Analisi Fattoriale Discriminante

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Analisi Fattoriale Discriminante"

Transcript

1 Aalisi Fattoriale Discrimiate Bibliografia Lucidi (materiale reperibile via Iteret) Lauro C.N. Uiversità di Napoli Gherghi M. Uiversità di Napoli D Ambra L. Uiversità di Napoli Keeth M. Portier Uiversity of Florida Davio C. Uiversità di Macerata Durad J.F. CNRS Motpellier (Frace) Sabatier R. Uiversità di Motpellier I.

2 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) L Aalisi Fattoriale Discrimiate (AFD) cosidera u isieme di idividui suddivisi a priori i k ruppi simili. Gli idividui soo raggruppati sulla base delle differeti modalità di ua variabile qualitativa, che costituisce la variabile da spiegare e su di essi vegoo osservate p variabili cotiue che costituiscoo le variabili esplicative 3 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) Obiettivo osservare se la classificazioe effettuata a priori risulta cofermata ache dopo l osservazioe delle p variabili esplicative Obiettivo descrittivo assegare u uovo idividuo, di cui o si coosca il gruppo di apparteeza, ad uo dei gruppi co la miima probabilità di commettere u errore di classificazioe Obiettivo decisioale 4

3 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) Si cosideri il caso dei clieti di u istituto di credito che abbiao usufruito di uo dei prodotti dell istituto stesso (es: prestito persoale). Sulla base della storia del loro rapporto co l istituto, i soggetti possoo essere classificati ei k=3 possibili gruppi 5 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) I gruppi, defiiti i modo arbitrario sulla base del loro rapporto co l Istituto, differiscoo ache rispetto ai valori assuti dalle variabili esplicative? E possibile defiire ua regola di decisioe da applicare ad u uovo cliete, di cui o si coosce il gruppo di apparteeza, che coseta di prevedere l affidabilità? Campi di applicazioe Scieze biologiche Medicia Ecoomia Istruzioe Credito 6

4 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) I dati possoo essere raccolti ua matrice (,p+) i cui l ultima coloa cotiee le determiazioi della variabile da spiegare che può assumere valori da a k (codifica ridotta) 7 Determiazioe delle fuzioi lieari discrimiati Idichiamo: X Matrice dei dati ( x p) g g Il baricetro del gruppo G E il baricetro della ube totale Defiiamo: W = Matrice Var-Cov gruppo G (=,.,k) i= ( xi g )( xi g ) 8

5 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) L AFD ricerca le combiazioi lieari delle variabili esplicative i grado di determiare il sottospazio R p tale che le proiezioe dei baricetri g dei gruppi risultio il più distaziate possibile, avedo al tempo stesso il massimo raggruppameto delle uità attoro ai rispettivi baricetri 9 Determiazioe delle fuzioi lieari discrimiati Defiiamo: W = Matrice Var-Cov gruppo G (=,.,k) i= ( xi g )( xi g ) B = k = ( g g)( g g) Matrice Var-Cov tra i gruppi V k = ( xi g)( xi g) Matrice Var-Cov totale i= 0

6 Determiazioe delle fuzioi lieari discrimiati L aalisi lieare discrimiate (ALD) ipotizza l uguagliaza delle matrici di Var-Cov etro i gruppi (ipotesi di omoschedasticità) prededoe come stima la matrice comue W otteuta come media delle matrici di Var-Cov dei k gruppi poderata co la rispettiva umerosità: W k = W = Matrice Var-Cov etro i gruppi Formula di Huyghes V = W + B Matrice di ierzia totale Matrice di ierzia etro le classi Matrice di ierzia tra le classi Determiazioe delle fuzioi lieari discrimiati Il primo passo cosiste el ricercare u asse u, passate per il cetro di gravità della ube dei puti, tale che la variaza dei baricetri proiettati sia massima metre risulti miima la proiezioe della variaza all itero dei gruppi. Obiettivo: = u Bu u Vu ( ) = max Q u Che equivale a ricercare il massimo della forma quadratica vicolo quadratico u Vu =. Si ha quidi: L = u Bu λ Vu ( u ) = max u Bu co il

7 Determiazioe delle fuzioi lieari discrimiati L Derivado rispetto ad u ed uguagliado a zero abbiamo: = Bu λvu = 0 u Da cui: Bu = λvu Ipotizzado che la matrice V o è sigolare: V Bu = λu Il vettore cercato è quidi l autovettore u associato al più grade autovalore della matrice V B λ L autovalore è quidi uguale alla quota di ierzia (proiettata) tra i gruppi rispetto all ierzia totale, ed è perciò sempre iferiore, o la massimo uguale, a 3 Determiazioe delle fuzioi lieari discrimiati Ua volta idividuato il primo asse, la ricerca del secodo sarà idirizzata verso u asse u, ortogoale ad u e tale che dal massimizzare il rapporto: ubu uvu Si dimostra facilmete che gli autovettori u α (α=,,k-) della matrice V - B costituiscoo le soluzioi cercate. È importate ricordare che B è la matrice Var-Cov sui k baricetri, la cui somma poderata è uguale al vettore ullo. Il rago di B è quidi pari a k- e, di cosegueza, il umero di autovalori o ulli dalla matrice è al più pari a k- 4

8 Determiazioe delle fuzioi lieari discrimiati Poedo: v = Vu u = V v L espressioe Bu = λvu diveta: BV v = λv I vettori v α autovettori della matrice BV -, costituiscoo gli assi discrimiati, metre i vettori u α =V - v α, autovettori della matrice B co la metrica V -, soo chiamati forme lieari discrimiati 5 Regola di classificazioe e valutazioe dei risultati Dopo aver idividuato le fuzioi discrimiati che separao al meglio i k gruppi è ecessario defiire ua regola di decisioe che coseta di riassegare ciascu idividuo ad u gruppo, per poter poi cofrotare la partizioe defiita a priori co quella otteuta sulla base delle variabili esplicative. Quado k= la matrice di Var-Cov tra i gruppi si scrive: = g ( g g)( g g) + ( g g)( g ) B Che, utilizzado la relazioe: g = + g g 6

9 Regola di classificazioe e valutazioe dei risultati Idicado ora co h il vettore (p,) h ( g ) = g = hh B Quidi la relazioe V Bu = λu V diveta: hh u = λu ( h V h) h u = λh u λ = h V h 7 Regola di classificazioe e valutazioe dei risultati La quatità λ quidi al meo di ua costate risulta pari alla distaza tra i due baricetri g eg e prede il ome di distaza geeralizzata o distaza di Mahalaobis. L autovettore: u = V h Soluzioe dell espressioe: hh u = λvu Rappreseta l uica fuzioe discrimiate. La regola di decisioe, cosisterà ell assegare u idividuo e al gruppo se risulta: ( e g ) V ( e g ) < ( e g ) V ( e g ) i i i i 8

10 Regola di classificazioe e valutazioe dei risultati Poiché il termie e i V e è comue ad etrambi i membri, si può dire che l idividuo e i verrà assegato al gruppo G se: ( g ei ) V g < ( g ei ) V g equivalete g () ( g g ) 0 V g g V g + ev i > 9 Regola di classificazioe e valutazioe dei risultati Ricordado che si può scrivere: g + ( g + g ) V ( g ) V g g V g = g L espressioe () diveta: e G ev i ( ) ( ) ( ) g > + + g g g V g g E la regola di decisioe sarà: e G ei ( g + g ) V ( g g ) 0 > 0

11 Regola di classificazioe e valutazioe dei risultati La relazioe precedete ci cosete di iterpretare la regola di decisioe ache dal puto di vista geometrico. ( g + g ) g g e i u = V ( g g ) L idividuo e i sarà assegato a G se la proiezioe del vettore che uisce il puto medio tra i baricetri g e g co il puto sull asse u è positivo Regola di classificazioe e valutazioe dei risultati Quado k> la regola di decisioe per u idividuo e i cosiste ell assegare l idividuo al Gruppo G se la distaza della sua proiezioe ê i da quella del baricetro ĝ è miore delle distaze da tutti gli altri baricetri proiettati. e G d i ( eˆ, gˆ ) = mi[ d ( eˆ, gˆ )] i i È possibile dimostrare che misurare la distaza di u idividuo da u gruppo ello spazio iiziale equivale a misurare la stessa distaza i termii di proiezioi sullo spazio defiito dai uovi assi. L idividuo e i verrà quidi assegato al gruppo per il quale risulta: ( e g ) V ( e g ) = mi ( = k) i i,..., O ache: ( g e ) V g = mi ( = k) i,...,

12 Regola di classificazioe e valutazioe dei risultati Estededo questo ragioameto a tutti gli idividui si otterrà la ricostruzioe dei k gruppi sulla base delle coordiate el uovo spazio e sarà possibile cofrotare le ripartizioi effettuate a priori, su quella della variabile da spiegare, co quella otteuta a posteriori sulla base delle p variabili esplicative Quado più soo simili le due partizioi tato più si potrà dire che le variabili hao u buo potere discrimiate 3 Aalisi Fattoriale Discrimiate (Fisher, 930; Altma, 960) U giudizio sulla botà della uova ripartizioe è dato dalla percetuale di be classificati calcolata sulla matrice di cofusioe S i cui vegoo riportati sulle coloe i gruppi origiari e sulle righe quelli a cui gli idividui soo stati idirizzati dopo l aalisi % be classificati = tr(s)/ 4

13 Selezioe delle variabili Il problema, i realtà, si preseta molto complesso per due aspetti. Il umero di sottoisiemi di q variabili che è possibile otteere dalle p di parteza è pari a: p! q!( p q)!. Perché il miglior sottoisieme di q variabili può o coteere affatto il miglior sottoisieme di q- variabili. È quidi ecessario imporre dei vicoli che se risolvoo i problemi computazioali o possoo garatire le defiizioe del sottoisieme ottimo. 5 Selezioe delle variabili Per ridurre i costi e migliorare l affidabilità dell AD è importate selezioare le variabili. Esistoo due metodi:. step by step ascedete a. Si sceglie la variabile che separa meglio i gruppi b. Si sceglie la coppia di variabili, compresa la prima, che separa meglio i gruppi e così via c. L algoritmo si arresta quado l apporto dato da u ulteriore variabile è poco sigificativo. step by step discedete a. Tra i J sottisiemi che è possibile otteere co J- variabili, si sceglie quello che separa meglio i gruppi, elimiado la variabile o compresa b. Tra i J- sottisiemi che è possibile otteere co J- variabili si sceglie quello che separa meglio i gruppi elimiado la variabile o compresa, e così via. c. L algoritmo si arresta quado la differeza tra due iterazioi successive è poco sigificativa Idipedetemete dal tipo di procedura prescelta è ecessario defiire u criterio che defiisce, ad ogi passo, il migliore sottisieme. 6

14 Criteri di selezioe delle variabili Criterio della traccia di Lawley-Hotellig Il criterio selezioa al passo q il gruppo di q variabili per cui: Criterio del determiate di Wilks tr W q B q = max Il criterio selezioa al passo q il gruppo di variabili per cui Criterio della % di BC det W q det Vq = max Il criterio selezioa al passo q la variabile per cui: % BC = max La procedura di selezioe si arresta quado le % di BC el campioe di base e el campioe test si stabilizzao 7 Validazioe dei risultati TEST DELLA REGOLA DI CLASSIFICAZIONE Metodo del campioe test k = 3 Costruzioe della regola di classificazioe E E E E E 3 Campioe Totale E 3 % BC 8

15 Legami co altri metodi Nel caso di due gruppi l AFD può essere cosiderata come ua regressioe multipla i cui la variabile dipedete assume i valori e. Quado k> si possoo avere altre aalogie: Ad esempio: Cosideriamo la relazioe fodametale dell ACP X X M u =λu Matrice Metrica Autovettore B V - v =λv Si può quidi affermare che effettuare u aalisi discrimiate sugli idividui utilizzado la metrica euclidea equivale ad effettuare u ACP sui k baricetri utilizzado la metrica defiita dalla matrice V - 9 Applicazioe Matrice dei dati prezzo cilidrata cavalli lugh largh peso velocità cosstrada cosurbao affidab Var.discr A55 9, ,4 9,5 36 AU80 34, ,8 0, BMW3 40, ,6 9,6 7 3 CXAN 9, , 0,3 8 TEMP 3, ,3 0,5 305 MOND 3, , 0,6 95 DELT 9, ,8 75 DEDR 3, PRIM 8, ,7 8,9 6 VECT , 0, 95 P405 8, , 9,8 80 RE 9, ,8 350 GOLF 8, ,6 9,9 96 PASS ,4 0,4 344 VOL4 3, ,4 0,3 48 Le auto soo state divise i 3 classi (segmeto di mercato) [8, 30[ [30, 33[ [33, 4[ 3 30

16 Applicazioe Autovalori Fuzioe Autovalore % di variaza % cumulata Correlazioe caoica,0 a 9,7 9,7,958,87 a 7,3 00,0,68 a. Per l'aalisi soo state usate le prime fuzioi discrimiati caoiche. Lambda di Wilks Test di fuzioi Da a Lambda di Wilks Chi-quadrato df Sig.,044 4,909 8,7,534 5,05 8,756 3 Applicazioe Coefficieti stadardizzati della fuzioe discrimiate caoica cilidrata cavalli lughezza larghezza peso velocità cosumost cosumourb affidab Fuzioe,3,73 5,8,734 -,45 -,4,685,583 -,0 -,40-3,869 -,73 -,776,709,86 -,884 3,593,3 3

17 Applicazioe cilidrata cosumourb peso cavalli velocità cosumost affidab larghezza lughezza Matrice di struttura Fuzioe,*,99,3*,060,90 -,374*,34 -,370*,35 -,35* -,034 -,86* -,033 -,8*,058,85* -,089 -,03* Correlazioi comui etro gruppi tra variabili discrimiati e fuzioi discrimiati caoiche stadardizzate Variabili ordiate i base alla dimesioe assoluta della correlazioe etro la fuzioe. *. Correlazioe assoluta più grade tra ciascua variabile e qualsiasi fuzioe discrimiate 33 Applicazioe Fuzioi ai baricetri di gruppo discrim 3 Fuzioe -4,698,45,98,88 -,496 -,5 Fuzioi discrimiati caoiche o stadardizzate valutate alle medie di gruppo 34

18 Applicazioe 3 Fuzioi discrimiati caoiche 3 4 Fu zi o e discrim 5 6 Cetroidi di gruppo 3 4 Fuzioe A55 AU80 BMW3 CXAN TEMP MOND DELT DEDR PRIM VECT P405 RE GOLF PASS VOL4 35 Applicazioe Matrice di Cofusioe Gruppo origie di Gruppo di destiazioe G G G 3 G G G La percetuale di corretta classificazioe è quidi: % b. c. = 00 = 00 % 5 36

19 Aalisi Fattoriale Discrimiate Esempio X: Età X: Reddito pricipale X3: % di idebitameto X4: Da quati ai è occupato/a X5: Da quati ai è cliete dell istituto (0 se uovo cliete) X6: Importo del prestito X7: Durata del prestito = Cattivi clieti = Itermedi 3 = Buoi clieti 37 Aalisi Fattoriale Discrimiate Esempio 38

20 Aalisi Fattoriale Discrimiate Esempio 39 Aalisi Fattoriale Discrimiate Esempio 40

21 Aalisi Fattoriale Discrimiate Esempio 4 Aalisi Fattoriale Discrimiate Esempio % b.c. = 00 x [(46+8+9)/0] = 93.6% 4

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

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

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

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

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

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

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

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

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

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

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

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

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 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Comportamento delle strutture in C.A. in Zona Sismica

Comportamento delle strutture in C.A. in Zona Sismica Comportameto delle strutture i c.a. i zoa sismica Pagia i/161 Comportameto delle strutture i C.A. i Zoa Sismica Prof. Paolo Riva Dipartimeto di Progettazioe e ecologie Facoltà di Igegeria Uiversità di

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

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

( ) ( ) ( ) ( ) ( ) 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

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

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

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

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

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

Esercizi su Autovalori e Autovettori

Esercizi su Autovalori e Autovettori Esercizi su Autovalori e Autovettori Esercizio n.1 5 A = 5, 5 5 5 Esercizio n.6 A =, Esercizio n.2 4 2 9 A = 2 1 8, 4 2 9 Esercizio n.7 6 3 3 A = 6 3 6, 3 3 6 Esercizio n.3 A = 4 6 6 2 2, 6 6 2 Esercizio

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

Introduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi.

Introduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi. Iroduzioe () Ua defiizioe (geerale) del ermie qualià: qualià è l isieme delle caraerisiche di u eià (bee o servizio) che e deermiao la capacià di soddisfare le esigeze espresse ed implicie di chi la uilizza.

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

FONDAMENTI DI MECCANICA APPLICATA ALLE MACCHINE

FONDAMENTI DI MECCANICA APPLICATA ALLE MACCHINE DISPENSE DI: FONDAMENTI DI MECCANICA APPLICATA ALLE MACCHINE Testo di riferieto E. Fuaioli ed altri Meccaica applicata alle acchie vol. e - Ed. Patro BOZZA Idice. INTRODUZIONE ALLA MECCANICA APPLICATA

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

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

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

Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione

Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione Analisi delle Corrispondenze Multiple Prof. Roberto Fantaccione Consideriamo il nostro dataset formato da 468 individui e 1 variabili nominali costituite dalle seguenti modalità : colonna D: Age of client

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

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

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

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

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

Interpolazione. Davide Manca Calcoli di Processo dell Ingegneria Chimica Politecnico di Milano

Interpolazione. Davide Manca Calcoli di Processo dell Ingegneria Chimica Politecnico di Milano L4 Iterpolazioe L4 Prologo Co iterpolazioe si itede il processo di idividuare ua fuzioe, spesso u poliomio, che passi per u isieme dato di puti: (x,y). y x L4 2 Fii dell iterpolazioe 1. Sostituire u isieme

Dettagli

Analisi dei segnali nel dominio del tempo

Analisi dei segnali nel dominio del tempo Appui di Teoria dei Segali a.a. / Aalisi dei segali el domiio del empo L.Verdoliva I quesa prima pare del corso sudieremo come rappreseare i segali empo coiuo e discreo el domiio del empo e defiiremo le

Dettagli

(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto.

(V) (FX) Z 6 è un campo rispetto alle usuali operazioni di somma e prodotto. 29 giugno 2009 - PROVA D ESAME - Geometria e Algebra T NOME: MATRICOLA: a=, b=, c= Sostituire ai parametri a, b, c rispettivamente la terzultima, penultima e ultima cifra del proprio numero di matricola

Dettagli

unoperatore@nellospaziodihilberth e sia z un numero complesso tale che z1-a,da==)rr_néh - 0 impli-chi l:= -1 (21-A) : R- n ==) Dn L- \

unoperatore@nellospaziodihilberth e sia z un numero complesso tale che z1-a,da==)rr_néh - 0 impli-chi l:= -1 (21-A) : R- n ==) Dn L- \ 3,6 56 3,6 TEOR I A SPETTRALE La teoria spettrale degli operatori lieari- eo spazio di Hilbert é f odata, coe per gi spazi f i-ito-dimes ioal j-, sula defiizioe di- risolvete di u operatole' Sia (A,DA)

Dettagli

3M Prodotti per la protezione al fuoco. Building & Commercial Services

3M Prodotti per la protezione al fuoco. Building & Commercial Services 3M Prodotti per la protezioe al fuoco Buildig & Commercial Services Idice Sviluppi e treds...4-5 3M e le soluzioi aticedio...6-7 Dispositivi di attraversameto...8-19 Giuti di costruzioe...20-21 Sistemi

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

GEOMETRIA I Corso di Geometria I (seconda parte)

GEOMETRIA I Corso di Geometria I (seconda parte) Corso di Geometria I (seconda parte) anno acc. 2009/2010 Cambiamento del sistema di riferimento in E 3 Consideriamo in E 3 due sistemi di riferimento ortonormali R e R, ed un punto P (x, y, z) in R. Lo

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

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

La necessità di trasmettere potenza tra organi in moto rotatorio è un problema frequentissimo e di grande importanza nell ingegneria.

La necessità di trasmettere potenza tra organi in moto rotatorio è un problema frequentissimo e di grande importanza nell ingegneria. La ecessità di tasmettee poteza ta ogai i moto otatoio è u poblema fequetissimo e di gade impotaza ell igegeia. Gli assi di otazioe ta i quali deve essee tasmesso il moto possoo essee paalleli I questo

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Matrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f).

Matrice rappresent. Base ker e img. Rappresentazione cartesiana ker(f) + im(f). Due Matrici A,B. Ker f = ker g. 1- Ridurre a scala A e B e faccio il sistema. 2 Se Vengono gli stessi valori allora, i ker sono uguali. Cauchy 1 autovalore, 1- Metto a matrice x1(0),x2(0),x3(0) e la chiamo

Dettagli

CARATTERISTICHE GENERALI / GENERAL FEATURES

CARATTERISTICHE GENERALI / GENERAL FEATURES OPZIONI» otori i versioe flagia;» Coessioi laterali o posteriori;» Albero: cilidrico o scaalato;» Coessioi metriche o BSPP;» Altre caratteristiche speciali OPTIONS» Flage mout;» Side ad rear ports;» Shafts-

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

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

Appunti di Algebra Lineare

Appunti di Algebra Lineare Appunti di Algebra Lineare Indice 1 I vettori geometrici. 1 1.1 Introduzione................................... 1 1. Somma e prodotto per uno scalare....................... 1 1.3 Combinazioni lineari e

Dettagli

Principal Component Analysis

Principal Component Analysis Principal Component Analysis Alessandro Rezzani Abstract L articolo descrive una delle tecniche di riduzione della dimensionalità del data set: il metodo dell analisi delle componenti principali (Principal

Dettagli

APPROFONDIMENTI SUI NUMERI

APPROFONDIMENTI SUI NUMERI APPROFONDIMENTI SUI NUMERI. Il sistem di umerzioe deimle Be presto, ll operzioe turle del otre, si è ggiut l esigez di «rppresetre» i umeri. I sistemi di umerzioe possiili soo molti; per or i limitimo

Dettagli

Tavola 1 - Popolazione italiana residente alle date dei censimenti generali, riportata ai confini attuali - Anni 1861-2001 (migliaia di unità)

Tavola 1 - Popolazione italiana residente alle date dei censimenti generali, riportata ai confini attuali - Anni 1861-2001 (migliaia di unità) 4 Quai eravamo, quai siamo, quai saremo Che cosa si impara el capiolo 4 er cooscere le caraerisiche e l evoluzioe della popolazioe ialiaa araverso u lugo arco di empo uilizziamo il asso di icremeo medio

Dettagli

Forme bilineari e prodotti scalari. Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione. b :

Forme bilineari e prodotti scalari. Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione. b : Forme bilineari e prodotti scalari Definizione Dato lo spazio vettoriale V (K) sul campo K, una funzione b : { V V K ( v, w) b( v, w), si dice forma bilineare su V se per ogni u, v, w V e per ogni k K:

Dettagli

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento

errore I = numero soggetti (I = 4) K = numero livelli tratt. (K = 3) popolazione varianza dovuta ai soggetti trattamento Analisi della varianza a una via a misure ripetute (Anova con 1 fattore within) modello strutturale dell'analisi della varianza a misure ripetute con 1 fattore: y = μ ik 0 +π i +α k + ik ε ik interazione

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

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza

Titolo della lezione. Analisi dell associazione tra due caratteri: indipendenza e dipendenza Titolo della lezione Analisi dell associazione tra due caratteri: indipendenza e dipendenza Introduzione Analisi univariata, bivariata, multivariata Analizzare le relazioni tra i caratteri, per cercare

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

Benvenuti in Ontario. Guida ai programmi e ai servizi per i nuovi arrivati in Ontario

Benvenuti in Ontario. Guida ai programmi e ai servizi per i nuovi arrivati in Ontario Beveuti i Otario Guida ai programmi e ai servizi per i uovi arrivati i Otario Idice Vivere i Otario........................................... 2 Come otteere l aiuto di cui avete bisogo.....................................

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

Le trasformazioni geometriche

Le trasformazioni geometriche Le trasformazioni geometriche Le trasformazioni geometriche Le trasformazioni affini del piano o affinità Le similitudini Le isometrie Le traslazioni Le rotazioni Le simmetrie assiale e centrale Le omotetie

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

AcidSoft. Le nostre soluzioni. Innovazione

AcidSoft. Le nostre soluzioni. Innovazione AiSoft AiSoft ase alla passioe per l'iformatio teology e si oretizza i ua realtà impreitoriale, ua perfetta reazioe imia tra ooseza teia e reatività per realizzare progetti i grae iovazioe. Le ostre soluzioi

Dettagli

Equazioni non lineari

Equazioni non lineari CORSO DI LAUREA SPECIALISTICA IN INGEGNERIA ELETTRICA Equazioni non lineari Metodi iterativi per l approssimazione di radici Corso di calcolo numerico 2 01/11/2010 Manuela Carta INDICE Introduzione Metodo

Dettagli

SciPy. Programmazione Orientata agli Oggetti e Scripting in Python

SciPy. Programmazione Orientata agli Oggetti e Scripting in Python SciPy Programmazione Orientata agli Oggetti e Scripting in Python SciPy: Informazioni di Base Libreria di algoritmi e strumenti matematici Fornisce: moduli per l'ottimizzazione, per l'algebra lineare,

Dettagli

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2

Se x* e punto di minimo (locale) per la funzione nell insieme Ω, Ω = { x / g i (x) 0 i I, h j (x)= 0 j J } lo e anche per F(x) = f o (x) + c x x 2 NLP -OPT 1 CONDIZION DI OTTIMO [ Come ricavare le condizioni di ottimo. ] Si suppone x* sia punto di ottimo (minimo) per il problema min f o (x) con vincoli g i (x) 0 i I h j (x) = 0 j J la condizione

Dettagli

L offerta economicamente più vantaggiosa. Alessandro Simonetta Consulenza per l Innovazione Tecnologica alessandro.simonetta@gmail.

L offerta economicamente più vantaggiosa. Alessandro Simonetta Consulenza per l Innovazione Tecnologica alessandro.simonetta@gmail. L offerta economicamente più vantaggiosa Alessandro Simonetta Consulenza per l Innovazione Tecnologica alessandro.simonetta@gmail.com 1 Quadro Legislativo D.P.R. n.544/99 D.Lgs n.163/06 e s.m.i. D. Lgs

Dettagli

LE INCERTEZZE E LA LORO PROPAGAZIONE NELLE MISURE INDIRETTE

LE INCERTEZZE E LA LORO PROPAGAZIONE NELLE MISURE INDIRETTE LE INCERTEZZE E LA LORO PROPAGAZIONE NELLE MISURE INDIRETTE Pof. Agelo Ageletti -.s. 006/007 1) COME SI SCRIVE IL RISULTATO DI UNA MISURA Il modo miglioe pe espimee il isultto di u misu è quello di de,

Dettagli

Da una a più variabili: derivate

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

Dettagli

SISTEMI LINEARI QUADRATI: METODI ITERATIVI

SISTEMI LINEARI QUADRATI: METODI ITERATIVI SISTEMI LINEARI QUADRATI: METODI ITERATIVI CALCOLO NUMERICO e PROGRAMMAZIONE SISTEMI LINEARI QUADRATI:METODI ITERATIVI p./54 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI A R n n simmetrica se A = A T ; A C

Dettagli

Metodi di misura della magnetizzazione rimanente naturale

Metodi di misura della magnetizzazione rimanente naturale rimanente naturale L archeologia e il tempo, Metodi di datazione 4-8 Maggio 2009, Peveragno (Cuneo) Parte I Magnetizzazione Rimanente Naturale S Magnetizzazione naturale rimanente in un campione di roccia

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

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

Dettagli

M P = PA^V. Il risultante e denito semplicemente come la somma dei vettori di a

M P = PA^V. Il risultante e denito semplicemente come la somma dei vettori di a VETTORI APPLICATI Sistema di vettori applicati L'ente matematico costituito da un punto P e da un vettore (libero) V, si dice vettore applicato in P e si denota con (P;V). E comodo rappresentare il vettore

Dettagli

Trasformazioni Geometriche 1 Roberto Petroni, 2011

Trasformazioni Geometriche 1 Roberto Petroni, 2011 1 Trasformazioni Geometriche 1 Roberto etroni, 2011 Trasformazioni Geometriche sul piano euclideo 1) Introduzione Def: si dice trasformazione geometrica una corrispondenza biunivoca che associa ad ogni

Dettagli

Appunti di Statistica

Appunti di Statistica Appunti di Statistica Riccardo Ricci Università di Firenze, Facoltà di Psicologia Corso di Laurea in Scienze e Tecniche di Psicologia del Lavoro e delle Organizzazioni Anno Accademico 2002-2003 1 maggio

Dettagli

Funzioni di più variabili. Ottimizzazione libera e vincolata

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

Dettagli

CARATTERISTICHE GENERALI / GENERAL FEATURES

CARATTERISTICHE GENERALI / GENERAL FEATURES OPZON» odello co distribuzioe a disco geroller» otori i versioe flagia o ruota» otori corti» Attacchi tubazioi laterali e posteriori» Alberi cilidrici, coici e detati» Altre caratteristiche speciali OPTONS»

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

PREMESSE PROPRIETA AFFINI E PROPRIETA METRICHE

PREMESSE PROPRIETA AFFINI E PROPRIETA METRICHE PREMESSE PROPRIETA AFFINI E PROPRIETA METRICHE Si assumano come primitivi i concetti di retta, piano e spazio. Qui si vogliono studiare le proprietà delle figure (insiemi opportuni di punti) sulla retta,

Dettagli

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1

LEZIONE 14. a 1,1 v 1 + a 1,2 v 2 + a 1,3 v 3 + + a 1,n 1 v n 1 + a 1,n v n = w 1 LEZIONE 14 141 Dimensione di uno spazio vettoriale Abbiamo visto come l esistenza di una base in uno spazio vettoriale V su k = R, C, permetta di sostituire a V, che può essere complicato da trattare,

Dettagli

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1

UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA. Filippo Romano 1 UTILIZZO DEI METODI MULTICRITERI O MULTIOBIETTIVI NELL OFFERTA ECONOMICAMENTE PIÙ VANTAGGIOSA Filippo Romano 1 1. Introduzione 2. Analisi Multicriteri o Multiobiettivi 2.1 Formule per l attribuzione del

Dettagli