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

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

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

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

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

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

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

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

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

Dettagli

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

Numeri reali. Funzioni e loro grafici

Numeri reali. Funzioni e loro grafici Argomento Numeri reali. Funzioni e loro grafici Parte B - Funzioni e loro grafici Funzioni reali di variabile reale Definizioni. Supponiamo che A sia un sottoinsieme di R e che esista una legge che ad

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

(accuratezza) ovvero (esattezza)

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

Dettagli

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

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

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

LA FUNZIONE ESPONENZIALE E IL LOGARITMO LA FUNZIONE ESPONENZIALE E IL LOGARITMO APPUNTI PER IL CORSO DI ANALISI MATEMATICA I G. MAUCERI Indice 1. Introduzione 1 2. La funzione esponenziale 2 3. Il numero e di Nepero 9 4. L irrazionalità di e

Dettagli

LE TRASFORMAZIONI GEOMETRICHE NEL PIANO

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

Dettagli

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

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

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

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

Dettagli

Integrali di superficie: esercizi svolti

Integrali di superficie: esercizi svolti Integrali di superficie: esercizi svolti Gli esercizi contrassegnati con il simbolo * presentano un grado di difficoltà maggiore. Esercizio. Calcolare i seguenti integrali superficiali sulle superfici

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

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

EQUAZIONI non LINEARI

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

Dettagli

Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 2014

Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 2014 Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 14 Problema 1 Punto a) Osserviamo che g (x) = f(x) e pertanto g () = f() = in quanto Γ è tangente all asse delle ascisse,

Dettagli

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1.

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1. Capitolo 6 Integrali curvilinei In questo capitolo definiamo i concetti di integrali di campi scalari o vettoriali lungo curve. Abbiamo bisogno di precisare le curve e gli insiemi che verranno presi in

Dettagli

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE Sia I un intervallo di R e siano a = inf(i) R { } e b = sup(i) R {+ }; i punti di I diversi dagli estremi a e b, ( e quindi appartenenti all intervallo aperto

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

Da una a più variabili: derivate

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

Dettagli

Analisi Mat. 1 - Ing. Inform. - Soluzioni del compito del 23-3-06

Analisi Mat. 1 - Ing. Inform. - Soluzioni del compito del 23-3-06 Analisi Mat. - Ing. Inform. - Soluzioni del compito del 3-3-6 Sia p il polinomio di quarto grado definito da pz = z 4. Sia S il settore circolare formato dai numeri complessi che hanno modulo minore o

Dettagli

Studio grafico-analitico delle funzioni reali a variabile reale

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

Dettagli

Funzioni in più variabili

Funzioni in più variabili Funzioni in più variabili Corso di Analisi 1 di Andrea Centomo 27 gennaio 2011 Indichiamo con R n, n 1, l insieme delle n-uple ordinate di numeri reali R n4{(x 1, x 2,,x n ), x i R, i =1,,n}. Dato X R

Dettagli

Problema n. 1: CURVA NORD

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

Dettagli

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

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

Dettagli

Le funzioni reali di variabile reale

Le funzioni reali di variabile reale Prof. Michele Giugliano (Gennaio 2002) Le funzioni reali di variabile reale ) Complementi di teoria degli insiemi. A) Estremi di un insieme numerico X. Dato un insieme X R, si chiama maggiorante di X un

Dettagli

La Funzione Caratteristica di una Variabile Aleatoria

La Funzione Caratteristica di una Variabile Aleatoria La Funzione Caratteristica di una Variabile Aleatoria La funzione caratteristica Φ densità di probabilità è f + Φ ω = ω di una v.a., la cui x, è definita come: jωx f x e dx E e j ω Φ ω = 1 La Funzione

Dettagli

Funzioni di più variabili. Ottimizzazione libera e vincolata

Funzioni di più variabili. Ottimizzazione libera e vincolata libera e vincolata Generalità. Limiti e continuità per funzioni di 2 o Piano tangente. Derivate successive Formula di Taylor libera vincolata Lo ordinario è in corrispondenza biunivoca con i vettori di

Dettagli

Calcolo differenziale Test di autovalutazione

Calcolo differenziale Test di autovalutazione Test di autovalutazione 1. Sia f : R R iniettiva, derivabile e tale che f(1) = 3, f (1) = 2, f (3) = 5. Allora (a) (f 1 ) (3) = 1 5 (b) (f 1 ) (3) = 1 2 (c) (f 1 ) (1) = 1 2 (d) (f 1 ) (1) = 1 3 2. Sia

Dettagli

Il concetto di valore medio in generale

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

Dettagli

SIMULAZIONE DI PROVA D ESAME CORSO DI ORDINAMENTO

SIMULAZIONE DI PROVA D ESAME CORSO DI ORDINAMENTO SIMULAZINE DI PRVA D ESAME CRS DI RDINAMENT Risolvi uno dei due problemi e 5 dei quesiti del questionario. PRBLEMA Considera la famiglia di funzioni k ln f k () se k se e la funzione g() ln se. se. Determina

Dettagli

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme

Per lo svolgimento del corso risulta particolarmente utile considerare l insieme 1. L insieme R. Per lo svolgimento del corso risulta particolarmente utile considerare l insieme R = R {, + }, detto anche retta reale estesa, che si ottiene aggiungendo all insieme dei numeri reali R

Dettagli

LA FUNZIONE INTEGRALE

LA FUNZIONE INTEGRALE LA FUNZIONE INTEGRALE MAGLIOCURIOSO & CAMILLO magliocurioso@hotmail.it Sommario. In questa breve dispensa ho semplicementrascritto in L A TEX il contenuto di questa discussione: http://www.matematicamente.it/forum/

Dettagli

TRAVE SU SUOLO ELASTICO

TRAVE 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

Dettagli

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA DEFINIZIONE: Dato un numero reale a che sia a > 0 e a si definisce funzione esponenziale f(x) = a x la relazione che ad ogni valore di x associa uno e un solo

Dettagli

Note integrative ed Esercizi consigliati

Note integrative ed Esercizi consigliati - a.a. 2006-07 Corso di Laurea Specialistica in Ingegneria Civile (CIS) Note integrative ed consigliati Laura Poggiolini e Gianna Stefani Indice 0 1 Convergenza uniforme 1 2 Convergenza totale 5 1 Numeri

Dettagli

FUNZIONI REALI DI VARIABILE REALE e CONTINUITA Roberto Argiolas

FUNZIONI REALI DI VARIABILE REALE e CONTINUITA Roberto Argiolas FUNZIONI REALI DI VARIABILE REALE e CONTINUITA Roberto Argiolas.8.6.. - -.5.5 -. In questa dispensa ricordiamo la classificazione delle funzioni elementari e il dominio di esistenza delle stesse. Inoltre

Dettagli

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc.

1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. Classi Numeriche 1 1 Numeri Complessi, Formula di Eulero, Decomposizioni Notevoli,... ecc. In questo breve capitolo richiamiamo le definizioni delle classi numeriche fondamentali, già note al lettore,

Dettagli

LE FUNZIONI E LE LORO PROPRIETÀ

LE FUNZIONI E LE LORO PROPRIETÀ LE FUNZIONI E LE LORO PROPRIETÀ LE FUNZIONI REALI DI VARIABILE REALE COSA SONO LE FUNZIONI Dati due sottoinsiemi A e B non vuoti di R, una FUNZIONE da A a B è una relazione che associa ad ogni numero reale

Dettagli

Anno 5 Funzioni inverse e funzioni composte

Anno 5 Funzioni inverse e funzioni composte Anno 5 Funzioni inverse e funzioni composte 1 Introduzione In questa lezione impareremo a definire e ricercare le funzioni inverse e le funzioni composte. Al termine di questa lezione sarai in grado di:

Dettagli

2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 1 INTRODUZIONE

2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 1 INTRODUZIONE 2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 INTRODUZIONE Il problema agli autovalori di un operatore La trattazione del problema agli autovalori di un operatore fatta negli spazi finitodimensionali

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

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

Dettagli

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

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

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Pag 1 di 92 Francesco Sardo ELEMENTI DI STATISTICA PER VALUTATORI DI SISTEMI QUALITA AMBIENTE - SICUREZZA REV. 11 16/08/2009 Pag 2 di 92 Pag 3 di 92 0 Introduzione PARTE I 1 Statistica descrittiva 1.1

Dettagli

10. Insiemi non misurabili secondo Lebesgue.

10. 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

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

. analisi teorica (studio di esistenza, unicità della soluzione, sensitività rispetto ai dati, regolarità, comportamento qualitativo).

. analisi teorica (studio di esistenza, unicità della soluzione, sensitività rispetto ai dati, regolarità, comportamento qualitativo). 1 Modelli matematici Un modello è un insieme di equazioni e altre relazioni matematiche che rappresentano fenomeni fisici, spiegando ipotesi basate sull osservazione della realtà. In generale un modello

Dettagli

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

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

Dettagli

Dispensa sulle funzioni trigonometriche

Dispensa sulle funzioni trigonometriche Sapienza Universita di Roma Dipartimento di Scienze di Base e Applicate per l Ingegneria Sezione di Matematica Dispensa sulle funzioni trigonometriche Paola Loreti e Cristina Pocci A. A. 00-0 Dispensa

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 Numeri Complessi. Si verifica facilmente che, per l operazione di somma in definita dalla (1), valgono le seguenti

I Numeri Complessi. Si verifica facilmente che, per l operazione di somma in definita dalla (1), valgono le seguenti Y T T I Numeri Complessi Operazioni di somma e prodotto su Consideriamo, insieme delle coppie ordinate di numeri reali, per cui si ha!"# $&% '( e )("+* Introduciamo in tale insieme una operazione di somma,/0"#123045"#

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

dell affidabilità strutturale

dell affidabilità strutturale Metodiprobabilisticiper per lavalutazione dell affidabilità strutturale Obiettivo dell esercitazione: acquisire le conoscenze necessarie per applicare i metodi probabilistici (livello III, II e semi probabilistico)

Dettagli

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n 1 Medie La statistica consta di un insieme di metodi atti a elaborare e a sintetizzare i dati relativi alle caratteristiche di una fissata popolazione, rilevati mediante osservazioni o esperimenti. Col

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

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

Dettagli

INCERTEZZA DI MISURA

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

Dettagli

i=1 Se tale somma ha un valore finito allora diremo che la variabile aleatoria X ammette valor medio. In tal caso, la quantità xp {X = x} = x E

i=1 Se tale somma ha un valore finito allora diremo che la variabile aleatoria X ammette valor medio. In tal caso, la quantità xp {X = x} = x E 2.7 Il valor medio La nozione di media aritmetica di un insieme finito di numeri reali {x 1,x 2,...,x n } è nota e molto naturale. Una delle sue possibili interpretazioni è quella che si ottiene associando

Dettagli

Esponenziali elogaritmi

Esponenziali elogaritmi Esponenziali elogaritmi Potenze ad esponente reale Ricordiamo che per un qualsiasi numero razionale m n prendere n>0) si pone a m n = n a m (in cui si può sempre a patto che a sia un numero reale positivo.

Dettagli

Analisi termografica su celle litio-ione sottoposte ad esperienze di "second life" Francesco D'Annibale, Francesco Vellucci. Report RdS/PAR2013/191

Analisi termografica su celle litio-ione sottoposte ad esperienze di second life Francesco D'Annibale, Francesco Vellucci. Report RdS/PAR2013/191 Agenzia nazionale per le nuove tecnologie, l energia e lo sviluppo economico sostenibile MINISTERO DELLO SVILUPPO ECONOMICO Analisi termografica su celle litio-ione sottoposte ad esperienze di "second

Dettagli

ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali. www.vincenzoscudero.it novembre 2009

ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali. www.vincenzoscudero.it novembre 2009 ESERCIZI SVOLTI Ricerca del dominio di funzioni razionali fratte e irrazionali v.scudero www.vincenzoscudero.it novembre 009 1 1 Funzioni algebriche fratte 1.1 Esercizio svolto y = x 1 x 11x + 10 (generalizzazione)

Dettagli

POLITECNICO di BARI - A.A. 2012/2013 Corso di Laurea in INGEGNERIA Informatica e dell Automazione

POLITECNICO di BARI - A.A. 2012/2013 Corso di Laurea in INGEGNERIA Informatica e dell Automazione POLITECNICO di BARI - A.A. 0/03 Corso di Laurea in INGEGNERIA Informatica e dell Automazione Problema Sia f :[0, +[! R una funzione continua. La funzione composta g() =f(kk) è c o n t i n u a? Problema

Dettagli

Elementi di Statistica

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

Dettagli

Convessità e derivabilità

Convessità e derivabilità Convessità e derivabilità Definizione 1 (convessità per funzioni derivabili) Sia f : (a, b) R derivabile su (a, b). Diremo che f è convessa o concava su (a, b) se per ogni 0 (a,b) il grafico di f sta tutto

Dettagli

Appunti e generalità sulle funzioni reali di variabili reali.

Appunti e generalità sulle funzioni reali di variabili reali. Appunti e generalità sulle funzioni reali di variabili reali. Premessa Questa breve trattazione non vuole costituire una guida completa ed esauriente sull argomento, ma vuole fornire solamente i concetti

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

esame di stato 2012 seconda prova scritta per il liceo scientifico di ordinamento

esame di stato 2012 seconda prova scritta per il liceo scientifico di ordinamento RTICL rchimede 4 esame di stato seconda prova scritta per il liceo scientifico di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario PRBLEM Siano f e g le funzioni

Dettagli

Se si insiste non si vince

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

Dettagli

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

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

Dettagli

In base alla definizione di limite, la definizione di continuità può essere data come segue:

In base alla definizione di limite, la definizione di continuità può essere data come segue: Def. Sia f una funzione a valori reali definita in un intervallo I (itato o ilitato) e sia un punto interno all intervallo I. Si dice che f è continua nel punto se: ( )= ( ) Una funzione f è continua in

Dettagli

Statistical Process Control

Statistical Process Control Statistical Process Control 1 Introduzione SPC si occupa del miglioramento della qualità. I metodi per il miglioramento della qualità possono essere applicati a qualsiasi area in una fabbrica o organizzazione

Dettagli

Capitolo 12 La regressione lineare semplice

Capitolo 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

Dettagli

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

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

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso 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

Dettagli

2. Limite infinito di una funzione in un punto

2. Limite infinito di una funzione in un punto . Limite infinito di una funzione in un punto Consideriamo la funzione: fx ( ) = ( x ) definita in R {}, e quindi il valore di non è calcolabile in x=, che è comunque un punto di accumulazione per il dominio

Dettagli

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

Lezione 4: Principi di Conservazione Conservazione della quantità di moto e del momento della quantità di moto

Lezione 4: Principi di Conservazione Conservazione della quantità di moto e del momento della quantità di moto Lezione 4: Principi di Conservazione Conservazione della quantità di moto e del momento della quantità di moto Claudio Tamagnini Dipartimento di Ingegneria Civile e Ambientale Università degli Studi di

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

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

Dettagli

Derivazione elementare dell espressione della quantità di moto e dell energia in relativività ristretta

Derivazione elementare dell espressione della quantità di moto e dell energia in relativività ristretta Derivazione elementare dell espressione della quantità di moto e dell energia in relativività ristretta L. P. 22 Aprile 2015 Sommario L espressione della quantità di moto e dell energia in relatività ristretta

Dettagli

Verica di Matematica su dominio e segno di una funzione [COMPITO 1]

Verica di Matematica su dominio e segno di una funzione [COMPITO 1] Verica di Matematica su dominio e segno di una funzione [COMPITO 1] Esercizio 1. Determinare il dominio delle seguenti funzioni: 1. y = 16 x ;. y = e 1 x +4 + x + x + 1; 3. y = 10 x x 3 4x +3x; 4. y =

Dettagli

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

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

Dettagli

ELABORAZIONE DEL VALORE MEDIO NELLE MISURE ELETTRONICHE

ELABORAZIONE DEL VALORE MEDIO NELLE MISURE ELETTRONICHE NOTE PER IL TECNICO ELABORAZIONE DEL VALORE MEDIO NELLE MISURE ELETTRONICHE da BRUEL & KJAER Le cosiddette «application notes» pubblicate a cura della Bruel & Kjaer, nota Fabbrica danese specializzata

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

MAPPE IN DIMENSIONE UNO

MAPPE IN DIMENSIONE UNO ¾ MAPPE IN DIMENSIONE UNO Abbiamo visto come la sezione di Poincaré conduca in modo naturale alla considerazione di mappe definite mediante funzioni reali. In questo capitolo passiamo a discutere la dinamica

Dettagli

FASCI DI RETTE. scrivere la retta in forma esplicita: 2y = 3x + 4 y = 3 2 x 2. scrivere l equazione del fascio di rette:

FASCI DI RETTE. scrivere la retta in forma esplicita: 2y = 3x + 4 y = 3 2 x 2. scrivere l equazione del fascio di rette: FASCI DI RETTE DEFINIZIONE: Si chiama fascio di rette parallele o fascio improprio [erroneamente data la somiglianza effettiva con un fascio!] un insieme di rette che hanno tutte lo stesso coefficiente

Dettagli

APPLICAZIONI LINEARI

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

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

Corso di Analisi Matematica. Polinomi e serie di Taylor

Corso di Analisi Matematica. Polinomi e serie di Taylor a.a. 2013/14 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli

Dettagli

ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA.

ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA. ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA. Prerequisiti I radicali Risoluzione di sistemi di equazioni di primo e secondo grado. Classificazione e dominio delle funzioni algebriche Obiettivi minimi Saper

Dettagli

LIMITI E CONFRONTO LOCALE Esercizi svolti. b) lim. d) lim. h) lim x x + 1 x. l) lim. b) lim x cos x. x 0 sin 2 3x cos x p) lim.

LIMITI E CONFRONTO LOCALE Esercizi svolti. b) lim. d) lim. h) lim x x + 1 x. l) lim. b) lim x cos x. x 0 sin 2 3x cos x p) lim. LIMITI E CONFRONTO LOCALE Esercizi svolti. Calcolare i seguenti iti: a + 4 + b + 4 + 4 c 5 e ± g i + + sin 4 m sin o π q sin π + 4 + 7 d + 4 + + 5 4 + f 4 4 + 5 4 + 4 h + + l + + cos n sin cos p π π +

Dettagli