Le quote e q sono incognite. Il sistema è ridondante: 3 equazioni (osservazioni) e 2 incognite.

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Le quote e q sono incognite. Il sistema è ridondante: 3 equazioni (osservazioni) e 2 incognite."

Transcript

1 Compensazone con l metodo de mnm quadrat Introduzone Le msure geodetche e topografche, che n molt cas non rguardano solo dstanze e angol, ma anche quanttà non puramente geometrche, come ad esempo l'ntenstà del campo della gravtà, sono legate alle quanttà da stmare, che n generale sono coordnate o quote d punt, da sstem d equazon, che costtuscono l modello della rete Il modello è spesso puramente geometrco, ma può anche contenere aspett dnamc, come nel caso della determnazone d dfferenze d quote ortometrche o d geopotenzale, che rchedono msure del modulo della gravtà Tutte le msure sono affette da error casual, descrtt dalla matrce d covaranza delle osservazon, che costtusce l modello stocastco In molt cas le osservazon sono stocastcamente ndpendent, nel senso che gl error casual d cascuna msura non sono nfluenzat dagl error casual delle altre, e sono qund ncorrelat La matrce d covaranza è qund dagonale, e suo element sono le varanze delle sngole osservazon, che ndcano l lvello d precsone con cu vengono esegute In generale nelle ret geodetche e topografche vene eseguto un numero rdondante d msure, e qund sstem d equazon d osservazone, che esprmono le quanttà msurate n funzone delle grandezze da stmare, contengono pù equazon che ncognte, e n generale non possono essere rsolt esattamente propro a causa degl error d msura, per effetto de qual msure rdondant possono non essere compatbl con l modello ESEMPIO: dslvell msurat a partre da una quota Q fssata (fgura): q () ovvero, n forma matrcale, q q Q + Q () Le quote e q sono ncognte Il sstema è rdondante: equazon (osservazon) e ncognte q NOTA: s potrebbe pensare che, avendo a dsposzone equazon, sa possble determnare anche Q Questo però non è possble, dato che l sstema

2 q q Q () è sngolare (la seconda rga è somma della prma e della terza), n accordo con l fatto che l'aggunta d una stessa quanttà a tutte le quote non camba dslvell, e qund la soluzone non è unca Per qualsas scelta d e q n () è verfcata l'equazone q + (4) D conseguenza, se le osservazon,, non verfcano l'equazone - cosa che n generale accade, poché le msure sono affette da errore - non esste nessuna soluzone n senso propro q, q La va d uscta n questo caso consste nella rcerca d una soluzone approssmata adottando l crtero d rendere mnma la funzone qˆ, q ˆ, ad esempo ( ˆ ) + ( ˆ ) + ( ˆ ) ( ( qˆ ˆ ˆ )) + ( ˆ ( q )) + ( ( q q)) (5) (metodo de mnm quadrat) Da un punto d vsta geometrco, l'equazone () rappresenta, al varare d q, q, un pano nello spazo -dm Il punto osservato, (,, ), a causa degl error d msura, non appartene a tale pano, e l punto del pano determnato n corrspondenza d qˆ, qˆ è l punto d mnma dstanza da (,, ) Per evdenzare la presenza d error d msura, spesso le equazon d osservazone vengono scrtte nella forma q + ε + ε + ε (6) In alternatva, è anche possble, senza ntrodurre parametr q, q, procedere drettamente alla mnmzzazone della funzone (5) rspetto a ˆ, ˆ ˆ, sotto la condzone ˆ ˆ ˆ + (ved eq (4)), utlzzando l metodo de moltplcator d Lagrange In questo caso tuttava è possble soltanto ottenere valor compensat de dslvell msurat, compatbl con l modello; le quote, non essendo state ntrodotte nelle equazon, non possono evdentemente essere determnate n questo stado della elaborazone Il crtero adottato è smmetrco nelle tre varabl ˆ, ˆ, ˆ D conseguenza, eseguendo calcol rsulta che, se a causa degl error d msura la (4) non è verfcata esattamente e s ottene nvece + ε (n questo caso ε è detto errore d chusura), gl scart ˆ, ˆ, ˆ sono tutt ugual a ε / Questo rsultato non è accettable se è noto a

3 pror che le tre msure sono state esegute con dfferente precsone, per cu c s aspetta scart pù pccol n corrspondenza delle msure pù precse Una possble strada per tenere conto d questo fatto consste nel modfcare l crtero d mnmzzazone ntroducendo nella (5) de pes, coè de coeffcent moltplcatv postv alle dverse component, tanto pù grand quanto pù s assume che le msure delle corrspondent component sano precse: c ˆ ˆ ˆ (7) ( ) + c ( ) + c( ) dove, ad esempo, s può sceglere c / σ Generalzzando l'esempo sopra llustrato, s assume d avere a dsposzone msure d dverse quanttà legate fra d loro da un modello Un altro esempo tpco n topografa sono le msure d angol e dstanze n una rete, legat fra d loro da relazon geometrche (ad esempo un trangolo è completamente determnato dalle lunghezze de suo lat, e qund gl angol sono esprmbl n funzone de lat) NOTA: Il metodo de mnm quadrat può essere applcato anche n problem d altra natura: un caso tpco è quello d msure esegute n stant dvers d una quanttà che evolve nel tempo secondo una ben determnata legge (ad esempo polnomale), con coeffcent da determnare: f t ; a L, a ) (ad esempo a t ) ( k k j j j dove sono le quanttà msurate (le cu msure verfcano solo approssmatvamente le equazon perché affette da error), t sono stant d tempo esattamente not, ak sono parametr da stmare, n numero nferore alle quanttà msurate A causa degl error d msura c s aspetta che le quanttà msurate non soddsfno esattamente l modello Ad esempo, se s msurano angol d un trangolo, la somma delle msure non è esattamente 8 C s aspetta però che gl error sano a meda nulla, e qund che le msure sano varabl aleatore cu valor attes verfcano l modello Il rsultato che s vuole ottenere è una stma d queste mede, che vengono assunte come valor corrett delle quanttà msurate (compensazone - nglese adjustment) Per la formalzzazone del problema, l'nseme delle n grandezze msurate (, L, n ) è descrtto come un vettore n R n A causa delle relazon present, valor ammssbl appartengono ad un sottonseme (varetà) d R n Le relazon possono essere espresse da equazon della forma f (, L, ) (equazon d condzone), n numero nferore a quello delle grandezze nteressate j n Ad esempo, per gl angol α d un trangolo, α 8 ; qund l'nseme delle terne d angol ammssbl è rappresentato da un pano n uno spazo -dm Se l numero delle equazon è n-k, n realtà solo k grandezze sono ndpendent; s dce allora che la varetà è k-dm

4 E però anche possble rappresentare le relazon fra le grandezze msurate esprmendo tal grandezze n funzone d un certo numero d parametr numerc, φ ( t, L, t k ) (nel caso delle ret topografche sono n generale le coordnate de vertc della rete, eventualmente anche rotazon, traslazon e varazon d scala de sstem d rfermento; nel caso d una grandezza che evolve sono coeffcent del polnomo o d altra forma funzonale); se parametr sono k, s dce allora che la varetà de valor ammssbl è k-dm Per una varetà descrtta da un nseme d parametr, l prmo problema è propro quello d stmare valor numerc d quest parametr, o correzon a valor approssmat, utlzzando le msure a dsposzone; la stma delle osservabl compensate vene po fatta ntroducendo valor ottenut de parametr nelle equazon d osservazone Nel caso delle ret topografche, quando parametr sono le coordnate de vertc della rete, la stma d quest parametr è l nteresse prmaro della procedura d compensazone, mentre la stma delle osservabl compensate ha lo scopo d ottenere un nseme d valor compatbl con la struttura geometrca della rete Esemp tpc d varetà sono le curve n un pano o n uno spazo -dm e le superfc n uno spazo - dm, che, come è noto, possono essere rappresentate sa n forma parametrca, sa medante equazon d condzone In partcolare, rette e pan sono varetà lnear Stma de parametr e delle osservabl compensate Il problema d stma llustrato nell esempo vene ora espresso n una forma che, pur non essendo quella pù generale, è adatta per la trattazone della maggor parte delle ret topografche S assume che le osservabl (ossa le quanttà che esprmono le msure topografche esegute) sano esprmbl n modo esplcto n funzone d un certo numero d parametr, che n generale rappresentano le coordnate de vertc della rete S assume nzalmente che la dpendenza sa lneare, ossa che l vettore delle osservabl (d dmensone n ) sa legato al vettore t de parametr (d dmensone k ) da una relazone del tpo At + b (8) Per avere rdondanza delle msure esegute rspetto a parametr da stmare, occorre che assume che l rango d A sa massmo, ossa uguale a k k < n S A causa degl error d msura le osservazon essere espresse nella forma non verfcano esattamente la (8), ma possono At + b + r ε (9) S assume nvece che l vettore sa estrazone d una varable aleatora Y l cu valore atteso verfca la (8) per un partcolare valore t del parametro t S tratta d determnare n funzone delle osservazon una stma d tale valore atteso, ovvero un punto ŷ, appartenente alla varetà e qund tale da verfcare la (8) per un opportuno tˆ, che approssm l meglo possble secondo un opportuno crtero

5 Generalzzando crter d mnmzzazone vst nell'esempo (cf (5) e (7)), come funzone da mnmzzare vene scelta T ( ˆ) CY ( ˆ) () dove C Y è la matrce d covaranza d Y, supposta nota a pror Il mnmo della () esste certamente, mentre non esste l massmo, dato che la () è contnua, postva e non lmtata superormente S osserv noltre che, se la matrce C Y è moltplcata per una costante d proporzonaltà, l punto d mnmo della () resta nvarato; s può qund assumere che sa nota a meno d una costante moltplcatva: C Y σ Q, con σ ncognto Questa stuazone corrsponde al caso realstco n cu sono note le precson relatve, ma non quelle assolute, delle dverse quanttà msurate (ad esempo, s sa che l'accuratezza d un proflo d lvellazone è proporzonale alla radce quadrata della sua lunghezza, ma s può non sapere la precsone d una sngola battuta) Soltamente s assume che gl error d msura sulle dverse quanttà osservate sano stocastcamente ndpendent: n effett, n generale non c è ragone d pensare che gl error casual commess su una certa partcolare msura nfluenzno o sano nfluenzat da error casual commess nell esegure le altre msure, dato che non c è alcuna relazone fra le dverse operazon compute D conseguenza, la matrce C Y è dagonale; se po le quanttà msurate sono tutte della stessa natura (ad esempo, tutt angol o tutte dstanze) e s assume che sano tutte le msure sano esegute con la stessa precsone, C Y è multplo della matrce denttà I Il rsultato della mnmzzazone è dato dalla formula C Y tˆ T N A Q ( b) ˆ Atˆ + b () dove N A T Q A S osserv che le stme ottenute sono funzon lnear delle osservazon Questa è una conseguenza del fatto che la funzone obettvo da mnmzzare è quadratca e che la varetà modello è lneare Essendo funzone delle osservazon, t ˆ è anch esso una varable aleatora Il suo valore atteso è {} t ˆ T T T N A Q ( E{} b) ( A Q A) A Q ( At + b b) t E () Questo rsultato s esprme dcendo che S verfca anche che E ˆ E {} {} tˆ è una stma lneare corretta d t

6 Formule per le matrc d covaranza Applcando la regola della propagazone della covaranza, e tenendo conto che Q e N sono matrc smmetrche, s ottene T ( σ Q) Q AN σ N A Q AN σ T C t ˆ N A Q N In modo analogo, posto r ε ˆ (vettore degl scart), s ottene () C σ T C ˆ AN A T ( r ε σ Q AN A ) (4) 4 Stma d σ S è vsto che nelle formule per la stma de parametr e delle osservabl compensate non compare esplctamente, che nvece compare nelle espresson delle matrc d covaranza Fermo restando σ che la matrce Q deve essere fssata a pror, poché l valore numerco d è legato all enttà complessva degl error d msura, è possble darne una stma a posteror sulla base degl scart ottenut sulle osservabl L espressone usata è σ ˆ σ r ε T n k Q r ε (5) che, come s vede, è quadratca rspetto agl scart S può verfcare che { } corretta E ˆ σ σ, ossa, la stma è Problem non lnear In generale, problem d compensazone che s presentano n topografa, che contengono equazon d osservazone d angol e dstanze n funzone delle coordnate de vertc, sono non lnear, e non rentrano qund nello schema sopra llustrato Il sstema d equazon d osservazon è espresso nella forma f ( t, L, t ),, L, n, n k () k > che descrve una varetà non lneare k-dm n n) n R (ad esempo, una superfce nello spazo se k, Da un punto d vsta concettuale s può pensare d applcare drettamente a questo sstema la procedura d mnmzzazone degl scart descrtta nel paragrafo precedente; s gungerebbe però ad un sstema d equazon non lnear che n generale hanno soluzone non unca e non facle da determnare D solto,

7 tuttava, è noto un valore approssmato t del vettore ncognto t ( t, Lt k ), e n un ntorno d t la varetà () è bene approssmata dalla varetà lnearzzata f ( t ) + f ( t )( t t ) () dove f è la matrce cu element sono f / t In pratca s fssa anche un valore approssmato j del vettore, non necessaramente concdente con ( t ) (ad esempo, s possono sceglere le component d ugual a valor numerc delle f msure esegute) e, posto t t t,, s ottene f ( t () ) t + f ( t ) La formula () è del tpo (8), con A f ( t ), b f ( t ), e s può esegure l calcolo applcando le formule (), per ottenere una stma tˆ a partre dal dato S not che valor da nserre per le component del vettore sono quell delle msure esegute; d conseguenza, se anche per s sono scelt gl stess valor, rsulta Una volta determnato tˆ tˆ t, valor delle osservazon compensate ŷ s possono ottenere per sosttuzone nella (), o anche, con dfferenze generalmente trascurabl, nella () ESEMPIO: S vuole determnare la coordnata d un punto sul semasse postvo, e s msurano le dstanze da punt d coordnate (,) e (,-), ottenendo rspettvamente d 48m, d 58m S assume che le msure sano ncorrelate, con scart quadratc med σ mm, σ mm (fgura) S deve qund determnare l solo parametro utlzzando msure, e pertanto s hanno equazon d osservazone con una sola ncognta: d d (4) Fssat valor approssmat equazon lnearzzate d, d,, e posto d d d,, s ottene l sstema d d d d + d A + b A + b (5) S tratta ora d applcare la () Q è una matrce dagonale, con element dagonal proporzonal a 4 A σ, s può qund prendere Q, e d conseguenza N ( A A ) Q A + A A 4

8 4 A ( d b ) + A ( d b Qund la () dà ˆ ) A + A 4 Per valor approssmat s può sceglere d d, d d, da cu d d Per la scelta d, c s può basare sulla msura d : d 4 m I rsultat numerc sono: A 59 ; A 7759 ; b 4; 49m, da cu ˆ 5m Sosttuendo questo valore n (4) s ottengono dˆ, dˆ e s possono calcolare gl scart d dˆ ε Utlzzando la (5) s ottene ˆ σ ε + ε 4m 4 NOTA: Può accadere, ad esempo per una scelta nadeguata de valor approssmat, che l modello lnearzzato non fornsca una approssmazone abbastanza buona del modello non lneare orgnaro In questo caso le stme de parametr possono essere affette da error d modello, che s manfestano con un valore d σˆ anormalmente elevato Allora è possble attvare una procedura d terazone, n cu, per cascun passo, l calcolo delle stme per l modello lneare vene rpetuto ntroducendo come valor approssmat de parametr e delle osservabl le stme ottenute nel passo precedente Se l procedmento converge (cosa non garantta a pror), l valore d σˆ s rduce fno a stablzzars, e a questo punto l terazone può essere fermata

Misure Topografiche Tradizionali

Misure Topografiche Tradizionali Msure Topografche Tradzonal Grandezze da levare ngol Dstanze Gonometr Dstanzometro Stazone Totale Prsma Dslvell Lvello Stada Msure Strettamente Necessare Soluzone geometrca Msure Sovrabbondant Compensazone

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

RAPPRESENTAZIONE DI MISURE. carta millimetrata

RAPPRESENTAZIONE DI MISURE. carta millimetrata carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!

Dettagli

Corso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE

Corso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE Corso d laurea n Ingegnera per l Ambente e l Terrtoro a.a. 006-007 Prof. V. Franco: Topografa e tecnche cartografche RETI TOPOGRAFICHE Unverstà degl Stud d Palermo Dpartmento d Rappresentazone Corso d

Dettagli

fig.1 istogramma di una distribuzione statistica

fig.1 istogramma di una distribuzione statistica Trattamento elle osservazon topograche Teora egl error Dstrbuzone emprca elle msure S supponga rpetere la msura una granezza per un numero molto elevato volte N, aveno a sposzone uno strumento la cu sensbltà

Dettagli

Propagazione degli errori

Propagazione degli errori Propagazone degl error Msure drette: la grandezza sca vene msurata drettamente (ad es. Spessore d una lastrna). Per questo tpo d msure, la teora dell errore svluppata nelle lezone precedent é sucente per

Dettagli

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON 3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.

Dettagli

Propagazione delle incertezze

Propagazione delle incertezze Propagazone delle ncertezze In questa Sezone vene trattato l problema della propagazone delle ncertezze quando s msurano pù grandezze dfferent,,,z soggette a error d tpo casuale e po s utlzzano tal grandezze

Dettagli

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto

Dettagli

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1

Dettagli

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat

Dettagli

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione. Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.

Dettagli

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student. Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana

Dettagli

Precisione e Cifre Significative

Precisione e Cifre Significative Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte

Dettagli

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende

Dettagli

Misure dirette utilizzate per il calcolo della misura indiretta X:

Misure dirette utilizzate per il calcolo della misura indiretta X: Propagazone degl error Msure drette utlzzate per l calcolo della msura ndretta X: ( ) a a a = ± Δ b = ( b ± Δ b) Il calcolo dell errore assoluto X ( espresso nella stessa untà d msura della grandezza X

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

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra

Dettagli

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita Teora degl error Processo d msura defnsce una grandezza fsca. Sstema oggetto. Apparato d msura 3. Sstema d confronto La msura mplca un gudzo sull uguaglanza tra la grandezza ncognta e la grandezza campone

Dettagli

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

Dettagli

Introduzione ai Minimi Quadrati

Introduzione ai Minimi Quadrati Introduzone a Mnm Quadrat Msure rpetute della medesma grandezza, esegute al lmte della precsone possble con l metodo e gl strument utlzzat, fornscono sempre rsultat dvers per la presenza degl error casual;

Dettagli

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO INTODUZION ALL SPINZA 4: STUDIO DLLA POLAIZZAZION DIANT LAIN DI ITADO Un utle rappresentazone su come agscono le lamne su fasc coerent è ottenuta utlzzando vettor e le matrc d Jones. Vettore d Jones e

Dettagli

Dispensa LE RETI TOPOGRAFICHE. Elementi per il calcolo e la compensazione

Dispensa LE RETI TOPOGRAFICHE. Elementi per il calcolo e la compensazione Unverstà degl Stud d Palermo Facoltà d Ingegnera Dspensa LE RETI TOPOGRFICHE Element per l calcolo e la compensazone Vncenzo Franco Mauro Lo rutto Maggo . RILEVMENTO TOPOGRFICO..... SCHEMI MISURE STRETTMENTE

Dettagli

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni

IL MODELLO DI MACK. Materiale didattico a cura di Domenico Giorgio Attuario Danni di Gruppo Società Cattolica di Assicurazioni IL MODELLO DI MACK Materale ddattco a cura d Domenco Gorgo Attuaro Dann d Gruppo Socetà Cattolca d Asscurazon CHAIN-LADDE CLASSICO Metodo pù utlzzato per la stma della rserva snstr. Semplctà. Dstrbuton-ree

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

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

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

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 21: 29 maggio 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 21: 29 maggio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 21: 29 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/35? Eserczo Dmostrare che l portafoglo d mnmo rscho

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986 Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane

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

03/03/2012. Campus di Arcavacata Università della Calabria

03/03/2012. Campus di Arcavacata Università della Calabria Campus d Arcavacata Unverstà della Calabra Corso d statstca RENDE a.a 0-00 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 Concentrazone Un altro aspetto d un nseme d dat che s aggunge alla meda e alla varabltà è costtuto

Dettagli

La soluzione delle equazioni differenziali con il metodo di Galerkin

La soluzione delle equazioni differenziali con il metodo di Galerkin Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo

Dettagli

Propagazione degli errori

Propagazione degli errori Propagaone degl error Voglamo rcavare le ncertee nelle msure ndrette. Abbamo gà vsto leone un prma stma degl error sulle grandee dervate valda n generale. Consderamo ora l caso specco d grandee aette da

Dettagli

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA Metod varazonal OBIETTIVO: determnare funzon ncognte, chamate varabl dpendent, che soddsfano un certo nseme d equazon dfferenzal n un determnato domno e condzon al contorno STRUMETO: Metod varazonal: servono

Dettagli

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m Captolo INTRODUZIONE Funzone d matrce Sa f(λ) una generca funzone del parametro λ svluppable n sere d potenze f(λ) Sa A una matrce quadrata d ordne n La funzone d matrce f(a) èdefnta nel modo seguente

Dettagli

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA UNIVERSITA DEGI STUDI DI CASSINO FACOTA DI INGEGNERIA ANTONIO RUSSO, ANGEO EOPARDI ANAISI DE ERRORE CONNESSO A APPROSSIMAZIONE DEE UNGHEZZE E DEE CEERITA NE METODO DI INTEGRAZIONE DEE CARATTERISTICHE (MOC)

Dettagli

La ripartizione trasversale dei carichi

La ripartizione trasversale dei carichi La rpartzone trasversale de carch La dsposzone de carch da consderare ne calcol della struttura deve essere quella pù gravosa, ossa quella che determna massm valor delle sollectazon. Tale aspetto nveste

Dettagli

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA Metod varazonal OBIETTIVO: determnare funzon ncognte, chamate varabl dpendent, che soddsfano un certo nseme d equazon dfferenzal n un determnato domno e condzon al contorno STRUMETO: Metod varazonal: servono

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico. Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

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

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo

Dettagli

si utilizzano per confrontare le distribuzioni

si utilizzano per confrontare le distribuzioni Dspersone o Varabltà Defnzone: Le Msure d Dspersone: sono par a zero n caso d dspersone nulla s utlzzano per confrontare le dstrbuzon permettono d valutare la rappresentatvtà delle msure d centraltà. 89

Dettagli

Risposta in frequenza

Risposta in frequenza Rsposta n frequenza www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 6--6 Dagramm d Bode Le funzon d trasfermento (f.d.t de crcut lnear tempo nvarant sono funzon razonal (coè rapport tra due polnom

Dettagli

IL CALCOLO DELLE FREQUENZE VIBRAZIONALI

IL CALCOLO DELLE FREQUENZE VIBRAZIONALI IL CALCOLO DELLE FREQUENZE VIBRAZIONALI Il calcolo della frequenze rchede l calcolo della matrce delle costant d forza, coè le dervate seconde dell energa, valutate nella geometra d equlbro. Sa la geometra

Dettagli

Tangenti a una conica: il metodo del Doppio sdoppiamento 1

Tangenti a una conica: il metodo del Doppio sdoppiamento 1 Tangent a una conca: l metodo del Doppo sdoppamento 1 Franco Goacchno Sunto Ecco un metodo alternatvo per determnare le tangent a una conca da un qualsas punto del pano. Esso consste nell applcare volte

Dettagli

di una delle versioni del compito di Geometria analitica e algebra lineare del 12 luglio 2013 distanza tra r ed r'. (punti 2 + 3)

di una delle versioni del compito di Geometria analitica e algebra lineare del 12 luglio 2013 distanza tra r ed r'. (punti 2 + 3) Esempo d soluzone d una delle verson del compto d Geometra analtca e algebra lneare del luglo 3 Stablre se la retta r, d equazon parametrche x =, y = + t, z = t (nel parametro reale t), è + y + z = sghemba

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

4.6 Dualità in Programmazione Lineare

4.6 Dualità in Programmazione Lineare 4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble

Dettagli

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone

Dettagli

Capitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per

Capitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per Captolo : IL METODO DEI MINIMI QUADRATI. La mglor retta Nel Captolo precedente c samo post l problema d determnare la mglor retta che passa per cert punt spermental, ed abbamo dscusso un metodo graco.

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

Dinamica del corpo rigido

Dinamica del corpo rigido Anna Nobl 1 Defnzone e grad d lbertà S consder un corpo d massa totale M formato da N partcelle cascuna d massa m, = 1,..., N. Il corpo s dce rgdo se le dstanze mutue tra tutte le partcelle che lo compongono

Dettagli

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω

Metodi di analisi R 1 =15Ω R 2 =40Ω R 3 =16Ω Metod d anals Eserczo Anals alle magle n presenza d sol generator ndpendent d tensone R s J R Determnare le tenson sulle resstenze sapendo che: s s 0 R R 5.Ω s J R J R R 5Ω R 0Ω R 6Ω R 5 Dsegnamo l grafo,

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

Esercitazione 12 ottobre 2011 Trasformazioni circuitali. v 3. v 1. Per entrambi i casi, i valori delle grandezze sono riportati in Tab. I.

Esercitazione 12 ottobre 2011 Trasformazioni circuitali. v 3. v 1. Per entrambi i casi, i valori delle grandezze sono riportati in Tab. I. Eserctazone ottobre 0 Trasformazon crcutal Sere e parallelo S consderno crcut n Fg e che rappresentano rspettvamente un parttore d tensone e uno d corrente v v v v Fg : Parttore d tensone Fg : Parttore

Dettagli

DESTINAZIONE ORIGINE A B C A B C Esercizio intersezioni a raso - pag. 1

DESTINAZIONE ORIGINE A B C A B C Esercizio intersezioni a raso - pag. 1 ESERCIZIO Argomento: Intersezon a raso Data l ntersezone a raso a tre bracc rappresentata n fgura s vuole procedere al dmensonamento de suo element. I dat nzal necessar per la progettazone sono d seguto

Dettagli

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile. Geometra 1 a.a. 2011/12 Esonero del 23/01/12 Soluzon (Compto A) (1) S consder su C 2 l prodotto Hermtano, H assocato alla matrce ( ) 2 H =. 2 (a) Dmostrare che, H è defnto postvo e determnare una base

Dettagli

Teoremi dei circuiti

Teoremi dei circuiti Teorem de crcut www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del --04) Teorema d Tellegen potes: Crcuto con n nod e l lat ers d rfermento scelt per tutt lat secondo la conenzone dell utlzzatore {,...,

Dettagli

CPM: Calcolo del Cammino Critico

CPM: Calcolo del Cammino Critico Supponamo d conoscere per ogn attvtà A = (,j) la sua durata t j t j j Calcolamo l tempo al pù presto n cu può nzare o fnre una attvtà. Supponamo d dover calcolare l tempo al pù presto n cu s possono nzare

Dettagli

Elasticità nei mezzi continui

Elasticità nei mezzi continui Elastctà ne mezz contnu l tensore degl sforz o tensore d stress, σ j Consderamo un cubo d dmenson untare n un mezzo elastco deformato. l cubo è deformato dalle forze eserctate sulle sue facce dal resto

Dettagli

LABORATORIO II. 1 La retta di regressione. NB create un nuovo foglio di lavoro

LABORATORIO II. 1 La retta di regressione. NB create un nuovo foglio di lavoro LABORATORIO II B create un nuovo foglo d lavoro La retta d regressone Eserco. U PRIMO ESEMPIO DI RETTA DI REGRESSIOE LIEARE. Leggere attentamente paragraf.,. e. tutto Costrure la retta d regressone lneare

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017 Esercz 3 Pan d ammortamento Eserczo 1. Un prestto d 12000e vene rmborsato n 10 ann con rate mensl e pano all

Dettagli

LA VARIABILITA. IV lezione di Statistica Medica

LA VARIABILITA. IV lezione di Statistica Medica LA VARIABILITA IV lezone d Statstca Medca Sntes della lezone Il concetto d varabltà Campo d varazone Dfferenza nterquartle La varanza La devazone standard Scostament med Il concetto d varabltà S defnsce

Dettagli

Statistica Descrittiva

Statistica Descrittiva Statstca Descrttva Corso d Davd Vettur Dat osservat Sano note le seguent msure dello spessore d una lastra d materale polmerco espresse n mllmetr 3.71 3.83 3.85 3.96 3.84 3.8 3.94 3.55 3.76 3.63 3.88 3.86

Dettagli

Sistemi Intelligenti Stimatori e sistemi lineari - III

Sistemi Intelligenti Stimatori e sistemi lineari - III Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\

Dettagli

Regressione e correlazione

Regressione e correlazione Regressone e correlazone Corso d statstca socale prof. Natale Carra - Unverstà degl Stud d Bergamo a.a. 005-06 Regressone Questo modello d anals bvarata esamna le relazon fra coppe d varabl contnue. Un

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

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

Teoremi dei circuiti

Teoremi dei circuiti Teorem de crcut www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 0-0-03) Teorema d Tellegen Ipotes: Crcuto con n nod e l lat ers d rfermento scelt per tutt lat secondo la conenzone dell utlzzatore {,...,

Dettagli

Reti geodetiche.nb 1 CORSO DI TOPOGRAFIA A - A.A LEZIONE RETI GEODETICHE

Reti geodetiche.nb 1 CORSO DI TOPOGRAFIA A - A.A LEZIONE RETI GEODETICHE Ret geodetche.nb 1 CORSO I TOPOGRAFIA A - A.A. 2004-2005 LEZIONE - 01.06.06 RETI GEOETICHE COMPENSAZIONE I UNA RETE GEOETICA CON IL METOO ELLE OSSERVAZIONI INIRETTE Abbamo vsto che l METOO EI MINIMI QUARATI

Dettagli

UNIVERSITÀ DEGLI STUDI DI TORINO CORSO DI LAUREA IN CHIMICA Dispense ad esclusivo uso introduttivo per il modulo di Fisica C

UNIVERSITÀ DEGLI STUDI DI TORINO CORSO DI LAUREA IN CHIMICA Dispense ad esclusivo uso introduttivo per il modulo di Fisica C ELEMETI BASILARI DI TEORIA DEGLI ERRORI. VALOR MEDIO, DEVIAZIOE STADARD E VARIAZA S defnsce valor medo d un nseme d dat,,, la quanttà: () S defnsce varanza emprca dell nseme precedente la quanttà: σ ()

Dettagli

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest

Dettagli

1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann

1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann FISICA DEI FLUIDI Lezone 5-5 Maggo 202 Le equazon per le varabl macroscopche: moment dell equazone d Boltzmann Teorema H a parte, non è facle estrarre altre consderazon general sulla funzone denstà d probabltà

Dettagli

Università degli studi di Brescia Facoltà di Ingegneria Corso di Topografia A Nuovo Ordinamento. Le poligonali. 13 Giugno 2004

Università degli studi di Brescia Facoltà di Ingegneria Corso di Topografia A Nuovo Ordinamento. Le poligonali. 13 Giugno 2004 Unverstà del stud d Bresca Facoltà d Inenera orso d Toporafa A Nuovo Ordnamento Le polonal 3 Guno 2004 Anno Accademco 2006-2007 Polonale aperta vncolata al estrem DATI I vncol: A, B, A, B, P, Q, P, Q Le

Dettagli

Circuiti elettrici in regime stazionario

Circuiti elettrici in regime stazionario rcut elettrc n regme stazonaro Metod d anals www.de.ng.unbo.t/pers/mastr/ddattca.htm ersone del -0-00 Premessa Nel caso pù generale è possble ottenere la soluzone d un crcuto rsolendo un sstema formato

Dettagli

Sistemi Intelligenti I sistemi lineari

Sistemi Intelligenti I sistemi lineari Sstem Intellgent I sstem lnear Alberto Borghese Unverstà degl Stud d Mlano Laboratoro d Sstem Intellgent Applcat (AIS-Lab) Dpartmento d Scenze dell Informazone borghese@dsunmt /44 Sstem lnear e matrc Sommaro

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

6 Prodotti scalari e prodotti Hermitiani

6 Prodotti scalari e prodotti Hermitiani 6 Prodott scalar e prodott Hermtan 6.1 Prodott scalar S fss K = R. Defnzone 6.1 Sa V un R-spazo vettorale. Un prodotto scalare su V è un applcazone che gode delle seguent propretà: ) (lneartà rspetto al

Dettagli

Stima dei Parametri: Metodo dei Minimi Quadrati

Stima dei Parametri: Metodo dei Minimi Quadrati Captolo 9 Stma de Parametr: Metodo de Mnm Quadrat Questo captolo llustra uno de metod d stma puntuale pù utlzzat n fsca e non solo, noto col nome d metodo de mnm quadrat. La formulazone matematca nzale

Dettagli

Carla Seatzu, 18 Marzo 2008

Carla Seatzu, 18 Marzo 2008 8. Ret d Code Carla Seatzu, 8 Marzo 008 Nella maggor parte de process produttv rsulta troppo restrttvo consderare una sola rsorsa. Esempo: lea tandem arrv µ µ v partenze V sono dverse stazon cu una parte

Dettagli

Modelli di variabili casuali

Modelli di variabili casuali Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

Laboratorio di Fisica per Scienze Naturali 1 - Elementi di Statistica e di teoria degli errori

Laboratorio di Fisica per Scienze Naturali 1 - Elementi di Statistica e di teoria degli errori Laboratoro d Fsca per Scenze atural - Element d Statstca e d teora degl error Msura d una grandezza fsca e suo errore Tp d msure Le msure d una grandezza fsca possono venre classfcate come: msure drette:

Dettagli

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO Stabltà e Teorema d Drclet Defnzone S dce ce la confgurazone C 0 d un sstema è n una poszone d equlbro stable se, portando l sstema n una confgurazone

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

* 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

METODO DEGLI ELEMENTI FINITI

METODO DEGLI ELEMENTI FINITI METODO DEGLI ELEMENTI FINITI Introduzone al metodo degl element fnt Il concetto base nella nterpretazone fsca del metodo degl element fnt è la decomposzone d un sstema meccanco complesso n pù semplc component

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA

POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE A.A DOCENTE: PAOLO LISCA POLINOMIO MINIMO E FORMA CANONICA DI JORDAN NOTA AGGIUNTIVA PER IL CORSO DI GEOMETRIA ANALITICA E ALGEBRA LINEARE AA 2009-2010 DOCENTE: PAOLO LISCA 1 Polnomo mnmo Avvertenza: con V ndcheremo uno spazo

Dettagli

Support Vector Machines. Macchine a vettori di supporto

Support Vector Machines. Macchine a vettori di supporto Support Vector Machnes Macchne a vettor d supporto Separator Lnear Percettrone La classfcazone bnara può essere vsta come un problema d separazone d class nello spazo delle feature m b b b > 0 b 0 b

Dettagli

PROBLEMA 1. Soluzione. β = 64

PROBLEMA 1. Soluzione. β = 64 PROBLEMA alcolare l nclnazone β, rspetto al pano stradale, che deve avere un motocclsta per percorrere, alla veloctà v = 50 km/h, una curva pana d raggo r = 4 m ( Fg. ). Fg. Schema delle condzon d equlbro

Dettagli

Sistemi di Acquisizione Dati Prof. Alessandro Pesatori

Sistemi di Acquisizione Dati Prof. Alessandro Pesatori Rappresentazone grafca Vsone d nseme d una grandezza n funzone del tempo o d un altro parametro Tpcamente s utlzzano ass coordnat che devono rportare la descrzone della grandezza rappresentata e all occorrenza

Dettagli