Adattamento di una relazione funzionale ai dati sperimentali

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Adattamento di una relazione funzionale ai dati sperimentali"

Transcript

1 Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo d ncertezza. Tuttava, è molto mportante nella Scenza determnare la forma della relazone funzonale (equazone fsca) che lega sere d dat spermental d grandezze fsche. el caso d due sole grandezze (x, y), ndcheremo tale relazone come y = f (x, A, B, C, ) dove parametr A, B, C, possono anche essere grandezze fsche. Possamo ctare due esemp: nella espansone d un gas rarefatto a pressone costante, l volume V è legato alla temperatura t dall equazone d Gay-Lussac, V = f (t, ), dove è l coeffcente d espansone termca; nel pendolo semplce l perodo T è legato alla lunghezza l tramte una relazone T = f (l, g) ove g è l accelerazone d gravtà. A volte, come negl esemp ctat, la relazone può essere gà nota, altre volte, se s dspone d dat d un espermento nuovo come accade spesso nella rcerca, deve essere trovata. In ogn caso la forma della relazone, con la stma de valor de parametr che v ntervengono, deve descrvere al meglo dat spermental. La stma de parametr rappresenta una terza va per la determnazone delle grandezze fsche; nella Parte III d questo corso vedremo dvers esemp d questo genere. Il procedmento per adattare una curva o una relazone matematca a dat spermental è chamato regressone o anche, volendo usare l termne nglese, fttng ; s chama nvece ft la curva o la relazone matematca dedotta dalla procedura d regressone. In questo captolo descrvamo due metod mpegat per la formulazone o la verfca d una relazone funzonale: l metodo grafco e l metodo analtco. 1.1 Metodo grafco Il metodo grafco può essere adottato se non s vuole rcorrere all uso d un calcolatore e l acquszone de dat spermental vene eseguta manualmente; cò avvene n molt esperment elementar del I anno d un corso d laurea d Scenze. Il metodo n ogn caso è raccomandable allo studente che s accnge per la prma volta a verfcare o formulare legg fsche, poché lo mette a dretto contatto con la procedura della msura e lo abtua a prendere dmestchezza nella costruzone d grafc. Generalmente l grafco da traccare è una retta; nel caso che la relazone tra le grandezze x, y fosse una qualsas funzone, questa può essere lnearzzata con una opportuna scelta d scale funzonal sugl ass cartesan. aturalmente per una forma lneare, y = A + Bx, parametr da stmare sono solo due: l coeffcente angolare e l termne noto. el caso della retta, anche la valutazone delle ncertezze de parametr può essere fatta grafcamente senza che sa rchesta una conoscenza approfondta della teora statstca degl error. Per llustrare l metodo faccamo n parte rfermento all ESPERIMETAZIOE n. 5 Forza elastca. Determnazone della costante elastca della molla descrtta nel paragrafo 13.7.

2 154 ELABORAZIOE STATISTICA DEI DATI SPERIMETALI Esempo 1.1 Una molla vene sollectata medante forze-peso note che fanno varare la sua lunghezza dal valore nzale l 0 al valore l. L allungamento della molla, l l 0, a partà d peso applcato, dpende da una sua caratterstca detta costante elastca k. Per deformazon nel domno elastco, l allungamento è legato alla forza peso tramte la legge lneare d Hooke: k(l l 0 )=Mg. dove M è una massa nota e g l accelerazone d gravtà. Dalla sere d dat spermental (l, M ) legat dalla equazone d Hooke, nota l accelerazone d gravtà, possamo determnare la costante elastca della molla. ell espermento le masse mpegate M sono conoscute con grande accuratezza, M = g; le lunghezze l della molla, nvece, sono msurate, rozzamente, tramte un rghello assumendo come ncertezza l doppo dell errore d sensbltà dello strumento l = 0. cm. Tabella 1.1 Lunghezze della molla sollectata medante masse note M l (g) (cm) ± ± ± ± ± ± ± ± ± ± ± ± ± 0. Traccamo un grafco (Fg. 1.1) su un foglo d carta mllmetrata formato A4 rportando n ascsse la grandezza avente l errore pù pccolo, la massa M, ed n ordnate la lunghezza l. Va detto che qualsas nseme d dat spermental può sempre essere rappresentato su un foglo formato A4 con un opportuna scelta delle scale e delle orgn d cascun asse; l caso che stamo trattando ne è un esempo. Osservamo che nella Fg. 1.1 punt spermental, rappresentat da segment d semampezza l (le masse hanno un errore trascurable), s dspongono ottmamente lungo una retta confermando la legge d Hooke. Con la scelta fatta per gl ass, la legge d Hooke può essere scrtta nella forma y = A + B x, coè dove l = l 0 g + M k y = l, A = l 0, B = g/k, x = M. Il coeffcente angolare B = g/k può essere determnato grafcamente dalla pendenza della retta, qund, nota g da altro espermento, s calcola la costante k della molla. Invero s può osservare che molte dverse rette possono essere traccate attraverso punt spermental, però esstono una sola retta d massma pendenza e una sola d mnma pendenza. Rcordamo che la pendenza B d una retta può essere rcavata sceglendo su d essa due

3 ADATTAMETO DI UA RELAZIOE FUZIOALE AI DATI SPERIMETALI 155 Costante elastca della molla Metodo statco k s l (cm) M (g) Fg. 1.1 Lunghezza della molla sollectata con masse dverse.

4 156 ELABORAZIOE STATISTICA DEI DATI SPERIMETALI punt a pacere P 1 (x 1, y 1 ) e P (x, y ) da cu B = ( y y 1 )/(x x 1 ). Allora, ottenute dal grafco le pendenze massma e mnma, dalla loro semsomma e semdfferenza deducamo rspettvamente la stma (valore medo) del coeffcente angolare e la sua ncertezza. L errore ottenuto con questo metodo è un errore massmo. Sulle rette d massma e mnma pendenza abbamo scelto a pacere (ma opportunamente per semplfcare l calcolo) le seguent coppe d punt che danno luogo a rspettv valor del coeffcente angolare P 1 (0, 35.6) P (60, 56.4) B max =(y y 1 )/(x x 1 ) = cm/g P 1 (0, 36.0) P (60, 56.0) B mn =(y y 1 )/(x x 1 ) = cm/g, dalla semsomma e semdfferenza tra B max e B mn, ottenamo B con l suo errore massmo B = g/k = (0.340 ± 0.007) cm g 1. Calcolamo ora la costante k dal coeffcente angolare, e valutamo l suo errore medante la propagazone dell errore attraverso la k = g/b. Assumamo per l accelerazone d gravtà l valore, con l suo errore standard g, ottenuto nell ESPERIMETAZIOE n. 3, Parte III: g = (979 ± 7) cm s. Qund g 1 g k =, k = 3 g + B = = = 11 dne cm 1. B B B k = (879 ± 11) = (.9 ± 0.1) 10 3 dne/cm. S not che nel calcolo d k, che è un errore massmo, abbamo usato per l errore dell accelerazone d gravtà 3 g. In conclusone, abbamo stablto che esste una relazone lneare tra le lunghezze della molla e pes con qual vene sollectata; dal coeffcente angolare della retta abbamo determnato, con la sua ncertezza, la costante elastca della molla k. La legge d Hooke per la molla può essere così espressa l = (35.8 ± 0.) + (0.340 ± 0.007) M, dove l è espressa n cm e M n g. Voglamo far notare la dfferenza d procedura usata ora per la determnazone d una grandezza (la costante k) e quella llustrata ne precedent captol per ottenere una msura ndretta. Precedentemente la msura della grandezza dervata era ottenuta a partre da una relazone contenente coeffcent not e grandezze d cascuna delle qual s stmava, con msure rpetute, l valore vero. Ora nvece nella relazone funzonale ntervengono msure d grandezze dverse anche se omogenee (le dverse masse M, le dverse lunghezze l ), però tutte le grandezze concorrono alla determnazone de parametr ncognt. S osserv ancora che nel procedmemto rportato non è necessaro msurare la lunghezza nzale della molla, questa può essere determnata tramte l termne noto A = l 0, ntersezone della retta con l asse delle ordnate. 1. Metodo de mnm quadrat La stma de parametr d una relazone funzonale, nota o potzzata, s può anche ottenere per va analtca con l metodo de mnm quadrat che consegue naturalmente dal Prncpo della Massma Verosmglanza nel caso d dstrbuzone normale. Trattamo l caso n cu le varabl sano solo due x, y legate da una relazone funzonale ove ntervengano parametr A, B, C, da stmare y = f (x, A, B, C, ). (1.1)

5 ADATTAMETO DI UA RELAZIOE FUZIOALE AI DATI SPERIMETALI 157 Se valor delle grandezze non avessero errore, sarebbe suffcente dsporre d tante coppe d valor (x, y ) n modo da avere un sstema con un numero d equazon par al numero de parametr da determnare A, B, C. ella realtà fsca però, a causa degl error, ad un valore d x corrspondono dvers valor y, y, y e vceversa; e dunque le equazon d un tale sstema sarebbero ncompatbl. Dobbamo allora segure altra va per la stma de parametr ncognt, cò può essere fatto per mezzo del metodo de mnm quadrat. Per mpostare l metodo faccamo alcune assunzon: tutte le msure sano fra loro statstcamente ndpendent; una varable, n genere quella ndcata come x, abba error trascurabl (questa crcostanza s presenta molto spesso); valor delle msure d ogn grandezza y sano dstrbut normalmente attorno al valore vero. Osservamo che se conoscessmo esattamente parametr A, B, C,, e le x non avessero errore, l valore vero della grandezza y j, corrspondente ad un dato valore x j, sarebbe rappresentato dalla y = f (x j, A, B, C, ); ntorno ad esso sarebbero dstrbute normalmente le msure della grandezza y j se fosserro rpetute. Qund la funzone d verosmglanza (ntrodotta nel Cap. 9), che è proporzonale alla probabltà d osservare la n-pla y 1, y, y, assume la seguente forma 1 1 L(x 1, x,, x ; y 1, y,, y ; A, B, C, ) = e y, (1.) = 1 ove le sono le devazon standard d cascuna grandezza y. Il Prncpo della Massma Verosmglanza postula che a valor osservat delle varabl x, y debba essere attrbuta la massma probabltà. Le mglor stme de parametr A, B, C, sono dunque que valor che rendono massma la funzone L(x 1, x,, x ; y 1, y, y ; A, B, C, ) o anche l suo logartmo naturale ln L = ln [ y f (x, A, B, C, )] ln. (1.3) = 1 = 1 [ y f (x, A, B, C, )] y Le condzon d massmo da mporre sono tante quant parametr da stmare ln L [ y f (x, A, B, C, )] = =0 A A = 1 y (1.4) ln L [ y f (x, A, B, C, )] = =0, B B = 1 y. Osservamo che, poché nella (1.3) prm due termn del secondo membro sono quanttà costant note, la condzone d massmo per la funzone L equvale a rendere mnma un espressone contenente la somma d scart al quadrato [ y f (x, A, B, C, )] mn { }. (1.5) = 1 y

6 158 ELABORAZIOE STATISTICA DEI DATI SPERIMETALI Per tale motvo la procedura descrtta è anche chamata metodo de mnm quadrat. La quanttà da rendere mnma (senza l al denomnatore) rappresenta la varable ch quadrato gà ntrodotta nel Cap. 10. [ y f (x, A, B, C, )] =. (1.6) = 1 Infne voglamo aggungere che, se valor delle msure delle grandezze y non avessero una dstrbuzone normale (cascuna attorno al suo valore vero), sarebbe ragonevole assumere ancora come estensone del caso normale la stessa condzone d mnmo espressa dalla (1.5). y 1.3 Retta de mnm quadrat Consderamo ora l caso che la relazone funzonale tra le grandezze x, y sa la retta y = A + B x. Ancora assumamo che la varable x abba error trascurabl e faccamo l ulterore assunzone che tutte le dstrbuzon delle grandezze y sano normal e abbano la stessa devazone standard =. Quest ultma condzone non è molto restrttva e s presenta nella gran parte delle stuazon spermental, l caso d devazon standard dverse è trattato nel paragrafo 1.7. Ora la condzone d mnmo (1.5) s rduce semplcemente a mn { [ y ( A + Bx )] }, (1.7) e l espressone da mnmzzare assume un charo sgnfcato geometrco: la retta, cu parametr sono da determnare, è quella che rende mnma la somma de quadrat delle dstanze, lungo la vertcale, tra punt spermental e la retta stessa (Fg. 1.). Questa retta è chamata retta de mnm quadrat o anche retta d regressone della varable y sulla varable x. Dalle condzon d mnmo per la (1.7), mposte rspetto ad A e B, rcavamo [ y (A + Bx )] = ( y A B x ) =0 A = 1 = 1 = 1 [ y (A + Bx )] = ( x y A x B x ) B = 1 = 1 = 1 = 1 Da queste ottenamo l sstema d equazon normal nelle due ncognte A, B =0. A + B x = y (1.8) A x + B x = x y. (1.9) Il sstema ammette sempre un unca soluzone che corrsponde al mnmo per la (1.7) come s potrebbe verfcare eseguendo le dervate seconde. La soluzone del sstema, che rcavamo medante la regola d Cramer, è y x x y x x y x x y A = = (1.10)

7 ADATTAMETO DI UA RELAZIOE FUZIOALE AI DATI SPERIMETALI 159 Fg. 1. Adattamento della retta de mnm quadrat a dat spermental. y x x y x y x y B = = (1.11) ove abbamo posto = x ( x ) = 1 = 1. (1.1) Osservazon ) elle espresson de parametr A e B non compare l ncertezza delle grandezze y. Cò sgnfca che la retta de mnm quadrat può essere determnata ndpendentemente da tale errore; naturalmente msure poco accurate (che potrebbero anche essere esegute una sola volta) s manfesterebbero con una grande dspersone de punt (x, y ) ntorno alla retta de mnm quadrat. ) Se dvdamo per la prma equazone normale ottenamo 1 1 A + B x = y, cò ndca che la retta de mnm quadrat passa per l punto le cu coordnate sono barcentr delle msure d x, e y. x =1/ x y =1/ y.

8 160 ELABORAZIOE STATISTICA DEI DATI SPERIMETALI S bad che queste espresson non sono mede camponare. Infatt le x e le y sono grandezze tutte dverse: ad esempo, nella determnazone della costante elastca della molla, s msurano tante dverse lunghezze n corrspondenza de dvers pes applcat. La meda camponara nvece s ntende eseguta su msure rpetute della stessa grandezza x j x j x j. ) Infne voglamo suggerre una regola mnemonca per ottenere rapdamente le equazon normal della retta: l equazone (1.8) s ottene moltplcando ambo membr d y = A + B x per x 0 e qund sommando su tutt gl termn x 0 y = x 0 A + B x 0 x, l equazone (1.9) s ottene moltplcando per x 1 ambo membr d y = A + Bx e qund sommando su tutt gl termn x 1 y = A x 1 + B x. Questa regola è generale e permette d ottenere le equazon normal d una qualsas curva polnomale de mnm quadrat moltplcando ambedue membr dell espressone polnomale per x r (con r = 0, 1,, 3, n) e po sommando su tutt gl termn. 1.4 Error de parametr della retta de mnm quadrat Per l calcolo degl error de parametr della retta de mnm quadrat usamo la formula d propagazone dell errore standard d varabl ndpendent (8.10). ell esegure l calcolo rcordamo che, avendo supposto x senza errore, solo l ncertezza (assunta eguale per tutte le y ) s propaga su A e B. Inoltre le sommatore x e x sono quanttà note, costant, senza errore. Varanza d A Dalla (1.10) prma calcolamo la dervata parzale d A rspetto ad una delle grandezze ndpendent y j qund A x y x x y x ( x ) x j = =, y j y j A A = ( ) y j = 1 j = A = [( j = 1 A = [ ( x ) x ) x j( x )( x ) + x j ( x ) ] = j x j ( x )( x ) + ( x j j )( x ) ] =

9 ADATTAMETO DI UA RELAZIOE FUZIOALE AI DATI SPERIMETALI 161 A = [ ( x ) ( x ) ( x )] A = ( x )[ x ( x ) = x ] =. Varanza d B x y x y x j x B = =, y j y j B B = ( ) y j = 1 j = y B = [ x j x j x + ( x ) j = 1 B = [ j x j ( j x j)( B = [ x j j ( x ) ] = x ) + ( x ) ] = = ] In conclusone le espresson degl error quadratc med de parametr della retta de mnm quadrat sono x A =, B =. (1.13) Quest error hanno lo stesso sgnfcato statstco dell errore standard delle grandezze dstrbute normalmente. Infatt parametr A e B essendo funzon lnear d x, y sono varabl che seguono anch esse la legge d dstrbuzone d Gauss. Le espresson d A e B possono essere poste n una forma opportuna per fare alcune utl consderazon. Prma osservamo che x (x x) = ( x x )=, = 1 = 1 = x ( ) s bad che l ultma quanttà non rappresenta la varanza delle ncertezze della grandezza x (che non ha errore), ma ndca solo d quanto sano dvers valor delle grandezze x rspetto al barcentro delle msure..

10 16 ELABORAZIOE STATISTICA DEI DATI SPERIMETALI Sosttuendo nelle (1.13) ottenamo x x A = = ; ( x x ) ( x x ) 1 B = =. ( x x ) ( x x ) (1.14) Queste espresson ndcano che le ncertezze su parametr della retta dmnuscono non solo con l numero d msure dsponbl, ma anche con l aumentare della quanttà ( x x ) denomnata bracco della leva della estensone delle msure; coè le stesse msure sparse su un ntervallo pù ampo determnano parametr con una maggore precsone. 1.5 Errore standard della stma Abbamo vsto che parametr della retta de mnm quadrat possono essere ottenut dalle (1.10), (1.11) senza conoscere l errore, che abbamo assunto sa lo stesso per tutte le grandezze y. Questo errore a volte non può essere valutato correttamente per ragon nerent alla procedura d msura. In ogn modo msure meno accurate s manfestano sul pano x, y con una maggore dspersone de punt attorno alla retta de mnm quadrat. Questa osservazone suggersce che potremmo utlzzare la dspersone de punt attorno alla retta per stmare. Sappamo che l errore standard d una msura dretta s valuta dal valore medo del quadrato degl scart rspetto alla meda camponara. Analogamente l errore sulle msure y può essere valutato dallo scarto quadratco medo de valor y rspetto alla retta de mnm quadrat y = A + Bx, la quale ora goca lo stesso ruolo della meda camponara, pertanto [ y (A + Bx )] = 1. =. (1.15) La (1.15) consente la stma dell errore standard nel caso che una sola msura fosse dsponble per cascuna delle dverse y. ella (1.15) tutte le dverse grandezze y concorrono alla stma dell errore e termn della sommatora rappresentano quadrat delle dstanze, lungo la vertcale, tra punt d coordnate (x, y ) e la retta stmata. Queste dstanze sono anche ndcate con l nome d resdu. ella (1.15) la sommatora è stata dvsa per poché ora nell nterpolazone lneare due grad d lbertà sono andat pers. Infatt gl scart sono calcolat rspetto alla stma della retta che rchede la determnazone, da dat spermental, de parametr A e B. Qualcosa d smle avevamo vsto nella stma dell errore standard d msure x. In quel caso grad d lbertà s rducevano a 1 avendo dovuto calcolare la meda camponara dal campone d msure. Che nella stma d debba ntervenre l dvsore, possamo gustfcarlo ntutvamente facendo la seguente consderazone: con due sol punt, la retta passerebbe esattamente per ess, la sommatora degl scart sarebbe nulla e l errore assumerebbe la forma ndetermnata 0/0 ndcando

11 ADATTAMETO DI UA RELAZIOE FUZIOALE AI DATI SPERIMETALI 163 che nulla possamo dre sulla bontà delle msure. Al contraro con l dvsore, l errore sarebbe nullo, = 0/ = 0, l che è charamente falso. Alla devazone standard può essere dato lo stesso sgnfcato statstco della devazone standard d una msura dretta. Se nella Fg. 1. traccassmo due rette parallele alla retta de mnm quadrat poste a dstanze + e, lungo la vertcale, n esse sarebbero contenut l 68% de punt spermental. Questo valore percentuale ha lo stesso sgnfcato statstco che abbamo dscusso nel Cap. 7. Una conferma che l espressone (1.15) rappresent una buona stma della devazone standard delle grandezze y può essere ottenuta tramte l Prncpo della Massma Verosmglanza. Infatt per la n-pla d msure y 1, y, y 3, y, la funzone d verosmglanza L è ancora la (1.). Se applchamo la condzone d massmo alla funzone ln L rspetto a ottenamo ln L ( y A Bx ) = [ ln ln ] = ( y A Bx ) = + =0 3 dalla quale segue mmedatamente la (1.15), a meno del dvsore. Damo ora una espressone utle per l calcolo d. Svluppamo la (1.15) nel seguente modo [ y (A + Bx )] [ y A Bx ][y A Bx ] = 1 = 1 = = = [ y ( y A Bx ) A ( y A Bx ) Bx ( y A Bx )] = 1 =, (1.16) rcordando le equazon normal della retta (1.8) e (1.9), le ultme due espresson n parentes quadra danno un contrbuto nullo e qund ottenamo y A y B x y =. (1.17) Esempo 1. Determnamo la costante elastca della molla dell Esempo 1.1, applcando l metodo de mnm quadrat. Il metodo analtco rchede l uso d una calcolatrce programmable o un calcolatore. Allo studente prncpante s consgla d nzare con una calcolatrce seguendo passo passo le vare fas del calcolo. Per prma cosa nseramo nella calcolatrce (secondo le struzon) le = 13 coppe d dat della Tabella 1.1; le masse M rappresentano valor della varable x, le lunghezze l la varable y. Dalla calcolatrce possamo avere drettamente valor delle seguent sommatore x = 390 g, x = 1650 g, y = cm, y = cm, x y = g cm

12 164 ELABORAZIOE STATISTICA DEI DATI SPERIMETALI e qund = x ( x ) = g = 1 = 1 y A y B x y = = cm x y x x y A = = cm x A = = cm x y x y B = = cm g 1 B = = cm g 1. E nfne valor de parametr con le rspettve ncertezze (rcordando che gl error standard s assumono con due cfre sgnfcatve) vanno espress come segue A = ( ± 0.031) cm, B = ( ± ) cm g 1. Fg. 1.3 Lunghezze della molla n funzone delle masse che la sollectano (Tabella 1.1). I dat spermental possono essere descrtt tramte la retta de mnm quadrat l = ( ± 0.031) + ( ± ) M.

13 ADATTAMETO DI UA RELAZIOE FUZIOALE AI DATI SPERIMETALI 165 Prma d calcolare la costante elastca valutamo l suo errore standard k medante la formula d propagazone (8.11) applcata alla relazone k = g/b. Il valore dell accelerazone d gravtà, con l suo errore standard g, è stato ottenuto nell ESPERIMETAZIOE n. 3: g = (979 ± 7) cm s. Qund 1 g k = ( g + ) ( B = dne cm ) 1. B B La costante elastca della molla e la sua lunghezza nzale sono dunque k = g/b = (893 ± ) dne cm 1, l 0 = A = ( ± 0.031) cm. La Fg. 1.3 mostra dat spermental d Tabella 1.1 nseme alla retta de mnm quadrat che abbamo determnato: l = ( ± 0.031) + ( ± ) M. Se comparamo rsultat del metodo grafco (paragrafo 1.1) con quest del metodo analtco, constatamo che ess sono n accordo entro gl error. Il metodo de mnm quadrat fornsce però un rsultato con un ncertezza mnore. È nteressante osservare che la lunghezza nzale della molla non è un dato necessaro, essa può essere dedotta dal calcolo. Il valore calcolato l 0 è n eccellente accordo con quello msurato, anz l metodo de mnm quadrat c permette d conoscere questa lunghezza con un accuratezza superore a quella della msura dretta. 1.6 Retta de mnm quadrat passante per l orgne Consderamo ora l caso n cu la relazone funzonale che collega le due grandezze x, y sa la retta senza termne noto, y = Ax. Valgono ancora le stesse assunzon del paragrafo 1.: ) tutte le msure sano fra loro statstcamente ndpendent; ) la msura della grandezza x abba error trascurabl; ) valor delle msure delle grandezze y, sano dstrbut normalmente attorno al valore vero con la stessa devazone standard. La condzone d massmo applcata alla funzone d verosmglanza per le msure y è [ ( y Ax ) ] = ( x y A x A ) =0 dalla quale segue che x y A =. (1.18) x Per l calcolo della varanza del parametro A applchamo la formula d propagazone degl error (8.10) A x j =, y j x x j x j j = A ( ) = =. (1.19) x = 1 x ( x )

14 166 ELABORAZIOE STATISTICA DEI DATI SPERIMETALI L errore standard della stma è dato dalla seguente espressone [ y Ax ] = 1 =, 1 per la quale valgono le stesse consderazon fatte nel paragrafo 1.5. Ora la somma degl scart al quadrato è stata dvsa per 1 poché da dat deve essere stmato l solo parametro A. Un espressone utle per l calcolo d, dervata tramte l equazone normale, è y A x y =. (1.0) 1 *1.7 Retta de mnm quadrat pesat Consderamo l caso n cu le devazon standard delle msure delle grandezze y (d seguto ndcate con ) sano dverse ma valgano ancora le altre assunzon fatte nel paragrafo 1.. Le condzon d massmo per la funzone d verosmglanza ora dvengono ln L [ y (A + Bx )] = = 0 A A = 1 ln L [ y (A + Bx )]. = =0. B B = 1 Dalle condzon d massmo ottenamo l seguente sstema d equazon normal, ove abbamo posto p = 1/, p y A p B p x =0 p x y A p x B p x =0. La soluzone d questo sstema, ottenble faclmente con la regola d Cramer, è p x p y p x p x y A = p p x y p x p y B = = p p x ( p x ). (1.1)

15 Per l calcolo delle varanze osservamo che solo le y sono affette da error, che le seguent sommatore p, p x, p x, sono quanttà costant e che ADATTAMETO DI UA RELAZIOE FUZIOALE AI DATI SPERIMETALI 167 p j p x p j x j p x B p j x j p p j p x A =, =. y j y j Ottenamo allora 1 (1.) A = j [ 1 B = j [ p j p x p j x j p x ] j p x j j p p j p x ] j. Occorre osservare che l applcazone delle (1.1) e (1.) rchede la conoscenza delle varanze d cascuna grandezza y ; cò non è sempre possble. Se le rsultassero dello stesso ordne d grandezza (come nel caso de nostr esperment), s potrebbe assumere un unco valore, lmte superore de valor, e tornare ad usare le pù semplc espresson date ne paragraf 1.3 e 1.4. Solo nel caso che le ncertezze fossero dverse per ordn d grandezza, s renderebbe necessaro l uso delle espresson (1.1) e (1.). 1.8 Parabola de mnm quadrat. Adattamento d una curva qualsas a dat spermental Sno ad ora abbamo trattato l caso d descrzone d dat con una forma lneare. el caso d relazon funzonal espresse da curve polnomal (parabola, cubca, quartca ), fatte le stesse assunzon del paragrafo 1.3, s procede n manera analoga ntroducendo nella funzone d verosmglanza (1.) l espressone polnomale n questone. Trattamo come eserczo l caso della parabola y = A + Bx+ Cx consderando la regressone d y su x. Possamo rcavare rapdamente le sue equazon normal applcando la regola, descrtta a fne paragrafo 1.3, per l ottenmento della curva de mnm quadrat d una forma polnomale x n y = A x n + B x n C x n + n =0,1, y = A + B x + C x 3 x y = A x + B x + C x x y = A x + B x 3 + C x 4. Lascamo al lettore l compto d scrvere la soluzone del sstema usando la regola d Cramer. Esemp d applcazone della parabola de mnm quadrat sono presentat n alcune espermentazon nella Parte III.

16 168 ELABORAZIOE STATISTICA DEI DATI SPERIMETALI e cas n cu la relazone funzonale non fosse un polnomo è sempre possble lnearzzarla con un opportuna scelta d una varable funzonale. Faccamo qualche esempo: 1 y = y 1 = a + bx Y = y 1, A = a, B = b a + bx y = ax b ln y = ln a + b ln x Y = ln y, A = ln a, B = b, X = ln x y = ab x ln y = ln a + x ln b Y = ln y, A = ln a, B = ln b, X = x. A volte può essere comodo lnearzzare anche la parabola y y y = ax + bx = a + bx Y =, A = a, B = b, X = x x x y = a + bx y = a + bx Y = y, A = a, B = b, X = x. Dobbamo osservare che quando s esegue una lnearzzazone, assumendo un opportuna varable funzonale, anche se valor y hanno tutt lo stesso errore così non è per valor della nuova varable. Ad esempo se Y = ln y, l errore su Y vara secondo la Y = /y. In tale stuazone per essere rgoros occorrerebbe adoperare l metodo de mnm quadrat pesat esposto n Rcerca della forma d una dpendenza funzonale. Uso del test Sno ad ora abbamo consderato la descrzone d dat spermental d due grandezze tramte una relazone funzonale nota a pror. ell ndagne spermentale capta spesso che s dsponga d una sere d msure attnent un fenomeno fsco e occorra trovare la legge che l descrva per rcondurl nell ambto d un modello puttosto che d un altro. Può accadere però che, a causa della scarsezza de dat o delle ncertezze elevate, allo stesso tempo dverse relazon funzonal possano essere proposte per gl stess dat spermental. S presenta qund l problema d decdere quale curva descrva pù soddsfacentemente le msure; sarà tale decsone che determnerà conseguentemente l successo d un modello rspetto ad un altro. Un crtero per operare questa scelta, basato su valutazon statstche, è l test del che gà abbamo adoperato per valutare se una dstrbuzone osservata poteva essere descrtta con una dstrbuzone teorca potzzata. La quanttà che ora dobbamo consderare è la varable ( y y st ) = (1.3) = 1 ove y st = f (x ; A, B, C, ) rappresenta la stma, tramte la relazone funzonale potzzata, de valor aspettat delle dverse varabl y, avent devazon standard. La (1.3) rappresenta la varable nella sua forma pù generale come è stata defnta nel paragrafo Possamo qund calcolare la probabltà, P( 0 ), d ottenere un valore d maggore o eguale a quello osservato 0 e stablre, ad un certo lvello d sgnfcatvtà, se la relazone funzonale proposta possa essere accettata. In genere s procede n questo modo. Acqust dat spermental l s rappresenta grafcamente medante un sstema d ass cartesan. Il grafco o anche l modello rtenuto pù attendble sugger-

17 ADATTAMETO DI UA RELAZIOE FUZIOALE AI DATI SPERIMETALI 169 scono le possbl relazon funzonal che possono rappresentare l fenomeno fsco. S suppone ancora che ogn x abba error trascurabl e ogn y appartenga ad una dstrbuzone normale (come nella stragrande maggoranza delle grandezze fsche) con varanza nota. Le relazon funzonal tra le qual s debba fare la scelta sano: y = f (x; A, B, C, ), y = (x; A, B, C, ). Con l metodo de mnm quadrat s determnano parametr A, B, C, e A, B, C,. Qund per cascuna funzone s calcolano rspettv valor del, consderando grad lbertà dat dal numero d varabl ndpendent dmnuto del numero c d parametr calcolat, [ y f (x ; A, B, C, )] = f con grad d lbertà f = c f, = 1 [ y (x ; A, B, C, )] = con grad d lbertà = c. = 1 Dal valore del, noto l grado d lbertà, s decde sulla base del lvello sgnfcatvo prescelto, 5 o 1%, quale delle due funzon debba essere scelta. Se ambedue soddsfano l lvello d sgnfcatvtà, la scelta cadrà sulla funzone l cu osservato presenta la maggore probabltà d essere superato 0 dal valore del teorco P( 0 )= f ( ) d per un dato. 0 Esempo 1.3 ella Tabella 1. sono rportate le msure (n untà arbtrare, ua) delle grandezze x, y, con le loro devazon standard. S stablsca, medante l test, quale delle due seguent relazon funzonal descrva meglo dat spermental. y = a + bx, y = ax b. Tabella 1. x ± x (ua) y ± (ua) ± ± ± ± ± ± ± ± ± ± ± ±.0 Abbamo rappresentato dat spermental nel pano x, y per la relazone funzonale lneare (Fg. 1.4) e nel pano ln x, ln y per la relazone d potenza (Fg. 1.5). La semplce osservazone ad occho de due grafc c potrebbe mettere n mbarazzo crca la scelta della relazone funzonale rtenuta pù valda.

18 170 ELABORAZIOE STATISTICA DEI DATI SPERIMETALI Fg. 1.4 Rappresentazone de dat della Tabella 1. nseme alla retta de mnm quadrat y = x. Fg. 1.5 Rappresentazone de dat della Tabella 1.3 medante le varabl funzonal ln x, ln y. La retta rappresenta la relazone d potenza y = 5.65 x.9.

19 Relazone lneare D cascuna msura y conoscamo la devazone standard, dovremmo qund applcare l formalsmo della retta de mnm quadrat pesat descrtto n 1.7. Però consderato che gl error sono dello stesso ordne d grandezza, decdamo d semplfcare l calcolo assumendo un unco valore della devazone standard par al suo valore massmo =.1 ua. L applcazone del metodo de mnm quadrat alla relazone lneare dà luogo a seguent valor de parametr con le rspettve ncertezze =.1, = x ( x ) = a = A = a = ( x ) / = a = 3.4, b = B = b = / =.37 b = 1.5, per cu la retta nterpolatrce è ADATTAMETO DI UA RELAZIOE FUZIOALE AI DATI SPERIMETALI 171 y = (36.9 ± 3.4) + (33.8 ± 1.5) x. Calcolamo l valore del ch quadrato rdotto, ~ = /, ntrodotto nel paragrafo 11., 6 ~ 1 [ y 0 ( x )] = = 0 = 4 = 1 y = ( ) = Per l calcolo del ch quadrato osservato ~ abbamo usato tutt dvers valor della devazone 0 standard della varable y. Se avessmo assunto per la devazone standard un unco valore, =.1, come fatto per la semplfcazone del calcolo della retta de mnm quadrat, avremmo ottenuto un valore ~ pù ottmstco, ma nvero meno corretto. Avendo determnato due parametr, grad d 0 lbertà sono = 6 = 4. Dalla Tabella AV possamo dre che l ch quadrato rdotto teorco ~ può superare quello osservato ~ con la probabltà P( ~ > 1.8) 13%. 0 Relazone d potenza el caso della relazone d potenza y = ax b eseguamo la lnearzzazone ponendo Y = ln y, A = ln a, B = b, X = ln x valor delle varabl funzonal sono rportat nella Tabella 1.3. Tabella 1.3 X = ln x ± X Y = ln y ± Y ± ± ± ± ± ± ± ± ± ± ± ± 0.030

20 17 ELABORAZIOE STATISTICA DEI DATI SPERIMETALI Osservamo ora che le nuove varabl X, Y hanno ncertezze che dervano dalle loro rspettve espresson d propagazone X = (d ln x / dx) x = x / x, Y = (d ln y / dy) = /y. Anche n questo caso, poché le ncertezze non sono molto dverse tra loro, assumamo per la devazone standard della varable funzonale Y un unco valore par al suo valore massmo: Y = lny = Applchamo l metodo de mnm quadrat facendo la regressone d Y su X, ottenamo lny = 0.18 = (ln x ) A = , A = = , = 0.1, lny A a = e A = a = e A A = 1.35 a = 1., b = B =.9040 B = lny / = 0.07 b = 0.7, qund la retta de mnm quadrat nelle varabl funzonal è e relazone funzonale d potenza è Y = (1.73 ± 0.1) + (.9 ± 0.7) X y = (5.64 ± 1.) x (.9 ± 0.7). Calcolamo ora l valore del ch quadrato rdotto per la relazone d potenza usando dvers valor delle devazon standard della varable y ~ [ y (5.64 x.9 )] = = = ( ) = = 1 y Avendo determnato due parametr, grad d lbertà sono = 6 = 4. Dalla Tabella AV possamo dre che, nel caso della relazone d potenza, l ch quadrato rdotto teorco ~ può superare quello osservato ~ con la probabltà 0 P( ~ > 0.76) 5%. In conclusone, poché la probabltà assocata al ch quadrato osservato per la relazone d potenza rsulta maggore d quella per la relazone lneare, dobbamo rtenere che la prma sa pù valda per la descrzone de dat spermental Coeffcente d correlazone lneare A volte dsponendo d sere d valor d varabl ndpendent rguardant un sstema da studare può pors la domanda se esse sano correlate. La dffcoltà nello stablre una possble correlazone tra le varabl x, y può dervare dal fatto che loro valor sano molto dspers (Fg. 1.6) e non s abba alcuna nformazone sulla loro ncertezza. Può anche accadere, come nelle Scenze Statstche,

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

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

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

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

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

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

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

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

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

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

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

* * * 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

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

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

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

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

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Cenni di matematica finanziaria Unità 61

Cenni di matematica finanziaria Unità 61 Prerequst: - Rsolvere equazon algebrche d 1 grado ed equazon esponenzal Questa untà è rvolta al 2 benno del seguente ndrzzo dell Isttuto Tecnco, settore Tecnologco: Agrara, Agroalmentare e Agrondustra.

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

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

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

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

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

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

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

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

DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI

DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI Captolo - Dalla teora degl error al trattamento de dat DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI LA MISURA DELLE GRANDEZZE Nel descrere fenomen, occorre da un lato elaborare de modell (coè delle

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

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

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

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

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

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

Leggere i dati da file

Leggere i dati da file Esempo %soluzon d una equazone d secondo grado dsp('soluzon d a^+b+c') anput('damm l coeffcente a '); bnput('damm l coeffcente b '); cnput('damm l coeffcente c '); deltab^-4*a*c; f delta0 dsp('soluzon

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

Misura della distanza focale. di una lente convergente. Metodo di Bessel

Misura della distanza focale. di una lente convergente. Metodo di Bessel Zuccarello Francesco Laboratoro d Fsca II Msura della dstanza focale d una lente convergente Metodo d Bessel A.A. 003-004 Indce Introduzone..pag. 3 Presuppost Teorc.pag. 4 Anals de dat.pag. 8. Modo d operare...pag.

Dettagli

Appunti delle lezioni di Laboratorio di Strumentazione e Misura

Appunti delle lezioni di Laboratorio di Strumentazione e Misura Sergo Frasca Appunt delle lezon d Laboratoro d Strumentazone e Msura Dpartmento d Fsca Unverstà d Roma La Sapenza Museo del Dpartmento d Fsca dell'unverstà La Sapenza Versone 5 ottobre 004 Versone aggornata

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

Laboratorio di Strumentazione e Misura. Cesare Bini

Laboratorio di Strumentazione e Misura. Cesare Bini Laboratoro d Strumentazone e Msura Cesare Bn Corso d laurea n Fsca Anno Accademco 006-007 Quest appunt sono basat sulle lezon del modulo d Laboratoro d Strumentazone e Msura del prmo anno delle lauree

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

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

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

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

Simulazione seconda prova Tema assegnato all esame di stato per l'abilitazione alla professione di geometra, 2006

Simulazione seconda prova Tema assegnato all esame di stato per l'abilitazione alla professione di geometra, 2006 Smulazone seconda prova Tema assegnato all esame d stato per l'abltazone alla professone d geometra, 006 roposte per lo svolgmento pubblcate sul ollettno SIFET (Socetà Italana d Fotogrammetra e Topografa)

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

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematca II: Calcolo delle Probabltà e Statstca Matematca ELT A-Z Docente: dott. F. Zucca Eserctazone # 8 Gl esercz contrassegnat con (*) sono tratt da Eserc. 2002-2003- Prof. Secch # 0 - Statstca Matematca

Dettagli

Fondamenti di meccanica classica: simmetrie e leggi di conservazione

Fondamenti di meccanica classica: simmetrie e leggi di conservazione Fondament d meccanca classca: smmetre e legg d conservazone d Marco Tulu A. A. 2005/2006 1 Introduzone Un corpo s dce omogeneo se ha n ogn suo punto ugual propretà fsche e chmche, ed è sotropo se n ogn

Dettagli

MACROECONOMIA A.A. 2014/2015

MACROECONOMIA A.A. 2014/2015 MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost

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

Calcolo delle Probabilità

Calcolo delle Probabilità alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.

Dettagli

Apprendimento Automatico e IR: introduzione al Machine Learning

Apprendimento Automatico e IR: introduzione al Machine Learning Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1

Dettagli

lxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt http://www2.dm.unito.it/paginepersonali/zucca/index.htm Misura:

lxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt http://www2.dm.unito.it/paginepersonali/zucca/index.htm Misura: Elaborazone de dat geochmc e cenn d statstca lm.m.nfn.t/~camera/slss/laboratoro-1/-statstca.ppt http://www.dm.unto.t/pagnepersonal/zucca/nde.htm Msura: Espressone quanttatva del rapporto fra una grandezza

Dettagli

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

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

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della

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

9.6 Struttura quaternaria

9.6 Struttura quaternaria 9.6 Struttura quaternara L'ultmo lvello strutturale é la struttura quaternara. Non per tutte le protene è defnble una struttura quaternara. Infatt l esstenza d una struttura quaternara é condzonata alla

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

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

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

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

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

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

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

Lezione n.13. Regime sinusoidale

Lezione n.13. Regime sinusoidale Lezone 3 Regme snusodale Lezone n.3 Regme snusodale. Rcham sulle funzon snusodal. etodo de fasor e fasor. mpedenza ed ammettenza. Dagramm fasoral 3. Potenza n regme snusodale 3. Potenza attva e reattva

Dettagli

Valutazione delle opzioni col modello di Black e Scholes

Valutazione delle opzioni col modello di Black e Scholes Valutazone delle opzon col modello d Black e Scholes Rosa Mara Mnnn a.a. 2014-2015 1 Introduzone L applcazone del moto Brownano all economa é stata nnescata prncpalmente da due cause. Attorno agl ann 70,

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

Questo è il secondo di una serie di articoli, di

Questo è il secondo di una serie di articoli, di DENTRO LA SCATOLA Rubrca a cura d Fabo A. Schreber Il Consglo Scentfco della rvsta ha pensato d attuare un nzatva culturalmente utle presentando n ogn numero d Mondo Dgtale un argomento fondante per l

Dettagli

7 Verifiche di stabilità

7 Verifiche di stabilità 7 Verfche d stabltà 7.1 Generaltà Note tutte le azon agent sul manufatto, vanno effettuate le verfche d stabltà dell opera d sostegno. Le azon da consderare sono fornte dalla spnta del terrapeno a monte,

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

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

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

Indicatori di rendimento per i titoli obbligazionari

Indicatori di rendimento per i titoli obbligazionari Indcator d rendmento per ttol obblgazonar LA VALUTAZIONE DEGLI INVESTIMENTI A TASSO FISSO Per valutare la convenenza d uno strumento fnanzaro è necessaro precsare: /4 Le specfche esgenze d un nvesttore

Dettagli

Lavoro, Energia e stabilità dell equilibrio II parte

Lavoro, Energia e stabilità dell equilibrio II parte Lavoro, Energa e stabltà dell equlbro II parte orze conservatve e non conservatve Il concetto d Energa potenzale s aanca per mportanza a quello d Energa cnetca, perché c permette d passare dallo studo

Dettagli

Test delle ipotesi Parte 2

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

Dettagli

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

10.2 Come stimare l amaro di una birra: le unita IBU 1

10.2 Come stimare l amaro di una birra: le unita IBU 1 10.2 Come stmare l amaro d una brra: le unta IBU 1 Il prncpale contrbuto al sapore amaro della brra provene dagl alfa-acd (abbrevato n AA) del luppolo che durante l processo d bolltura vengono trasformat

Dettagli

Mauro Vettorello. Vi veneto. come Calcolare la Rata di un Finanziamento o di un Leasing senza calcolatrice STUDIO VETTORELLO

Mauro Vettorello. Vi veneto. come Calcolare la Rata di un Finanziamento o di un Leasing senza calcolatrice STUDIO VETTORELLO Mauro Vettorello V veneto come Calcolare la Rata d un Fnanzamento o d un Leasng senza calcolatrce STUDIO VETTORELLO V veneto come Calcolare la Rata d un Fnanzamento o d un Leasng senza calcolatrce Mauro

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

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

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

Dettagli

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

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

Dettagli

UNA RASSEGNA SUI METODI DI STIMA DEL VALUE

UNA RASSEGNA SUI METODI DI STIMA DEL VALUE UNA RASSEGNA SUI METODI DI STIMA DEL VALUE at RISK (VaR) Chara Pederzol - Costanza Torrcell Dpartmento d Economa Poltca - Unverstà degl Stud d Modena e Reggo Emla Marzo 999 INDICE Introduzone. Il concetto

Dettagli

PREVEDERE IL CHURN: UN APPROCCIO LONGITUDINALE

PREVEDERE IL CHURN: UN APPROCCIO LONGITUDINALE UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI SCIENZE STATISTICHE CORSO DI LAUREA SPECIALISTICA IN SCIENZE STATISTICHE, ECONOMICHE, FINANZIARIE E AZIENDALI PREVEDERE IL CHURN: UN APPROCCIO LONGITUDINALE

Dettagli

Corrente elettrica e circuiti

Corrente elettrica e circuiti Corrente elettrca e crcut Generator d forza elettromotrce Intenstà d corrente Legg d Ohm esstenza e resstvtà esstenze n sere e n parallelo Effetto termco della corrente Legg d Krchhoff Corrente elettrca

Dettagli