondata nell altro millennio Numero 126 Luglio 2009 Anno Undicesimo Rud Matemat Rvsta fondata nell altro mllenno Numero 6 Luglo 9 Anno Undesmo Rud Matemat Numero 6 Luglo 9. Projet Management... 3. Problem... 9...mau.... 9 Zar... 9 3. Bungee Jumpers... 4. Soluzon e Note...

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

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

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