Relazioni di fluttuazione

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Relazioni di fluttuazione"

Transcript

1 Relazon d fluttuazone L. P. 1 gugno Catena d Markov n tempo contnuo In queste note consdereremo de sstem pccol, descrtt medante delle coordnate collettve. Supporremo anz che un determnato sstema s possa trovare n un numero fnto d stat mesoscopc, dentfcat da un etchetta con valor nter tra, dcamo 1 e q, a cu è assocata una probabltà d equlbro p eq defnta da p eq = e U /k B T Z, (1) dove T è la temperatura della rserva (r) d calore con cu l sstema (s) è n contatto. Supporremo noltre che l energa U dpenda da un certo numero d parametr, ndcat collettvamente con λ. La funzone d partzone Z vene qund a dpendere da λ: Z(λ) = e U (λ)/k B T = e F (λ)/k BT. (2) Buona parte de rsultat che otterremo rmangono vald anche se s consderano sstem meccanc n contatto con serbato d calore stocastc o determnstc (tpo Nosé-Hoover) o descrtt medante l moto Brownano generalzzato. Il sstema s trova abtualmente n un certo stato ( {1, 2,..., q}) e subsce d tanto n tanto delle transzon. Indchamo con W j dt la probabltà che avvenga la transzone j nell ntervallo d tempo d durata nfntesma dt. In generale, tass d transzone W j dpenderanno da λ. Le probabltà p (t) che l sstema s trov nello stato all stante t soddsfano la master equaton dp dt = [Wj p j W j p ] = Wj p j r p,, (3) dove abbamo defnto Lo stato d equlbro p eq j ( ) j ( ) r = Wj,. (4) j ( ) soddsfa la relazone j ( ) Wj p eq j = r p,. (5) Questa relazone è soddsfatta se p eq soddsfa la relazone d blanco dettaglato W j p eq j = W j p eq,, j. (6)

2 Questa relazone mplca n partcolare che W j e W j o s annullano entrambe o sono entrambe non nulle. In questo secondo caso s deve avere W j W j = e (U U j )/k B T. (7) Consderamo una transzone j. Poché U camba, questa transzone può avvenre solo perché la rserva (r) cede una quanttà d energa Q j = U U j (postva o negatva). Poché la rserva è all equlbro alla temperatura T, questo mplca che la sua entropa è cambata d una quanttà S (r) j = Q j /T. Se la dnamca del sstema soddsfa l blanco dettaglato, avremo qund W j (r) = e S j /k B (8) W j Supporremo che questa relazone valga n generale. In questo modo le probabltà d transzone sono collegate alla varazone d entropa della rserva e, come vedremo, alla produzone d entropa. Per semplfcare le formule porremo d ora n po la costante d Boltzmann uguale a 1. 2 Relazone d Crooks Consderamo l evoluzone del sstema n un ntervallo d tempo da t = 0 a t = T, n cu l sstema può essere manpolato mponendo un protocollo λ = (λ(t)). Partendo dallo stato x 0 per t = 0, all stante t k (t k 1 < t k < t k+1 ) avremo la transzone x k 1 x k. Supponamo che l ultma transzone avvenga a t n, con t n < T. Qund la stora seguta dal sstema è defnta dalla traettora X = (x 0, (x 1, t 1 ),..., (x n, t n ), T ). La probabltà (X x 0 ) della traettora X dato lo stato nzale x 0 è data da dove (X x 0 ) = U xn (T, t n )W xnx n 1 (t n )U xn 1 (t n, t n 1 ) U x1 (t 2, t 1 )W x1 x 0 (t 1 )U x0 (t 1, 0), (9) [ t ] U (t, t 0 ) = exp dt r (t ). (10) t 0 In questa equazone r (t) dpende da t tramte l protocollo λ(t). Analogamente W j (t) dpende da t tramte l protocollo λ(t): W j (t) = W (lambda(t)). Defnamo ora la traettora nversa X medante la X = (x n, (x n 1, T t n ),..., (x 1, T t 1 ), T ). (11) Il protocollo nverso λ è defnto n manera analoga: Defnamo anche W j (t) = W j (λ(t)) = W j (λ(t t)). e λ(t) = λ(t t). (12) [ t ] U (t, t 0 ) = exp dt r (t ), (13) t 0 dove r (t) dpende da t tramte l protocollo nverso λ. S ha allora U (t, t 0 ) = U (T t 0, T t),. (14) 2

3 Ora, s ha evdentemente (X) = U x0 (T, T t 1 )W x0 x 1 (T t 1 )U x1 (T t 1, T t 2 ) U xn 1 (T t n 1, t n )W xn 1 x n (T t n )U xn (T t n, 0) = U xn (T, t n )W xn 1 x n (t n )U xn 1 (t n, t n 1 ) U x1 (t 2, t 1 )W x0 x 1 (t 1 )U x0 (t 1, 0), (15) dove abbamo sfruttato le smmetre W j (T t) = W j (t) e U (T t 0, T t) = U (t, t 0 ). Ottenamo qund (X x 0 ) (X x n ) = W x nx (t n 1 n) W x1 x 0 (t 1 ) W xn 1 x n(t n) W x0 x 1 (t 1 ). (16) Tenendo conto della (8) ottenamo così (X x 0 ) (X x n ) = e S(r) (X) (17) dove S (r) (X) = S (r) x nx n 1 (t n ) + + S (r) x 1 x 0 (t 1 ), (18) è la varazone d entropa della rserva assocata alla traettora X del sstema. Questa relazone è chamata relazone d Crooks. 3 Relazone d Jarzynsk Consderamo un sstema n cu le W j (λ) soddsfano l blanco dettaglato, e che s trova nzalmente all equlbro con la dstrbuzone p eq (λ 0 ). Immagnamo d perturbare l sstema medante un protocollo λ(t). Possamo allora mostrare che dove, abbamo posto t n+1 = T e abbamo defnto W(X) = e W(X)/T = e F/T (19) n k=0 tk+1 che è chamato l lavoro d Jarzynsk, e n cu t k dt λ(t) U x k λ F = F (λ(t )) F (λ(0)) = k B T log, (20) λ=λ(t) Z(λ(T )) Z(λ(0)). (21) Moltplcando ambo membr della relazone d Crooks per p eq (0)/p eq (T ) ottenamo a prmo membro l rapporto fra (X) e (X). S ha qund (X) (X) = e S(r) (X) (U x0 (0) U xn (T ))/T Z(λ(T )) Z(λ(0)). (22) Ma S (r) = Q/T, dove Q è l calore rcevuto dal sstema. Per la conservazone dell energa s deve avere U xn (T ) U x0 (0) = Q + W, (23) 3

4 dove W, defnto n (20), è la varazone dell energa del sstema dovuta alla varazone d λ. Qund (X) Z(λ(T )) = ew(x)/t (X) Z(λ(0)), (24) che corrsponde a e W(X)/T Z(λ(T )) (X) = (X) Z(λ(0)). (25) Sommando su tutt possbl cammn X ottenamo la relazone d Jarzynsk (19). Questa relazone permette d ottenere la quanttà F, che è una propretà d equlbro, medante degl esperment d non equlbro: F = k B T log e W/T. (26) Se supponamo che la manpolazone avvenga così lentamente che W concde con l suo valor medo termodnamco T W(X) = dt λ(t) U, (27) 0 λ (dove la meda è valutata con la dstrbuzone d equlbro relatva al valore stantaneo λ(t)) ottenamo evdentemente F = W(X) rev. (28) L ndce rev c rcorda che l protocollo λ(t) deve essere reversble, deve coè portare a una successone d stat d equlbro. Questo è l rsultato usuale della termodnamca. D altra parte, se l protocollo non è reversble, a quas reversble, n modo che la dstrbuzone d W può essere approssmata da una gaussana con meda W 0 e varanza σ 2, ottenamo e W/T = N dw e W/T (W W 0) 2 /2σ 2 = e σ2 /2T 2 W 0 /T. (29) Qund W 0 = F + σ2 T, (30) una relazone che collega l lavoro dsspato W 0 F alla varanza del lavoro stesso. Notamo una curosa conseguenza della relazone d Crooks. È ragonevole domandars quale traettora X da l massmo contrbuto al prmo membro nella relazone d Jarzynsk. Ora, a causa della relazone d Crooks, è facle vedere che se X corrsponde al massmo d e W/T (X), la sua nversa temporale X corrsponde al massmo d (X)! In altr termn, la traettora che contrbusce d pù alla somma d Jarzynsk è l nversa temporale della traettora pù probable nella manpolazone nversa. Perché s possa utlzzare effettvamente la relazone d Jarzynsk per valutare F fuor dall equlbro è necssaro metters n condzon tal per cu e W/T possa essere valutato bene. È charo che questa meda sarà domnata da quelle traettore X relatvamente rare per cu W è grande e negatvo. Perché queste traettore sano realzzabl con un numero lmtato d rpetzon dell espermento convene che l sstema che s consdera non sa troppo grande. Convene noltre che la manpolazone non port l sstema troppo lontano dall equlbro, per poter avere una buona statstca sulla dstrbuzone d W. In pratca, se è possble effettuare la manpolazone nversa λ, può essere pù convenente sfruttare questa relazone, che è una conseguenza mmedata della (24): (W) ( W) = e(w F )/T. (31) Questo vuol dre che (W) = ( W) quando W = F. Qund F vene dentfcato come l valore d W per cu gl stogramm d (W) e d ( W) s ncrocano. 4

5 4 Relazone d Sefert Consderamo adesso un caso un po pù generale, n cu non supponamo che le W j soddsfno la relazone d blanco dettaglato, né che l sstema s trov all equlbro all stante nzale t = 0. In questo caso, denotamo con (p (t)) la soluzone della master equaton, espressa n funzone del protocollo λ e della condzone nzale (p 0 ) = (p (t=0)). Moltplchamo ambo membr della relazone d Crooks per p 0 x 0 /p T x T, dove (p T ) = (p (t=t )). Abbamo così dove abbamo defnto (X) (X) = e S(r) (X) log p, (32) log p = log p x n (T ) log p x 0 (0). (33) D altra parte, data la dstrbuzone d probabltà p = (p ) l entropa d Shannon assocata a questa dstrbuzone è data da S(p) = p log p. (34) Possamo consderare questa espressone come l valor medo (su p) d una entropa fluttuante S = log p, che può essere assegnata al sstema. S avrà allora Qund avremo log p = S. (35) S (r) log p = S (r) + S = S tot, (36) dove S tot è la varazone d entropa totale del sstema e della rserva, e qund concde con la produzone d entropa assocata con l processo. Conseguentemente ottenamo e Stot (X) (X) = (X), (37) che è una relazone d fluttuazone dettaglata assocata alla produzone d entropa. Sommando su tutte le store X ottenamo e Stot (X) = 1. (38) Questa relazone ntegrata è nota come relazone d Sefert. Essa ha come corollaro che la probabltà d ottenere una produzone totale d entropa negatva non è nulla. Per la relazone d Jensen, bennteso, s ha S tot 0. (39) 5 Dsuguaglanza d Clausus generalzzata e prncpo d Landauer Consderamo la relazone d Sefert da un altro punto d vsta. Data la relazone e S(r) (X)+ log p (X) = (X). (40) Ora, dato che log p p = p log p = I(p), (41) 5

6 dove I(p) è l entropa d Shannon assocata alla dstrbuzone d probbltà p, ottenamo S (r) + I 0, (42) λ dove... λ è la meda assocata alla manpolazone λ. Possamo nterpretare questa relazone come una dsuguaglanza d Clausus generalzzata, n cu s tene conto della varazone dell entropa d Shannon del sstema (anche se esso è fuor dall equlbro all nzo e alla fne della trasformazone). S può ottenere da questa relazone un espressone del prncpo d Landauer, che determna una quanttà d lavoro dsspato assocato con ogn trasformazone che resetta un regstro d memora. Supponamo che l parametro λ assuma lo stesso valore all nzo e alla fne della manpolazone, e che s abba U λ = 0. (43) S ha allora, dalla conservazone dell energa, tenendo conto del fatto che S (r) = Q/T, dove Q è l calore ceduto al sstema, S (r) = Q T = W T. (44) Qund W T I. (45) Qund per rdurre I è necessaro dsspare una certa quanttà d lavoro par almeno a T I. 6 Relazone d Gallavott-Cohen Consderamo adesso un sstema che s trov n uno stato stazonaro fuor dall equlbro, descrtto dalla dstrbuzone d probabltà p, che soddsfa la condzone Wj p j r p = 0,. (46) j ( ) È da notare che perché lo stato stazonaro sa fuor dall equlbro, tass d transzone W j non soddsfano la propretà d blanco dettaglato. Voglamo adesso valutare la produzone d entropa durante un certo ntervallo d tempo d lunghezza T. Indcando con S l entropa prodotta dal sstema n questo ntervallo, avremo S = S (r) + S (s), (47) dove S (r) è la varazone dell entropa della rserva e S (s) è quella del sstema. Se T è abbastanza grande, S (r) (che cresce con T ) sarà pù grande d S (s), che rmane lmtato. Questo gustfca fssare l attenzone sul contrbuto d S (r). Tuttava non è dffcle tenere conto anche del contrbuto d S (s), che è mportante negl esperment. In queste note, questo contrbuto sarà trascurato. Indchamo con S la varazone totale dell entropa della rserva rspetto all stante nzale, e defnamo P (S, t) la probabltà congunta che l sstema s trov n, e S abba un certo valore, all stante t. Questa quanttà può cambare perché n un breve ntervallo d durata dt l sstema può compere una transzone j. A questa transzone s accompagna una varazone S (r) j dell entropa della rserva. Ottenamo così la seguente equazone: dp dt = j ( ) Wj P j (S S (r) j, t) r P (S, t). (48) 6

7 Il prmo termne a secondo membro può essere scrtto formalmente come segue: mentre, rcordamo, Wj P j (S S (r) j, t) = j ( ) S (r) j j ( ) Wj e S(r) j / S P j (S, t), (49) = log W j W j. (50) Dato P (S, t), possamo defnre la funzone generatrce Γ (γ, t) = ds e γs P (S, t). (51) Consderamo l espressone ds e γs e S / S P (S, t) = = ( ds e γs 1 S ) l P (S, t) l! S l=0 [ ( 1 ds S ) ] l e γs P (S, t) l! S l=0 = e γ S Γ (S, t), (52) dove abbamo sfruttato rpetute ntegrazon per part. Qund Γ (γ, t) soddsfa l equazone dfferenzale Γ t = W 1 γ j W γ j Γ j r Γ, (53) j ( ) dove abbamo sfruttato la relazone (50) ponendo ( ) γ γ S(r) Wj e j =. (54) W j L equazone d evoluzone (53) può formalmente essere espressa come segue: Γ t dove Γ = (Γ ) e L(γ) è una matrce defnta da La soluzone della (53) per T grande è data da = L(γ)Γ, (55) L j (γ) = (1 δ j ) W 1 γ j W γ j r δ j. (56) Γ(γ, T ) e T θ(γ), (57) dove θ(γ) è l autovalore massmo d L(γ). Nota Γ(γ) = Γ (γ), possamo ottenere la P (S) valutando l anttrasformata d Laplace d Γ(γ): P (S) = + dγ e γs Γ(γ). (58) Se Γ(γ) è della forma (57), ponendo S = T J ottenamo P (T J) = dγ e γt J T θ(γ) = e T (γ J θ(γ )), (59) 7

8 dove γ (J) è defnto da S ha evdentemente Qund γ J θ(γ ) = max (γj θ(γ)). (60) γ J = dθ dγ γ. (61) P (T J) e T Ψ(J), (62) dove Ψ(J) è la trasformata d Legendre della θ(γ). Ottenamo così una legge delle grand devazon per l tasso d produzone d entropa J, che dce che la probabltà che tale tasso s scart dal valore medo J 0 (corrspondente al mnmo d Ψ(J)) decresce esponenzalmente con T. Notamo adesso che ovvero che L j (1 γ) = (1 δ j ) W 1 γ j W γ j r δ j = L j (γ), (63) L(1 γ) = L(γ) T, (64) dove A(γ) T è la matrce trasversa d A. Ora L T e L hanno lo stesso spettro. Qund θ(1 γ) = θ(γ). (65) S ha allora γ ( J) = 1 γ (J) e qund Ψ( J) = J + Ψ(J). Questo mplca la smmetra d Gallavott-Cohen: P (T J) P ( T J) = et J (66) In partcolare, su temp fnt, la probabltà d avere una produzone d entropa netta negatva non s annulla (anche se dmnusce esponenzalmente con T ). 8

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

Teoria dell informazione e Meccanica Statistica

Teoria dell informazione e Meccanica Statistica Teora dell nformazone e Meccanca Statstca L. P. Gugno 2007 Rporto qu una breve rassegna dell approcco alla Meccanca Statstca medante la teora dell nformazone. Partamo dalla consderazone che la probabltà

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

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo Energa e Lavoro Fnora abbamo descrtto l moto de corp (puntform) usando le legg d Newton, tramte le forze; abbamo scrtto l equazone del moto, determnato spostamento e veloctà n funzone del tempo. E possble

Dettagli

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

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

Dettagli

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

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat

Dettagli

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà

Dettagli

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

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

FISICA. S = Q rev 373K

FISICA. S = Q rev 373K FISICA Sere 9: Soluzon II lceo Eserczo 1 ranszone d fase Poché l entropa è una funzone d stato possamo calcolare la sua varazone lungo un processo reversble. Questo lo s può realzzare sottraendo delle

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

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3: Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 3: 21022012 professor Danele Rtell www.unbo.t/docdent/danele.rtell 1/31? Captalzzazone msta S usa l regme composto per l

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 3: 27 febbraio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 3: 27 febbraio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 3: 27 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? S può dmostrare che 1. se 0 < t < 1 allora

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

IL CALCOLO DELLE FREQUENZE VIBRAZIONALI

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

Dettagli

Secondo Principio della Termodinamica

Secondo Principio della Termodinamica Secondo Prncpo della ermodnamca Problema: n che modo s puo pedere se un processo è spontaneo e quale è la drezone d un processo spontaneo Notamo: Il I prncpo della D stablsce che un sstema puo modfcare

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

Dinamica del corpo rigido

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

Dettagli

Introduzione alla II legge della termodinamica

Introduzione alla II legge della termodinamica Introduzone alla II legge della termodnamca In natura esstono fenomen che, pur NON volando la conservazone dell energa (ΔE nt = Q L), non s verfcano: Per esempo: Oggett alla stessa che s portano a dverse;

Dettagli

Analisi Modale. Le evoluzioni libere dei due sistemi a partire dalla condizione iniziale x(0) = x 0 sono

Analisi Modale. Le evoluzioni libere dei due sistemi a partire dalla condizione iniziale x(0) = x 0 sono Captolo 1 INTRODUZIONE 21 Anals Modale S facca rfermento al sstema tempo-dscreto e al sstema tempo-contnuo x(k +1)=Ax(k) ẋ(t) =Ax(t) Le evoluzon lbere de due sstem a partre dalla condzone nzale x() = x

Dettagli

E (ev) Eccitazioni e transizioni

E (ev) Eccitazioni e transizioni -.85 -.5 -. - + - - + + s p d Ecctazon e transzon d E E - E Che cosa fa sì che un elettrone s trov n un certo lvello energetco puttosto che n un altro? -.6 Due possbl mod d cambare energa: attraverso urt:

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

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

Verifica reti con più serbatoi (II)

Verifica reti con più serbatoi (II) Verfca ret con pù serbato (I) Condzon al contorno per gl N nod della rete e corrspondent ncognte: Condzone mposta Incognta A) carco pezometrco portata concentrata B) portata concentrata carco pezometrco

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

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

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

Equilibrio e stabilità di sistemi dinamici. Stabilità interna di sistemi dinamici LTI

Equilibrio e stabilità di sistemi dinamici. Stabilità interna di sistemi dinamici LTI Equlbro e stabltà d sstem dnamc Stabltà nterna d sstem dnamc LTI Stabltà nterna d sstem dnamc LTI Stabltà nterna d sstem dnamc LTI TC Crter d stabltà per sstem dnamc LTI TC Stabltà nterna d sstem dnamc

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 9: 3 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Eserczo Consderamo una rendta perodca d 2n termn

Dettagli

fluttuazioni siano reciprocamente indipendenti (cioè non correlate fra di loro), si ha 1 :

fluttuazioni siano reciprocamente indipendenti (cioè non correlate fra di loro), si ha 1 : Appendce A luttuazon. A.1 - Generaltà. Le grandezze fsche che caratterzzano corp macroscopc n equlbro non sono costant, ma fluttuano nel tempo attorno al loro valore medo per effetto del moto mcroscopco

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

Termodinamica della radiazione di corpo nero

Termodinamica della radiazione di corpo nero Termodnamca della radazone d corpo nero L. P. 5 Dcembre 2007 La teora termodnamca della radazone d corpo nero, svluppata da Stefan, Boltzmann e Wen negl ultm decenn del 19 secolo, è d estrema mportanza

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

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

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

Dettagli

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

Analisi statistica degli errori casuali

Analisi statistica degli errori casuali Anals statstca degl error casual error casual: dovut a ncertezze spermental non controllabl che comunque spngono l valore msurato con ugual probabltà n alto od n basso rspetto al valore vero. Quest error

Dettagli

Il lavoro in termodinamica

Il lavoro in termodinamica Il lavoro n termodnamca Il lavoro esterno: W est =-F e Dl (-: orza e spos. dscord) Il lavoro atto dal sstema sarà: W=-W est = F e Dl La orza eserctata dall ambente può essere dervata dalla pressone esterna:

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

urto v 2f v 2i e forza impulsiva F r F dt = i t

urto v 2f v 2i e forza impulsiva F r F dt = i t 7. Urt Sstem a due partcelle Defnzone d urto elastco, urto anelastco e mpulso L urto è un nterazone fra corp che avvene n un ntervallo d tempo normalmente molto breve, al termne del quale le quanttà d

Dettagli

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

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

Dettagli

Prima prova di gruppo

Prima prova di gruppo Prma prova d gruppo Es. Una metodologa d anals produce fals postv nel 3% de cas e fals negatv nell % de cas. Calcolate quale è l esto pù probable (postvo o negatvo se due anals consecutve esegute sullo

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

Sistemi Intelligenti Introduzione al calcolo delle probabilità - II

Sistemi Intelligenti Introduzione al calcolo delle probabilità - II Sstem Intellgent Introduzone al calcolo delle probabltà - II Alberto Borghese Unverstà degl Stud d Mlano Laborator of Appled Intellgent Sstems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t A.A. 05-06

Dettagli

GUGLIOTTA CALOGERO. Liceo Scientifico E.Fermi Menfi (Ag.) ENTROPIA

GUGLIOTTA CALOGERO. Liceo Scientifico E.Fermi Menfi (Ag.) ENTROPIA GUGLIOTTA CALOGERO Lceo Scentco E.Ferm Men (Ag.) ENTROIA Il concetto d processo termodnamco reversble d un dato sstema è collegato all dea che s possa passare dallo stato allo stato attraverso una successone

Dettagli

4.6 Dualità in Programmazione Lineare

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

Dettagli

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

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO

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

Dettagli

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

Prova parziale di Fisica Generale L-B e di Elementi di Fisica L-B. Corsidilaureainingegneriacivileedenergetica. Prof. D. Galli. 25 maggio 2002 (1)

Prova parziale di Fisica Generale L-B e di Elementi di Fisica L-B. Corsidilaureainingegneriacivileedenergetica. Prof. D. Galli. 25 maggio 2002 (1) Prova parzale d Fsca Generale L-B e d Element d Fsca L-B Corsdlaureanngegneracvleedenergetca Prof. D. Gall 5 maggo 00 (). Traccare nel dagramma d Clapeyron l soterma d un gas perfetto. Traccare nel dagramma

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

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 205-6, lez.8) Matematca Computazonale, Ottmzzazone,

Dettagli

UNIVERSITÀ DEGLI STUDI DI TERAMO

UNIVERSITÀ DEGLI STUDI DI TERAMO UIVERSITÀ DEGLI STUDI DI TERAMO CORSO DI LAUREA I TUTELA E BEESSERE AIMALE Corso d : FISICA MEDICA A.A. 015 /016 Docente: Dott. Chucch Rccardo mal:rchucch@unte.t Medcna Veternara: CFU 5 (corso ntegrato

Dettagli

si utilizzano per confrontare le distribuzioni

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

Dettagli

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

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE III Ingegnera Elettrca Poltecnco d Torno Luca Carlone ControllAutomatcI LEZIONE III Sommaro LEZIONE III Trasformata d Laplace Propretà e trasformate notevol Funzon d trasfermento Scomposzone n fratt semplc

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

La soluzione delle equazioni differenziali con il metodo di Galerkin

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

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

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

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

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

6 Prodotti scalari e prodotti Hermitiani

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

Dettagli

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

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

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

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

FRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali.

FRAME 1.1. Definizione Diciamo variabile aleatoria una funzione definita sullo spazio campionario di un esperimento a valori reali. FRAME 0.1. Contents 1. Varabl aleatore 1 1.1. Introduzone 1 1.2. Varabl aleatore dscrete 2 1.3. Valore atteso (Meda) e Varanza 3 1.4. Varabl aleatore bnomal e d Posson 4 1.1. Introduzone. 1. Varabl aleatore

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

Master Equation per modelli di Lotka-Volterra

Master Equation per modelli di Lotka-Volterra Alma Mater Studorum Unverstà d Bologna Scuola d Scenze Dpartmento d Fsca e Astronoma Corso d Laurea n Fsca Master Equaton per modell d Lotka-Volterra Relatore: Char.mo Prof. Armando Bazzan Presentata da:

Dettagli

Calcolo Scientifico e Matematica Applicata Secondo Parziale, Ingegneria Ambientale

Calcolo Scientifico e Matematica Applicata Secondo Parziale, Ingegneria Ambientale Calcolo Scentfco e Matematca Applcata Secondo Parzale, 7.2.28 Ingegnera Ambentale Rsolvere gl esercz, 2, 4 oppure, n alternatva, gl esercz, 3, 4. Valutazone degl esercz: 4, 2 8, 3 8, 4 8.. Illustrare,

Dettagli

Lezione n La concentrazione

Lezione n La concentrazione 1 La concentrazone Corso d Laurea: Economa Azendale Nello studo de fenomen economc e socal descrtt attraverso caratter quanttatv d tpo trasferble può essere nteressante analzzare la cosddetta concentrazone

Dettagli

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

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

Dettagli

(1) (2) 1 N. Bohr, Phil. Mag., 9,1 (1922). 2 D. R. Hartree, PTOC. Cambridge Phil. Soc., 24, 89 (1928).

(1) (2) 1 N. Bohr, Phil. Mag., 9,1 (1922). 2 D. R. Hartree, PTOC. Cambridge Phil. Soc., 24, 89 (1928). Il metodo SCF d Hartree ( Self-Consstent-Feld) Dscuteremo un approcco che utlzza alcun de vantagg del metodo a partcelle ndpendent, ma che tene conto sstematcamente delle repulson elettronche. el 922,

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

Variabili casuali. Variabili casuali

Variabili casuali. Variabili casuali Varabl casual Assegnato uno spazo d probabltà (S, A, P[.]) s densce varable casuale una unzone avente come domno lo spazo de campon (S) e come codomno la retta reale. S Le varabl casual s ndcano con lettere

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

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

Corso di Fondamenti di Telecomunicazioni

Corso di Fondamenti di Telecomunicazioni Corso d Fondament d Telecomuncazon Prof. Govann Schembra Struttura della lezone Defnzon d process aleator e caratterzzazone statstca ( Stma delle statstche d prmo e secondo ordne Process aleator stazonar

Dettagli

Maurizio Piccinini A.A Fisica Generale B. Entropia. Scuola di Ingegneria e Architettura UNIBO Cesena Anno Accademico

Maurizio Piccinini A.A Fisica Generale B. Entropia. Scuola di Ingegneria e Architettura UNIBO Cesena Anno Accademico Fsca Generale B Scuola d Ingegnera e Archtettura UNIBO esena Anno Accademco 014 015 δ δ 0 Nel caso d ccl reversbl: = 0 Ogn parte d un cclo reversble è reversble, qund dat due stat ntermed qualunque ed

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 de fenomen fsc è quello d scoprre le legg che legano le grandezze studate e d msurare l valore delle costant che compaono della

Dettagli

Elasticità nei mezzi continui

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

Dettagli

Appunti di Teoria dell Informazione

Appunti di Teoria dell Informazione Corso d Telecomuncazon (Classe Qunta della specalzzazone Elettronca e Telecomuncazon) Pagna - - . La teora dell nformazone La teora dell nformazone descrve l funzonamento de sstem d comuncazone sa analogc

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

Unità Didattica N 5. Impulso e quantità di moto

Unità Didattica N 5. Impulso e quantità di moto Imnpulso e quanttà d moto - - Impulso e quanttà d moto ) Sstema solato : orze nterne ed esterne...pag. 2 2) Impulso e quanttà d moto...pag. 3 3) Teorema d conservazone della quanttà d moto...pag. 6 4)

Dettagli

6.1- Sistemi punti, forze interne ed esterne

6.1- Sistemi punti, forze interne ed esterne 1 CAP 6 - SISTEMI DI PUNTI MATERIALI Parte I 1 Cap 6 - Sstem d punt materal Cap 6 - Sstem d punt materal Il punto materale è un astrazone alla quale poch cas s possono assmlare. La maggor parte degl oggett

Dettagli

CAPITOLO 2: PRIMO PRINCIPIO

CAPITOLO 2: PRIMO PRINCIPIO Introduzone alla ermodnamca Esercz svolt CAIOLO : RIMO RINCIIO Eserczo n 7 Una certa quanttà d Hg a = atm e alla temperatura = 0 C è mantenuta a = costante Quale dventa la se s porta la temperatura a =

Dettagli

Amplificatori operazionali

Amplificatori operazionali Amplfcator operazonal Parte 3 www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 9-5-) Confgurazone nvertente generalzzata Se nella confgurazone nvertente s sosttuscono le resstenze R e R con due mpedenze

Dettagli

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3 Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi.

ANELLI E SOTTOANELLI. contrassegna gli esercizi (relativamente) più complessi. ESERCIZI SU ANELLI E SOTTOANELLI N.B.: l smbolo contrassegna gl esercz relatvamente pù compless. 1 Sa X un nseme, e sa PX l suo nseme delle part. Indcando con l operazone d dfferenza smmetrca tra element

Dettagli

Rappresentazione dei numeri

Rappresentazione dei numeri Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Quinto test di autovalutazione di ANALISI DEI SISTEMI

Quinto test di autovalutazione di ANALISI DEI SISTEMI Qunto test d autovalutazone d ANALISI DEI SISTEMI A.A. 9/. S determn, per t R +, operando nel domno del tempo, l evoluzone lbera d stato ed uscta del modello d stato a tempo contnuo ẋ(t) Fx(t) y(t) Hx(t)

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

Luciano Battaia. Versione del 22 febbraio L.Battaia. Condensatori e resistenze

Luciano Battaia. Versione del 22 febbraio L.Battaia. Condensatori e resistenze Lucano attaa Versone del 22 febbrao 2007 In questa nota presento uno schema replogatvo relatvo a condensator e alle, con partcolare rguardo a collegament n sere e parallelo. Il target prncpale è costtuto

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

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

Esercitazione sulle Basi di di Definizione

Esercitazione sulle Basi di di Definizione Eserctazone sulle as d d Defnzone ESERIZIO Un bpolo ressto (dodo) ha la seguente equazone: = k [ 0 + 00] con k 0 nella quale ed sono descrtt dalla conenzone degl utlzzator come n fgura. Stablre se l bpolo

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