Per il seminario di cultura formale - Dottorato GIA

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Per il seminario di cultura formale - Dottorato GIA"

Transcript

1 Per l semnaro d cultura formale - Dottorato GIA Luca Mar, dcembre 003 Lezone 1: la matematca come strumento per pensare Cnque ncontr, da 1 ora e mezza cascuno. Con questo tempo complessvo a dsposzone, è charo che non s possono ntrodurre contenut tecnc specfc (e qual potrebbero essere? d matematca generale, d anals?, d statstca?...). Puttosto, gl obettv potrebbero essere d tpo metodologco, complessvamente orentat a mostrare che la matematca nsegna a pensare. «I problem d routne possono essere necessar nell nsegnamento della matematca, ma proporre agl alunn esclusvamente esercz d questo tpo è un errore mperdonable. Insegnare l esecuzone meccanca delle operazon matematche d routne e nente pù equvale a unformars a un lvello molto nferore persno a quello d un manuale d rcette d arte culnara; nfatt quest ultmo lasca sempre qualcosa all nventva e all arbtro d un cuoco, mentre le rcette d matematca non consentono ma alcun atto d lbertà alla fantasa e all ntellgenza». «Un dea genale rsolve spesso un grande problema, ma nella rsoluzone d tutt problem ntervene un pzzco d genaltà. Può trattars d un problema modesto; tuttava, se esso stuzzca la nostra curostà ed eccta le nostre facoltà mental e, soprattutto, se s resce a rsolverlo da sol, s scoprrà l ansa della rcerca e la goa della scoperta. Sml esperenze, fatte a tempo opportuno, possono rappresentare un vero e propro eserczo dello sprto e lascare un mpronta nell anmo e nel carattere per tutta la vta. Qund un nsegnante d matematca ha una grande possbltà. Ovvamente, se egl mpegherà le sue ore d lezone a far esegure de calcol a suo student, fnrà per soffocare l loro nteresse, arrestare l loro svluppo mentale e scupare l opportuntà che gl s presenta. Invece, se rsveglerà la curostà degl alunn proponendo problem d dffcoltà proporzonate alle conoscenze della scolaresca e l auterà a rsolvere le queston proposte con domande opportune, egl saprà sprare n loro l gusto d un ragonamento orgnale». (G.Polya, How to solve t, Prnceton Unversty Press, 1945; trad.t. Come rsolvere problem d matematca Logca ed eurstca nel metodo matematco, Feltrnell, 1967; pag. 17; pag. 7) A cosa serve la matematca? la rsposta tradzonale è: per fare cont, coè per effettuare elaborazon n modo precso e rpetble; possamo dare una rsposta pù generale: la matematca è uno (lo?) strumento d formalzzazone, coè d espressone (tentatvamente) completa e non ambgua d contenut; contenut formalzzat possono essere non solo elaborat n modo precso e rpetble, ma anche comuncat n modo completo e non ambguo. La matematca: tra formalzzazone e rduzonsmo (s può usare la matematca nelle scenze socal senza mmare la fsca? E quale matematca?). perché esstono matematche dverse (come tradzonalmente s sa, a partre dalla dstnzone tra artmetca e geometra ), per esempo modulabl ntorno a 5 opposzon: quanttà-qualtà contnuo-dscreto lneare-non lneare smbolco-numerco determnstco-stocastco perché quanttatvo non è snonmo d formale, e perché la matematca s nteressa d strutture prma che d numer L esempo dell somorfsmo tra numer con dvsor (30) e nsem con nclusone ({a,b,c}): la stessa struttura formale ( astratta ):

2 β ε α γ ζ δ η può essere usata per nterpretare enttà dverse, sa quanttatve sa qualtatve. Per esempo: R( x, y) R( y, z) R( x, z) (transtvtà) x y, R( x, y) R( y, x) (antsmmetra) Lezone : un esplorazone ntorno al concetto (pre-quanttatvo) d funzone Una funzone è una regola f : A B che a ogn elemento a A assoca uno e un solo elemento b B; è dunque una partcolare relazone su A B, caratterzzata dalle due condzon: ogn elemento del domno deve avere un f -valore; per ogn elemento del domno, l f -valore è unco. ( a A,! b B : f ( a) = b, dove le due condzon sono dunque formalzzate n termn d esstenza e unctà del valore) (adottamo un esempo: A = persone; B = ruol azendal) Ogn funzone (dunque per solo l fatto d soddsfare le due condzon ndcate) è rappresentable come l rsultato della composzone d due attvtà (n effett a loro volta funzon) elementar e paradgmatche: l dentfcazone d una partzone sul domno, coè d una collezone d sottonsem esaustv ( A = A) e mutuamente esclusv ( A A = ), basata sulla relazone d equvalenza tale che a 1 a sse f ( a ) = f ( a ) (da notare che esaustvtà e mutua esclusvtà hanno 1 un corrspondente logco rspettvamente ne prncp del terzo escluso ( v( x x) = V ) e d non contraddzone v( x x) = F )); l assegnazone d un nome a ogn classe d equvalenza della partzone. Questa composzone è vsualzzable come un trangolo commutatvo, f = g h, con g : A A/ dove A / è l cosddetto nseme quozente d A per : f A B g h A/ S stablsce coè una corrspondenza tra funzon d domno A e partzon sullo stesso domno. Un lmte (l lmte prncpale forse) d questa formalzzazone n quanto strumento d modellstca: non è frequente che le nostre categorzzazon operno effettvamente come relazon d equvalenza; crtche non sono la rflessvtà ( a a) né la smmetra ( a b b a), ma la transtvtà ( a b b c a c); molto spesso l punto d vsta è completamente dverso da quello adottato fnora, ed è basato su concett d compatbltà / dfferenza percepble, che sono non transtv (pù n generale, nostr concett spesso non sono transtv, e pù che per equvalenze pensamo per smlartà: l caso tpco del paradosso del sorte). Il domno A può essere organzzato n sottonsem d compatbltà, tpcamente con la regola che ogn elemento del domno appartene ad almeno un (ma non necessaramente a un solo) sottonseme, dunque mantenendo l esaustvtà / l terzo escluso ma non mponendo pù la mutua esclusvtà / la non contraddzone (che dunque perdono la loro caratterstca d dualtà). Un modo per formalzzare per stuazone mette n evdenza una tpca tecnca matematca: la generalzzazone. Se rdefnamo l codomno d f, da B a P( B ), l nseme de sottonsem d B, tutto torna come prma. La cosa ha un nterpretazone espressva nel caso n cu B sa un nseme θ j

3 numerco e valor f ( a ) sano ntervall: allora la compatbltà può essere espressa come ntersezone tra ntervall. Lezone 3: funzon e strutture Alcune (ulteror) caratterstche delle funzon, nel contesto d questa rappresentazone: surettvtà ( b B, a : b = f ( a) ), una propretà comunque convenzonale (se cert valor non s usano, è suffcente rdefnre la funzone sulla sua mmagne f ( A ); n questo modo la funzone d assegnazone d un nome h rsulta sempre bunvoca); nettvtà ( a 1 a f ( a 1 ) f ( a )), coè cardnaltà delle class d equvalenza = 1, coè funzone nvertble, coè funzone a massmo potere rsolutvo. Data la corrspondenza tra funzon d domno A e partzon sullo stesso domno, s stablsce parallelamente un ordne parzale d potere rsolutvo tra funzon / partzon: la partzone pù grezza è quella che contene una sola classe (corrspondente alle funzon costant, un unca funzone, a meno del cambo d nome); la partzone pù fne è quella n cu ogn classe ha cardnaltà 1 (corrspondente alle funzon nettve). Nel solto dagramma d retcolo: {a,b,c} {a,b} {a} {a,c} {b} {b,c} {c} un ncremento del potere rsolutvo, coè un raffnamento della partzone, corrsponde a una dscesa progressva attraverso l grafo. Una nota: abbamo notato come funzon e relazon d equvalenza sano modellstcamente sosttubl le une alle altre. Questa relazone è ulterormente estendble: poché ogn classe d equvalenza della partzone è coestensva con una propretà attraverso la medazone della funzone caratterstca / d appartenenza (da cu la naturale generalzzazone fuzzy), possamo equparare a funzon e relazon d equvalenza anche nsem (esaustv e mutuamente esclusv ) d propretà. Dunque: funzon partzon relazon d equvalenza nsem d propretà S tratta dunque d mod dvers per pensare e rappresentare (e vsualzzare) uno stesso concetto. Un altro esempo: consderamo le due propretà essere un numero dspar e essere un numero prmo, confrontabl perché defnte sullo stesso domno (dcamo numer natural). Ovvamente vale che ogn numero prmo è anche dspar. Possamo scrvere questa nformazone n mod dvers: dat sottonsem D e P, P D condzone necessara perché x sa P è che x sa D date le propretà D( x ) ( x è dspar) e P( x ) ( x è prmo), x, P( x) D( x) Un occhata alla tavola della vertà dell mplcazone:

4 mostra le corrspondenze con l equvalente dagramma d Venn: P D 0 1 Un estensone al dscorso fatto fnora: spesso le funzon sono defnte su domn che sono nsemcon-struttura, coè nsem su cu sono defnte operazon o relazon, e s rchede che le funzon mantengano ( conservno ) tale struttura nel codomno. L esempo pù semplce: f : A, B, <, tale dunque che se a a allora f dovrebbe essere 1 tale che f ( a ) < f ( a ). 1 Una funzone che n questo senso conserva la struttura s chama (omo)morfsmo. Renterpretando l trangolo commutatvo n termn d morfsm, s rbadsce ancora pù charamente quanto gà notato: ogn morfsmo corrsponde alla rduzone del domno a un nseme quozente, tra cu element (le class d equvalenza) è ancora applcata la struttura d partenza. Un morfsmo nettvo (a meno d non surettvtà, cosa che s rsolve con una restrzone del codomno) è un somorfsmo: a meno d un cambamento d nom, due strutture somorfe sono la stessa. Un secondo esempo, che consente qualche ulterore consderazone: la struttura potrebbe essere basata non su generche relazon ma su operazon (s chama algebra una coppa <nseme, operazon>): f : A, B, +, da cu l dagramma commutatvo: f a 1 f(a 1 ) a f(a ) + a 1 a f f(a 1 a )= f(a 1 )+f(a ) Un altro esempo, classco, d somorfsmo, f : +,, + : log a 1 log(a 1 ) a log(a ) + a 1 a log(a 1 a )=log(a 1 )+log(a ) log -1 (per esempo: 8 56 log (8 56)=log (8)+log (56)=3+8=11 11 =048). Attraverso l somorfsmo log s mettono n corrspondenza successon geometrche con successon artmetche; per esempo, a base 10: Per va dell somorfsmo, non s perde nformazone se una successone vene rappresentata n scala non lneare ma logartmca (è quello che s fa quando s valuta n db). Lezone 4: la formalzzazone della non-esattezza nel contesto delle algebre booleane L algebra booleana de sottonsem d un nseme X (nel caso # X = 3 è rappresentable medante l retcolo:

5 {a,b} {a} {a,b,c} {a,c} {b} {b,c} {c} gà ncontrato), P( X ) = X, è l domno per la formalzzazone d dat relatv a X e d cu s vogla modellzzare la non-esattezza, una caratterstca che s declna nel trade-off tra due component: (non) specfctà (o precsone) e (n)certezza. Sulla specfctà: è pù specfco questo lbro ha 10 pagne d questo lbro ha pù d 100 pagne. Formalzzando tal propretà / proposzon medante sottonsem d un opportuno nseme X, l grado d specfctà corrsponde al lvello d profondtà de sottonsem nel retcolo: dal massmamente generco (l elemento massmo del retcolo, corrspondente all unverso X : semantcamente corrsponde alla sola conferma del modello), fno al massmamente specfco (un sngoletto, sottonseme costtuto da un solo elemento d X ). Problema: come s potrebbe formalzzare n questo contesto questo lbro ha crca 100 pagne? ( l estensone possble de sottonsem fuzzy ) Sulla certezza: mentre la specfctà è una caratterstca ntrnseca (sceglendo un elemento d P( X ) se ne fssa l grado d specfctà), la certezza è una caratterstca agguntva, che s stablsce assegnando una msura d (n)certezza M a ogn elemento d P( X ). Convenzonalmente sceglamo M : P( X) [0,1], con le ovve condzon agl estrem: M ( ) = 0 e M( X ) = 1. E po ragonevole porre la condzone d monotonctà: A B M( A) M( B), che nuovamente evdenza una relazone tra la struttura d retcolo d P( X ) e una msura d non-esattezza. Questa volta, però, la drezone è nversa rspetto alla specfctà: aumenta la certezza mano a mano che s sale verso l massmo del retcolo. Ne concludamo la relazone generale: a partà d nformazone emprca da formalzzare, all aumentare della specfctà s rduce la certezza, e vceversa (da notare che questa è una versone generalzzata, e qund debole, della nota relazone probablstca tra ntervall d confdenza e lvell d confdenza). La msura d (n)certezza M non è defnta unvocamente dalle relazon precedent, ed è dunque opportuno ntrodurre un ulterore condzone, che ne specfch maggormente le caratterstche. La msura d probabltà è una partcolare msura d (n)certezza, defnta da: M ( A B) = M( A) + M( B) M( A B), condzone d addtvtà che sostanzalmente resprme l prncpo logco del terzo escluso, e dunque un comportamento d tpo parttvo. Il rfermento all assegnazone a element d una partzone è ancor pù evdente nella usuale modaltà alternatva d defnre la msura d probabltà, medante una funzone d denstà d probabltà m : X [0,1] defnta sugl element d X, dunque n pratca sulla partzone d X massmamente specfca: m( x ) = 1, da cu M ( A) = m( x ). x X La msura d probabltà è ben nota ed è stata studata e applcata orma da pù d tre secol. Non s capsce, però, la fondatezza dell usuale affermazone secondo cu essa sarebbe non una, ma la msura d (n)certezza. Non s capsce, coè, perché le valutazon d (n)certezza debbano necessaramente essere addtve. Il problema n cu questa non necesstà emerge forse pù charamente rguarda l comportamento modellstco n assenza d nformazone specfca. In cas d questo genere, l prncpo cosddetto d mnma nformazone (o, per ragon che qu non approfondamo, d massma entropa ) x A

6 raccomanda d assegnare una msura d probabltà basata su una denstà unforme, dunque m 1 ( x ) = n a ognuno degl n element x del domno. S tratta dunque d un assegnazone che attrbusce una certezza non nulla a element massmamente specfc, n completa contraddzone con l assunzone d non dsporre affatto d nformazon specfche! Il fatto è che la condzone d addtvtà mpone d trattare nello stesso modo (e qund modellstcamente non consente d dstnguere tra) l assenza d nformazone specfca ( non so ) e la presenza d nformazone unforme ( so che non, oppure anche so che le ncertezze sono equvalent ). Un esempo: n scav archeologc è stato trovato un vaso, e le prme anals ndcano tre possbltà: a : è un vaso del prmo perodo Mng; b : è un vaso del secondo perodo Mng; c : è un falso. Il domno n cu formalzzare l nformazone d cu s dspone è nuovamente l retcolo d un nseme d tre element (n cu, per esempo, assegnare una msura d (n)certezza non nulla all elemento { ab, } corrsponde ad attrbure certezza al fatto che l vaso sa Mng, del prmo o del secondo perodo). Supponamo che l ndagne sa stata assegnata sa a un esperto sa, maldestramente, a una persona ncompetente. Il prmo, dopo un accurata ndagne, potrebbe arrvare a concludere d dsporre d element a supporto dell evdenza sa d a, sa d b, sa d c, e qund potrebbe 1 assegnare ma ( ) = mb ( ) = mc ( ) = ; l secondo, rcorrendo onestamente al prncpo d mnma 3 nformazone, gungerebbe alla stessa conclusone ma con motvazon del tutto dverse e, soprattutto, con l ntenzone d formalzzare uno stato d conoscenza completamente dverso da quello dell esperto. Pù consstente sarebbe l opzone d attrbure l ntera certezza all nformazone pù generca, m({ a, b, c }) = 1, cosa che però evdentemente l approcco probablstco veta. E questa la base per una categora d msure d (n)certezza non probablstche, pù o meno charamente raccolte ntorno alla denotazone d teore dell evdenza. Lezone 5: dal fnto-dscreto al contnuo Due argoment d base: nsem a cardnaltà non fnta e operator (funzon d funzon) Quando s passa a consderare nsem a cardnaltà non fnta succedono cose strane Per esempo: 1 x stablsce una relazone bunvoca (= una funzone nvertble) tra [0,1] e + : c sono tant element nel prmo nseme quant nel secondo, benché l prmo sa un sottonseme propro del secondo (questa è la caratterstca che forse ha consentto d defnre per la prma volta un concetto d nfnto n modo non-negatvo) Operator: consderamo una generca funzone f : X Y e d questa consderamo per esempo l valore f ( x ) x1 x x Ovvamente la sommatora assume un valore defnto solo dopo che sono stat specfcat gl estrem x 1 e x e la funzone f. In termn general, dunque, possamo nterpretare l espressone d sommatora a sua volta come una funzone, cu argoment sono due element d X e la funzone f : I ( x, x, f ); trattando due element d X come parametr (coè scrvendo I x x 1, 1 0 y ( f )), s charsce la natura d I d funzone d funzon, coè d operatore, l cu domno è +

7 un nseme d funzon F { f, f: X Y} = : I : F Y. S tratta, n pratca, d una nuova generalzzazone: da valor a funzon a operator. Un successvo lvello d astrazone s ottene quando s enfatzza la natura funzonale degl operator, prescndendo da valor de parametr e focalzzandos sulla trasformazone funzonale che l operatore Iˆ : F F opera su una certa f a cu s applca. Per esempo, data la funzone f () = su natural, possamo nvestgare sull operatore x1+ x ( f ) ( f ) f ( x ) x1, x = I ( f ) = 1+ x x x 1 x1 x x x1 x 1, x S tratta evdentemente d una forma generale, applcable n partcolare a ogn coppa d parametr I = I =, per scoprre che ( ) x e 1 x per ottenere uno specfco valore. Mettendo nseme quest due argoment d base (mancherebbe un ulterore elemento: l contnuo ). Dervate e ntegral sono due operator, corrspondent rspettvamente a un comportamento d tasso d dfferenza e sommatora nel contnuo Per ess vale la dstnzone tra operator I e operator Î, per esempo n termn d ntegral defnt e ntegral ndefnt. La dstnzone tra operator I e operator Î è fondamentale: trovare una soluzone per Î è un problema d tpo smbolco / analtco ( non c sono cont da fare ); trovare una soluzone per I è un problema d tpo numerco. Naturalmente la determnazone d Î è un problema pù generale della determnazone d I : se s è n grado d trovare una soluzone per Î, allora è generalmente banale trovare una soluzone per I. D altra parte è possble trovare soluzon approssmate ( numerche ) per I anche quando non s è n grado d trovare soluzon analtche per Î. smb non necessaramente esste una soluzone esste sempre una soluzone, almeno n forma approssmata num Specfcamente rspetto a dervate e ntegral: «Confrontando la dervazone e l ntegrazone c s trova d fronte a stuazon ben dverse. La dervabltà è decsamente una condzone restrttva per le funzon contnue, ma l effettvo procedmento d dervazone, coè l algortmo del calcolo dfferenzale, è n pratca un procedmento dretto, basato su alcune semplc regole. D altra parte, ogn funzone contnua, senza alcuna eccezone, ammette un ntegrale compreso tra due estrem assegnat; ma l calcolo esplcto d tale ntegrale è n generale molto dffcle anche per funzon del tutto semplc» [R.Courant, Che cos è la matematca? p.677]. dervazone smb esste sempre una soluzone, ma n condzon restrttve raramente s conosce la soluzone che però esste sempre ntegrazone esste sempre una soluzone, almeno n forma approssmata num

8 Ancora sulla semantca d quest due operator, nel caso partcolare n cu le funzon hanno l tempo come varable ndpendente. df () t = g () t rappresenta la varazone della funzone f, e qund dt df () t dt t= t 0 = g ( t ) rappresenta la varazone della funzone f all stante t 0, dunque formalzza (la prevsone su) l evoluzone locale d f : l evoluzone locale d una funzone, se è defnta, è sempre determnable; la corrsponde equazone ntegrale, t1 f ( t ) = f ( t ) + g ( τ ) dτ 1 0 rappresenta l evoluzone globale d f : l evoluzone globale d una funzone è sempre defnta, ma non sempre è determnable Interessante è l fatto che l evoluzone globale d f è ottenble anche dallo svluppo n sere d d f () t Taylor: f ( t + t) 0 dt t= t0 La conclusone: nfrangete la struttura che connette gl element d cò che s apprende e dstruggerete necessaramente ogn qualtà (G.Bateson, Mente e natura, 1979, Adelph, 1984, p.1) t0 0

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

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

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

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

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

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

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

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013 Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se

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

CAPITOLO 3 Incertezza di misura Pagina 26

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

Dettagli

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

Indicatori di rendimento per i titoli obbligazionari

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

Dettagli

* * * 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

Concetti principale della lezione precedente

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

Dettagli

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

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

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

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

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

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

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

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

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

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

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

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

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

Dettagli

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

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

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

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

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

MODELLI DI SISTEMI. Principi di modellistica. Considerazioni energetiche. manca

MODELLI DI SISTEMI. Principi di modellistica. Considerazioni energetiche. manca ONTOI UTOMTII Ingegnera della Gestone Industrale e della Integrazone d Impresa http://www.automazone.ngre.unmore.t/pages/cors/ontrollutomatcgestonale.htm MODEI DI SISTEMI Ing. ug Bagott Tel. 05 0939903

Dettagli

La taratura degli strumenti di misura

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

Dettagli

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz LEZIONE e 3 La teora della selezone d portafoglo d Markowtz Unverstà degl Stud d Bergamo Premessa Unverstà degl Stud d Bergamo Premessa () È puttosto frequente osservare come gl nvesttor tendano a non

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

Analisi dei flussi 182

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

Dettagli

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

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

Programmazione e Controllo della Produzione. Analisi dei flussi

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

Dettagli

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

Apprendimento Automatico e IR: introduzione al Machine Learning

Apprendimento Automatico e IR: introduzione al Machine Learning Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1

Dettagli

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA:

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA: Economa del Settore Pubblco Laura Vc laura.vc@unbo.t www.dse.unbo.t/lvc/edsp_.htm LEZIONE 4 Rmn, 9 aprle 008 Economa del Settore Pubblco 96 I prncpal ndc d dseguaglanza: ndc d entropa generalzzata Isprata

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

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

9.6 Struttura quaternaria

9.6 Struttura quaternaria 9.6 Struttura quaternara L'ultmo lvello strutturale é la struttura quaternara. Non per tutte le protene è defnble una struttura quaternara. Infatt l esstenza d una struttura quaternara é condzonata alla

Dettagli

1. Una panoramica sui metodi valutativi

1. Una panoramica sui metodi valutativi . Una panoramca su metod valutatv La dottrna azendalstca rconosce l esstenza d var metod att a determnare l valore del captale economco d un mpresa. In partcolare, è possble ndvduare tre macro-tpologe

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

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

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

Dettagli

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

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

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

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

Dettagli

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

Modelli di base per la politica economica

Modelli di base per la politica economica Marcella Mulno Modell d base per la poltca economca Corso d Poltca economca a.a. 22-23 Captolo 2 Modello - e poltche scal e monetare In questo captolo rchamamo brevemente l modello macroeconomco a prezz

Dettagli

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

PARENTELA e CONSANGUINEITÀ di Dario Ravarro Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu

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

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

Analisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti

Analisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti UNIVERSIA DEGLI SUDI DI CAGLIARI Facoltà d Ingegnera Elettronca Corso d Calcolo Numerco 1 A.A. 00/003 Anals e confronto tra metod d regolarzzazone drett per la rsoluzone d prolem dscret mal-post Docente:

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

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

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

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

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia PROT. N 53897 ENTE EMITTENTE: OGGETTO: DESTINATARI: DATA DECORRENZA: CIRCOLARE N. 9 DC Cartografa, Catasto e Pubblctà Immoblare, d ntesa con l Uffco del Consglere Scentfco e la DC Osservatoro del Mercato

Dettagli

Fondamenti di Fisica Acustica

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

Dettagli

Fondamenti di meccanica classica: simmetrie e leggi di conservazione

Fondamenti di meccanica classica: simmetrie e leggi di conservazione Fondament d meccanca classca: smmetre e legg d conservazone d Marco Tulu A. A. 2005/2006 1 Introduzone Un corpo s dce omogeneo se ha n ogn suo punto ugual propretà fsche e chmche, ed è sotropo se n ogn

Dettagli

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS

L AUTORITÀ PER L ENERGIA ELETTRICA E IL GAS Delberazone 20 ottobre 2004 Approvazone delle condzon general d accesso e d erogazone del servzo d rgassfcazone d gnl predsposte dalla socetà Gnl Itala Spa (delberazone n. 184/04) L AUTORITÀ PER L ENERGIA

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

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements Torna al programma Sstema per la garanza della qualtà ne sstem automatc d msura alle emsson: applcazone del progetto d norma pren 14181:2003. Rsultat dell esperenza n campo presso due mpant plota. Cprano

Dettagli

PARTE II LA CIRCOLAZIONE IDRICA

PARTE II LA CIRCOLAZIONE IDRICA PARTE II LA CIRCOLAZIONE IDRICA La acque d precptazone atmosferca che gungono al suolo scorrono n superfce o penetrano n profondtà dando orgne alla crcolazone, la quale subsce l nfluenza d molt fattor

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

Adattamento di una relazione funzionale ai dati sperimentali

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

Dettagli

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

Approfondimenti disciplinari

Approfondimenti disciplinari UNIVERSITÁ DEGLI STUDI DI FERRARA CORSO SPECIALE ABILITANTE anno accademco 2006/2007 CORSO DI: Approfondment dscplnar UNITÁ DIDATTICA DELLA CLASSE A049 LA PROBABILITA DOCENTE: PROF. BERNARDI EROS TITOLO:

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

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

FORMAZIONE ALPHAITALIA

FORMAZIONE ALPHAITALIA ALPHAITALIA PAG. 1 DI 13 FORMAZIONE ALPHAITALIA IL SISTEMA DI GESTIONE PER LA QUALITA Quadro ntroduttvo ALPHAITALIA PAG. 2 DI 13 1. DEFINIZIONI QUALITA Grado n cu un nseme d caratterstche ntrnseche soddsfa

Dettagli

Simulazione seconda prova Tema assegnato all esame di stato per l'abilitazione alla professione di geometra, 2006

Simulazione seconda prova Tema assegnato all esame di stato per l'abilitazione alla professione di geometra, 2006 Smulazone seconda prova Tema assegnato all esame d stato per l'abltazone alla professone d geometra, 006 roposte per lo svolgmento pubblcate sul ollettno SIFET (Socetà Italana d Fotogrammetra e Topografa)

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

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

Università di Napoli Parthenope Facoltà di Ingegneria

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

Dettagli

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

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

La contabilità analitica nelle aziende agrarie

La contabilità analitica nelle aziende agrarie 2 La contabltà analtca nelle azende agrare Estmo rurale ed element d contabltà (analtca) S. Menghn Corso d Laurea n Scenze e tecnologe agrare Percorso Economa ed Estmo Contabltà generale e cont. ndustrale

Dettagli

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

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

Dettagli

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

Divagazioni in margine all Introduzione alla Probabilità di P. Baldi A. Visintin Facoltà di Ingegneria di Trento a.a. 2010-11

Divagazioni in margine all Introduzione alla Probabilità di P. Baldi A. Visintin Facoltà di Ingegneria di Trento a.a. 2010-11 Dvagazon n margne all Introduzone alla Probabltà d P. Bald A. Vsntn Facoltà d Ingegnera d Trento a.a. 2010-11 Indce 1. Statstca descrttva. 2. Spaz d probabltà e calcolo combnatoro. 3. Varabl aleatore dscrete.

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

Il valore monetario del volontariato. Un esercizio sul caso napoletano

Il valore monetario del volontariato. Un esercizio sul caso napoletano Statstca & Socetà/Anno 2, N. 1/Lavoro, Economa, Fnanza 11 Il valore monetaro del volontarato. Un eserczo sul caso napoletano Marco Musella Drettore del Dpartmento d Scenze Poltche Unverstà degl Stud Federco

Dettagli

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand Collusone (Cabral cap.8 PRN capp. 13-14) Accord tact o esplct per aumentare l potere d mercato e pratcare prezz pù elevat rspetto all equlbro non cooperatvo corrspondente Esste un vantaggo dalla collusone

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

Lavoro, Energia e stabilità dell equilibrio II parte

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

Dettagli

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

Misure su sistemi trifasi

Misure su sistemi trifasi Msure su sstem trfas - Msure su sstem trfas - Tp d collegamento Collegamento a stella Un sstema trfase è caratterzzato n generale da tre fl d lnea (L L L ) pù un eventuale quarto conduttore L detto conduttore

Dettagli

Modello idraulico - Rapporto tecnico. (Rev. 0b)

Modello idraulico - Rapporto tecnico. (Rev. 0b) ASAP LIFE06/ENV/IT/000255 ASAP_D4-3_ModelloIdraulcoRappTecnco_IT_0b 1/20 LIFE06/ENV/IT/255 A.S.A.P. Actons for Systemc Aqufer Protecton The ASAP proect s partally funded by the European Unon LIFE Programme

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

La POLITICA di BILANCIO espansiva della DOMANDA Il Deficit spending Il DEBITO PUBBLICO

La POLITICA di BILANCIO espansiva della DOMANDA Il Deficit spending Il DEBITO PUBBLICO 1 Ettore Peyron P.A.S. 2014 Ddattca della MACROECONOMIA Lezone N 4 A Testo tratto dalle Dspense del Corso d Economa pubblca Unverstà degl stud d Torno Anno accademco 2010/2011 Facoltà d Economa Lezone

Dettagli

Induzione elettromagnetica

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

Dettagli

Laboratorio di Strumentazione e Misura. Cesare Bini

Laboratorio di Strumentazione e Misura. Cesare Bini Laboratoro d Strumentazone e Msura Cesare Bn Corso d laurea n Fsca Anno Accademco 006-007 Quest appunt sono basat sulle lezon del modulo d Laboratoro d Strumentazone e Msura del prmo anno delle lauree

Dettagli

Il pendolo di torsione

Il pendolo di torsione Unverstà degl Stud d Catana Facoltà d Scenze MM.FF.NN. Corso d aurea n FISICA esna d ABORAORIO DI FISICA I Il pendolo d torsone (sezone costante) Moreno Bonaventura Anno Accademco 005/06 Introduzone. I

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