Analisi di modelli primari e secondari nella Microbiologia Predittiva: approccio a Reti Neurali

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Analisi di modelli primari e secondari nella Microbiologia Predittiva: approccio a Reti Neurali"

Transcript

1 Analisi di modelli primari e secondari nella Microbiologia Predittiva: approccio a Reti Neurali Prof. Crescenzio Gallo, Ing. Michelangelo De Bonis [c.gallo, Laboratorio per l'analisi Quantitativa dei Dati Dipartimento di Scienze Economiche, Matematiche e Statistiche Dipartimento di Scienze Biomediche Università di Foggia, Italy

2 2 Atti del Mathematica Italia User Group Meeting 2011.nb Abstract La microbiologia predittiva (PFM Predictive Food Microbiology) è un'area multidisciplinare di ricerca della microbiologia alimentare. Essa implementa elementi fondamentali di matematica, microbiologia, ingegneria e di chimica per sviluppare ed applicare modelli formali e predire la risposta della crescita di microorganismi in determinate condizioni ambientali. Questo lavoro ha un duplice scopo: analizzare le tecniche di modellizzazione già esistenti e affermate nel settore, e quindi proporre un modello matematico alternativo basato sulle Reti Neurali Artificiali, descrivendone i risultati.

3 Atti del Mathematica Italia User Group Meeting 2011.nb 3 Introduzione La microbiologia predittiva nasce dal desiderio di racchiudere il comportamento dei microorganismi in modelli matematici, al fine di rendere più semplici le procedure per la determinazione del rischio alimentare. La si può definire come una disciplina che ha l obiettivo di sviluppare modelli matematici accurati e nello stesso tempo versatili, in grado di descrivere l evoluzione microbica in prodotti alimentari, come funzione delle condizioni ambientali, che sono assunte conosciute e misurabili (Impe JV et al., 2005). I modelli matematici impiegati nella microbiologia predittiva possono essere classificati in tre tipi (Whiting R et al., 1993): primari; secondari; terziari. I modelli primari fanno riferimento a espressioni matematiche che descrivono l inattivazione, la sopravvivenza o la crescita batterica in termini di popolazione cellulare o di densità nel tempo, in determinate condizioni colturali e ambientali. L obiettivo è testare l abilità di un modello nel descrivere le curve microbiche di crescita e nell individuarne i parametri. I modelli secondari descrivono come variano i parametri stimati dall applicazione dei modelli primari, in funzione di una o più condizioni ambientali. Infine i modelli terziari combinano uno o più modelli primari e secondari, per generare un sistema in grado di predire il comportamento di specifici microorganismi, quando sottoposti a differenti condizioni ambientali. I dati e le curve di crescita con cui si sono svolte le indagini statistiche sono stati prelevati dal repository mondiale Combase. Il database contiene curve di crescita microbiche (Baranyi J et al., 2004). Dal seguente database sono state selezionate 80 curve di crescita di Shigella flexeneri, ottenute in terreno di coltura BHIB in anaerobiosi (i dati originari sono disponibili all'indirizzo La scelta è stata effettuata considerando quattro parametri di crescita: 1) temperatura, compresa nel range gradi Celsius 2) ph compreso tra ) concentrazione di NaCl compresa nel range 0.5% - 4 % 4) concentrazione di KNO 2 ê NaNO 2 compresa nel range ppm Per l'analisi e l'implementazione dei modelli è stato utilizzato il software Mathematica nella versione 8.0 disponibile nel Laboratorio per l'analisi Quantitativa dei Dati dell' Università degli Studi di Foggia. In particolare, Mathematica è stato impiegato per la normalizzazione di dati sperimentali e la realizzazione di reti neurali artificiali utilizzate per la previsione della crescita batterica, e per la produzione dei relativi grafici a corredo dell'indagine scientifica effettuata.

4 4 Atti del Mathematica Italia User Group Meeting 2011.nb Fase 1: Analisi dei dati mediante modelli primari Le curve di crescita microbiche, quando rappresentate dal logaritmo della concentrazione microbica nel tempo, mostrano un andamento tipicamente sigmoidale, nel quale possono essere individuate tre principali fasi di crescita: 1. una fase iniziale, detta fase lag, in cui la velocità specifica di crescita passa da un valore pari a zero al valore di massima velocità di crescita; 2. una fase esponenziale, in cui la velocità specifica di crescita resta costante; 3. una fase stazionaria, in cui la velocità di crescita diminuisce fino a raggiungere il valore zero. Per descrivere tali curve e ridurre i dati misurati ad un numero limitato di parametri, sono stati sviluppati diversi modelli, sia di tipo empirico che di tipo meccanicistico. I modelli più impiegati sono fondamentalmente tre: il modello di Gompertz, il modello di Baranyi-Roberts ed il modello di Buchanan. ü Modello di Gompertz Il modello di Gompertz, è un modello empirico (Zwietering M. et al., 1990) che è stato modificato per dare un significato biologico ai parametri che lo descrivono. Il modello è descritto dalla seguente equazione: log N = A g + D e -BHt-ML dove: - N indica la concentrazione dei microorganismi al tempo t [CFU/mL]; - D è la differenza tra il valore dell asintoto inferiore e dell asintoto superiore [1/CFU]; - B rappresenta la massima velocità di crescita al tempo M [1/s]; - M tempo in cui viene raggiunta la massima velocità di crescita [s]; - A g valore dell asintoto superiore [1/CFU]. ü Modello di Baranyi-Roberts Il modello proposto Baranyi e Roberts (Baranyi J. et al., 1994), a differenza del modello di Gompertz fonda su basi biologiche l interpretazione dei suoi parametri. La crescita della popolazione microbica può essere descritta dalle seguenti equazioni differenziali: N t = m max J QHtL NHtL N J1 - N NHtL 1+QHtL N max con NHt = 0L = N 0 QHtL t = m max QHtL con QHt = 0L = Q 0 La prima equazione differenziale descrive l evoluzione della crescita microbica NHtL con N 0 valore iniziale ed N max valore massimo di crescita [CFU/mL]. Il primo fattore induce la fase di crescita esponenziale, con un tasso massimo identificato da m max [1/h]. Il secondo fattore è la componente introdotta dalla fase lag, chiamato stato fisiologico delle cellule nel tempo QHtL [ ], che dipende dallo stato fisiologico iniziale Q 0. Questo stato è proporzionale alla concentrazione di una una ipotetica sostanza critica che simuli un collo di bottiglia nel processo di crescita. Il terzo fattore è la funzione di inibizione logistica, che nella fase stazionaria assume il ruolo di massimo nella crescita microbica. La seconda equazione differenziale descrive l evoluzione esponenziale del termine QHtL, con Q 0 [ ] il valore iniziale dello stato fisiologico.

5 Atti del Mathematica Italia User Group Meeting 2011.nb 5 La prima equazione differenziale descrive l evoluzione della crescita microbica NHtL con N 0 valore iniziale ed N max valore massimo di crescita [CFU/mL]. Il primo fattore induce la fase di crescita esponenziale, con un tasso massimo identificato da m max [1/h]. Il secondo fattore è la componente introdotta dalla fase lag, chiamato stato fisiologico delle cellule nel tempo QHtL [ ], che dipende dallo stato fisiologico iniziale Q 0. Questo stato è proporzionale alla concentrazione di una una ipotetica sostanza critica che simuli un collo di bottiglia nel processo di crescita. Il terzo fattore è la funzione di inibizione logistica, che nella fase stazionaria assume il ruolo di massimo nella crescita microbica. La seconda equazione differenziale descrive l evoluzione esponenziale del termine QHtL, con Q 0 [ ] il valore iniziale dello stato fisiologico. ü Modello di Buchanan o Modello Lineare a Tre Fasi Sebbene il modello di Baranyi produca un buon fit, l elevato numero di parametri da stimare e la sua sensibilità al numero di dati e alla loro distribuzione, lo rendono particolarmente complesso. Per questo motivo Buchanan (Buchanan R et al., 1997) propone il three phase linear model che può essere schematizzato come segue: log N = loghn 0 L log N = loghn 0 L + m max Ht - tl per Ht tl per Ht < t < t m L log N = loghn max L dove m max = loghn max L - logn 0 Ht m -tl Praticamente il modello è sviluppato sulle seguenti assunzioni (Li H et al., 2007): - durante la fase lag la velocità specifica di crescita è zero; - durante la fase esponenziale, il logaritmo della popolazione microbica aumenta linearmente con il tempo; - durante la fase stazionaria la velocità specifica di crescita torna ad essere zero.

6 6 Atti del Mathematica Italia User Group Meeting 2011.nb Fase 2: Analisi dei modelli secondari con Neural Networks L'analisi effettuata con i tre modelli primari ha dato, per ogni curva presa in analisi, come risultato il tempo di permanenza nella fase iniziale e la velocità nella fase di crescita. Come modello secondario, cioè la possibilità attraverso un modello matematico di poter predire una situazione al tempo Ht + il, sono state utilizzate delle reti neurali artificiali. Quando i dati di input provengono da una funzione con valori reali di output in un intervallo continuo, una rete neurale può eseguire un'approssimazione tradizionale della funzione in oggetto. Un esempio di un problema di approssimazione potrebbe essere quello in cui la temperatura di un oggetto è determinata da misure secondarie, come ad esempio emissione di radiazioni. Un altro esempio più banale potrebbe essere quello di valutare la misura delle scarpe sulla base dell'altezza di una persona. Questi due esempi, ovviamente, riguardano dei modelli molto semplici e semplicistici con un solo ingresso e una sola uscita. Un modello più avanzato potrebbe essere quello di usare un ulteriore elemento come dato di ingresso, il genere sessuale, come un secondo indicatore per ricavare una stima più accurata della misura delle scarpe. Le funzioni possono comunque essere approssimate con i seguenti due tipi di rete neurale: FeedForward e Radial Basis Function (Sjoberg J., 2005). E' compito del ricercatore cogliere le sottili differenze di implementazioni tra i due tipololgie di rete e saperle applicare nel contesto migliore. In questo lavoro la struttura principale utilizzata è stata quella FeedForward; le relative reti neurali sono state costruite ponendo in ingresso i valori di "uscita" del modello primario (il valore del tempo di permananenza nella fase lag e il valore di velocità della crescita batterica) e studiando la migliore configurazione di rete che approssimi i dati reali. ü Neural Network per il modello di Gompertz Per i dati ottenuti dal modello primario di Gompertz la migliore configurazione di rete neurale presenta le seguenti caratteristische: struttura di tipo FeedForward con due strati nascosti e 3 neuroni per ciascuno strato, valore di learning rate di 0.06 e valore del momentum coefficient di 0.6. L errore in termini di RMSE è Il seguente è lo schema della rete neurale implementata. ü Neural Network per il modello di Baranyi-Roberts

7 Atti del Mathematica Italia User Group Meeting 2011.nb 7 Neural Network per il modello di Baranyi-Roberts Per i dati ottenuti dal modello primario di Baranyi-Roberts la migliore configurazione di rete neurale presenta le seguenti caratteristische: struttura di tipo FeedForward con due strati nascosti, 5 neuroni per il primo strato nascosto e 9 per il secondo, valore di learning rate di 0.05 e valore del momentum coefficient di 0.6. L errore in termini di RMSE è Il seguente è lo schema della rete neurale implementata. ü Neural Network per il modello di Buchanan Per i dati ottenuti dal modello primario di Buchanan la migliore configurazione di rete neurale presenta le seguenti caratteristische: struttura di tipo FeedForward con due strati nascosti, 12 neuroni per il primo strato nascosto e 2 per il secondo, valore di learning rate di 0.01 e valore del momentum coefficient di 0.5. L errore in termini di RMSE è Il seguente è lo schema della rete neurale implementata. ü

8 8 Atti del Mathematica Italia User Group Meeting 2011.nb

9 Atti del Mathematica Italia User Group Meeting 2011.nb 9 Fase 3: Analisi dei dati con approccio con Neural Networks In questo approccio di ricerca è stato utilizzato lo strumento delle reti neurali direttamente sui dati raccolti dal database. Si è scelto di rovesciare la filosofia "classica" di approccio al problema, in cui il valore di previsione viene derivato attraverso i due passaggi espressi dalla fase 1 (analisi dei dati con uno dei metodi primari) e dalla fase 2 (analisi dei risultati dei modelli primari e successive indigini di regressione statistica). Il problema è stato ricostruito secondo il seguente obiettivo: è possibile implementare una rete neurale che, conoscendo solamente i dati nel loro stato "grezzo", sia in grado di predire il valore di crescita batterica al tempo Ht + il? Per poter rispondere a questa domanda, il lavoro più importante è stato quello della costruzione del nuovo modello di analisi e della relativa forma dei dati in ingresso. Dopo attente analisi il dato di input (il valore di concentrazione batterica) è stato determinato dai seguenti parametri: dati ambientali, il tempo e il valore di concentrazione iniziale. Si potrebbe esprimere la relazione come segue: log HNL = f HT, ph, NaCl, KNO 2 ênano 2, t, loghn 0 L) dove: - N indica la concentrazione dei microorganismi al tempo t [CFU/mL]; - N 0 è la concentrazione dei microorganismi al tempo 0 [CFU/mL]; - T è la temperatura in gradi Celsius; - ph è il valore dell'indice di acidità della curva; - t è la variabile temporale di crescita; - NaCl rappresenta la percentuale di cloruro di sodio presente; - KNO 2 ênano 2 rappresenta, infine, la concentrazione dei sali espressa in parti per milione [ppm]. La rete neurale ha quindi la seguente struttura: 6 neuroni nello strato di input, relativi a temperatura, ph, percentuale di NaCl, concentrazione di KNO 2 ênano 2, tempo e logaritmo della concentrazione iniziale. Lo strato di uscita è costituito da un solo neurone, il quale individua il logaritmo della concentrazione. Il set di dati contiene 734 elementi in totale. Questi sono stati suddivisi come segue: 500 punti per il training test, 106 per il validation test, 106 nel test set e 22 punti provenienti da 3 curve di crescita diverse utili per la "simulazione" dell'effettiva bontà del nostro modello matematico. Infatti, questi ultimi dati sono stati utilizzati per verificare se il modello è in grado di riprodurre l andamento tipico della curva di crescita e corrispondono alle seguenti curve: - H180A (T = 37 C, ph = 5.05, NaCl = 0.5 %, KNO 2 ênano 2 = 0 ppm) - H270A (T = 19 C, ph = 6.05, NaCl = 0.5 %, KNO 2 ênano 2 = 0 ppm) - H90C (T = 28 C, ph = 5.05, NaCl = 0.5 %, KNO 2 ênano 2 = 0 ppm) La migliore configurazione di rete è stata individuata in due strati nascosti con 5 neuroni per ciascuno strato, valore di learning rate di 0.02, valore di momentum coefficient di 0.9. L RMSE ottenuto è pari a La sua struttura è visualizzata nella figura seguente.

10 10 Atti del Mathematica Italia User Group Meeting 2011.nb

11 Atti del Mathematica Italia User Group Meeting 2011.nb 11 Implementazione in Mathematica della Fase 3: Analisi dei dati con Neural Network Inizializzazione ü Packages e funzioni << NeuralNetworks`; << pointcurves_minusthree.txt; minmax_d := i, j<, = 1, j <= j++, = 8i, = minmaxinpd minmaxoutd minmax_, inpresc_, xmin_, xmax_d := i, j<, = 1, j <= j++, = 8i, 8xmin, xmax<dd; inpresc = 8i, 8j, minmaxinp, inputresc, 0.1, 0.9D; minmaxout, outputresc, 0.1, 0.9D; outtrain, inpvalid, outvalid, inptest, outtestd output_, inptrain_, outtrain_, ntrain_, inpvalid_, outvalid_, nvalid_, inptest_, outtest_d := 8i, j, x, y, rand, inptr = 8<, outtr = 8<, inpv = 8<, outv = 8<, inp = input, out = output<, = 1, i ntrain, i++, rand = 81, x = inptr = xd; y = outtr = yd; inp = 8rand<D; out = 8rand<DD; = 1, j nvalid, j++, rand = 81, x = inpv = xd; y = outv = yd; inp = 8rand<D; out = 8rand<DD; inptest = inp; outtest = out; inptrain = inptr; outtrain = outtr; inpvalid = inpv; outvalid = outvd; outputresc, inptrain, outtrain, 500, inpvalid, outvalid, 106, inptest, outtestd; inptrain >>> pointcurves_scaled.txt outtrain >>> pointcurves_scaled.txt inpvalid >>> pointcurves_scaled.txt outvalid >>> pointcurves_scaled.txt inptest >>> pointcurves_scaled.txt outtest >>> pointcurves_scaled.txt << pointcurves_scaled.txt; Rete Neurale ü Inizializzazione e fitting netfdwrd2, fitreportd;

12 12 Atti del Mathematica Italia User Group Meeting 2011.nb netfdwrd = outtrain, 85, 7<, BiasParameters Ø True, RandomInitialization Ø True, OutputNonlinearity Ø SigmoidD w2, w3<<, 8Neuron Ø Sigmoid, FixedParameters Ø None, AccumulatedIterations Ø 0, CreationDate Ø 82011, 8, 31, 18, 1, <, OutputNonlinearity Ø Sigmoid, NumberOfInputs Ø 6<D 8netfdwrd2, fitreport< = inptrain, outtrain, inpvalid, outvalid, , Method Ø BackPropagation, StepLength Ø 0.02, Momentum Ø 0.9, CriterionPlot Ø TrueD; RMSE Iterations ü Inizializzazioni indici di controllo y_d := ModuleB8i, j, n = m = tot, parz1<, tot = n m i=1 j= n ; ForBj = 1, j <= j++, = n i= n ; for attribute ", j, " is: ", RMSE is: ", totd;f outpred = outtest; outtestd RMSE for attribute 1 is: Total RMSE is:

13 Atti del Mathematica Italia User Group Meeting 2011.nb 13 xmin_, xmax_, inpresc_, minmax_d := i, j<, = 1, j <= j++, = 8i, 8xmin, xmax<, inpresc = 8i, 8j, 0.1, 0.9, outpredreal, minmaxoutd; 0.1, 0.9, outtestreal, minmaxoutd; 0.1, 0.9, inptestreal, minmaxinpd; ü Set di generalizzazione dei dati << threecurves.txt = 1, i <= i++, minmaxinp, 0.1, 0.9D;D curvesrescaled = 8i, = 1, i <= i++, minmaxout, 0.1, 0.9D;D logrescaled = 8i, logpred = 8i, 8j, = 1, i i++, <, <, <, <, <, <, <, <<, <, <, <, <, <, <, <<, <, <, <, <, <, <, <<< <, <, <, <, <, <, <, <<, <, <, <, <, <, <, <<, <, <, <, <, <, <, <<< RMSE for attribute 1 is: Total RMSE is: Null RMSE for attribute 1 is: Total RMSE is: Null RMSE for attribute 1 is: Total RMSE is: Null

14 14 Atti del Mathematica Italia User Group Meeting 2011.nb logpredictedreald; = 1, i i++, 0.1, 0.9, minmaxoutdd logpredictedreal = 8i, curvetimelogreal = 8i, 8j, curvetimelogreal curvelogtimepred = 8i, 8j, <, <, <, <, <, <, <, <<, <, <, <, <, <, <, <<, <, <, <, <, <, <, <<< 8880., 3.06<, 82., 2.95<, 84., 3.93<, 87., 4.98<, 819., 7.78<, 822., 8.2<, 825., 7.72<, 828., 7.8<<, 880., 2.77<, 818., 4.68<, 824., 4.76<, 896., 8.72<, 899., 8.79<, 8114., 8.79<, , 9.02<<, 880., 3.09<, 84., 3.29<, 819.5, 7.25<, 823., 7.98<, 827., 8.52<, 847., 8.57<, 851.5, 8.57<<< 8880., <, 82., <, 84., <, 87., <, 819., <, 822., <, 825., <, 828., <<, 880., <, 818., <, 824., <, 896., <, 899., <, 8114., <, , <<, 880., <, 84., <, 819.5, <, 823., <, 827., <, 847., <, 851.5, <<< Risultati ü Confrotto dati Reali - dati previsti dalla Rete Neurale = 1, i i++, conditions: t,ph,nacl,kno2 ", " ", " ", " ", " Predicted ", Filling Ø Axis, Joined Ø TrueD, " Real ", Filling Ø Axis, Joined Ø TrueDDD

15 Atti del Mathematica Italia User Group Meeting 2011.nb 15 Environmental conditions: t,ph,nacl,kno Predicted Real Environmental conditions: t,ph,nacl,kno Predicted Real

16 16 Atti del Mathematica Italia User Group Meeting 2011.nb Environmental conditions: t,ph,nacl,kno Predicted Real = 1, i i++, conditions: t,ph,nacl,kno2 ", " ", " ", " ", " Predicted ê Real ", Filling Ø Axis, Joined Ø TrueDDD

17 Atti del Mathematica Italia User Group Meeting 2011.nb 17 Environmental conditions: t,ph,nacl,kno Predicted ê Real Environmental conditions: t,ph,nacl,kno Predicted ê Real Environmental conditions: t,ph,nacl,kno Predicted ê Real

18 18 Atti del Mathematica Italia User Group Meeting 2011.nb Considerazioni e Conclusioni L'indagine condotta utilizza una metodica "alternativa" ai canoni della letteratura nel campo della microbiologia predittiva (PFM Predictive Food Microbiology). Infatti, sono stati qui considerati i valori del logaritmo (in base 10) della concentrazione come funzione del tempo, la concentrazione iniziale ed i parametri ambientali. Usando i dati così costituiti si è costruito un modello basato su rete neurale in grado di predire la concentrazione batterica in base al tempo, la concentrazione iniziale ed i parametri ambientali. Come mostrato il modello è in grado di riprodurre molto bene una curva di crescita batterica, sebbene l errore in termini di RMSE sia più alto rispetto agli altri modelli. Ma questo porta il ricercatore a migliorare il modello della Rete Neurale ("tarando" il numero di neuroni e di strati nascosti), magari aggiungendo informazioni iniziali al set di dati, perché la rete neurale intrinsicamente riesce a riconoscere l'andatamento della curva di crescita e a simularne, o a predirne, valori futuri. Questo tipo di indagine, ed i modelli matematici sottostanti, richiede notevoli capacità di calcolo e di modellizzazione simbolica che non sono normalmente disponibili o comunque agevoli da affrontare con un semplice approccio "concettuale". Gli strumenti di modellizzazione e di calcolo (simbolico e numerico) nonché gli strumenti tradizionali di programmazione procedurale offerti dall'ambiente Mathematica hanno consentito la comparazione di diversi approcci di modellizzazione in breve tempo, e riteniamo nell'immediato futuro di poter migliorare sensibilmente l'accuratezza dei risultati di previsione ottenuti mediante rete neurale per mezzo di un "raffinamento" mirato nella strutturazione delle stesse, sia in termini di numero di neuroni che di strati nascosti impiegati.

19 Atti del Mathematica Italia User Group Meeting 2011.nb 19 Riferimenti Bibliografici J. V. Impe, F. Poschet, A. Geeraerd, and K. Vereecken, Towards a novel class of predictive microbial growth models, International Journal of Food Microbiology, vol. 100, pp , R. Whiting and R. Buchanan, A classification of models for predictive microbiology, Food Microbiology, vol. 10, pp , J. Baranyi and M. Tamplin, Combase: a common database on microbial responses to food environments, Journal of Food Protection, no.67, pp , M. Zwietering, I. Jongenburger, F. Rombouts, and K. van t Riet, Modeling of the bacterial growth curve, Appl. Environ. Microbiol, vol. 56, p. 1975, J. Baranyi and T.Robert, A dynamic approach to predicting bacterial growth in food, International Journal of Food Microbiology, vol.23, pp , R. Buchanan, R.Whiting, and W.Damert, When is simple good enough: a comparison of the gompertz, baranyi, and three-phase linear models for fitting bacterial growth curves, Food Microbiology, vol.14, pp , H. Li, G. Xie, and A. Edmondson, Evolution and limitations of primary mathematical models in predictive microbiology, Br.Food Journal, vol.109, pp , J. Sjoberg, Mathematica - Neural Network: Train and analyze Neural Networks fit your data, Wolfram Research, 2005.

(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

Integrazione numerica

Integrazione numerica Integrazione numerica Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Lezione 6-20-26 ottobre 2009 Indice 1 Formule di quadratura semplici e composite Formule di quadratura

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA SVILUPPO DI METODI DECONVOLUTIVI PER L INDIVIDUAZIONE DI SORGENTI INDIPENDENTI

Dettagli

La MKT (Mean Kinetic Temperature) come criterio di accettabilità sui controlli della temperatura

La MKT (Mean Kinetic Temperature) come criterio di accettabilità sui controlli della temperatura La (Mean Kinetic Temperature) come criterio di accettabilità sui controlli della temperatura Come funzionano i criteri di valutazione sulla temperatura Vi sono 5 parametri usati per la valutazione del

Dettagli

Equilibrio Termico tra Due Corpi

Equilibrio Termico tra Due Corpi Equilibrio Termico tra Due Corpi www.lepla.eu OBIETTIVO L attività ha l obiettivo di fare acquisire allo sperimentatore la consapevolezza che: 1 il raggiungimento dell'equilibrio termico non è istantaneo

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

General Linear Model. Esercizio

General Linear Model. Esercizio Esercizio General Linear Model Una delle molteplici applicazioni del General Linear Model è la Trend Surface Analysis. Questa tecnica cerca di individuare, in un modello di superficie, quale tendenza segue

Dettagli

QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE

QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE - Matematica - Griglie di valutazione Materia: Matematica Obiettivi disciplinari Gli obiettivi indicati si riferiscono all intero percorso della classe quarta

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

1. Diodi. figura 1. figura 2

1. Diodi. figura 1. figura 2 1. Diodi 1.1. Funzionamento 1.1.1. Drogaggio 1.1.2. Campo elettrico di buil-in 1.1.3. Larghezza della zona di svuotamento 1.1.4. Curve caratteristiche Polarizzazione Polarizzazione diretta Polarizzazione

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

UNIVERSITA DEGLI STUDI MAGNA GRAECIA DI CATANZARO DIPARTIMENTO DI SCIENZE DELLA SALUTE. Programmazione didattica a.a. 2014/2015

UNIVERSITA DEGLI STUDI MAGNA GRAECIA DI CATANZARO DIPARTIMENTO DI SCIENZE DELLA SALUTE. Programmazione didattica a.a. 2014/2015 UNIVERSITA DEGLI STUDI MAGNA GRAECIA DI CATANZARO DIPARTIMENTO DI SCIENZE DELLA SALUTE CORSO DI LAUREA IN BIOTECNOLOGIE Classe L2 Programmazione didattica a.a. 2014/2015 Per l anno accademico 2014-2015

Dettagli

Laboratorio di Progettazione Esecutiva dell Architettura 2 Corso di Estimo a.a. 2007-08 Docente Renato Da Re Collaboratore: Barbara Bolognesi

Laboratorio di Progettazione Esecutiva dell Architettura 2 Corso di Estimo a.a. 2007-08 Docente Renato Da Re Collaboratore: Barbara Bolognesi Laboratorio di Progettazione Esecutiva dell Architettura 2 Corso di Estimo a.a. 2007-08 Docente Renato Da Re Collaboratore: Barbara Bolognesi Microeconomia venerdì 29 febbraio 2008 La struttura della lezione

Dettagli

VC-dimension: Esempio

VC-dimension: Esempio VC-dimension: Esempio Quale è la VC-dimension di. y b = 0 f() = 1 f() = 1 iperpiano 20? VC-dimension: Esempio Quale è la VC-dimension di? banale. Vediamo cosa succede con 2 punti: 21 VC-dimension: Esempio

Dettagli

La ricerca operativa

La ricerca operativa S.S.I.S. PUGLIA Anno Accademico 2003/2004 Laboratorio di didattica della matematica per l economia e la finanza La ricerca operativa Prof. Palmira Ronchi (palmira.ronchi@ssis.uniba.it) Gli esercizi presenti

Dettagli

Appendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi

Appendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi Appendice III (articolo 5, comma 1 e art. 22 commi 5 e 7) Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi 1. Tecniche di modellizzazione 1.1 Introduzione. In generale,

Dettagli

Legge del Raffreddamento di Newton

Legge del Raffreddamento di Newton Legge del Raffreddamento di Newton www.lepla.eu Obiettivo L'obiettivo di questo esperimento è studiare l'andamento temporale della temperatura di un oggetto che si raffredda e trovare un modello matematico

Dettagli

Predire la struttura terziaria

Predire la struttura terziaria Predire la struttura terziaria E di gran lunga la predizione più complessa che si possa fare su una proteina. Esistono 3 metodi principali di predizione: 1 - Homology modelling: se si conoscono proteine

Dettagli

Se il flusso termico specifico fornito dalla resistenza elettrica è

Se il flusso termico specifico fornito dalla resistenza elettrica è Transitorio termico per un Ferro da stiro (esercizio 5.9 di Fundamentals of Heat and Mass Transfer, F.P. Incropera, D.P. Dewitt, T.L. Bergman, A.S. Lavine, 6th Edition, Wiley, 2007. La piastra di un ferro

Dettagli

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione

Text mining ed analisi di dati codificati in linguaggio naturale. Analisi esplorative di dati testualilezione Text mining ed analisi di dati codificati in linguaggio naturale Analisi esplorative di dati testualilezione 2 Le principali tecniche di analisi testuale Facendo riferimento alle tecniche di data mining,

Dettagli

I METALLI PESANTI NEL LATTE

I METALLI PESANTI NEL LATTE I METALLI PESANTI NEL LATTE di Serraino Andrea Dipartimento di Sanità Pubblica Veterinaria e Patologia Animale - Facoltà Medicina Veterinaria - Università di Bologna - Alma Mater Studiorum. I metalli sono

Dettagli

Richiami: funzione di trasferimento e risposta al gradino

Richiami: funzione di trasferimento e risposta al gradino Richiami: funzione di trasferimento e risposta al gradino 1 Funzione di trasferimento La funzione di trasferimento di un sistema lineare è il rapporto di due polinomi della variabile complessa s. Essa

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

Progetto di un alimentatore con Vo = +5 V e Io = 1 A

Progetto di un alimentatore con Vo = +5 V e Io = 1 A Progetto di un alimentatore con o +5 e Io A U LM7805/TO IN OUT S F T 5 4 8 - ~ ~ + + C GND + C + C3 3 R D LED Si presuppongono noti i contenuti dei documenti Ponte di Graetz Circuito raddrizzatore duale

Dettagli

Release Management. Obiettivi. Definizioni. Responsabilità. Attività. Input

Release Management. Obiettivi. Definizioni. Responsabilità. Attività. Input Release Management Obiettivi Obiettivo del Release Management è di raggiungere una visione d insieme del cambiamento nei servizi IT e accertarsi che tutti gli aspetti di una release (tecnici e non) siano

Dettagli

1 Congresso Nazionale ANFeA Roma, Auditorium ISPRA 1 e 2 dicembre 2011

1 Congresso Nazionale ANFeA Roma, Auditorium ISPRA 1 e 2 dicembre 2011 1 Congresso Nazionale ANFeA Roma, Auditorium ISPRA 1 e 2 dicembre 2011 DETERMINAZIONE DEI PARAMETRI DI CAPTAZIONE DEI NUCLEI DELLA BASE DA ESAME DATSCAN CON I 123 TRAMITE SOFTWARE BASAL GANGLIA MATCHING

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

Curve di risonanza di un circuito

Curve di risonanza di un circuito Zuccarello Francesco Laboratorio di Fisica II Curve di risonanza di un circuito I [ma] 9 8 7 6 5 4 3 0 C = 00 nf 0 5 0 5 w [KHz] RLC - Serie A.A.003-004 Indice Introduzione pag. 3 Presupposti Teorici 5

Dettagli

Università degli Studi di Parma. Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica

Università degli Studi di Parma. Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica Università degli Studi di Parma Facoltà di Scienze MM. FF. NN. Corso di Laurea in Informatica A.A. 2007-08 CORSO DI INGEGNERIA DEL SOFTWARE Prof. Giulio Destri http://www.areasp.com (C) 2007 AreaSP for

Dettagli

Raccolta di Esercizi di Matematica. Capitolo 8 : Modalità CAS (Computer Algebra S ystem)

Raccolta di Esercizi di Matematica. Capitolo 8 : Modalità CAS (Computer Algebra S ystem) Raccolta di Esercizi di Matematica Capitolo 8 : Modalità CAS (Computer Algebra S ystem) Contenuti: 8-1. L ordine Algebrico delle Operazioni 8-2. Problemi sulle Percentuali 8-3. Le Forme Standard e Point-Slope

Dettagli

Business Intelligence. Il data mining in

Business Intelligence. Il data mining in Business Intelligence Il data mining in L'analisi matematica per dedurre schemi e tendenze dai dati storici esistenti. Revenue Management. Previsioni di occupazione. Marketing. Mail diretto a clienti specifici.

Dettagli

Equazioni non lineari

Equazioni non lineari Dipartimento di Matematica tel. 011 0907503 stefano.berrone@polito.it http://calvino.polito.it/~sberrone Laboratorio di modellazione e progettazione materiali Trovare il valore x R tale che f (x) = 0,

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

I carichi critici: attività e criticità identificate dal National Focal Point

I carichi critici: attività e criticità identificate dal National Focal Point I carichi critici: attività e criticità identificate dal National Focal Point P. Bonanni*, F.Fornasier*, A. De Marco * ISPRA, ENEA Carico critico Stima quantitativa dell esposizione ad uno o più inquinanti

Dettagli

Configuration Management

Configuration Management Configuration Management Obiettivi Obiettivo del Configuration Management è di fornire un modello logico dell infrastruttura informatica identificando, controllando, mantenendo e verificando le versioni

Dettagli

Programmazione Generale. Matematica e Complementi. Classi: 2 Biennio Quarta. Istituto Tecnico Tecnologico Basilio Focaccia Salerno

Programmazione Generale. Matematica e Complementi. Classi: 2 Biennio Quarta. Istituto Tecnico Tecnologico Basilio Focaccia Salerno Istituto Tecnico Tecnologico Basilio Focaccia Salerno Programmazione Generale Matematica e Complementi Classi: 2 Biennio Quarta I Docenti della Disciplina Salerno, lì 12 settembre 2014 Finalità della Disciplina

Dettagli

1 LA CORRENTE ELETTRICA CONTINUA

1 LA CORRENTE ELETTRICA CONTINUA 1 LA CORRENTE ELETTRICA CONTINUA Un conduttore ideale all equilibrio elettrostatico ha un campo elettrico nullo al suo interno. Cosa succede se viene generato un campo elettrico diverso da zero al suo

Dettagli

ALLEGATO al verbale della riunione del 3 Settembre 2010, del Dipartimento di Elettrotecnica e Automazione.

ALLEGATO al verbale della riunione del 3 Settembre 2010, del Dipartimento di Elettrotecnica e Automazione. ALLEGATO al verbale della riunione del 3 Settembre 2010, del Dipartimento di Elettrotecnica e Automazione. COMPETENZE MINIME- INDIRIZZO : ELETTROTECNICA ED AUTOMAZIONE 1) CORSO ORDINARIO Disciplina: ELETTROTECNICA

Dettagli

Esercizio 1 Soluzione Esercizio 2 Soluzione

Esercizio 1 Soluzione Esercizio 2 Soluzione Esercizio 1 Si specifichi, mediante una formula del prim ordine un apparato che funziona nel modo seguente: All istante 0 esso emette un segnale s, che può essere uno 0 o un 1. Se, dopo l emissione di

Dettagli

Così come le macchine meccaniche trasformano

Così come le macchine meccaniche trasformano DENTRO LA SCATOLA Rubrica a cura di Fabio A. Schreiber Il Consiglio Scientifico della rivista ha pensato di attuare un iniziativa culturalmente utile presentando in ogni numero di Mondo Digitale un argomento

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

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

L impresa che non fa il prezzo

L impresa che non fa il prezzo L offerta nei mercati dei prodotti L impresa che non fa il prezzo L impresa che non fa il prezzo (KR 10 + NS 6) Dipartimento di Economia Politica Università di Milano Bicocca Outline L offerta nei mercati

Dettagli

Indicizzazione terza parte e modello booleano

Indicizzazione terza parte e modello booleano Reperimento dell informazione (IR) - aa 2014-2015 Indicizzazione terza parte e modello booleano Gruppo di ricerca su Sistemi di Gestione delle Informazioni (IMS) Dipartimento di Ingegneria dell Informazione

Dettagli

Esempi di algoritmi. Lezione III

Esempi 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

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

1.3c: Font BITMAP e Font SCALABILI

1.3c: Font BITMAP e Font SCALABILI Prof. Alberto Postiglione Dipartimento di Scienze della Comunicazione Facoltà di Lettere e Filosofia Università degli Studi di Salerno : Font BITMAP e Font SCALABILI Informatica Generale (Corso di Studio

Dettagli

ANALISI MEDIANTE LO SPETTRO DI RISPOSTA

ANALISI MEDIANTE LO SPETTRO DI RISPOSTA ANALISI EDIANTE LO SPETTRO DI RISPOSTA arco BOZZA * * Ingegnere Strutturale, già Direttore della Federazione regionale degli Ordini degli Ingegneri del Veneto (FOIV), Amministratore di ADEPRON DINAICA

Dettagli

Circuiti Elettrici. Schema riassuntivo. Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante

Circuiti Elettrici. Schema riassuntivo. Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante Circuiti Elettrici Schema riassuntivo Leggi fondamentali dei circuiti elettrici lineari Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante La conseguenza

Dettagli

Il giardino nella macchina

Il giardino nella macchina Idee per una rilettura Il giardino nella macchina La nuova scienza della vita artificiale Claus Emmeche Bollati Boringhieri, 1996 È possibile la vita artificiale? In che modo gli strumenti offerti dalla

Dettagli

Corso di Matematica finanziaria

Corso di Matematica finanziaria Corso di Matematica finanziaria modulo "Fondamenti della valutazione finanziaria" Eserciziario di Matematica finanziaria Università degli studi Roma Tre 2 Esercizi dal corso di Matematica finanziaria,

Dettagli

LEZIONE 5 Interazione Particelle Cariche-Materia

LEZIONE 5 Interazione Particelle Cariche-Materia LEZIONE 5 Interazione Particelle Cariche-Materia Particelle alfa Le particelle alfa interagiscono intensamente con la materia attraverso collisioni/interazioni che producono lungo la traccia una elevata

Dettagli

NUOVI STRUMENTI OTTICI PER IL CONTROLLO DI LABORATORIO E DI PROCESSO

NUOVI STRUMENTI OTTICI PER IL CONTROLLO DI LABORATORIO E DI PROCESSO NUOVI STRUMENTI OTTICI PER IL CONTROLLO DI LABORATORIO E DI PROCESSO Mariano Paganelli Expert System Solutions S.r.l. L'Expert System Solutions ha recentemente sviluppato nuove tecniche di laboratorio

Dettagli

Neural Trader: utilizzo di reti neurali per il trading di scommesse

Neural Trader: utilizzo di reti neurali per il trading di scommesse Neural Trader: utilizzo di reti neurali per il trading di scommesse Mario Arrigoni Neri A. Introduzione Il trading di scommesse sportive è una attività relativamente nuova, che si presenta per la prima

Dettagli

Filtri attivi del primo ordine

Filtri attivi del primo ordine Filtri attivi del primo ordine Una sintesi non esaustiva degli aspetti essenziali (*) per gli allievi della 4 A A T.I.E. 08-09 (pillole per il ripasso dell argomento, da assumere in forti dosi) (*) La

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

Prof. Ing. Alberto Pistocchi, Ing Davide Broccoli. Ing Stefano Bagli, PhD. Ing Paolo Mazzoli. Torino, 9-10 Ottobre 2013. Italian DHI Conference 2013

Prof. Ing. Alberto Pistocchi, Ing Davide Broccoli. Ing Stefano Bagli, PhD. Ing Paolo Mazzoli. Torino, 9-10 Ottobre 2013. Italian DHI Conference 2013 Implementazione di un modello dinamico 3D densità a dipendente all'interno di un sistema Web-GIS per la gestione e il monitoraggio della qualità delle acque di falda per un comparto di discariche Prof.

Dettagli

: acciaio (flangia in lega d alluminio)

: acciaio (flangia in lega d alluminio) FILTRI OLEODINAMICI Filtri in linea per media pressione, con cartuccia avvitabile Informazioni tecniche Pressione: Max di esercizio (secondo NFPA T 3.1.17): FA-4-1x: 34,5 bar (5 psi) FA-4-21: 24 bar (348

Dettagli

FENICE ARREDI. Via Bertolini 49/51 27029 Vigevano (PV) Relazione tecnica

FENICE ARREDI. Via Bertolini 49/51 27029 Vigevano (PV) Relazione tecnica FENICE ARREDI Via Bertolini 49/51 27029 Vigevano (PV) Prove di vibrazione su sistemi per pavimenti tecnici sopraelevati - Four x Four Relazione tecnica Via Ferrata 1, 27100 Pavia, Italy Tel. +39.0382.516911

Dettagli

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000.

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000. A0/010226 Pag.1/13 Cliente: Ricerca di Sistema Oggetto: Determinazione della tenacità di acciai eserciti - Correlazioni per stime di FATT da prove Small Punch Ordine: Contratto CESI n. 71/00056 Note: DEGRADO/GEN04/003

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

ISTITUTO COMPRENSIVO N 1 LANCIANO - SCUOLA SECONDARIA DI PRIMO GRADO CURRICOLO VERTICALE - Classe Prima MATEMATICA a.s. 2014/2015

ISTITUTO COMPRENSIVO N 1 LANCIANO - SCUOLA SECONDARIA DI PRIMO GRADO CURRICOLO VERTICALE - Classe Prima MATEMATICA a.s. 2014/2015 NUMERI. SPAZIO E FIGURE. RELAZIONI, FUNZIONI, MISURE, DATI E PREVISIONI Le sociali e ISTITUTO COMPRENSIVO N 1 LANCIANO - SCUOLA SECONDARIA DI PRIMO GRADO CURRICOLO VERTICALE - Classe Prima MATEMATICA procedure

Dettagli

Cambiare corso universitario: la mobilità come riorientamento e second chance Una ricerca su 410.000 studenti della Sapienza

Cambiare corso universitario: la mobilità come riorientamento e second chance Una ricerca su 410.000 studenti della Sapienza Cambiare corso universitario: la mobilità come riorientamento e second chance Una ricerca su 410.000 studenti della Sapienza Giuseppe Carci La mobilità universitaria tra dispersione e riorientamento Con

Dettagli

SUPERCONDUTTIVITÀ. A cura di: Andrea Sosso I.N.RI.M. (IEN)

SUPERCONDUTTIVITÀ. A cura di: Andrea Sosso I.N.RI.M. (IEN) SUPERCONDUTTIVITÀ A cura di: Andrea Sosso I.N.RI.M. (IEN) Il fenomeno della superconduttività è stato osservato per la prima volta nel 1911 dal fisico olandese Heike Kamerlingh Onnes dell'università de

Dettagli

Relazione specialistica

Relazione specialistica Relazione specialistica Dipl.-Ing. Hardy Ernst Dipl.-Wirtschaftsing. (FH), Dipl.-Informationswirt (FH) Markus Tuffner, Bosch Industriekessel GmbH Basi di progettazione per una generazione ottimale di vapore

Dettagli

Studente: SANTORO MC. Matricola : 528

Studente: SANTORO MC. Matricola : 528 CORSO di LAUREA in INFORMATICA Corso di CALCOLO NUMERICO a.a. 2004-05 Studente: SANTORO MC. Matricola : 528 PROGETTO PER L ESAME 1. Sviluppare una versione dell algoritmo di Gauss per sistemi con matrice

Dettagli

Permutazione degli elementi di una lista

Permutazione degli elementi di una lista Permutazione degli elementi di una lista Luca Padovani padovani@sti.uniurb.it Sommario Prendiamo spunto da un esercizio non banale per fare alcune riflessioni su un approccio strutturato alla risoluzione

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

PROGETTO EM.MA PRESIDIO

PROGETTO EM.MA PRESIDIO PROGETTO EM.MA PRESIDIO di PIACENZA Bentornati Il quadro di riferimento di matematica : INVALSI e TIMSS A CONFRONTO LE PROVE INVALSI Quadro di riferimento per la valutazione Quadro di riferimento per i

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

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie

Metodi numerici per la risoluzione di equazioni. Equazioni differenziali ordinarie Metodi numerici per la risoluzione di equazioni differenziali ordinarie Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ Lezione 5-31 ottobre 2005 Outline 1 Il problema di Cauchy Il problema

Dettagli

BREVI APPUNTI SU ALCUNI FONDAMENTI DELL ANALISI DEMOGRAFICA

BREVI APPUNTI SU ALCUNI FONDAMENTI DELL ANALISI DEMOGRAFICA BREVI APPUNTI SU ALCUNI FONDAMENTI DELL ANALISI DEMOGRAFICA Nunzio Mastrorocco I quozienti grezzi o generici Volendo procedere all esame di un fenomeno demografico, in un primo e generico approccio è sufficiente

Dettagli

Politecnico di Bari Facoltà di Ingegneria

Politecnico di Bari Facoltà di Ingegneria Politecnico di Bari Facoltà di Ingegneria Dispensa per il Corso di Controlli Automatici I Uso del software di calcolo Matlab 4. per lo studio delle risposte nel tempo dei sistemi lineari tempoinvarianti

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

Allegato A. Il profilo culturale, educativo e professionale dei Licei

Allegato A. Il profilo culturale, educativo e professionale dei Licei Allegato A Il profilo culturale, educativo e professionale dei Licei I percorsi liceali forniscono allo studente gli strumenti culturali e metodologici per una comprensione approfondita della realtà, affinché

Dettagli

1. Scopo dell esperienza.

1. Scopo dell esperienza. 1. Scopo dell esperienza. Lo scopo di questa esperienza è ricavare la misura di tre resistenze il 4 cui ordine di grandezza varia tra i 10 e 10 Ohm utilizzando il metodo olt- Amperometrico. Tale misura

Dettagli

MASTER IN PROJECT MANAGEMENT (VII EDIZIONE) A.A. 2010-2011

MASTER IN PROJECT MANAGEMENT (VII EDIZIONE) A.A. 2010-2011 Livello: I CFU: 60 MASTER IN PROJECT MANAGEMENT (VII EDIZIONE) A.A. 2010-2011 Direttore del corso: Comitato Scientifico: Cognome Nome Qualifica SSD Università/Facoltà/ Dipartimento Roveda Alberto Ric.

Dettagli

Biochar, fattori che influenzano la sua qualità ammendante

Biochar, fattori che influenzano la sua qualità ammendante ANALISI DELL UNIVERSITÀ DI TORINO SU BIOCHAR OTTENUTO DA DIVERSE MATRICI Biochar, fattori che influenzano la sua qualità ammendante di L. Petruzzelli, R. Subedi, C. Bertora, E. Remogna, C. Grignani Dal

Dettagli

Process mining & Optimization Un approccio matematico al problema

Process mining & Optimization Un approccio matematico al problema Res User Meeting 2014 con la partecipazione di Scriviamo insieme il futuro Paolo Ferrandi Responsabile Tecnico Research for Enterprise Systems Federico Bonelli Engineer Process mining & Optimization Un

Dettagli

La dinamica delle collisioni

La dinamica delle collisioni La dinamica delle collisioni Un video: clic Un altro video: clic Analisi di un crash test (I) I filmati delle prove d impatto distruttive degli autoveicoli, dato l elevato numero dei fotogrammi al secondo,

Dettagli

Problem Management. Obiettivi. Definizioni. Responsabilità. Attività. Input

Problem Management. Obiettivi. Definizioni. Responsabilità. Attività. Input Problem Management Obiettivi Obiettivo del Problem Management e di minimizzare l effetto negativo sull organizzazione degli Incidenti e dei Problemi causati da errori nell infrastruttura e prevenire gli

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

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

Business Process Management

Business Process Management Business Process Management Comprendere, gestire, organizzare e migliorare i processi di business Caso di studio a cura della dott. Danzi Francesca e della prof. Cecilia Rossignoli 1 Business process Un

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

la rilevazione degli apprendimenti INVALSI

la rilevazione degli apprendimenti INVALSI I quadri di riferimento: Matematica Il Quadro di Riferimento (QdR) per le prove di valutazione dell'invalsi di matematica presenta le idee chiave che guidano la progettazione delle prove, per quanto riguarda:

Dettagli

(Atti non legislativi) REGOLAMENTI

(Atti non legislativi) REGOLAMENTI 15.1.2011 IT Gazzetta ufficiale dell Unione europea L 12/1 II (Atti non legislativi) REGOLAMENTI REGOLAMENTO (UE) N. 10/2011 DELLA COMMISSIONE del 14 gennaio 2011 riguardante i materiali e gli oggetti

Dettagli

MODELLISTICA DINAMICA DI SISTEMI FISICI

MODELLISTICA DINAMICA DI SISTEMI FISICI CONTROLLI AUTOMATICI Ingegneria Gestionale http://www.automazione.ingre.unimore.it/pages/corsi/controlliautomaticigestionale.htm MODELLISTICA DINAMICA DI SISTEMI FISICI Ing. Federica Grossi Tel. 059 2056333

Dettagli

La Visione Artificiale: Controllo di Qualità, Fotogrammetria e Realtà Virtuale

La Visione Artificiale: Controllo di Qualità, Fotogrammetria e Realtà Virtuale La Visione Artificiale: Controllo di Qualità, Fotogrammetria e Realtà Virtuale D. Prattichizzo G.L. Mariottini F. Moneti M. Orlandesi M. Fei M. de Pascale A. Formaglio F. Morbidi S. Mulatto SIRSLab Laboratorio

Dettagli

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

Sistemi e modelli matematici

Sistemi e modelli matematici 0.0.. Sistemi e modelli matematici L automazione è un complesso di tecniche volte a sostituire l intervento umano, o a migliorarne l efficienza, nell esercizio di dispositivi e impianti. Un importante

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

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 CONTROLLI DIGITALI Laurea Magistrale in Ingegneria Meccatronica SISTEMI A TEMPO DISCRETO Ing. Tel. 0522 522235 e-mail: cristian.secchi@unimore.it http://www.dismi.unimo.it/members/csecchi Richiami di Controlli

Dettagli

Cos è l Ingegneria del Software?

Cos è l Ingegneria del Software? Cos è l Ingegneria del Software? Corpus di metodologie e tecniche per la produzione di sistemi software. L ingegneria del software è la disciplina tecnologica e gestionale che riguarda la produzione sistematica

Dettagli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli Prefazione Non è facile definire che cosa è un problema inverso anche se, ogni giorno, facciamo delle operazioni mentali che sono dei metodi inversi: riconoscere i luoghi che attraversiamo quando andiamo

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

Progetto Laboratori Lauree Scientifiche

Progetto Laboratori Lauree Scientifiche Progetto Laboratori Lauree Scientifiche Laboratorio sui logaritmi Il regolo calcolatore Bozza di progetto Il regolo calcolatore è una delle piú antiche ed utilizzate applicazioni dei logaritmi. Consiste

Dettagli

IL CORSO DI FORMAZIONE PER TECNICO COMPETENTE IN ACUSTICA AMBIENTALE

IL CORSO DI FORMAZIONE PER TECNICO COMPETENTE IN ACUSTICA AMBIENTALE Il POLITECNICO di BARI Dipartimento di Scienze dell Ingegneria Civile e dell Architettura promuove ed organizza IL CORSO DI FORMAZIONE PER TECNICO COMPETENTE IN ACUSTICA AMBIENTALE (istituito ai sensi

Dettagli

Ingresso mv c.c. Da 0 a 200 mv 0,01 mv. Uscita di 24 V c.c. Ingresso V c.c. Da 0 a 25 V 0,001 V. Ingresso ma c.c. Da 0 a 24 ma 0,001 ma

Ingresso mv c.c. Da 0 a 200 mv 0,01 mv. Uscita di 24 V c.c. Ingresso V c.c. Da 0 a 25 V 0,001 V. Ingresso ma c.c. Da 0 a 24 ma 0,001 ma 715 Volt/mA Calibrator Istruzioni Introduzione Il calibratore Fluke 715 Volt/mA (Volt/mA Calibrator) è uno strumento di generazione e misura utilizzato per la prova di anelli di corrente da 0 a 24 ma e

Dettagli