1.5. ISTOGRAMMA 17. Figura 1.3: Istogramma ottenuto mediante campionamento da VA Gaussiana (η x =0, σ 2 X =1).
|
|
- Mariangela Gattini
- 8 anni fa
- Visualizzazioni
Transcript
1 .5. ISTOGRAMMA 7.5 Istogramma A partire dalle considerazioni svolte nel paragrafo precedente, posto x m = min(x,,x N e x M = max(x,,x N, possiamo ottenere una stima della densità di probabilità p (x suddividendo la dinamica D = x M x m osservata sul campione in K intervalli I k,k =,,K, ciascuno d'ampiezza k. La stima della p (x si ottiene dividendo per k il rapporto di frequenza µ k /N, i.e. µ k ˆp (x = = ˆP k N k k Tale stima prende il nome di istogramma. Tutte le considerazioni svolte in precedenza circa l accuratezza del rapporto di frequenza come stimatore della probabilità si riportano sull istogramma. In particolare, continuano a valere le (. e (.3, con l accortezza di sostituire P con P k = P {x I k }. Quando k è abbastanza piccolo da considerare la p (x approssimativamente costante in I k, possiamo porre P k k p (x k, dove x k denota l ascissa centrale dell intervallo I k. L andamento tipico di un istogramma è riportato in Fig..3. Figura.3: Istogramma ottenuto mediante campionamento da VA Gaussiana (η x =, σ =..6 Il metodo MonteCarlo Quanto esposto nel par..3 può essere esteso al valore atteso di una generica funzione g(, i.e. p. lim N Av(N {g (x n } =E{g(x} = g(x p (x dx (.4 La (.4 costituisce il fondamento del cosiddetto metodo MonteCarlo.5 per la valutazione d'integrali del tipo g(x p (x dx (.5 ove nell integrando si possa evidenziare.6 una funzione positiva p (x, normalizzata in area, che giochi il ruolo di densità di probabilità. Generati, allora, un numero N sufficientemente grande di determinazioni della VA x, il metodo MonteCarlo approssima l integrale (.5 come segue: g(x p (x dx Av (N {g (x n } (.6.5 Il nome MonteCarlo ricorda il principato sede del Casinò più famoso del mondo..6 Possiamo sempre scrivere con p (x densità di probabilità scelta opportunamente. f(x dx = f(x p(x dx p (x
2 8 CAPITOLO. STATISTICA MATEMATICA L accuratezza dell approssimazione è valutabile mediante i momenti fino al secondo ordine dell errore ossia e(n =Av (N {g (x n } E {g(x} η E (N =E{e(N} dove, normalmente, risulta σ E(N =Var{e(N} = m E(N η E(N η E (N =+o ( (N σ E(N =C σ,g Var {g(x} N ( + o (N N con C σ,g opportuna costante positiva dipendente da g(. Qualora non si abbia a disposizione la possibilità di effettuare N prove del fenomeno aleatorio al quale è associato la VA x, è possibile ricorrere alla simulazione al calcolatore basata su tecniche di generazione di numeri pseudo-aleatori..6. Generazione di Numeri Pseudo-Aleatori Uniformemente Distribuiti Una tecnica di generazione di numeri pseudo-aleatori.7 con distribuzione uniforme tra e m si basa sulla valutazione ricorsiva della seguente equazione non-lineare u[n] =(a u[n ] + c modm (.7 inizializzata con un certo valore (seme u[], con a, c, m costanti opportune. La (.7 descrive il meccanismo cosiddetto di generazione congruenziale lineare. Per avere numeri distribuiti uniformemente tra e basta dividere u[n] per m. Due esempi di terne (a, c, m sono riportate nella Tab... Con tali valori, la generazione (.7 si può implementare con interi a 3bit, i.e. il tipo primitivo long int di molti compilatori C/C++. CERN Minimal Standard RNG a c m 3 3 Tabella.: Parametri usati nella generazione congruenziale lineare di numeri pseudo-aleatori. Ulteriori dettagli si trovano in [3]. Altri metodi di generazione, anche più efficienti, sono possibili, e sono oggetto di continua evoluzione e raffinamento. Si consiglia al lettore interessato di ricercare le ultime novità direttamente sulla Nei testi anglosassoni s'incontra la locuzione Random Number Generation (RNG.
3 .6. IL METODO MONTECARLO 9.6. Generazione di Numeri Pseudo-Aleatori mediante Trasformazioni Nonlineari Una popolare tecnica di generazione di numeri pseudo-aleatori con misura di probabilità assegnata si basa sull impiego di trasformazioni nonlineari, opportunamente disegnate per lo scopo d interesse. Il trasferimento della misura di probabilità sotto una trasformazione nonlineare di variabili aleatorie è descritto in Appendice ai parr.b.. e B Trasformazioni Nonlineari di Numeri Pseudo-Uniformi La (B..3 esprime l equilibrio tra le misure di probabilità delle variabili aleatorie u e x legate dalla trasformazione invertibile x = g(u, i.e. u = γ(x. Consideriamo il caso notevole di variabile aleatoria u a distribuzione uniforme nell intervallo (,, funzione γ( monotona crescente, con condizioni al contorno γ( =e γ(+ =. In queste condizioni, poichè risulta p U (γ(x =, eγ (x, la (B..3 assume la forma seguente: p (x =γ (x (.8 Trasformazione Nonlineare di Variabile Aleatoria a Distribuzione Uniforme Nel caso particolare di variabile aleatoria u a distribuzione uniforme nell intervallo (,, la variabile aleatoria x = g(u è descritta dalla seguente densità di probabilità: p (x =γ (x = g (γ(x (.9 La nonlinearità g(, attraverso la sua derivata, controlla completamente la densità di probabilità dopo la trasformazione. Il disegno della nonlinearità g( si esegue integrando la (.9. In realtà, otteniamo più semplicemente la funzione inversa γ(, di cui ricordiamo la condizione al contorno γ( =: γ(x = x p (ξ dξ = D (x essendo D (x la funzione di distribuzione della variabile aleatoria x. Dunque, la nonlinearità cercata è: g(u =D (u La Fig..4 illustra sommariamente quanto esposto; in essa abbiamo riportato la variabile aleatoria uniforme u sull asse verticale, e la variabile aleatoria trasformata x sull asse orizzontale, in modo tale la funzione di distribuzione D (x appaia nel maniera usuale. Resta quindi dimostrata la seguente: Proposizione. Sia x una variabile aleatoria con funzione di distribuzione D (x e densità di probabilità p (x = D (x / x, e sia u una variabile aleatoria uniformemente distribuita tra e. Allora, la variabile aleatoria x si ottiene dalla variabile aleatoria u mediante la seguente trasformazione nonlineare: x = D (u (. Quindi, numeri pseudo-aleatori con distribuzione di probabilità diversa da quella uniforme possono essere ottenuti mediante la trasformazione nonlineare (..
4 CAPITOLO. STATISTICA MATEMATICA u ( x u uniforme in (, x g( u d.d. p. dopo la trasformazione (analisi: p ( x '( x x sintesi della trasformazione inversa: ( x z p ( d D x ( - risultato della sintesi: gu ( D ( x Figura.4: Sintesi della nonlinearità che ottiene una variabile aleatoria x con misura di probabilità assegnata p (x a partire da una variabile aleatoria u a distribuzione uniforme. Esempio: distribuzione di probabilità Rayleigh Sia r una variabile aleatoria con la seguente distribuzione di probabilità Rayleigh p R (r =r exp ( r u(r Calcoliamo la funzione di distribuzione: r r D R (r = λ exp ( λ / dλ = e ρ dρ = e ρ = / r / e r (r e la sua inversa D R (u = log( u. Quindi, per u variabile aleatoria uniformemente distribuita tra e, la variabile aleatoria Rayleigh si ottiene mediante la trasformazione nonlineare r = log( u Esempio: distribuzione di probabilità normale In questo caso, la trasformazione nonlineare si applica a una coppia di variabili aleatorie. Il caso generale è descritto in Appendice al par.b..3. Qui consideriamo due variabili aleatorie, x N(,, ex N(,, statisticamente indipendenti, i.e.: p, (x,x = ( π exp x + x e la traformazione in coordinate polari, i.e.: r = x + x Le relazioni inverse sono semplici da scrivere: ϕ =arctan x x x = r cos ϕ x = r sin ϕ
5 .6. IL METODO MONTECARLO e dalla (B.. otteniamo essendo J lo Jacobiano della trasformazione, i.e.: Infine scriviamo J(r, ϕ = det x (r, ϕ r x (r, ϕ r p R,Φ (r, ϕ = π }{{} p Φ (ϕ p R,Φ (r, ϕ =p, (x (r, ϕ,x (r, ϕ J(r, ϕ } {{ } π exp( r / x (r, ϕ ϕ x (r, ϕ ϕ cos ϕ = det sin ϕ ( r r sin ϕ = r ( cos ϕ +sin ϕ = r r cos ϕ r exp = p Φ (ϕ p R (r (r ; ϕ π (. } {{ } p R (r Ispezionando la (., riconosciamo anche che le variabili aleatorie r e ϕ sono anch esse statisticamente indipendenti, con distribuzioni marginali p Φ (ϕ = ( ϕ π π p R (r =r exp ( r (r Allora, per generare una coppia di numeri pseudi-normali, si può operare la seguente sequenza di passi. Metodo di Box-Mueller per la Generazione Numeri Pseudo-Gaussiani. si generano due numeri u e u, pseudo-indipendenti statisticamente, e pseudo-uniformi tra e ;. si genera il numero ϕ pseudo-uniforme tra e π mediante la trasformazione ϕ =π u ; 3. si genera il numero r pseudo-rayleigh mediante la trasformazione nonlineare r = log( u ; 4. si generano i numeri x e x pseudo-normali, con media nulla e varianza unitaria, mediante le trasformazioni nonlineari x = r cos ϕ ; x = r sin ϕ.
INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.
INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliMatematica e Statistica
Matematica e Statistica Prova d esame (0/07/03) Università di Verona - Laurea in Biotecnologie - A.A. 0/3 Matematica e Statistica Prova di MATEMATICA (0/07/03) Università di Verona - Laurea in Biotecnologie
DettagliCambiamento di variabili negli integrali doppi: La trasformazione in coordinate polari. esiste (evidentemente) una sola coppia ( ρ, θ) R [ 0,2π[
Cambiamento di variabili negli integrali doppi: La trasformazione in coordinate polari Osservazione: Se ( x, ) \{(0,0)} esiste (evidentemente) una sola coppia ( ρ, θ) [ 0,[ tale che x. imane in tal modo
DettagliIntegrali doppi - Esercizi svolti
Integrali doppi - Esercizi svolti Integrali doppi senza cambiamento di variabili Si disegni il dominio e quindi si calcolino gli integrali multipli seguenti:... xy dx dy, con (x, y R x, y x x }; x + y
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
DettagliFUNZIONI ELEMENTARI - ESERCIZI SVOLTI
FUNZIONI ELEMENTARI - ESERCIZI SVOLTI 1) Determinare il dominio delle seguenti funzioni di variabile reale: (a) f(x) = x 4 (c) f(x) = 4 x x + (b) f(x) = log( x + x) (d) f(x) = 1 4 x 5 x + 6 ) Data la funzione
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
Dettagli1 Serie di Taylor di una funzione
Analisi Matematica 2 CORSO DI STUDI IN SMID CORSO DI ANALISI MATEMATICA 2 CAPITOLO 7 SERIE E POLINOMI DI TAYLOR Serie di Taylor di una funzione. Definizione di serie di Taylor Sia f(x) una funzione definita
DettagliVARIABILI ALEATORIE CONTINUE
VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliLa grafica. La built-in funzione grafica plot. x spezzata poligonale. discretizzato
La grafica. Il Matlab possiede un ambiente grafico abbastanza potente paragonabile a software grafici operanti in altri contesti. In questo corso ci limiteremo ad illustrare solo una funzione grafica,
DettagliBasi di matematica per il corso di micro
Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione
DettagliI punteggi zeta e la distribuzione normale
QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
DettagliSOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015
SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 015 1. Indicando con i minuti di conversazione effettuati nel mese considerato, la spesa totale mensile in euro è espressa dalla funzione f()
DettagliCome visto precedentemente l equazione integro differenziale rappresentativa dell equilibrio elettrico di un circuito RLC è la seguente: 1 = (1)
Transitori Analisi nel dominio del tempo Ricordiamo che si definisce transitorio il periodo di tempo che intercorre nel passaggio, di un sistema, da uno stato energetico ad un altro, non è comunque sempre
DettagliStatistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004
Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità
DettagliFUNZIONE REALE DI UNA VARIABILE
FUNZIONE REALE DI UNA VARIABILE Funzione: legge che ad ogni elemento di un insieme D (Dominio) tale che D R, fa corrispondere un elemento y R ( R = Codominio ). f : D R : f () = y ; La funzione f(): A
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliI appello - 24 Marzo 2006
Facoltà di Ingegneria - Corso di Laurea in Ing. Energetica e Gestionale A.A.2005/2006 I appello - 24 Marzo 2006 Risolvere gli esercizi motivando tutte le risposte. I.) Studiare la convergenza puntuale,
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi risolti
CONTINUITÀ E DERIVABILITÀ Esercizi risolti. Determinare kπ/ [cos] al variare di k in Z. Ove tale ite non esista, discutere l esistenza dei iti laterali. Identificare i punti di discontinuità della funzione
DettagliConsideriamo due polinomi
Capitolo 3 Il luogo delle radici Consideriamo due polinomi N(z) = (z z 1 )(z z 2 )... (z z m ) D(z) = (z p 1 )(z p 2 )... (z p n ) della variabile complessa z con m < n. Nelle problematiche connesse al
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione
DettagliEsercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue
Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1
DettagliAPPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
Dettagli1 Modelli di variabili aleatorie continue
Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
Dettagli2 Argomenti introduttivi e generali
1 Note Oltre agli esercizi di questa lista si consiglia di svolgere quelli segnalati o assegnati sul registro e genericamente quelli presentati dal libro come esercizio o come esempio sugli argomenti svolti
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
DettagliEsercizi svolti. 1. Si consideri la funzione f(x) = 4 x 2. a) Verificare che la funzione F(x) = x 2 4 x2 + 2 arcsin x è una primitiva di
Esercizi svolti. Si consideri la funzione f() 4. a) Verificare che la funzione F() 4 + arcsin è una primitiva di f() sull intervallo (, ). b) Verificare che la funzione G() 4 + arcsin π è la primitiva
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliIndice. 1 Introduzione alle Equazioni Differenziali 1 1.1 Esempio introduttivo... 1 1.2 Nomenclatura e Teoremi di Esistenza ed Unicità...
Indice 1 Introduzione alle Equazioni Differenziali 1 1.1 Esempio introduttivo............................. 1 1.2 Nomenclatura e Teoremi di Esistenza ed Unicità.............. 5 i Capitolo 1 Introduzione
DettagliLa categoria «ES» presenta (di solito) gli stessi comandi
Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliSOLUZIONI D = (-1,+ ).
SOLUZIONI. Data la funzione f() ( ) ln( ) a) trova il dominio di f b) indica quali sono gli intervalli in cui f() risulta positiva e quelli in cui risulta negativa c) determina le eventuali intersezioni
DettagliPROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA
Simulazione 01/15 ANNO SCOLASTICO 01/15 PROBLEMI TRADIZIONALI SIMULAZIONE DELLA PROVA DI MATEMATICA DELL ESAME DI STATO PER IL LICEO SCIENTIFICO Il candidato risolva uno dei due problemi Problema 1 Nella
Dettaglia) Osserviamo innanzi tutto che dev essere x > 0. Pertanto il dominio è ]0, + [. b) Poniamo t = log x. Innanzi tutto si ha:
ESERCIZIO - Data la funzione f (x) = (log x) 6 7(log x) 5 + 2(log x) 4, si chiede di: a) calcolare il dominio di f ; ( punto) b) studiare la positività e le intersezioni con gli assi; (3 punti) c) stabilire
DettagliTeoria dei Fenomeni Aleatori 1
Integrale Doppio Sia g( x,y ) una funzione continua nel piano ( x,y ) o D è un dominio sul piano ( x,y ) o P è una sua partizione che ricopre il dominio D: ( ) P D D... D... = 1,1 1,2 i,j, con Di,j = ΔxiΔ
DettagliCapitolo 13: L offerta dell impresa e il surplus del produttore
Capitolo 13: L offerta dell impresa e il surplus del produttore 13.1: Introduzione L analisi dei due capitoli precedenti ha fornito tutti i concetti necessari per affrontare l argomento di questo capitolo:
DettagliComplemento al corso di Fondamenti di Informatica I corsi di laurea in ingegneria, settore dell informazione Università la Sapienza Consorzio Nettuno
Rappresentazione di numeri Complemento al corso di Fondamenti di Informatica I corsi di laurea in ingegneria, settore dell informazione Università la Sapienza Consorzio Nettuno Un numero e un entità teorica,
DettagliEQUAZIONI DIFFERENZIALI. 1. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x 2 log t (d) x = e t x log x (e) y = y2 5y+6
EQUAZIONI DIFFERENZIALI.. Trovare tutte le soluzioni delle equazioni differenziali: (a) x = x log t (d) x = e t x log x (e) y = y 5y+6 (f) y = ty +t t +y (g) y = y (h) xy = y (i) y y y = 0 (j) x = x (k)
DettagliCorrispondenze e funzioni
Corrispondenze e funzioni L attività fondamentale della mente umana consiste nello stabilire corrispondenze e relazioni tra oggetti; è anche per questo motivo che il concetto di corrispondenza è uno dei
DettagliTema A. 1.2. Se due eventi A e B sono indipendenti e tali che P (A) = 1/2 e P (B) = 2/3, si può certamente concludere che
Statistica Cognome: Laurea Triennale in Biologia Nome: 26 luglio 2012 Matricola: Tema A 1. Parte A 1.1. Sia x 1, x 2,..., x n un campione di n dati con media campionaria x e varianza campionaria s 2 x
DettagliCapitolo 2 Distribuzioni di frequenza
Edizioni Simone - Vol. 43/1 Compendio di statistica Capitolo 2 Distribuzioni di frequenza Sommario 1. Distribuzioni semplici. - 2. Distribuzioni doppie. - 3. Distribuzioni parziali: condizionate e marginali.
DettagliDocente: Anna Valeria Germinario. Università di Bari. A.V.Germinario (Università di Bari) Analisi Matematica ITPS 1 / 22
Laurea in Informatica e Tecnologie per la Produzione del Software Corso di Analisi Matematica Calcolo differenziale e approssimazioni, formula di Taylor Docente: Anna Valeria Germinario Università di Bari
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
DettagliEQUAZIONI DIFFERENZIALI Esercizi svolti. y = xy. y(2) = 1.
EQUAZIONI DIFFERENZIALI Esercizi svolti 1. Determinare la soluzione dell equazione differenziale (x 2 + 1)y + y 2 =. y + x tan y = 2. Risolvere il problema di Cauchy y() = 1 2 π. 3. Risolvere il problema
DettagliCapitolo 16 Esercizi sugli integrali doppi
Capitolo 6 sercizi sugli integrali doppi Brevi richiami di teoria Sia f : [a, b] [c, d] B IR una funzione limitata e non negativa, definita sul rettangolo R = [a, b] [c, d]. Dividiamo l intervallo [a,
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST 1 Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: analisi
DettagliDOMINIO E LIMITI. Esercizio 3 Studiare gli insiemi di livello della funzione f, nei seguenti casi: 1) f(x,y) = y2 x 2 + y 2.
FUNZIONI DI DUE VARIABILI 1 DOMINIO E LIMITI Domini e disequazioni in due variabili. Insiemi di livello. Elementi di topologia (insiemi aperti, chiusi, limitati, convessi, connessi per archi; punti di
DettagliF (x) = f(x) per ogni x I. Per esempio:
Funzioni Primitive (Integrali Indefiniti) (l.v.) Pur essendo un argomento che fa parte del Calcolo Differenziale, molti autori inseriscono funzioni primitive nel capitolo sul Calcolo Integrale, in quanto
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
Dettagli1 Valore atteso o media
1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è
DettagliTRAVE SU SUOLO ELASTICO
Capitolo 3 TRAVE SU SUOLO ELASTICO (3.1) Combinando la (3.1) con la (3.2) si ottiene: (3.2) L equazione differenziale può essere così riscritta: (3.3) La soluzione dell equazione differenziale di ordine
DettagliInterpolazione ed approssimazione di funzioni
Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 9 novembre 2007 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner
DettagliAPPUNTI SUL CAMPO MAGNETICO ROTANTE
APPUTI UL CAPO AGETICO ROTATE Campo agnetico Rotante ad una coppia polare Consideriamo la struttura in figura che rappresenta la vista, in sezione trasversale, di un cilindro cavo, costituito da un materiale
DettagliSTUDIO DI UNA FUNZIONE
STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliAppunti sul corso di Complementi di Matematica- modulo Analisi Prof. B.Bacchelli
Appunti sul corso di Complementi di Matematica- modulo Analisi Prof. B.Bacchelli 09- Integrale doppio: Riferimenti: R.Adams, Calcolo ifferenziale 2. Capitoli 5.1, 5.2, 5.4. Esercizi 5.3, 5.4 Integrale
DettagliTeoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26
Indice L attività di recupero 6 Funzioni Teoria in sintesi 0 Obiettivo Ricerca del dominio e del codominio di funzioni note Obiettivo Ricerca del dominio di funzioni algebriche; scrittura del dominio Obiettivo
DettagliFUNZIONI CONVESSE. + e x 0
FUNZIONI CONVESSE Sia I un intervallo aperto di R (limitato o illimitato) e sia f(x) una funzione definita in I. Dato x 0 I, la retta r passante per il punto P 0 (x 0, f(x 0 )) di equazione y = f(x 0 )
Dettagli10. Insiemi non misurabili secondo Lebesgue.
10. Insiemi non misurabili secondo Lebesgue. Lo scopo principale di questo capitolo è quello di far vedere che esistono sottoinsiemi di R h che non sono misurabili secondo Lebesgue. La costruzione di insiemi
DettagliSoluzione del tema d esame di matematica, A.S. 2005/2006
Soluzione del tema d esame di matematica, A.S. 2005/2006 Niccolò Desenzani Sun-ra J.N. Mosconi 22 giugno 2006 Problema. Indicando con A e B i lati del rettangolo, il perimetro è 2A + 2B = λ mentre l area
DettagliCRITERI DI CONVERGENZA PER LE SERIE. lim a n = 0. (1) s n+1 = s n + a n+1. (2) CRITERI PER LE SERIE A TERMINI NON NEGATIVI
Il criterio più semplice è il seguente. CRITERI DI CONVERGENZA PER LE SERIE Teorema(condizione necessaria per la convergenza). Sia a 0, a 1, a 2,... una successione di numeri reali. Se la serie a k è convergente,
DettagliELEMENTI DI STATISTICA PER IDROLOGIA
Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
Dettaglimatematica probabilmente
IS science centre immaginario scientifico Laboratorio dell'immaginario Scientifico - Trieste tel. 040224424 - fax 040224439 - e-mail: lis@lis.trieste.it - www.immaginarioscientifico.it indice Altezze e
DettagliCapitolo 1 ANALISI COMPLESSA
Capitolo 1 ANALISI COMPLESSA 1 1.4 Serie in campo complesso 1.4.1 Serie di potenze Una serie di potenze è una serie del tipo a k (z z 0 ) k. Per le serie di potenze in campo complesso valgono teoremi analoghi
Dettagli.y 6. .y 4. .y 5. .y 2.y 3 B C C B. B f A B f -1
Funzioni FUNZIONI Una funzione è una relazione fra due insiemi non vuoti e, che associa ad ogni elemento uno e un solo elemento. In simboli si scrive: = oppure. x 1. x..y B C.y 5 x 4..y 4 L elemento è
DettagliCONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)
CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare
DettagliElementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B
Elementi di Calcolo delle Probabilità e Statistica per il corso di Analisi Matematica B Laurea in Ingegneria Meccatronica A.A. 2010 2011 n-dimensionali Riepilogo. Gli esiti di un esperimento aleatorio
DettagliMatematica II: Calcolo delle Probabilità e Statistica Matematica
Matematica II: Calcolo delle Probabilità e Statistica Matematica ELT A-Z Docente: dott. F. Zucca Esercitazione # Esercizi Statistica Descrittiva Esercizio I gruppi sanguigni di persone sono B, B, AB, O,
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliCapitolo 26: Il mercato del lavoro
Capitolo 26: Il mercato del lavoro 26.1: Introduzione In questo capitolo applichiamo l analisi della domanda e dell offerta ad un mercato che riveste particolare importanza: il mercato del lavoro. Utilizziamo
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
Dettagli1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.
Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi
DettagliEsempi di algoritmi. Lezione III
Esempi di algoritmi Lezione III Scopo della lezione Implementare da zero algoritmi di media complessità. Verificare la correttezza di un algoritmo eseguendolo a mano. Imparare a valutare le prestazioni
DettagliMATEMATICA GENERALE - (A-D) Prova d esame del 1 giugno 2012 - FILA A
MATEMATICA GENERALE - (A-D) Prova d esame del giugno 202 - FILA A Nome e cognome Matricola I Parte OBBLIGATORIA (quesiti preliminari: punto ciascuno). Riportare le soluzioni su questo foglio, mostrando
DettagliParte 6. Applicazioni lineari
Parte 6 Applicazioni lineari A Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Applicazioni fra insiemi, 2 Applicazioni lineari tra spazi vettoriali, 2 3 Applicazioni lineari da R n a R
DettagliMetodi Matematici per l Economia A-K Corso di Laurea in Economia - anno acc. 2012/2013 12 febbraio 2013
Tempo massimo 2 ore. Consegnare solamente la bella copia. Metodi Matematici per l Economia A-K Corso di Laurea in Economia - anno acc. 212/213 12 febbraio 213 1. Disegnare il grafico della funzione: [1
DettagliCorso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile
Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione
DettagliCapitolo 2. Operazione di limite
Capitolo 2 Operazione di ite In questo capitolo vogliamo occuparci dell operazione di ite, strumento indispensabile per scoprire molte proprietà delle funzioni. D ora in avanti riguarderemo i domini A
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
Dettaglia) Il campo di esistenza di f(x) è dato da 2x 0, ovvero x 0. Il grafico di f(x) è quello di una iperbole -1 1
LE FUNZIONI EALI DI VAIABILE EALE Soluzioni di quesiti e problemi estratti dal Corso Base Blu di Matematica volume 5 Q[] Sono date le due funzioni: ) = e g() = - se - se = - Determina il campo di esistenza
DettagliPROGRAMMA SVOLTO NELLA SESSIONE N.
Università C. Cattaneo Liuc, Corso di Statistica, Sessione n. 1, 2014 Laboratorio Excel Sessione n. 1 Venerdì 031014 Gruppo PZ Lunedì 061014 Gruppo AD Martedì 071014 Gruppo EO PROGRAMMA SVOLTO NELLA SESSIONE
DettagliDefinisci il Campo di Esistenza ( Dominio) di una funzione reale di variabile reale e, quindi, determinalo per la funzione:
Verso l'esame di Stato Definisci il Campo di Esistenza ( Dominio) di una funzione reale di variabile reale e, quindi, determinalo per la funzione: y ln 5 6 7 8 9 0 Rappresenta il campo di esistenza determinato
DettagliEsempi di funzione. Scheda Tre
Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliSIMULAZIONE TEST ESAME - 1
SIMULAZIONE TEST ESAME - 1 1. Il dominio della funzione f(x) = log (x2 + 1)(4 x 2 ) (x 2 2x + 1) è: (a) ( 2, 2) (b) ( 2, 1) (1, 2) (c) (, 2) (2, + ) (d) [ 2, 1) (1, 2] (e) R \{1} 2. La funzione f : R R
Dettagli