SCHEDA DIDATTICA N 5

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "SCHEDA DIDATTICA N 5"

Transcript

1 FACOLTA DI INGEGNEIA COSO DI LAUEA IN INGEGNEIA CIVILE COSO DI IDOLOGIA POF. PASQUALE VESACE SCHEDA DIDATTICA N 5 MOMENTI DELLE VAIABILI CASUALI E STIMA DEI PAAMETI A.A. 0-3

2 Momet delle varabl casual La dstrbuzoe d robabltà d ua varable casuale, dscreta (o cotua), è descrtta modo comleto dalla fuzoe d rartzoe assocata, o dalla corrsodete fuzoe (d destà) d robabltà. Noostate cò, sesso s è teressat a cooscere soltato alcu asett arzal della dstrbuzoe d robabltà d, sece quado s voglao cofrotare dverse dstrbuzo. Soo utl questo caso valor d stes che descrvoo asett secfc della dstrbuzoe d robabltà rferta a, ad esemo la oszoe o la dsersoe sulla retta reale. Valore atteso o valore medo S chama valore atteso (valor medo o meda) d ua varable casuale dscreta (o cotua), la meda de suo ossbl valor, esat co le relatve robabltà (o fuzoe d destà d robabltà), ovvero: E [ ] = xp( = x ) er v.c. dscrete E[ ] = xf ( x) dx er v.c. cotue Usualmete s dca E[] =. Esemo Tzo e Cao gocao al seguete goco. S laca ua moeta, se esce testa Tzo aga a Cao euro, se esce croce è Cao a dover dare a Tzo la stessa somma. Se è la varable casuale che descrve l guadago d Tzo, s vede subto che è ua varable dscreta che assume solo due valor: =- el caso esca testa (ha erso euro) e = el caso esca croce. Idcata co la robabltà che esca testa, s vuole determare l guadago atteso d Tzo. Tale quattà vale: E[] = (-) + ()( - ) = - Qud, E[] rsulta ostvo, ullo o egatvo se, rsettvamete, < /, = / o > /. Pertato, el caso cu la moeta sa regolare (=/) l guadago atteso d Tzo è ullo. Esemo S cosder la varable casuale esoezale. Pochè altrove, co λ > 0 ua costate reale, s ottee che: E[ ] = xf ( x) dx = λx λx λx xλe dx = x e dx = [ xe ] avedo alcato l tegrazoe er art. d dx f x ( x) = λe λ, er x 0, e ulla 0 e λx dx = 0 λ λx [ e ] 0 = λ

3 Varaza Molto sesso accade che dstrbuzo d robabltà avet lo stesso valore atteso, dfferscao sesblmete tra loro. Può essere utle allora trodurre dc grado d esrmere, forma stetca, ulteror caratterstche della dstrbuzoe d robabltà d, quale la dsersoe de ossbl valor d toro al valor medo. Esemo 3a Cosderamo acora l caso, gà defto ell esemo, del laco d ua moeta. Questa volta erò la osta goco è costtuta da 000 euro. Ache questo caso, defta Z la v.c. che descrve l guadago, questa uò assumere due valor, -000 e 000, cascuo co robabltà ar a ½ se la moeta è be tarata. I queste codzo E[Z], vale 0. Questo secodo goco erò è molto ù rschoso: fatt, el rmo caso s oteva al massmo erdere euro alla volta, ora è ossble erdere 000 euro! Eure er ua moeta regolare E[Z]=E[] = 0. La dffereza fodametale tra due esem cosderat è che metre assume valor vc alla rora meda, Z assume valor lota da E[Z] Pertato E[] rareseta meglo d quato o facca E[Z] er Z. L'dce ù comuemete utlzzato er raresetare la dsersoe d ua v.c. rsetto alla sua meda è la varaza. Data ua varable casuale dscreta o cotua co valore atteso E[], s chama varaza d, e la s dca co σ, o ache co Var[], la quattà Var[]=E[( - E[]) ] Esemo 3b Sa l guadago che s ha gocado a testa e croce utado euro e Z quello che s ha utado 000 euro. Per ua moeta be tarata s ha P[ = -] = P[ = ] = P[Z = -000] =P[Z = 000] = / e E[] = E[Z] = 0. Per quato rguarda la varaza d s ottee: Var[] =E[( - E[]) ] = E[ ] = metre er quella d Z s ha Var[Z] =E[(Z - E[Z]) ] = E[Z ] = {,} x x P( = x) = ( ) + = 3 3 x = x) = ( 0 ) + ( 0 ) P( { 0 3, 0 3 } z = 0 6 Come gà atcato Var[Z] è (molto) ù grade d Var[] ad dcare che Z s dscosta da E[Z] molto ù d quato o facca da E[]. Il valore atteso e la varaza d ua varable casuale costtuscoo cas artcolar de momet d ua v.c, che sarao d seguto brevemete rchamat.

4 Momet della v.c. Sa ua varable casuale e sa N +. S chama mometo d orde d la quattà = E [ ], ossa l valore atteso della varable casuale trasformata g() =. er v.c. dscrete ( = P = x )) = E [ ] = x E[ ] = x f ( x) = dx er v.c. cotue La meda corrsode, qud, al mometo rmo d = Momet della v.c. Scarto Tramte l mometo rmo è ossble defre Y, v.c. scarto rsetto alla meda: Y=( -). Il mometo d orde d Y, varable casuale trasformata scarto, rsulta. ( ( x ) ' = E[ Y ] = E[( ) ] = er v.c. dscrete ' E[ Y ] = E[( ) ] = ( x ) f ( x) = dx er v.c. cotue Le quattà defte soo ache dcate come momet cetral d orde d rsetto a. Tal momet raresetao ua msura della varabltà della dstrbuzoe rsetto alla meda. Il ù mortate, come vsto, è l mometo che s ottee er =, coè la varaza: ' = σ = E [( ) ] = Var[ ] Osservazo - Il mometo del rmo orde della varable casuale scarto vale semre 0. Ifatt, E [( )] = E[ ] E[ ] = = 0 - Se è ua varable casuale degeere, ovvero se assume u uco valore co robabltà, la varaza è ulla, metre è tato ù elevata quato maggore è la dsersoe de valor d attoro a. - E mmedato verfcare che Var[] 0. - S dmostra che è ossble esrmere la varaza rsetto a momet d : Var [ ] = E[( ) ] = E[ + ] = E[ ] E[ ] + = E [ ] + = E[ ] ovvero la varaza è uguale al mometo secodo (E[ ]= ) meo l mometo rmo al quadrato ( = ) della varable. =

5 Esemo 4 S cosder la varable casuale dscreta che rorta l umero degl est testa tre lac d ua moeta regolare. I valor che uò assumere soo {0,,, 3} e s ha: P( = 0) = P( = 3) = /8, P( = ) = P( = ) = 3/8. E facle verfcare che: 3 3 = E[ ] = = = E[ 3 3 ] = = 3 3 Qud, utlzzado la regola er l calcolo della varaza da momet d sora rortata, s ottee che Var [ ] = = 3/4. Al medesmo rsultato s guge alcado drettamete la defzoe d varaza come mometo del secodo orde della varable scarto Var [ ] = = 3/ La radce quadrata o egatva della varaza, dcata co σ, è detta devazoe stadard o scarto quadratco medo. Ach'essa costtusce ua msura della dsersoe d attoro a, sesso referta alla varaza quato è esressa ella stessa utà d msura della varable casuale. S uò, oltre, defre la quattà σ/, chamata coeffcete d varazoe. Pochè l coeffcete d varazoe o dede dall utà d msura co cu vee studato l feomeo, uò rsultare utle er cofrotare la dsersoe d due o ù varabl casual. Momet della v.c. Stadardzzata Data ua varable casuale, co = E[] e σ =Var[] è ossble defre la varable casuale trasformata Z tale che: Z =. σ Z è detta varable casuale stadardzzata, ed è caratterzzata dall essere svcolata dal valor medo e dedete dalla varabltà msurata dalla varaza. S uò effett dmostrare che E[Z] = 0 e Var[Z]=. D seguto soo rortate l esresso de momet d orde della v.c. stadardzzata Z: x = E[ Z ] = E = er v.c. dscrete σ σ

6 x = E[ Z ] = E = f ( x) dx er v.c. cotue σ σ Tra momet della v.c. stadardzzata alcu assumoo artcolare teresse el forre dcazo sulla forma della dstrbuzoe. I artcolare, l coeffcete d asmmetra 3, sesso dcato co l smbolo γ, ed l coeffcete d curtos 4 3, sesso dcato co l smbolo γ. Osservazo - Il coeffcete d asmmetra forsce dcazo rsetto alla smmetra della dstrbuzoe rsetto alla meda. 3 γ = 3 = E σ L dce è dedete dall utà d msura della v.c. e uò assumere valor egatv, ull o ostv. E ullo se la dstrbuzoe è smmetrca rsetto a, è egatvo se la dstrbuzoe è asmmetrca egatva (coda a sstra), è ostvo se la dstrbuzoe è asmmetrca ostva (coda a destra). - Il coeffcete d curtos msura l grado d aattmeto della dstrbuzoe rsetto alla dstrbuzoe ormale. 4 γ = 4 3 = E 3 σ Ache questo dce è dedete dall utà d msura e uò essere egatvo, ullo o ostvo. Se γ è ullo, s dce che s dstrbusce modo abbastaza smle ad ua ormale co stessa meda e varaza d ; se è maggore d zero, s dce che la dstrbuzoe è letocurtca, coè ù autta della dstrbuzoe ormale; se è more d zero, s dce che la dstrbuzoe è latcurtca, coè ù atta della corrsodete dstrbuzoe ormale.

7 Momet v.c. orgara v.c. scarto Y=- v.c. stadardzzata Z = σ Defzoe Geerale = E[ ] Valore medo: = = E[ ] ' r r = E[( ) Varaza: = σ = E[( ' = E σ Asmmetra: 3 = γ Curtos: 4 3 = γ ] ) ] Formule er v.c. dscrete Formule er v.c. cotue = x x f ( x) ( x ) ' = = x σ = dx ' ( x ) f ( x) = dx x = f ( x) dx σ Altr dc stetc d oszoe Moda Data ua varable casuale, s chama moda della dstrbuzoe d robabltà d, o ù semlcemete moda d, l valore reale er cu è massma la fuzoe (d destà) d robabltà, coè tale che: f (x mo ) f (x), er og x. E oortuo osservare che la moda o è ecessaramete uca e uò ache o esstere. Se esste dvdua valor ù robabl, se è dscreta, o valor el cu toro rcadoo gl evet ù robabl, se è cotua. Nel caso cu s ha u uco massmo, la dstrbuzoe (d destà) d robabltà d è detta umodale; se c soo due o ù ut d massmo, s arla d dstrbuzo bmodal o multmodal. a Data ua varable casuale cotua, s chama medaa della dstrbuzoe d robabltà d, o ù semlcemete medaa d, e s dca co x 0.5, l valore er l quale la fuzoe d rartzoe vale 0.5. La defzoe d medaa uò essere terretata come u caso artcolare della defzoe ù geerale d quatle.

8 Quatl Sa α (0;) e ua varable casuale cotua. S chama quatle (o frattle) α-esmo della dstrbuzoe d robabltà d, o ù semlcemete quatle α-esmo d, e s dca co x α, l valore x α tale che la fuzoe d rartzoe rsulta F (x α )=α. I questo cotesto, x α è terretable come quel valore reale che rartsce la massa utara d robabltà rferta alla varable casuale, lascado ua orzoe ar ad α alla rora sstra e ar a -α alla rora destra. Soltamete α è esresso term decmal o ercetual e s arla allora d decl o d ercetl. La medaa, qud, costtusce l 50-esmo ercetle o, aalogamete, l'α-esmo quatle, co α =0.5. I quatl x α, co α = /4; /; 3/4, soo ache chamat quartl. La dstaza tra l rmo ed l terzo quartle, msurata co la dffereza x 3/4 - x /4, sesso è utlzzata come msura stetca della dsersoe.

9 MOMENTI DELLE PINCIPALI DISTIBUZIONI DI POBABILITÀ Dstrbuzo dscrete La dstrbuzoe d Beroull Parametr: 0 Momet Varaza Coeffcete d varazoe Coeffcete d asmmetra Kurtos (-) ( ) 6 3 La dstrbuzoe Bomale Parametr:, 0 ; 0 Momet Varaza Coeffcete d varazoe Coeffcete d asmmetra Kurtos 6 6 3

10 La dstrbuzoe Geometrca Parametr: 0 Momet ( ) Varaza Coeffcete d varazoe La dstrbuzoe Bomale Negatva Parametr:, k 0 ; k Momet k( ) Varaza Coeffcete d varazoe k k La dstrbuzoe d Posso Parametr: Momet Varaza Coeffcete d varazoe Coeffcete d asmmetra Kurtos 3

11 La dstrbuzoe Uforme dscreta Parametr: Momet N N N Varaza Dstrbuzo cotue La dstrbuzoe Uforme Cotua o ettagolare Parametr: Momet a, b a b Varaza b a La dstrbuzoe Normale Parametr:, Momet Varaza Coeffcete d varazoe Coeffcete d asmmetra 0 Kurtos 3

12 La dstrbuzoe LogNormale Parametr: y, y Momet Varaza e e y y y y y y e La dstrbuzoe Esoezale Parametr: >0 Momet Varaza Coeffcete d asmmetra Kurtos 9 La dstrbuzoe Gamma Parametr:, >0; >0 Momet Varaza Coeffcete d asmmetra Kurtos 3+6/

13 La dstrbuzoe d Gumbel Parametr:, >0; >0 Momet Varaza 6 Coeffcete d varazoe Coeffcete d asmmetra.4

14 Stma de arametr Metodo de momet Da u uto d vsta cocettuale l metodo de momet è la tecca ù semlce d stma de arametr d ua dstrbuzoe. No rchede la coosceza della dstrbuzoe della oolazoe d cu s vogloo stmare arametr, ma solo delle relazo tra quest ed momet della oolazoe. La logca del metodo cosste ell otzzare che momet della oolazoe cocdao co corrsodet momet camoar, otteut dalle osservazo x, x,, x. Suoamo che ua v.c. abba ua certa fuzoe (d destà) d robabltà f (x;θ, θ,, θ ) cu θ, θ,, θ soo arametr cogt da stmare. Se s cosderao rm momet della oolazoe, coè: x f ( x; θ, θ,..., θ ) = dx el caso d v.c. cotua o, el caso d v.c. dscreta, = x co =,,,, quest soo geerale fuzoe de arametr cogt: = θ, θ,..., θ ). ( x Idcado momet stmat dal camoe come M = co =,,,, è ossble = utlzzare l seguete sstema d equazo cogte er stmare arametr θ, θ,, θ : M... M = ( θ, θ,..., θ ) = ( θ, θ,..., θ ) Esemo 5 Sa x, x,, x u camoe casuale estratto da u oolazoe ormale co meda e varaza σ ; quest ultm cocdoo co arametr θ e θ da stmare co l metodo de momet. cordado che σ = e =. Le equazo del metodo de momet dvetao: M M da cu: = = = = σ +

15 x = M = = σ = M M = x = = x La meda e la varaza della oolazoe rsultao qud cocdet co la meda e la varaza camoara. Metodo della Massma verosmglaza Sa x, x,, x l camoe d ua v.c. che assumamo rovere da ua dstrbuzoe co fuzoe d destà f (x; θ) el caso d v.c. cotua (er brevtà s è dcato co θ l vettore de arametr θ, θ,, θ che la caratterzzao), o dstrbuzoe d robabltà (x; θ) el caso d v.c. dscreta. Nell otes che le osservazo sao dedet, ua msura della robabltà d avere otteuto roro quel camoe da ua oolazoe co la dstrbuzoe cosderata, è forta dalla seguete fuzoe: L(θ; x,x,, x ) = f ( x ; θ) f ( x ; θ) f (x ; θ) = ( ) L(θ; x,x,, x ) = ( x ; θ) ( x ; θ) (x ; θ)= ( ) = = x f x ;θ se è cotua ;θ se è dscreta che è detta fuzoe d verosmglaza Il metodo della massma verosmglaza cosste ello sceglere come valor θˆ de arametr quell che massmzzao L(θ; x,x,, x ). L(θˆ ; x,x,, x ) L(θ; x,x,, x ) S osserv che, el caso d dstrbuzo dscrete, L(θ; x,x,, x ) è roro la robabltà d avere otteuto l camoe x,x,, x. Nel caso d dstrbuzo cotue, er le qual la robabltà d u artcolare seme fto d valor è comuque ulla, L è arossmatvamete roorzoale alla robabltà dell estrazoe d u camoe d elemet, y,y,, y, co y [x - ε, x + ε], =,,..., e co ε oortuamete ccolo. Se s ha u solo arametro, θ = θ, lo stmatore d massma verosmglaza è soluzoe dell equazoe: dl( θ ) dθ = 0. Se la fuzoe ha arametr, θ =θ, θ,, θ, allora l uto che rede massma la fuzoe d verosmglaza è ua soluzoe delle equazo:

16 L( θ,..., θ ) = 0 θ L( θ,..., θ ) = 0 θ L( θ,..., θ ) = 0 θ Osservazo A dffereza del metodo de momet, quello della massma verosmglaza mlca la coosceza della dstrbuzoe della v.c. d cu s vogloo stmare arametr. L(θ) e log L(θ) hao loro massm er lo stesso set d arametr θ, ed a volte è ù facle trovare l massmo del logartmo della fuzoe d verosmglaza. Esemo 6 Suoamo d voler stmare co l metodo della massma verosmglaza l valore del arametro λ d ua dstrbuzoe esoezale. La fuzoe d verosmglaza rsulta: L λx λx λx ( λ; x, x,..., x ) ( λe )( λe )...( λe ) = La dervata d L ( ; x, x, ) dl( λ) λ x = λ e λ xe dλ uguaglado a zero s ottee: λ =. x λ x = λ e = λ x = λ e λ..., x rsetto a λ è: λ x

17 STIMA DEI PAAMETI DELLE PINCIPALI DISTIBUZIONI La dstrbuzoe Normale Le stme de arametr e della dstrbuzoe ormale, sa oerado co l metodo de momet sa oerado co l metodo della massma verosmglaza, s ottegoo medate le relazo: ˆ x ˆ s dove x e s soo rsettvamete la meda camoara e lo scarto quadratco medo camoaro. La dstrbuzoe LogNormale Le stme de arametr y e y della dstrbuzoe logormale, sa oerado co l metodo de momet sa oerado co l metodo della massma verosmglaza, s ottegoo medate le relazo: ˆ y x y ˆ y s y dove x y e s y soo rsettvamete la meda camoara e lo scarto quadratco medo camoaro della varable Y=log. La dstrbuzoe Esoezale La stma del arametro della dstrbuzoe esoezale, sa oerado co l metodo de momet sa oerado co l metodo della massma verosmglaza, s ottee medate la relazoe: ˆ x La dstrbuzoe Gamma ) Metodo de Momet s ˆ x ; ˆ x s ) Metodo della Massma Verosmglaza Il sstema d equazo che ermette d determare arametr della dstrbuzoe Gamma è: ˆ x / ˆ log( x) j log( x j ) log d dove ˆ = fuzoe dgamma, log e è la umerostà del camoe. d ˆ ˆ

18 La dstrbuzoe d Gumbel ) Metodo de Momet 6s ˆ ; ˆ ˆ x ) Metodo della Massma Verosmglaza Il sstema d equazo che ermette d determare arametr della dstrbuzoe d Gumbel è: x x x e e e x e x ˆ ˆ ˆ ˆ ˆ ˆ

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

Dettagli

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti Gorgo Lambert Pag. Dmostrazoe della Formula per la determazoe del umero d dvsor-test d prmaltà, d Gorgo Lambert Eugeo Amtrao aveva proposto l'dea d ua formula per calcolare l umero d dvsor d u umero, da

Dettagli

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno Idc d Poszoe Gl dc s poszoe soo msure stetche ( valor caratterstc ) che descrvoo la tedeza cetrale d u feomeo La tedeza cetrale è, prma approssmazoe, la modaltà della varable verso la quale cas tedoo a

Dettagli

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO.

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO. elazoe d laboratoro d Fsca corso M-Z Laboratoro d Fsca del Dpartmeto d Fsca e Astrooma dell Uverstà degl Stud d Cataa. Scala Stefaa. AGOMENTO: MSUA DELLA ESSTENZA ELETTCA CON L METODO OLT-AMPEOMETCO. NTODUZONE:

Dettagli

STATISTICA Lezioni ed esercizi

STATISTICA Lezioni ed esercizi Uverstà d Toro QUADERNI DIDATTICI del Dpartmeto d Matematca MARIA GARETTO STATISTICA Lezo ed esercz Corso d Laurea Botecologe A.A. / Quadero # Novembre M. Garetto - Statstca Prefazoe I questo quadero

Dettagli

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

ALCUNI ELEMENTI DI TEORIA DELLA STIMA ALCUNI ELEMENTI DI TEORIA DELLA STIMA Quado s vuole valutare u parametro θ ad esempo: meda, varaza, proporzoe, oeffete d regressoe leare, oeffete d orrelazoe leare, e) d ua popolazoe medate u ampoe asuale,

Dettagli

Il confronto tra DUE campioni indipendenti

Il confronto tra DUE campioni indipendenti Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo

Dettagli

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA

Dettagli

8. Quale pesa di più?

8. Quale pesa di più? 8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora

Dettagli

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

LA DERIVATA DI UNA FUNZIONE

LA DERIVATA DI UNA FUNZIONE LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione 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

Dettagli

EQUAZIONI ALLE RICORRENZE

EQUAZIONI ALLE RICORRENZE Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo

Dettagli

l = 0, 1, 2, 3,,, n-1n m = 0, ±1,

l = 0, 1, 2, 3,,, n-1n m = 0, ±1, NUMERI QUANTICI Le autofuzioi soo caratterizzate da tre parametri chiamati NUMERI QUANTICI e soo completamete defiite dai loro valori: : umero quatico pricipale l : umero quatico secodario m : umero quatico

Dettagli

Verifica d Ipotesi. Se invece che chiederci quale è il valore di una media in una popolazione (stima. o falsa? o falsa?

Verifica d Ipotesi. Se invece che chiederci quale è il valore di una media in una popolazione (stima. o falsa? o falsa? Verifica d Iotesi Se ivece che chiederci quale è il valore ua mea i ua oolazioe (stima utuale Se ivece e itervallo che chiederci cofideza) quale è il avessimo valore u idea ua mea su quello i ua che oolazioe

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche est o parametrici Il test di Studet per uo o per due campioi, il test F di Fisher per l'aalisi della variaza, la correlazioe, la regressioe, isieme ad altri test di statistica multivariata soo parte dei

Dettagli

Sommario lezioni di Probabilità versione abbreviata

Sommario lezioni di Probabilità versione abbreviata Sommario lezioi di Probabilità versioe abbreviata C. Frachetti April 28, 2006 1 Lo spazio di probabilità. 1.1 Prime defiizioi I possibili risultati di u esperimeto costituiscoo lo spazio dei campioi o

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso 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)

Dettagli

CAPITOLO 18 STABILITÀ DEI PENDII

CAPITOLO 18 STABILITÀ DEI PENDII Captolo 8 CAPITOLO 8 8. Frae 8.. Fattor e cause de movmet fraos Per fraa s tede u rapdo spostameto d ua massa d rocca o d terra l cu cetro d gravtà s muove verso l basso e verso l estero. I prcpal fattor

Dettagli

1 Metodo della massima verosimiglianza

1 Metodo della massima verosimiglianza Metodo della massima verosimigliaza Estraedo u campioe costituito da variabili casuali X i i.i.d. da ua popolazioe X co fuzioe di probabilità/desità f(x, θ), si costruisce la fuzioe di verosimigliaza che

Dettagli

SERIE NUMERICHE. (Cosimo De Mitri) 1. Definizione, esempi e primi risultati... pag. 1. 2. Criteri per serie a termini positivi... pag.

SERIE NUMERICHE. (Cosimo De Mitri) 1. Definizione, esempi e primi risultati... pag. 1. 2. Criteri per serie a termini positivi... pag. SERIE NUMERICHE (Cosimo De Mitri. Defiizioe, esempi e primi risultati... pag.. Criteri per serie a termii positivi... pag. 4 3. Covergeza assoluta e criteri per serie a termii di sego qualsiasi... pag.

Dettagli

8) Sia Dato un mazzo di 40 carte. Supponiamo che esso sia mescolato in modo

8) Sia Dato un mazzo di 40 carte. Supponiamo che esso sia mescolato in modo ESERCIZI DI CALCOLO DELLE PROBABILITÁ ) Qual e la probabilita che laciado dadi a facce o esca essu? Studiare il comportameto asitotico di tale probabilita per grade. ) I u sacchetto vi soo 0 pallie biache;

Dettagli

Capitolo Decimo SERIE DI FUNZIONI

Capitolo Decimo SERIE DI FUNZIONI Capitolo Decimo SERIE DI FUNZIONI SUCCESSIONI DI FUNZIONI I cocetti di successioe e di serie possoo essere estesi i modo molto aturale al caso delle fuzioi DEFINIZIONE Sia E u sottoisieme di  e, per ogi

Dettagli

LA COMPATIBILITA tra due misure:

LA 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

Dettagli

L OFFERTA DI LAVORO 1

L OFFERTA DI LAVORO 1 L OFFERTA DI LAVORO 1 La famiglia come foritrice di risorse OFFERTA DI LAVORO Notazioe utile: T : dotazioe di tempo (ore totali) : ore dedicate al tempo libero l=t- : ore dedicate al lavoro : cosumo di

Dettagli

3.4 Tecniche per valutare uno stimatore

3.4 Tecniche per valutare uno stimatore 3.4 Teciche per valutare uo stimatore 3.4. Il liguaggio delle decisioi statistiche, stimatori corretti e stimatori cosisteti La teoria delle decisioi forisce u liguaggio appropriato per discutere sulla

Dettagli

( ) ( ) ( ) ( ) ( ) CAPITOLO VII DERIVATE. (3) D ( x ) = 1 derivata di un monomio con a 0

( ) ( ) ( ) ( ) ( ) CAPITOLO VII DERIVATE. (3) D ( x ) = 1 derivata di un monomio con a 0 CAPITOLO VII DERIVATE. GENERALITÀ Defiizioe.) La derivata è u operatore che ad ua fuzioe f associa u altra fuzioe e che obbedisce alle segueti regole: () D a a a 0 0 0 derivata di u moomio D 6 D 0 D ()

Dettagli

Progetto Lauree Scientifiche. La corrente elettrica

Progetto 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

Dettagli

MATEMATICA FINANZIARIA

MATEMATICA FINANZIARIA Capializzazioe semplice e composa MATEMATICA FINANZIARIA Immagiiamo di impiegare 4500 per ai i ua operazioe fiaziaria che frua u asso del, % auo. Quao avremo realizzao alla fie dell operazioe? I u coeso

Dettagli

Capitolo 8 Le funzioni e le successioni

Capitolo 8 Le funzioni e le successioni Capitolo 8 Le fuzioi e le successioi Prof. A. Fasao Fuzioe, domiio e codomiio Defiizioe Si chiama fuzioe o applicazioe dall isieme A all isieme B ua relazioe che fa corrispodere ad ogi elemeto di A u solo

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni 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

Dettagli

1. L'INSIEME DEI NUMERI REALI

1. L'INSIEME DEI NUMERI REALI . L'INSIEME DEI NUMERI REALI. I pricipli isiemi di umeri Ripredimo i pricipli isiemi umerici N, l'isieme dei umeri turli 0; ; ; ; ;... L'ide ituitiv di umero turle è ssocit l prolem di cotre e ordire gli

Dettagli

Sistemi LTI descrivibile mediante SDE (Equazioni alle Differenze Standard)

Sistemi LTI descrivibile mediante SDE (Equazioni alle Differenze Standard) Sistemi LTI descrivibile mediate SDE (Equazioi alle Differeze Stadard) Nella classe dei sistemi LTI ua sottoclasse è quella dei sistemi defiiti da Equazioi Stadard alle Differeze Fiite (SDE), dette così

Dettagli

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

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

Dettagli

4. Metodo semiprobabilistico agli stati limite

4. Metodo semiprobabilistico agli stati limite 4. Metodo seiprobabilistico agli stati liite Tale etodo cosiste el verificare che le gradezze che ifluiscoo i seso positivo sulla, valutate i odo da avere ua piccolissia probabilità di o essere superate,

Dettagli

La sicurezza sul lavoro: obblighi e responsabilità

La sicurezza sul lavoro: obblighi e responsabilità La sicurezza sul lavoro: obblighi e resposabilità Il Testo uico sulla sicurezza, Dlgs 81/08 è il pilastro della ormativa sulla sicurezza sul lavoro. I sostaza il Dlgs disciplia tutte le attività di tutti

Dettagli

Leggere i dati da file

Leggere i dati da file Esempo %soluzon d una equazone d secondo grado dsp('soluzon d a^+b+c') anput('damm l coeffcente a '); bnput('damm l coeffcente b '); cnput('damm l coeffcente c '); deltab^-4*a*c; f delta0 dsp('soluzon

Dettagli

UNA RASSEGNA SUI METODI DI STIMA DEL VALUE

UNA RASSEGNA SUI METODI DI STIMA DEL VALUE UNA RASSEGNA SUI METODI DI STIMA DEL VALUE at RISK (VaR) Chara Pederzol - Costanza Torrcell Dpartmento d Economa Poltca - Unverstà degl Stud d Modena e Reggo Emla Marzo 999 INDICE Introduzone. Il concetto

Dettagli

La rappresentazione dei numeri. La rappresentazione dei numeri. Aritmetica dei calcolatori. La rappresentazione dei numeri

La rappresentazione dei numeri. La rappresentazione dei numeri. Aritmetica dei calcolatori. La rappresentazione dei numeri Artmetca de calcolator Rappresentazone de numer natural e relatv Addzone e sommator: : a propagazone d rporto, veloce, con segno Moltplcazone e moltplcator: senza segno, con segno e algortmo d Booth Rappresentazone

Dettagli

1. MODELLO DINAMICO AD UN GRADO DI LIBERTÀ. 1 Alcune definizioni preliminari

1. MODELLO DINAMICO AD UN GRADO DI LIBERTÀ. 1 Alcune definizioni preliminari . MODELLO DINAMICO AD UN GRADO DI LIBERTÀ Alcue defiizioi prelimiari I sistemi vibrati possoo essere lieari o o lieari: el primo caso vale il pricipio di sovrapposizioe degli effetti el secodo o. I geerale

Dettagli

5. Il lavoro di un gas perfetto

5. Il lavoro di un gas perfetto 5. Il lavoro d un gas perfetto ome s esprme l energa nterna d un gas perfetto? Un gas perfetto è l sstema pù semplce che possamo mmagnare: le nterazon a dstanza fra le molecole sono così debol da essere

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

ESERCIZI DI ANALISI I. Prof. Nicola Fusco 1. Determinare l insieme in cui sono definite le seguenti funzioni:

ESERCIZI DI ANALISI I. Prof. Nicola Fusco 1. Determinare l insieme in cui sono definite le seguenti funzioni: N. Fusco ESERCIZI DI ANALISI I Prof. Nicola Fusco Determiare l isieme i cui soo defiite le segueti fuzioi: ) log/ arctg π ) 4 ) log π 6 arcse ) ) tg log π + ) 4) 4 se se se tg 5) se cos tg 6) [ 6 + 8 π

Dettagli

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa I umeri complessi Pagie tratte da Elemeti della teoria delle fuzioi olomorfe di ua variabile complessa di G. Vergara Caffarelli, P. Loreti, L. Giacomelli Dipartimeto di Metodi e Modelli Matematici per

Dettagli

Unità Didattica N 25. La corrente elettrica

Unità Didattica N 25. La corrente elettrica Untà Ddattca N 5 : La corrente elettrca 1 Untà Ddattca N 5 La corrente elettrca 01) Il problema dell elettrocnetca 0) La corrente elettrca ne conduttor metallc 03) Crcuto elettrco elementare 04) La prma

Dettagli

Corrente elettrica e circuiti

Corrente elettrica e circuiti Corrente elettrca e crcut Generator d forza elettromotrce Intenstà d corrente Legg d Ohm esstenza e resstvtà esstenze n sere e n parallelo Effetto termco della corrente Legg d Krchhoff Corrente elettrca

Dettagli

Motori maxon DC e maxon EC Le cose più importanti

Motori maxon DC e maxon EC Le cose più importanti Motori maxo DC e maxo EC Il motore come trasformatore di eergia Il motore elettrico trasforma la poteza elettrica P el (tesioe U e correte I) i poteza meccaica P mech (velocità e coppia M). Le perdite

Dettagli

Capitolo 3 Il trattamento statistico dei dati

Capitolo 3 Il trattamento statistico dei dati Capolo 3 Il raameo sasco de da 3. - Geeralà Nel descrere feome, occorre da u lao elaborare de modell (coè delle relazo maemache fra le gradezze, che coseao d descrere e preedere l feomeo) e dall alro dars

Dettagli

1. Integrazione di funzioni razionali fratte

1. Integrazione di funzioni razionali fratte . Integazone d fnzon azonal fatte P S songa d vole calcolae n ntegale del to: d Q ove P e Q sono olno nell ndetenata d gado assegnato. Sonao ce: P a n n a n n a a Q b b b b oleent s etod d ntegazone I

Dettagli

I vettori. a b. 180 α B A. Un segmento orientato è un segmento su cui è stato fissato un verso. di percorrenza, da verso oppure da verso.

I vettori. a b. 180 α B A. Un segmento orientato è un segmento su cui è stato fissato un verso. di percorrenza, da verso oppure da verso. I vettor B Un segmento orentto è un segmento su cu è stto fssto un verso B d percorrenz, d verso oppure d verso. A A Il segmento orentto d verso è ndcto con l smolo. Due segment orentt che hnno l stess

Dettagli

ESERCITAZIONE L adsorbimento su carbone attivo

ESERCITAZIONE L adsorbimento su carbone attivo ESERCITAZIONE adsorbimeto su carboe attivo ezioi di riferimeto: Processi basati sul trasferimeto di materia Adsorbimeto su carboi attivi Testi di riferimeto: Water treatmet priciples ad desi, WH Pricipi

Dettagli

Appunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15

Appunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15 Apputi di Statistica Matematica Ifereza Statistica Multivariata Ao Accademico 014/15 November 19, 014 1 Campioi e modelli statistici Siao Ω, A, P uo spazio di probabilità e X = X 1,..., X u vettore aleatorio

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

Strutture deformabili torsionalmente: analisi in FaTA-E

Strutture deformabili torsionalmente: analisi in FaTA-E Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo

Dettagli

DOMINI DI CURVATURA DI SEZIONI IN C.A. IN PRESSOFLESSIONE DEVIATA. PARTE II: VALUTAZIONE SEMPLIFICATA

DOMINI DI CURVATURA DI SEZIONI IN C.A. IN PRESSOFLESSIONE DEVIATA. PARTE II: VALUTAZIONE SEMPLIFICATA Valutazioe e riduzioe della vulerailità sismia di ediii esisteti i.a. Roma, 9-0 maggio 00 DOMINI DI CURVATURA DI SEZIONI IN C.A. IN PRESSOFLESSIONE DEVIATA. PARTE II: VALUTAZIONE SEMPLIFICATA Di Ludovio

Dettagli

Supponiamo, ad esempio, di voler risolvere il seguente problema: in quanti modi quattro persone possono sedersi l una accanto all altra?

Supponiamo, ad esempio, di voler risolvere il seguente problema: in quanti modi quattro persone possono sedersi l una accanto all altra? CALCOLO COMBINATORIO 1.1 Necessità del calcolo combiatorio Accade spesso di dover risolvere problemi dall'appareza molto semplice, ma che richiedoo calcoli lughi e oiosi per riuscire a trovare delle coclusioi

Dettagli

TECNICHE DI SIMULAZIONE

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

Dettagli

LEZIONI DI MATEMATICA PER I MERCATI FINANZIARI VALUTAZIONE DI TITOLI OBBLIGAZIONARI E STRUTTURA PER SCADENZA DEI TASSI DI INTERESSE

LEZIONI DI MATEMATICA PER I MERCATI FINANZIARI VALUTAZIONE DI TITOLI OBBLIGAZIONARI E STRUTTURA PER SCADENZA DEI TASSI DI INTERESSE LEZIONI DI MATEMATICA PER I MERCATI FINANZIARI Dipartimeto di Sieze Eoomihe Uiversità di Veroa VALUTAZIONE DI TITOLI OBBLIGAZIONARI E STRUTTURA PER SCADENZA DEI TASSI DI INTERESSE Lezioi di Matematia per

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

NUMERI RAZIONALI E REALI

NUMERI RAZIONALI E REALI NUMERI RAZIONALI E REALI CARLANGELO LIVERANI. Numeri Razionali Tutti sanno che i numeri razionali sono numeri del tio q con N e q N. Purtuttavia molte frazioni ossono corrisondere allo stesso numero, er

Dettagli

Esame di Matematica 2 Mod.A (laurea in Matematica) prova di accertamento del 4 novembre 2005

Esame di Matematica 2 Mod.A (laurea in Matematica) prova di accertamento del 4 novembre 2005 Esame di Matematica 2 ModA (laurea i Matematica prova di accertameto del 4 ovembre 25 ESERCIZIO Si poga a 3 5 + 9 e b 2 4 6 + 6 ( (a Si determii d MCD(a, b e gli iteri m, Z tali che d ma + b co m < b ed

Dettagli

INTRODUZIONE ALLE SUCCESSIONI E SERIE: ALCUNI ESEMPI NOTEVOLI

INTRODUZIONE ALLE SUCCESSIONI E SERIE: ALCUNI ESEMPI NOTEVOLI INTRODUZIONE ALLE SUCCESSIONI E SERIE: ALCUNI ESEMPI NOTEVOLI Mirta Debbia LS A. F. Formiggii di Sassuolo (MO) - debbia.m@libero.it Maria Cecilia Zoboli - LS A. F. Formiggii di Sassuolo (MO) - cherubii8@libero.it

Dettagli

Metodi d integrazione di Montecarlo

Metodi d integrazione di Montecarlo Metodi d itegrzioe di Motecrlo Simulzioe l termie simulzioe ell su ccezioe scietific h u sigificto diverso dll ccezioe correte. Nell uso ordirio è sioimo si fizioe; ell uso scietifico è sioimo di imitzioe,

Dettagli

aleatoria; se è nota la sua densità di probabilità ad essa si può associare una valore medio statistico. La grandezza così definita: (III.1.

aleatoria; se è nota la sua densità di probabilità ad essa si può associare una valore medio statistico. La grandezza così definita: (III.1. Caitolo III VALORI MEDI. SAZIONARIEÀ ED ERGODICIÀ III. - Mdi tatitich dl rimo ordi. Sia f( ) ua fuzio cotiua i aoci al gal alatorio (, t ζ ) la uatità dfiita dalla y f[(, t ζ )]. Ea idividua, a ua volta,

Dettagli

Misura della distanza focale. di una lente convergente. Metodo di Bessel

Misura della distanza focale. di una lente convergente. Metodo di Bessel Zuccarello Francesco Laboratoro d Fsca II Msura della dstanza focale d una lente convergente Metodo d Bessel A.A. 003-004 Indce Introduzone..pag. 3 Presuppost Teorc.pag. 4 Anals de dat.pag. 8. Modo d operare...pag.

Dettagli

Indagini sui coregoni del Lago Maggiore: Analisi sui pesci catturati nel 2010

Indagini sui coregoni del Lago Maggiore: Analisi sui pesci catturati nel 2010 Idagii sui coregoi del Lago Maggiore: Aalisi sui pesci catturati el 1 Rapporto commissioato dal Dipartimeto del territorio, Ufficio della caccia e della pesca, Via Stefao Frascii 17 51 Bellizoa Aprile

Dettagli

Esercizi Le leggi dei gas. Lo stato gassoso

Esercizi Le leggi dei gas. Lo stato gassoso Esercizi Le lei dei as Lo stato assoso Ua certa quatità di as cloro, alla pressioe di,5 atm, occupa il volume di 0,58 litri. Calcola il volume occupato dal as se la pressioe viee portata a,0 atm e se la

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 Controlli Digitali Laurea Magistrale in Ingegneria Meccatronica CONTROLLORI PID Tel. 0522 522235 e-mail: secchi.cristian@unimore.it Introduzione regolatore Proorzionale, Integrale, Derivativo PID regolatori

Dettagli

I radicali 1. Claudio CANCELLI (www.claudiocancelli.it)

I radicali 1. Claudio CANCELLI (www.claudiocancelli.it) I rdicli Cludio CANCELLI (www.cludioccelli.it) Ed..0 www.cludioccelli.it Dec. 0 I rdicli INDICE DEI CONTENUTI. I RADICALI... INDICE DI RADICE PARI...4 INDICE DI RADICE DISPARI...5 RADICALI SIMILI...6 PROPRIETA

Dettagli

Dall atomo di Bohr alla costante di struttura fine

Dall atomo di Bohr alla costante di struttura fine Dall atomo di Bohr alla ostate di struttura fie. INFORMAZIONI SPETTROSCOPICHE SUGLI ATOMI E be oto he ogi sostaza opportuamete eitata emette radiazioi elettromagetihe. Co uo spettrosopio, o strumeti aaloghi,

Dettagli

6 DINAMICA DEI SISTEMI DI PUNTI MATERIALI

6 DINAMICA DEI SISTEMI DI PUNTI MATERIALI 6 DINAMICA DEI SISTEMI DI PUNTI MATERIALI Consdeao un sstea d n unt ateal con n > nteagent ta loo e con l esto dell unveso. Nello studo d un tale sstea sulta convenente scooe la foza agente ( et) sull

Dettagli

Calcolo differenziale Test di autovalutazione

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

Dettagli

PROCESSI CASUALI. Segnali deterministici e casuali

PROCESSI CASUALI. Segnali deterministici e casuali POCESSI CASUALI POCESSI CASUALI Segnal deermnsc e casual Un segnale () s dce DEEMIISICO se è una funzone noa d, coè se, fssao un qualunque sane d empo o, l valore ( o ) assuno dal segnale è noo con esaezza

Dettagli

Metodologia di controllo. AUTORIMESSE (III edizione) Codice attività: 63.21.0. Indice

Metodologia di controllo. AUTORIMESSE (III edizione) Codice attività: 63.21.0. Indice Metodologa d controllo AUTORIMESSE (III edzone) Codce attvtà: 63.21.0 Indce 1. PREMESSA... 2 2. ATTIVITÀ PREPARATORIA AL CONTROLLO... 3 2.1 Interrogazon dell Anagrafe Trbutara... 3 2.2 Altre nterrogazon

Dettagli

USUFRUTTO. 5) Quali sono le spese a carico dell usufruttuario

USUFRUTTO. 5) Quali sono le spese a carico dell usufruttuario USUFRUTTO 1) Che cos è l sfrtto e come si pò costitire? L sfrtto è il diritto di godimeto ( ovvero di possesso) di bee altri a titolo gratito ; viee chiamato sfrttario chi esercita tale diritto, metre

Dettagli

PENSIONI INPDAP COME SI CALCOLANO

PENSIONI INPDAP COME SI CALCOLANO Mii biblioteca de Il Giorale Ipdap per rederci coto e sapere di piu Mii biblioteca de Il Giorale Ipdap per rederci coto e sapere di piu PENSIONI INPDAP COME SI CALCOLANO I tre sistemi I cique pilastri

Dettagli

Funzioni in più variabili

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

Dettagli

La scelta di equilibrio del consumatore. Integrazione del Cap. 21 del testo di Mankiw 1

La scelta di equilibrio del consumatore. Integrazione del Cap. 21 del testo di Mankiw 1 M.Blconi e R.Fontn, Disense di conomi: 3) quilirio del consumtore L scelt di equilirio del consumtore ntegrzione del C. 21 del testo di Mnkiw 1 Prte 1 l vincolo di ilncio Suonimo che il reddito di un consumtore

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

Dettagli

Dispensa n.1 Esercitazioni di Analisi Mat. 1

Dispensa n.1 Esercitazioni di Analisi Mat. 1 Disensa n.1 Esercitazioni di Analisi Mat. 1 (a cura di L. Pisani) C.d.L. in Matematica Università degli Studi di Bari a.a. 2003/04 i Indice Notazioni iii 1 Princii di sostituzione 1 1.1 Funzioni equivalenti

Dettagli

Valutazione delle prestazioni termiche di sistemi con solai termoattivi in regime non stazionario

Valutazione delle prestazioni termiche di sistemi con solai termoattivi in regime non stazionario Valutazioe delle prestazioi termiche di sistemi co solai termoattivi i regime o stazioario MICHELE DE CARLI, Ph.D., Ricercatore, Dipartimeto di Fisica Tecica, Uiversità degli Studi di Padova, Padova, Italia.

Dettagli

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

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

Dettagli

Nadia Garbellini. L A TEX facile. Guida all uso

Nadia Garbellini. L A TEX facile. Guida all uso Nada Garbelln L A TEX facle Guda all uso 2010 Nada Garbelln L A TEX facle Guda all uso seconda edzone rveduta e corretta 2010 PRESENTAZIONE L amca e brava Nada Garbelln, autrce d questa bella e semplce

Dettagli

Soluzioni Esercitazione VIII. p(t)dt = R

Soluzioni Esercitazione VIII. p(t)dt = R S. a Si ha Soluioni Esercitaione VIII PT > + ptt ptt perché pt per t u + perché

Dettagli

Errori di misura. è ragionevole assumere che una buona stima del valore vero sia la media

Errori di misura. è ragionevole assumere che una buona stima del valore vero sia la media Errori di miura Se lo trumento di miura è abbatanza enibile, la miura rietuta della tea grandezza fiica darà riultati diveri fra loro e fluttuanti in modo caratteritico. E l effetto di errori cauali, o

Dettagli

Liste di specie e misure di diversità

Liste di specie e misure di diversità Lte d pece e mure d dvertà Carattertche delle lte d pece I dat ono par, coè hanno molt valor null (a volte la maggoranza!) La gran parte delle pece preent è rara. I fattor ambental che nfluenzano la dtrbuzone

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

Esponenziali elogaritmi

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

Dettagli

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

Le operazioni fondamentali in N Basic Arithmetic Operations in N

Le operazioni fondamentali in N Basic Arithmetic Operations in N Operzioi fodetli i - 1 Le operzioi fodetli i Bsic Arithetic Opertios i I geerle u operzioe è u procedieto che due o più ueri, dti i u certo ordie e detti terii dell'operzioe, e ssoci u ltro, detto risultto

Dettagli

(accuratezza) ovvero (esattezza)

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

Dettagli

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.

Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

Il villaggio delle fiabe

Il villaggio delle fiabe Il villaggio delle fiabe Idea Progetto bambini 2^ A A. Mei Costruzione Direzione dei lavori maestre L idea di partenza Il DADO è un cubo. Noi siamo molto curiosi e ci siamo posti questa domanda: Come sono

Dettagli

Equazioni differenziali ordinarie

Equazioni differenziali ordinarie Capitolo 2 Equazioni differenziali ordinarie 2.1 Formulazione del problema In questa sezione formuleremo matematicamente il problema delle equazioni differenziali ordinarie e faremo alcune osservazioni

Dettagli

COME MASSIMIZZARE UNA FUNZIONE DI UTILITÀ

COME MASSIMIZZARE UNA FUNZIONE DI UTILITÀ icroeconomia Douglas Bernheim, ichael Whinston Copyright 009 The cgraw-hill Companies srl COE ASSIIZZARE UNA FUNZIONE DI UTILITÀ Supponiamo che il reddito mensile di Elena sia pari a Y e sia interamente

Dettagli