1.5. ISTOGRAMMA 17. Figura 1.3: Istogramma ottenuto mediante campionamento da VA Gaussiana (η x =0, σ 2 X =1).

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "1.5. ISTOGRAMMA 17. Figura 1.3: Istogramma ottenuto mediante campionamento da VA Gaussiana (η x =0, σ 2 X =1)."

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.

VARIABILI ALEATORIE CONTINUE

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

Dettagli

I punteggi zeta e la distribuzione normale

I 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

Dettagli

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

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

Dettagli

Cambiamento 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. 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

Dettagli

Integrali doppi - Esercizi svolti

Integrali 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

Dettagli

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

Dettagli

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI 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

Dettagli

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI

FUNZIONI 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

Dettagli

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004

Statistica 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

Dettagli

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue

Esercizi 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

Dettagli

1 Serie di Taylor di una funzione

1 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

Dettagli

Matematica e Statistica

Matematica 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

Dettagli

Elementi 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 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

Dettagli

1 Modelli di variabili aleatorie continue

1 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,

Dettagli

Corso di Automazione Industriale 1. Capitolo 4

Corso 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

Dettagli

FUNZIONI CONVESSE. + e x 0

FUNZIONI 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 )

Dettagli

DISTRIBUZIONI DI PROBABILITÀ

DISTRIBUZIONI 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

Dettagli

LE FUNZIONI A DUE VARIABILI

LE 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

Dettagli

3. Sia g(x) = 4. Si calcoli l area del triangolo mistilineo ROS, ove l arco RS appartiene al grafico di f(x) o, indifferentemente, di g(x).

3. Sia g(x) = 4. Si calcoli l area del triangolo mistilineo ROS, ove l arco RS appartiene al grafico di f(x) o, indifferentemente, di g(x). Esame liceo Scientifico : ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMI Problema. Sia ABCD un quadrato di lato, P un punto di AB e γ la circonferenza

Dettagli

STUDIO DI UNA FUNZIONE

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

Dettagli

La grafica. La built-in funzione grafica plot. x spezzata poligonale. discretizzato

La 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,

Dettagli

PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE

PROBABILITÀ - 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 -

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E 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

Dettagli

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto:

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto: PROBLEMA 1. Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di 10 euro al mese, più 10 centesimi per ogni minuto di conversazione. Indicando

Dettagli

La variabile casuale Binomiale

La 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

Dettagli

TECNICHE DI SIMULAZIONE

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

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni 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

Dettagli

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

MATEMATICA GENERALE - (A-D) Prova d esame del 1 giugno 2012 - FILA A

MATEMATICA 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

Dettagli

SIMULAZIONE TEST ESAME - 1

SIMULAZIONE 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

Metodi Numerici per Equazioni Ellittiche

Metodi Numerici per Equazioni Ellittiche Metodi Numerici per Equazioni Ellittiche Vediamo ora di descrivere una tecnica per la risoluzione numerica della più semplice equazione ellittica lineare, l Equazione di Laplace: u xx + u yy = 0, (x, y)

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) 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

Dettagli

SOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2015

SOLUZIONE 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()

Dettagli

La categoria «ES» presenta (di solito) gli stessi comandi

La 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:

Dettagli

1 Definizione: lunghezza di una curva.

1 Definizione: lunghezza di una curva. Abstract Qui viene affrontato lo studio delle curve nel piano e nello spazio, con particolare interesse verso due invarianti: la curvatura e la torsione Il primo ci dice quanto la curva si allontana dall

Dettagli

FUNZIONE REALE DI UNA VARIABILE

FUNZIONE 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

Dettagli

1 Valore atteso o media

1 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

Dettagli

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

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

Dettagli

Basi di matematica per il corso di micro

Basi 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

Dettagli

Come visto precedentemente l equazione integro differenziale rappresentativa dell equilibrio elettrico di un circuito RLC è la seguente: 1 = (1)

Come 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

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2002 Sessione suppletiva

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2002 Sessione suppletiva ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. Sessione suppletiva Il candidato risolva uno dei due problemi e dei quesiti in cui si articola il questionario. PROBLEMA Nel piano riferito

Dettagli

Facciamo qualche precisazione

Facciamo 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

Dettagli

SOLUZIONI COMPITO del 16/01/2009 ANALISI 1 - MECCANICA + ELETTRICA 9 CFU CALCOLO DIFF. e INT. I+II - MECCANICA 11 CFU TEMA A

SOLUZIONI COMPITO del 16/01/2009 ANALISI 1 - MECCANICA + ELETTRICA 9 CFU CALCOLO DIFF. e INT. I+II - MECCANICA 11 CFU TEMA A SOLUZIONI COMPITO del 6//9 ANALISI - MECCANICA + ELETTRICA 9 CFU CALCOLO DIFF e INT I+II - MECCANICA CFU TEMA A Esercizio Chiaramente la serie proposta è una serie a termini positivi per ogni α R Osserviamo,

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004 ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 004 Il candidato risolva uno dei due problemi e 5 dei 10 quesiti in cui si articola il questionario. PROBLEMA 1 Sia f la funzione definita da: f

Dettagli

a) Osserviamo innanzi tutto che dev essere x > 0. Pertanto il dominio è ]0, + [. b) Poniamo t = log x. Innanzi tutto si ha:

a) 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

Dettagli

Massimi e minimi vincolati di funzioni in due variabili

Massimi e minimi vincolati di funzioni in due variabili Massimi e minimi vincolati di funzioni in due variabili I risultati principali della teoria dell ottimizzazione, il Teorema di Fermat in due variabili e il Test dell hessiana, si applicano esclusivamente

Dettagli

Esercitazione 5 Soluzioni

Esercitazione 5 Soluzioni Esercitazione 5 Soluzioni. (Esercizio 5. del Ross) Sia X una variabile aleatoria la cui densità è c( 2 ) < < 0 altrimenti. (a) Qual è il valore di c? (b) Scrivere la funzione di ripartizione di X. 2. (Esercizio

Dettagli

b) Il luogo degli estremanti in forma cartesiana è:

b) Il luogo degli estremanti in forma cartesiana è: Soluzione della simulazione di prova del 9/5/ PROBLEMA È data la funzione di equazione: k f( ). a) Determinare i valori di k per cui la funzione ammette punti di massimo e minimo relativi. b) Scrivere

Dettagli

Durata della prova: 3h. 2 +y 4. tan y sin y lim = 1. (x 4 +y 2 )y 3

Durata della prova: 3h. 2 +y 4. tan y sin y lim = 1. (x 4 +y 2 )y 3 Università degli Studi di Napoli Federico II Corso di Laurea in Matematica Analisi Matematica II (Gruppo ), A.A. 22/3 Prova scritta del 28 gennaio 23 Durata della prova: 3h. sercizio (8 punti). Si consideri

Dettagli

Indice. 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... 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

Dettagli

LA FUNZIONE DI TRASFERIMENTO

LA FUNZIONE DI TRASFERIMENTO LA FUNZIONE DI TRASFERIMENTO Può essere espressa sia nel dominio della s che nel dominio della j Definizione nel dominio della s. è riferita ai soli sistemi con un ingresso ed un uscita 2. ha per oggetto

Dettagli

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli

Funzioni esponenziali e logaritmiche. Mauro Saita. e-mail maurosaita@tiscalinet.it Versione provvisoria. Febbraio 2014

Funzioni esponenziali e logaritmiche. Mauro Saita. e-mail maurosaita@tiscalinet.it Versione provvisoria. Febbraio 2014 Funzioni esponenziali e logaritmiche. Mauro Saita. e-mail maurosaita@tiscalinet.it Versione provvisoria. Febbraio 2014 Indice 1 Esponenziali 1 1.1 Funzioni esponenziali con dominio Z.......................

Dettagli

2 Argomenti introduttivi e generali

2 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

Dettagli

6 Cenni sulla dinamica dei motori in corrente continua

6 Cenni sulla dinamica dei motori in corrente continua 6 Cenni sulla dinamica dei motori in corrente continua L insieme di equazioni riportato di seguito, costituisce un modello matematico per il motore in corrente continua (CC) che può essere rappresentato

Dettagli

Energia potenziale L. P. Maggio 2007. 1. Campo di forze

Energia potenziale L. P. Maggio 2007. 1. Campo di forze Energia potenziale L. P. Maggio 2007 1. Campo di forze Consideriamo un punto materiale di massa m che si muove in una certa regione dello spazio. Si dice che esso è soggetto a un campo di forze, se ad

Dettagli

Determinare il dominio e la derivata delle seguenti funzioni e studiarne la monotonia ed eventuali massimi/minimi. ( ) x + 2.

Determinare il dominio e la derivata delle seguenti funzioni e studiarne la monotonia ed eventuali massimi/minimi. ( ) x + 2. Determinare il dominio e la derivata delle seguenti funzioni e studiarne la monotonia ed eventuali massimi/minimi (1) (2) (3) (4) f (x) = log ( ) x + 2 x 1 f (x) = x exp( x 3 ) ( f (x) = arctan x ) x 1

Dettagli

Accuratezza di uno strumento

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

Dettagli

La distribuzione Gaussiana

La 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

Dettagli

Introduzione alla Teoria degli Errori

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

Dettagli

La distribuzione Normale. La distribuzione Normale

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

Dettagli

Corso di Automazione Industriale 1. Capitolo 4

Corso 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

Dettagli

Coordinate Cartesiane nel Piano

Coordinate Cartesiane nel Piano Coordinate Cartesiane nel Piano O = (0,0) origine degli assi ascissa, y ordinata sistemi monometrici: stessa unità di misura sui due assi, y sistemi dimetrici: unità di misura diverse sui due assi (spesso

Dettagli

Esami d Analisi Matematica 1. Filippo De Mari e Marina Venturino

Esami d Analisi Matematica 1. Filippo De Mari e Marina Venturino Esami d Analisi Matematica 1 Filippo De Mari e Marina Venturino Indice Parte 1. ANNO ACCADEMICO 1999-000 5 1. Corso di Studi in Ingegneria Meccanica 5 Parte. ANNO ACCADEMICO 001-00 15 1. Corso di Studi

Dettagli

4 FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMO

4 FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMO 4 FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMO 4.0. Esponenziale. Nella prima sezione abbiamo definito le potenze con esponente reale. Vediamo ora in dettaglio le proprietà della funzione esponenziale a,

Dettagli

EQUAZIONI 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. 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)

Dettagli

Corrispondenze e funzioni

Corrispondenze 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

Dettagli

Appunti sul corso di Complementi di Matematica- modulo Analisi Prof. B.Bacchelli

Appunti 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

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica 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,

Dettagli

2 FUNZIONI REALI DI VARIABILE REALE

2 FUNZIONI REALI DI VARIABILE REALE 2 FUNZIONI REALI DI VARIABILE REALE 2.1 CONCETTO DI FUNZIONE Definizione 2.1 Siano A e B due insiemi. Una funzione (o applicazione) f con dominio A a valori in B è una legge che associa ad ogni elemento

Dettagli

I appello - 24 Marzo 2006

I 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,

Dettagli

CRITERI 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

CRITERI 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,

Dettagli

Cenno sui metodi Monte Carlo

Cenno sui metodi Monte Carlo Cenno sui metodi Monte Carlo I metodi probabilistici hanno una lunga storia ma solo dopo il 1944 è iniziato un loro studio sistematico che ha portato a notevoli sviluppi. Attualmente è stato valutato che

Dettagli

0.6 Filtro di smoothing Gaussiano

0.6 Filtro di smoothing Gaussiano 2 Figura 7: Filtro trapezoidale passa basso. In questo filtro l rappresenta la frequenza di taglio ed l, l rappresenta un intervallo della frequenza con variazione lineare di H, utile ad evitare le brusche

Dettagli

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

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

Dettagli

Funzioni. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara

Funzioni. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara Funzioni Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)

Dettagli

Metodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla

Metodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui

Dettagli

Sistema dinamico a tempo continuo

Sistema dinamico a tempo continuo Sistema dinamico a tempo continuo Un sistema è un modello matematico di un fenomeno fisico: esso comprende le cause e gli effetti relativi al fenomeno, nonché la relazione matematica che li lega. X INGRESSO

Dettagli

La dissomiglianza tra due distribuzioni normali

La dissomiglianza tra due distribuzioni normali Annali del Dipartimento di Scienze Statistiche Carlo Cecchi Università degli Studi di Bari Aldo Moro - Vol. X (2011): 43-50 Editore CLEUP, Padova - ISBN: 978-88-6129-833-0 La dissomiglianza tra due distribuzioni

Dettagli

ELEMENTI TRIANGOLARI E TETRAEDRICI A LATI DIRITTI

ELEMENTI TRIANGOLARI E TETRAEDRICI A LATI DIRITTI EEMENTI TRIANGOARI E TETRAEDRICI A ATI DIRITTI Nella ricerca di unificazione delle problematiche in vista di una generalizzazione delle procedure di sviluppo di elementi finiti, gioca un ruolo importante

Dettagli

Una ricetta per il calcolo dell asintoto obliquo. Se f(x) è asintotica a mx+q allora abbiamo f(x) mx q = o(1), da cui (dividendo per x) + o(1), m =

Una ricetta per il calcolo dell asintoto obliquo. Se f(x) è asintotica a mx+q allora abbiamo f(x) mx q = o(1), da cui (dividendo per x) + o(1), m = Una ricetta per il calcolo dell asintoto obliquo Se f() è asintotica a m+q allora abbiamo f() m q = o(1), da cui (dividendo per ) m = f() q + 1 f() o(1) = + o(1), mentre q = f() m = o(1). Dunque si ha

Dettagli

Capitolo 16 Esercizi sugli integrali doppi

Capitolo 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,

Dettagli

Funzioni. Capitolo 6. 6.1 Concetto di funzione e definizioni preliminari

Funzioni. Capitolo 6. 6.1 Concetto di funzione e definizioni preliminari Capitolo 6 Funzioni 6. Concetto di funzione e definizioni preliminari Definizione 6. Dati due insiemi non vuoti D e C, si dice applicazione o funzione una qualsiasi legge (relazione) che associa ad ogni

Dettagli

Consideriamo due polinomi

Consideriamo 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

Dettagli

I appello - 26 Gennaio 2007

I appello - 26 Gennaio 2007 Facoltà di Ingegneria - Corso di Laurea in Ing. Informatica e delle Telecom. A.A.006/007 I appello - 6 Gennaio 007 Risolvere gli esercizi motivando tutte le risposte. (N.B. il quesito teorico è obbligatorio)

Dettagli

Tema 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

Tema 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

Dettagli

Esponenziali e logaritmi

Esponenziali e logaritmi Esponenziali e logaritmi Corso di accompagnamento in matematica Lezione 4 Sommario 1 La funzione esponenziale Proprietà Grafico 2 La funzione logaritmo Grafico Proprietà 3 Equazioni / disequazioni esponenziali

Dettagli

Capitolo 26: Il mercato del lavoro

Capitolo 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

Dettagli

Generalità sull energia eolica

Generalità sull energia eolica Generalità sull energia eolica Una turbina eolica converte l energia cinetica della massa d aria in movimento ad una data velocità in energia meccanica di rotazione. Per la produzione di energia elettrica

Dettagli

Applicazioni del calcolo differenziale allo studio delle funzioni

Applicazioni del calcolo differenziale allo studio delle funzioni Capitolo 9 9.1 Crescenza e decrescenza in piccolo; massimi e minimi relativi Sia y = f(x) una funzione definita nell intervallo A; su di essa non facciamo, per ora, alcuna particolare ipotesi (né di continuità,

Dettagli

Ripasso delle matematiche elementari: esercizi svolti

Ripasso delle matematiche elementari: esercizi svolti Ripasso delle matematiche elementari: esercizi svolti I Equazioni e disequazioni algebriche 3 Esercizi su equazioni e polinomi di secondo grado.............. 3 Esercizi sulle equazioni di grado superiore

Dettagli

Appunti di Statistica Descrittiva

Appunti di Statistica Descrittiva Appunti di Statistica Descrittiva 30 dicembre 009 1 La tabella a doppia entrata Per studiare dei fenomeni con caratteristiche statistiche si utilizza l espediente della tabella a doppia entrata Per esempio

Dettagli

Nota su Crescita e Convergenza

Nota su Crescita e Convergenza Nota su Crescita e Convergenza S. Modica 28 Ottobre 2007 Nella prima sezione si considerano crescita lineare ed esponenziale e le loro proprietà elementari. Nella seconda sezione si spiega la misura di

Dettagli

VARIABILI ALEATORIE E VALORE ATTESO

VARIABILI ALEATORIE E VALORE ATTESO VARIABILI ALEATORIE E VALORE ATTESO Variabili aleatorie Variabili discrete e continue Coppie e vettori di variabili aleatorie Valore atteso Proprietà del valore atteso Varianza Covarianza e varianza della

Dettagli

Complemento al corso di Fondamenti di Informatica I corsi di laurea in ingegneria, settore dell informazione Università la Sapienza Consorzio Nettuno

Complemento 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,

Dettagli

Documentazione esterna al software matematico sviluppato con MatLab

Documentazione esterna al software matematico sviluppato con MatLab Documentazione esterna al software matematico sviluppato con MatLab Algoritmi Metodo di Gauss-Seidel con sovrarilassamento Metodo delle Secanti Metodo di Newton Studente Amelio Francesco 556/00699 Anno

Dettagli

11) convenzioni sulla rappresentazione grafica delle soluzioni

11) convenzioni sulla rappresentazione grafica delle soluzioni 2 PARAGRAFI TRATTATI 1)La funzione esponenziale 2) grafici della funzione esponenziale 3) proprietá delle potenze 4) i logaritmi 5) grafici della funzione logaritmica 6) principali proprietá dei logaritmi

Dettagli

1.2 Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche

1.2 Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche . Funzioni, dominio, codominio, invertibilità elementare, alcune identità trigonometriche Per le definizioni e teoremi si fa riferimento ad uno qualsiasi dei libri M.Bertsch - R.Dal Passo Lezioni di Analisi

Dettagli

21. Studio del grafico di una funzione: esercizi

21. Studio del grafico di una funzione: esercizi 1. Studio del grafico di una funzione: esercizi Esercizio 1.6. Studiare ciascuna delle seguenti funzioni in base allo schema di pagina 194, eseguendo anche il computo della derivata seconda e lo studio

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) 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

Dettagli