Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1;
|
|
- Benvenuto Capone
- 8 anni fa
- Visualizzazioni
Transcript
1 Appendce B Eleent d Teora dell Inforazone Appendce B B Eleent d Teora dell Inforazone B Introduzone E noto da tepo che fenoen percettv possono essere foralzzat e studat edante la Teora dell Inforazone (TI) Attneave (954), asserva: La prncpale funzone d una acchna percettva consste nell elnazone dell nforazone rdondante, procedendo così ad una descrzone o codfca dell nforazone stessa n una fora pù econoca rspetto a quella presente su recettor In altr tern, pes snaptc d una rete neurale elaborano gl stol estern present su recettor (ngress della rete) L nforazone è, d conseguenza, asszzata quando l segnale passa ne var stad (o strat) d processaento della rete e rspettando opportun vncol E evdente, qund, che tra gl struent foral per lo studo delle ret neural, e pù n generale de crcut, debba essere presente anche la Teora dell Inforazone B Entropa Sa una varable aleatora (VA) dscreta quantzzata, n pratca, con un nuero fnto d lvell dstrbut unforeente, tale che: = { k k = 0, ±,, ±K} ; (K+) lvell, dove k, rappresenta l k-eso valore d, defnao la probabltà dell occorrenza dell evento = k coe: p k =P( = k ) ovvaente, valgono gl asso del calcolo della probabltà: 0 p k e pk = ; K k= K Se l evento = k occorre con probabltà par a, non c è sorpresa e percò non c è neanche nforazone Nel caso n cu p k <, allora saranno present anche altr valor (p >0 per k) ne segue allora, che l nforazone rcevuta sarà aggore In altre parole possao dre che l nforazone è correlata n qualche odo alla sorpresa a alla ncertezza Possao anche afferare che l nforazone è proporzonale all nverso della probabltà dell occorrenza Defnzone: s defnsce quanttà guadagno d nforazone, dopo l osservazone dell evento = k con probabltà p k ; la quanttà: I( k) = log = log pk pk I( k ) è una quanttà dscreta L unta d sura dell nforazone, se l logarto è a base, è l [bt] Quando l logarto è naturale, s usa l [nat] Propretà: I( k ) = 0 per p k = Ovvero, non c è guadagno d nforazone se l occorrenza l evento è certa I( k ) 0 per 0 p k Tratto da Haykyn: Neural Networks, 999
2 Appendce B Eleent d Teora dell Inforazone 3 L evento = k può portare o non portare nforazone Scuraente, però, non c sarà perdta d nforazone 3 I( k ) > I( ) per p k < p L evento eno probable è quello che porta aggore nforazone Defnzone: s defnsce entropa l valore edo del guadagno d nforazone I( k ) relatvo a tutt (K+) lvell assbl K K H( ) = E I( ) = p I( ) = p log p [ ] k k k k k k= K k= K L entropa H() rappresenta una sura della quanttà eda dell nforazone portata da un essaggo Propretà: 0 H() (K+) H() = 0, se e solo se per qualche k, p k = Questo lte nferore concde con l evento certo 3 H() = log (K+), se e solo se p k =/(K+) per tutt k L entropa e assa se lvell sono equprobable, ovvero, dstrbut unforeente Tale lte superore vene defnto coe condzone d assa ncertezza La dostrazone della 3 è dervata dal seguente Lea: Data due dstrbuzon (d quanttà d asse) p k e q k, per una VA dscreta, allora la quanttà: Appendce B Eleent d Teora dell Inforazone 4 k p k pk log 0 qk è par a zero se e solo se p k = q k, per ogn k B3 Entropa relatva d Kullback-Lebler Sano p () e q () le probabltà che la VA sa nello stato sotto due dfferent condzon operatve desrtta da p e q; segue la Defnzone: S defnsce entropa relatva (o dvergenza o dstanza o cross-entropa), tra funzon d probabltà p () e q (); coe; p ( ) D = ( )log pq p ; 0 q ( ) dove con 0 s è ndcato l alfabeto de sbol della VA La quanttà q () rappresenta l rferento d sura L entropa relatva d Kullback-Lebler, a volte ndcata coe K(p,q), può essere presentata anche nel contesto della geoetra dfferenzale Aar(985), Aar (99), coe etrca d Reann nello spazo delle dstrbuzon Osservazone: l entropa relatva K(p,q), non è una vera dstanza, nfatt, non vale la propretà d setra: K(p,q) K(q,p); e può essere nterpretata coe una quas dstanza B4 Entropa dfferenzale I concett base della TI, possono essere faclente estes nel contesto delle varabl aleatore contnue Defnzone: Sa una VA contnua con funzone d denstà d probabltà (pdf) f () Per analoga con l caso d VA dscrete defnao entropa dfferenzale la quanttà:
3 Appendce B Eleent d Teora dell Inforazone 5 [ ] h( ) = f( )log f( ) d = E log f( ) La h(), rappresenta una quanttà ateatca, puttosto che una sura della aleatoretà d La relazone tra la defnzone d entropa per VA dscrete e contnue può essere studata coe caso lte d una VA dscreta che assue l valore k =kδ, dove k = 0, ±, ±, e δ tende a zero Per defnzone la assue un certo valore costante nell ntervallo [ k, k +kδ ] con probabltà f ( k ) δ La entropa ordnara della VA può essere scrtta consderando l lte per δ tendente a zero coe: H( ) = l f ( ) δlog[ f ( ) δ] δ 0 k = = l f( k)[log f( k)] δ f( k) δ δ 0 + k= k= = f ( )log f ( ) d l log δ f ( ) d δ 0 = h ( ) l logδ δ 0 k k Rcordao che f ( ) d =, e che per δ tendente a zero la h() tende all nfnto Questo sgnfca che l entropa d una varable contnua è nfntaente larga potendo assuere nfnt valor con probabltà nfntesa nell ntervallo (, + ) Il problea relatvo al terne logδ può essere evtato consderando la defnzone d entropa dfferenzale In questo caso l terne -logδ è assunto coe rferento Appendce B Eleent d Teora dell Inforazone 6 Generalzzando al caso d VA vettoral = [,,, N ] l entropa dfferenzale è defnta coe: [ ] h( ) = f ( )log f ( ) d= E log f ( ) dove f () è la pdf congunta d Lea: entropa della dstrbuzone unfore Se una VA contnua è dstrbuta unforeente nell ntervallo [0, a] la sua entropa dfferenzale è h()=loga Infatt, dalla defnzone possao rcavare: a h( ) = log d = d log log a a a = a a Propretà: dell entropa dfferenzale h()=h(+c), per c=costante; 0 ovvero, la traslazone non caba l valore dell entropa h(a)=h() + log a, con a = fattore d scalatura nel caso d VA vettorale quest ulta dventa: 3 h(a)=h() + log det(a) B5 Prncpo d Massa Entropa Supponao d avere un sstea stocastco con un nsee noto d varabl d stato a con dstrbuzone sconoscuta Supponao, noltre, che per ezzo d un qualche eccanso d apprendento, sano not alcun vncol sulle funzon d probabltà della VA degl stat del sstea I vncol possono essere espress coe ede d nsee o coe valor lte sulle VA Consderao, ora, l problea della scelta d un odello d
4 Appendce B Eleent d Teora dell Inforazone 7 probabltà che sa otto, secondo qualche crtero, n grado d foralzzare le conoscenze a pror sul sstea stocastco stesso È possble dostrare che esstono nfnt odell che soddsfano vncol not su cu è possble effettuare una scelta La rsposta al problea della scelta della dstrbuzone può essere affrontato nel contesto del prncpo della Massa Entropa (Ma Ent) (Jaynes 957, 98): Se una nferenza è fatta sulla base d nforazon ncoplete, occorre sceglere quella dstrbuzone che asszza l entropa ed è soggetta a vncol post dalla dstrbuzone In effett, la nozone d entropa fornsce gl struent per effettuare un nsee d sure n odo tale da favorre le pdf con alto valore d entropa Il prncpo d Massa Entropa può, qund, essere vsto coe un Problea d Ottzzazone Vncolato, che può essere rsolto per ezzo delle defnzon ntrodotte dall entropa dfferenzale Dato un nsee d pdf della VA, consderao l problea d deternare quella che asszza la: h( ) = f ( )log f ( ) d; soggetta a vncol: f () 0; dove l uguaglanza vale esternaente al supporto d f ( ) d = 3 f( ) g( ) d= α per =,,, dove g () è una qualche funzone d Appendce B Eleent d Teora dell Inforazone 8 I vncol espress dalle e dalle descrvono delle propretà fondaental delle pdf Le 3, nvece, dce che oent d dpendono dalla forulazone della funzone g () In effett la 3, soa le conoscenze a pror dsponbl sulla VA Per rsolvere tale problea d ottzzazone occorre defnre una funzone obettvo e, percò, vene usato l etodo de oltplcator d Lagrange : J( f) = f( )log f( ) d λ0 f( ) λg( ) f( ) d + + = dove tern λ 0, λ,, λ ; sono oltplcator d Lagrange Dfferenzando e ntegrando rspetto alla f (), e uguaglando a zero, s ottene: log f ( ) + λ + λg ( ) = 0 0 = Rsolvendo rspetto alla f () s ottene: f( ) = ep + λ0 + λg( ) ; = dove oltplcator d Lagrange sono scelt n accordo con vncol, e 3 L ulta espressone defnsce la pdf che asszza l entropa per l problea n questone Esepo: dstrbuzone Gaussana ono densonale Problea: deternate la f () tale che la h() sa assa quando le conoscenze a pror dsponbl sono l valore edo µ e la varanza σ Per defnzone abbao che
5 Appendce B Eleent d Teora dell Inforazone 9 ( µ ) f ( ) d= σ = costante Per l rspetto del vncolo 3, s ha: g( ) = ( µ ) α = σ Consderando l rsultato ottenuto con oltplcator d Lagrange, abbao che: f ( ) = ep + + ( ) λ0 λ µ ; per l vncolo, che rchede la convergenza dell ntegrale della f (), segue che l coeffcente λ deve essere negatvo Sosttuendo la precedente espressone nelle dsequazon de vncol e e, rsolvendo rspetto a λ 0 e λ, ottenao: e λ 0 = log( πσ ) λ = σ La pdf che asszza l nforazone desderata, rsulta, qund, essere: f ( µ ) ( ) = ep ; πσ σ che corrsponde propro ad una pdf Gaussana ono densonale della VA con valore edo µ e varanza σ L entropa dfferenzale che asszza la precedente f () rsulta pertanto essere: Appendce B Eleent d Teora dell Inforazone 0 h = + πσ ; ( ) [ log( )] notare che per la propretà della traslazone, l valore edo non nteressa quest ulta espressone Esepo: dstrbuzone Gaussana ultvarata Il secondo esepo che consderao consste nella deternazone dell entropa dfferenzale d una VA ultdensonale con pdf Gaussana Per la propretà d traslazone consderao l vettore -densonale a eda nulla La statstca del secondo ordne è descrtta dalla atrce d covaranza Q = T (prodotto esterno) Ne segue che la pdf ultdensonale è: f T ( ) = ep Q / / ( π ) (det( Q)) Rcordando la defnzone d entropa dfferenzale per VA ult densonal: [ ] h( ) = f ( )log f ( ) d= E log f ( ) ; e sosttuendo la precedente n quest ulta espressone, ottenao l rsultato: h( ) = + log( π ) + log det( ) Q Possao osservare, qund, che per l prncpo d Massa Entropa, n questo caso dfferenzale, nota una atrce d covaranza Q la pdf che asszza l entropa dfferenzale è Gaussana
6 Appendce B Eleent d Teora dell Inforazone B6 Mutua Inforazone per VA dscrete Il problea praro de sste auto organzzant, consste nella deternazone d un algorto d apprendento che detern una certa relazone ngresso/uscta Tale relazone va deternata esclusvaente sulla base de sol dat n ngresso Consderao un sstea con ngresso e uscta le VA dscrete e Y, cu valor sono ndcat con e y rspettvaente L entropa H(), fornsce una sura dell ncertezza a pror sugl ngress La questone, è quella d deternare l ncertezza su dat dopo le osservazon Y In questo contesto la notazone della utua nforazone fornsce portant struent e propretà Defnzone: s defnsce entropa condzonale d dato Y coe segue: H( Y) = H(,Y) - H(Y); con la propretà: 0 H( Y) H() L entropa condzonale, rappresenta l aontare d ncertezza ranente sulla VA d ngresso dopo l osservazone della VA Y n uscta del sstea La quanttà H(,Y) che copare nella precedente espressone prende l noe d entropa congunta ed è defnta coe segue: Defnzone: s defnsce entropa congunta delle VA dscrete e Y coe: = H(, Y) p (, y)log p(, y) 0 y Appendce B Eleent d Teora dell Inforazone dove p(,y) rappresenta la funzone d assa d probabltà congunta delle e Y, entre 0 e rspettv alfabet Osservazone: l entropa, rappresenta la sura dell ncertezza sulla VA L entropa condzonale H( Y), nvece, rappresenta l aontare d ncertezza ranente su dopo l osservazone della Y n uscta del sstea È faclente deducble, qund, che la dfferenza H() - H( Y), rappresenta l ncertezza sull ngresso del sstea rsolta dell osservazone dell uscta Questa quanttà può qund essere defnta coe segue: Defnzone: s defnsce utua nforazone I(;Y) tra le VA dscrete e Y la quanttà: I(;Y) = H() - H( Y) py (, ) = py (, )log 0 y ppy ( ) ( ) L entropa è un caso partcolare d utua nforazone: H() = I(;) Propretà: Setra: la utua nforazone tra e Y è setrca: I(;Y) = I(Y;); dove I(Y;) rappresenta la sura dell ncertezza d Y che è rsolta della osservazone degl ngress Non negatvtà: la utua nforazone tra e Y è non negatva: I(;Y) 0
7 Appendce B Eleent d Teora dell Inforazone 3 Questa propretà ndca che non è possble perdere edaente nforazone osservando le uscte Inoltre, la utua nforazone è nulla, se e solo se, gl ngress e le uscte del sstea sono statstcaente ndpendent 4 Recproctà: la utua nforazone tra e Y è esprble n tern d entropa d Y, coe: I(;Y) = H(Y) - H(Y ) H() H( Y) I(Y;) H(,Y) H(Y ) H(Y) Fgura Illustrazone delle relazon tra la utua nforazone I(;Y) e le entrope H() e H(Y) L entropa dell ngresso, è rappresentata dal cercho a snstra entre quella dell uscta Y, con l cercho a destra La utua nforazone è rappresentata dalla sovrapposzone de due cerch B7 Mutua Inforazone per VA contnue Per analoga con la defnzone precedente possao estendere tale defnzone a VA contnue Defnzone: la utua nforazone tra le VA e Y contnue è defnta coe: Appendce B Eleent d Teora dell Inforazone 4 f ( y) I( ; Y ) = f Y, (, y)log ddy f ( ) dove con f,y (,y) rappresenta la pdf congunta d e Y, entre, f ( y) è la pdf condzonata d nota Y Notare, noltre, che f,y (,y) = f ( y) f Y (y) e qund possao scrvere: (, y) Y, I( ; Y ) = f Y, (, y)log ddy f( ) fy( y) Per analoga valgono le propretà Propretà: f Setra/Recproctà: la utua nforazone tra e Y è setrca e recproca: I(;Y) = h() - h( Y) = h(y) - h(y ) = I(Y;); dove I(Y;) rappresenta la sura dell ncertezza d Y che è rsolta della osservazone degl ngress Non negatvtà: la utua nforazone tra e Y è non negatva: I(;Y) 0 Questa propretà ndca che non è possble perdere edaente nforazone osservando le uscte Inoltre, la utua nforazone è nulla, se e solo se, gl ngress e le uscte del sstea sono statstcaente ndpendent La funzone h( Y) rappresenta l entropa dfferenzale condzonata d data Y, defnta coe;
8 Appendce B Eleent d Teora dell Inforazone 5 h ( Y) = fy, ( y, )log f( yddy ) Se le VA e Y sono statstcaente ndpendent, segue che la probabltà congunta può essere fattorzzate coe: fy, (, y) = f( ) fy( y) ; dove con f () e f Y (y) abbao ndcato le pdf argnal d e Y rspettvaente In odo equvalente, possao scrvere che: f ( y) = f ( ) ; ovvero, nel caso d VA statstcaente ndpendent, la conoscenza dell uscta non contrbusce n alcun odo alla deternazone della pdf d La defnzone d utua nforazone data per VA e Y scalar dscrete, può essere generalzzata al caso d VA ultodal e Y contnue, coe segue: f ( ) y I( Y ; ) = f, (, )log d d Y y y f( ) Per analoga, valgono le propretà gà forulate nel caso d VA dscrete B8 Dvergenza d Kullback-Lebler (DKL) Defnzone: sano f () e g () due pdf della VA ( ) ultodale,s defnsce Dvergenza d Kullback-Lebler, tra f () e g () coe segue: f ( ) Df g = f ( )log d g( ) Appendce B Eleent d Teora dell Inforazone 6 Propretà: La D f g 0è sepre postva o zero quando f () = g () ovvero s ha una sovrapposzone perfetta tra le due pdf La Df g, è nvarante rspetto a seguent cabaenttrasforazon sul vettore d ngresso : perutazone de coponent d ; cabaent d scala (aplfcazon); trasforazon non lnear onotone Osservazone: La utua nforazone I(;Y) tra la coppa d vettor e Y ha una nteressante nterpretazone n tern d dvergenza d DKL Pra notao che: fy, ( y, ) = fy( y ) f( ; ) e qund possao rscrvere l espressone della utua nforazone coe: Y y f ( y, ) y Y, I( ; ) = f, (, )log d d Y f( ) fy( y) Confrontando quest ulta con la defnzone d DKL, segue l seguente rsultato: I( Y ; ) Df f = Y, Y, La utua nforazone I(;Y) tra e Y è equvalente alla dvergenza d Kullback-Lebler tra le pdf congunte f Y, ( y, ) e l prodotto tra le pdf f ( ) e f Y ( y )
9 Appendce B Eleent d Teora dell Inforazone 7 B9 DKL tra una pdf f() l prodotto delle sue pdf argnal Consderao, ora, la DKL tra una pdf f () d una VA, vettore d densone e l prodotto delle sue pdf argnal Defnzone: la -esa pdf argnale dell eleento rspetto alla VA, è defnta coe: () f ( ) ( ) = f d, =,,, ; dove () è l vettore l ranente, d densone (-), che s ottene dopo aver rosso l l -eso eleento da Appendce B Eleent d Teora dell Inforazone 8 Ne segue qund: ; () f( )log f ( ) log ( ) ( ) d= f f d d dove l ntegrale nterno nella parte a destra, è fatto rspetto al vettore (-), d (), entre quello esterno, rspetto allo scalare d Dalla defnzone d -esa pdf argnale d, f ( ), segue, noltre: f ( )log f ( ) d= f ( )log f ( ) d = h ( ), =,,, La DKL tra la pdf f () e la dstrbuzone fattorale data da: f ( ) D = f ( )log d f f ; f ( ) = che può essere scrtta n fora espansa coe: f ( ) è = dove h ( ) è la -esa entropa dfferenzale argnale (basata, coè, sulla pdf argnale f ( ) ) Cobnando quest ulta con l espressone della DKL D f f, ottenao: D = h( ) h ( ) f f + = Questa espressone della DKL argnale è partcolarente portante nello studo della separazone ceca d sorgent = D f ( )log f ( ) d f ( )log f ( ) d f f = Osservazone: l pro ntegrale d quest ulra espressone, concde, per defnzone, alla entropa dfferenzale h() della VA Per quanto rguarda l secondo terne possao, noltre, osservare che: d=d () d
La retroazione negli amplificatori
La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo
DettagliLE CARTE DI CONTROLLO
ITIS OMAR Dpartento d Meccanca LE CARTE DI CONTROLLO Carte d Controllo Le carte d controllo rappresentano uno degl struent pù portant per l controllo statstco d qualtà. La carta d controllo è corredata
DettagliMinistero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA
Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG
DettagliMotore ad induzione: modelli matematici e modelli per la simulazione. 1.1 Modelli matematici del motore ad induzione
OTOE AD INDUZIONE ODEI ATEATICI E ODEI PE A IUAZIONE otore ad nduzone: odell ateatc e odell per la sulazone. odell ateatc del otore ad nduzone Nello studo degl azonaent ndustral è necessaro rappresentare
DettagliStatistica e calcolo delle Probabilità. Allievi INF
Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della
DettagliRelazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione
1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne
Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che
DettagliCapitolo 3 Covarianza, correlazione, bestfit lineari e non lineari
Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure
DettagliCircuiti di ingresso differenziali
rcut d ngresso dfferenzal - rcut d ngresso dfferenzal - Il rfermento per potenzal Gl stad sngle-ended e dfferenzal I segnal elettrc prodott da trasduttor, oppure preleat da un crcuto o da un apparato elettrco,
DettagliNote U = L + Q. Chimica Fisica I a.a. 2012/2013 Scienza e Tecnologia dei Materiali S. Casassa. April 3, 2013
1 Note U L + Q Chca Fsca I a.a. 01/013 Scenza e Tecnologa de Materal S. Casassa Aprl 3, 013 Contents 1 Cnetca Molecolare 3 1.1 La dstrbuzone d Maxwell.......................... 3 1. Cenn d statstca................................
DettagliLA COMPATIBILITA tra due misure:
LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore
DettagliMacchine. 5 Esercitazione 5
ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt
DettagliIl modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti
Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso
DettagliCarla Seatzu, 18 Marzo Una coda è costituita da 3 componenti fondamentali: i serventi i clienti
7. Teora delle Code Una coda è costtuta da 3 coponent fondaental: servent clent Carla Seatzu, 8 Marzo 8 uno spazo n cu clent attendono d essere servt (coda d attesa). clent n arrvo coda d attesa serv.
DettagliCAPITOLO 3 Incertezza di misura Pagina 26
CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone
Dettagli* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *
* PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che
Dettagli3. Esercitazioni di Teoria delle code
3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come
DettagliRichiami di Termodinamica Applicata
Unverstà degl Stud d aglar ors d Studo n Ingegnera hca ed Elettrca Rcha d Terodnaca Applcata Il ro rncpo della Terodnaca, o rncpo d onservazone dell Energa, n tern dfferenzal e con rferento all untà d
DettagliAritmetica e architetture
Unverstà degl stud d Parma Dpartmento d Ingegnera dell Informazone Poltecnco d Mlano Artmetca e archtetture Sommator Rpple Carry e CLA Bozza da completare del 7 nov 03 La rappresentazone de numer Rappresentazone
DettagliRelazioni tra variabili: Correlazione e regressione lineare
Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg
DettagliIntroduzione al Machine Learning
Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone
Dettagli3) Entropie condizionate, entropie congiunte ed informazione mutua
Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata
DettagliLaboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica
Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto
DettagliFotonica per telecomunicazioni Ottica guidata Pagina 1 di 7 ESERCIZI
Fotonca per telecouncazon Ottca udata Pana d 7 ESERCIZI. Una fbra ottca a salto d'ndce ha un nucleo d rao a= 3µ ed ndce d rfrazone n=.5, un antello d ndce d rfrazone n =.5 e lunhezza L= K. In essa vene
DettagliArgomenti. Misure di corrente elettrica continua, di differenza di potenziale e di resistenza elettrica.
ppunt per l corso d Laboratoro d Fsca per le Scuole Superor rgoent Msure d corrente elettrca contnua, d dfferenza d potenzale e d resstenza elettrca. Struent d sura: prncp d funzonaento. Coe s effettuano
DettagliPROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -
PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata
DettagliVariabili statistiche - Sommario
Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su
DettagliGLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO
GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza
DettagliSTATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE
Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE
DettagliCorso di Automazione Industriale 1. Capitolo 7
1 Corso d Automazone Industrale 1 Captolo 7 Teora delle code e delle ret d code Introduzone alla Teora delle Code La Teora delle Code s propone d svluppare modell per lo studo de fenomen d attesa che s
DettagliOttimizzazione nella gestione dei progetti Capitolo 6 Project Scheduling con vincoli sulle risorse CARLO MANNINO
Ottmzzazone nella gtone de progett Captolo 6 Project Schedulng con vncol sulle rsorse CARLO MANNINO Unverstà d Roma La Sapenza Dpartmento d Informatca e Sstemstca 1 Rsorse Ogn attvtà rchede rsorse per
DettagliStatistica di Bose-Einstein
Statstca d Bose-Ensten Esstono sstem compost d partcelle dentche e ndstngubl che non sono soggette al prncpo d esclusone. In quest sstem non esste un lmte al numero d partcelle che possono essere osptate
DettagliTrigger di Schmitt. e +V t
CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con
DettagliRisposta in frequenza
Rsposta n frequenza www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 6--6 Dagramm d Bode Le funzon d trasfermento (f.d.t de crcut lnear tempo nvarant sono funzon razonal (coè rapport tra due polnom
DettagliP(E i. Il postulato empirico del caso. = I, incompatibili a due a due. . E k
Una sura della robabltà Data una rova che genera k event eleentar,..., k necessar, 2. k I, ncopatbl a due a due O/ per ogn ed equprobabl 2! k Una sura della robabltà Da postulat s deduce unvocaente la
DettagliCalcolo delle Probabilità
alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.
DettagliAnalisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986
Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane
DettagliRETI TELEMATICHE Lucidi delle Lezioni Capitolo VII
Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd
DettagliCAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI
Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )
DettagliAnalisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza
Sergo Frasca Anals de Segnal Dpartmento d Fsca Unverstà d Roma La Sapenza Versone 13 dcembre 011 Versone aggornata n http://grwavsf.roma1.nfn.t/sp/sp.pdf Sommaro 1 Introduzone: segnal e sstem... 7 1.1
DettagliA. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO
4. SCHMI ALTRNATIVI DI FINANZIAMNTO DLLA SPSA PUBBLICA. Se l Governo decde d aumentare la Spesa Pubblca G (o Trasferment TR), allora deve anche reperre fond necessar per fnanzare questa sua maggore spesa.
DettagliDai circuiti ai grafi
Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat
DettagliSistemi Intelligenti Introduzione al calcolo delle probabilità - II
Sstem Intellgent Introduzone al calcolo delle probabltà - II Alberto Borghese Unverstà degl Stud d Mlano Laborator of Appled Intellgent Sstems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t A.A. 05-06
DettagliIntelligenza Artificiale II. Ragionamento probabilistico Rappresentazione. Marco Piastra. Intelligenza Artificiale II - AA 2007/2008
Intellgenza rtfcale II Ragonamento probablstco Rappresentazone Marco astra Ragonamento probablstco: rappresentazone - arte Mond possbl sottonsem event artzon e varabl aleatore robabltà Margnalzzazone Condzonal
DettagliCapitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS
Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva
DettagliEsercizio statistica applicata all ingegneria stradale pag. 1
ESERCIZIO STATISTICA APPLICATA ALLA PROGETTAZIONE STRADALE SINTESI S supponga d avere eseguto 70 sure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal sure
DettagliTITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)
Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto
DettagliANALISI STATISTICA DELLE INCERTEZZE CASUALI
AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte
DettagliPattern Recognition. Bayes decision theory
Computer Scence Department Unversty of Verona A.A. 015-16 Pattern Recognton Bayes decson theory 1 Rev. Thomas Bayes, F.R.S 170-1761 Introduzone Approcco statstco fondamentale d classfcazone d pattern Ipotes:
DettagliEsercizi sui gas perfetti
Eserz su gas perett Eserzo In un repente d esertata dal gas è d delle oleole d elo. 0 d sono ontenute ol d He. La pressone 5.5 Trasorao l volue n untà SI: 0d 0 Pa. Deternare la velotà quadrata eda Ravao
DettagliDipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013
Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone
DettagliMACROECONOMIA A.A. 2014/2015
MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost
DettagliUniversità degli Studi di Urbino Facoltà di Economia
Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva
DettagliNorma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura
orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato
DettagliProgetto Lauree Scientifiche. La corrente elettrica
Progetto Lauree Scentfche La corrente elettrca Conoscenze d base Forza elettromotrce Corrente Elettrca esstenza e resstvtà Legge d Ohm Crcut 2 Una spra d rame n equlbro elettrostatco In un crcuto semplce
DettagliLezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse
Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso
Dettagli* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1
APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone
DettagliCARATTERISTICHE DEI SEGNALI RANDOM
CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:
DettagliNOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI
NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra
DettagliCIRCUITI DI IMPIEGO DEI DIODI
UT D MPEGO DE DOD addrzzare ad na seonda. l crcto pù seplce, che pega l dodo coe raddrzzatore d na tensone alternata, è rappresentato n Fg.. n esso n generatore deale d tensone alternata l c valore stantaneo
DettagliTutti gli strumenti vanno tarati
L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello
DettagliRicerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model
Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un
DettagliCorso di Fondamenti di Telecomunicazioni
Corso d Fondament d Telecomuncazon Prof. Govann Schembra Struttura della lezone Defnzon d process aleator e caratterzzazone statstca ( Stma delle statstche d prmo e secondo ordne Process aleator stazonar
DettagliSTATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale
STATISTICA PSICOMETRICA a.a. 004/005 Cors d laurea Scenze e tecnche neuropscologche Modulo 3 Statstca Inferenzale Probabltà Dstrbuzon d probabltà Dstrbuzon camponare Stma ntervallare Verfca delle potes
Dettagliuna variabile casuale è continuase può assumere un qualunque valore in un intervallo
Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere
DettagliAnalizzata: - Nei livelli Prezzi - Nelle differenze Rendimenti. Rendimento al tempo t: Variabile finanziaria
Varable fnanzara Analzzata: - Ne lvell Prezz - Nelle dfferenze endent endento al tepo t: t ( P P ) t P t 1 t 1 1 Unverstà d Terao - Teora del portafoglo fnanzaro - Prof. Paolo D Antono endento atteso:
Dettagli0$*1(7267$7,&$ i m D E F )LJXUD6FKHPDWL]]D]LRQLGLGLSROLDGLSRORHOHWWULFREGLSRORPDJQHWLFR³DPSHULD QR FGLSRORPDJQHWLFR³FRXORPELDQR
$*(767$7,&$,'(//,'(//$$*(767$7,&$ Coe necessara preessa alla agnetostatca s rpropongono alcune evdenze sperental: a), PDJQHWLQDWXUDOL, che per l uso d laboratoro sono perlopù nella fora d barre sottl (agh
DettagliProgrammazione e Controllo della Produzione. Analisi dei flussi
Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe
DettagliMODELLISTICA DI SISTEMI DINAMICI
CONTROLLI AUTOMATICI Ingegnera Gestonale http://www.automazone.ngre.unmore.t/pages/cors/controllautomatcgestonale.htm MODELLISTICA DI SISTEMI DINAMICI Ing. Federca Gross Tel. 059 2056333 e-mal: federca.gross@unmore.t
Dettagli6. Catene di Markov a tempo continuo (CMTC)
6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de
DettagliMatematica Computazionale(6cfu) Ottimizzazione(8cfu)
Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 205-6, lez.8) Matematca Computazonale, Ottmzzazone,
DettagliEquilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione
Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà
DettagliMetodologie informatiche per la chimica
Metodologe nforatche per la chca Dr. Sergo Brutt Anals de dat 6 Y Rcaptolo generale Dato un nsee d sure sperental d una varable dpendente al varare d una varable ndpendente è possble edante l crtero de
Dettagliseconda Prova in Itinere 23 giugno 2006
CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE E IL TERRITORIO IDROLOGIA ANNO ACCADEMICO 005-006 seconda Prova n Itnere 3 gugno 006. E dato l capone seguente d ass annual d portata al colo del Tanaro a Montecastello:
DettagliTest delle ipotesi Parte 2
Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca
DettagliEsame di Statistica Corso di Laurea in Economia
Esame d Statstca Corso d Laurea n Economa 9 Gennao 0 Cognome Nome atr. Teora S dmostr la propretà d lneartà della meda artmetca. Eserczo Una casa edtrce è nteressata a valutare se tra lettor d lbr esste
Dettagli3 CAMPIONAMENTO DI BERNOULLI E DI POISSON
3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.
DettagliCorso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita
Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)
DettagliCorso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm.
Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo d.amodo@unvpm.t Ing. Ganluca Chappn g.chappn@unvpm.t http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano
DettagliAmplificatori operazionali
Amplfcator operazonal Parte 3 www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 9-5-) Confgurazone nvertente generalzzata Se nella confgurazone nvertente s sosttuscono le resstenze R e R con due mpedenze
DettagliStabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi
Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto
DettagliELABORAZIONE DI SEGNALI E IMMAGINI
Fltraggo d un segnale EABORAZIOE DI SEGAI E IAGII. Bertero P. Boccacc bertero@ds.unge.t boccacc@ds.unge.t Al ne d glorare la qualtà d un segnale dgtale una tecnca d prara portanza è l ltraggo. Con l quale
DettagliPer calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:
ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente
DettagliRegressione Multipla e Regressione Logistica: concetti introduttivi ed esempi
Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla
DettagliInduzione elettromagnetica
Induzone elettromagnetca L esperenza d Faraday L'effetto d produzone d corrente elettrca n un crcuto prvo d generatore d tensone fu scoperto dal fsco nglese Mchael Faraday nel 83. Egl studò la relazone
DettagliStudio grafico-analitico di una funzioni reale in una variabile reale
Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della
DettagliLA RIVELAZIONE IN PRESENZA DI RUMORE
Captolo IV LA RIVLAZIO I PRSZA DI RUOR In questo Captolo è affrontato l problea della rvelazone n presenza d ruore pervenendo alla defnzone della struttura del rcevtore otto e coè d un rcevtore che fornsce
DettagliUniversità degli Studi di Cassino, Anno accademico 2004-2005 Corso di Statistica 2, Prof. M. Furno
Unverstà degl Stud d Cassno, Anno accademco 004-005 Corso d Statstca, Pro. M. Furno Eserctazone del 5//005 dott. Claudo Conversano Eserczo Ad un certo tavolo d un casnò s goca lancando un dado. Il goco
DettagliDinamica del corpo rigido
Anna Nobl 1 Defnzone e grad d lbertà S consder un corpo d massa totale M formato da N partcelle cascuna d massa m, = 1,..., N. Il corpo s dce rgdo se le dstanze mutue tra tutte le partcelle che lo compongono
DettagliSTATISTICA DESCRITTIVA CON EXCEL
STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:
DettagliStrada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum
Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest
DettagliStima dei Parametri: Metodo di Massima Verosimiglianza
Captolo 8 Stma de Parametr: Metodo d Massma Verosmglanza Lo scopo dello studo spermentale de fenomen fsc è quello d scoprre qual sono le legg che legano le grandezze fsche e d ottenere l valore delle costant
DettagliIntorduzione alla teoria delle Catene di Markov
Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }
DettagliCondensatori e resistenze
Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere
DettagliI Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio
I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat
DettagliEsercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca
Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE
Dettagli