Analisi statistica di dati

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Analisi statistica di dati"

Transcript

1 Dipartimento di Ingegneria Aerospaziale Tecnica e Sperimentazione Aerospaziale 3 anno, N.O. AA Docente: Gian Luca Ghiringhelli Autori: Fogante Andrea Gobbi Lorenzo Lanzani Simone

2 Sommario La relazione si propone di chiarire come può essere effettuata l analisi statistica dei dati a disposizione. Indice 1. Introduzione 3 2. Funzioni e algoritmi, risultati della elaborazione, conclusioni Problema 1 e 2 3 Scrivere le routine per il calcolo di μ x (n), σ x (n) e σ 2 x (n). Rappresentare e commentare l andamento di μ x (n), σ x (n) e σ 2 x(n) la variare di n. Scrivere la routine per la costruzione di un istogramma ad intervalli. Analizzare l andamento degli istogrammi normalizzati al variare del numero di intervalli. Per il problema 1 confrontare gli istogrammi normalizzati con la funzione f(x) = 0.5 Per il problema 2 ricavare un opportuna funzione f(x) che approssimi la distribuzione dei dati. Rappresentare l andamento delle medie calcolate suddivido la popolazione in esame in campioni di dimensione 100. Rappresentare l istogramma di tali medie e commentarne l andamento. Problema Rappresentare graficamente il processo casuale in due e tre dimensioni. Rappresentare l istogramma normalizzato in corrispondenza di k = 10 e k = 20. Problema Rappresentare graficamente i processi casuali. Rappresentare le medie calcolate sulle realizzazioni per ogni valore di k. Appice A...14 Appice B...15 Appice C...16 Appice D

3 1. Introduzione Lo scopo della seguente relazione è quello di mostrare le formule e il calcolo dei principali parametri statistici di un campione di dati ed analizzarne alcune caratteristiche. Si implementeranno gli algoritmi di calcolo della media, varianza campionaria, deviazione standard e si scriverà una routine per la rappresentazione di un istogramma a intervalli. Il linguaggio di programmazione usato è in codice Matlab. 2. Funzioni e algoritmi, risultati della elaborazione, conclusioni Problema 1 e 2 Considerando le popolazioni di dati salvate nei files dati11.dat per il problema 1 e dati12.dat per il problema 2, sono stati eseguiti i seguenti calcoli statistici. Scrivere le routine per il calcolo di μ x (n), σ x (n) e σ 2 x (n) con dimensione n del campione generica. Per svolgere questa prima parte del problema sono state eseguite alcune prove utilizzando diversi tipi di algoritmo, avo come riferimento le formule di base per il calcolo delle grandezze richieste. Per calcolare la media al variare di n, si è prestata particolare attenzione ad ottimizzare l algoritmo per evitare inutili ripetizioni di calcoli (cfr. Appice D per l analisi dei programmi usati). Poiché Matlab risulta particolarmente lento nell esecuzione di un ciclo for (esso Matlab un linguaggio interpretato e non compilato), si è preventivamente agito suddivido l unico vettore di dati (composto da N= elementi) in una sequenza di vettori ordinati in matrice di opportune dimensioni. max_vettori = 50; max_dati = fix(k/(max_vettori)); tabella = ones((max_vettori),max_dati); start=1; for i=1:(max_vettori) stop = max_dati*i; tabella(i,:) = dati(start:stop); start = stop+1; 3

4 Successivamente si è operato svolgo una somma intelligente che non ricalcolasse ad ogni ciclo tutti i valori fino a quello n-esimo, ma che riusasse i calcoli già svolti come punto di partenza. Le considerazioni usate per calcolare la varianza e la deviazione standard sono le medesime portando particolare attenzione al reindirizzamento degli elementi di un vettore in Matlab. Poiché i risultati ottenuti dovevano tornare ad essere vettori (chiamati media, varianza e devst) di dimensioni 1 x N (dove ogni elemento rappresenta rispettivamente la media, la varianza o la deviazione standard di tutti i dati fino a quel valore), è stato necessario introdurre un algoritmo che riconvertisse la posizione matriciale in posizione vettoriale. a = y*(i-1)+j; if i==1 & j==1 A=2; else A=a; Per la popolazione in esame, rappresentare e commentare l andamento di μ x (n), σ x (n) e σ 2 x(n) al variare della dimensione n del campione considerato (n = 1, 2, 3,..., N). Al variare delle dimensioni del campione i risultati ottenuti sono rappresentati dai grafici seguenti (sono stati riportati solo i grafici relativi ai dati dati11.dat; i risultati relativi ai dati dati12.dat sono riportati nell Appice C): 4

5 5

6 Come risulta ben visibile dai grafici (soprattutto nella zona ingrandita), l andamento di media, varianza e deviazione standard oscilla per un numero di campioni alto (basso numero di elementi per campione), to via via al valore totale relativo ad un solo campione di N elementi: Media su:_100000_elementi = Varianza su:_100000_elementi = Deviazione Standard su:_100000_elementi = Scrivere la routine per la costruzione di un istogramma ad intervalli con N bins generico. Per il calcolo del numero di intervalli (N bins ) è stata implementata la formula: poiché il numero di elementi è abbondantemente superiore alle quaranta unità. Il risultato ottenuto, sempre relativamente alla raccolta di dati contenuta in dati11.dat, è mostrato nel seguente grafico: Particolare attenzione si è prestata nel calcolo dell effettiva ampiezza del singolo intervallo. L algoritmo utilizzato è stato: intervallo = ( max(max(tabella)) + min(min(tabella)) ) / Nbins dove la successione di due max (e due min) è dovuta al fatto che tabella è una matrice e il comando max (min), applicati ad una matrice, restituiscono come risultato un vettore contenente il massimo (minimo) di ciascuna colonna. Applicando nuovamente il comando al vettore si ottiene il valore voluto. 6

7 Per la popolazione in esame, analizzare l andamento degli istogrammi normalizzati al variare del numero di intervalli. Se si divide il valore del numero di occorrenze (di ciascun intervallo) per il numero totale di dati e successivamente lo si divide per l ampiezza dell intervallo stesso, si ottiene il grafico normalizzato delle occorrenze così come visualizzato di seguito: Il grafico è stato generato a partire dal numero di intervalli calcolati con la formula del punto precedente. Nell Appice A sono riportati i grafici normalizzati con 50, 80, 110, 140, 170 intervalli. Nonostante l andamento sia localmente differente da grafico a grafico (a causa della diversa riallocazione delle occorrenze) è perfettamente visibile lo sviluppo dei picchi attorno al valore medio 0.5. Si è verificato così che la normalizzazione genera istogrammi localmente diversi, ma globalmente analoghi nel mostrare l andamento attorno ad un valore medio, indipente dal numero d intervalli. Per il problema 1 confrontare gli istogrammi normalizzati ottenuti al punto precedente con la funzione: Come già indicato nel punto precedente, gli istogrammi normalizzati si sviluppano globalmente attorno al valor medio 0.5. Il grafico seguente (e gli analoghi grafici per 50, 80, 110, 140, 170 intervalli, riportati nell Appice B) mostra in ascissa il valore assoluto dell intervallo e in ordinata il valore normalizzato dell occorrenza. In rosso è evidenziata la funzione definita a pezzi f(x). 7

8 Per il problema 2 ricavare un opportuna funzione f(x) che approssimi i dati. Procedo per tentativi si è verificato che la miglior approssimazione dell andamento degli istogrammi normalizzati è la funzione: (1/ 3) x f ( x) = (1/3) e 8

9 Rappresentare l andamento delle medie calcolate suddivido la popolazione in esame in campioni di dimensione 100. Di seguito è riportato l istogramma rappresentante le medie di ciascuno dei 1000 campioni da 100 elementi: Rappresentare l istogramma di tali medie. 9

10 Problema 3 Considerando la popolazione di dati salvati nel file dati13.dat sono stati eseguiti i seguenti calcoli. Rappresentare graficamente il processo casuale in due e tre dimensioni. Sono state considerate 1000 realizzazioni per ciascun valore di k del processo casuale descritto dalla funzione: dove k = 1,, 30 ed A è il vettore degli elementi contenuti in dati13.dat. Nell algoritmo è stato calcolato e poi rappresentato x(k), k = 1,,30 per ciascun valore di A, cioè si sono prodotte 1000 cosinusoidi in ugual fase ma diversa ampiezza. Il risultato è osservabile nel seguente grafico, dove in ascissa abbiamo k = 1,, 30 e in ordinata il valore della funzione: Usando come riferimento la terna destrorsa, nei grafici 3D sull asse delle X è rappresentato il numero d ordine dell elemento casuale A (ampiezza della cosinusoide), sull asse delle Y il numero crescente di k e sull asse delle Z il valore della cosinusoide. 10

11 Rappresentare l istogramma normalizzato in corrispondenza di k = 10 e k = 20. Come si può notare, i grafici sono identici. Questo perché osservando la funzione coseno si ricava che i valori di x(k) con k = 10 e con k = 20 sono uguali in modulo ed opposti in segno poiché: cos(π) = -cos(2π) 11

12 Problema 4 Considerando la popolazione di dati salvati nel file dati14x.dat e dati14y.dat sono stati eseguiti i seguenti calcoli. Rappresentare graficamente i processi casuali. Sono state considerate 1000 realizzazioni per ciascun valore di k del processo casuale descritto dalle funzioni: dove k = 1,, 30, Ф x è il vettore di elementi contenuti in dati14x.dat e Ф y è il vettore di elementi contenuti in dati14y.dat. Nell algoritmo sono stati calcolati e poi rappresentati x(k) e y(k), k=1,,30, per ciascun valore di Ф, cioè si sono prodotte 1000 cosinusoidi sfasate di Ф x nel primo caso e di Ф y nel secondo. 12

13 Rappresentare le medie calcolate sulle realizzazioni per ogni valore di k. Dal grafico rappresentante l andamento dei valori medi al variare di k si evince che la popolazione contenuta in dati14x.dat è quasi uniformemente distribuita. Ciò implica uno sfasamento casuale delle cosinusoidi e l andamento dei suoi valori medi si attesta attorno allo zero. Nel caso della popolazione contenuta in dati14y.dat la distribuzione degli sfasamenti è invece concentrata in una banda (ben visibile nel grafico 2D). Ciò genera un andamento delle medie rappresentato ancora da una cosinusoide. Dall analisi dei dati di questo problema si ricava una buona generalizzazione del comportamento dei segnali periodici: il primo caso rappresenta una famiglia di segnali a frequenza costante e sfasamenti casuali (a media nulla); il secondo caso può descrivere, invece, un segnale ad un unica frequenza, ma composto da una famiglia di cosinusoidi sfasate all interno di una ben precisa fascia. 13

14 Appice A Di seguito sono riportati i grafici del problema 1 relativi agli istogrammi normalizzati con 50, 80, 110, 140, 170 intervalli: 14

15 Appice B Di seguito sono riportati i grafici del problema 1 relativi ai grafici di confronto normalizzati con 50, 80, 110, 140, 170 intervalli: 15

16 Appice C Di seguito sono riportati i risultati ottenuti elaborando la popolazione di dati contenuti in dati12.dat: Media su:_100000_elementi = Varianza su:_100000_elementi = Deviazione Standard su:_100000_elementi =

17 17

18 Appice D In questa appice sono riportati per intero i programmi usati per l elaborazione dei dati. Tutti i dati riferiti alle prestazioni di tempo sono stati ricavati usando un PC dotato di processore Pentium 4 a 3.4 GHz, 512 Mb di RAM, con Matlab 6.5 installato su Windows XP SP2. Programma 1 Del programma 1 sono state analizzate due versioni come confronto di prestazioni. La prima è forse la più intuitiva, ma è lentissima e ripete inutilmente molti calcoli. Ver. 1 dati = load('dati11.dat'); k = length(dati); % dati media(1) = dati(1); somma(1) = dati(1); for i=2:k somma(i) = somma(i-1) + dati(i); media(i) = (1/i)*somma(i); differenza2(1) = (dati(1) - media(k))^2; sommadiff(1) = differenza2(1); for i=2:k differenza2(i) = (dati(i) - media(i))^2; sommadiff(i) = sommadiff(i-1) + differenza2(i); varianza(1) = NaN; devst(1) = NaN; for i=2:k varianza(i) = (1/(i-1))*sommadiff(i); devst(i) = (varianza(i))^(1/2);. La Versione 1 riportata parzialmente qui a fianco elabora la prima parte del problema 1, generando i grafici degli andamenti di media, varianza e dev. st. I risultati numerici sono i medesimi di quelli presentati a pagina 6: Media su:_100000_elementi = Varianza su:_100000_elementi = Deviazione Standard su:_100000_elementi = Ma con una notevole differenza: il tempo necessario per calcolare e generare i primi tre grafici è stato di secondi (circa 8 minuti). La principale causa della così lenta elaborazione è stata la non preventiva dichiarazione dei vettori usati. I vettori vengono costruiti dinamicamente da Matlab ad ogni ciclo del comando for e questo rallenta di un fattore 100 l esecuzione. Un altro problema è stato l uso di un solo vettore di dati, che Matlab non gestisce fluidamente. Ver. 2 (definitiva) clc clear all Tempo = cputime; %profile on -detail builtin format long e dati = load('dati11.dat'); k = length(dati); % dati max_vettori = 50; %numero di vettori(righe) nella tabella (escluso il vettore resto) %N.B. scegliere max_vettori più piccolo di k!!!! altrimenti errore. max_dati = fix(k/(max_vettori)); %arrotondamento per difetto %inizializzo tabella. tabella = ones((max_vettori),max_dati); %inizializzo vettore resto con gli ultimi elementi della tabella, %nel caso la divisione k/(max_vettori) non fosse esatta. resto = zeros(1,(k-max_dati*(max_vettori))); start=1; for i=1:(max_vettori) stop = max_dati*i; tabella(i,:) = dati(start:stop)'; start = stop+1; Particolare attenzione si è prestata nella dichiarazione preventiva della dimensione di vettori e matrici per evitare allocazioni dinamiche di oggetti in memoria. Ogni riga della matrice contiene (max_dati) dati fino alla fine dell'elenco, così Matlab è più veloce ad elaborare i valori, invece di avere un unico vettore di k elementi (in questo caso ). Nel vettore resto sono contenuti gli eventuali ultimi elementi, nel caso k/max_vettori generi resto. Però non è stato implementato nei conti successivi. L importante è scegliere max_vettori divisore di k. Se ci fosse bisogno, le modifiche da apportare al codice per gestire anche resto sarebbero minime. 18

19 if stop~=k resto(1,:) = dati(start:k)'; clear i; clear start; clear stop; clear max_dati; clear max_vettori; somma = ones(1,k); media = ones(1,k); somma(1) = 0; media(1) = 0; [x,y] = size(tabella); Non è stato implementato questo vettore nei calcoli: scegliere max_vettori divisore di k! Per evitare di tenere in memoria dati inutili, quando possibile si è proceduto con la cancellazione delle variabili non più usate. for i=1:x for j=1:y a = y*(i-1)+j; if i==1 & j==1 A=2; else A=a; somma(a) = somma(a-1) + tabella(i,j); media(a) = (1/a)*somma(a); clear A; clear a; clear i; clear j; differenza2 = ones(1,k); sommadiff = ones(1,k); differenza2(1) = 0; sommadiff(1) = 0; All interno del ciclo for è stato inserito il ciclo if che, sebbene rallenti il flusso di calcolo, si è reso necessario per un corretto puntamento agli elementi del vettore. I vettori sono inizializzati come serie di zero o come serie di uno a seconda della necessità, in modo che tali valori non influiscano nei calcoli. for i=1:x for j=1:y a = y*(i-1)+j; if i==1 & j==1 A=2; else A=a; differenza2(a) = (tabella(i,j) - media(a))^2; sommadiff(a) = sommadiff(a-1) + differenza2(a); varianza = ones(1,k); devst = ones(1,k); varianza(1) = NaN; devst(1) = NaN; for i=2:k varianza(i) = (1/(i-1))*sommadiff(i); devst(i) = (varianza(i))^(1/2); clear A; clear a; clear i; clear j; clear sommadiff; clear differenza2; sk = num2str(k); smedia = num2str(media(k)); svarianza = num2str(varianza(k)); sdevst = num2str(devst(k)); parte1 = strcat('media su:_',sk,'_elementi =',smedia); parte2 = strcat('varianza su:_',sk,'_elementi =',svarianza); parte3 = strcat('deviazione Standard su:_',sk,'_elementi =',sdevst); Il primo elemento di varianza e deviazione standard non è definito poiché sarebbe un numero diviso zero. In Matlab il comando NaN indica un elemento che non è un numero ma è trattato come tale. In questa parte sono stati trasformati dei numeri in stringa per poter essere stampati come output dal comando disp. disp(parte1); disp(parte2); disp(parte3); X=[1:k]; figure(1) plot(x,media) title('andamento della media all''aumentare del numero di dati') axis([-1000,4*k/10,0.1,1.5]) 19

20 figure(2) plot(x,varianza) title('andamento della varianza all''aumentare del numero di dati') axis([-1000,5*k/10,0.2,0.74]) figure(3) plot(x,devst,'r') title('andamento della deviazione standard all''aumentare del numero di dati') axis([-1000,4*k/10,0.45,0.85]) clear sk; clear smedia; clear svarianza; clear sdevst; clear parte1; clear parte2; clear parte3; 1 Nbins = round(1.87*((k-1)^0.4)-1); intervallo = (max(max(tabella))+min(min(tabella)))/nbins; occorrenza = zeros(1,nbins); Per indicazioni su questa parte del codice cfr. pagina 6. for i=1:x for j=1:y a = fix(tabella(i,j)/intervallo); a = a+1; occorrenza(a) = occorrenza(a) + 1; figure(4) bar(occorrenza) title('occorrenze per ciascun bin') snbins = num2str(nbins); sintervallo = num2str(intervallo); xlabel(strcat('numero di bins =',snbins,' di ampiezza =',sintervallo)) In questa parte è stato implementato un algoritmo rapido per stabilire in quale intervallo rientra un valore, tramite una semplice divisione e successivo arrotondamento per troncamento del risultato. Un metodo molto più veloce che avrebbe evitato tutto il calcolo delle occorrenze sarebbe stato l uso del comando hist. Esso genera direttamente l istogramma, calcolando in automatico le occorrenze per ciascun intervallo. %istogramma normalizzato occ_norm = occorrenza./ k./ intervallo; figure(5) bar(occ_norm) title('occorrenza normalizzata di ciascun intervallo') xlabel(strcat('numero di bins =',snbins)) massimo = max(max(tabella)); X=[0:intervallo:massimo]; Y=0.5.*ones(1,length(X)); figure(6) plot(x,y,'r','linewidth',2) hold on plot(x,occ_norm,'bo:') title('occorrenze normalizzate confrontate con cost=0.5') 2 clear Massimo; clear X; clear Y; clear snbins; clear sintervallo; clear a; clear Nbins; clear i; clear j; clear occ_norm; clear occorrenza; clear x; clear y; clear intervallo; clear t; clear tabella; max_vettori = 1000; max_dati = fix(k/(max_vettori)); %arrotondamento per difetto 1000 è il numero di vettori (righe) nella tabella: ciascuna colonna risulterà di 100 elementi, come da specifica. %inizializzo tabella. tabella2 = ones((max_vettori),max_dati); start=1; for i=1:(max_vettori) stop = max_dati*i; tabella2(i,:) = dati(start:stop)'; start = stop+1; clear i; clear start; clear stop; clear max_dati; somma2 = ones(1,max_vettori); media2 = ones(1,max_vettori); somma2(1) = 0; media2(1) = 0; 20

21 [x,y] = size(tabella2); for i=1:x for j=1:y somma2(i) = somma2(i) + tabella2(i,j); media2(i) = somma2(i) / max_vettori; X=[1:length(media2)]; figure(7) plot(x,media2) title('medie dei tati a campioni di 100') figure(8) bar(media2) title('medie dei dati a campioni di 100') %profreport profilo Tempo=cputime-Tempo clear all Considerazioni finali sull efficienza di questo programma si possono riassumere osservando la quantità di risultati ottenuti (la risoluzione dei 7 punti della richiesta e la generazione di 8 grafici) in soli 3 secondi (nonostante le circa 150 righe di codice). Oltre al programma 1 Ver. 2, per soddisfare completamente le richieste dei punti 4 e 5, è stato implementato un mini-codice a sé stante (ma sempre basato sugli stessi procedimenti e sulle stesse considerazioni di efficienza) che ha generato i risultati presenti nell Appice A e B, semplicemente variando il numero di bins in. 1 Programma 2 Il listato del programma 2 non è stato inserito nella presente poiché del tutto analogo a quello precedente, sia come implementazione, sia come criteri adottati. Le uniche modifiche sono state apportate nel comando load iniziale, affinché caricasse il file dati12.dat, e in per definire la funzione corretta che approssimasse i dati (vedi pagina 9). 2 Programma 3 clc; clear all; close all; A = load('dati13.dat'); a = length(a); K=30; valori = ones(k,a); i=[1:k]; j=0; for k=i for j=1:a valori(k,j) = A(j)*cos(pi*k/10); Il vettore è di 1000 elementi: non è necessario spezzarlo. valori: matrice di dimensione K x a, in cui ad ogni riga corrisponde un diverso valore di K e nelle colonne i 1000 valori di A. Come indice del ciclo for che calcola i vari x(k) e li pone nella matrice valori è stato usato il reindirizzamento vettoriale k=i, dove i è un vettore noto: ad ogni ciclo k assume il valore successivo tra quelli di i. clear i; clear j figure(1) plot(valori) title('cosinusoidi Acos(pi*k/10) al variare di A') Plot di tutte le cosinusoidi al variare di K, per ciascun valore di A. Il comando plot( matrice ) stampa sulle ascisse il numero della riga e in ordinata i valori della matrice, colonna per colonna. figure(2) t = ones(1,k) for i=1:a plot3(i*t,[1:30],valori(:,i)) hold on figure(3) surf([1:1000],[1:30],valori) 21

22 figure(4) mesh([1:1000],[1:30],valori) Nbins = round(1.87*((a-1)^0.4)-1); intervallo = abs((max(valori(10,:))+min(valori(10,:)))/nbins); occorrenza = zeros(1,nbins); for i=1:a index = abs(fix(valori(10,i)/intervallo)); index = index+1; occorrenza(index) = occorrenza(index) + 1; %istogramma normalizzato occ_norm = occorrenza./ a./ intervallo; figure(5) bar(occ_norm) title('occorrenza normalizzata per ciascun bin: k=10') snbins = num2str(nbins); sintervallo = num2str(intervallo); xlabel(strcat('numero di bins =',snbins,' di ampiezza =',sintervallo)) intervallo = abs((max(valori(20,:))+min(valori(20,:)))/nbins); occorrenza = zeros(1,nbins); for i=1:a index = abs(fix(valori(20,i)/intervallo)); index = index+1; occorrenza(index) = occorrenza(index) + 1; %istogramma normalizzato occ_norm = occorrenza./ a./ intervallo; figure(6) bar(occ_norm) title('occorrenza normalizzata per ciascun bin: k=20') snbins = num2str(nbins); sintervallo = num2str(intervallo); xlabel(strcat('numero di bins =',snbins,' di ampiezza =',sintervallo)) Gli ultimi due pezzi del codice qui a fianco sono identici a quanto già esposto riguardo il programma 1 per il calcolo delle occorrenze. L ultimo comando semplicemente stampa sul prompt di Matlab l osservazione già discussa a pag. 11. Infine si noti che per questo programma non sono state fatte considerazioni sull efficienza, specialmente dal punto di vista del tempo di esecuzione. Dato il numero relativamente ridotto di elementi contenuti in dati13.dat, non si è rilevato un sensibile abbattimento del tempo di elaborazione nello spezzare la popolazione in matrice. Perciò si è optato per l abbattimento del numero di calcoli, pur faco attenzione a tutti gli altri criteri efficientistici (tra cui l attenta dichiarazione delle variabili). disp('i valori con k=10 e con k=20 sono uguali in modulo ed opposti in segno poichè cos(pi)=-cos(2pi)!!!') Programma 4 clc; clear all; close all; A = load('dati14x.dat'); a = length(a); B = load('dati14y.dat'); b = length(b); K=30; valorix = ones(k,a); valoriy = ones(k,b); i=[1:k]; j=0; for k=i for j=1:a valorix(k,j) = cos(pi*k/10 + A(j)); valoriy(k,j) = cos(pi*k/10 + B(j)); clear k; clear j; clear i; mediax = zeros(k,1); mediay = zeros(k,1); for i=1:k for j=1:a mediax(i) = mediax(i) + valorix(i,j); mediay(i) = mediay(i) + valoriy(i,j); mediax(i) = mediax(i)/a; mediay(i) = mediay(i)/b; figure(1) plot(valorix) title('valori delle cosinusoidi tratte da dati14x.dat') figure(2) plot(valoriy) title('valori delle cosinusoidi tratte da dati14y.dat') figure(3) surf([1:1000],[1:30],valorix) title('valori delle cosinusoidi tratte da dati14x.dat') figure(5) surf([1:1000],[1:30],valoriy) title('valori delle cosinusoidi tratte da dati14y.dat') figure(6) plot([1:k],mediax,'bo-',[1:k],mediay,'ro-','linewidth',2) title('rappresentazione dei valori medi al variare di k') leg('medie dati14x','medie dati14y',2) Per il programma 4 non sono necessarie osservazioni in più di quelle già fatte per il programma 3, salvo il fatto che questa volta i comandi sono eseguiti contemporaneamente su due popolazioni diverse. 22

Accuratezza di uno strumento

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

Dettagli

Preprocessamento dei Dati

Preprocessamento dei Dati Preprocessamento dei Dati Raramente i dati sperimentali sono pronti per essere utilizzati immediatamente per le fasi successive del processo di identificazione, a causa di: Offset e disturbi a bassa frequenza

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

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

Dettagli

if t>=0 x=1; else x=0; end fornisce, nella variabile x, il valore della funzione gradino a tempi continui, calcolata in t.

if t>=0 x=1; else x=0; end fornisce, nella variabile x, il valore della funzione gradino a tempi continui, calcolata in t. Il programma MATLAB In queste pagine si introduce in maniera molto breve il programma di simulazione MAT- LAB (una abbreviazione di MATrix LABoratory). Introduzione MATLAB è un programma interattivo di

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

Esempi di algoritmi. Lezione III

Esempi di algoritmi. Lezione III Esempi di algoritmi Lezione III Scopo della lezione Implementare da zero algoritmi di media complessità. Verificare la correttezza di un algoritmo eseguendolo a mano. Imparare a valutare le prestazioni

Dettagli

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

Dettagli

Le formule possono essere scritte utilizzando un insieme di funzioni predefinite che Excel mette a disposizione, raggruppate per argomento.

Le formule possono essere scritte utilizzando un insieme di funzioni predefinite che Excel mette a disposizione, raggruppate per argomento. Excel: le funzioni Le formule possono essere scritte utilizzando un insieme di funzioni predefinite che Excel mette a disposizione, raggruppate per argomento. DEFINIZIONE: Le funzioni sono dei procedimenti

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Appunti sull uso di matlab - I

Appunti sull uso di matlab - I Appunti sull uso di matlab - I. Inizializazione di vettori.. Inizializazione di matrici.. Usare gli indici per richiamare gli elementi di un vettore o una matrice.. Richiedere le dimensioni di una matrice

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Lab. 1 - Introduzione a Matlab

Lab. 1 - Introduzione a Matlab Lab. 1 - Introduzione a Matlab Alcune informazioni su Matlab Matlab è uno strumento per il calcolo scientifico utilizzabile a più livelli, dalla calcolatrice tascabile, alla simulazione ed analisi di sistemi

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

Comandi di Input/Output in Matlab

Comandi di Input/Output in Matlab Comandi di Input/Output in Matlab Il comando format controlla la configurazione numerica dei valori esposta da MAT- LAB; il comando regola solamente come i numeri sono visualizzati o stampati, non come

Dettagli

Introduzione allo Scilab Parte 3: funzioni; vettori.

Introduzione allo Scilab Parte 3: funzioni; vettori. Introduzione allo Scilab Parte 3: funzioni; vettori. Felice Iavernaro Dipartimento di Matematica Università di Bari http://dm.uniba.it/ iavernaro felix@dm.uniba.it 13 Giugno 2007 Felice Iavernaro (Univ.

Dettagli

Studente: SANTORO MC. Matricola : 528

Studente: SANTORO MC. Matricola : 528 CORSO di LAUREA in INFORMATICA Corso di CALCOLO NUMERICO a.a. 2004-05 Studente: SANTORO MC. Matricola : 528 PROGETTO PER L ESAME 1. Sviluppare una versione dell algoritmo di Gauss per sistemi con matrice

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

Esercizi per il corso di Algoritmi e Strutture Dati

Esercizi per il corso di Algoritmi e Strutture Dati 1 Esercizi per il corso di Algoritmi e Strutture Dati Esercizi sulla Tecnica Divide et Impera N.B. Tutti gli algoritmi vanno scritti in pseudocodice (non in Java, né in C++, etc. ). Di tutti gli algoritmi

Dettagli

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

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

Dettagli

Dimensione di uno Spazio vettoriale

Dimensione di uno Spazio vettoriale Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione

Dettagli

Rapida Introduzione all uso del Matlab Ottobre 2002

Rapida Introduzione all uso del Matlab Ottobre 2002 Rapida Introduzione all uso del Matlab Ottobre 2002 Tutti i tipi di dato utilizzati dal Matlab sono in forma di array. I vettori sono array monodimensionali, e così possono essere viste le serie temporali,

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

Dettagli

Laboratorio di Matlab

Laboratorio di Matlab Laboratorio di Matlab Rudy Manganelli Dipartimento di Ingegneria dell Informazione, Università di Siena manganelli@dii.unisi.it http://www.dii.unisi.it/ control/matlab/labmatlab.html Luglio 2008 DII -

Dettagli

Principal Component Analysis (PCA)

Principal Component Analysis (PCA) Principal Component Analysis (PCA) Come evidenziare l informazione contenuta nei dati S. Marsili-Libelli: Calibrazione di Modelli Dinamici pag. Perche PCA? E un semplice metodo non-parametrico per estrarre

Dettagli

Integrazione numerica

Integrazione numerica Integrazione numerica Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Lezione 6-20-26 ottobre 2009 Indice 1 Formule di quadratura semplici e composite Formule di quadratura

Dettagli

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within) modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore: y = μ ik 0 +π i +α k + ik ε ik interazione

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

FUNZIONI AVANZATE DI EXCEL

FUNZIONI AVANZATE DI EXCEL FUNZIONI AVANZATE DI EXCEL Inserire una funzione dalla barra dei menu Clicca sulla scheda "Formule" e clicca su "Fx" (Inserisci Funzione). Dalla finestra di dialogo "Inserisci Funzione" clicca sulla categoria

Dettagli

Principal Component Analysis

Principal Component Analysis Principal Component Analysis Alessandro Rezzani Abstract L articolo descrive una delle tecniche di riduzione della dimensionalità del data set: il metodo dell analisi delle componenti principali (Principal

Dettagli

Forma d onda rettangolare non alternativa.

Forma d onda rettangolare non alternativa. Forma d onda rettangolare non alternativa. Lo studio della forma d onda rettangolare è utile, perché consente di conoscere il contenuto armonico di un segnale digitale. FIGURA 33 Forma d onda rettangolare.

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice Pseudo codice Pseudo codice Paolo Bison Fondamenti di Informatica A.A. 2006/07 Università di Padova linguaggio testuale mix di linguaggio naturale ed elementi linguistici con sintassi ben definita e semantica

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

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

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

Dettagli

Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali.

Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. CAPITOLO 7 Rango: Rouchè-Capelli, dimensione e basi di spazi vettoriali. Esercizio 7.1. Determinare il rango delle seguenti matrici al variare del parametro t R. 1 4 2 1 4 2 A 1 = 0 t+1 1 A 2 = 0 t+1 1

Dettagli

GRANDEZZE ALTERNATE SINUSOIDALI

GRANDEZZE ALTERNATE SINUSOIDALI GRANDEZZE ALTERNATE SINUSOIDALI 1 Nel campo elettrotecnico-elettronico, per indicare una qualsiasi grandezza elettrica si usa molto spesso il termine di segnale. L insieme dei valori istantanei assunti

Dettagli

INCERTEZZA DI MISURA

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

Dettagli

Dati importati/esportati

Dati importati/esportati Dati importati/esportati Dati importati Al workspace MATLAB script Dati esportati file 1 File di testo (.txt) Spreadsheet Database Altro Elaborazione dati Grafici File di testo Relazioni Codice Database

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

Metodi e Strumenti per la Caratterizzazione e la Diagnostica di Trasmettitori Digitali RF ing. Gianfranco Miele g.miele@unicas.it

Metodi e Strumenti per la Caratterizzazione e la Diagnostica di Trasmettitori Digitali RF ing. Gianfranco Miele g.miele@unicas.it Corso di laurea magistrale in Ingegneria delle Telecomunicazioni Metodi e Strumenti per la Caratterizzazione e la Diagnostica di Trasmettitori Digitali RF ing. Gianfranco Miele g.miele@unicas.it Trasmettitore

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

AA 2006-07 LA RICORSIONE

AA 2006-07 LA RICORSIONE PROGRAMMAZIONE AA 2006-07 LA RICORSIONE AA 2006-07 Prof.ssa A. Lanza - DIB 1/18 LA RICORSIONE Il concetto di ricorsione nasce dalla matematica Una funzione matematica è definita ricorsivamente quando nella

Dettagli

Materiale originale prodotto dal Centro Didattico della Matematica - www.cedima.it - Tel. 0229408552

Materiale originale prodotto dal Centro Didattico della Matematica - www.cedima.it - Tel. 0229408552 Materiale originale prodotto dal Centro Didattico della Matematica - www.cedima.it - Tel. 0940855 La funzione: y = cos x DEFINIZIONE Si dice funzione coseno di un angolo nel cerchio trigonometrico, la

Dettagli

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2 NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione

Dettagli

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti 4. Insiemi numerici 4.1 Insiemi numerici Insieme dei numeri naturali = {0,1,,3,,} Insieme dei numeri interi relativi = {..., 3,, 1,0, + 1, +, + 3, } Insieme dei numeri razionali n 1 1 1 1 = : n, m \{0}

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

Approssimazione polinomiale di funzioni e dati

Approssimazione polinomiale di funzioni e dati Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell

Dettagli

SISTEMI LINEARI QUADRATI: METODI ITERATIVI

SISTEMI LINEARI QUADRATI: METODI ITERATIVI SISTEMI LINEARI QUADRATI: METODI ITERATIVI CALCOLO NUMERICO e PROGRAMMAZIONE SISTEMI LINEARI QUADRATI:METODI ITERATIVI p./54 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI A R n n simmetrica se A = A T ; A C

Dettagli

Funzioni matlab per la gestione dei file. Informatica B Prof. Morzenti

Funzioni matlab per la gestione dei file. Informatica B Prof. Morzenti Funzioni matlab per la gestione dei file Informatica B Prof. Morzenti File Contenitori di informazione permanenti Sono memorizzati su memoria di massa Possono continuare a esistere indipendentemente dalla

Dettagli

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento ARTICOLO Archimede 4 4 esame di stato 4 seconda prova scritta per i licei scientifici di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA Nella figura

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

TECNICHE DI SIMULAZIONE

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

Dettagli

Equazioni non lineari

Equazioni non lineari CORSO DI LAUREA SPECIALISTICA IN INGEGNERIA ELETTRICA Equazioni non lineari Metodi iterativi per l approssimazione di radici Corso di calcolo numerico 2 01/11/2010 Manuela Carta INDICE Introduzione Metodo

Dettagli

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno La Vista CAS L ambiente di lavoro Le celle Assegnazione di una variabile o di una funzione / visualizzazione

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera

Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera Ricerca Operativa Branch-and-Bound per problemi di Programmazione Lineare Intera L. De Giovanni AVVERTENZA: le note presentate di seguito non hanno alcuna pretesa di completezza, né hanno lo scopo di sostituirsi

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI QUADRATI. REGRESSIONE LINEARE MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione

Dettagli

Fondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2)

Fondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2) Fondamenti dell Informatica Ricorsione e Iterazione Simona Ronchi Della Rocca (dal testo: Kfoury, Moll and Arbib, cap.5.2) Definiamo innanzitutto una relazione d ordine tra le funzioni. Siano φ e ψ funzioni

Dettagli

Il motore a corrente continua, chiamato così perché per. funzionare deve essere alimentato con tensione e corrente

Il motore a corrente continua, chiamato così perché per. funzionare deve essere alimentato con tensione e corrente 1.1 Il motore a corrente continua Il motore a corrente continua, chiamato così perché per funzionare deve essere alimentato con tensione e corrente costante, è costituito, come gli altri motori da due

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Prolog: aritmetica e ricorsione

Prolog: aritmetica e ricorsione Capitolo 13 Prolog: aritmetica e ricorsione Slide: Aritmetica e ricorsione 13.1 Operatori aritmetici In logica non vi è alcun meccanismo per la valutazione di funzioni, che è fondamentale in un linguaggio

Dettagli

Scilab: I Polinomi - Input/Output - I file Script

Scilab: I Polinomi - Input/Output - I file Script Scilab: I Polinomi - Input/Output - I file Script Corso di Informatica CdL: Chimica Claudia d'amato claudia.damato@di.uniba.it Polinomi: Definizione... Un polinomio è un oggetto nativo in Scilab Si crea,

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1

DI D AGRA R MM M I M A BLOCC C H C I TEORI R A E D D E SERC R I C ZI 1 1 DIAGRAMMI A BLOCCHI TEORIA ED ESERCIZI 1 1 Il linguaggio dei diagrammi a blocchi è un possibile formalismo per la descrizione di algoritmi Il diagramma a blocchi, o flowchart, è una rappresentazione grafica

Dettagli

Fondamenti di Informatica. Dichiarazione, creazione e gestione di array in Java

Fondamenti di Informatica. Dichiarazione, creazione e gestione di array in Java Fondamenti di Informatica Dichiarazione, creazione e gestione di array in Java Array in Java - creazione La creazione fa una inizializzazione implicita: num = new int[10]; con valore 0 per int e double,

Dettagli

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie Metodi numerici per la risoluzione di equazioni differenziali ordinarie Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Lezione 5-31 ottobre 2005 Outline 1 Il problema di Cauchy Il problema

Dettagli

1x1 qs-stat. Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità. Versione: 1 / Marzo 2010 Doc. n.

1x1 qs-stat. Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità. Versione: 1 / Marzo 2010 Doc. n. 1x1 qs-stat Pacchetto Software per la Soluzione di Problemi Statistici nel Controllo Qualità Versione: 1 / Marzo 2010 Doc. n.: PD-0012 Copyright 2010 Q-DAS GmbH & Co. KG Eisleber Str. 2 D - 69469 Weinheim

Dettagli

LE TRASFORMAZIONI GEOMETRICHE NEL PIANO

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

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

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

Dettagli

Logica Numerica Approfondimento 1. Minimo Comune Multiplo e Massimo Comun Divisore. Il concetto di multiplo e di divisore. Il Minimo Comune Multiplo

Logica Numerica Approfondimento 1. Minimo Comune Multiplo e Massimo Comun Divisore. Il concetto di multiplo e di divisore. Il Minimo Comune Multiplo Logica Numerica Approfondimento E. Barbuto Minimo Comune Multiplo e Massimo Comun Divisore Il concetto di multiplo e di divisore Considerato un numero intero n, se esso viene moltiplicato per un numero

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

ESTRAZIONE DI RADICE

ESTRAZIONE DI RADICE ESTRAZIONE DI RADICE La radice è l operazione inversa dell elevamento a potenza. L esponente della potenza è l indice della radice che può essere: quadrata (); cubica (); quarta (4); ecc. La base della

Dettagli

Elementi di informatica

Elementi di informatica Elementi di informatica Sistemi di numerazione posizionali Rappresentazione dei numeri Rappresentazione dei numeri nei calcolatori rappresentazioni finalizzate ad algoritmi efficienti per le operazioni

Dettagli

Entrate... 11 Uscite... 11 Trasferimento... 11 Movimenti ricorrenti... 11 Movimenti suddivisi... 12

Entrate... 11 Uscite... 11 Trasferimento... 11 Movimenti ricorrenti... 11 Movimenti suddivisi... 12 Data ultima revisione del presente documento: domenica 8 maggio 2011 Indice Sommario Descrizione prodotto.... 3 Licenza e assunzione di responsabilità utente finale:... 4 Prerequisiti:... 5 Sistema Operativo:...

Dettagli

La f(x) dovrà rimanere all interno di questo intorno quando la x è all interno di un intorno di x 0, cioè I(x 0 ), cioè:

La f(x) dovrà rimanere all interno di questo intorno quando la x è all interno di un intorno di x 0, cioè I(x 0 ), cioè: 1 Limiti Roberto Petroni, 2011 Possiamo introdurre intuitivamente il concetto di limite dicendo che quanto più la x si avvicina ad un dato valore x 0 tanto più la f(x) si avvicina ad un valore l detto

Dettagli

APPLICAZIONI LINEARI

APPLICAZIONI LINEARI APPLICAZIONI LINEARI 1. Esercizi Esercizio 1. Date le seguenti applicazioni lineari (1) f : R 2 R 3 definita da f(x, y) = (x 2y, x + y, x + y); (2) g : R 3 R 2 definita da g(x, y, z) = (x + y, x y); (3)

Dettagli

Le funzioni. Funzioni. Funzioni. Funzioni. Funzioni. Funzioni

Le funzioni. Funzioni. Funzioni. Funzioni. Funzioni. Funzioni Funzioni Le funzioni Con il termine funzione si intende, in generale, un operatore che, applicato a un insieme di operandi, consente di calcolare un risultato, come avviene anche per una funzione matematica

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 CONTROLLI DIGITALI Laurea Magistrale in Ingegneria Meccatronica SISTEMI A TEMPO DISCRETO Ing. Tel. 0522 522235 e-mail: cristian.secchi@unimore.it http://www.dismi.unimo.it/members/csecchi Richiami di Controlli

Dettagli

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE TELECOMUNICAZIONI (TLC) Tele (lontano) Comunicare (inviare informazioni) Comunicare a distanza Generico sistema di telecomunicazione (TLC) Segnale non elettrico Segnale elettrico TRASMESSO s x (t) Sorgente

Dettagli

PRINCIPI BASILARI DI ELETTROTECNICA

PRINCIPI BASILARI DI ELETTROTECNICA PRINCIPI BASILARI DI ELETTROTECNICA Prerequisiti - Impiego di Multipli e Sottomultipli nelle equazioni - Equazioni lineari di primo grado e capacità di ricavare le formule inverse - nozioni base di fisica

Dettagli

Curve di risonanza di un circuito

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

Dettagli

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 1.1 Che cos è un algoritmo CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 Gli algoritmi sono metodi per la soluzione di problemi. Possiamo caratterizzare un problema mediante i dati di cui si dispone all inizio

Dettagli

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO Capitolo 14 EORIA PERURBAIVA DIPENDENE DAL EMPO Nel Cap.11 abbiamo trattato metodi di risoluzione dell equazione di Schrödinger in presenza di perturbazioni indipendenti dal tempo; in questo capitolo trattiamo

Dettagli

Matematica B - a.a 2006/07 p. 1

Matematica B - a.a 2006/07 p. 1 Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +

Dettagli

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione.

Quando A e B coincidono una coppia ordinata é determinata anche dalla loro posizione. Grafi ed Alberi Pag. /26 Grafi ed Alberi In questo capitolo richiameremo i principali concetti di due ADT che ricorreranno puntualmente nel corso della nostra trattazione: i grafi e gli alberi. Naturale

Dettagli

Problema n. 1: CURVA NORD

Problema n. 1: CURVA NORD Problema n. 1: CURVA NORD Sei il responsabile della gestione del settore Curva Nord dell impianto sportivo della tua città e devi organizzare tutti i servizi relativi all ingresso e all uscita degli spettatori,

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

Dettagli

Metodiche classiche di acquisizione e quan3ficazione della variabilità della frequenza cardiaca

Metodiche classiche di acquisizione e quan3ficazione della variabilità della frequenza cardiaca Metodiche classiche di acquisizione e quan3ficazione della variabilità della frequenza cardiaca (Ivan Corazza) INDICE Misura intervalli RR battito-a-battito (Giorgio Barletta) Misura della variabilità

Dettagli

ALGORITMI 1 a Parte. di Ippolito Perlasca. Algoritmo:

ALGORITMI 1 a Parte. di Ippolito Perlasca. Algoritmo: ALGORITMI 1 a Parte di Ippolito Perlasca Algoritmo: Insieme di regole che forniscono una sequenza di operazioni atte a risolvere un particolare problema (De Mauro) Procedimento che consente di ottenere

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

ASTA IN GRIGLIA PRO. COSA PERMETTE DI FARE (per ora) Asta In Griglia PRO:

ASTA IN GRIGLIA PRO. COSA PERMETTE DI FARE (per ora) Asta In Griglia PRO: ASTA IN GRIGLIA PRO Asta in Griglia PRO è un software creato per aiutare il venditore Ebay nella fase di post-vendita, da quando l inserzione finisce con una vendita fino alla spedizione. Il programma

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

Appendice I. Principali procedure ed istruzioni per la gestione di files, l'analisi statistica di tipo descrittivo e la correlazione semplice

Appendice I. Principali procedure ed istruzioni per la gestione di files, l'analisi statistica di tipo descrittivo e la correlazione semplice . Principali procedure ed istruzioni per la gestione di files, l'analisi statistica di tipo descrittivo e la correlazione semplice Ordinamento di osservazioni: PROC SORT PROC SORT DATA=fa il sort è numerico

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

Evoluzione competitiva dei controlli in produzione nelle filiere dei mezzi di trasporto. Torino, Centro Congressi Lingotto 14 15 aprile 2010

Evoluzione competitiva dei controlli in produzione nelle filiere dei mezzi di trasporto. Torino, Centro Congressi Lingotto 14 15 aprile 2010 Evoluzione competitiva dei controlli in produzione nelle filiere dei mezzi di trasporto INDICI E PIANI DI PROCESS CAPABILITY Prof. Biagio Palumbo (Università di Napoli Federico II - Dipartimento Ingegneria

Dettagli

Rappresentazione dei numeri in un calcolatore

Rappresentazione dei numeri in un calcolatore Corso di Calcolatori Elettronici I A.A. 2010-2011 Rappresentazione dei numeri in un calcolatore Lezione 2 Università degli Studi di Napoli Federico II Facoltà di Ingegneria Rappresentazione dei numeri

Dettagli

Studio grafico-analitico delle funzioni reali a variabile reale

Studio grafico-analitico delle funzioni reali a variabile reale Studio grafico-analitico delle funzioni reali a variabile reale Sequenza dei passi Classificazione In pratica Classifica il tipo di funzione: Funzione razionale: intera / fratta Funzione irrazionale: intera

Dettagli