Analisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Analisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti"

Transcript

1 UNIVERSIA DEGLI SUDI DI CAGLIARI Facoltà d Ingegnera Elettronca Corso d Calcolo Numerco 1 A.A. 00/003 Anals e confronto tra metod d regolarzzazone drett per la rsoluzone d prolem dscret mal-post Docente: Prof. Guseppe Rodrguez Studente: Gampaolo Serra

2 Introduzone Molt prolem pratc d nteresse scentfco, ed esprml sotto forma d un sstema d equazon lnear, rsultano dffcl da rsolvere a causa del valore grande del numero d condzonamento della loro matrce A de coeffcent. Il numero d condzonamento d una matrce è una msura quanttatva d come la soluzone d un prolema venga nfluenzata da una perturazone ne dat o, equvalentemente, d quanto un errore su dat possa essere amplfcato ne rsultat. Affermare che un prolema è dffcle da rsolvere non vuol dre che non s possa calcolare una soluzone, ma che, per le tecnche standard dell algera lneare, non esste una soluzone unca che dpenda con contnutà da dat. La rsoluzone d quest prolem rchede, pertanto, una anals dversa da quella classca: devono essere utlzzat metod pù sofstcat che calcolno una soluzone approssmata ma sgnfcatva. Questo è l oettvo de metod d regolarzzazone. In alcun cas l mal-condzonamento della matrce è dovuto ad una cattva formulazone del modello matematco, n altr è una propretà ntrnseca della formulazone del prolema stesso. Un approcco al trattamento del mal-condzonamento, qualunque sa stata la sua causa, prevede la conoscenza della SVD della matrce A. In partcolare de valor sngolar d tale decomposzone, perché l rapporto tra l pù grande valore sngolare e quello pù pccolo defnsce propro l numero d condzonamento della matrce. La trattazone numerca d un sstema d equazon mal-condzonato dpende dal tpo d malcondzonamento. C sono due mportant class d prolem da consderare e molt prolem pratc appartengono ad una d queste: prolem a rango non peno e prolem dscret mal post. I prm sono caratterzzat da una matrce A avente un cluster (grappolo) d pccol valor sngolar e un en determnato gap tra valor sngolar pù grand e quell pù pccol. Questo mplca che uno o pù rghe e colonne d A sono quas una comnazone lneare d altre o d tutte le rmanent rghe e colonne. Percò, la matrce A contene nformazon rdondant, e la chave per trattare numercamente quest prolem è estrarre le nformazon lnearmente ndpendent o l rango numerco n A e rformulare l prolema con una matrce en-condzonata. I second, nvece, sorgono dalla dscretzzazone d prolem mal-post. In questo caso tutt valor sngolar d A n meda decadono gradualmente a zero. Poché nello spettro de valor sngolar non c è un gap rlevante, non è possle ndvduare per queste matrc un rango numerco. Per prolem dscret mal-condzonat, allora, l oettvo è trovare un uon lancamento tra la norma del resduo e la norma (o sem-norma) della soluzone. A metod d regolarzzazone per la rsoluzone de prolem dscret mal-post è dedcato l pacchetto d Matla Regularzaton ools [1]. Questo pacchetto contene un nseme d routnes asate su effcent algortm che permettono all utente d analzzare e d rsolvere prolem dscret mal-post, attraverso le pù note stratege d regolarzzazone. In questa tesna, tra le dverse routnes messe a dsposzone dal pacchetto s è scelto d utlzzare quelle costrute su metod d regolarzzazone drett adatte, soprattutt, a prolem d dmenson non troppo grand ( n mnore d 1000 ). Oettvo L oettvo della tesna è mettere a confronto le routnes del pacchetto d Matla Regularzaton ools [1], svluppate per l anals e la soluzone de prolem dscret mal-post. In partcolare questo lavoro s propone d analzzare e d confrontare alcune delle pù note stratege per la regolarzzazone della soluzone d tal prolem, attraverso due de pù utl strument per la scelta del parametro d regolarzzazone, mess a dsposzone dal pacchetto: l crtero della curva L e l metodo GCV. ra le dverse stratege d regolarzzazone sono stat scelt seguent 1

3 metodo drett: l metodo d khonov, la decomposzone a valor sngolar troncata (SVD) e la sua forma generalzzata (GSVD). Descrzone della tesna La prma parte della tesna è dedcata alla descrzone de prolem mal-post ovvero l contesto dove lo studo delle stratege d regolarzzazone è stato svluppato [3]. uttava l attenzone è stata rvolta soprattutto a prolem dscret mal-post, e agl strument che l anals numerca offre per studarne la rsoluzone. In partcolare s rportano la defnzone e le propretà della decomposzone a valor sngolar, la SVD, e della sua forma generalzzata, la GSVD [] e [3]. Inoltre, prendendo spunto da qualche esempo, s evdenzano qual sono le dffcoltà che s ncontrano nella rsoluzone de prolem dscret mal-post, e la necesstà d ntrodurre adeguate stratege d regolarzzazone. A queste è rservata la seconda parte d questo lavoro, nel quale s esamnano, tra tant metod d regolarzzazone present n letteratura, metod drett come l crtero d khonov, la SVD troncata o SVD, e la sua forma generalzzata GSVD [] e [3]. Al termne della seconda parte, s ntroducono pù mportant metod per la scelta del parametro d regolarzzazone [3]. In partcolare la curva L e la GCV che rcoprono un ruolo fondamentale per l confronto tra dvers metod d regolarzzazone. La terza parte della tesna, nfne, rporta rsultat del confronto tra dvers metod d regolarzzazone quando quest utlzzano, come crtero per la scelta del parametro, o la curva L o la funzone GCV.

4 Prma Parte: prolem dscret mal-post. I prolem mal-post sorgono aastanza spesso n molte aree dell ngegnera e, n generale, delle scenze nella forma d prolem nvers. Un prolema nverso s presenta ogn qual volta s ha l nteresse a determnare la struttura nterna d un sstema fsco dalle msure del comportamento del sstema stesso; ovvero quando s vuole determnare un segnale n ngresso sconoscuto ( nput) che produce n uscta un segnale (output) che può essere msurato, nota la struttura del sstema (system). In contrasto a prolem drett dove l nteresse è l comportamento del sstema (output) dato l ngresso (nput) o la struttura nterna (system). In forma analtca un prolema nverso s presenta come Ω system* nputdω= output Il classco esempo d un prolema lneare mal-posto è l equazone ntegrale d Fredholm d prma spece che può sempre essere scrtta come τ 0 K ( s, t) f ( t) dt = g( s), 0 s ς dove l termne noto g e l kernel K sono funzon note, mentre f è l ncognta da determnare. L ntegrazone, quando l kernel K è una funzone a quadrato ntegrale, ha un effetto d smorzamento sulla funzone f. L operazone nversa, quella d rsolvere l equazone ntegrale per l calcolo della f, nvece tende ad amplfcare la funzone g del termne noto. Se la funzone g è una funzone oscllante, come spesso avvene n pratca, nell nversone l kernel tende ad amplfcare le oscllazon d g. Se non s vuole osservare un aumento smodato d tal oscllazon, con nevtale esplosone della norma della soluzone f, g deve essere suffcentemente smorzata. Dal punto d vsta matematco, la condzone sullo funzone g, prende l nome d condzone d Pcard e, come verrà charto meglo ne prossm paragraf, garantsce che la norma della soluzone, rsult stale e non rcheda alcuna regolarzzazone. Questo punto d vsta non tene conto degl effett dsastros de dvers tp d error che possono tormentare la rsoluzone d un prolema dscreto mal-posto. Per charre questo fatto s ntroduce ora la forma dscreta dell equazone ntegrale d Fredholm. Nella pratca l kernel dell equazone s rcava da una opportuna dscretzzazone del modello matematco, mentre l termne noto g è l rsultato d un numero fnto d msure. L equazone ntegrale dventa allora: τ 0 k ( ) ( ), 1,..., t f t dt = = m con k = K( s, t) e g( s ) =. 3

5 Il prolema, così formulato, è faclmente esprmle nella forma d un sstema d equazon lnear Ax= e, n generale, è affetto da dvers tp d error sa n A che n. Una prma sorgente d error è l processo d dscretzzazone utlzzato per la costruzone del sstema lneare che, nevtalmente, genera error d approssmazone sa n A che n. Un altra sorgente d error sono gl error d msura; quest pù spesso s aggungono al termne noto. Infne, non è possle evtare gl error d arrotondamento contenut ne calcol d A e, che possono essere nterpretat come perturazon de dat d ngresso A e. La prncpale dffcoltà nella rsoluzone d un prolema dscreto mal-posto è dovuta propro a quest error, che a causa dell enorme numero d condzonamento della matrce tendono ad essere amplfcat dal kernel al momento dell nversone; l effetto dsastroso rsultante è una soluzone nstale e qund naccettale. In questo caso è evdente che la condzone d Pcard non è verfcata ed è percò necessaro ncludere qualche tpo d regolarzzazone, ndspensale per stalzzare la soluzone del prolema. Nel pacchetto Matla [1], sono present alcune routnes che generano de prolem test dscretzzando propro un prolema mal-condzonato come l equazone d Fredholm d prma spece. al prolem test sono utlzzat n questa tesna per provare l effcaca de dvers metod d regolarzzazone. La SVD e la sua forma generalzzata GSVD I mglor strument per l anals de prolem mal-post sono la SVD, ossa la decomposzone a valor sngolar, d A e la sua generalzzazone, la GSVD della coppa d matrc (A,L). La SVD e la sua forma generalzzata rducono le dffcoltà assocate al mal-condzonamento d A, n pù la GSVD d (A,L) fornsce mportant nformazon sul prolema della regolarzzazone convolgendo entrame le matrc A e L. La matrce L è tpcamente una matrce denttà, o una matrce dagonale; assume la forma d una matrce rettangolare, con p < n. mxn Dal punto d vsta analtco la SVD è defnta come: sa Aє una matrce quadrata o rettangolare con m n n A= UΣ V = uσ v = 1, mxn nxn dove U = ( u1,..., un), V = ( v1,..., vn) sono matrc con colonne ortogonal, tal che UU= VV= I n, e dove la matrce dagonale Σ = dag( σ1,..., σ n ) ha element dagonal non negatv che decrescono secondo l ordne σ1 σ... σ n 0. I numer σ sono chamat valor sngolar d A, mentre vettor u e v sono vettor sngolar snstr e destr d A, rspettvamente. La SVD è defnta per qualunque valore d m e n; se m<n, semplcemente la SVD s applca alla matrce A e s scamano U e V. Dal punto d vsta geometrco, la SVD d A fornsce due as d vettor ortogonal, le colonne d U e V, tal che la matrce dventa dagonale quando trasformata rspetto a queste as. I valor sngolar sono sempre en condzonat rspetto alle perturazon della matrce, e questo l rende partcolarmente adatt per l anals de prolem mal-condzonat. Infatt s può dmostrare dalla defnzone d norma Eucldea d una matrce che A = σ1 e che l cond A A A σ σ n 1 ( ) = 1 /. 4

6 Ne prolem dscret mal-condzonat la SVD evdenza due peculartà : valor sngolar decadono gradualmente a zero senza nessun partcolare gap nello spettro; vettor destr e snstr tendono ad avere molt camament d segn ne loro element, all aumentare dell ndce e mentre σ decrescono. Per vedere come la SVD penetra nel mal-condzonamento d A, s consderno le relazon seguent che seguono dalla defnzone d SVD : n A= uσ v = 1 Av = σ u Av = σ per = 1,, n. S nota che per pccol valor σ, rspetto a A = σ 1,esste una certa comnazone lneare delle colonne d A, caratterzzata dalle component del vettore sngolare destro v, tale che Av = σ è pccolo. In altre parole, uno o pù σ pccol mplcano che A è quas a rango non peno, e vettor v assocat a pccol σ, sono vettor appartenent al nucleo d A. Da questo e dalle caratterstche d A s deduce che la matrce n un prolema dscreto mal-condzonato è sempre molto malcondzonata, e l suo nucleo ha per as de vettor con molt cam d segno. Un altro aspetto de prolem dscret mal condzonat nel quale la SVD resce a far charezza è l effetto d smorzamento tpcamente assocato ad un kernel a quadrato ntegrale. S può notare, nfatt, che come σ decrescono, vettor sngolar u e v aumentano le loro oscllazon. S consder ora l prodotto Ax, con x vettore artraro. Usando la SVD, s ottene x= Ax = n ( ) = 1 n = 1 Questo mostra charamente che a causa della moltplcazone per σ le component alle alte frequenze d x sono pù smorzate n Ax rspetto alle component a assa frequenza. Nel prolema nverso nvece l calcolo d x da Ax= v x v σ ( ) v x u n u x = v σ = 1 mostra che σ s trovano al denomnatore generando l effetto opposto: amplfcano le component alle alte frequenze del termne noto. La GSVD della coppa d matrc (A,L) è una generalzzazone della SVD d A nel senso che valor sngolar generalzzat della coppa (A,L) sono essenzalmente le radc quadrate degl AALL,. autovalor generalzzat della coppa d matrc ( ) mxn pxn Sa A e L tale che m n p, che l nucleo d A sa dsgunto dal nucleo d L (questa condzone permette d trovare una sola soluzone), e che L aa le rghe a rango peno. La GSVD è una decomposzone d A e L nella forma 5

7 Σ 0 A= U X 0 In p 1, 1 L= V ( M,0 ) X. mxn pxp nxn Le colonne d U e V sono ortogonal, UU= I n, e VV= I p ; X è non sngolare con colonne che sono AA-ortogonal ; Σ e M sono matrc dagonal pxp : Σ= dag( σ1,, σ p), M = dag( µ 1,, µ p). Inoltre gl element dagonal d A sono non negatv e ordnat n modo che 0 σ1 σ p 1 e 1 µ 1 µ p 0e verfcano la relazone σ + µ = 1, = 1,, p. In defntva valor sngolar generalzzat γ d (A,L) sono defnt come rapport γ = σ / µ, = 1,, p, e sono n ordne non decrescente. Come per la SVD, le coppe ( σ, µ ) sono en condzonate rspetto alle perturazon d A; noltre la GSVD d (A,L) fornsce tre nuove as d vettor lnearmente ndpendent ( le colonne d U,V,e X) tal che le due matrc A e L dventano dagonal quando trasformate n queste nuove as. Ne prolem dscret mal-post se la matrce L è una matrce en-condzonata, n genere è così, s può mostrare che anche la matrce X è en-condzonata. Pertanto, è la matrce dagonale Σ che deve mostrare l mal-condzonamento d A. Quando γ σ per pccol σ, valor sngolar generalzzat decadono gradualmente a zero così come valor sngolar ordnar. pxn Inoltre, la matrce L ha sempre un nucleo non trascurale; nfatt, nella GSVD, le ultme n pcolonne de vettor sngolar destr x della matrce X sono vettor d ase del nucleo d L e percò tal che Lx = 0, = p+ 1,, n Come per vettor della SVD, anche gl x avranno frequent cam d segno n corrspondenza de pù pccol γ. La SVD e la GSVD possono essere calcolate attraverso le routne csvd e cgsvd mplementate nel pacchetto Matla [1]. Le caratterstche d un prolema dscreto mal-posto Ne paragraf precedent s è accennato al fatto che, n assenza d error ne dat A e, la soluzone x d un prolema mal-posto è stale e non rchede una regolarzzazone, se la condzone d Pcard è verfcata. Questo concetto può essere meglo charto nell amto de prolem dscret n cu la condzone d Pcard è espressa n termn d valor sngolar e d autovettor. In questo caso s dce che la condzone d Pcard è verfcata quando: tutt valor sngolar della matrce A non perturata decadono gradualmente a zero; corrspondent vettor sngolar snstr e destr tendono ad avere dvers cam d segno ne loro element all aumentare dell ndce, e qund al dmnure 6

8 de corrspondent valor sngolar; noltre coeffcent u decadono, n meda, a zero e,al peggo, con la stessa veloctà de valor sngolar. Questo può essere mostrato con un esempo. Il prolema test scelto è un equazone ntegrale d Fredholm d prma spece dscretzzata n un sstema d equazon lnear Ax = dove la matrce A è generata dalla routne aart(n) del pacchetto Matla [1], con n=16 e è un vettore per l momento non perturato. La matrce L, approssmazone d un operatore d dervata seconda, è una matrce a anda en condzonata che è calcolata con la routne get_l del pacchetto Matla [1]. Nella fgura seguente vengono mostrat valor sngolar σ della matrce A, calcolat con la SVD e valor sngolar generalzzat γ della coppa d matrc (A,L), calcolat con la GSVD. 10 valor sngolar d A 10 0 sgma 10 0 valor sngolar generalzzat d (A,L) 10 - gamma In entram grafc s può notare che non è presente un evdente gap tra valor ne due spettr e questo conferma che è un prolema dscreto mal-posto; noltre valor sngolar σ sono n ordne decrescente, mentre valor sngolar generalzzat γ sono n ordne crescente e n numero nferore p = n-, n accordo a come sono stat defnt. Comunque, sa nel caso de σ e sa n quello de γ, appare evdente che decadono monotoncamente: prm all aumentare dell ndce, second al 15 dmnure dell ndce. uttava, n corrspondenza d σ14 = γ14 = 10, s osserva una pccola varazone dell andamento de punt del grafco che tendono ad assestars verso un valore dverso da zero; questo fenomeno s può attrure agl error d arrotondamento nel calcolo della decomposzone della matrce, dovut alla precsone del calcolatore. La soluzone del prolema dscreto mal-posto, dopo la decomposzone a valor sngolar della matrce è nella forma: 7

9 n u x = v σ = 1 l termne noto non perturato soddsfa la condzone d Pcard se coeffcent d Fourer tendono a zero con la stessa veloctà de valor sngolar σ (o de γ nel caso s sa usata la GSVD); questo mentre, al decrescere de σ, corrspondent vettor sngolar u e v, tendono ad oscllare con frequent cam d segn, come vettor snstr e destr u, v, x al decrescere de valor d γ. u condzone d Pcard con la SVD e mperturato σ u u /σ condzone d Pcard con la GSVD e mperturato σ /µ u u /σ Dal grafco è evdente che per prolem dscret mal-post, non affett da error, la condzone d Pcard è verfcata. uttava, per valor pccol de coeffcent u nzano a veders gl effett degl error d arrotondamento; quest tendono a rdurre la pendenza dell andamento verso zero, arrestandola n corrspondenza d un lvelloτ c fssato dalla precsone del calcolatore. u Gl effett sono evdent anche nelle component della soluzone, che n corrspondenza degl σ stess ndc, suscono un aumento ndesderato della norma. Gl error attrul alla precsone del calcolatore non sono, comunque, un prolema perché loro effett sono senza duo trascural rspetto a quell dsastros, per esempo, degl error d msura. Nelle applcazon real un prolema dscreto mal-posto non è mmune agl error, anz quest sono present n forma e n msura dversa sa n A che n. L effetto d quest error s osserva sa su valor sngolar σ, sa su coeffcent d Fourer u. In questo caso, è ancora vero che valor sngolar decrescono monotoncamente, ma tendono ad assestars ad un lvello τ A determnato dagl error n A; noltre, anche coeffcent decadono, n meda, ma tendono ad assestars ad un 8

10 lvello τ determnato dagl error n ( s vuole far notare che τ A e τ sono pù grand rspetto alla precsone del calcolatore τ c ). I due lvell d errore τ A e τ per valor sngolar e per coeffcent d Fourer, rspettvamente, determnano quanta nformazone sul sstema non perturato può essere estratta dal sstema affetto dagl error. Se s assume che valor sngolar sano lvellat su τ A per A e coeffcent sano lvellat su τ per, allora c s può aspettare d recuperare quelle component della decomposzone a valor sngolar della soluzone, nelle qual gl error n σ e n u non sono u domnant, ossa le component per cu mn( A, ). σ La stuazone tpca è che gl error d msura n sono pù grand degl altr tp d error n A e, e l errore relatvo sul termne noto è percò pù grande dell errore relatvo sulla matrce A A / A In questa stuazone, coeffcent /, dove e A sono l termne noto e la matrce de coeffcent affett da errore. u tendono a lvellars su τ per, prma che σ tendano a lvellars su τ A, e pertanto s possono recuperare le prme component SVD della soluzone. Le rmanent n component sono, nvece, domnate dagl error e per questo devono essere fltrate nella regolarzzazone della soluzone. Quando coeffcent d Fourer della soluzone v x, n meda, decrescono con,è utle defnre l lmte d rsoluzone ηres come l pù pccolo coeffcente da e A perturat. Se domnano gl error sul termne noto, coè, se A v x che può essere recuperato, allora per tutt gl < A s ha che σ sono quas ugual a quell della matrce mperturata; mentre coeffcent d Fourer della soluzone sono exact format da due component, v x= v x + ( u ) / σ. Per =, le due component sono exact approssmatvamente della stessa dmensone, vx u / σ τ / σ e segue che l lmte d rsoluzone effettvo è η res τ = v x quando A >. exact σ Se domnano, nvece, gl error nella matrce, coè, se A <, allora per tutt gl < s ha exact exact v x v x / τ A. Inoltre, per < A s ha σ σ, mentre per > A gl error ne valor sngolar domnano e σ τ A, e percò s ha v x u / τ A. Per = A, s ha σ A rsoluzone effettvo è ora τ e l lmte d A η res u exact = v x A τ A quando A <. In entram cas, η res ndca la dmensone della pù pccola componente SVD che può essere recuperata nella soluzone. 9

11 Se, per esempo, gl element della perturazone e= sono a meda nulla e non correlat con matrce d varanza σ I, allora l valore aspettato d 0 m e soddsfa ξ ( e ) = mσ 0 e l valore aspettato de coeffcent d Fourer d e è dato da : ξ ( ue ) = σ, = 1,, n. 0 Come conseguenza, coeffcent d Fourer u del termne noto perturato, s lvellano a τ σ 0, perché sono domnat da ue per valor grand dell ndce. Allo stesso modo, se gl element della perturazone della matrce E = A A sono normalmente dstrut con meda nulla e devazone standard σ 0, s può rcavare che l valore aspettato d E è approssmatvamente σ 0 m. Qund, se tutt valor sngolar d A decadono gradualmente a zero, allora valor sngolar d A sono lvellat a τ A σ0 m. S vuole ora applcare, quanto detto su prolem dscret mal-post, al prolema test aart, nel quale s suppone che gl error sulla matrce A sano trascural rspetto a quell sul vettore. S suppone, pertanto, d aggungere al termne noto della routne aart, ntrodotta sopra, un errore e a meda nulla e covaranza par a σ I, con σ 0 = *10, s ottene che 0 m = + e dove e= è l errore la cu norma ha un valore aspettato par a ξ ( e ) = mσ 0 e è l termne noto senza perturazone. Il grafco mostra che la condzone d Pcard non è soddsfatta e che la soluzone tende ad esplodere. ale condzone è venuta meno perché coeffcent d Fourer u _ err del termne noto perturato sono domnat da ue e tendono al valore τ σ 0 nvece che a zero. La stessa cosa s può dre per coeffcent calcolat con la GSVD. La soluzone, n entram cas, è domnata da termn della somma corrspondent a pù pccol σ (o γ ); quest, enfatzzando propro le oscllazon de vettor sngolar u e v corrspondent, portano ad una soluzone con molte varazon d segno che appare completamente casuale. 10

12 10 0 la condzone d Pcard con la SVD e perturato σ u -err u -err /σ la condzone d Pcard con la GSVD e perturato σ /µ u -err u -err /σ L anals svolta evdenza la necesstà d smorzare o fltrare contrut alla soluzone de pccol valor sngolar avent ndce > ( o per γ < ), e recuperare, per, coeffcent d exact τ Fourer della soluzone maggor del lmte d rsoluzone ηres = v x. σ Questo è cò che s chede a metod d regolarzzazone quando s vuole rsolvere un prolema dscreto mal-posto con dat perturat. La soluzone regolarzzata da ess prodotta deve avere, allora, la seguente forma generale: u x = f v se L= I n n reg = 1 σ u reg = + = 1 σ = p+ 1 p n ( ) se L In x f x u x I numer f sono fattor d fltro per l partcolare metodo d regolarzzazone. I fattor d fltro devono essere tal che, come σ decrescono, corrspondent f tendano a zero. In questo modo u contrut v de pù pccol σ alla soluzone sono fltrat. σ La dfferenza tra var metod d regolarzzazone s trova nel modo n cu quest fattor d fltro sono defnt. 11

13 Seconda Parte: metod d regolarzzazone. La prncpale dffcoltà ne prolem dscret mal-post è che sono essenzalmente ndetermnat a causa del cluster d pccol valor sngolar d A. Allo scopo d stalzzare l prolema e sceglere una soluzone approssmata, ma stale e sgnfcatva, è necessaro aggungere ulteror nformazon sulla soluzone desderata. Questo è l proposto de metod d regolarzzazone. Il prncpale approcco usato nella regolarzzazone d prolem dscret mal post è rchedere che la norma-, o una approprata semnorma, della soluzone sa pccola. Quando questa condzone è ntrodotta, s può anche rnuncare al fatto che Ax sa uguale a nel sstema lneare e, nvece, cercare una soluzone che fornsca l gusto compromesso tra mnmzzare la norma x e mnmzzare la norma del resduo Ax. L dea che c è detro è che una soluzone regolarzzata con una pccola norma ( o sem-norma ) e una convenente pccola norma del resduo, non è troppo lontana dalla soluzone del prolema. La forma d regolarzzazone pù nota tra metod drett è l metodo d khonov. La regolarzzazone alla khonov Il metodo d khonov s asa sull dea d una soluzone regolarzzata x λ, defnta come l mnmo della comnazone pesata della norma del resduo e della norma ( o sem-norma) della soluzone. ale soluzone è data da: { λ } x = arg mn Ax + Lx λ dove l parametro d regolarzzazone λ controlla l peso dato alla mnmzzazone. Il parametro d regolarzzazone è defnto dal fattore d fltro caratterstco del metodo d khonov f σ = σ + λ per L= I per = 1,, n n f γ = γ + λ per L I per = 1,, p n In corrspondenza de pù pccol valor sngolar σ, un valore grande d λ ( equvalente ad una forte regolarzzazone) favorsce una pccola norma (o sem-norma) della soluzone, pagandola n termn d una larga norma del resduo; mentre un valore pccolo d λ (ossa una deole regolarzzazone) ha l effetto opposto. Il parametro d regolarzzazone λ è molto mportante n quanto controlla le propretà della soluzone regolarzzata; per questo deve essere scelto con molta cura. Dalla scelta del parametro d regolarzzazone, noltre, dpendono lmt d perturazone per l metodo d khonov. Pù grande è, nfatt, l valore d λ, pù pccolo è l numero d condzonamento del metodo, e percò la soluzone regolarzzata è meno sensle alle perturazon; ma è anche vero che l aumento d λ causa la crescta dell errore d regolarzzazone. 1

14 La SVD troncata e la sua generalzzazone GSVD Una mportante osservazone, rguardo la regolarzzazone d khonov, è che l malcondzonamento d A è evtato rformulando l prolema con una nuova matrce en-condzonata a rango peno. Un modo dfferente d trattare l mal-condzonamento d A è d rcavare un nuovo prolema con una matrce en-condzonata, ma a rango non peno. Questa è l dea che c è detro la SVD e la sua forma generalzzata GSVD. Quest metod sono stat svluppat nell amto de prolem a rango non peno, ma mantengono la loro valdtà anche per prolem dscret mal-post. Per prolem con rango numerco non en-determnato, non sempre un troncamento come quello della SVD o della GSVD conduce ad una soluzone regolarzzata. uttava, sotto opportune condzon, per ogn parametro k d troncamento valdo, esste sempre un parametro d regolarzzazone λ tale che la soluzone della GSVD ( la soluzone SVD, se L= In ) sa vcna alla soluzone d khonov [3]. I metod SVD e GSVD sono molto utl dal punto d vsta teorco per la loro semplctà che l rende pù semplc da analzzare rspetto al metodo d khonov. Per esempo, fattor d fltro per quest metod sono semplcemente zer e uno. Per la SVD: f = 1 se k, f = 0 altrment; per la GSVD: f = 0 se n k, f = 0 altrment, dove k è l parametro d troncamento. La condzone, che permette d utlzzare quest due metod anche per l calcolo d una soluzone regolarzzata, s ha quando tra valor sngolar generalzzat non c è un evdente gap, ossa quando γ p k ωk = sa pccolo. Quando, nello spettro de valor sngolar (generalzzat), non c è un γ p ( k 1) evdente gap, allora entra n goco la condzone d Pcard. Un teorema mostra che quanto pù veloce è l decadmento relatvo de coeffcent d Fourer tanto pù xk è vcno a x λ, e lo stesso vale per l resduo. Il lmte d perturazone ne metod SVD e GSVD è fssato dalla condzone che E < σ k σ k + 1 dove E è la perturazone della matrce A. al metod sono usualmente applcat a prolem dscret mal-post quando la perturazone della matrce A è dello stesso ordne della precsone d macchna o dell errore d approssmazone. L effettvo lmte d perturazone è percò determnato dagl error nel termne noto che come aamo gà vsto è fssato da η res τ = v x per A. exact σ Per questa ragone, la rchesta che E < σ σ + 1, per quest prolem, è sempre soddsfatta. k k Metod per la scelta del parametro d regolarzzazone Nessun crtero d regolarzzazone è completo senza un metodo per la scelta del parametro, sa esso un parametro contnuo λ ( n khonov), sa esso un parametro dscreto k ( n SVD o GSVD). I metod per la scelta del parametro d regolarzzazone s possono dvdere n due class: metod che s asano sulla conoscenza, o una uona stma, della norma dell errore e ; metod che non rchedono la norma dell errore e. La prma classe è utlzzata quando sono dsponl nformazon affdal sulla e e su questo s asa per esempo l prncpo d dscrepanza [3]. Quando, nvece, non s conosce alcuna nformazone sulla norma dell errore s rcorre a que metod ler dal vncolo della conoscenza d 13

15 e, chamat qualche volta metod eurstc. ra quest, n questa tesna, sono utlzzat due de pù not: quello che s asa sulla funzone GCV e quello che s asa sulla curva L, [3]. Il metodo della funzone GCV Questo metodo per la scelta del parametro d regolarzzazone non utlzza alcuna nformazone sulla norma dell errore, anz cerca d estrarre questa nformazone dal termne noto. Per fare cò, s asa su consderazon statstche, secondo le qual un uon parametro d regolarzzazone può essere prevsto omettendo alcun dat del termne noto. In partcolare, se s trascura un qualsas elemento del termne noto, allora dalla soluzone regolarzzata s resce a prevedere ene l parametro e, la sua scelta saree ndpendente da una trasformazone ortogonale d. Pertanto l metodo GCV cerca d mnmzzare l errore quadratco medo Ax λ, dalle nformazon rcavate dal termne noto. Poché non s conosce mente, ma s conosce una sua msura, l metodo GCV calcola la funzone G ( λ ) Ax V λ = = trace I # ( m AA ) ( λ ) ( λ ), dove la funzone V ( λ ) è defnta da V ( λ ) = Ax λ ( λ ), e vene utlzzata per stmare la e o la devazone standard dell errore su dat 0 V λ è rportata n un grafco n funzone d λ, su un ampa scala, consste d una parte patta e una parte dove V ( λ ) cresce con λ. Il valore corrspondente alla parte patta della curva è una stma d σ 0. La stma della norma dell errore è nvece data da dove Vp ( λ ) è l valore d ( ) 0 ( ) ξ ( e ) = mσ mvp λ, σ. Se ( ) V λ n corrspondenza della parte patta della curva. La zona d transzone tra la parte patta del grafco e la parte n cu la curva cresce con λ corrsponde ad un ntervallo d λ, nel quale s trova l parametro d regolarzzazone ottmale. La funzone ( λ ), nvece, è defnta da # ( λ ) = ( ) = ( ) = ρ( λ) m p, = 1 trace I AA m n p f m 14

16 con ρ( λ) p = f, se L In = 1, oppure ρ( λ) ( ) = n p p + f, se L In = 1 Essa cresce lentamente al crescere d λ, da m n per λ = 0, a m ( n p) per λ. Inoltre, s vuol far notare che G ( λ ) è una funzone contnua quando l parametro d regolarzzazone è contnuo, come nella regolarzzazzone d khonov. Per metod d regolarzzazone con parametro dscreto, come la SVD o la GSVD, la funzone GCV consste d un nseme dscreto d punt. In generale, l metodo GCV cerca d localzzare l punto d transzone dove V ( λ ) passa da un andamento lentamente varale con λ, ad una rapda crescta. uttava anzché lavorare con la λ, funzone V ( λ ), l metodo GCV usa la funzone G ( λ ). Pù precsamente, la funzone ( ) monotoncamente crescente, è tale che G ( λ ) ha un mnmo n quell ntervallo d valor d λ ndvduato dalla sopracctata zona d transzone d V ( λ ). Pertanto, l metodo GCV sosttusce l prolema della localzzazone del punto d transzone d V ( λ ) con un prolema numerco en defnto, che consste nel trovare l mnmo della funzone G ( λ ). La routne gcv mplementata all nterno del pacchetto d Matla [1], calcola propro questo mnmo.. Il metodo della curva L Un altro metodo per la scelta del parametro d regolarzzazone che non usa nformazon sulla norma dell errore, è l crtero asato sulla defnzone della curva L. Essa è costtuta da una curva parametrca le cu coordnate sono la norma ( o sem-norma ) della soluzone regolarzzata Lx, e la corrspondente norma del resduo Axreg, con λ parametro d regolarzzazone come parametro. La curva L mostra l compromesso per la mnmzzazone d queste due quanttà, che è l oettvo d ogn metodo d regolarzzazone. Questa curva è contnua quando l parametro d regolarzzazone è contnuo, come nella regolarzzazzone alla khonov. Per metod d regolarzzazone con parametro dscreto, come la SVD o la GSVD, la curva L consste d un nseme dscreto d punt. Se la condzone dscreta d Pcard è soddsfatta, la curva L è formata da un ramo vertcale e da un adacente ramo orzzontale. Il ramo orzzontale corrsponde ad una soluzone sovra-regolarzzata, ossa l parametro d regolarzzazone è troppo grande e la soluzone è domnata dagl error d regolarzzazone. Il ramo vertcale, altresì, corrsponde ad una soluzone sotto- regolarzzata dove l parametro d regolarzzazone è troppo pccolo e la soluzone è domnata dagl error d perturazone. È mportante sottolneare che la curva L deve essere rappresentata n scala logartmca per enfatzzare due dvers ram e soprattutto per dstnguere le nformazon, n essa contenute, dall nevtale rumore. L dea detro l crtero della curva L è che l parametro d regolarzzazone è scelto n corrspondenza del punto della curva che ndvdua l angolo tra l ramo vertcale e quello orzzontale. La ragone d questa scelta è che l angolo della curva L corrsponde ad una soluzone nella quale gl error d perturazone e quell d regolarzzazone sono lancat. Infatt, questo angolo separa l ramo orzzontale della curva dove domnano gl error d regolarzzazone, dal ramo vertcale dove domnano gl error d perturazone. Per avere una defnzone operatva d angolo, s defnsce angolo della curva L l punto reg 15

17 ( ς ( λ), η( λ )) = ( log Axreg,log Lxreg ) della curva che ha la massma curvatura. La curvatura è una quanttà puramente geometrca ndpendente dalle trasformazon del parametro d regolarzzazone. Percò l crtero della curva L è, per defnzone, equvalente al calcolo del parametro d regolarzzazone che massmzza la curvatura. uttava, non sempre rsulta facle determnare un metodo numerco affdale che calcol l punto d massma curvatura. In molte stuazon, nfatt, s è lmtat a conoscere solo un numero fnto d punt ( ς, η) della curva. Questo è l caso, per esempo, che s presenta con la SVD o con la sua forma generalzzata, dove la curva L non è dfferenzale e rsulta dffcle valutare l massmo della curvatura. Dal punto d vsta numerco, la curva L dscreta consste, pertanto, d un numero d punt dscret corrspondent a dfferent valor del parametro d regolarzzazone, per l quale s valutano ς ( λ ) e η ( λ ). In molt cas capta che quest punt s dspongano a grappolo (cluster), rendendo mpossle qualsas valutazone sulla curvatura. Per esempo, se c è un grappolo d pccol valor sngolar per pù pccol coeffcent del termne noto, allora la curva L, per la SVD, ha un grappolo d punt per valor corrspondent del parametro k. Questa stuazone non s verfca nella regolarzzazone d khonov, perché tutte le component della soluzone vanno gradualmente a zero, come fattor d fltro camano da zero ad uno. Per rsolvere l prolema numerco, quando l parametro d regolarzzazone è dscreto, s defnsce una curva dfferenzale, assocata a punt dscret, n modo che sa capace d sroglare l grovglo de punt scartando dettagl troppo fn, ma che allo stesso tempo mantenga la forma generale della curva L. ale curva è costruta n pù pass, attraverso delle curve splne cuche che s adattano a punt dscret della curva L. Le curve splne agscono su un nseme d punt alla volta, approssmando localmente, l andamento della curva dscreta, trascurando tropp dettagl de grappol, ma conservando la forma ad L complessva. Su questa dea è costruto l algortmo mplementato nelle routnes l_curve e l_corner del pacchetto Matla [1]. al routnes permettono, dunque, d calcolare l angolo della curva splne, quando l parametro d regolarzzazone è dscreto, e d determnare l punto nella curva L orgnale che è pù vcno all angolo della curva approssmata. S vuole ora concludere questa parte della tesna adottando le stratege d regolarzzazone e metod per la scelta del parametro d regolarzzazone, vst sopra, per la determnazone d una soluzone regolarzzata del prolema test aart. S suppone, come sopra, che gl error sulla matrce A sano trascural rspetto a quell sul vettore, che al termne noto venga aggunto un errore e a meda nulla e covaranza par a σ I, con 0 m σ 0 = *10, e tale che = + e dove e= è l errore e è l termne noto con perturazone. La routne aart fornsce, nseme alla matrce A e al termne noto del prolema, anche la soluzone x la cu norma, per n=16, è x = A questo prolema s applca l metodo d khonov tramte la routne tkhonov assocata prma al crtero della curva L ( routne l_curve) e po a quello della funzone GCV (routne gcv) [1]. Nella fgura sotto vengono rportat l grafco della curva L, nella quale è ndcato anche l valore del parametro d regolarzzazone λ = , n corrspondenza del quale s trova l angolo della curva; e l grafco della funzone GCV, nel quale è ndcato anche l parametro d regolarzzazone λ = , n corrspondenza del quale ho l mnmo della funzone. 16

18 La routne tkhonov, nseme alla routne l_curve, determnano una soluzone regolarzzata cu norma rsultante è reg _ l x la reg _ l x = e l errore relatvo sulla norma rsulta qund x xreg _ l err = = Mentre la stessa routne, assocata alla routne gcv,determna la x soluzone regolarzzata x, la cu norma rsulta par a x reg _ gcv = 1.6 e l errore relatvo reg _ gcv x xreg _ gcv sulla norma rsulta err = = x curva ad L, kh. angolo a e funzone GCV, mnmo a λ = e e sem-norma soluzone L x e e e e-006 G(λ) norma resduo A x λ I rsultat ottenut evdenzano quanto la soluzone regolarzzata sa vcna alla soluzone, e come l metodo d regolarzzazone d khonov funzon ene nella rsoluzone d un prolema dscreto mal-posto come quello consderato. A rsultat altrettanto soddsfacent s pervene applcando l metodo della SVD tramte la routne tsvd assocata, prma al crtero della curva L (routne corner [4]), e po a quello della funzone GCV (routne gcv). Nel fgura seguente sono rportat l grafco della curva L e l grafco della funzone GCV nel caso n cu l parametro d regolarzzazone sa dscreto. S vuole evdenzare per maggor charezza che, se nel metodo d khonov, ad una soluzone sovraregolarzzata corrsponde un parametro d regolarzzazone λ grande, nel metodo della SVD ad una soluzone sovra-regolarzzata corrsponde un parametro d regolarzzazone k pccolo e vceversa. Questa è la ragone per cu l grafco della funzone GCV dscreta appare speculare rspetto a quello della funzone GCV contnua dell esempo precedente. Inoltre, s vuole sottolneare un altro fatto: la curva L dscreta, n questo esempo, è approssmata tramte la routne corner [4] che s asa su un algortmo dfferente rspetto a quello mplementato nelle routne l_curve e l_corner,usate nell esempo precedente. Questa scelta è stata olgata perché, nel pacchetto Matla [1], non sono dsponl le routne delle curve splne cuche sulle 17

19 qual s asa la l_corner. Comunque, anche tramte la routne corner, s gunge a determnare altrettanto ene l parametro d regolarzzazone dscreto per l quale s ha l massmo della curvatura, ossa l angolo della curva L. Il valore così trovato è ndcato nel grafco ed è par a k = ; per questo valore del parametro s è calcolata una soluzone regolarzzata del prolema test x, la cu norma rsulta par a x _ = L errore relatvo sulla norma rspetto alla soluzone k_ l è, nvece, k l xk_ l x x err = = Dal grafco della funzone GCV dscreta s rcava, nvece, che l mnmo della funzone s ha per un parametro d regolarzzazone k =, che la norma della soluzone regolarzzata è x _ = e che l errore relatvo è k gcv x x err = = k_ gcv x Anche se due metod sono asat su algortm dfferent, n questo prolema test, s è gunt comunque a rsultat assolutamente soddsfacent. Questo fatto mostra che, anche tramte la SVD, s può arrvare a de rsultat confrontal con quell ottenut dal metodo d khonov. Lo scopo dell ultma parte della tesna è propro quello d mettere a confronto dvers metod d regolarzzazone, per stalre quale tra quest conduca a rsultat mglor curva ad L, SVD angolo a 10 - funzone GCV, mnmo a k = Lx k G(k) A*x k - -err k 18

20 erza parte: confronto tra metod d regolarzzazone. In quest ultma parte vengono generat, n amente Matla, alcun prolem mal post utlzzando due prolem test fornt dal pacchetto Matla [1], come le routne aart e shaw. Entrame fornscono una matrce de coeffcent A molto mal-condzonata, un termne noto non perturato e la soluzone x ; quest ultma rsulta molto utle per verfcare la accuratezza e la precsone della soluzone regolarzzata x reg calcolata con metod d regolarzzazone. Al termne noto d cascun prolema test è stata aggunta una perturazone casuale e con dstruzone gaussana, a meda µ = 0 e devazone standard σ 0 = 1, moltplcata, noltre, per un opportuno vettore v tale che vσ 0. Il vettore v è stato ntrodotto per studare come e cama la soluzone regolarzzata de due prolem al varare del lvello d rumore su dat. L anals d cascun prolema nza con l calcolo della SVD (o della GSVD) de coeffcent della matrce, dal quale s rcavano corrspondent valor sngolar. A causa dell elevato malcondzonamento delle matrc, s rcorre alla determnazone d una soluzone regolarzzata tramte tre dvers metod d regolarzzazone: khonov con valor contnu del parametro d regolarzzazone, la SVD troncata (SVD) e la sua forma generalzzata (GSVD) con valor dscret del parametro d regolarzzazone. Per cascuno d quest metod l parametro è calcolato tramte l metodo della curva L e l metodo GCV. Nel caso della curva L sono state utlzzate due dverse routne: la routne corner [4], con valor dscret del parametro, quando la soluzone regolarzzata è calcolata tramte l metodo SVD o GSVD, ma che non può accettare valor contnu del parametro. La routne l_curve [1], per valor contnu del parametro, quando la soluzone regolarzzata è calcolata tramte l metodo d khonov; non puo, però, essere usata con valor dscret del parametro a causa della ndsponltà nel pacchetto Matla [1] d alcune routne sulle splne cuche. Per queste ragon n questa tesna sono usate entrame. Il prolema non s pone per l altro metodo la GCV; nfatt, nel pacchetto Matla sono present tutte le routne necessare sa per l calcolo della GCV a valor contnu del parametro, sa per l calcolo della stessa con valor dscret del parametro. A questo punto del lavoro, s passa prma a confrontare due metod grafc con cascun metodo d regolarzzazone, allo scopo d ndvduare quale comnazone tra crter d regolarzzazone e metod d scelta del parametro, porta alla determnazone della mglore soluzone regolarzzata. Infne, tre metod d regolarzzazone sono stat mess a confronto utlzzando l solo metodo grafco della GCV. ale confronto, non avree rsultat sgnfcatv se fatto anche con la curva L, perché s mettereero sullo stesso pano routne dverse per l calcolo della curva L come l_curve e corner. Prolema test aart Il prmo nseme d test è svolto utlzzando ancora una volta la routne aart( n ), come prolema test dscreto e mal-posto da analzzare e rsolvere con le stratege d regolarzzazone. In questo caso, però, s è scelto n = 64 e un termne noto perturato = + e con un errore e a meda nulla e devazone standard vσ 0 con σ 0 = 1 e v un vettore le cu component vanno da 14 valor molt pccol 10 vcn, alla precsone del calcolatore, a valor che, ncrementat ad ogn 19

21 passo d un ordne d grandezza, dventano sempre pù vcn all untà termne noto è perturato da un lvello d rumore compreso tra 10. In altre parole l e * In questo modo s vuole vedere come s comportano dvers metod d regolarzzazone e crter della scelta del parametro, quando vara l lvello delle perturazon su dat. Il prmo metodo d regolarzzazone utlzzato n questo test è l metodo d khonov con parametro λ contnuo errore relatvo con metodo d khonov lc gcv 10-1 errore=norm(x-xreg)/norm(x) devazone standard σ0 Il grafco mostra l errore relatvo della soluzone regolarzzata, al varare della devazone standard, sa quando l metodo d khonov usa la curva L, sa quando usa la funzone GCV. Come era facle prevedere, all aumentare del lvello d rumore s osserva l aumento dell errore relatvo della soluzone regolarzzata; tuttava s vuole evdenzare, ancora una volta, come la regolarzzazone aa lmtato dann del mal-condzonamento della matrce, mantenendo l errore 1 relatvo della norma della soluzone su valor mnor d *10, sa nel caso della curva L, che per la funzone GCV. Da una lettura qualtatva de due grafc, due metod per la scelta del parametro 13 d regolarzzazone semrano equvalers, a parte quando, per σ 0 = 10 o un lvello d rumore e -13 =.555*10, la funzone GCV conduce ad un errore pù grande rspetto a quello commesso con lo stesso metodo, dalla curva L. La ragone appare pù chara dalla fgura seguente. Nel grafco della funzone GCV, s nota che per un errore d perturazone con devazone standard 13 par a σ 0 = 10, è calcolato un valore del parametro d regolarzzazone λ che non concde con quello per l quale s ha l mnmo della funzone. Questo avvene perché, ne prolem dscret malpost, ndvduare l parametro λ che mnmzza la G ( λ ) non è sempre facle; nfatt, sa l errore d perturazone, sa l errore d regolarzzazone sono funzon che varano lentamente rspetto a λ e trovare un unco mnmo n una zona della funzone molto patta può condurre ad error ne calcol, soprattutto quando l parametro ottmale è molto pccolo. In questo caso la GCV sottostma l 0

22 parametro d regolarzzazone causando una sotto-regolarzzazone della soluzone che porta ad error relatv pù grand. Nel grafco della curva L, nvece, a partà d lvello d rumore, l parametro d regolarzzazone calcolato corrsponde ad una uona approssmazone del parametro per l quale s ha l massmo della curvatura funzone GCV,kh. mnmo a λ =.4319e curva ad L, kh. angolo a λ =.8771e e G(λ) sem-norma soluzone L x e e e e e e λ norma del resduo A x - Una anals pù precsa del grafco dell errore può essere fatta, fssando due valor della devazone standard, e n corrspondenza d quest confrontare gl error relatv per cascuno de due metod pres n consderazone. e 8-8 Per esempo, per una σ 0 = 10 e un corrspondente lvello d rumore par a =.555*10 l errore relatvo del metodo d khonov con la curva L è , mentre con la funzone e -4 GCV è Per un lvello d rumore par, nvece, a =.555*10 gl error relatv sono , e rspettvamente con la curva L e la funzone GCV. In entram cas rsultat mglor s ottengono con la curva L. 1

23 Il secondo metodo d regolarzzazone adottato è l metodo della SVD con parametro k dscreto errore relatvo con metodo SVD lc gcv errore=norm(x-xreg)/norm(x) devazone standard σ0 Una prma anals della fgura sopra evdenza che, l errore relatvo sulla norma della soluzone è aumentato rspetto al caso precedente. In questo esempo l metodo SVD ha avuto un effetto meno regolarzzante sulla soluzone, sa con la curva L, sa con la funzone GCV. La ragone è che per prolem con rango numerco non en defnto, non sempre l troncamento porta alla mglore 11 9 soluzone regolarzzata. Inoltre, s può osservare che per 10 σ 0 10 par ad un lvello d e rumore compreso tra.555*10.555*10, l errore relatvo sulla soluzone è 9 quas uguale per entram metod grafc; per σ 0 > 10 l errore relatvo con la GCV, nvece, e 5-5 rsulta mnore. In partcolare per σ 0 = 10 e =.555*10, la curva L scegle un valore del parametro d regolarzzazone che non concde con quello per l quale s ha l massmo della curvatura. Questo fondamentalmente accade quando l punto, corrspondente all angolo della curva, fa parte d un cluster d punt, ved fgure successve. All nterno d un grovglo d punt, l metodo della curva L non sempre resce a trovare l massmo della curvatura, e quando fallsce genera un 11 aumento dell errore relatvo. Mentre per valor d σ 0 < 10, per qual sono rchest parametr d regolarzzazone pccol, la GCV tende a sottostmare l parametro d regolarzzazone e a trovare un mnmo che non concde con l mglore parametro. L effetto rsultante sulla soluzone è una sottoregolarzzazone che porta ad un aumento della norma e qund dell errore relatvo. Anche n questo secondo esempo, come nell esempo precedente d khonov, s estraggono dal grafco gl error relatv n corrspondenza d due lvell d rumore campone uno asso

24 e -8 =.555*10 e l altro pù alto e -4 =.555*10 allo scopo d evdenzare meglo, dal punto d vsta numerco, rsultat ottenut. Per quest lvell d rumore s ottengono seguent error relatv : e per la curva L; e per la funzone GCV. In questo caso, l metodo SVD con la GCV porta a rsultat leggermente mglor funzone GCV,SVD,σ0=1e-5,mnmo a k = 5 curve ad L,SVD,σ0=1e-5,angolo a k= G(k) x k k A*x k - funzone GCV,SVD,σ0=1e-5,mnmo a k = 5 curve ad L,SVD,σ0=1e-5,angolo a k= G(k) x k k A*x k

25 L ultmo metodo d regolarzzazone consderato è la forma generalzzata della SVD, la GSVD errore relatvo con metodo GSVD 10 1 lc gcv errore=norm(x-xreg)/norm(x) devazone standard σ0 e Dalla fgura s può notare che per un lvello d rumore < la GCV e la curva L conducono ad un errore relatvo confrontale. Questo non accade, nvece, quando l lvello d e rumore è > ; nfatt n questo caso la curva L trova un parametro d regolarzzazone corrspondente al massmo d una curvatura che non è l angolo della curva; l effetto rsultante è una norma della soluzone e qund un errore relatvo enorme. L errore nel calcolo del parametro è causato da cluster, coè da que punt della curva che s dspongono a grappolo, come s vede nella fgura sotto, che rendono mpossle una valutazone sulla curvatura. La presenza d quest cluster n alcun cas è dovuta al fatto che, se l lvello d rumore sul termne noto è troppo grande, come n questo caso, s ha un grappolo d pccol valor sngolar per pù pccol coeffcent del termne noto; n questa stuazone la curva L per la SVD ha un grappolo d punt per valor corrspondent del parametro k e da qu la dffcoltà geometrca d trovare l parametro ottmale. In questo terzo esempo, per gl stess lvell d rumore degl esemp precedent s ottengo seguent error relatv: e per la curva L; e Il metodo GSVD con la curva L porta ad un errore relatvo sulla soluzone senslmente pù pccolo. 4

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

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

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

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

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

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

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

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

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

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal

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

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

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

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

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz LEZIONE e 3 La teora della selezone d portafoglo d Markowtz Unverstà degl Stud d Bergamo Premessa Unverstà degl Stud d Bergamo Premessa () È puttosto frequente osservare come gl nvesttor tendano a non

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

Dai circuiti ai grafi

Dai circuiti ai grafi Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat

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

Tutti gli strumenti vanno tarati

Tutti gli strumenti vanno tarati L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello

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

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

Condensatori e resistenze

Condensatori e resistenze Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere

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

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

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

PARENTELA e CONSANGUINEITÀ di Dario Ravarro Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

La taratura degli strumenti di misura

La taratura degli strumenti di misura La taratura degl strument d msura L mportanza dell operazone d taratura nasce dall esgenza d rendere l rsultato d una msura rferble a campon nazonal od nternazonal del msurando n questone affnché pù msure

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

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza

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

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

Dettagli

VA TIR - TA - TAEG Introduzione

VA TIR - TA - TAEG Introduzione VA TIR - TA - TAEG Introduzone La presente trattazone s pone come obettvo d analzzare due prncpal crter d scelta degl nvestment e fnanzament per valutare la convenenza tra due o pù operazon fnanzare. S

Dettagli

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

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

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

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

MODELLISTICA DI SISTEMI DINAMICI

MODELLISTICA DI SISTEMI DINAMICI CONTROLLI AUTOMATICI Ingegnera Gestonale http://www.automazone.ngre.unmore.t/pages/cors/controllautomatcgestonale.htm MODELLISTICA DI SISTEMI DINAMICI Ing. Federca Gross Tel. 059 2056333 e-mal: federca.gross@unmore.t

Dettagli

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica Fotogrammetra Scopo della fotogrammetra è la determnazone delle poszon d punt nello spazo fsco a partre dalla msura delle poszon de punt corrspondent su un mmagne fotografca. Ovvamente, affnché questo

Dettagli

Verifica termoigrometrica delle pareti

Verifica termoigrometrica delle pareti Unverstà Medterranea d Reggo Calabra Facoltà d Archtettura Corso d Tecnca del Controllo Ambentale A.A. 2009-200 Verfca termogrometrca delle paret Prof. Marna Mstretta ANALISI IGROTERMICA DEGLI ELEMENTI

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

Allegato A. Modello per la stima della produzione di una discarica gestita a bioreattore

Allegato A. Modello per la stima della produzione di una discarica gestita a bioreattore Modello per la stma della produzone d una dscarca gestta a boreattore 1 Produzone d Bogas Nella letteratura tecnca sono stat propost dvers modell per stmare la produzone d bogas sulla base della qualtà

Dettagli

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri

Scelta dell Ubicazione. di un Impianto Industriale. Corso di Progettazione Impianti Industriali Prof. Sergio Cavalieri Scelta dell Ubcazone d un Impanto Industrale Corso d Progettazone Impant Industral Prof. Sergo Cavaler I fattor ubcazonal Cost d Caratterstche del Mercato Costruzone Energe Manodopera Trasport Matere Prme

Dettagli

Strutture deformabili torsionalmente: analisi in FaTA-E

Strutture deformabili torsionalmente: analisi in FaTA-E Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo

Dettagli

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

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

Dettagli

Induzione elettromagnetica

Induzione elettromagnetica Induzone elettromagnetca L esperenza d Faraday L'effetto d produzone d corrente elettrca n un crcuto prvo d generatore d tensone fu scoperto dal fsco nglese Mchael Faraday nel 83. Egl studò la relazone

Dettagli

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO 4. SCHMI ALTRNATIVI DI FINANZIAMNTO DLLA SPSA PUBBLICA. Se l Governo decde d aumentare la Spesa Pubblca G (o Trasferment TR), allora deve anche reperre fond necessar per fnanzare questa sua maggore spesa.

Dettagli

Il pendolo di torsione

Il pendolo di torsione Unverstà degl Stud d Catana Facoltà d Scenze MM.FF.NN. Corso d aurea n FISICA esna d ABORAORIO DI FISICA I Il pendolo d torsone (sezone costante) Moreno Bonaventura Anno Accademco 005/06 Introduzone. I

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

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

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

Prova di verifica n.0 Elettronica I (26/2/2015)

Prova di verifica n.0 Elettronica I (26/2/2015) Proa d erfca n.0 lettronca I (26/2/2015) OUT he hfe + L OUT - Fgura 1 Con rfermento alla rete elettrca d Fg.1, determnare: OUT / OUT / la resstenza sta dal generatore ( V ) la resstenza sta dall uscta

Dettagli

PARTE II LA CIRCOLAZIONE IDRICA

PARTE II LA CIRCOLAZIONE IDRICA PARTE II LA CIRCOLAZIONE IDRICA La acque d precptazone atmosferca che gungono al suolo scorrono n superfce o penetrano n profondtà dando orgne alla crcolazone, la quale subsce l nfluenza d molt fattor

Dettagli

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand

31/03/2012. Collusione (Cabral cap.8 PRN capp. 13-14) Il modello standard. Collusione nel modello di Bertrand. Collusione nel modello di Bertrand Collusone (Cabral cap.8 PRN capp. 13-14) Accord tact o esplct per aumentare l potere d mercato e pratcare prezz pù elevat rspetto all equlbro non cooperatvo corrspondente Esste un vantaggo dalla collusone

Dettagli

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

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

Grafico di una serie di dati sperimentali in EXCEL

Grafico di una serie di dati sperimentali in EXCEL Grafco d una sere d dat spermental n EXCEL 1. Inseramo sulla prma rga l ttolo che defnsce l contenuto del foglo. Po nseramo su un altra rga valor spermental della x e su quella successva valor della y.

Dettagli

Calibrazione. Lo strumento idealizzato

Calibrazione. Lo strumento idealizzato Calbrazone Come possamo fdarc d uno strumento? Abbamo bsogno d dentfcare l suo funzonamento n condzon controllate. L dentfcazone deve essere razonalmente organzzata e condvsa n termn procedural: s tratta

Dettagli

Fondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007

Fondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007 Fondament d Vsone Artfcale (Seconda Parte PhD. Ing. Mchele Folgherater Corso d Robotca Prof.ssa Guseppna Gn Anno Acc.. 006/007 Caso Bdmensonale el caso bdmensonale, per ndvduare punt d contorno degl oggett

Dettagli

Circuiti di ingresso differenziali

Circuiti di ingresso differenziali rcut d ngresso dfferenzal - rcut d ngresso dfferenzal - Il rfermento per potenzal Gl stad sngle-ended e dfferenzal I segnal elettrc prodott da trasduttor, oppure preleat da un crcuto o da un apparato elettrco,

Dettagli

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA:

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA: Economa del Settore Pubblco Laura Vc laura.vc@unbo.t www.dse.unbo.t/lvc/edsp_.htm LEZIONE 4 Rmn, 9 aprle 008 Economa del Settore Pubblco 96 I prncpal ndc d dseguaglanza: ndc d entropa generalzzata Isprata

Dettagli

Dati di tipo video. Indicizzazione e ricerca video

Dati di tipo video. Indicizzazione e ricerca video Corso d Laurea n Informatca Applcata Unverstà d Urbno Dat d tpo vdeo I dat vdeo sono generalmente rcch dal punto d vsta nformatvo. Sottottol (testo) Colonna sonora (audo parlato e/o musca) Frame (mmagn

Dettagli

Hansard OnLine. Unit Fund Centre Guida

Hansard OnLine. Unit Fund Centre Guida Hansard OnLne Unt Fund Centre Guda Sommaro Pagna Introduzone al Unt Fund Centre (UFC) 3 Uso de fltr per la selezone de fond 4-5 Lavorare con rsultat del fltro 6 Lavorare con rsultat del fltro - Prezz 7

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

Corso di Automazione Industriale 1. Capitolo 7

Corso di Automazione Industriale 1. Capitolo 7 1 Corso d Automazone Industrale 1 Captolo 7 Teora delle code e delle ret d code Introduzone alla Teora delle Code La Teora delle Code s propone d svluppare modell per lo studo de fenomen d attesa che s

Dettagli

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla

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

Capitolo 33 TRASPORTO IN PRESSIONE

Capitolo 33 TRASPORTO IN PRESSIONE Captolo 33 TRASPORTO IN PRESSIONE 1 INTRODUZIONE I sstem d condotte n pressone destnat all'approvvgonamento drco comprendono: - gl acquedott estern, che adducono l'acqua dalle font d'almentazone alle zone

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

Newsletter "Lean Production" Autore: Dott. Silvio Marzo

Newsletter Lean Production Autore: Dott. Silvio Marzo Il concetto d "Produzone Snella" (Lean Producton) s sta rapdamente mponendo come uno degl strument pù modern ed effcac per garantre alle azende la flessbltà e la compettvtà che l moderno mercato rchede.

Dettagli

Economie di scala, concorrenza imperfetta e commercio internazionale

Economie di scala, concorrenza imperfetta e commercio internazionale Sanna-Randacco Lezone n. 14 Econome d scala, concorrenza mperfetta e commerco nternazonale Non v è vantaggo comparato (e qund non v è commerco nter-ndustrale). S vuole dmostrare che la struttura d mercato

Dettagli

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia

CIRCOLARE N. 9. CIRCOLARI DELL ENTE MODIFICATE/SOSTITUITE: nessuna. Firmato: ing. Carlo Cannafoglia PROT. N 53897 ENTE EMITTENTE: OGGETTO: DESTINATARI: DATA DECORRENZA: CIRCOLARE N. 9 DC Cartografa, Catasto e Pubblctà Immoblare, d ntesa con l Uffco del Consglere Scentfco e la DC Osservatoro del Mercato

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

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

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

6.1. Moody s KMV Credit Portfolio Manager

6.1. Moody s KMV Credit Portfolio Manager 6.. Moody s MV Credt Portfolo Manager 6... La struttura del modello L mpanto d Moody s MV (MMV) è costtuto dal modello d Merton e da un approcco d tpo fattorale per la stma delle correlazon. Attualmente,

Dettagli

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm.

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm. Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo d.amodo@unvpm.t Ing. Ganluca Chappn g.chappn@unvpm.t http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Dettagli

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

Calcolo della caduta di tensione con il metodo vettoriale

Calcolo della caduta di tensione con il metodo vettoriale Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta

Dettagli

Elementi di linear discriminant analysis per la classificazione e il posizionamento nelle ricerche di marketing

Elementi di linear discriminant analysis per la classificazione e il posizionamento nelle ricerche di marketing http://www.mauroennas.eu Element d lnear dscrmnant analyss per la classfcazone e l poszonamento nelle rcerche d maretng Mauro Ennas Lnear Dscrmnant Analyss http://www.mauroennas.eu ADL_fnale_confronto_Ecel.sav

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

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

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

LA CALIBRAZIONE NELL ANALISI STRUMENTALE LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra

Dettagli

Metastability, Nonextensivity and Glassy Dynamics in a Class of Long Range Hamiltonian Models

Metastability, Nonextensivity and Glassy Dynamics in a Class of Long Range Hamiltonian Models Alessandro Pluchno Metastablty, Nonextensvty and Glassy Dynamcs n a Class of Long Range Hamltonan Models Dscussone Tes per l consegumento del ttolo Febbrao 2005 Tutor: Prof.A.Rapsarda E-mal: alessandro.pluchno@ct.nfn.t

Dettagli

MODELLI DI SISTEMI. Principi di modellistica. Considerazioni energetiche. manca

MODELLI DI SISTEMI. Principi di modellistica. Considerazioni energetiche. manca ONTOI UTOMTII Ingegnera della Gestone Industrale e della Integrazone d Impresa http://www.automazone.ngre.unmore.t/pages/cors/ontrollutomatcgestonale.htm MODEI DI SISTEMI Ing. ug Bagott Tel. 05 0939903

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

UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA FACOLTÀ DI SCIENZE MATEMATICHE FISICHE E NATURALI Dpartmento d Informatca Sstemstca e Comuncazone Corso d Laurea n Informatca ALGORITMI DI MORPHING FACCIALE PER

Dettagli

FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE

FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE In presenza d una almentazone alternata snusodale tutte le grandezze elettrche saranno alternate snusodal. Le equazon d funzonamento n regme comunque varale

Dettagli

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements Torna al programma Sstema per la garanza della qualtà ne sstem automatc d msura alle emsson: applcazone del progetto d norma pren 14181:2003. Rsultat dell esperenza n campo presso due mpant plota. Cprano

Dettagli

Per il seminario di cultura formale - Dottorato GIA

Per il seminario di cultura formale - Dottorato GIA Per l semnaro d cultura formale - Dottorato GIA Luca Mar, dcembre 003 Lezone 1: la matematca come strumento per pensare Cnque ncontr, da 1 ora e mezza cascuno. Con questo tempo complessvo a dsposzone,

Dettagli

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli