Propagazione degli Errori

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Propagazione degli Errori"

Transcript

1 Propagaone degl Error La maggor parte delle grandee fsche d solto non può essere msurata attraverso una sngola msura dretta ma vene nvece determnata n due pass dstnt come detto nella defnone d msure ndrette:. S msurano una o pù grandee che possono essere msurate drettamente e dalle ual la grandea che c nteressa può essere calcolata. Utlando valor msurat s calcola la grandea n uestone Un tpco esempo è la veloctà meda d un corpo. Essa necessta la msura dello spao percorso e dell ntervallo d tempo necessaro per percorrerlo: v / t t m s m m 0.0 m 0.03 s v / t.6098 m / s Quanto vale l errore sulla veloctà n uesto caso?

2 Propagaone degl Error In un caso come uesto uando la msura comporta ueste due fas allora anche la stma delle ncertee necessta d due fas dstnte.. Occorre stmare le ncertee nelle grandee che sono state msurate drettamente. Occorre trovare come gl error s sono propagat Questa ultma fase s chama: Propagaone degl error ota: Il lbro d testo presenta prma una sere d relaon approssmate po dmostra la relaone generale. o salteremo subto alla relaone generale

3 Propagaone degl Error formula uas completa caso varabl Supponamo che le osservabl fsche sano msurate cascuna con devaone standard. Supponamo che le osservabl sano necessare per estrarre l valore della osservable attraverso la formula Allora n prma approssmaone la devaone standard è espressa dalla relaone: 0 devaone standard covarana msurat n calcolata rspetto ad parale dervata n dove

4 Propagaone degl Error - Formula uas completa ma semplfcata Supponamo che le osservabl fsche... sano msurate cascuna con devaone standard. Supponamo che le osservabl sano necessare per estrarre l valore della osservable attraverso la formula Allora se gl error d sono ndpendent e casual tra loro la devaone standard è espressa dalla relaone:... 0 devaone standard msurat... n calcolata rspetto ad parale dervata dove

5 Propagaone degl Error ota mportante la formula uas completa nel caso d pu d due varabl ha tutte le dervare ncrocate ota Importante pagna Cannell

6 Esempo Calcolamo l errore sul seno d un angolo Sa =.484 radant 85 grad Sa = 0.07 radant 0.97 grad Voglo conoscere come l errore s propaga l errore su f sn cos cos Qund

7 Eserco: Un gruppo d student vuole msurare l acceleraone d gravtà utlando un pendolo. Effettua una sere d msure per estrarre l perodo d oscllaone e la lunghea del pendolo. Supponendo che g d T 4 d T m.945 s 0.00 m 0.0 s m m m 0.005s g s usano tutt decmal perche non è stato ancora calcolato

8 Applcando la formula generale d propagaone degl error alla relaone che da g S ottene Da cu T T T d d d T T d d g T T d g d T d g T T T d d d T T d d g T d T T su errore Domna g g

9 Esempo pg. 53 bevngton: Se le msure sono rpetbl ndpendent e sena errore sstematco allora la devaone standard è sempre la medesma ndpendentemente dall ndce coè

10 otate che la propagaone degl error puo anche avere un uso predttvo nfatt s potrebbe anche rspondere al seguente uesto A che angolo vene mnmato l errore d msura su D?

11 L ncertea che contrbusce d pù all errore sulla gttata è uello relatvo alla veloctà

12 Provate a fare gl eserc dal

13 Quando devo usare l termne d covarana nella propagaone? Quando l errore delle varabl.. non è ndpendente tra loro uando coè una sovrastma o sottostma d mplca una sovrastma o sottostma d allora la relaone d propagaone degl error nell potes d una funone a due varabl e dventa: Covarana dove

14 Quando devo usare l termne d covarana nella propagaone? La covarana stma n che proporone fluttua asseme a. Covarana - Se le osservabl fluttuano n modo ndpendente l prodotto degl scart s annulla posto che sa suffcentemente grande - Se le osservabl non fluttuano n modo ndpendente l prodotto degl scart ha segno postvo e così da rendere σ non nulla e non trascurable rspetto a σ e σ - nel caso n cu numero d msure sa pccolo allora val la pena fare una prova - Calcolo potando la non correlaone - Calcolo potando la massma correlaone - e chamato errore massmo

15 ota: Se c fosse la massma correlaone tra le ncertee delle osservabl allora Le ncertee und s sommano! S può dmostrare und che vale sempre uesta dsuguaglana b a b Covarana b b b a a a b b a a b a 0 0

16 Qund: Calcolo potando la non correlaone Calcolo potando la massma correlaone errore massmo el caso c fosse una dfferena sostanale tra due valor allora l contesto fsco e/o la anals dat specfca m drà se posso rtenere dat correlat o n generale cosa rportare come errore spermentale Cannell pag.

17 Posso stmare se gl error su a e b sono ndpendent tra loro? Calcolate la covarana Rflettete sulla fsca del sstema che state studando - Esempo: - Avete una sere d coppe dat spermental che devono segure un andamento lneare.e. la lunghea del pendolo L e l suo perodo al uadrato T - Avete estratto da dat spermental coeffcent d una retta coeffcente angolare a± a e termne noto b ± b ad esempo con una regressone lneare = a + b ad esempo L = a T + b - Volete estrapolare l valore della retta o nel punto o e volete anche avere una stma dell errore sulla vostra estrapolaone - ad esempo la lunghea che deve avere un pendolo per oscllare con un perodo d 5 s - otate che ora le varabl con ncertea sono a e b non e

18 Allora l valore della varable o è dato da 0 = a 0 + b ad esempo L = 5 a + b L errore s dovrà calcolare con la propagaone degl error In uesto caso però le osservabl a e b termne noto e coeffcente angolare sono correlate perche estratte da dat spermental n altra parole se camba una deve cambare anche l altra opportunamente per rprodurre dat spermental 0 o a b 0 ab Attenone und che la covarana s calcola a partre da dat spermental con ual avete estratto l parametro a coeffcente angolare e b termne noto. el caso del pendolo a partre da perod e dalle lunghea msurate. Qund:

19 Estrapolaone - Interpolaone La procedura d calcolo della varable Y non msurata è detta nterpolaone uando l valore della è compreso tra due valor d X msurat. E detta nvece estrapolaone uandol valore della X è all esterno de valor msurat Il valore della Y estrapolata/nterpolata s ottene applcando la relaone lneare b a Pù complessa rsulta l estraone dell ncertea della osservable nterpolata/estrapolata Y nfatt: - Il punto d partena sono le coppe d msure - da ueste coppe d msure sono stat estratt parametr a a b b - da uest parametr voglamo ora estrarre una Y nterpolata o estrapolata a partre da una determnata - da uest parametr voglamo ora estrarre la corrspondente - posso usare la propagaone degl error - Attenone che stavolta l errore d a e uello d b sono correlat perche sono estratt da un medesmo dataset.

20 Estrapolaone - Interpolaone Devo usare l termne d covarana nella relaone d propagaone degl error Eseguendo un certo ammontare d cont s arrva alla relaone pù semplce: Qund come gà preannuncato l errore sulla Y nterpolata/estrapolata O è la estratta da dat spermental o dalla regressone lneare ma ualcosa d pù complesso ; cov b a b a b a a b b a b a a b

21 Esempo

22 E tutto Charo? Dovreste aver char seguent argoment: Propagaone degl error Quando usare la covarana nella propagaone degl error

23 Dscrepana ella stragrande maggorana de cas le concluson spermental mplcano l confronto tra due o pù valor. Quest valor possono essere delle msure e und con un ncertea delle stme teorche con o sena ncertea o grandee note. ell potes che dat spermental s dstrbuscono su una gaussana è possble fare un confronto uanttatvo. Data una msura spermentale best ± con devaone dalla meda par a m ed una stma teorca teo della medesma uanttà defnamo: D t best best La uanttà D è detta dscrepana mentre la uanttà t ndca uanto è dstante best da teo n untà d devaone standard lo abbamo gà ncontrato uando abbamo parlato della gaussana e della t d student. Rcordatev che abbamo defnto un t gauss e t stud dentc per ma molto dfferent se relatv a poche msure. m teo teo

24 Se t gauss = 0.3 sgnfca che best dsta da teo d 0.3 devaon standard della meda. Qund: - esste l 75% d probabltà che teo sa l valore medo della dstrbuone statstca msurata - esste l 75% d probabltà che la dfferena tra teo e best sa d orgne statstca. Da uesto s conclude che la msura spermentale è compatble con l valore atteso! Se t gauss = 3.5 sgnfca che best dsta da teo d 3.5 devaon standard della meda. Qund: - esste l 0.05 % d probabltà che teo sa l valore medo della dstrbuone statstca msurata - esste l 0.05 % d probabltà che che la dfferena tra teo e best sa d orgne statstca In altre parole: Da uesto s conclude che la msura O è compatble con l valore atteso! Lo strumento non funona correttamente poco probable La ma procedura d msura non è corretta Esstono degl effett fsc che dsturbano la msura Esste un errore sstematco Ho fatto una scoperta!

25 ota: Quale è l sgnfcato statstco d t? - Ho ottenuto una msura best con devaone standard devaone standard dalla meda m - Devo verfcare se best o teo sono statstcamente ugual - Questo euvale a verfcare con che probabltà D = best - teo sa ero - Poché best è una msura allora con la propagaone degl error posso rcavare l errore su D D Dm best m teo n uesto caso partcolare posso estendere la devaone dalla meda ho una sola varable D relaone alla - Allora t non è altro che la dstana d D da ero n untà d sgma dalla meda D t Dm best m teo

26 Cosa succede se devo confrontare due msure spermental o due osservabl cascuna con una ncertea? Data una msura spermentale best ± con devaone dalla meda par a m effettuata dallo studente A ed una msura una msura spermentale best ± con devaone dalla meda par a m effettuata dallo studente B D t best best m best best m Il resto è esattamente lo stesso otate che s può dmostrare la formula sopra con la propagaone degl error

27 Il lmte entro l uale stablre la compatbltà è stablto a pror e vara tra dvers ambt spermental. el caso d uesto corso d laboratoro lo stablremo entro oppure m. Se è tra due o tre sgma allora l espermento non è conclusvo. Qund: un dato spermentale è compatble con una stma teorca/attesa se t gauss < una msura spermentale con e m è compatble con un altra msura con e m o con un valore noto se t gauss < Abbamo gà vsto n una gaussana non necessaramente per le altre dstrbuon statstche l ntervallo best ± corrsponde al 68 % de dat In altre parole nel caso d una dstrbuone gaussana le sngole msure cadranno nell ntervallo <> ± con lvello d confdena par al 68% Analogamente per 95% o % o X Per dstrbuon non gaussane s dce [ o - o + ] al 95% C.L. Questo sgnfca che l 95% delle msure cadono nell ntervallo [ o - o +]

28 Qund: Quando devo confrontare due msure o una prevsone teorca ed una msura devo: Accertarm se usare la gaussana o l approcco della t d student. In uest ultmo caso a partre dalla t stud estraggo la t gauss euvalente. Sapere ual sono gl ntervall d confdena n altre parole la fnestra entro uale ntervallo ho l 68% 95% 99.7% degl event. 3 Decdere una sogla d probabltà oltre la uale rtengo la probabltà rragonevolmente pccola. Coè decdere ad esempo che "se l'evento è fuor da un ntervallo d confdena del 95% allora è mprobable. 4 Calcolare la dscrepana t Pt -Pt - Lo so fare con la gaussana - on lo so fare con altre dstrbuon ho bsogno d conoscere l C.L Esempo ved l fle precedente o lucdo successvo

29 Cosa bsogna fare uando ho poche msure: Esempo: ho 4 Msure che m hanno dato un valore medo d 5.3 ed una devaone standard della meda 0.7. Voglo verfcare la compatbltà d uesto rsultato con un valore atteso d 4.9. La funone ERF della gaussana t poché costruta con la devaone standard del campone non produce le corrette probabltà Estraggo l osservable t usando la devaone standard msurata t stud = /0.7 =.35 Utlando la tabella della t d Student trovo la probabltà assocata alla t ottenuta Pesternat stud =.35 = 0.90 = 0. Rcavo la probabltà euvalente a 0. = 0% con la funone ERF gaussana Pgaussana-esterna= 0% -> t gauss =.64 Eseguo tutt ragonament d compatbltà come se la t rcavata da me dat spermental fosse.64 Poché t gauss < allora l dato spermentale è compatble con l valore atteso Ho l 0% d probabltà che la dfferena tra la ma msura e l valore atteso sa d orgne statstca e und lo accetto Se non avess usato la dstrbuone d Student avre concluso che la compatbltà tra l dato spermentale e uello atteso

30 Meda Dad meda dad Meda Dad Acceleraone d Gravtà m/s ESEMPIO : Tro due dad ugual n forma Voglo sapere se statstcamente due dad sono ugual? Msura spermentale Msura spermentale arb. unts.5.5 dscrepana errore t m m bsogna usare la devaone dalla 0 < t < Le due msure sono certamente consstent dad sono ugual < t < Ho tra l 5-30% d probabltà che le due msure sano consstent Le due msure sono consstent - dad sono ugual < t < 3 Ho tra lo 0.3-5% d probabltà che le due msure sano consstent Le due msure con molta probabltà non sono consstent - dad con molta probabltà O sono ugual - sarebbe opportuno fare ulteror msure t > 3 Ho meno del 0.3 % d probabltà che le due msure sano consstent Le due msure non sono consstent - dad O sono ugual Dado Dado Dado Dado arb. unts.5.5 meda

31 meda dad meda dad ESEMPIO : Tro un dado Voglo sapere se l dato è truccato.50.5 Valore Atteso Msura spermentale.50.5 Valore Atteso Msura spermentale arb. unts arb. unts 3 4 t teo m bsogna usare la devaone dalla meda 0 < t < La teora ed dat sono consstent < t < Ho tra l 5-30% d probabltà che la teora ed dat sano consstent < t < 3 Ho tra lo 0.3-5% d probabltà che la teora ed dat sano consstent t > 3 Ho meno del 0.3 % d probabltà che la teora ed dat sano consstent

32 Sgnfcatvtà Statstca Supponamo d avere una msura sngola 0 e una dstrbuone per semplctà d tpo gaussana con valor medo <> e devaone standard. C chedamo se la dfferena tra 0 e <> sa d orgne statstca o reale Calcolamo und la t gauss usando o meno la t stud Sgnfcatvtà Se -Pt < 5 % oppure t gauss >.96 - s dce che ho evdena sgnfcatva che 0 O appartenga alla dstrbuone statstca che ha generato <> e. Ovvero la dscrepana è sgnfcatva. Se -Pt < % oppure t gauss >.3 - s dce che ho evdena altamente sgnfcatva che 0 O appartenga alla dstrbuone statstca che ha generato <> e. Ovvero la dscrepana è altamente sgnfcatva.

33 HP : Dstrbuone gaussana e msure rpetbl ed ndpendent Cosa sgnfca scartare dat la cu dfferena dal valor medo sa sgnfcatva? - Sgnfca scartare dat per ual t gauss >.96 - Sgnfca che sono scuro d elmnare crca l 5% d dat buon - Sgnfca che avrò l 5% d probabltà d scartare un evento che n realtà è buono Esempo: Ho delle scatole con 000 component elettrc che devono avere un valore d resstena par a 0 ± Ohm. Poché non posso msurare la resstena d tutt component elettrc della scatola ne pglo 0 e ne msuro la resstena. Se l valor medo della resstena è compreso tra 8.04 ed.96 Ohm nota.96 =.96* und 0-.96=8.04 e 0+.96=.96 allora la scatola vene avvata alla vendta. In caso contraro s butta va. In uesto caso pochè l mo lmte è.96 sgma sono scuro d buttare va l 5% d scatole buone con resstena 0 ± Ohm nseme a uelle con resstena dversa da 0 ± Ohm

34 HP : Dstrbuone gaussana e msure rpetbl ed ndpendent Cosa sgnfca scartare dat la cu dfferena dal valor medo sa altamente sgnfcatva? - Sgnfca scartare dat per ual t gauss >.56 - Sgnfca che sono scuro d elmnare l % d dat buon - Sgnfca che avrò l % d probabltà d scartare un evento che n realtà è buono Esempo: Ho delle scatole con 000 component elettrc che devono avere un valore d resstena par a 0 ± Ohm. Pochè non posso msurare la resstena d tutt component elettrc della scatola ne pglo 0 e ne msuro la resstena. Se l valor medo della resstena è compreso tra 7.44 ed.56 Ohm allora la scatola vene avvata alla vendta. In caso contraro s butta va. In uesto caso pochè l mo lmte è.56 sgma sono scuro d buttare va solo l % d scatole buone nseme a uelle con materale dfettoso otate che n uesto caso butto va meno scatole solo l % ma è pù facle avvare alla vendta scatole con materale dfettoso

35 Meda Pesata Può captare che una grandea sa stata msurata pù volte da persone o con tecnche dfferent Cascuna d ueste msure a sua volta è l rsultato d molte msure e und è nella forma Il calcolo del semplce valor medo potrebbe non essere convenente se le ncertee non sono ugual o molto sml. E n generale pù corretto usare la meda pesata defnta come best best Attenone: controllare che le msure sano consstent tra loro dscuteremo a fne leone come fare n pratca la t gauss tra le dverse msure non deve essere assocata ad una probabltà eccessvamente bassa ota: Questa relaone vale per la devaone standard e per uella della meda w w w 3 / 3 w 35

36 ota: Meda Pesata E nutle fare una meda pesata uando le devaon standard o devaon standard della meda sono sostanalmente ugual per tutte le msure. Fate la meda delle msure e estraete la devaone standard e/o della meda dalle msure stesse confrontando l rsultato con l errore mnmo. Sebbene sa corretto tenere conto dell errore strumentale assocato ad ogn msura prvlegate sempre l dato spermentale. Solo alla fne confrontatelo con l errore mnmo estratto sulla base delle ncertea strumental: Poché l errore mnmo sul perodo non può essere d molto nferore all errore strumentale devo confrontare alla fne de cont l errore mnmo s con uello rcavato per l perodo medo esempo: Ottenuto da solo dat spermental e non dall errore strumentale Come vedete l valore medo calcolato con due metod è uguale. Possono cambare le devaon standard Ottenuto facendo la meda pesata con la sgma strumentale

37 Provate a fare gl eserc dal 5.7 al 5.8 e dal 5.34 al 5.37

38 Eserco: S supponga d voler verfcare che due fornture d resstene d valore nomnale dcharato per esempo sa = 470 sa affdable. S supponga che ogn forntura sa normalmente dstrbuta con devaone standard = 0 ma con valor medo dfferente. Per una stma rapda del valor medo s msur un campone d = 5 resstene da ogn forntura. S e trovato: campone = 480 campone = 475 Quale è la probabltà che la dfferena tra l valore medo osservato e uello atteso sa solamente d orgne statstca? b Quale valore d a lvello d confdena del 95 % rappresenta una stma del valore vero? c Quale valore d a lvello d confdena del 98 % rappresenta una stma del valore vero? d Quale deve essere l valore d per essere scur a lvello d confdena del 98% che la stma non dffersca da per pù d 5? Soluone: Sappamo l valore medo vero Sappamo la devaone standard vera E fatto cclo d 5 msure da una popolaone per due scatole d resstene e s ottengono due valor med

39 .3% % esterna P t esterna P t m m m % nterna % nterna t P t P /.3 98% nterna sgma t P m

40 Perodo [s] T m d m -tot d/ m -tot -tot d/-tot

41 La seconda msura rsulta ncompatble con le altre n uanto valutando la dscrepana d= T -T della stessa da ogn altra e l corrspondente errore md = m + m / rsulta per ogn =345 d/m d >.96 La seconda msura è ncompatble con le altre n uanto anche consderando la msura con la pù alta devaone standard. La msura non rsulta essere compatble con un C.L. del 95% Se uesta è la sogla statstca allora la msura non rappresenta la stessa osservable fsca delle msure 345. Qund una volta evdenata la O compatbltà con ogn altra msura non va nserta nella meda pesata

42 Eserco Facendo 30 volte una msura ho ottenuto la tabella mostrata. In uale ntervallo ho un lvello d confdena del 80% d trovare la prossma msura non è scontata una dstrbuone gaussana. Ovvamente vsto che non sto parlando d devaone dalla meda ne d una dstrbuone gaussana non posso usare le propretà della t gauss Metto n ordne crescente le msure fatte e verfco n che ntervallo ntorno al valore medo raccolgo l 90% delle msure

43 Soluone [.4-5.3]

44 E tutto Charo? Dovreste aver char seguent argoment: Dscrepana Lvello d confdena Compatbltà

Propagazione degli Errori

Propagazione degli Errori Propaaone el Error Fno a ora abbamo sempre e solo scusso msure rette. I concett valor meo evaone stanar e errore fno a u scuss sono assocat a msure rette La maor parte elle ranee fsche solto non può essere

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

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

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

Misure Ripetute ed Indipendenti

Misure Ripetute ed Indipendenti Msure Rpetute ed Indpendent Una delle metodologe pù semplc per valutare l affdabltà d una msura consste nel rpeterla dverse volte, nelle medesme condzon, ed esamnare dvers valor ottenut. Ovvamente, una

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

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

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

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

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

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

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

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri Fsca Generale I Msure d grandezze fsche e ncertezze d msura Lezone 3 Facoltà d Ingegnera Lvo Lancer Indce Abbamo mparato: Orgne e classfcazone delle ncertezze (error) d msura Rappresentazone delle ncertezze

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

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri Fsca Generale I Msure d grandezze fsche e ncertezze d msura Lezone 3 Facoltà d Ingegnera Lvo Lancer Indce Abbamo mparato: Orgne e classfcazone delle ncertezze (error) d msura Rappresentazone delle ncertezze

Dettagli

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012 CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso

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

10 Modelli di dispersione

10 Modelli di dispersione 10 Modell d dspersone Smulare l comportamento d un nqunante, rlascato n atmosfera, sgnfca determnare l campo d concentraone da esso prodotto n qualunque punto dello spao e n qualunque stante successvo

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

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

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

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

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)

Dettagli

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria. SCELTA OTTIMALE DEL PROCEDIMENTO PER PESARE Il procedmento può essere pensato come una rcerca n un nseme ordnato, l peso ncognto può essere cercato con l metodo della rcerca bnara. PESI CAMPIONE IN BASE

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

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

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

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

Incertezza di sensibilità < fluttuazione intrinseca delle misure.

Incertezza di sensibilità < fluttuazione intrinseca delle misure. Error casual no ad ora abbamo correlato la bontà d una msura alla sensbltà degl strument utlzzat. Samo partt da una stuazone n cu effettuata una sere d msure rpetute, le msure hanno tutte dato lo stesso

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

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

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

y. E' semplicemente la media calcolata mettendo

y. E' semplicemente la media calcolata mettendo COME FUNZIONA L'ANOVA A UN FATTORE: SI CONFRONTANO TANTE MEDIE SCOMPONENDO LA VARIABILITA' TOTALE Per testare l'potes nulla che la meda d una varable n k popolazon sa la stessa, s suddvde la varabltà totale

Dettagli

Statistica di Bose-Einstein

Statistica di Bose-Einstein Statstca d Bose-Ensten Esstono sstem compost d partcelle dentche e ndstngubl che non sono soggette al prncpo d esclusone. In quest sstem non esste un lmte al numero d partcelle che possono essere osptate

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca

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

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

Qualità dell adattamento di una funzione y=f(x) ad un insieme di misure (y in funzione di x)

Qualità dell adattamento di una funzione y=f(x) ad un insieme di misure (y in funzione di x) Qualtà ell aattamento una funzone y=f() a un nseme msure (y n funzone ) Date N msure coppe valor elle granezze e y, legate alla relazone y=f(;a,b), nell potes che le ncertezze sulle sano trascurabl e y

Dettagli

La likelihood. , x 3. , x 2. ,...x N

La likelihood. , x 3. , x 2. ,...x N La lkelhood È dato un set d msure {x 1, x 2, x 3,...x N } (cascuna delle qual può essere multdmensonale) Supponamo che la pdf (f) dpenda da un parametro (anch'esso eventualmente multdmensonale) La verosmglanza

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 degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati. Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes

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

Esercitazione 1 del corso di Statistica 2

Esercitazione 1 del corso di Statistica 2 Eserctazone del corso d Statstca rof. Domenco Vstocco Dott.ssa aola Costantn 8 Aprle 008 Eserczo n. S consder un campone d 00 student d cu s conoscono le seguent probabltà dstnt secondo l sesso (Mmascho,

Dettagli

θ 2 i r 2 r La multifunzione f (z) = z z i

θ 2 i r 2 r La multifunzione f (z) = z z i 1-19 1.4 1.4.1. La multfunone f () = + 1 3 è l prodotto d 2 multfunon Z Z e W 3 W. È qund ragonevole supporre che Z =, coè = 1 e W =, coè = sano punt d dramaone d f. Con rfermento alla fgura a lato, e

Dettagli

Sorgenti Numeriche - Soluzioni

Sorgenti Numeriche - Soluzioni Sorgent umerche - Soluzon *) L anals delle frequenze con cu compaono le vare lettere n un documento n talano, comprendente 5975 caratter, ha fornto seguent dat: Lettera umero Frequenza relatva A 666. B

Dettagli

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

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

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30 1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza

Dettagli

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

METODI DI MISURA LEZIONI DEL CORSO DI FISICA I E METODI DI MISURA. Enrico Ferrero

METODI DI MISURA LEZIONI DEL CORSO DI FISICA I E METODI DI MISURA. Enrico Ferrero METODI DI MISURA LEZIOI DEL CORSO DI FISICA I E METODI DI MISURA Enrco Ferrero ITRODUZIOE Error come ncertezze: non sono sbagl, sono nevtabl e devono essere rdott l pù possble. Inevtabltà degl error nella

Dettagli

Regressioni con variabili strumentali

Regressioni con variabili strumentali Regresson con varabl strumental 3 mportant mnacce alla valdtà nterna del modello: Bas dovuta alle varabl omesse, varabl correlate con X ma non osservate e che per questo non possono essere ncluse nella

Dettagli

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre

Dettagli

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla? Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà

Dettagli

Lezione 2 a - Statistica descrittiva per variabili quantitative

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

Dettagli

Correlazione lineare

Correlazione lineare Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl

Dettagli

Spostamento, velocità, accelerazione

Spostamento, velocità, accelerazione Spostamento, veloctà, acceleraone Posone e spostamento Due stan assegna t 1 e t, con t t 1 >0 Posone al tempo t 1 : r r t ) ( ( t ), ( t ), ( 1 ( 1 1 1 t1 Posone al tempo t : r r t ) ( ( t ), ( t ), (

Dettagli

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti: S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva

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

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017

Tutorato di Complementi di Analisi Matematica e Statistica 23 e 30 marzo 2017 Tutorato d Complement d Anals Matematca e Statstca 23 e 30 marzo 2017 Gl esercz con l smbolo eo sono tratt da prove d esame del 2016 ( eo gorno/mese eo) Esercz dagl ncontr precedent 3. Una varable X può

Dettagli

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X) ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa

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 RUMORE NEGLI AMPLIFICATORI

IL RUMORE NEGLI AMPLIFICATORI IL RUMORE EGLI AMPLIICATORI Defnzon S defnsce rumore elettrco (electrcal nose) l'effetto delle fluttuazon d corrente e/o d tensone sempre present a termnal degl element crcutal e de dspostv elettronc.

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

Istogrammi e confronto con la distribuzione normale

Istogrammi e confronto con la distribuzione normale Istogramm e cofroto co la dstrbuzoe ormale Suppoamo d effettuare per volte la msurazoe della stessa gradezza elle stesse codzo (es. la massa d u oggetto, la tesoe d ua pla, la lughezza d u oggetto, ecc.):

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabltà Che collegamento c è tra gl strument statstc vst fno ad ora per lo studo de fenomen real e l calcolo delle probabltà? Non sempre la conoscenza delle caratterstche d un fenomeno

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

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

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

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

Corsi di Laurea in Farmacia e CTF Prova di Matematica

Corsi di Laurea in Farmacia e CTF Prova di Matematica Cors d Laurea n Farmaca e CTF Prova d Matematca S O L U Z I O N I Effettua uno studo qualtatvo della funzone 4 f + con partcolare rfermento a seguent aspett: a trova l domno della funzone b trova gl ntervall

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

Note introduttive al Laboratorio di Fisica. Leonardo Merola

Note introduttive al Laboratorio di Fisica. Leonardo Merola ote ntroduttve al Laboratoro d Fsca Leonardo Merola METODOLOGIA DELLE SCIEZE FISICHE La Fsca è una Scenza (rgorosa nel metodo ma non esatta e non defntva che s basa sulla spermentazone e sulla nterpretazone

Dettagli

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

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

Dettagli

Lezione 2 a - Statistica descrittiva per variabili quantitative

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

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre

Dettagli

Lezione 2 le misure di sintesi: le medie

Lezione 2 le misure di sintesi: le medie Lezone le msure d sntes: le mede Cattedra d Bostatstca Dpartmento d Scenze spermental e clnche, Unverstà degl Stud G. d Annunzo d Chet-Pescara Prof. Enzo Ballone Lezone a- Statstca descrttva per varabl

Dettagli

C.I. di Metodologia clinica

C.I. di Metodologia clinica C.I. d Metodologa clnca I metod per la sntes e la comuncazone delle nformazon sulla salute Come possamo trarre concluson attendbl su parametr a partre dalle stme camponare? I metod per la produzone delle

Dettagli

Metodologie informatiche per la chimica

Metodologie informatiche per la chimica Metodologe nformate per la mca Dr. Sergo Brutt Eserctazone d anals de dat II INERCALAIN GRAPHIE ANDE Eserctazone - galvanometra Cclazon galvanostate d una cella elettromca In questa eserctazone studeremo

Dettagli

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl Le Inferenze sul modello d regressone PREVEDONO: Assunzone d normaltà degl error e nferenza su parametr Anals della Varanza Inferenza per la rsposta meda e la prevsone Anals de resdu Valor anomal Captolo

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

LA CALIBRAZIONE NELL ANALISI STRUMENTALE LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra

Dettagli

Analisi della Varianza

Analisi della Varianza Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

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

Dilatazione Termica dei Solidi

Dilatazione Termica dei Solidi Prof. Tortorell Leonardo Spermentazone Tortorell'e-book per la ISICA 6.05 - Dlatazone Termca de Sold 6.05.a) Descrzone Qualtatva del enomeno ra molt effett prodott nella Matera da un Aumento d Temperatura,

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

La sincronizzazione. (Libro) Trasmissione dell Informazione

La sincronizzazione. (Libro) Trasmissione dell Informazione La sncronzzazone (Lbro) Problem d sncronzzazone La trasmssone e la dverstà tra gl OL del trasmetttore e del rcevtore ntroducono (anche n assenza d fadng) un errore d d frequenza, d fase e d camponamento

Dettagli

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k (1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)

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

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

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

Probabilità cumulata empirica

Probabilità cumulata empirica Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè

Dettagli

Distribuzione di Boltzmann. Nota

Distribuzione di Boltzmann. Nota Dstrbuzone d Boltzmann ota Tutto l soggetto trattato deve n realta essere nserto nel quadro concettuale della meccanca statstca, che non e trattato n questo corso. Quest cenn sono solo un breve rchamo

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

materiale didattico I incontro

materiale didattico I incontro Pano Nazonale Lauree Scentfche (PLS 2016-2017) Statstca Laboratoro d Statstca Le relazon tra varabl prof.ssa Angela Mara D'Uggento angelamara.duggento@unba.t materale ddattco I ncontro Dall anals statstca

Dettagli

Stima dei Parametri: Metodo di Massima Verosimiglianza

Stima dei Parametri: Metodo di Massima Verosimiglianza Captolo 8 Stma de Parametr: Metodo d Massma Verosmglanza Lo scopo dello studo spermentale de fenomen fsc è quello d scoprre qual sono le legg che legano le grandezze fsche e d ottenere l valore delle costant

Dettagli