Approfondimenti di statistica e geostatistica

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Approfondimenti di statistica e geostatistica"

Transcript

1 Approfodimeti di statistica e geostatistica APAT Agezia per la Protezioe dell Ambiete e per i Servizi Tecici

2 Cos è la geostatistica? Applicazioe dell aalisi di Rischio ai siti Cotamiati Geostatistica La Geostatistica studia i feomei aturali che si sviluppao su base spaziale a partire dalle iformazioi derivati da u loro campioameto. I particolare studia la variabilità spaziale dei parametri che descrivoo tali feomei. Defiizioi Variabile regioalizzata (VR): è ua gradezza espressa come ua fuzioe umerica z(x) il cui valore dipede dalla localizzazioe ovvero dal vettore x (x, y) delle coordiate spaziali. Campo: è il domiio all itero del quale si studia la variabilità della variabile z. Supporto: è l etità geometrica sulla quale vegoo misurati i valori della variabile z. Quado le dimesioi soo molto piccole (rispetto alla scala del lavoro) il supporto può cosiderarsi putuale.

3 Aalisi spaziale Approccio probabilistico Perché u approccio probabilistico? Necessità di passare da dati putuali (misurati) ad u dato omogeeo e cotiuo el domiio di studio. Variabile aleatoria (VA): Z(x 0 ) rappreseta l isieme dei valori che può assumere la variabile regioalizzata z(x) el puto x 0 (x 0, y 0 ) del domiio di studio, ovvero è ua variabile che assume dei valori umerici apparteeti ad u certo itervallo secodo ua legge di desità di probabilità f 0 (Z). Fuzioe aleatoria (FA): FA Z(x) è l isieme di tutte le variabili aleatorie Z(x) per ogi puto x (x, y) del domiio di studio, ovvero l isieme di tutti i valori che può assumere la variabile regioalizzata z(x) el domiio di studio. Approccio Probabilistico Valori misurati di z(x) Fuzioe aleatoria FA Z(x) Fuzioe aleatoria FA Z(x) Stima di z(x) ell itero domiio 3

4 Il Variogramma Icremeti: ε(h) = Z(x i h) - Z(x i ) Esprimoo la variazioe della variabile spaziale co la posizioe ovvero al variare del vettore h Dispersioe (variaza) degli icremeti : aumeta al crescere di h e quidi decresce co la distaza l iflueza della distaza stessa sulla variazioe di Z(x) Variogramma: Esprime la correlazioe (variaza) di Z(x) co la distaza h γ(h) = ½ var [Z(xh) - Z(x)] 4

5 5 Elemeti del Variogramma Variogramma sperimetale Variogramma modello γ(h) = (h) i= [ z(x h) z(x) ] (h) [γ(h)] semivariace 0 5 Sill Nugget: variabilità casuale o correlata alla distaza (es. errori di misura) Sill: variabilità alla distaza correlata Rage Nugget Rage: distaza oltre la quale o si osserva più correlazioe spaziale distace [h] 5

6 Stima del variogramma modello I dati presetao u tred: occorre elimiare l effetto del tred (detredizzare) semivariace Aisotropia: diversa correlazioe a secoda della direzioe (45 vs 35 ) distace

7 Modelli di iterpolazioe dei dati Modelli di iterpolazioe y Dato putuale x Iterpolazioe Dato cotiuo 7

8 Modelli di iterpolazioe dei dati Modelli di iterpolazioe Per otteere ua rappresetazioe spaziale cotiua el domiio di studio di ua VR occorre: stimare i valori della VR ai vertici di ua griglia regolare sufficietemete fitta sulla base dei valori misurati (operazioe di stima); iterpolare sui lati della griglia i valori della VR sulla base dello stimatore selezioato (operazioe di iterpolazioe). Stimatori lieari La stima della VR ei vertici della griglia z*(x 0 ) è ua combiazioe lieare dei valori misurati ei puti vicii z(x α ) z * (x 0 z(x i puti x α rappresetao rispetto a x 0 il cosiddetto viciaggio di stima; i coefficieti λ α soo i pesi della combiazioe lieare. ) = λ α α= α ) 8

9 Correttezza ed accuratezza della stima Errore della stima Differeza el puto x 0 tra valore vero e valore stimato: λ α α α= * ε = z(x ) z (x ) = z(x ) z(x Correttezza della stima La stima è corretta se la media degli errori di stima è ulla. E [] ε = E z(x ) z(x ) 0 0 λ α α = α= Accuratezza della stima La stima ètato più accurata quato più bassa è la dispersioe degli errori ovvero della variaza di stima: ) σ s = D [] ε = α= λ α γ(x α x 0 ) α= β= λ α λ β γ(x α x β ) 9

10 Modelli determiistici I pesi λ α della combiazioe lieare soo fuzioi matematiche date. I valori stimati soo quidi calcolati a partire dai dati misurati sulla base di precise leggi matematiche che o tegoo coto della legge di autocorrelazioe spaziale (variogramma). I modelli più comuemete utilizzati soo: Poligoi di iflueza (Nearest Neighbour Aalysis NNR) Media mobile Iverso delle distaze (Iverce Distace Weighted IDW) Regressioi Poliomiali Splie Il risultato forito dai modelli determiistici è uicamete ua mappa delle previsioi. E possibile comuque determiare l accuratezza della stima calcolado la variaza di stima i base al variogramma. 0

11 00% x 0 0% Poligoi di iflueza (NNR) Il valore stimato è pari al valore del puto più vicio all itero del viciaggio di stima. 3 0% z*(x 0 ) = z l = 00% = l i = 0% = 0 4 0% 5 0% L iflueza è quidi limitata ad u solo dato ovvero al puto più vicio. Si trascurao gli altri cotributi.

12 Media mobile 0% 3 0% x 0% 0 Il valore stimato è pari alla media dei valori dei puti all itero del viciaggio. I pesi soo uguali e dipedoo dal umero di puti cosiderati. zi * i z (x0) = = λ i = / λ i = /5 = 0% 4 0% 5 0% L iflueza sulla stima (pesi) o dipede é dalla distaza del puto x 0 rispetto ai puti all itero del viciaggio, é dai valori assuti dalla variabile ei puti stessi.

13 38% 4 5% x 0 5 0% % Applicazioe dell aalisi di Rischio ai siti Cotamiati Iverso delle distaze (IDW) 3 5% I pesi λ i soo iversamete proporzioali alla distaza dell i-esimo puto del viciaggio rispetto al puto x 0. z ϕ * (x ( d ) i 0 ) = = d i= i= zi ϕ ϕ ( d ) i ( d ) i λ i = i= ϕ d ( ) ϕ i ( d ) Iverso della distaza i ϕ ( d ) = d i Iverso del quadrato della distaza L iflueza sulla stima è data dalla distaza del puto x 0 rispetto ai puti all itero del viciaggio e o dai valori assuti dalla variabile ei puti stessi. 3

14 Quale modello scegliere? Poligoi di iflueza Iverso delle distaze Media mobile Iverso del quadrato delle distaze 4

15 Quale modello scegliere? Il modello da scegliere è quello che miimizza la variaza di stima σ s = D [] ε = α= λ α γ(x α x 0 ) α= β= λ α λ β γ(x α x β ) Modello σ s Poligoi di iflueza (NNR) 3,4 Media Mobile 3,0 Iverso delle distaze (IDW),83 Iverso del quadrato delle distaze (IDW),8

16 Modelli statistici I pesi λ α della combiazioe lieare soo determiati i modo da miimizzare la variaza di stima σ s. I valori stimati quidi tegoo coto della legge di autocorrelazioe spaziale (variogramma). I modelli di stima statistici soo geericamete idicati come Krigig ed i particolare e esistoo diverse applicazioi: Krigig Semplice Krigig Ordiario Uiversal Krigig CoKrigig geostatistica uivariata geostatistica multivariata Il risultato forito dai modelli determiistici è ua mappa delle previsioi isieme ad ua mappa delle icertezze. La mappa delle icertezze mostra la variaza di stima determiata i base al variogramma. 6

17 Foc - Mappa delle previsioi Applicazioe dell aalisi di Rischio ai siti Cotamiati Modelli statistici Foc - Mappa delle icertezze 7

18 Krigig ordiario e Krigig semplice Krigig ordiario (KO) Si applica el caso di fuzioi aleatorie stazioarie, ossia el caso i cui la media dei residui sia costate i tutto il domiio di studio Miimizzazioe della variaza di stima: σ s = 0 λ γ(x x ) µ = γ(x x0) α = β α β α,..., λ α β= sistema di equazioi i icogite (pesi λ α e lagragiao µ) L ultima equazioe per risolvere il sistema si ottiee dalla codizioe di correttezza della stima i caso di fuzioi aleatorie stazioarie: E[] ε = E z(x0 ) λ β z(xβ ) = 0 λβ = β= β= Krigig semplice (KS) Si applica el caso di fuzioi aleatorie stazioarie co media dei residui costate e ota. Necessita di u elevato umero di dati misurati. E più preciso del KO el caso di u elevato umero di misurazioi. s ( KS) σ ( KO) σ < s 8

19 Uiversal Krigig Si applica el caso di fuzioi aleatorie o stazioarie itriseche, ossia el caso i cui la media dei residui o è costate e la legge di autocorrelazioe preseta u tred. La fuzioe aleatoria Z(x) può essere cosiderata i ogi puto x del domiio come la sovrapposizioe di due compoeti: Il tred m(x) che rappreseta la parte determiistica Il residuo Y(x) che rappreseta la parte aleatoria Z(x) = Y(x) m(x) m(x) Se il residuo Y(x) è ua fuzioe stazioaria e o è correlata al tred allora è possibile applicare la procedura di Krigig al residuo e quidi effettuare lo Uiversal Krigig (UK). 9

20 CoKrigig La stima della la variabile pricipale (target) o si basa solo sui valori della variabile esamiata ma prede i cosiderazioe ache altre variabili ausiliarie. La codizioe ecessaria per l applicazioe del CoKrigig è che la variabile target z (x) e le variabili ausiliarie z (x) siao spazialmete correlate. Lo stimatore della variabile target è dato da: * 0 α= α α α= α α z (x ) = λ z (x ) ω z(x La codizioe di correttezza della stima è data da: λ α = ω α= α= α = 0 U possibile campo di applicazioe è quello a dati di caratterizzazioe/moitoraggio riferiti a periodi diversi. E possibile quidi utilizzare u maggior umero di dati ache se o riferiti alla stessa campaga di idagie. ) 0

21 Quale modello scegliere? Modelli determiistici Vataggi Semplicità di utilizzo Possoo essere utilizzati ache co pochi dati misurati No richiedoo ipotesi sulla distribuzioe spaziale dei dati No dipedoo dal modello scelto per il variogramma Vataggi Tegoo coto della variabilità spaziale del dato Foriscoo ua mappa delle icertezze associate alla stima putuale del dato Dao stime più precise co u umero discreto di misure Modelli statistici Svataggi No tegoo coto della variabilità spaziale No foriscoo ua mappa delle icertezze Spesso o tegoo coto dei valori assuti dalla variabile ei puti di misura Svataggi Soo più complessi Richiedoo ipotesi sulla distribuzioe spaziale dei dati (stazioarietà, tred, ecc.) Dipedoo dal modello scelto per il variogramma Hao poco potere previsioale se si dispoe di pochi dati

22 Esperieze applicative Nell ambito della boifica dei siti cotamiati la geostatistica viee applicata soprattutto per: Carta delle isopieze Carte di isococetrazioe (soprattutto per la falda) I geere i risultati otteuti risultao careti i quato: La geostatistica viee spesso applicata co pochi dati a disposizioe. Raramete viee idicato il modello di stima e di iterpolazioe utilizzato. Spesso o vegoo idicati i puti utilizzati per l iterpolazioe e/o i valori che la variabile assume i tali puti, é il domiio di studio. A volte vegoo utilizzate codizioi al cotoro ell area (puti fittizi) che o rispecchiao dati reali misurati. Raramete vegoo applicati più modelli di stima allo stesso set di dati ed effettuato il cofroto fra le variaze di stima. Quado vegoo utilizzati modelli statistici (krigig), o viee riportata la determiazioe del variogramma sperimetale e del variogramma modello utilizzato, é viee prodotta la mappa delle icertezze.

23 Esempi di errori frequeti () Carta delle isopieze Qual è il domiio di studio? E il sito o u area più ampia? Quali soo i valori riscotrati ei piezometri? No è stato riportato il modello di stima ( forse IDW?) Icertezza della stima? 3

24 Esempi di errori frequeti () Carta di isococetrazioe ei suoli Modello utilizzato: Krigig Al cofie del sito (domiio di studio) soo stati itrodotti dei puti fittizi (SF ) ai quali è stata assegata ua cocetrazioe arbitraria o misurata. La cocetrazioe ei puti fittizi è stata posta a volte pari al valore del puto più vicio e a volte pari a zero. Le aree i viola idicao le zoe a cocetrazioe iferiore a zero! Variogramma? Icertezza della stima? 4

25 Esempi di errori frequeti (3) Carta di isococetrazioe i falda >0, µg/l Qual è il domiio di studio? Perché i piezometri MW8 e MW o soo stati cosiderati ell iterpolazioe? Le curve di isococetrazioe o rispecchiao i dati misurati! 5

26 Cosiderazioi coclusive La geostatistica è uo strumeto utile e potete e viee utilizzata spesso el campo dei siti cotamiati. L esperieza ella valutazioe degli elaborati progettuali relativi ai siti cotamiati di iteresse azioale purtroppo mostra che il livello di utilizzo di questo strumeto è acora carete i quato: spesso ci si limita ad ua mera applicazioe di u software seza adeguati cotrolli e valutazioi dei risultati; alcui modelli (es. poligoi di iflueza) soo riteuti più coservativi di altri, ma alla fie possoo sottostimare la situazioe reale del sito; spesso si voglioo usare modelli complessi (es. krigig) o applicabili ai dati dispoibili o co limitati set di dati. Occorre soprattutto o limitarsi solo a forire delle mappe, ma idicare tutte le valutazioi che le hao prodotte oltre all icertezza dei risultati. 6

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli

4. Metodo semiprobabilistico agli stati limite

4. Metodo semiprobabilistico agli stati limite 4. Metodo seiprobabilistico agli stati liite Tale etodo cosiste el verificare che le gradezze che ifluiscoo i seso positivo sulla, valutate i odo da avere ua piccolissia probabilità di o essere superate,

Dettagli

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche est o parametrici Il test di Studet per uo o per due campioi, il test F di Fisher per l'aalisi della variaza, la correlazioe, la regressioe, isieme ad altri test di statistica multivariata soo parte dei

Dettagli

8. Quale pesa di più?

8. Quale pesa di più? 8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

LA DERIVATA DI UNA FUNZIONE

LA DERIVATA DI UNA FUNZIONE LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:

Dettagli

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

Motori maxon DC e maxon EC Le cose più importanti

Motori maxon DC e maxon EC Le cose più importanti Motori maxo DC e maxo EC Il motore come trasformatore di eergia Il motore elettrico trasforma la poteza elettrica P el (tesioe U e correte I) i poteza meccaica P mech (velocità e coppia M). Le perdite

Dettagli

EQUAZIONI ALLE RICORRENZE

EQUAZIONI ALLE RICORRENZE Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo

Dettagli

Il confronto tra DUE campioni indipendenti

Il confronto tra DUE campioni indipendenti Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo

Dettagli

La sicurezza sul lavoro: obblighi e responsabilità

La sicurezza sul lavoro: obblighi e responsabilità La sicurezza sul lavoro: obblighi e resposabilità Il Testo uico sulla sicurezza, Dlgs 81/08 è il pilastro della ormativa sulla sicurezza sul lavoro. I sostaza il Dlgs disciplia tutte le attività di tutti

Dettagli

1 Metodo della massima verosimiglianza

1 Metodo della massima verosimiglianza Metodo della massima verosimigliaza Estraedo u campioe costituito da variabili casuali X i i.i.d. da ua popolazioe X co fuzioe di probabilità/desità f(x, θ), si costruisce la fuzioe di verosimigliaza che

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

Verifica d Ipotesi. Se invece che chiederci quale è il valore di una media in una popolazione (stima. o falsa? o falsa?

Verifica d Ipotesi. Se invece che chiederci quale è il valore di una media in una popolazione (stima. o falsa? o falsa? Verifica d Iotesi Se ivece che chiederci quale è il valore ua mea i ua oolazioe (stima utuale Se ivece e itervallo che chiederci cofideza) quale è il avessimo valore u idea ua mea su quello i ua che oolazioe

Dettagli

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa I umeri complessi Pagie tratte da Elemeti della teoria delle fuzioi olomorfe di ua variabile complessa di G. Vergara Caffarelli, P. Loreti, L. Giacomelli Dipartimeto di Metodi e Modelli Matematici per

Dettagli

1. MODELLO DINAMICO AD UN GRADO DI LIBERTÀ. 1 Alcune definizioni preliminari

1. MODELLO DINAMICO AD UN GRADO DI LIBERTÀ. 1 Alcune definizioni preliminari . MODELLO DINAMICO AD UN GRADO DI LIBERTÀ Alcue defiizioi prelimiari I sistemi vibrati possoo essere lieari o o lieari: el primo caso vale il pricipio di sovrapposizioe degli effetti el secodo o. I geerale

Dettagli

Capitolo 8 Le funzioni e le successioni

Capitolo 8 Le funzioni e le successioni Capitolo 8 Le fuzioi e le successioi Prof. A. Fasao Fuzioe, domiio e codomiio Defiizioe Si chiama fuzioe o applicazioe dall isieme A all isieme B ua relazioe che fa corrispodere ad ogi elemeto di A u solo

Dettagli

Esame di Matematica 2 Mod.A (laurea in Matematica) prova di accertamento del 4 novembre 2005

Esame di Matematica 2 Mod.A (laurea in Matematica) prova di accertamento del 4 novembre 2005 Esame di Matematica 2 ModA (laurea i Matematica prova di accertameto del 4 ovembre 25 ESERCIZIO Si poga a 3 5 + 9 e b 2 4 6 + 6 ( (a Si determii d MCD(a, b e gli iteri m, Z tali che d ma + b co m < b ed

Dettagli

3.4 Tecniche per valutare uno stimatore

3.4 Tecniche per valutare uno stimatore 3.4 Teciche per valutare uo stimatore 3.4. Il liguaggio delle decisioi statistiche, stimatori corretti e stimatori cosisteti La teoria delle decisioi forisce u liguaggio appropriato per discutere sulla

Dettagli

Indagini sui coregoni del Lago Maggiore: Analisi sui pesci catturati nel 2010

Indagini sui coregoni del Lago Maggiore: Analisi sui pesci catturati nel 2010 Idagii sui coregoi del Lago Maggiore: Aalisi sui pesci catturati el 1 Rapporto commissioato dal Dipartimeto del territorio, Ufficio della caccia e della pesca, Via Stefao Frascii 17 51 Bellizoa Aprile

Dettagli

Capitolo Decimo SERIE DI FUNZIONI

Capitolo Decimo SERIE DI FUNZIONI Capitolo Decimo SERIE DI FUNZIONI SUCCESSIONI DI FUNZIONI I cocetti di successioe e di serie possoo essere estesi i modo molto aturale al caso delle fuzioi DEFINIZIONE Sia E u sottoisieme di  e, per ogi

Dettagli

ESERCITAZIONE L adsorbimento su carbone attivo

ESERCITAZIONE L adsorbimento su carbone attivo ESERCITAZIONE adsorbimeto su carboe attivo ezioi di riferimeto: Processi basati sul trasferimeto di materia Adsorbimeto su carboi attivi Testi di riferimeto: Water treatmet priciples ad desi, WH Pricipi

Dettagli

Appunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15

Appunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15 Apputi di Statistica Matematica Ifereza Statistica Multivariata Ao Accademico 014/15 November 19, 014 1 Campioi e modelli statistici Siao Ω, A, P uo spazio di probabilità e X = X 1,..., X u vettore aleatorio

Dettagli

Supponiamo, ad esempio, di voler risolvere il seguente problema: in quanti modi quattro persone possono sedersi l una accanto all altra?

Supponiamo, ad esempio, di voler risolvere il seguente problema: in quanti modi quattro persone possono sedersi l una accanto all altra? CALCOLO COMBINATORIO 1.1 Necessità del calcolo combiatorio Accade spesso di dover risolvere problemi dall'appareza molto semplice, ma che richiedoo calcoli lughi e oiosi per riuscire a trovare delle coclusioi

Dettagli

MATEMATICA FINANZIARIA

MATEMATICA FINANZIARIA Capializzazioe semplice e composa MATEMATICA FINANZIARIA Immagiiamo di impiegare 4500 per ai i ua operazioe fiaziaria che frua u asso del, % auo. Quao avremo realizzao alla fie dell operazioe? I u coeso

Dettagli

LEZIONI DI MATEMATICA PER I MERCATI FINANZIARI VALUTAZIONE DI TITOLI OBBLIGAZIONARI E STRUTTURA PER SCADENZA DEI TASSI DI INTERESSE

LEZIONI DI MATEMATICA PER I MERCATI FINANZIARI VALUTAZIONE DI TITOLI OBBLIGAZIONARI E STRUTTURA PER SCADENZA DEI TASSI DI INTERESSE LEZIONI DI MATEMATICA PER I MERCATI FINANZIARI Dipartimeto di Sieze Eoomihe Uiversità di Veroa VALUTAZIONE DI TITOLI OBBLIGAZIONARI E STRUTTURA PER SCADENZA DEI TASSI DI INTERESSE Lezioi di Matematia per

Dettagli

Sistemi LTI descrivibile mediante SDE (Equazioni alle Differenze Standard)

Sistemi LTI descrivibile mediante SDE (Equazioni alle Differenze Standard) Sistemi LTI descrivibile mediate SDE (Equazioi alle Differeze Stadard) Nella classe dei sistemi LTI ua sottoclasse è quella dei sistemi defiiti da Equazioi Stadard alle Differeze Fiite (SDE), dette così

Dettagli

ESERCIZI DI ANALISI I. Prof. Nicola Fusco 1. Determinare l insieme in cui sono definite le seguenti funzioni:

ESERCIZI DI ANALISI I. Prof. Nicola Fusco 1. Determinare l insieme in cui sono definite le seguenti funzioni: N. Fusco ESERCIZI DI ANALISI I Prof. Nicola Fusco Determiare l isieme i cui soo defiite le segueti fuzioi: ) log/ arctg π ) 4 ) log π 6 arcse ) ) tg log π + ) 4) 4 se se se tg 5) se cos tg 6) [ 6 + 8 π

Dettagli

INTRODUZIONE ALLE SUCCESSIONI E SERIE: ALCUNI ESEMPI NOTEVOLI

INTRODUZIONE ALLE SUCCESSIONI E SERIE: ALCUNI ESEMPI NOTEVOLI INTRODUZIONE ALLE SUCCESSIONI E SERIE: ALCUNI ESEMPI NOTEVOLI Mirta Debbia LS A. F. Formiggii di Sassuolo (MO) - debbia.m@libero.it Maria Cecilia Zoboli - LS A. F. Formiggii di Sassuolo (MO) - cherubii8@libero.it

Dettagli

PENSIONI INPDAP COME SI CALCOLANO

PENSIONI INPDAP COME SI CALCOLANO Mii biblioteca de Il Giorale Ipdap per rederci coto e sapere di piu Mii biblioteca de Il Giorale Ipdap per rederci coto e sapere di piu PENSIONI INPDAP COME SI CALCOLANO I tre sistemi I cique pilastri

Dettagli

( ) ( ) ( ) ( ) ( ) CAPITOLO VII DERIVATE. (3) D ( x ) = 1 derivata di un monomio con a 0

( ) ( ) ( ) ( ) ( ) CAPITOLO VII DERIVATE. (3) D ( x ) = 1 derivata di un monomio con a 0 CAPITOLO VII DERIVATE. GENERALITÀ Defiizioe.) La derivata è u operatore che ad ua fuzioe f associa u altra fuzioe e che obbedisce alle segueti regole: () D a a a 0 0 0 derivata di u moomio D 6 D 0 D ()

Dettagli

8) Sia Dato un mazzo di 40 carte. Supponiamo che esso sia mescolato in modo

8) Sia Dato un mazzo di 40 carte. Supponiamo che esso sia mescolato in modo ESERCIZI DI CALCOLO DELLE PROBABILITÁ ) Qual e la probabilita che laciado dadi a facce o esca essu? Studiare il comportameto asitotico di tale probabilita per grade. ) I u sacchetto vi soo 0 pallie biache;

Dettagli

SERIE NUMERICHE. (Cosimo De Mitri) 1. Definizione, esempi e primi risultati... pag. 1. 2. Criteri per serie a termini positivi... pag.

SERIE NUMERICHE. (Cosimo De Mitri) 1. Definizione, esempi e primi risultati... pag. 1. 2. Criteri per serie a termini positivi... pag. SERIE NUMERICHE (Cosimo De Mitri. Defiizioe, esempi e primi risultati... pag.. Criteri per serie a termii positivi... pag. 4 3. Covergeza assoluta e criteri per serie a termii di sego qualsiasi... pag.

Dettagli

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

Dettagli

L OFFERTA DI LAVORO 1

L OFFERTA DI LAVORO 1 L OFFERTA DI LAVORO 1 La famiglia come foritrice di risorse OFFERTA DI LAVORO Notazioe utile: T : dotazioe di tempo (ore totali) : ore dedicate al tempo libero l=t- : ore dedicate al lavoro : cosumo di

Dettagli

Valutazione delle prestazioni termiche di sistemi con solai termoattivi in regime non stazionario

Valutazione delle prestazioni termiche di sistemi con solai termoattivi in regime non stazionario Valutazioe delle prestazioi termiche di sistemi co solai termoattivi i regime o stazioario MICHELE DE CARLI, Ph.D., Ricercatore, Dipartimeto di Fisica Tecica, Uiversità degli Studi di Padova, Padova, Italia.

Dettagli

Dall atomo di Bohr alla costante di struttura fine

Dall atomo di Bohr alla costante di struttura fine Dall atomo di Bohr alla ostate di struttura fie. INFORMAZIONI SPETTROSCOPICHE SUGLI ATOMI E be oto he ogi sostaza opportuamete eitata emette radiazioi elettromagetihe. Co uo spettrosopio, o strumeti aaloghi,

Dettagli

Comportamento delle strutture in C.A. in Zona Sismica

Comportamento delle strutture in C.A. in Zona Sismica Comportameto delle strutture i c.a. i zoa sismica Pagia i/161 Comportameto delle strutture i C.A. i Zoa Sismica Prof. Paolo Riva Dipartimeto di Progettazioe e ecologie Facoltà di Igegeria Uiversità di

Dettagli

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti Gorgo Lambert Pag. Dmostrazoe della Formula per la determazoe del umero d dvsor-test d prmaltà, d Gorgo Lambert Eugeo Amtrao aveva proposto l'dea d ua formula per calcolare l umero d dvsor d u umero, da

Dettagli

Interpolazione. Davide Manca Calcoli di Processo dell Ingegneria Chimica Politecnico di Milano

Interpolazione. Davide Manca Calcoli di Processo dell Ingegneria Chimica Politecnico di Milano L4 Iterpolazioe L4 Prologo Co iterpolazioe si itede il processo di idividuare ua fuzioe, spesso u poliomio, che passi per u isieme dato di puti: (x,y). y x L4 2 Fii dell iterpolazioe 1. Sostituire u isieme

Dettagli

Sommario lezioni di Probabilità versione abbreviata

Sommario lezioni di Probabilità versione abbreviata Sommario lezioi di Probabilità versioe abbreviata C. Frachetti April 28, 2006 1 Lo spazio di probabilità. 1.1 Prime defiizioi I possibili risultati di u esperimeto costituiscoo lo spazio dei campioi o

Dettagli

DOMINI DI CURVATURA DI SEZIONI IN C.A. IN PRESSOFLESSIONE DEVIATA. PARTE II: VALUTAZIONE SEMPLIFICATA

DOMINI DI CURVATURA DI SEZIONI IN C.A. IN PRESSOFLESSIONE DEVIATA. PARTE II: VALUTAZIONE SEMPLIFICATA Valutazioe e riduzioe della vulerailità sismia di ediii esisteti i.a. Roma, 9-0 maggio 00 DOMINI DI CURVATURA DI SEZIONI IN C.A. IN PRESSOFLESSIONE DEVIATA. PARTE II: VALUTAZIONE SEMPLIFICATA Di Ludovio

Dettagli

Introduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi.

Introduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi. Iroduzioe () Ua defiizioe (geerale) del ermie qualià: qualià è l isieme delle caraerisiche di u eià (bee o servizio) che e deermiao la capacià di soddisfare le esigeze espresse ed implicie di chi la uilizza.

Dettagli

1. L'INSIEME DEI NUMERI REALI

1. L'INSIEME DEI NUMERI REALI . L'INSIEME DEI NUMERI REALI. I pricipli isiemi di umeri Ripredimo i pricipli isiemi umerici N, l'isieme dei umeri turli 0; ; ; ; ;... L'ide ituitiv di umero turle è ssocit l prolem di cotre e ordire gli

Dettagli

Metodi d integrazione di Montecarlo

Metodi d integrazione di Montecarlo Metodi d itegrzioe di Motecrlo Simulzioe l termie simulzioe ell su ccezioe scietific h u sigificto diverso dll ccezioe correte. Nell uso ordirio è sioimo si fizioe; ell uso scietifico è sioimo di imitzioe,

Dettagli

Esercizi Le leggi dei gas. Lo stato gassoso

Esercizi Le leggi dei gas. Lo stato gassoso Esercizi Le lei dei as Lo stato assoso Ua certa quatità di as cloro, alla pressioe di,5 atm, occupa il volume di 0,58 litri. Calcola il volume occupato dal as se la pressioe viee portata a,0 atm e se la

Dettagli

l = 0, 1, 2, 3,,, n-1n m = 0, ±1,

l = 0, 1, 2, 3,,, n-1n m = 0, ±1, NUMERI QUANTICI Le autofuzioi soo caratterizzate da tre parametri chiamati NUMERI QUANTICI e soo completamete defiite dai loro valori: : umero quatico pricipale l : umero quatico secodario m : umero quatico

Dettagli

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO.

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO. elazoe d laboratoro d Fsca corso M-Z Laboratoro d Fsca del Dpartmeto d Fsca e Astrooma dell Uverstà degl Stud d Cataa. Scala Stefaa. AGOMENTO: MSUA DELLA ESSTENZA ELETTCA CON L METODO OLT-AMPEOMETCO. NTODUZONE:

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

FONDAMENTI DI MECCANICA APPLICATA ALLE MACCHINE

FONDAMENTI DI MECCANICA APPLICATA ALLE MACCHINE DISPENSE DI: FONDAMENTI DI MECCANICA APPLICATA ALLE MACCHINE Testo di riferieto E. Fuaioli ed altri Meccaica applicata alle acchie vol. e - Ed. Patro BOZZA Idice. INTRODUZIONE ALLA MECCANICA APPLICATA

Dettagli

Analisi dei segnali nel dominio del tempo

Analisi dei segnali nel dominio del tempo Appui di Teoria dei Segali a.a. / Aalisi dei segali el domiio del empo L.Verdoliva I quesa prima pare del corso sudieremo come rappreseare i segali empo coiuo e discreo el domiio del empo e defiiremo le

Dettagli

USUFRUTTO. 5) Quali sono le spese a carico dell usufruttuario

USUFRUTTO. 5) Quali sono le spese a carico dell usufruttuario USUFRUTTO 1) Che cos è l sfrtto e come si pò costitire? L sfrtto è il diritto di godimeto ( ovvero di possesso) di bee altri a titolo gratito ; viee chiamato sfrttario chi esercita tale diritto, metre

Dettagli

unoperatore@nellospaziodihilberth e sia z un numero complesso tale che z1-a,da==)rr_néh - 0 impli-chi l:= -1 (21-A) : R- n ==) Dn L- \

unoperatore@nellospaziodihilberth e sia z un numero complesso tale che z1-a,da==)rr_néh - 0 impli-chi l:= -1 (21-A) : R- n ==) Dn L- \ 3,6 56 3,6 TEOR I A SPETTRALE La teoria spettrale degli operatori lieari- eo spazio di Hilbert é f odata, coe per gi spazi f i-ito-dimes ioal j-, sula defiizioe di- risolvete di u operatole' Sia (A,DA)

Dettagli

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno Idc d Poszoe Gl dc s poszoe soo msure stetche ( valor caratterstc ) che descrvoo la tedeza cetrale d u feomeo La tedeza cetrale è, prma approssmazoe, la modaltà della varable verso la quale cas tedoo a

Dettagli

Le operazioni fondamentali in N Basic Arithmetic Operations in N

Le operazioni fondamentali in N Basic Arithmetic Operations in N Operzioi fodetli i - 1 Le operzioi fodetli i Bsic Arithetic Opertios i I geerle u operzioe è u procedieto che due o più ueri, dti i u certo ordie e detti terii dell'operzioe, e ssoci u ltro, detto risultto

Dettagli

3M Prodotti per la protezione al fuoco. Building & Commercial Services

3M Prodotti per la protezione al fuoco. Building & Commercial Services 3M Prodotti per la protezioe al fuoco Buildig & Commercial Services Idice Sviluppi e treds...4-5 3M e le soluzioi aticedio...6-7 Dispositivi di attraversameto...8-19 Giuti di costruzioe...20-21 Sistemi

Dettagli

I radicali 1. Claudio CANCELLI (www.claudiocancelli.it)

I radicali 1. Claudio CANCELLI (www.claudiocancelli.it) I rdicli Cludio CANCELLI (www.cludioccelli.it) Ed..0 www.cludioccelli.it Dec. 0 I rdicli INDICE DEI CONTENUTI. I RADICALI... INDICE DI RADICE PARI...4 INDICE DI RADICE DISPARI...5 RADICALI SIMILI...6 PROPRIETA

Dettagli

aleatoria; se è nota la sua densità di probabilità ad essa si può associare una valore medio statistico. La grandezza così definita: (III.1.

aleatoria; se è nota la sua densità di probabilità ad essa si può associare una valore medio statistico. La grandezza così definita: (III.1. Caitolo III VALORI MEDI. SAZIONARIEÀ ED ERGODICIÀ III. - Mdi tatitich dl rimo ordi. Sia f( ) ua fuzio cotiua i aoci al gal alatorio (, t ζ ) la uatità dfiita dalla y f[(, t ζ )]. Ea idividua, a ua volta,

Dettagli

AcidSoft. Le nostre soluzioni. Innovazione

AcidSoft. Le nostre soluzioni. Innovazione AiSoft AiSoft ase alla passioe per l'iformatio teology e si oretizza i ua realtà impreitoriale, ua perfetta reazioe imia tra ooseza teia e reatività per realizzare progetti i grae iovazioe. Le ostre soluzioi

Dettagli

La necessità di trasmettere potenza tra organi in moto rotatorio è un problema frequentissimo e di grande importanza nell ingegneria.

La necessità di trasmettere potenza tra organi in moto rotatorio è un problema frequentissimo e di grande importanza nell ingegneria. La ecessità di tasmettee poteza ta ogai i moto otatoio è u poblema fequetissimo e di gade impotaza ell igegeia. Gli assi di otazioe ta i quali deve essee tasmesso il moto possoo essee paalleli I questo

Dettagli

Tavola 1 - Popolazione italiana residente alle date dei censimenti generali, riportata ai confini attuali - Anni 1861-2001 (migliaia di unità)

Tavola 1 - Popolazione italiana residente alle date dei censimenti generali, riportata ai confini attuali - Anni 1861-2001 (migliaia di unità) 4 Quai eravamo, quai siamo, quai saremo Che cosa si impara el capiolo 4 er cooscere le caraerisiche e l evoluzioe della popolazioe ialiaa araverso u lugo arco di empo uilizziamo il asso di icremeo medio

Dettagli

CARATTERISTICHE GENERALI / GENERAL FEATURES

CARATTERISTICHE GENERALI / GENERAL FEATURES OPZIONI» otori i versioe flagia;» Coessioi laterali o posteriori;» Albero: cilidrico o scaalato;» Coessioi metriche o BSPP;» Altre caratteristiche speciali OPTIONS» Flage mout;» Side ad rear ports;» Shafts-

Dettagli

Benvenuti in Ontario. Guida ai programmi e ai servizi per i nuovi arrivati in Ontario

Benvenuti in Ontario. Guida ai programmi e ai servizi per i nuovi arrivati in Ontario Beveuti i Otario Guida ai programmi e ai servizi per i uovi arrivati i Otario Idice Vivere i Otario........................................... 2 Come otteere l aiuto di cui avete bisogo.....................................

Dettagli

CAMPIONAMENTO SPAZIALE A DUE PASSI PER INDAGINI VOLTE ALL IDENTIFICAZIONE DI AREE A MAGGIOR PRESENZA DI RADON INDOOR IN LOMBARDIA

CAMPIONAMENTO SPAZIALE A DUE PASSI PER INDAGINI VOLTE ALL IDENTIFICAZIONE DI AREE A MAGGIOR PRESENZA DI RADON INDOOR IN LOMBARDIA CAMPIONAMENTO SPAZIALE A DUE PASSI PER INDAGINI OLTE ALL IDENTIFICAZIONE DI AREE A MAGGIOR PRESENZA DI RADON INDOOR IN LOMBARDIA Riccardo Borgoni, Piero Quatto, Daniela de Bartolo 2, Angela Alberici 2

Dettagli

CARATTERISTICHE GENERALI / GENERAL FEATURES

CARATTERISTICHE GENERALI / GENERAL FEATURES OPZON» odello co distribuzioe a disco geroller» otori i versioe flagia o ruota» otori corti» Attacchi tubazioi laterali e posteriori» Alberi cilidrici, coici e detati» Altre caratteristiche speciali OPTONS»

Dettagli

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

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

Dettagli

SOMMARIO. I Motori in Corrente Continua

SOMMARIO. I Motori in Corrente Continua SOMMARIO Gralità sull Macchi i Corrt Cotiua...2 quazio dlla forza lttromotric...2 Circuito quivalt...2 Carattristica di ccitazio...3 quazio dlla vlocità...3 quazio dlla Coppia rsa all'albro motor:...3

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

La ricerca operativa

La ricerca operativa S.S.I.S. PUGLIA Anno Accademico 2003/2004 Laboratorio di didattica della matematica per l economia e la finanza La ricerca operativa Prof. Palmira Ronchi (palmira.ronchi@ssis.uniba.it) Gli esercizi presenti

Dettagli

General Linear Model. Esercizio

General Linear Model. Esercizio Esercizio General Linear Model Una delle molteplici applicazioni del General Linear Model è la Trend Surface Analysis. Questa tecnica cerca di individuare, in un modello di superficie, quale tendenza segue

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

4. Confronto tra medie di tre o più campioni indipendenti

4. Confronto tra medie di tre o più campioni indipendenti BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Risposta sismica dei terreni e spettro di risposta normativo

Risposta sismica dei terreni e spettro di risposta normativo Dipartimento di Ingegneria Strutturale, Aerospaziale e Geotecnica Risposta sismica dei terreni e spettro di risposta normativo Prof. Ing. L.Cavaleri L amplificazione locale: gli aspetti matematici u=spostamentoin

Dettagli

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco

SCHEDA DI PROGRAMMAZIONE DELLE ATTIVITA EDUCATIVE DIDATTICHE. Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco Disciplina: Matematica Classe: 5A sia A.S. 2014/15 Docente: Rosito Franco ANALISI DI SITUAZIONE - LIVELLO COGNITIVO La classe ha dimostrato fin dal primo momento grande attenzione e interesse verso gli

Dettagli

LE INCERTEZZE E LA LORO PROPAGAZIONE NELLE MISURE INDIRETTE

LE INCERTEZZE E LA LORO PROPAGAZIONE NELLE MISURE INDIRETTE LE INCERTEZZE E LA LORO PROPAGAZIONE NELLE MISURE INDIRETTE Pof. Agelo Ageletti -.s. 006/007 1) COME SI SCRIVE IL RISULTATO DI UNA MISURA Il modo miglioe pe espimee il isultto di u misu è quello di de,

Dettagli

STATISTICA Lezioni ed esercizi

STATISTICA Lezioni ed esercizi Uverstà d Toro QUADERNI DIDATTICI del Dpartmeto d Matematca MARIA GARETTO STATISTICA Lezo ed esercz Corso d Laurea Botecologe A.A. / Quadero # Novembre M. Garetto - Statstca Prefazoe I questo quadero

Dettagli

APPROFONDIMENTI SUI NUMERI

APPROFONDIMENTI SUI NUMERI APPROFONDIMENTI SUI NUMERI. Il sistem di umerzioe deimle Be presto, ll operzioe turle del otre, si è ggiut l esigez di «rppresetre» i umeri. I sistemi di umerzioe possiili soo molti; per or i limitimo

Dettagli

Prof. Ing. Alberto Pistocchi, Ing Davide Broccoli. Ing Stefano Bagli, PhD. Ing Paolo Mazzoli. Torino, 9-10 Ottobre 2013. Italian DHI Conference 2013

Prof. Ing. Alberto Pistocchi, Ing Davide Broccoli. Ing Stefano Bagli, PhD. Ing Paolo Mazzoli. Torino, 9-10 Ottobre 2013. Italian DHI Conference 2013 Implementazione di un modello dinamico 3D densità a dipendente all'interno di un sistema Web-GIS per la gestione e il monitoraggio della qualità delle acque di falda per un comparto di discariche Prof.

Dettagli

Fasce di rispetto attorno ai punti di prelievo

Fasce di rispetto attorno ai punti di prelievo Corso di Idrogeologia Applicata Dr Alessio Fileccia Fasce di rispetto attorno ai punti di prelievo Le immagini ed i testi rappresentano una sintesi, non esaustiva, dell intero corso di Idrogeologia tenuto

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

Soluzioni Esercitazione VIII. p(t)dt = R

Soluzioni Esercitazione VIII. p(t)dt = R S. a Si ha Soluioni Esercitaione VIII PT > + ptt ptt perché pt per t u + perché

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

INCERTEZZA DI MISURA

INCERTEZZA DI MISURA L ERRORE DI MISURA Errore di misura = risultato valore vero Definizione inesatta o incompleta Errori casuali Errori sistematici L ERRORE DI MISURA Errori casuali on ne si conosce l origine poiche, appunto,

Dettagli

Prof. Caterina Rizzi Dipartimento di Ingegneria Industriale

Prof. Caterina Rizzi Dipartimento di Ingegneria Industriale RUOLO DELLA MODELLAZIONE GEOMETRICA E LIVELLI DI MODELLAZIONE PARTE 2 Prof. Caterina Rizzi... IN QUESTA LEZIONE Modelli 2D/3D Modelli 3D/3D Dimensione delle primitive di modellazione Dimensione dell oggettoy

Dettagli

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

6. Calcolare le derivate parziali prime e seconde, verificando la validità del teorema di Schwarz:

6. Calcolare le derivate parziali prime e seconde, verificando la validità del teorema di Schwarz: FUNZIONI DI PIU VARIABILI Esercizi svolti. Determinare il dominio delle seguenti funzioni e rappresentarlo graficamente : (a) f log( x y ) (b) f log(x + y ) (c) f y x 4 (d) f sin(x + y ) (e) f log(xy +

Dettagli

LE TRASFORMAZIONI GEOMETRICHE NEL PIANO

LE TRASFORMAZIONI GEOMETRICHE NEL PIANO LE TRASFORMAZIONI GEOMETRICHE NEL PIANO Una trasformazione geometrica è una funzione che fa corrispondere a ogni punto del piano un altro punto del piano stesso Si può pensare come MOVIMENTO di punti e

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

Il costo della vita al Nord e al Sud d Italia, dal dopoguerra a oggi. Stime di prima generazione

Il costo della vita al Nord e al Sud d Italia, dal dopoguerra a oggi. Stime di prima generazione INVITED POLICY PAPER Il coto della vita al Nord e al Sud d Italia, dal dooguerra a oggi. Stime di rima geerazioe Nicola Amedola - Giovai Vecchi - Bilal Al Kiwai* Uiverità di Roma Tor Vergata A ditaza di

Dettagli

ATTIVATORE STABILIZZATO PER BOBINE DI SGANCIO A LANCIO DI CORRENTE.

ATTIVATORE STABILIZZATO PER BOBINE DI SGANCIO A LANCIO DI CORRENTE. Compatibilità totale con ogni apparato. Si usa con pulsanti normalmente chiusi. ella linea dei pulsanti c'è il 24Vcc. Insensibile alle interruzioni di rete. Insensibile agli sbalzi di tensione. Realizzazione

Dettagli

Curve di risonanza di un circuito

Curve di risonanza di un circuito Zuccarello Francesco Laboratorio di Fisica II Curve di risonanza di un circuito I [ma] 9 8 7 6 5 4 3 0 C = 00 nf 0 5 0 5 w [KHz] RLC - Serie A.A.003-004 Indice Introduzione pag. 3 Presupposti Teorici 5

Dettagli

dell affidabilità strutturale

dell affidabilità strutturale Metodiprobabilisticiper per lavalutazione dell affidabilità strutturale Obiettivo dell esercitazione: acquisire le conoscenze necessarie per applicare i metodi probabilistici (livello III, II e semi probabilistico)

Dettagli

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza Titolo della lezione Analisi dell associazione tra due caratteri: indipendenza e dipendenza Introduzione Analisi univariata, bivariata, multivariata Analizzare le relazioni tra i caratteri, per cercare

Dettagli

CAPITOLO 18 STABILITÀ DEI PENDII

CAPITOLO 18 STABILITÀ DEI PENDII Captolo 8 CAPITOLO 8 8. Frae 8.. Fattor e cause de movmet fraos Per fraa s tede u rapdo spostameto d ua massa d rocca o d terra l cu cetro d gravtà s muove verso l basso e verso l estero. I prcpal fattor

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli