Lezione 5. Cambiamenti evolutivi nelle sequenze nucleotidiche

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Lezione 5. Cambiamenti evolutivi nelle sequenze nucleotidiche"

Transcript

1 Lezione 5 Cambiamenti evolutivi nelle sequenze nucleotidiche

2 materiale Graur and Li ch 3 Graur Lectures 16 17

3

4 Sostituzioni nucleotidiche Processo base nell evoluzione molecolare Essenziale per comprendere i meccanismi di evoluzione del DNA I cambiamenti delle sequenze nucleotidiche vengono usati per Stimare il tasso di evoluzione Ricostruire la storia evolutiva degli organismi

5 Sostituzioni nucleotidiche La distanza tra due sequenze si definisce come il numero atteso di sostituzioni nucleotidiche per sito. Se il tasso di evoluzione è costante nel tempo la distanza crescerà linearmente con il crescere del tempo di divergenza. AATGAAAGAA ACTGGAGGAA 10 siti; 3 differenze Una semplice misura di distanza è la proporzione dei siti differenti (a volte chiamata distanza p) 10 siti; 3 differenze distanza = 30% = 0.3

6 Sostituzioni nucleotidiche AATGAAAGAA 10 siti; 3 differenze ACTGGAGGAA distanza = 30% = 0.3 Questa proporzione grezza funziona per sequenze che sono molto vicine evolutivamente. Se è passato molto tempo dalla divergenza, psottostima il numero di sostituzioni che sono realmente avvenute. Un sito variabile può originarsi attraverso più percorsi e perfino un sito uguale in due sequenze può nascondere retro sostituzioni o sostituzioni parallele. Sostituzioni multiple nascondono alcuni cambiamenti, perciò p non è una funzione diretta del tempo evolutivo. La proporzione grezza p può essere usata solo se p < al 5%

7 Sostituzioni nucleotidiche: modelli Per studiare la dinamica delle sostituzioni dobbiamo fare delle assunzioni sulla probabilità di cambiamento di un nucleotide con un altro Quanti parametri? Modelli diversi con un diverso numero di parametri

8 Sostituzioni nucleotidiche: modelli Dove vogliamo arrivare? Dobbiamo stabilire che cosa ci aspettiamo ad un determinato sito al passare del tempo Dobbiamo stabilire i cambiamenti temporali nella probabilità di avere un determinato nucleotide ad un dato sito, considerando possibili «complicazioni» (sostituzioni multiple etc)

9 Sostituzioni nucleotidiche: JC69 Modello di Jukes e Cantor (1969) Assunzione: Tutti i cambiamenti sono equiprobabili (25%) Modello ad UN parametro: un solo tasso di sostituzione (α) Esempio di α: 10 9 sostituzioni/sito /anno

10 Sostituzioni nucleotidiche: JC69 Scomponiamo il problema e iniziamo a rispondere alla domanda: Qual è la probabilità che il nucleotide A al tempo 0 sia ancora A al tempo 1? Probabilità di A>T + A>C + A>G P(A 1 ) = 1 3 α P(not A 1 ) = 3 α = 1 P(A 1 )

11 Sostituzioni nucleotidiche: JC69 Ma ci interessa la dinamica nel tempo, quindi proseguiamo: Qual è la probabilità che il nucleotide A al tempo 0 sia ancora A al tempo 2?

12 Sostituzioni nucleotidiche: JC69 Qual è la probabilità che il nucleotide A al tempo 0 sia ancora A al tempo 2? Due possibili percorsi: 1. Il nucleotide è rimasto lo stesso dal tempo 0 al tempo 2. P(A 1 ) 1 P(A 1 ) 2. Il nucleotide è cambiato in T, C, o G al tempo 1, ma è tornato ad essere A al tempo α α (esempio T > A)

13 Sostituzioni nucleotidiche: JC69 La probabilità che il nucleotide A al tempo 0 sia ancora A al tempo 2 è P(A 2 ) = (1 3 α) P(A 1 ) + α [1 P(A 1 )] P(A 1 ) 1 P(A 1 ) P = 1 3 α P = α P(A t+1 ) = (1 3 α) P(A t ) + α [1 P(A t )]

14 Sostituzioni nucleotidiche: JC69 P(A t+1 ) = (1 3 α) P(A t ) + α [1 P(A t )] P(A t+1 ) = P(A t ) 3 α P(A t ) + α [1 P(A t )] Possiamo riformulare l equazione precedente in termini di quanto cambia PA t per unità di tempo P(A t+1 ) P(A t ) = 3 α P(A t ) + α [1 P(A t )] Δ P(A t ) = 3 α P(A t ) + α α P(A t ) = 4 α P(A t ) + α Se invece di considerare un processo DISCRETO nel tempo consideriamo un processo CONTINUO, Δ P(A t ) diventa il tasso di cambiamento al tempo t

15 Sostituzioni nucleotidiche: JC69 soluzione Se si parte da A quindi A 0 = A, P(A 0 )= 1 Se si parte da NON A quindi A 0 = G, T, o C P(A 0 )= 0

16 Sostituzioni nucleotidiche: JC69 Modello di Jukes e Cantor (1969) Cambiamenti temporali nella probabilità di avere un determinato nucleotide (per noi A) ad un dato sito Nucleotide inizialmente A Frequenza all equilibrio: Nucleotide inizialmente T, G o C

17 Sostituzioni nucleotidiche: JC69 CA TA i j Queste due equazioni sono sufficienti per descrivere il processo di sostituzione nel caso del modello ad un parametro

18 Sostituzioni nucleotidiche: K80 o K2P Modello di Kimura (1980): Kimura 2 parametri α α α α In questo modello il tasso con cui avvengono le transizioni (α) può essere diverso da quello con cui avvengono le trasversioni () In genere le transizioni sono più frequenti delle trasversioni

19 Sostituzioni nucleotidiche: K80 o K2P Modello di Kimura (1980): Kimura 2 parametri

20 Sostituzioni nucleotidiche: K80 o K2P Modello di Kimura (1980): Kimura 2 parametri Assumiamo di nuovo che al tempo 0 il nucleotide sia A, trasversioni transizioni α α α α C T G

21 Sostituzioni nucleotidiche: K80 o K2P Modello di Kimura (1980): Kimura 2 parametri Matrice delle probabilità di cambiamento A G C T P 0 (t) P 1 (t) P 2 (t) P 2 (t) P 1 (t) P 0 (t) P 2 (t) P 2 (t) P 2 (t) P 2 (t) P 0 (t) P 1 (t) P 2 (t) P 2 (t) P 1 (t) P 0 (t) Conosciamo P 0, P 1 e P 2? Si dimostra che (Kimura 1980, Li 1986): A G C T P che un nucleotide ad un sito al tempo t sia identico a quello al tempo 0 P che il nucleotide iniziale e quello al tempo t differiscano per per una transizione P che il nucleotide al tempo t e il nucleotide iniziale differiscano per una trasversione

22 Sostituzioni nucleotidiche: K80 o K2P Modello di Kimura (1980): Kimura 2 parametri Matrice delle probabilità di cambiamento A G C T P 0 (t) P 1 (t) P 2 (t) P 2 (t) P 1 (t) P 0 (t) P 2 (t) P 2 (t) P 2 (t) P 2 (t) P 0 (t) P 1 (t) P 2 (t) P 2 (t) P 1 (t) P 0 (t) Ogni nucleotide è soggetto a due tipi di trasversioni,ma ad un solo tipo di transizione. Quindi la probabilità che il nucleotide iniziale e quello al tempo t differiscano di una trasversione è il doppio che nel caso di una transizione P 0 (t) + P 1 (t) + 2P 2 (t) = 1 A G C T

23 Sostituzioni nucleotidiche: altri modelli T C A G T C A G

24 Sostituzioni nucleotidiche: altri modelli T C A G T C A G

Lezione 5. Cambiamenti evolutivi nelle sequenze nucleotidiche Distanze

Lezione 5. Cambiamenti evolutivi nelle sequenze nucleotidiche Distanze Lezione 5 Cambiamenti evolutivi nelle sequenze nucleotidiche Distanze Graur and Li ch 3 materiale La lezione 5 ci permetterà di capire 1. come possa evolvere una sequenza di nucleotidi 2. quanto due sequenze

Dettagli

Lezione 6. Confronti fra sequenze: distanze, allineamenti

Lezione 6. Confronti fra sequenze: distanze, allineamenti Lezione 6 Confronti fra sequenze: distanze, allineamenti tempo Sostituzioni nucleotidiche La distanza tra due sequenze si definisce come il numero atteso di sostituzioni nucleotidiche per sito. Se il tasso

Dettagli

Le L z e io i ne n 6 Co C n o f n ro r n o t n i i fra r a se s q e u q e u n e z n e z : e di d s i t s a t nz n e z, e allineamenti

Le L z e io i ne n 6 Co C n o f n ro r n o t n i i fra r a se s q e u q e u n e z n e z : e di d s i t s a t nz n e z, e allineamenti Lezione 6 Confronti fra sequenze: distanze, Confronti fra sequenze: distanze, allineamenti Distanze fra sequenze Per N siti ed n differenze: grado di divergenza = n/n AATGAAAGAA 10 siti; 3 differenze ACTGGAGGAA

Dettagli

Maximum Likelihood. Giuliana Allegrucci - Riproduzione vietata

Maximum Likelihood. Giuliana Allegrucci - Riproduzione vietata Maximum Likelihood Potrebbe essere chiamato massima probabilità. E il metodo più nuovo E stato reso popolare da Joseph Felsenstein, Seattle, Washington. Il suo lento apparire nella comunità scientifica

Dettagli

Metodi di Distanza. G.Allegrucci riproduzione vietata

Metodi di Distanza. G.Allegrucci riproduzione vietata Metodi di Distanza La misura più semplice della distanza tra due sequenze nucleotidiche è contare il numero di siti nucleotidici che differiscono tra le due sequenze Quando confrontiamo siti omologhi in

Dettagli

Lezione 2. costituiscono la vita

Lezione 2. costituiscono la vita Lezione 2 Le molecole di base che costituiscono la vita Graur Gau and Li: Capitolo o 1 Graur lectures 5 6 7 5 3 Le molecole dell ereditarietà L informazione i ereditaria i di tutti ttigli organismi iviventi,

Dettagli

Lezione 2. Le molecole di base che costituiscono la vita

Lezione 2. Le molecole di base che costituiscono la vita Lezione 2 Le molecole di base che costituiscono la vita Graur and Li: Capitolo 1 5 3 Le molecole dell ereditarietà L informazione ereditaria di tutti gli organismi viventi, con l eccezione di alcuni virus,

Dettagli

Lezione 1. Le molecole di base che costituiscono la vita

Lezione 1. Le molecole di base che costituiscono la vita Lezione 1 Le molecole di base che costituiscono la vita Le molecole dell ereditarietà 5 3 L informazione ereditaria di tutti gli organismi viventi, con l eccezione di alcuni virus, è a carico della molecola

Dettagli

Lezione 3. I geni nelle popolazioni. Lezione modificata da Rosenblum

Lezione 3. I geni nelle popolazioni. Lezione modificata da Rosenblum Lezione 3 I geni nelle popolazioni Lezione modificata da Rosenblum http://people.ibest.uidaho.edu/~bree/ Graur and Li: Capitolo 2 L evoluzione è Il processo che risulta dal cambiamento delle caratteristiche

Dettagli

8. Energia e lavoro. 2 Teorema dell energia per un moto uniformemente

8. Energia e lavoro. 2 Teorema dell energia per un moto uniformemente 1 Definizione di lavoro 8. Energia e lavoro Consideriamo una forza applicata ad un corpo di massa m. Per semplicità ci limitiamo, inizialmente ad una forza costante, come ad esempio la gravità alla superficie

Dettagli

Riconoscimento e recupero dell informazione per bioinformatica

Riconoscimento e recupero dell informazione per bioinformatica Riconoscimento e recupero dell informazione per bioinformatica Filogenesi Manuele Bicego Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Sommario Introduzione alla

Dettagli

SISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X

SISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X CATENE DI MARKOV SISTEMI CASUALI DINAMICI (PROCESSI) ESEMPIO: I GUASTI (Ipotesi Markoviana) Frequenza dei guasti: N Guasti = N/T X X X X X X X X X 0 T 0 T! Δ 0, 1,, 0 Δ 1 Δ Δ 1Δ Δ Δ ESEMPIO: I GUASTI (Ipotesi

Dettagli

Lezione 3. I geni nelle popolazioni: sostituzione genica

Lezione 3. I geni nelle popolazioni: sostituzione genica Lezione 3 I geni nelle popolazioni: sostituzione genica Sostituzione per deriva Dopo un certo numero di generazioni che dipende dalla dimensione della popolazione, ogni cromosoma porta un allele identico

Dettagli

LEZIONI ED ESERCITAZIONI DI FISICA Prof. Francesco Marchi 1 Esercitazione su: angoli, funzioni e formule goniometriche Indice 1 Goniometriche 1.1 Introduzione.............................. 1. La soluzione

Dettagli

Lezioni di Microeconomia

Lezioni di Microeconomia Lezioni di Microeconomia Lezione 3 Quantità e Prezzi di Mercato Lezione 3: quantità e prezzi di mercato Slide 1 Il meccanismo di mercato Ricordiamo che: q d n= f (p n, R, p 1,...,p n-1, G) d q = D( p n

Dettagli

Algebra Lineare. a.a Gruppo A-H. Prof. P. Piazza Soluzioni del compito pomeridiano del 6/12/2004

Algebra Lineare. a.a Gruppo A-H. Prof. P. Piazza Soluzioni del compito pomeridiano del 6/12/2004 Algebra Lineare. a.a. 004-05. Gruppo A-H. Prof. P. Piazza Soluzioni del compito pomeridiano del 6/1/004 Esercizio 1. Siano V e W due spazi vettoriali e sia F : V W un isomorfismo (quindi F è lineare e

Dettagli

Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori, AA 2012/13. Catene di Markov

Università di Roma Tor Vergata Corso di Teoria dei Fenomeni Aleatori, AA 2012/13. Catene di Markov Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI Frequenza dei guasti: N GUASTI 0 T N T 0 T! Catene di Markov SISTEMI CASUALI DINAMICI (PROCESSI) - UN ESEMPIO: I GUASTI Campionando

Dettagli

Metodi e Modelli Matematici di Probabilità per la Gestione

Metodi e Modelli Matematici di Probabilità per la Gestione Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta del 23/6/06 Esercizio 1 Un allenatore ha 11 giocatori in campo (per semplicità immaginiamo che non esistano le sostituzioni). Esaminiamo

Dettagli

Esercitazione. 24 Aprile 2012

Esercitazione. 24 Aprile 2012 Esercitazione 24 Aprile 2012 Il modello di regressione logistica viene utilizzato quando si è interessati a studiare o analizzare la relazione causale tra una variabile dipendente dicotomica e una o più

Dettagli

EVOLUZIONE MOLECOLARE. Silvia Fuselli

EVOLUZIONE MOLECOLARE. Silvia Fuselli EVOLUZIONE MOLECOLARE Silvia Fuselli silvia.fuselli@unife.it TESTI Organizzazione del corso Graur and Li, Fundamentals of molecular evolution, Sinauer 2000 Michael Lynch, The Origins of Genome Architecture,

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercizi di Probabilità e Statistica Samuel Rota Bulò 29 maggio 2007 Test di indipendenza su tabelle di contingenza. Catene di Markov Esercizio Per controllare l efficacia di un vaccino vengono scelti

Dettagli

ZOOLOGIA EVOLUZIONISTICA. a. a. 2016/2017 Federico Plazzi - Alberi evolutivi

ZOOLOGIA EVOLUZIONISTICA. a. a. 2016/2017 Federico Plazzi - Alberi evolutivi ZOOLOGIA EVOLUZIONISTICA a. a. 2016/2017 Federico Plazzi - federico.plazzi@unibo.it Alberi evolutivi Ramo Le parole degli alberi filogenetici Le linee verticali sono puramente grafiche! Nodo Foglia Operational

Dettagli

Capitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica

Capitolo 8. Intervalli di confidenza. Statistica. Levine, Krehbiel, Berenson. Casa editrice: Pearson. Insegnamento: Statistica Levine, Krehbiel, Berenson Statistica Casa editrice: Pearson Capitolo 8 Intervalli di confidenza Insegnamento: Statistica Corso di Laurea Triennale in Economia Dipartimento di Economia e Management, Università

Dettagli

Università del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.

Università del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità. Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea

Dettagli

Elementi di Teoria dei Sistemi

Elementi di Teoria dei Sistemi Parte 2, 1 Elementi di Teoria dei Sistemi Parte 2, 2 Definizione di sistema dinamico Parte 2, 3 Sistema dinamico a tempo continuo Ingresso Uscita Parte 2, 4 Cosa significa Dinamico?? e` univocamente determinata?

Dettagli

Il modello AD-AS. macroeconomia (clamm), a.a

Il modello AD-AS. macroeconomia (clamm), a.a Il modello AD-AS macroeconomia (clamm), a.a. 2013-2014 Contenuto Il Modello La curva di domanda aggregata La curva di offerta aggregata Equilibrio macroeconomico Equilibrio di medio periodo Breve periodo

Dettagli

Esame di Sistemi ad Eventi Discreti

Esame di Sistemi ad Eventi Discreti Esame di Sistemi ad Eventi Discreti - 16.12.2008 Esercizio 1 (esame completo/recupero prima parte) Un macchinario è programmato per task. Ciascun task è composto da subtask, che possono essere di tipo

Dettagli

Università del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.

Università del Piemonte Orientale. Corso di laurea in medicina e chirurgia. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità. Università del Piemonte Orientale Corso di laurea in medicina e chirurgia Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea

Dettagli

LEZIONE N. 11 ( a cura di MADDALENA BEI)

LEZIONE N. 11 ( a cura di MADDALENA BEI) LEZIONE N. 11 ( a cura di MADDALENA BEI) F- test Assumiamo l ipotesi nulla H 0 :β 1,...,Β k =0 E diverso dal verificare che H 0 :B J =0 In realtà F - test è più generale H 0 :Aβ=0 H 1 :Aβ 0 A è una matrice

Dettagli

Elementi di Teoria dei Sistemi. Definizione di sistema dinamico. Cosa significa Dinamico? Sistema dinamico a tempo continuo

Elementi di Teoria dei Sistemi. Definizione di sistema dinamico. Cosa significa Dinamico? Sistema dinamico a tempo continuo Parte 2, 1 Parte 2, 2 Elementi di Teoria dei Sistemi Definizione di sistema dinamico Parte 2, 3 Sistema dinamico a tempo continuo Cosa significa Dinamico? Parte 2, 4? e` univocamente determinata? Ingresso

Dettagli

I gameti prodotti saranno:

I gameti prodotti saranno: GENI CONCATENATI Con i principi di Mendel e con lo studio della dinamica della meiosi due geni si trasmettono ciascuno in modo indipendente rispetto all altro se sono localizzati su paia di cromosomi diversi

Dettagli

Convergenza non condizionata

Convergenza non condizionata Economia Internazionale Economia dello Sviluppo Lezione 5 La convergenza nelle dinamiche di crescita A.A 2007-2008 Stefano Usai Convergenza non L ipotesi di convergenza non e basata sull assunzione che

Dettagli

CINEMATICA DEL PUNTO MATERIALE: MOTI RETTILINEI E INTRODUZIONE AL MOTO IN PIÙ DIMENSIONI PROF. FRANCESCO DE PALMA

CINEMATICA DEL PUNTO MATERIALE: MOTI RETTILINEI E INTRODUZIONE AL MOTO IN PIÙ DIMENSIONI PROF. FRANCESCO DE PALMA CINEMATICA DEL PUNTO MATERIALE: MOTI RETTILINEI E INTRODUZIONE AL MOTO IN PIÙ DIMENSIONI PROF. FRANCESCO DE PALMA Sommario INTRODUZIONE ALLA CINEMATICA... 3 MOTO RETTILINEO UNIFORMEMENTE ACCELERATO...

Dettagli

4 ESERCITAZIONE. Esercizi svolti: Capitolo 5 Modello IS-LM. Esercizio 3 (1 parte)

4 ESERCITAZIONE. Esercizi svolti: Capitolo 5 Modello IS-LM. Esercizio 3 (1 parte) 4 ESERCITAZIONE Esercizi svolti: Capitolo 5 Modello IS-LM Esercizio 3 (1 parte) 1 ESERCIZI CAPITOLO 5 MODELLO IS-LM Finora abbiamo considerato SEPARATAMENTE: Equilibrio del mercato dei beni (Cap. 3) 1

Dettagli

Modelli a effetti misti

Modelli a effetti misti Probabilità e Statistica per l analisi di dati sperimentali Modelli a effetti misti Sviluppo e gestione di Data Center per il calcolo scientifico ad alte prestazioni Master Progetto PRISMA, UniBA/INFN

Dettagli

Filogenesi molecolare

Filogenesi molecolare Filogenesi molecolare Geni ortologhi e geni paraloghi Geni ortologhi: geni simili riscontrabili in organismi correlati tra loro. Il fenomeno della speciazione porta alla divergenza dei geni e quindi delle

Dettagli

Elementi di Teoria dei Sistemi. Definizione di sistema dinamico. Cosa significa Dinamico? Sistema dinamico a tempo continuo

Elementi di Teoria dei Sistemi. Definizione di sistema dinamico. Cosa significa Dinamico? Sistema dinamico a tempo continuo Parte 2, 1 Parte 2, 2 Elementi di Teoria dei Sistemi Definizione di sistema dinamico Parte 2, 3 Sistema dinamico a tempo continuo Cosa significa Dinamico? Parte 2, 4? e` univocamente determinata? Ingresso

Dettagli

Movimento dello stato nei sistemi lineari

Movimento dello stato nei sistemi lineari Parte 2, 1 Movimento dello stato nei sistemi lineari Parte 2, 2 Soluzione generale nel caso a tempo continuo Si consideri un sistema dinamico lineare libero (senza ingresso) Parte 2, 3 In generale abbiamo

Dettagli

Evoluzione II Mutazioni e Selezione

Evoluzione II Mutazioni e Selezione Evoluzione II Mutazioni e Selezione Corso di Modellistica Ambientale a.a. 2010/2011 Problema 1. Un gene che puo esistere in due soli alleli a, b si trasmette nella popolazione con un tasso di mutazione

Dettagli

DNA DNA DNA Legge di complementarietà delle basi Se in un filamento è presente una T nell altro filamento deve essere presente una A. Se è presente una C nell altro ci dovrà essere una G. E possibile

Dettagli

Caso di A non regolare

Caso di A non regolare Caso di A non regolare December 2, 2 Una matrice A è regolare quando è quadrata e in corrispondenza di ogni autovalore di molteplicità algebrica m si ha una caduta di rango pari proprio a m Ovvero: rk

Dettagli

Modelli differenziali per le scienze della vita

Modelli differenziali per le scienze della vita Modelli differenziali per le scienze della vita Andrea Susa Agenda Modelli Matematici Crescita delle popolazioni isolate crescita di una cellula Decadimento radioattivo Modello Malthus Modello a crescita

Dettagli

Astronomia Lezione 7/11/2011

Astronomia Lezione 7/11/2011 Astronomia Lezione 7/11/011 Docente: Alessandro Melchiorri e.mail:alessandro.melchiorri@roma1.infn.it Attenzione! on abbiamo lezione il 10/11/011 Slides: oberon.roma1.infn.it/alessandro/ Libri di testo:

Dettagli

18 aprile Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...

18 aprile Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA... COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono stati consegnati tre fogli, stampati fronte e retro. Come prima cosa scrivi

Dettagli

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE I

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE I Ingegneria Elettrica Politecnico di Torino Luca Carlone ControlliAutomaticiI LEZIONE I Sommario LEZIONE I Introduzione al concetto di sistema Notazione e tassonomia Rappresentazione in variabili di stato

Dettagli

LEZIONE 9. Figura 9.1.1

LEZIONE 9. Figura 9.1.1 LEZIONE 9 9.1. Equazioni cartesiane di piani. Abbiamo visto come rappresentare parametricamente un piano. Un altro interessante metodo di rappresentazione di un piano nello spazio è tramite la sua equazione

Dettagli

Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova).

Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Esame di Statistica del 19 settembre 2006 (Corso di Laurea Triennale in Biotecnologie, Università degli Studi di Padova). Cognome Nome Matricola Es. 1 Es. 2 Es. 3 Es. 4 Somma Voto finale Attenzione: si

Dettagli

FONDAMENTI DI SISTEMI DINAMICI (prof. Vincenzo LIPPIELLO A.A ) Corso di Laurea in Ingegneria Elettronica e delle Telecomunicazioni - II anno

FONDAMENTI DI SISTEMI DINAMICI (prof. Vincenzo LIPPIELLO A.A ) Corso di Laurea in Ingegneria Elettronica e delle Telecomunicazioni - II anno Voto Cognome/Nome & No. Matricola FONDAMENTI DI SISTEMI DINAMICI (prof. Vincenzo LIPPIELLO A.A. 5 6) Corso di Laurea in Ingegneria Elettronica e delle Telecomunicazioni - II anno PROVA DEL 9 DICEMBRE 6

Dettagli

RETI DI TELECOMUNICAZIONE

RETI DI TELECOMUNICAZIONE RETI DI TELECOMUNICAZIONE CATENE DI MARKOV TEMPO CONTINUE Definizioni Sia dato un processo stocastico x(t) che può assumere valori discreti appartenenti ad un insieme se accade che il processo è una catena

Dettagli

Alee in macchine combinatorie

Alee in macchine combinatorie Corso di Calcolatori Elettronici I A.A. 2010-2011 Alee in macchine combinatorie Lezione 12 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Le Alee La presenza di ritardi nei dispositivi

Dettagli

Catene di Markov. Richiami teorici

Catene di Markov. Richiami teorici Catene di Marov Richiami teorici Pagina di 4 Alcune definizioni L insieme di tutti i possibili risultati di un esperimento è detto spazio degli eventi dell esperimento. Lo spazio si indica con Ω ed un

Dettagli

Lezione 1 Introduzione alla Modellizzazione in Biologia

Lezione 1 Introduzione alla Modellizzazione in Biologia Lezione 1 Introduzione alla Modellizzazione in Biologia Luca Bortolussi 1 1 Dipartimento di Matematica ed Informatica Università degli studi di Trieste Via Valerio 12/a, 34100 Trieste. luca@dmi.units.it

Dettagli

Analisi di Regressione Multipla

Analisi di Regressione Multipla Analisi di Regressione Multipla Stima OLS della relazione Test Score/STR : TestScore! = 698.9.8 STR, R =.05, SER = 18.6 (10.4) (0.5) E una stima credibile dell effetto causale sul rendimento nei test di

Dettagli

STATISTICA MULTIVARIATA SSD MAT/06

STATISTICA MULTIVARIATA SSD MAT/06 Università degli studi di Ferrara Dipartimento di Matematica A.A. 2018/2019 I semestre STATISTICA MULTIVARIATA SSD MAT/06 LEZIONE 4 - Questioni di analisi e applicazione della regressione lineare Pratica

Dettagli

Architetture data-flow

Architetture data-flow Architetture data-flow Le architetture che abbiamo visto finora sono dette architetture control flow. Ciò sta ad indicare che il flusso dell elaborazione è dettato dall ordine con cui le varie istruzioni

Dettagli

Inflazione, disoccupazione e moneta

Inflazione, disoccupazione e moneta Macroeconomia (Clamm) - a.a. 2011/2012 Contenuto Curva di Phillips e aspettative 1 Curva di Phillips e aspettative 2 3 4 Curva di Phillips Offerta aggregata: con: P t livello generale dei prezzi; P e t

Dettagli

Esercizio 1. Una obbligazione può avere rating A, B, C o D e passare da un rating all altro secondo la matrice di transizione

Esercizio 1. Una obbligazione può avere rating A, B, C o D e passare da un rating all altro secondo la matrice di transizione Esercizi di Calcolo delle Probabilità della 10 a Matematica, Università degli Studi di Padova). settimana (Corso di Laurea in Esercizio 1. Una obbligazione può avere rating A, B, C o D e passare da un

Dettagli

4. MODELLO DI EINSTEIN

4. MODELLO DI EINSTEIN 4. MODELLO DI EISTEI Einstein fu il primo ad elaborare un modello per la descrizione dell interazione radiazione-materia (molecole) tenendo conto della quantizzazione delle energie molecolari e della radiazione.

Dettagli

Anno 2. Radicali algebrici e aritmetici: condizioni di esistenza

Anno 2. Radicali algebrici e aritmetici: condizioni di esistenza Anno 2 Radicali algebrici e aritmetici: condizioni di esistenza 1 Introduzione Perché studiare i radicali? In matematica ogni volta che facciamo un operazione dobbiamo anche vedere se è possibile tornare

Dettagli

Appello di Progettazione di Sistemi Digitali 16 Settembre Docenti: Proff. Gorla e Massini

Appello di Progettazione di Sistemi Digitali 16 Settembre Docenti: Proff. Gorla e Massini Appello di Progettazione di Sistemi Digitali 16 Settembre 2013 - Docenti: Proff. Gorla e Massini Esercizio 1 (3 punti): Convertire in base 4 con rappresentazione in virgola fissa il numero decimale 214,1362

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologie. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità.

Università del Piemonte Orientale. Corso di laurea in biotecnologie. Corso di Statistica Medica. Le distribuzioni teoriche di probabilità. Università del Piemonte Orientale Corso di laurea in biotecnologie Corso di Statistica Medica Le distribuzioni teoriche di probabilità. La distribuzione di probabilità binomiale Corso di laurea in biotecnologie

Dettagli

Appunti sulla circonferenza

Appunti sulla circonferenza Liceo Falchi Montopoli in Val d Arno - Classe a I - Francesco Daddi - 1 dicembre 009 Appunti sulla circonferenza In queste pagine sono trattati gli argomenti riguardanti la circonferenza nel piano cartesiano

Dettagli

Riconoscimento e recupero dell informazione per bioinformatica

Riconoscimento e recupero dell informazione per bioinformatica Riconoscimento e recupero dell informazione per bioinformatica Clustering: introduzione Manuele Bicego Corso di Laurea in Bioinformatica Dipartimento di Informatica - Università di Verona Una definizione

Dettagli

GENETICA E PROBABILITA

GENETICA E PROBABILITA GENETICA E PROBABILITA Cromosoma:corpo cellulare contenete i geni disposti in ordine lineare, appare nel corso della mitosi (o della meiosi) come un filamento o un bastoncello di cromatina Gene:Unità di

Dettagli

POPOLAZIONE. Gruppo di individui della stessa specie che occupa una particolare area geografica nella quale essi possono accoppiarsi liberamente

POPOLAZIONE. Gruppo di individui della stessa specie che occupa una particolare area geografica nella quale essi possono accoppiarsi liberamente POPOLAZIONE Gruppo di individui della stessa specie che occupa una particolare area geografica nella quale essi possono accoppiarsi liberamente E l'unità di base del cambiamento evolutivo, perché permette

Dettagli

Capitolo 12 La regressione lineare semplice

Capitolo 12 La regressione lineare semplice Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Ingegneria Gestionale Facoltà di Ingegneria, Università

Dettagli

TUTTO (o quasi tutto ) SULLA RETTA di Leonardo Calconi

TUTTO (o quasi tutto ) SULLA RETTA di Leonardo Calconi TUTTO (o quasi tutto ) SULLA RETTA di Leonardo Calconi LA RETTA COME INSIEME CONTINUO La retta è una delle più antiche espressioni di continuità, definita da Euclide mediante i postulati 1, che affermano

Dettagli

Decisioni di risparmio

Decisioni di risparmio Decisioni di risparmio Giancarlo Gozzi Dipartimento di Scienze Economiche Università di Bologna Marzo 2018 Sommario Decisioni di consumo e risparmio Scelte intertemporali e risparmio Il vincolo di bilancio

Dettagli

PROCESSI STOCASTICI 1: ESERCIZI

PROCESSI STOCASTICI 1: ESERCIZI PROCESSI STOCASTICI 1: ESERCIZI (1) ESERCIZIO: Date P e Q matrici stocastiche, dimostrare che la matrice prodotto P Q è una matrice stocastica. Dedurre che la potenza P n e il prodotto P 1 P 2 P n sono

Dettagli

Esercizi di Probabilità - Matematica Applicata a. a aprile 2014

Esercizi di Probabilità - Matematica Applicata a. a aprile 2014 Esercizi di Probabilità - Matematica Applicata a. a. 2013-3014 db 1 aprile 2014 1 Funzione di ripartizione Si dice funzione di ripartizione o funzione cumulativa delle frequenze di una variabile casuale

Dettagli

Sistemi Lineari. Rango di una matrice. Lezione 21, Algebra Lineare,

Sistemi Lineari. Rango di una matrice. Lezione 21, Algebra Lineare, Lezione 21, Algebra Lineare, 15.11.2017 Sistemi Lineari Rango di una matrice Esempio principale, I Considerata una matrice, ci poniamo il problema di determinare il massimo numero di colonne linearmente

Dettagli

RETI DI TELECOMUNICAZIONE

RETI DI TELECOMUNICAZIONE RETI DI TELECOMUNICAZIONE Modelli delle Sorgenti di Traffico Generalità Per la realizzazione di un modello analitico di un sistema di telecomunicazione dobbiamo tenere in considerazione 3 distinte sezioni

Dettagli

Esercizi di modellistica, linearizzazione, punti di equilibrio e calcolo funzione di trasferimento

Esercizi di modellistica, linearizzazione, punti di equilibrio e calcolo funzione di trasferimento Esercizi di modellistica, linearizzazione, punti di equilibrio e calcolo funzione di trasferimento Esercizio Si considerino 3 popolazioni P, P, P 3 che vivono nelle regioni A, B, C le cui numerosità sono

Dettagli

Corso di Laurea in Fisica. Geometria. a.a Canale 3 Prof. P. Piazza Magiche notazioni

Corso di Laurea in Fisica. Geometria. a.a Canale 3 Prof. P. Piazza Magiche notazioni Corso di Laurea in Fisica. Geometria. a.a. 23-4. Canale 3 Prof. P. Piazza Magiche notazioni Siano V e W due spazi vettoriali e sia T : V W un applicazione lineare. Fissiamo una base B per V ed una base

Dettagli

Effetto spiazzamento e efficacia delle politiche economiche

Effetto spiazzamento e efficacia delle politiche economiche Effetto spiazzamento e efficacia delle politiche economiche L effetto di spiazzamento (crowding out) si intende quando la produzione viene spiazzata dalla spesa pubblica. Ricordiamo che dall analisi svolta

Dettagli

Tutorato Calcolo 2 Simone La Cesa, 15/11/2017

Tutorato Calcolo 2 Simone La Cesa, 15/11/2017 1 Tutorato Calcolo Simone La Cesa, 15/11/017 Esercizi stabilità dei sistemi di equazioni differenziali e Funzioni di Lyapunov 1. Si consideri l equazione: mx + k(x + x 3 ) = 0 moto di una particella di

Dettagli

Proprietà strutturali e leggi di controllo

Proprietà strutturali e leggi di controllo Proprietà strutturali e leggi di controllo sservabilità e rilevabilità Definizioni ed esempi introduttivi Analisi dell osservabilità di sistemi dinamici LTI Esempi di studio dell osservabilità sservabilità

Dettagli

CODIFICA CANALE. Comunicazione con successo: ricevitore ottiene output sorgente. Rumore. Sorgente Cofificatore Canale. Decodificatore.

CODIFICA CANALE. Comunicazione con successo: ricevitore ottiene output sorgente. Rumore. Sorgente Cofificatore Canale. Decodificatore. CODIFICA CANALE Sorgente Cofificatore Canale Decodificatore Ricevitore Rumore Comunicazione con successo: ricevitore ottiene output sorgente. p.1/24 CODIFICA CANALE Sorgente Cofificatore Canale Decodificatore

Dettagli

Analisi Numerica. Debora Botturi ALTAIR. Debora Botturi. Laboratorio di Sistemi e Segnali

Analisi Numerica. Debora Botturi ALTAIR.  Debora Botturi. Laboratorio di Sistemi e Segnali Analisi Numerica ALTAIR http://metropolis.sci.univr.it Argomenti Argomenti Argomenti Rappresentazione di sistemi con variabili di stato; Tecniche di integrazione numerica Obiettivo: risolvere sistemi di

Dettagli

Naïve Bayesian Classification

Naïve Bayesian Classification Naïve Bayesian Classification Di Alessandro rezzani Sommario Naïve Bayesian Classification (o classificazione Bayesiana)... 1 L algoritmo... 2 Naive Bayes in R... 5 Esempio 1... 5 Esempio 2... 5 L algoritmo

Dettagli

Geometria BATR-BCVR Esercizi 9

Geometria BATR-BCVR Esercizi 9 Geometria BATR-BCVR 2015-16 Esercizi 9 Esercizio 1. Per ognuna delle matrici A i si trovi una matrice ortogonale M i tale che Mi ta im sia diagonale. ( ) 1 1 2 3 2 A 1 = A 2 1 2 = 1 1 0 2 0 1 Esercizio

Dettagli

Economia Politica e Istituzioni Economiche

Economia Politica e Istituzioni Economiche Economia Politica e Istituzioni Economiche Barbara Pancino Lezione 13 Un analisi di equilibrio generale: il modello AS-AD Il modello AS-AD Usando le condizioni di equilibrio di tutti i mercati considerati

Dettagli

FUNZIONI GONIOMETRICHE

FUNZIONI GONIOMETRICHE FUNZIONI GONIOMETRICHE ANGOLI Col termine angolo indichiamo la parte di piano limitata da due semirette aventi la stessa origine, chiamata vertice. Possiamo definire anche l angolo come la parte di piano

Dettagli

ES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi

ES.2.2. Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili. Una partizione finita di Ω è una sequenza di K eventi ES22 1 Variabili aleatorie discrete Consideriamo un esperimento statistico definito da un insieme Ω di risultati possibili Una partizione finita di Ω è una sequenza di K eventi A 1, A 2 A k A K necessari

Dettagli

Processi di Markov. Processi di Markov

Processi di Markov. Processi di Markov Processi Stocastici Processi Stocastici Processi Stocastici Catene o Catene o Catene di M Processi Stocastici Processi Stocastici Processi Stocastici Catene o Catene o Catene di M Processi Stocastici Un

Dettagli

GE110 Tutorato 8 a cura di Giordano Agostini, Giulia Salustri e Andrea Cattaneo

GE110 Tutorato 8 a cura di Giordano Agostini, Giulia Salustri e Andrea Cattaneo GE110 Tutorato 8 a cura di Giordano Agostini, Giulia Salustri e Andrea Cattaneo Università degli studi Roma Tre, Corso di Laurea in Matematica Anno Accademico 2011/2012 1. Si scrivano l'equazione del piano

Dettagli

POTENZA CON ESPONENTE REALE

POTENZA CON ESPONENTE REALE Facoltà di Medicina e Chirurgia Corso Zero di Matematica Gruppi: MC-MF / PS-MF V Lezione ESPONENZIALI E LOGARITMI Dr. E. Modica erasmo@galois.it POTENZA CON ESPONENTE REALE Definizione: Dati un numero

Dettagli

RETTE E PIANI. ove h R. Determinare i valori di h per cui (1) r h e α sono incidenti ed, in tal caso, determinare l angolo ϑ h da essi formato;

RETTE E PIANI. ove h R. Determinare i valori di h per cui (1) r h e α sono incidenti ed, in tal caso, determinare l angolo ϑ h da essi formato; RETTE E PIANI Esercizi Esercizio 1. Nello spazio con riferimento cartesiano ortogonale Oxyz si considerino la retta r h ed il piano α rispettivamente di equazioni x = 1 + t r h : y = 1 t α : x + y + z

Dettagli

LEZIONE 8. Figura 8.1.1

LEZIONE 8. Figura 8.1.1 LEZIONE 8 8.1. Equazioni parametriche di rette. In questo paragrafo iniziamo ad applicare quanto spiegato sui vettori geometrici per dare una descrizione delle rette nel piano e nello spazio. Sia r S 3

Dettagli

Note sulle Catene di Markov

Note sulle Catene di Markov Note sulle Catene di Markov ELAUT Prof. Giuseppe C. Calafiore Sommario Queste note contengono un estratto schematico ridotto di parte del materiale relativo alle Catene di Markov a tempo continuo e a tempo

Dettagli

Analisi della varianza a una via

Analisi della varianza a una via Analisi della varianza a una via Statistica descrittiva e Analisi multivariata Prof. Giulio Vidotto PSY-NET: Corso di laurea online in Discipline della ricerca psicologico-sociale SOMMARIO Modelli statistici

Dettagli

Geometria e algebra lineare 20/6/2017 Corso di laurea in Ing. Elett. Tel., Ing. Inf. Org. e Informatica Correzione. x 2y = 0

Geometria e algebra lineare 20/6/2017 Corso di laurea in Ing. Elett. Tel., Ing. Inf. Org. e Informatica Correzione. x 2y = 0 Geometria e algebra lineare 20/6/2017 Corso di laurea in Ing. Elett. Tel., Ing. Inf. Org. e Informatica Correzione A Esercizio 1A Siano r la retta di equazioni { x + y 2z = 1 e P il punto di coordinate

Dettagli

7. Forze elastiche. Nella figura 1 il periodo è T = 2s e corrisponde ad un moto unidimensionale limitato tra i valori x = 0 ed x = 1.

7. Forze elastiche. Nella figura 1 il periodo è T = 2s e corrisponde ad un moto unidimensionale limitato tra i valori x = 0 ed x = 1. 1 Moti periodici 7. Forze elastiche Un caso particolare di moto accelerato è un moto periodico. In figura 1 è riportato un esempio di moto periodico unidimensionale. Un moto periodico si ripete identicamente

Dettagli

Esercizio: Il Ritorno dell'ubriaco (Da vedere insieme)

Esercizio: Il Ritorno dell'ubriaco (Da vedere insieme) Elementi di Informatica e Applicazioni Numeriche T Esercizio: Il Ritorno dell'ubriaco (Da vedere insieme) Esercizio: Il Ritorno dell'ubriaco Dopo una serata di bagordi, Gigi deve tornare a casa a piedi

Dettagli

DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19

DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 DISTRIBUZIONI DI PROBABILITA (parte 1) 1 / 19 Variabili casuali (o aleatorie) 2 / 19 Disponendo di metodi corretti per raccogliere i dati e costruire i campioni data una popolazione, i valori numerici

Dettagli