Università di Napoli Parthenope Facoltà di Ingegneria

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Università di Napoli Parthenope Facoltà di Ingegneria"

Transcript

1 Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003

2 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della probabltà totale per CD, pd, pm Dstrbuzon condzonate dato {x} e {y} Trasormazon d coppe d varabl aleatore 2

3 Dstrbuzon condzonate Rcordamo la denzone d probabltà condzonata. Dat due event A e B, la probabltà condzonata d A dato B è: P ( A B) ( A B) P( B) P, P B ( ) 0 Ponendo A{ x}, s densce CD condzonata d dato l evento B: ( x B) P( { x} B) ({ x} B) P( B) P, P B ( ) 0 Essendo (x B) una CD, gode d tutte le propretà delle CD. 3

4 Dstrbuzon condzonate In partcolare la (x B) una CD è postva, assume valor tra 0 e, è contnua da destra e noltre: ) 2) 3) P ( B) ( B) P P( { } B) 0 P( B) ({ } B) P( B) P( B) P( B) ( x < x B) ( x B) ( x B) 2 2 P ({ x < x2} B) P( B) Esempo: CD relatva alla v.a. assocata all espermento probablstco lanco d un dado, con evento condzonante B{ dspar}. 4

5 Dstrbuzon condzonate S densce pd condzonata d dato l evento B: d dx ( x B) ( x B) (x B) gode d tutte le propretà d cu gode una qualsas pd. In partcolare è postva, e gode delle propretà d normalzzazone: ( x B) dx Esempo: pd relatva alla v.a. assocata all espermento probablstco lanco d un dado, con evento condzonante B{ dspar}. 5

6 Dstrbuzon condzonate Nel caso d v.a. dscrete, come ad esempo nell espermento lanco d un dado, è pù convenente denre una pm condzonata d dato l evento B: p ( x B) P( { x} B) ({ x} B) P( B) P, P B ( ) 0 p (x B) gode d tutte le propretà d cu gode una qualsas pd. In partcolare è postva, assume valor tra 0 e, e gode delle propretà d normalzzazone: x p ( x B) Esempo: pm relatva alla v.a. assocata all espermento probablstco lanco d un dado, con evento condzonante B{ dspar}. 6

7 Dstrbuzon condzonate Alcun autor usanouna notazone alternatva per le CD, pd, pm condzonata d dato l evento B: p B B B ( x B) ( x B) ( x B) 7

8 Teorema della Probabltà Totale per CD, pd, pm Possamo estendere probabltà totale, Bayes alle dstrbuzon condzonate. Rcordamo l teorema della probabltà totale: P N ( A) P( A B ) P( B ) Ponendo A{ x}, s ottene:, B N U B j B 0, S j N N ( x) P( { x} ) P { x} ( B ) ( ) P B ( x B ) P( B ) che rappresenta l teorema della probabltà totale per la CD. 8

9 Probabltà Totale per CD, pd, pm Dervando rspetto a x s ottene l teorema della probabltà totale per le pd: ( x) ( x B ) P( B ) Se noltre è una v.a. dscreta, da: N N ( A) P( A B ) P( ) P B ponendo A{x} s ottene drettamente l teorema della probabltà totale per le pm: P ( B ) P( B ) ({ x} ) P { x} p N N ( x) p ( x B ) P( B ) 9

10 Dstrbuzon condzonate dato {x} e {y} Consderamo l caso n cu nella ( x B) P( { x} B) ({ x} B) P( B) P, P B ( ) 0 sa B{y}: ({ x} { y} ) P( { y} ) P ( x P( { x}{ y} ) Nel caso n cu sa una v.a. contnua s ha che P(x)0. La relazone precedente va allora scrtta n questo modo: ( x lm P( { x}{ y < y + y} ) y 0 0

11 Dstrbuzon condzonate dato {x} e {y} ( x lm P( { x}{ y < y + y} ) y 0 lm y 0 lm y 0 lm y 0 P ({ x} { y < y + y} ) P( { y < y + y} ) y + ( y + ( y + y ( y + ( ( y e s ottene la CD d x dato {y}. Relazone analoga scambando l ruolo d e d : ( y x) x x ( ) y

12 Dstrbuzon condzonate dato {x} e {y} Dervando rspetto a x la precedente relazone ottenuta per le CD s ottene la pd d x dato {y}: x ( x ( x ( x y ( x ( ( Relazone analoga scambando l ruolo d e d : ( y x) ( x) 2

13 Dstrbuzon condzonate dato {x} e {y} Spesso s usa una notazone pù sntetca per denre le pd condzonate precedent. ( x ( y x) ( ( x) che rappresentano una legge smle a quella della probabltà condzonata. ( x ( ( y x) ( x) che rappresentano una legge smle a quella della probabltà composta. 3

14 Dstrbuzon condzonate dato {x} e {y} Le unzon ( x (, ( y x) ( x) sono pd monodmensonal, la prma unzone d x e la seconda unzone d y, per le qual vale: ( x dx dx ( ( dx ( ( ( y x) dy dy ( x) ( x) dy ( x) ( x) 4

15 Dstrbuzon condzonate dato {x} e {y} A relazon analoghe s pervene aclmente per le pm d x dato {y}: p ( x p p (, p ( y x) p p ( x) Le precedent sono pm monodmensonal, la prma unzone d x e la seconda unzone d y, per le qual vale: x p ( x, p ( y x) y 5

16 Dstrbuzon condzonate dato {x} e {y} Nel caso n cu le v.a. e sano statstcamente ndpendent, la attorzzazone delle pd congunta mplca che ( x) ( ( x ( ( x ( x) Analogamente s ottene: ( x) ( ( y x) ( x) ( y x) ( Nel caso n cu le v.a. e statstcamente ndpendent sano dscrete s ottene pù convenentemente che: p ( x p ( x), p ( y x) p ( 6

17 Dstrbuzon condzonate dato {x} e {y} A partre dalla pd congunta ottenuta n unzone delle condzonate ( x ( ( y x) ( x) s ottene, ntegrando rspettvamente rspetto a y e a x : ( x) dy ( x ( ( ( ) x, y dx ( y x) ( x) Che sono le verson applcate alle pd del teorema della probabltà totale. Analoghe relazon valgono per le pm. dy dx 7

18 Mede condzonate La meda condzonata d dato {y} è denta E [ y] x ( x dx Nel caso partcolare che e sano entrambe v. a. dscrete E [ y] x p ( x tutt x 8

19 Trasormazon d una coppa d v.a. Sano e due varabl aleatore. Consderamo una loro trasormazone g(,). La trasormazone dà orgne ad una nuova v.a. S ξ ( ) ξ ( ) ξ ( ) Z g, y ( x g, Z ( ) ξ x z 9

20 Pd congunta d una coppa d v.a. S pone l problema d caratterzzare Z, coè d assegnare Z ( z) oppure ( z) Z Ad esempo: ( z) P( { Z z} ) P( { g(, ) z} ) P( {(, ) }) Z D z dove { : g z} D z qund Z ( z) ( x, D z dxdy 20

21 Consderamo, ad esempo la trasormazone data dalla somma d due varabl aleatore Z + Tutto s rduce a trovare l domno D z, n questo caso dato da D z { : x + y z} per poter po calcolare: y ( z) ( x, Z D z dxdy Pd congunta d una coppa d v.a. y z qund: + z x ( ) ( ) z z x, y dy dx x z D z x 2

22 ne 20a lezone

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale STATISTICA PSICOMETRICA a.a. 004/005 Cors d laurea Scenze e tecnche neuropscologche Modulo 3 Statstca Inferenzale Probabltà Dstrbuzon d probabltà Dstrbuzon camponare Stma ntervallare Verfca delle potes

Dettagli

Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno Unverstà degl Stud d Cassno, Anno accademco 004-005 Corso d Statstca, Pro. M. Furno Eserctazone del 5//005 dott. Claudo Conversano Eserczo Ad un certo tavolo d un casnò s goca lancando un dado. Il goco

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

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Dettagli

Esercizi di Probabilità e Statistica

Esercizi di Probabilità e Statistica Esercz d Probabltà e Statstca Samuel Rota Bulò 25 maggo 2007 Funzon d v.a., meda, varanza, moda, medana, quantl e quartl. Vettor aleator, denst condzonata, covaranza, correlazone. Eserczo 1 Sa Y ax + b

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

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

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014 Dpartmento d Economa Azendale e Stud Gusprvatstc Unverstà degl Stud d Bar Aldo Moro Corso d Macroeconoma 2014 1.Consderate l seguente grafco: LM Partà de tass d nteresse LM B A IS IS Y E E E Immagnate

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

Esercizi di econometria: serie 1

Esercizi di econometria: serie 1 Esercz d econometra: sere Eserczo E data la popolazone dell Abruzzo classcata n se categore d reddto ed n tre class d età come segue: Reddto: () L... 4.. () L. 4.. 8.. () L. 8.... (4) L..... () L.....

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

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 18 1 dcembre 2011 Covaranza, Varabl aleatore congunte professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19?

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica

Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Esercizi di Calcolo delle Probabilità con Elementi di Statistica Matematica Lucio Demeio Dipartimento di Scienze Matematiche Università Politecnica delle Marche 1. Esercizio. Siano X ed Y due variabili

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2:

Costruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 2: Costruzone d macchne Modulo d: Progettazone probablstca e affdabltà Marco Beghn Lezone : Probabltà condzonata e varabl casual Probabltà condzonata: La probabltà d un evento A (r)valutata quando è noto

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA Lezone 7 - Indc statstc: meda, moda, medana, varanza INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA GRUPPO MAT06 Dp. Matematca, Unverstà d Mlano - Probabltà e Statstca per le Scuole Mede -SILSIS - 2007

Dettagli

Definizione classica di probabilità

Definizione classica di probabilità Corso d Idrologa A.A. 0-0 Teora delle probabltà Prof. Ing. A. Cancellere Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Catana Defnzone classca d probabltà Il concetto d probabltà ha trovato formalzzazone

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

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Ragionamento probabilistico: rappresentazione

Ragionamento probabilistico: rappresentazione Intellgenza Artfcale II Ragonamento probablstco: rappresentazone Marco astra Intellgenza Artfcale II - A.A. - Rappresentazone robablstca ] Ragonamento probablstco: rappresentazone Mond possbl sottonsem

Dettagli

Test delle ipotesi Parte 2

Test delle ipotesi Parte 2 Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca

Dettagli

Analisi Matematica Lezione 16 3 novembre 2014 Limiti di funzioni

Analisi Matematica Lezione 16 3 novembre 2014 Limiti di funzioni Dpartmento d Scenze Statstche Anals Matematca Lezone 6 3 novembre 204 Lmt d funzon prof. Danele Rtell danele.rtell@unbo.t /7? Eserczo 9 Determnare l ordne d nfntesmo e la parte prncpale dell nfntesmo rspetto

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

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008

Intelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008 Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal

Dettagli

POLITECNICO DI BARI - DICATECh Corso di Laurea in Ingegneria Ambientale e del Territorio IDRAULICA AMBIENTALE - A.A. 2015/2016 ESONERO 15/01/2016

POLITECNICO DI BARI - DICATECh Corso di Laurea in Ingegneria Ambientale e del Territorio IDRAULICA AMBIENTALE - A.A. 2015/2016 ESONERO 15/01/2016 POLITECNICO DI BARI - DICATECh Corso d Laurea n Ingegnera Ambentale e del Terrtoro IDRAULICA AMBIENTALE - A.A. 015/016 ESONERO 15/01/016 ESERCIZIO 1 S consder la rete aperta n fgura, nella quale le portate

Dettagli

Analisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza

Analisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza Sergo Frasca Anals de Segnal Dpartmento d Fsca Unverstà d Roma La Sapenza Versone 13 dcembre 011 Versone aggornata n http://grwavsf.roma1.nfn.t/sp/sp.pdf Sommaro 1 Introduzone: segnal e sstem... 7 1.1

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

Metodi Matematici per l Economia A-K Corso di Laurea in Economia - anno acc. 2012/2013 12 febbraio 2013

Metodi Matematici per l Economia A-K Corso di Laurea in Economia - anno acc. 2012/2013 12 febbraio 2013 Tempo massimo 2 ore. Consegnare solamente la bella copia. Metodi Matematici per l Economia A-K Corso di Laurea in Economia - anno acc. 212/213 12 febbraio 213 1. Disegnare il grafico della funzione: [1

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

Variabili casuali doppie

Variabili casuali doppie Varabl casual doe Una varable casuale doa (,) è una funzone defnta sullo sazo degl event che assoca ad ogn evento una coa d numer real (x,y) (x 1, y 1 ) S y 1 A B y (x, y ) (x 3, y 3 ) C y 3 x 1 x x 3

Dettagli

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

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

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

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

Dettagli

Modelli 1 @ Clamfim Equazione delle opzioni Teorema di Radon Nykodym 9 dicembre 2013

Modelli 1 @ Clamfim Equazione delle opzioni Teorema di Radon Nykodym 9 dicembre 2013 CLAMFIM Bologna Modell 1 @ Clamfm Equazone delle opzon Teorema d Radon Nykodym 9 dcembre 2013 professor Danele Rtell danele.rtell@unbo.t 1/33? ubblctà http://elsartcle.com/18arhmh Lbero accesso a Legendre

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Università di Napoli Parthenope Facoltà di Ingegneria Corso di Comunicazioni Elettriche docente: Prof. Vito Pascazio 1 a Lezione: 9/04/003 Sommario Caratterizzazione energetica di processi aleatori Processi

Dettagli

Il trattamento dei dati a fini descrittivi

Il trattamento dei dati a fini descrittivi Il trattamento de dat a fn descrttv Rappresentazone de dat: Dstrbuzon d frequenza Rappresentazon grafche Dstrbuzon doppe Sntes de dat Calcolo d ndc: poszone, varabltà, forma Studo delle relazon tra due

Dettagli

Elementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche

Elementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche Element d teora bayesana della decsone Teora bayesana della decsone: caratterstche La teora bayesana della decsone è un approcco statstco fondamentale al problema del pattern recognton. Il suo obettvo

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

Teoria della probabilità Assiomi e teoremi

Teoria della probabilità Assiomi e teoremi Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Assiomi e teoremi A.A. 2008-09 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento

Dettagli

Analisi Matematica Lezione novembre 2013

Analisi Matematica Lezione novembre 2013 Dpartmento d Scenze Statstche Anals Matematca Lezone 6 novembre 203 prof. Danele Rtell danele.rtell@unbo.t /2? Avvso Questa settmana tutte le lezon saranno d teora La prossma settmana lezon d teora lunedì

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

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

Indici di posizione. Dove si trova la distribuzione? Qual è l ordine di grandezza dei dati?

Indici di posizione. Dove si trova la distribuzione? Qual è l ordine di grandezza dei dati? Indc d poszone Dove s trova la dstrbuzone? Qual è l ordne d grandezza de dat? x La meda X assume n valor x, x 2,, x n n x = ( x ) + x2 + + xn = x n n = La meda ndca qual è l ordne d grandezza de dat Esempo

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

Modelli di variabili casuali

Modelli di variabili casuali Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.

Dettagli

Dinamica dei sistemi particellari

Dinamica dei sistemi particellari Dnamca de sstem partcellar Marco Favrett Aprl 11, 2010 1 Cnematca Sa dato un sstema d rfermento nerzale (O, e ), = 1, 2, 3 e consderamo un sstema d punt materal (sstema partcellare) S = {(OP, m )}, = 1,,

Dettagli

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza

Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/2/215 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema di

Dettagli

Aritmetica e architetture

Aritmetica e architetture Unverstà degl stud d Parma Dpartmento d Ingegnera dell Informazone Poltecnco d Mlano Artmetca e archtetture Sommator Rpple Carry e CLA Bozza da completare del 7 nov 03 La rappresentazone de numer Rappresentazone

Dettagli

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Modelli 1 lezione novembre 2011 Media e varianza

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Modelli 1 lezione novembre 2011 Media e varianza Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 17 30 novembre 2011 Meda e varanza professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? Teorema er ogn funzone

Dettagli

Sommario. Statistica. Distribuzioni (cont.) Distribuzioni di frequenza. Distribuzioni Distribuzioni di quantità. Distribuzioni di frequenza

Sommario. Statistica. Distribuzioni (cont.) Distribuzioni di frequenza. Distribuzioni Distribuzioni di quantità. Distribuzioni di frequenza Corso d Laurea n Scenze del Tursmo Statstca francesco mola 2 Sommaro Dstrbuzon d frequenza Rappresentazon grafche Dagramm a barre Istogramm Funzone d rpartzone emprca Lezone n 2 Dstrbuzon Dstrbuzon d quanttà

Dettagli

La Funzione Caratteristica di una Variabile Aleatoria

La Funzione Caratteristica di una Variabile Aleatoria La Funzione Caratteristica di una Variabile Aleatoria La funzione caratteristica Φ densità di probabilità è f + Φ ω = ω di una v.a., la cui x, è definita come: jωx f x e dx E e j ω Φ ω = 1 La Funzione

Dettagli

Adattamento di una relazione funzionale ai dati sperimentali

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

Dettagli

Generalità. Problema: soluzione di una equazione differenziale alle derivate ordinarie di ordine n: ( )

Generalità. Problema: soluzione di una equazione differenziale alle derivate ordinarie di ordine n: ( ) Generaltà Problema: soluzone d una equazone derenzale alle dervate ordnare d ordne n: n n K soggetta alle n condzon nzal: K n Ovvero rcercare la soluzone d un sstema d n equazon derenzal ordnare del prmo

Dettagli

Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 2

Statistica, a.a. 2010/2011 Docente: D. Dabergami Lezione 2 Espermento aleatoro : espermento l cu esto, non noto a pror, appartene ad un determnato nseme d est plausbl. Spazo degl est W : nseme d tutt possbl est d un espermento aleatoro. Spazo degl event : ogn

Dettagli

Risoluzione quesiti I esonero 2011

Risoluzione quesiti I esonero 2011 Rsoluzone quest I esonero 011 1) Compto 1 Q3 Un azenda a a dsposzone due progett d nvestmento tra d loro alternatv. Il prmo prevede l pagamento d un mporto par a 100 all epoca 0 e fluss par a 60 all epoca

Dettagli

INDICE. Scaricabile su: Derivate TEORIA. Derivata in un punto. Significato geometrico della derivata

INDICE. Scaricabile su:   Derivate TEORIA. Derivata in un punto. Significato geometrico della derivata P r o f Gu d of r a n c n Anteprma Anteprma Anteprma www l e z o n j md o c o m Scarcable su: ttp://lezonjmdocom/ INDICE TEORIA Dervata n un punto Sgnfcato geometrco della dervata Funzone dervata e dervate

Dettagli

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7

CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 CORSO DI STATISTICA (parte 1) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Incompatibilità ed indipendenza stocastica. Probabilità condizionate, legge della probabilità totale, Teorema

Dettagli

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

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

Dettagli

Probabilità e Statistica Esercitazioni. a.a. 2006/2007

Probabilità e Statistica Esercitazioni. a.a. 2006/2007 Probabilità e Statistica Esercitazioni a.a. 2006/2007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2011-2012 lezione 22: 30 maggio 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2011-2012 lezione 22: 30 maggio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 22: 30 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/27? Eserczo Dmostrare che l equazone della frontera

Dettagli

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1;

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1; Appendce B Eleent d Teora dell Inforazone Appendce B B Eleent d Teora dell Inforazone B Introduzone E noto da tepo che fenoen percettv possono essere foralzzat e studat edante la Teora dell Inforazone

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 1: 14 febbraio 2012

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 1: 14 febbraio 2012 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2011-2012 lezone 1: 14 febbrao 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/17? restazon e controprestazon Ad un stante t

Dettagli

,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100

,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100 Dstrbuzon d frequenza Varable x Frequenze Frequenze Frequenze Frequenze % cumulate relatve x 1 n 1 n 1 n 1 / n 1 /*100 x n n 1 +n n / n /*100 x k n k n 1 +.+n k = n k / n k /*100 totale 1 100 Indc sntetc

Dettagli

SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE

SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE GIOVANNI CRUPI, ANDREA DONATO SUMMARY. We characterze a set of

Dettagli

Probabilità II Variabili casuali discrete

Probabilità II Variabili casuali discrete Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una

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

Modelli di base per la politica economica

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

Dettagli

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

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

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 2: 21 febbraio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 2: 21 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Defnzone. f : R R s dce addtva se per ogn

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

15 febbraio 2010 - Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a. 2009-2010 COGNOME... NOME... N. MATRICOLA...

15 febbraio 2010 - Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a. 2009-2010 COGNOME... NOME... N. MATRICOLA... 15 febbraio 010 - Soluzione esame di geometria - 1 crediti Ingegneria gestionale - a.a. 009-010 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura

Dettagli

Lezione 20 Maggio 29

Lezione 20 Maggio 29 PSC: Progettazone d sstem d controllo III Trm 2007 Lezone 20 Maggo 29 Docente: Luca Schenato Stesor: Maran F, Marcon R, Marcassa A, Zanella F Fnora s sono sempre consderat sstem tempo-nvarant, ovvero descrtt

Dettagli

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

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

Dettagli

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare.

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare. Una semplce applcazone del metodo delle caratterstche: la propagazone d un onda d marea all nterno d un canale a sezone rettangolare. In generale la propagazone d un onda monodmensonale n una corrente

Dettagli

Calcolo delle probabilità (riassunto veloce) Laboratorio di Bioinformatica Corso A aa 2005-2006

Calcolo delle probabilità (riassunto veloce) Laboratorio di Bioinformatica Corso A aa 2005-2006 Calcolo delle probabilità riassunto veloce Laboratorio di Bioinformatica Corso aa 2005-2006 Teoria assiomatica della probabilità S = spazio campionario = insieme di tutti i possibili esiti di un esperimento

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

Esame di Statistica Corso di Laurea in Economia

Esame di Statistica Corso di Laurea in Economia Esame d Statstca Corso d Laurea n Economa 9 Gennao 0 Cognome Nome atr. Teora S dmostr la propretà d lneartà della meda artmetca. Eserczo Una casa edtrce è nteressata a valutare se tra lettor d lbr esste

Dettagli

Valore attuale di una rendita. Valore attuale in Excel: funzione VA

Valore attuale di una rendita. Valore attuale in Excel: funzione VA Valore attuale d una rendta Nella scorsa lezone c samo concentrat sul problema del calcolo del alore attuale d una rendta S che è dato n generale da V ( S) { R ; t, 0,,,..., n,... } n 0 R ( t ), doe (t

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali Chmca Fsca - Chmca e Tecnologa Farmaceutche Lezone n. 10 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Convenzon per le soluzon real Relazon tra coeffcent d attvtà 02/03/2008 Antonno

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

1 Probabilità condizionata

1 Probabilità condizionata 1 Probabilità condizionata Accade spesso di voler calcolare delle probabilità quando si è in possesso di informazioni parziali sull esito di un esperimento, o di voler calcolare la probabilità di un evento

Dettagli

Matematica Generale a.a. 2018/19 Teoremi dimostrati nel corso. 1 Funzioni ad una variabile

Matematica Generale a.a. 2018/19 Teoremi dimostrati nel corso. 1 Funzioni ad una variabile Matematca Generale a.a. 2018/19 Teorem dmostrat nel corso. ATTENZIONE!!!!. Nel corso d matematca generale sono stat presentat teorem per qual è rchesta la conoscenza del solo enuncato e teorem de qual

Dettagli

EQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1.

EQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1. EQUAZIONI DIFFERENZIALI Esercizi svolti 1. Determinare la soluzione dell equazione differenziale (x 2 + 1)y + y 2 =. y + x tan y = 2. Risolvere il problema di Cauchy y() = 1 2 π. 3. Risolvere il problema

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 15: 24 aprile 2012

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 15: 24 aprile 2012 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 15: 24 aprle 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/18? enal per antcpata estnzone e tr La somma A

Dettagli

1atm = 760 torr (o anche mmhg) = 101325 Pa = 1.01325 bar

1atm = 760 torr (o anche mmhg) = 101325 Pa = 1.01325 bar ressone: tendenza del gas ad espanders densonalente è Forza superce ewton L'untà d sura usata n pratca è l'atosera (at) a (ascal) at 760 torr (o anche Hg) 05 a.05 bar olue: sura d una porzone d spazo densonalente

Dettagli

Problemi variazionali invarianti 1

Problemi variazionali invarianti 1 Problem varazonal nvarant 1 A F. Klen per l cnquantesmo annversaro del dottorato. Emmy Noether a Gottnga. Comuncazone presentata da F. Klen nella seduta del 26 luglo 1918 2. 1 Invarante Varatonsprobleme,

Dettagli