Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Capitolo 9: PROPAGAZIONE DEGLI ERRORI"

Transcript

1 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 da quello di altre grandezze misurate direttamente. Poichè la misura di qualunque grandezza è affetta da errore, quale sarà l errore che graverà su una misura indiretta in funzione degli errori delle altre grandezze, misurate direttamente, da cui essa dipende? Consideriamo per il momento gli errori di sensibilità (errori massimi). Per semplicità di trattazione distinguiamo i casi di una grandezza derivata funzione di una sola grandezza misurata direttamente (per esempio il volume di una sfera conoscendo il raggio della stessa) e quello di una grandezza derivata funzione di più grandezze. Questo secondo caso (per esempio la velocità in funzione dello spazio e del tempo) è la più generale e comprende ovviamente il primo. Supponiamo di voler misurare una grandezza G legata da una certa relazione funzionale alla grandezza X. Se indichiamo con g e con x le rispettive misure di G e X si può scrivere: g = f(x) (9.1.1) con f(x) opportuna funzione che lega X a G. Supponiamo che il risultato della misura di X sia: x = x o ± x (9.1.2) Al variare di x nell intervallo (x 0 x, x 0 + x), la funzione f(x) assume un valore minimo ed un valore massimo che possiamo indicare, rispettivamente, con g min e g max. In generale tali valori non corrisponderanno ai valori assunti dalla funzione agli estremi dell intervallo. Per la grandezza G risulteranno possibili, in conseguenza della misura, tutti i valori compresi nell intervallo tra g min e g max. L indeterminazione da cui sarà affetta G, sarà quindi, secondo quanto discusso: G = g max g min 2 (9.1.3) Questo risultato è valido in generale. È però possibile assai sovente usare formule approssimate che permettono di ottenere più comodamente, sotto certe condizioni, il risultato richiesto. Se infatti x è sufficientemente piccolo, nell intervallo (x o x, x o + x) la funzione sarà approssimata assai bene (in modo del tutto generale) dalla retta tangente. Tale retta ha equazione: g = f(x o ) + m(x x o ) = f(x o ) + m x (9.1.4) ove m è il coefficiente angolare della retta, cioè: m = ( ) df (9.1.5) dx x=x o 9.1

2 con x o un punto (usualmente il punto medio) dell intervallo considerato. I valori massimo e minimo assunti da g nell intervallo in questione sono quindi, se vale l approssimazione fatta: g min = f(x o ) m x g max = f(x o ) + m x (9.1.6) e si può quindi concludere che l errore massimo su g sarà: g = df dx x (9.1.7) x=xo Quindi in definitiva trattiamo l errore di g come il differenziale di f(x), con l accortezza di prenderne il valore assoluto in quanto per definizione l errore è intrinsecamente positivo. Perchè l ipotesi fatta per approssimare la funzione sia valida è in generale sufficiente che a) x sia piccolo da giustificare l approssimazione lineare per f(x) b) la derivata df/dx non sia nulla o vicina a zero in x = x o In caso di dubbio, comunque, occorrerà studiare il comportamento della funzione f(x) nell intorno di x o e determinare g min e g max. In generale poichè la funzione f(x) può essere sviluppata in serie di Taylor nell intorno di x o si può scrivere che: f(x) = f(x o ) + f (x o ) (x x o ) f (x o ) (x x o ) (9.1.8) L approssimazione fatta precedentemente corrisponde a supporre che il termine f (x o ) (x x o ) sia dominante rispetto a tutti quelli successivi. Se adesso consideriamo una grandezza g funzione di K grandezze misurate g = f(x 1, x 2 x K ), per una variazione infinitesima degli x j avremo una variazione di g data dal differenziale di f(x 1 x ): df = K ( f ) dxj (9.1.9) Se anche ora sussistono le condizioni viste per le funzioni di una variabile, ossia errori abbastanza piccoli da poter trattare la funzione come lineare e derivate non nulle, l errore massimo si potrà stimare come il differenziale della funzione, assumendo come variazioni delle variabili i rispettivi errori e imponendo che tutti i termini si sommino coerentemente, ossia prendendo i valori assoluti delle derivate parziali: f = K f xj (9.1.10) ove le derivate parziali sono calcolate nei vari x j = x jo. Questa regola riconduce ai risultati già visti nel caso di somma-sottrazione, prodotto e divisione di quantità fisiche. 9.2

3 9.2 Propagazione degli errori statistici Supponiamo ora che l indeterminazione da cui è affetto x sia dovuta agli errori casuali. Siano x 1, x 2,..., x delle misure dirette ed indipendenti di X, con valor medio x. Avremo, in corrispondenza dei singoli x i, valori di G: g i = f(x i ), da cui si ricava ḡ = i=1 f(x i) (9.2.1) Se supponiamo che la funzione f(x) sia derivabile nell intorno del punto x, potremo scrivere, nell ipotesi che i vari x i x siano tutti abbastanza piccoli, la relazione approssimata: g i = f(x i ) f( x ) + ( ) df (x i x ) (9.2.2) dx ove la derivata è calcolata in x = x. Allora potremo dire ḡ = f( x ) + ( df [ dx )x= x i=1 (x i x ) ] (9.2.3) Per definizione di valor medio i=1 (x i x ) = 0 per cui ḡ = f( x ) (9.2.4) È molto importante notare che il risultato ottenuto, per quanto possa sembrare naturale, in generale non è affatto vero. Se non sono soddisfatte le condizioni che abbiamo richiesto il valor medio di una funzione può essere anche molto diverso dal valore della funzione calcolato in corrispondenza del valor medio dell argomento. Analogamente, e sempre sotto le stesse condizioni, possiamo ricavare la varianza, o meglio la varianza adattata: Quindi: da cui: i=1 [f(x i) f( x)] 2 1 = i=1 [f( x) + ( ) df dx x= x (x i x) f( x)] 2 1 (9.2.5) df ) 2 i=1( dx x= x (x i x) 2 = ( df ) 2 1 dx x= x s2 (x) (9.2.6) In pratica il risultato è equivalente a quello trovato per gli errori massimi. s (g) = df dx x= x s (x) (9.2.7) Esaminiamo come esempi alcuni casi particolari che ricorrono molto frequentemente. a) Moltiplicazione di x per una costante: g = α x: b) Logaritmo naturale di x: g = ln(x): α 2 s 2 (x) s(g) = α s(x) (9.2.8) s2 (x) x 2, s(g) = s(x) x (9.2.9) 9.3

4 c) Elevamento di x ad una potenza α: g = x α. In questo caso si può calcolare direttamente o sfruttare il risultato precedente: s(g) g = α s(x) x (9.2.10) Questi risultati, ovviamente ottenuti applicando direttamente la formula generale, si applicano anche al caso di errori massimi sostituendo, nel risultato finale, x al posto di s(x). Supponiamo ora che g sia funzione di più grandezze x 1,..., x affette da errori statistici; indichiamoli con s(x 1 ),..., s(x ). La situazione è ora radicalmente differente da quella considerata per gli errori massimi. el caso di questi ultimi, proprio perchè si voleva trovare il massimo valore possibile dell indeterminazione, era sufficiente sommare coerentemente (cioè con lo stesso segno, prendendo il modulo) tutti i contributi. In questo caso, viceversa, ad ogni misura gli errori casuali associati ad ogni singola variabile si combinano in modo imprevedibile talvolta compensandosi in tutto od in parte. Ripetendo la misura volte si otterrà quindi una distribuzione per i valori di G, che risulterà da tutti i possibili modi coi quali si possono combinare gli errori casuali sulle x i. Alcune di queste combinazioni saranno più frequenti di altre e l istogramma dei valori di g avrà una larghezza determinata, per l appunto, dalle modalità delle dette combinazioni, oltre che dal valore dei singoli errori. Vediamo come ricavare valor medio e varianza (per esempio adattata, ma il calcolo sarebbe comunque simile anche per σ 2 ) della grandezza g in questo caso. Supponiamo allora di aver fatto misure delle K variabili da cui g dipende. Chiameremo x ji la misura i esima della j esima variabile. Osserviamo che, sempre nelle solite condizioni più volte richiamate, potremo porre: f(x 1i, x 2i,,x Ki ) = f( x 1, x 2,, x K ) + i=1 ḡ = f(x 1i, x 2i,,x Ki ) = K ( f ) (xji x j ) (9.2.11) i=1 [f( x 1, x 2,, x K ) + K ( f ) (xji x j )] (9.2.12) Come abbiamo più volte osservato, la somma degli scarti dal valor medio, i=1 (x ij x j ), è uguale a zero, per cui rimane: ḡ = f( x 1, x 2,, x K ) (9.2.13) Per la varianza i calcoli sono un po più complicati, ma il modo di ragionare è lo stesso. Tenuto conto del risultato sul valore medio lo scarto di un generico g i dal valor medio ḡ sarà dato da: g i ḡ = K ( f ) (xji x j ) (9.2.14) Allora: i=1 [ K ( f ) (xji x j )] 2 1 (9.2.15) [ K f ) 2 i=1 ( (xji x j ) K 1 K ( f )( f ) L=1 M=L+1 x L x (xli M x L ) (x Mi x M ) ] 1 (9.2.16) Quando si somma un numero finito di termini, è lecito scambiare l ordine e raggruppare a piacere gli addendi, per cui possiamo anche dire: 9.4

5 K ( f ) 2 i=1 (x ji x j ) 2 1 K K L=1 M=L+1 ( f )( f ) x L x M i=1 (x Li x L ) (x Mi x M ) 1 (9.2.17) Ricordando la definizione di varianza (adattata) e definendo elemento di matrice di covarianza la quantità COV (x L, x M ) = [ i=1 (x Li x L )(x Mi x M )]/( 1), otteniamo: K ( f ) 2s 2 (x j ) + 2 K 1 K L=1 M=L+1 ( f )( f ) COV (xl, x M ) (9.2.18) x L x M Osserviamo in primo luogo che COV (x j, x j ) = s 2 (x j ), ossia la covarianza è una quantità del tutto analoga alla varianza, a parte la sostituzione del quadrato dello scarto (dal proprio valor medio) della j esima variabile con il prodotto degli scarti di due generiche variabili. Il prodotto di due scarti, a differenza del quadrato, può essere negativo; succede quindi che se le variabili non sono correlate, ossia non tendono ad avere sistematicamente scarti dello stesso segno o di segno opposto, gli elementi di matrice di covarianza sono piccoli e tendono a zero quando il numero di misure tende ad infinito. Questo non succede sempre, esistono casi di variabili correlate in cui la covarianza non è affatto trascurabile, ma questo non è il caso delle semplici applicazioni che si fanno in questo corso. Di norma quindi, salvo avviso contrario, assumeremo COV (x L, x M ) = 0, ed esprimeremo la varianza di g semplicemente come: K ( f ) 2s 2 (x j ) (9.2.19) Otteniamo quindi una relazione che ricorda quella che si applica agli errori massimi, salvo il fatto che sommiamo in quadratura i prodotti delle derivate parziali per gli errori delle singole variabili. Si potrebbe dimostrare, utilizzando le proprietà della matrice di covarianza, che la propagazione degli errori massimi corrisponde alla più pessimistica situazione di correlazione delle variabili che si possa incontrare. Ciò è coerente con il fatto che gli errori massimi per definizione si riferiscono alle situazioni più pessimistiche. Vediamo ora alcuni casi particolari importanti: a) Somma o differenza di due (o più) grandezze: g = x ± y σ 2 M(g) = σ 2 (x) + σ 2 M(y) (9.2.20) b) Somma o differenza di costanti e grandezze moltiplicate per costanti: g = a x ± b y ±... σm 2 (g) = a2 σ 2 (x) + b2 σm 2 (y) +... (9.2.21) c) Moltiplicazione (o divisione) di due (o più) grandezze: g = x y oppure g = x/y σ 2 M (g) ḡ 2 M = σ2 (x) x 2 + σ2 M (y) ȳ 2 M (9.2.22) Dagli esempi precedenti si può ricavare che, se le grandezze che si considerano hanno errori statistici, nel caso di somme e sottrazioni l errore del risultato finale si ottiene facendo la radice quadrata della somma in quadratura degli errori assoluti dei singoli addendi mentre nella moltiplicazione o divisione si debbono sommare, sempre in quadratura, gli errori relativi. 9.5

6 Come esempio riassuntivo vediamo il caso di due (o più) grandezze elevate a esponenti diversi da uno: (per esempio g = x α y β...). Applicando quanto detto sopra otteniamo che l errore relativo è dato da: σ M (g) ḡ M = α 2 σ2 (x) x 2 + β 2 σ2 M (y) ȳ 2 M +... (9.2.23) Consideriamo infine un semplice esempio numerico. Si voglia misurare la accelerazione (supposta uniforme) di un corpo. Si è sperimentalmente determinato il tempo t = (1.000 ± 0.004) s impiegato dal corpo a percorrere (partendo da fermo) una certa distanza l = (50.0 ± 0.3) m. La accelerazione risultante è (le cifre significative non sono ancora aggiustate!): el caso che gli errori siano massimi si ha: a = 2 l t 2 = = m s 2 (9.2.24) a a = l l + 2 t t = (9.2.25) da cui, calcolando a, si ottiene: a = (100.0 ± 1.4) m s 2 (9.2.26) mentre nel caso che gli errori siano statistici: σ(a) a da cui il risultato del valore di a risulta: = σ2 (l) l 2 + (2) 2 σ2 (t) t 2 = 0.01 (9.2.27) a = (100.0 ± 1.0) m s 2 (9.2.28) Si noti che l errore calcolato nel secondo caso risulta più piccolo che nel primo proprio perchè in questo caso gli errori sono stati sommati quadraticamente. 9.3 Combinazione di errori massimi e statistici Abbiamo discusso nei paragrafi precedenti come si combinano fra loro errori massimi oppure errori statistici. Succede talvolta che a costituire l errore da cui è affetta una misura contribuiscano simultaneamente errori sia massimi sia statistici. on è evidente, in un tal caso, come combinare fra loro i vari errori. In effetti possiamo operare in modi differenti a seconda dello scopo della nostra misura. Se vogliamo sapere con certezza in quale intervallo cade il valor vero della grandezza in questione, usiamo la trattazione degli errori massimi. Consideriamo il caso di un singolo errore massimo con un singolo errore statistico. Ci si può sempre ridurre a questa situazione combinando dapprima fra loro tutti gli errori massimi e poi tutti quelli statistici. Vi è però una difficoltà. L errore massimo, per definizione, rappresenta la massima incertezza da cui è affetta una grandezza. L errore statistico rappresenta invece la larghezza della distribuzione limite ed ha 9.6

7 un significato probabilistico. Errori molto più grandi della deviazione standard, per quanto poco frequenti, non sono certo da escludere. Ciò che va combinato con l errore massimo non sarà quindi la deviazione standard, ma una quantità tale che la probabilità di osservare un errore superiore (in modulo) ad esso sia ragionevolmente piccola. Se la distribuzione limite è descritta da una curva di Gauss, cosa che avviene molto sovente, con valor medio µ e deviazione standard σ, si trova che la probabilità di osservare uno scarto dalla media maggiore (in modulo) di 3σ è inferiore allo 0.3%, e quindi, in partica, quasi tutte le misure dovrebbero trovarsi nell intervallo µ 3σ e µ + 3σ. Sulla base di queste considerazioni siamo quindi condotti a formulare una regola secondo cui si trasforma l errore statistico in massimo (a rigore non lo è, il massimo valore è infinito!) moltiplicandolo per 3; dopo di che si procede con le regole viste per gli errori massimi. Questa trattazione tende a dare errori molto grossi, che d altronde sono quelli che ci danno un risultato sicuro. Se invece vogliamo avere una stima realistica ma probabilistica del nostro errore, ossia vogliamo sapere quanto può scartare di norma il nostro risultato dal valore vero, pur sapendo che potrebbe scartare anche sensibilmente di più, ci riconduciamo al caso degli errori statistici. Per far questo osserviamo che se una grandezza x i è misurata con un errore massimo x i il valore vero può cadere indifferentemente in qualunque punto dell intervallo (x i x i, x i + x i ), quindi questa situazione è assimilabile a quella di una distribuzione limite continua che sia identicamente nulla fuori e costante all interno dell intervallo. Abbiamo già considerato questo caso, e osservato come ad esso competa una σ(x i ) = x i / x i. Possiamo allora utilizzare questo valore come deviazione standard di x i e combinarlo in quadratura agli errori sulle altre variabili. 9.4 Errori sistematici Tutte le considerazioni dei paragrafi precedenti sono valide nell ipotesi che si possano trascurare gli errori sistematici che sorgono per svariatissimi motivi. Una causa possono essere delle imperfezioni di natura strumentale quali un errata graduazione della scala in corrispondenza di certi valori, lo zero spostato, il regolo non rettilineo, e così via. Un altra la inadeguatezza della schematizzazione supposta; in altre parole la funzione f(x 1, x 2,..., x ) che lega la grandezza y alle grandezze x 1, x 2,..., x non è corretta. Per esempio volendo determinare l accelerazione di gravità g dalla misura del periodo di oscillazione, T, di un pendolo, se le oscillazioni non sono molto piccole è scorretto usare la relazione: l T = 2π g (9.4.1) in quanto l espressione corretta da usare è invece: T = 2π ) l (1 + θ2 g 16 (9.4.2) ed eventualmente anche termini successivi, ossia contenenti potenze più elevate di θ. Gli errori sistematici sorgono altresì dall aver trascurato la dipendenza della grandezza in questione da altre grandezze; ad esempio presenza di campi magnetici, umidità e densità dell aria e altre ancora. Gli errori sistematici sono difficili da scoprire essendo anche nella più parte dei casi, costanti nel tempo. Il solo 9.7

8 (o quasi) modo di metterli in evidenza è quello di rifare la misura con uno strumento differente. È assai importante perciò, in ogni misura o serie di misure, registrare tutte le possibili condizioni sperimentali o i parametri che si può immaginare possano in qualche modo influire sulla misura. Il modo di procedere per la trattazione degli errori sistematici è il seguente. Si prendono in considerazione tutte le approssimazioni e schematizzazioni che sono state fatte, e per ognuna di esse si stima rozzamente quanto possa far variare il valore della grandezza ricercata. ei casi in cui l effetto sia molto minore degli errori casuali o di sensibilità, esso viene trascurato. Altrimenti se possibile si cerca una correzione, e si stima quale incertezza rimane dopo aver apportato la correzione, che sarà a sua volta sempre approssimativa. Se dopo aver operato in questo modo tutte le sorgenti note di errori sistematici sono ridotte a dare errori trascurabili, vengono ignorate. Altrimenti, si combinano tra loro gli errori sistematici rimasti (in quadratura o linearmente, a seconda del tipo di errore che si vuole ottenere) determinando un errore sistematico complessivo. A volte questo errore viene a sua volta combinato con gli altri, più spesso viene quotato indipendentemente. Per esempio potremo vedere un risultato espresso come: v = (3.25 ± 0.12 ± 0.08 syst ) m/s (9.4.3) 9.5 Accuratezza della deviazione standard el caso di errori statistici è possibile determinare l accuratezza con cui è nota la deviazione standard, utilizzando le regole di propagazione degli errori che abbiamo stabilito. e facciamo una trattazione approssimata che è comunque adeguata ai nostri scopi. Osserviamo che σ è una funzione delle singole misure x i e del valor medio x. Poichè il valor medio si ricava a sua volta dagli x i e comunque è noto con miglior precisione, esso sarà trattato come non affetto da errore. Allora dato che: avremo: Quindi: σ 2 (σ) = σ x i i=1 σ = [ i=1 (x i x) 2 ]1 2 (9.5.1) = 1 2 σ 1 2 (x i x) ( σ x i ) 2 σ 2 (x i ) = i=1 = 1 σ (x i x) (9.5.2) 1 2 σ 2 (x i x) 2 σ 2 (x i ) (9.5.3) Ma i vari x i rappresentano misure ripetute, con stesso strumento e stesse condizioni, della quantità x, per cui σ 2 (x i ) = σ 2 (x) = σ 2. In definitiva: σ 2 (σ) = 1 i=1 (x i x) 2 = σ2 (x) (9.5.4) Conseguentemente la deviazione standard della deviazione standard sarà: σ[σ(x)] = σ(x). (9.5.5) 9.8

9 Con considerazioni più accurate, tenuto che σ[σ(x)] è ricavata dalle stesse informazioni di partenza di x e σ(x), si può trovare un valore adattato s(σ) = σ(x) 2 (9.5.6) che peraltro per abbastanza alto praticamente coincide con il nostro risultato. Si vede allora che la deviazione standard della deviazione standard è grosso modo equivalente all errore standard. Si potrebbe argomentare in base al suo valore sul numero di cifre significative da conservare, ma in effetti è un discorso di scarsa utilità, in quanto sapere per esempio che l errore su una certa misura è, poniamo, anzichè 0.12 non ci fornisce alcuna sostanziale informazione, in quanto l indeterminazione sulla quantità in gioco resta comunque dello stesso ordine di grandezza. 9.9

(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

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

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

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

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

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

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

Università degli Studi di Firenze Facoltà di Scienze Mat., Fis. e Nat. Corso di Laurea in Fisica. Corso di Esperimentazioni I

Università degli Studi di Firenze Facoltà di Scienze Mat., Fis. e Nat. Corso di Laurea in Fisica. Corso di Esperimentazioni I Università deli Studi di Firenze Facoltà di Scienze Mat., Fis. e Nat. Corso di Laurea in Fisica Corso di Esperimentazioni I Prof. R. Falciani Prof. A. Stefanini Appunti su: PROPAGAZIONE DEGLI ERRORI NELLE

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

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

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

Dettagli

Il simbolo. è è = = = In simboli: Sia un numero naturale diverso da zero, il radicale. Il radicale. esiste. esiste 0 Il radicale

Il simbolo. è è = = = In simboli: Sia un numero naturale diverso da zero, il radicale. Il radicale. esiste. esiste 0 Il radicale Radicali 1. Radice n-esima Terminologia Il simbolo è detto radicale. Il numero è detto radicando. Il numero è detto indice del radicale. Il numero è detto coefficiente del radicale. Definizione Sia un

Dettagli

CS. Cinematica dei sistemi

CS. Cinematica dei sistemi CS. Cinematica dei sistemi Dopo aver esaminato la cinematica del punto e del corpo rigido, che sono gli schemi più semplificati con cui si possa rappresentare un corpo, ci occupiamo ora dei sistemi vincolati.

Dettagli

Elementi di Statistica

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

Dettagli

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

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

ESTRAZIONE DI RADICE

ESTRAZIONE DI RADICE ESTRAZIONE DI RADICE La radice è l operazione inversa dell elevamento a potenza. L esponente della potenza è l indice della radice che può essere: quadrata (); cubica (); quarta (4); ecc. La base della

Dettagli

ANALISI MEDIANTE LO SPETTRO DI RISPOSTA

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

Dettagli

Esercizi su lineare indipendenza e generatori

Esercizi su lineare indipendenza e generatori Esercizi su lineare indipendenza e generatori Per tutto il seguito, se non specificato esplicitamente K indicherà un campo e V uno spazio vettoriale su K Cose da ricordare Definizione Dei vettori v,,v

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI QUADRATI. REGRESSIONE LINEARE MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

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

Dettagli

Metodi risolutivi per le disequazioni algebriche

Metodi risolutivi per le disequazioni algebriche Metodi risolutivi per le disequazioni algebriche v.scudero Una disequazioni algebrica si presenta in una delle quattro forme seguenti: () P( () P( (3) P( () P( essendo P( un polinomio in. Noi studieremo

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

DERIVATE DELLE FUNZIONI. esercizi proposti dal Prof. Gianluigi Trivia

DERIVATE DELLE FUNZIONI. esercizi proposti dal Prof. Gianluigi Trivia DERIVATE DELLE FUNZIONI esercizi proposti dal Prof. Gianluigi Trivia Incremento della variabile indipendente e della funzione. Se, sono due valori della variabile indipendente, y f ) e y f ) le corrispondenti

Dettagli

Appunti sulle disequazioni

Appunti sulle disequazioni Premessa Istituto d Istruzione Superiore A. Tilgher Ercolano (Na) Appunti sulle disequazioni Questa breve trattazione non vuole costituire una guida completa ed esauriente sull argomento, ma vuole fornire

Dettagli

Studio grafico-analitico delle funzioni reali a variabile reale

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

Dettagli

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

EQUAZIONI non LINEARI

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

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004 ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 004 Il candidato risolva uno dei due problemi e 5 dei 10 quesiti in cui si articola il questionario. PROBLEMA 1 Sia f la funzione definita da: f

Dettagli

Misure di base su una carta. Calcoli di distanze

Misure di base su una carta. Calcoli di distanze Misure di base su una carta Calcoli di distanze Per calcolare la distanza tra due punti su una carta disegnata si opera nel modo seguente: 1. Occorre identificare la scala della carta o ricorrendo alle

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

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

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

Dettagli

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

LA NOTAZIONE SCIENTIFICA

LA NOTAZIONE SCIENTIFICA LA NOTAZIONE SCIENTIFICA Definizioni Ricordiamo, a proposito delle potenze del, che = =.000 =.000.000.000.000 ovvero n è uguale ad seguito da n zeri. Nel caso di potenze con esponente negativo ricordiamo

Dettagli

ESEMPIO 1: eseguire il complemento a 10 di 765

ESEMPIO 1: eseguire il complemento a 10 di 765 COMPLEMENTO A 10 DI UN NUMERO DECIMALE Sia dato un numero N 10 in base 10 di n cifre. Il complemento a 10 di tale numero (N ) si ottiene sottraendo il numero stesso a 10 n. ESEMPIO 1: eseguire il complemento

Dettagli

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

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

Indice generale. Modulo 1 Algebra 2

Indice generale. Modulo 1 Algebra 2 Indice generale Modulo 1 Algebra 2 Capitolo 1 Scomposizione in fattori. Equazioni di grado superiore al primo 1.1 La scomposizione in fattori 2 1.2 Raccoglimento a fattor comune 3 1.3 Raccoglimenti successivi

Dettagli

Funzione reale di variabile reale

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

Dettagli

FUNZIONI LINEARI. FUNZIONE VALORE ASSOLUTO. Si chiama funzione lineare (o funzione affine) una funzione del tipo = +

FUNZIONI LINEARI. FUNZIONE VALORE ASSOLUTO. Si chiama funzione lineare (o funzione affine) una funzione del tipo = + FUNZIONI LINEARI. FUNZIONE VALORE ASSOLUTO Si chiama funzione lineare (o funzione affine) una funzione del tipo = + dove m e q sono numeri reali fissati. Il grafico di tale funzione è una retta, di cui

Dettagli

LA CORRELAZIONE LINEARE

LA CORRELAZIONE LINEARE LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione

Dettagli

Elementi di informatica

Elementi di informatica Elementi di informatica Sistemi di numerazione posizionali Rappresentazione dei numeri Rappresentazione dei numeri nei calcolatori rappresentazioni finalizzate ad algoritmi efficienti per le operazioni

Dettagli

Il concetto di valore medio in generale

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

Dettagli

FUNZIONE ESPONENZIALE E FUNZIONE LOGARITMICA

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

Dettagli

Studio sperimentale della propagazione di un onda meccanica in una corda

Studio sperimentale della propagazione di un onda meccanica in una corda Studio sperimentale della propagazione di un onda meccanica in una corda Figura 1: Foto dell apparato sperimentale. 1 Premessa 1.1 Velocità delle onde trasversali in una corda E esperienza comune che quando

Dettagli

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997 1 RAPPRESENTAZIONE BINARIA DEI NUMERI Andrea Bobbio Anno Accademico 1996-1997 Numeri Binari 2 Sistemi di Numerazione Il valore di un numero può essere espresso con diverse rappresentazioni. non posizionali:

Dettagli

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

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

Dettagli

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

PRESENTAZIONE DEL CAPITOLO SULLE EQUAZIONI E DISEQUAZIONI IRRAZIONALI O COL VALORE ASSOLUTO

PRESENTAZIONE DEL CAPITOLO SULLE EQUAZIONI E DISEQUAZIONI IRRAZIONALI O COL VALORE ASSOLUTO 9 PRESENTAZIONE DEL CAPITOLO SULLE EQUAZIONI E DISEQUAZIONI IRRAZIONALI O COL VALORE ASSOLUTO Il capitolo che sta per iniziare presenta alcuni argomenti dall aspetto un po arido. Tuttavia, nelle facoltà

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

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

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

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

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

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

Dettagli

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

Problema n. 1: CURVA NORD

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

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

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

Dettagli

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

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

Dettagli

1. Diodi. figura 1. figura 2

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

Dettagli

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

METODO DELLE FORZE 1. METODO DELLE FORZE PER LA SOLUZIONE DI STRUTTURE IPERSTATICHE. 1.1 Introduzione

METODO DELLE FORZE 1. METODO DELLE FORZE PER LA SOLUZIONE DI STRUTTURE IPERSTATICHE. 1.1 Introduzione METODO DELLE FORZE CORSO DI PROGETTZIONE STRUTTURLE a.a. 010/011 Prof. G. Salerno ppunti elaborati da rch. C. Provenzano 1. METODO DELLE FORZE PER L SOLUZIONE DI STRUTTURE IPERSTTICHE 1.1 Introduzione

Dettagli

APPUNTI DI MATEMATICA LE FUNZIONI ALESSANDRO BOCCONI

APPUNTI DI MATEMATICA LE FUNZIONI ALESSANDRO BOCCONI APPUNTI DI MATEMATICA LE FUNZIONI ALESSANDRO BOCCONI Indice 1 Le funzioni nel discreto 3 1.1 Le funzioni nel discreto.................................. 3 1.1.1 La rappresentazione grafica............................

Dettagli

Corso di Analisi Matematica. Polinomi e serie di Taylor

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

Dettagli

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni. MATEMATICA. Sistemi lineari in due equazioni due incognite. Date due equazioni lineari nelle due incognite x, y come ad esempio { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un

Dettagli

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

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

Dettagli

4. Operazioni elementari per righe e colonne

4. Operazioni elementari per righe e colonne 4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:

Dettagli

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

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

Dettagli

ED. Equazioni cardinali della dinamica

ED. Equazioni cardinali della dinamica ED. Equazioni cardinali della dinamica Dinamica dei sistemi La dinamica dei sistemi di punti materiali si può trattare, rispetto ad un osservatore inerziale, scrivendo l equazione fondamentale della dinamica

Dettagli

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

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

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

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

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

Dettagli

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI

APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................

Dettagli

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

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

Dettagli

Se log a. b = c allora: A) a b = c B) c a = b C) c b = a D) b c = a E) a c = b. L espressione y = log b x significa che:

Se log a. b = c allora: A) a b = c B) c a = b C) c b = a D) b c = a E) a c = b. L espressione y = log b x significa che: MATEMATICA 2005 Se log a b = c allora: A) a b = c B) c a = b C) c b = a D) b c = a E) a c = b L espressione y = log b x significa che: A) y é l esponente di una potenza di base b e di valore x B) x è l

Dettagli

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA)

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) 4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) L analisi della varianza è un metodo sviluppato da Fisher, che è fondamentale per l interpretazione statistica di molti dati biologici ed è alla

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioni di Matematica 1 - I modulo Luciano Battaia 16 ottobre 2008 Luciano Battaia - http://www.batmath.it Matematica 1 - I modulo. Lezione del 16/10/2008 1 / 13 L introduzione dei numeri reali si può

Dettagli

QUADERNI DI DIDATTICA

QUADERNI DI DIDATTICA Department of Applied Mathematics, University of Venice QUADERNI DI DIDATTICA Tatiana Bassetto, Marco Corazza, Riccardo Gusso, Martina Nardon Esercizi sulle funzioni di più variabili reali con applicazioni

Dettagli

ELABORAZIONE DEL VALORE MEDIO NELLE MISURE ELETTRONICHE

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

Dettagli

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice Pseudo codice Pseudo codice Paolo Bison Fondamenti di Informatica A.A. 2006/07 Università di Padova linguaggio testuale mix di linguaggio naturale ed elementi linguistici con sintassi ben definita e semantica

Dettagli

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

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

Dettagli

Nota su Crescita e Convergenza

Nota su Crescita e Convergenza Nota su Crescita e Convergenza S. Modica 28 Ottobre 2007 Nella prima sezione si considerano crescita lineare ed esponenziale e le loro proprietà elementari. Nella seconda sezione si spiega la misura di

Dettagli

Curve di risonanza di un circuito

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

Dettagli

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

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

Dettagli

INCERTEZZA DI MISURA

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

Dettagli

a. 10 4 b. 10-15 c. 10 25 d. 10-4 a. 4,375 10-7 b. 3,625 10-6 c. 4,375 10 2 d. nessuno dei precedenti valori a. 10-5 b. 10 +5 c. 10 +15 d.

a. 10 4 b. 10-15 c. 10 25 d. 10-4 a. 4,375 10-7 b. 3,625 10-6 c. 4,375 10 2 d. nessuno dei precedenti valori a. 10-5 b. 10 +5 c. 10 +15 d. 1) Il valore di 5 10 20 è: a. 10 4 b. 10-15 c. 10 25 d. 10-4 2) Il valore del rapporto (2,8 10-4 ) / (6,4 10 2 ) è: a. 4,375 10-7 b. 3,625 10-6 c. 4,375 10 2 d. nessuno dei precedenti valori 3) La quantità

Dettagli

FUNZIONI CONVESSE. + e x 0

FUNZIONI CONVESSE. + e x 0 FUNZIONI CONVESSE Sia I un intervallo aperto di R (limitato o illimitato) e sia f(x) una funzione definita in I. Dato x 0 I, la retta r passante per il punto P 0 (x 0, f(x 0 )) di equazione y = f(x 0 )

Dettagli

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

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

Dettagli

ELEMENTI DI STATISTICA

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

Dettagli

PROPRIETA' ASSOCIATIVA La somma di tre o più addendi non cambia se al posto di alcuni di essi si sostituisce la loro somma.

PROPRIETA' ASSOCIATIVA La somma di tre o più addendi non cambia se al posto di alcuni di essi si sostituisce la loro somma. Addizione: PROPRIETA' COMMUTATIVA Cambiando l'ordine degli addendi la somma non cambia. 1) a + b = b + a PROPRIETA' ASSOCIATIVA La somma di tre o più addendi non cambia se al posto di alcuni di essi si

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

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

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO Capitolo 14 EORIA PERURBAIVA DIPENDENE DAL EMPO Nel Cap.11 abbiamo trattato metodi di risoluzione dell equazione di Schrödinger in presenza di perturbazioni indipendenti dal tempo; in questo capitolo trattiamo

Dettagli

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento Archimede esame di stato seconda prova scritta per il liceo scientifico di ordinamento ARTICOLO Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA La funzione f

Dettagli

Logica Numerica Approfondimento 1. Minimo Comune Multiplo e Massimo Comun Divisore. Il concetto di multiplo e di divisore. Il Minimo Comune Multiplo

Logica Numerica Approfondimento 1. Minimo Comune Multiplo e Massimo Comun Divisore. Il concetto di multiplo e di divisore. Il Minimo Comune Multiplo Logica Numerica Approfondimento E. Barbuto Minimo Comune Multiplo e Massimo Comun Divisore Il concetto di multiplo e di divisore Considerato un numero intero n, se esso viene moltiplicato per un numero

Dettagli

1 Valore atteso o media

1 Valore atteso o media 1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è

Dettagli

Equazioni non lineari

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

Dettagli

1 LA CORRENTE ELETTRICA CONTINUA

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

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca Trascrizione del testo e redazione delle soluzioni di Paolo Cavallo. La prova Il candidato svolga una relazione

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

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

Dettagli

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

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

Dettagli

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

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