PROCESSI CASUALI. Segnali deterministici e casuali

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "PROCESSI CASUALI. Segnali deterministici e casuali"

Transcript

1 POCESSI CASUALI POCESSI CASUALI Segnal deermnsc e casual Un segnale () s dce DEEMIISICO se è una funzone noa d, coè se, fssao un qualunque sane d empo o, l valore ( o ) assuno dal segnale è noo con esaezza a pror. u segnal vs sno ad ora sono deermnsc. Ad esempo valor assun dal segnale ()cos(π) sono no con cerezza per ogn valore d () Spesso l segnale non è rappresenable (se non n forma approssmaa) con una semplce e comoda funzone maemaca quale l coseno, ma se l suo valore è noo n modo unvoco ad ogn sane d empo è comunque un segnale deermnsco. Un segnale () s dce POCESSO CASUALE se, fssao un qualunque sane d empo o, l valore ( o ) assuno dal segnale è caraerzzable solo n senso sasco, coè è una varable casuale descra dalla sua densà d probablà. Un esempo d processo casuale è l rumore presene n ogn dsposvo eleronco. Queso po d segnale non è prevedble a pror, l suo valore è noo con cerezza solo una vola che sa sao msurao. POCESSI CASUALI

2 Inroduzone a process casual () Il rumore ermco Un classco e mporane esempo ule a nrodurre l conceo d processo casuale è rappresenao dalla debole ensone elerca v () essene a cap d un ressore. Quesa ensone, varable nel empo, è causaa dal movmeno caoco degl eleron dovuo ad una emperaura del maerale superore allo zero assoluo. Se s regsra la ensone v () s oene (dopo aver effeuao la msura!) un segnale che può essere consderao deermnsco. v () 3 POCESSI CASUALI Inroduzone a process casual () Se però s prende un secondo ressore denco al prmo, poso alla sessa emperaura, e s esegue la msura della ensone elerca a suo cap, s oene un nuovo segnale v(), con caraersche sml ma dverso dal precedene poché gl eleron s muovono n modo dverso, ed ndpendenemene, ne due ressor. v () v () 4 POCESSI CASUALI

3 Inroduzone a process casual (3) Se lo scopo è deermnare l effeo del rumore ermco prodoo dal ressore su un apparecchaura eleronca o un ssema d rasmssone, non è d alcuna ulà aver vso l andameno delle enson v() o v() a cap de due ressor se l ressore effevamene monao nell apparecchaura è un alro (o anche l prmo, ma n un empo successvo: l rumore ermco non s rpee n modo prevedble!). E ule nvece ruscre a descrvere le caraersche della ensone d rumore comun a u ressor dello sesso po e a quella emperaura. In queso modo, qualsas sa l ressore (d quel valore e a quella emperaura) monaa nell apparecchaura, poremo dre, per esempo, con quale probablà s preseneranno cer valor d ensone o quale sarà la poenza d rumore. S abbandona dunque l conceo d cerezza (propro de segnal deermnsc) per passare a quello dell ncerezza, descro dalla eora delle probablà, propro de process casual. I valor del processo n generc san d empo sono consdera varabl casual, e descr come al (araverso le relave densà d probablà). 5 POCESSI CASUALI Dmensone emporale e d nseme Le enson elerche essen a cap d u ressor dello sesso po e emperaura cosuscono le realzzazon del processo casuale rumore ermco. realzzazon Dmensone d nseme empo Dmensone emporale () ()... ()... ( ) 6 POCESSI CASUALI

4 Descrzone de process casual D un processo casuale è ule conoscere le caraersche comun a ue le realzzazon Un processo casuale è descro compleamene dalle densà d probablà congune d u gl ordn e per u gl san d empo. uava n mol cas quesa nformazone complea non è dsponble. In praca per descrvere l processo casuale () s ulzzano soprauo: la densà d probablà delle ampezze del processo p (a) che descrve con quale probablà una realzzazone del processo casuale () assume un valore uguale ad a. In generale p (a) dpende anche dal empo. uava no c occuperemo d una classe d process casual de sazonar le cu caraersche sasche non dpendono dal empo. la funzone d auocorrelazone del processo ( ) che descrve quanavamene l legame ra l valore assuno da una realzzazone del processo casuale al empo + e quello assuno dalla sessa realzzazone al empo. Anche n queso caso, lmando l anals a process casual sazonar, ( ) non dpende dal empo ma solo dal rardo ra le due msure. 7 POCESSI CASUALI Densà d probablà del processo casuale () Per un prefssao empo, l processo () è una varable casuale con densà d probablà p (a) (chamaa d.d.p. del processo casuale): P( a < () a + da) p( a) lm da da che c dce con quale probablà una qualsas realzzazone del processo assume valor n un norno nfnesmo d a. A parre dalla d.d.p. s possono defnre: Valore medo: Valore quadraco medo: Varanza: La probablà che una qualsas realzzazone assuma valor n un dao nervallo: ( a) 8 POCESSI CASUALI + E[ ( )] ap da E + [ () ] a p ( a) da + [ () ] a p ( a) da E ( ) [ ] E [ < () a ] p ( a) P a a a da

5 9 POCESSI CASUALI I paramer che caraerzzano l processo casuale () possono essere calcola n modo approssmao araverso mede armeche su un numero molo elevao d realzzazon: Valore medo: Valore quadraco medo: Varanza: () () [ ] () E () () j j L ndce della sommaora s rfersce a dverse realzzazon Densà d probablà del processo casuale () POCESSI CASUALI Densà d probablà d un processo gaussano ( ) ( ) ( ) ( ) ( ) ( ).997 ep ep.683 ep < + < + < da a P da a P da a P m m π π π ( ) ep a p(a) π X a p(a) π.66 π.35 π X X X X

6 .66 Funzone Q e funzone errore complemenare (erfc) π p(a) CB β X β B a B P ( > + β ) + β β Q ep π erfc ( a ) β da Q() Q(), 5,E-,8,9E-,5 4,8E-,,587E-, 4,6E-,,5E-,5 4,44E-,4 8,8E-, 4,7E-,6 3,86E-,5 4,3E-,8 3,59E-,3 3,8E-,,8E-,35 3,6E-,4 8,E-3,4 3,446E-,8,6E-3,45 3,64E- 3, 6,87E-4,5 3,85E- 3,6,59E-4,6,743E- 4, 3,67E-5 s erfc(s) s erfc(s),,e+,6,37e-, 8,875E-,8,9E-, 7,73E-, 4,7E-3,3 6,74E-,,9E-3,4 5,76E-,4 6,885E-4,5 4,795E-,6,36E-4,6 3,96E-,8 7,5E-5,7 3,E- 3,,9E-5,8,579E- 3,3 3,57E-6,,573E- 3,7,67E-7, 9,7E- 4,,54E-8,4 4,77E- 5,,537E- per per > 3 ep Q( ) ep s > erfc( s) ( / ) π ( s ) π s POCESSI CASUALI Process casual sazonar con valor medo non nullo Un processo casuale con valor medo dverso da zero può essere rappresenao come la somma d un processo a valor medo nullo eduna cosane (segnale deermnsco) uguale al valor medo. Una realzzazone d () ed () () () +.5 Le d.d.p delle ampezze d () ed () () () empo d.d.p POCESSI CASUALI

7 Auocorrelazone de process casual sazonar () L auocorrelazone del processo () è defna come valor medo d * ()(+). Se l processo è sazonaro l auocorrelazone non dpende da, ma solo da. [ ] * ( ) E ( ) ( + ) Per s oene () E[ ( ) ] L auocorrelazone è nerpreable come meda armeca, su un gran numero d realzzazon, de prodo de valor del processo agl san e +. * ( ) () ( + ) L ndce della sommaora s rfersce a dverse realzzazon 3 POCESSI CASUALI Auocorrelazone de process casual sazonar () Consderamo per esempo due process casual sazonar a valor medo nullo, ma con caraersche dfferen. Il prmo ha realzzazon che varano lenamene nel empo (ad es. l rumore d un moore d un auo al mnmo), menre l secondo ha realzzazon che varano con grande rapdà (ad es. Il frusco d fondo d un dsco rovnao)... [ ] () E[ ( ) ] * ( ) E ( ) ( + ) () (+) () (+) POCESSI CASUALI

8 Auocorrelazone de process casual sazonar (3) Alcune realzzazon d un processo che vara lenamene Se () vara lenamene nel empo, (+ ) è solamene poco dverso da (): l prodoo () (+ ) ha segno posvo per quas ue le realzzazon. Per l auocorrelazone () è la varanza del processo; per > l auocorrelazone () è sempre mnore d (). ( ) () ( + ) > valore elevao! () (+ ) 5 POCESSI CASUALI L auocorrelazone de process casual sazonar (4) Alcune realzzazon d un processo che vara rapdamene Se () vara rapdamene nel empo, (+ ) è spesso molo dverso da (): l prodoo () (+ ) ha segno casuale nelle vare realzzazon e qund l auocorrelazone ha un valore prossmo a zero. ( ) () ( + ) - 6 POCESSI CASUALI () (+ )

9 Esempo d valuazone dell auocorrelazone () * () ( + ) POCESSI CASUALI Esempo d valuazone dell auocorrelazone() ( ) E[ * ( ) ( + )].8 sulao del calcolo oa: è evdene, dalla defnzone d auocorrelazone, che per qualsas processo casuale sazonaro () è una funzone par, coè (-) () 8 POCESSI CASUALI

10 Propreà dell auocorrelazone. L auocorrelazone n concde con la poenza meda del processo casuale. () E[ ( ) ] E[ P ] P (). ( ) è l massmo valore che può assumere l auocorrelazone. 3. () è nolre una funzone par ( ) ( ) ( ) ( ) 4. Dao un processo () con meda possamo scrvere ()()-, ove () è un processo a meda. Vale la seguene relazone ( ) ( ) + 9 POCESSI CASUALI Auocovaranza de process casual sazonar [ ] ( ) * ( ) E ( ) - ) ( ( + ) - ) C ( Per un processo a valor medo nullo, l auocovaranza concde con l auocorrelazone C ( ) E[ ( ) - ] ( ) POCESSI CASUALI

11 Il coeffcene d correlazone () Dao un processo casuale, s defnsce coeffcene d correlazone del processo, l auocovaranza normalzzaa: ( ) () [( ) ( )] * ( ) ( + ) C E C ρ ( ) C [ ( ) ] E C( ) ρ () () ρ ( ) C ( ) POCESSI CASUALI Il coeffcene d correlazone () Il coeffcene d correlazone del processo è una funzone cu valor sono lma ra - e +. Ovvamene l suo valore n è unaro e, salvo cas molo parcolar, è l unco massmo. Il valore del coeffcene d correlazone n funzone d è una msura della predcblà d una realzzazone del processo all sane + noo l valore della realzzazone all sane. Seρ ()±: () () e (+) s s dcono compleamene correla, c è c èun unlegame deermnsco fra fra due due campon e qund è possble predre perfeamene l l valore dell uno noo noo l l valore dell alro. Seρ () [coè se sec ()]: () () e (+) sono ncorrela, non non è possble predre l l valore dell uno noo noo l l valore dell alro. POCESSI CASUALI

12 Una semplce dmosrazone del legame correlazone/predcblà Consderamo l processo casuale sazonaro a valor medo nullo (). Indchamo per brevà con e le due varabl casual ( ) e ( ) e per semplcà assumamo e real. Dmosreremo che: - quano pù due varabl casual e (a valor medo nullo) sono correlae, ano meglo possamo smare dall una l valore dell alra. - la sma sarà la mglore possble, se l errore d sma è ncorrelao con da. Dre che la varable casuale è correlaa con la varable casuale equvale a dre che l valore assuno da è n pare proporzonale a quello assuno da pù una varable casuale ndpendene da e qund non predcble. In breve: r + dove n è una varable casuale ndpendene da, a valore medo nullo e varanza E[ n n ] n 3 POCESSI CASUALI La sazonareà del processo c dce che la varanza delle due varabl casual e è la medesma, mponendo un legame ra la varanza d n e l coeffcene r. In formule abbamo: da cu: E r [ ] [ ] E[ ] E[ ] E ( r + n) E[ ] + E[ n ] + re[ n] r + E[ n ] n ( r ) 3 perchè ndpenden Pu r è prossmo a, pu n è pccolo e ano meno s dscosa da. S può dmosrare che l coeffcene d correlazone fra e è uguale a r: Infa: ρ ( ) E[ ]/ E[ ] r [ ] E ( r + n) [ ] re[ ] E Pu l coeffcene d correlazone è n modulo prossmo a, pu è predcble da. 4 POCESSI CASUALI

13 Sma lneare d da (predre l fuuro) Conoscendo l valore assuno da, cerchamo d predre al meglo (smare) l valore che assumerà cercando l coeffcene d proporzonalà a ˆ a Il valore omo d a s ha se la dfferenza (n meda quadraca) ra l valore smao e l valore effevamene assuno da è mnma, coè se è mnmo E [( ) ) ] E[ ( a ] ) Dervando rspeo ad a e uguaglando a zero s oene l valore omo d a [ ]/ E[ ] r a E Il valore omo d a concde, ovvamene, con l coeffcene r, nfa: [ ] E ( r + n) [ ] re[ ] E 5 POCESSI CASUALI Come s fa a predre l fuuro? Il Ilvalore omo d da concde con con rrche cheè l l coeffcene d dcorrelazone delle varabl casual e [ ]/ E[ ] ( ) a E Quesa consderazone c consene d defnre una procedura per smare al meglo l valore che assumerà una vola noo l valore assuno da a fase: apprendmeno - Analzzando (numero grande) realzzazon del processo casuale, s calcola l coeffcene d correlazone (rcordare che ) ρ ( ) E [ ( ) ( + )] E[ ( )] a fase: predzone - S sma (+ ) da () ˆ 6 POCESSI CASUALI ρ ( + ) ρ ( ) ( ) () ( + ) ()

14 L errore d sma S noa che l errore d sma, essendo causao solo dalla varable casuale n, ha valore quadraco medo par a quello d n [( ) ) ] E[ ( a ) ] E ( r Da quesa espressone s capsce subo che: - l errore d sma è nullo se le varabl casual sono oalmene correlae ( r ) - l errore d sma è massmo se le varabl casual sono ncorrelae ( r ) Infne, è mporane noare che l errore d sma è ncorrelao con l dao ( ), nfa: E E [ ( a) ] E[ a ] [ ] ae[ ] re[ ] re[ ] ) 7 POCESSI CASUALI S abba un processo casuale sazonaro () d cu s conosce una sua realzzazone lmaa nel empo da / a / che ndchamo con () Valor medo emporale Valor medo e auocorrelazone emporale Auocorrelazone emporale η lm / / ( ) d ( ) lm / * / ( ) ( + ) d () lm / / ( ) d P Per un processo sazonaro E [ η ] E [ ( )] ( ) E[ ()] E[ P ] () P poenza del processo 8 POCESSI CASUALI

15 Process casual ergodc ra process casual sazonar essono alcun process per qual s possono rcavare la densà d probablà e la funzone d auocorrelazone da una sola realzzazone. empo realzzazon Ques process sono de EGODICI. oa mporane: Per un processo ergodco ue le realzzazon hanno la medesma poenza. Osservare ue le realzzazon ad un sane d empo (o per una coppa d san) permee d rcavare le sesse nformazon sasche oenbl dall osservazone prolungaa nel empo d una sngola realzzazone. Un esempo d processo EGODICO è rappresenao dal rumore ermco. 9 POCESSI CASUALI Process casual ergodc (d.d.p. ampezze) La La densà d dprobablà de de valor assun da daun un processo casuale ergodco può può essere valuaa, olre olreche chedall nseme delle dellerealzzazon (ad (ad un un solo solo sane d dempo, arbraro, anche da dauna unasola solarealzzazone, come percenuale del del empo n n cu cul l processo assume ampezze fra fraa e a+da a+dadvso per per l ampezza dell nervallo da. da. ealzzazone del processo casuale empo POCESSI CASUALI

16 Process casual ergodc Il valor medo emporale concde col valor medo d nseme (processo ergodco per la meda). L auocorrelazone emporale concde con l auocorrelazone d nseme (processo ergodco per l auocorrelazone). η lm d ( ) / / ( ) lm / * / ( ) ( + ) d ( ) 3 POCESSI CASUALI La densà sperale d poenza d un processo casuale sazonaro () è defna come la rasformaa d Fourer dell auocorrelazone ( ) S ( f ) ( )ep Densà sperale d poenza () { j πf} d Perchè la S (f) è una densà sperale d poenza? - Come s è vso l auocorrelazone n, per un processo sazonaro, rappresena la poenza del processo sesso () E[ ()] E[ P ] P { j f } - L auocorrelazone n è uguale all negrale della sua DF (h. valore orgne): ( ) S ( f )ep π df () S( f ) df P La densà sperale d poenza per un processo casuale () rappresena qund come è dsrbua, sascamene, la poenza alle vare frequenze. 3 POCESSI CASUALI

17 Densà sperale d poenza () Dao un processo () con meda possamo scrvere: Ove () è un processo a meda. ( ) ( ) Valgono le seguen relazon ( ) ( ) + S ( ) S ( ) + δ ( f ) Un processo sazonaro, con meda dversa da, ha una densà sperale d poenza con un mpulso nell orgne d area par al quadrao della meda. Vceversa un processo con meda ha una densà sperale d poenza senza mpuls per f. 33 POCESSI CASUALI Densà sperale d poenza (sgnfcao fsco) S supponga che l processo casuale () sa oenuo da () araverso un flro deale passa banda cenrao sulla frequenza f (e, smmercamene, -f ) con pccola banda f. S può ben dre che () conene le sole frequenze d () nella banda del flro, coè n un norno d ±fo. Se f è suffcenemene pccolo s ha S ( f ) S ( f ) f f /< f < f + / per f e smmercamene norno a -f. La poenza d (), coè la poenza d () nelle bande f, è daa da P + S ( f ) df S ( f) f Dunque S (f ) ha effevamene l sgnfcao d poenza per unà d banda n un norno d f, coè d densà sperale d poenza. oa: l aggevo sperale vene usao per ndcare uo cò che s rfersce al domno delle frequenze. S no che meà della poenza è arbua alle frequenze negave! Poché cò ha poco senso fsco, spesso s prefersce defnre una densà sperale unlaera (doppa della blaera ; è ovvo che po ne calcol s consderano le sole frequenze posve!) IMPOAE: la densà sperale d poenza non può essere negava (a nessuna frequenza, flrando, s oerrebbe un processo () con poenza negava!!) 34 POCESSI CASUALI

18 Process casual araverso ssem LI () Se un processo casuale () sazonaro passa araverso un ssema lneare emponvarane con rsposa all mpulso h() e rsposa n frequenza H(f), l processo casuale n usca () è sazonaro ed ha le seguen caraersche:. In generale la densà d probablà del processo n usca () è dversa da quella d (). Solo la densà d probablà Gaussana rmane ale nel passaggo del processo casuale araverso l ssema LI: cambano solo valor medo e varanza.. Il valor medo del processo n usca è legao a quello d ngresso dalla seguene relazone: 3. L auocorrelazone del processo d usca è legaa a quella d ngresso dalla seguene relazone: 4. La densà sperale d poenza del processo n usca è legaa a quella d ngresso dalla seguene relazone: S H () ( ) ( f ) S ( f ) H f ( ) ( ) h( ) h( ) 35 POCESSI CASUALI Process casual araverso ssem LI () 5. La poenza del processo n usca dpende dalla densà sperale d poenza del processo d ngresso e dalla rsposa n frequenza del ssema LI secondo la relazone P ( f ) S ( f ) df S ( f ) H df 6. La varanza del processo n usca dpende dalla densà sperale d poenza e dal valor medo del processo d ngresso e dalla rsposa n frequenza del ssema LI: P S f ) df S ( f ) H ( f ) df ( ) ( H 36 POCESSI CASUALI

19 Process casual banch () S defnsce banco (a valor medo nullo) un processo casuale sazonaro con densà sperale d poenza cosane. Qund un processo casuale banco (a valor medo nullo) ha auocorrelazone mpulsva. AEZIOE: quesa caraersca è ndpendene dalla densà d probablà delle ampezze che può essere d po qualsas (ad es. Gaussana, unforme ) S raa, evdenemene, d una dealzzazone (anche la luce che dcamo banca, da cu derva l nome, ha spero che non s esende all nfno). oamo che un processo veramene banco avrebbe poenza nfna! el mondo reale osservamo solo process flra (con banda pù o meno larga). Se la banda del processo n ngresso è pù larga d quella del flro, possamo assegnare valor arbrar alla densà sperale fuor banda (senza che cambno rsula del calcolo). Un valore cosane è l pù comodo dal puno d vsa maemaco. 37 POCESSI CASUALI Process casual banch () () - / () / S (f) p (a) f -5 5 oa: auocorrelazone mpulsva sgnfca che l valore (+) del processo banco al empo + è assoluamene mpredcble dal valore () all sane : l processo vara n modo nfnamene rapdo! Se l processo banco ha valor medo dverso da zero, s ha S (f)( /)+ δ(f) e () ( /)δ()+ 38 POCESSI CASUALI

20 Process casual banch (3) Solamene la densà sperale (blaera) d un processo casuale () banco vene ndcaa con S (f) / e qund la funzone d auocorrelazone con () / δ() oa: s ndca qund con la densà sperale d poenza unlaera. E mporane saper calcolare la poenza d un processo () oenuo da un processo banco () araverso un flro con rsposa all mpulso h() e rsposa n frequenza H(f). Sha + S + ( f ) df S ( f ) S + H( f ) df + ( f ) H( f ) df h ( ) d 39 POCESSI CASUALI Correlazone ra usca e ngresso d un ssema LI La correlazone ra due process casual ergodc () e () è defna nel modo seguene: * ( ) lm ( ) ( + ) d ( ) / / Se due process casual () e () sono rspevamene l usca e l ngresso d un ssema LI la loro correlazone è uguale alla convoluzone ra l auocorrelazone dell ngresso e la rsposa all mpulso del ssema LI: ( ) ( ) h ( ) S noa che se l processo d ngresso è banco (auocorrelazone mpulsva), la correlazone ra usca e ngresso concde con la rsposa all mpulso del ssema. 4 POCESSI CASUALI ( ) δ ( ) h ( ) h ( ) Quesa propreà è spesso ulzzaa ne ssem d elecomuncazone per smare la rsposa mpulsva del canale d rasmssone che è gnoo a pror.

21 Correlazone ra usca e ngresso banco () Processo banco () h()? Processo correlao * ( ) lm ( ) ( + ) d h() se S (f) e / / qund ()δ() 4 POCESSI CASUALI Un esempo mporane d processo banco () S consder l processo () le cu realzzazon sono cosue da ren d mpuls equspaza a passo, con rardo nzale casuale e area a casuale ndpendene da mpulso a mpulso con valor medo nullo e varanza. ( ) ( n ) anδ n () () 4 POCESSI CASUALI

22 Un esempo mporane d processo banco () S può dmosrare che l processo casuale () è SAZIOAIO ed EGODICO, con le seguen propreà. Il valor medo è nullo:. La varanza è: / 3. L auocorrelazone è mpulsva (processo banco): ( ) ( / ) δ ( ) 4. La densà sperale d poenza è cosane (processo banco): S ( ) ( / ) 43 POCESSI CASUALI Se l processo casuale () passa araverso un ssema LI con rsposa n frequenza H(f) e rsposa all mpulso h(), n usca s oene un processo () con: Densà sperale d poenza: S (f ) ( /) H(f) h() () S (f) H(f) S (f) f f f 44 POCESSI CASUALI

23 Il processo casuale () cosruo nel modo ndcao precedenemene può essere usao per rappresenare (nel empo) una sequenza casuale d b. Cascuno d ess sarà codfcao, ad esempo, con un mpulso reangolare, d base, ed ampezza: +A ( ) o -A ( ): A h() () S (f) H(f) / (A) A S (f) f f f S ( f ) / h( ) H ( f ) A rec( / ) A snc( f ) S ( f ) A snc ( f ) 45 POCESSI CASUALI

PROCESSI CASUALI. Segnali deterministici e casuali

PROCESSI CASUALI. Segnali deterministici e casuali POCESSI CASUALI Fondamen d Segnal e Trasmssone Segnal deermnsc e casual Un segnale () s dce DETEMIISTICO se e una funzone noa d, coe se, fssao un qualunque sane d empo o, l valore ( o ) assuno dal segnale

Dettagli

Elementi di matematica finanziaria

Elementi di matematica finanziaria APPENDICE ATEATICA Elemen d maemaca fnanzara. Il regme dell neresse semplce L neresse è l fruo reso dall nvesmeno del capale. Nel corso dell esposzone s farà rfermeno a due regm o pologe d calcolo dell

Dettagli

CAPITOLO PRIMO LEGGI E REGIMI FINANZIARI 1. LEGGI FINANZIARIE

CAPITOLO PRIMO LEGGI E REGIMI FINANZIARI 1. LEGGI FINANZIARIE CAPITOLO PRIMO LEGGI E REGIMI FINANZIARI SOMMARIO:. Legg fnanzare. - 2. Regme fnanzaro dell neresse semplce e dello scono razonale. - 3. Regme fnanzaro dell neresse e dello scono composo. - 4. Tass equvalen.

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Universià di Napoli Parenope Facolà di Ingegneria Corso di Comunicazioni Elerice docene: Prof. Vio Pascazio a Lezione: 7/04/003 Sommario Caraerizzazione energeica di processi aleaori Processi aleaori nel

Dettagli

Capitolo 2 Le leggi del decadimento radioattivo

Capitolo 2 Le leggi del decadimento radioattivo Capolo Le legg del decadmeno radoavo. Sablà e nsablà nucleare Se analzzamo aenamene la cara de nucld, vedamo che n essa sono rappresena, olre a nucle sabl, anche var nucle nsabl. Con l ermne nsable s nende

Dettagli

Controllo predittivo (MPC o MBPC)

Controllo predittivo (MPC o MBPC) Conrollo predvo MPC o MBPC Nella sa formlaone pù enerale, l conrollo predvo consa d re dee d base:. L lo d n modello maemaco ao a prevedere le sce del processo nel san d empo fr l orone. Le sce fre, comprese

Dettagli

Allocazione Statica. n i

Allocazione Statica. n i Esercazon d Sse Inegra d Produzone Allocazone Saca I eod asa sull'allocazone saca scheazzano l processo d assegnazone delle rsorse alle par consderandolo da un lao ndpendene dal epo e rascurando dall'alro

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Nel caso di un regime di capitalizzazione definiamo, relativamente al periodo [t, t + t] : i t

Nel caso di un regime di capitalizzazione definiamo, relativamente al periodo [t, t + t] : i t 4. Approcco formale E neressane efnre le caraersche e var regm fnanzar n manera pù asraa e generale, n moo a poer suare qualsas regme fnanzaro. A al fne efnamo percò e paramer n grao escrvere qualsas po

Dettagli

Equazioni dei componenti

Equazioni dei componenti Equazon de componen Eserczo Nella fgura è rappresenao un quadrupolo la cu sruura nerna alla superfce lme conene ressor R e R. Deermnare le equazon del componene ulzzando come arabl descre quelle corrsponden

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

UNIVERSITA DEGLI STUDI DI FIRENZE. Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica! "#$

UNIVERSITA DEGLI STUDI DI FIRENZE. Facoltà di Ingegneria Corso di Laurea in Ingegneria Informatica! #$ UNIVERITA DEGLI TUDI DI FIRENZE Facolà d Ingegnera Corso d Laurea n Ingegnera Informaca! "#$ ##%& ' ommaro OMMARIO... 1 INTRODUZIONE... 2 1.1 I DATI BIOLOGICI COME EQUENZE DI IMBOLI... 3 1.1.1 Qualà delle

Dettagli

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

Condensatore + - Volt

Condensatore + - Volt 1) Defnzone Condensaore Sruura: l condensaore è formao da due o pù superfc condurc, chamae armaure, separae da un maerale solane, chamao delerco. Equazon Caraersche: La ensone ra armaure è dreamene proporzonale

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

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

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Componenti dotati di memoria (dinamici)

Componenti dotati di memoria (dinamici) omponen doa d memora (dnamc) S raa d componen elerc che esprmono una relazone cosua ra ensone e correne che rchama anche alor d ensone e/o correne rfer ad san d empo preceden. a relazone cosua è n queso

Dettagli

ESPONENTI DI LIAPUNOV

ESPONENTI DI LIAPUNOV ESPONENTI DI IAPUNOV Ssem a empo dscreo, mono- e mul-dmensonal Problemache d calcolo Ssem a empo connuo C. Pccard e F. Dercole Polecnco d Mlano - 9/0/200 /8 MAPPE MONO-DIMENSIONAI Consderamo l ssema a

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

C = Consideriamo ora un circuito RC aperto, cioè tale in cui non circoli corrente(pertanto la carica presente sulle armature è nulla).

C = Consideriamo ora un circuito RC aperto, cioè tale in cui non circoli corrente(pertanto la carica presente sulle armature è nulla). I crcu Defnzone: s defnsce crcuo un crcuo elerco n cu al generaore d fem sono collega una ressenza e un condensaore. V cordamo che per un condensaore è possble defnre la capacà come l rapporo ra la carca

Dettagli

Trasformata di Fourier (1/7)

Trasformata di Fourier (1/7) 1 rasormaa di Fourier (1/7 + De: Un segnale x( è impulsivo se x ( d < + F : + j X( x( e π d F{ x( }, < < + F -1 + jπ 1 : x( X( e d F { X( }, < < + X( è una rappresenazione di x( nel dominio della requenza

Dettagli

Regimi periodici non sinusoidali

Regimi periodici non sinusoidali Regm perodc non snusodal www.de.ng.unbo./pers/masr/ddaca.hm versone del -- Funzon perodche S dce che una funzone y è perodca se esse un > ale che per ogn e per ogn nero y y l pù pccolo valore d per cu

Dettagli

CARATTERISTICHE DELLE POMPE

CARATTERISTICHE DELLE POMPE CARATTERISTICHE DELLE OME La pompa rappresena l elemeno pù complesso e pù mporane d un crcuo draulco perché ha l compo d rasferre l fludo draulco e realzzare l flusso d poraa che permee la conversone dell

Dettagli

VALORE EFFICACE DEL VOLTAGGIO

VALORE EFFICACE DEL VOLTAGGIO Fisica generale, a.a. /4 TUTOATO 8: ALO EFFC &CCUT N A.C. ALOE EFFCE DEL OLTAGGO 8.. La leura con un mulimero digiale del volaggio ai morsei di un generaore fornisce + in coninua e 5.5 in alernaa. Tra

Dettagli

MATEMATICA FINANZIARIA 2 PROVA SCRITTA DEL 11 SETTEMBRE 2007 ECONOMIA AZIENDALE

MATEMATICA FINANZIARIA 2 PROVA SCRITTA DEL 11 SETTEMBRE 2007 ECONOMIA AZIENDALE MATEMATICA FINANZIARIA PROVA SCRITTA DEL SETTEMBRE 007 ECONOMIA AZIENDALE ESERCIZIO a Su un mercao deale vene smaa, rame prezz d TCN unar, la seguene sruura per scadenza de ass a pron (0,4,% ; (0,4,8%

Dettagli

Manutenibilità e Disponibilità

Manutenibilità e Disponibilità produzone servaa ffdablà, Manuenblà e Dsponblà Sefano Ierace Obev Ulzzo dell anals d affdablà come srumeno predvo d comporameno d un ssema Valuazone requs d funzonameno d un componene Confrono d alernave

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

26/08/2010. segnali deterministici. segnali casuali o random. stazionario. periodico. Non stazionario. transitorio

26/08/2010. segnali deterministici. segnali casuali o random. stazionario. periodico. Non stazionario. transitorio Cap 5: ANALISI DEI SEGNALI E ARAURA DINAMICA Un segnale è defnto come una qualsas varable fsca che camba nel tempo, nello spazo, o rspetto a altre varabl e che trasporta nformazon segnal determnstc segnal

Dettagli

GENERATORE DI IMPULSO CON AMPLIFICATORE OPERAZIONALE

GENERATORE DI IMPULSO CON AMPLIFICATORE OPERAZIONALE GENEAOE DI IMPULSO CON AMPLIFICAOE OPEAZIONALE Un generaore d mpulso, o mulvbraore monosable, è un crcuo che presena due possbl sa: uno sao sable ed uno sao quas sable Il crcuo s rova, normalmene, nello

Dettagli

Costi della politica: Giudizio positivo per i sindaci, maglia nera per parlamentari e consiglieri regionali

Costi della politica: Giudizio positivo per i sindaci, maglia nera per parlamentari e consiglieri regionali XXVI I IAssembl eaanci-larepubbl cadecomun Au onom apercamb ar e lpaese Lac l assepol c aec ad n Op n onsucos,r esponsab l àe mpegnodch gover nal e s uz on Cos della polca: Gudzo posvo per sndac, magla

Dettagli

Capitolo III: I Regolatori

Capitolo III: I Regolatori SCC Cap. III: Regolaor Capolo III: I Regolaor III-1: Inrouzone Il regolaore ha l ompo sablre l azone orreva a apporare n ngresso al proesso, per mezzo ell auaore; l segnale n usa al regolaore (s) è funzone

Dettagli

DAL DATO ALL INFORMAZIONE GESTIONALE

DAL DATO ALL INFORMAZIONE GESTIONALE DAL DATO ALL INFORMAZIONE GESTIONALE Srumen sasc per supporare ssem d conrollo d gesone e d comuncazone negraa Ducco Sefano Gazze Con l conrbuo d: Gan Pero Cervellera e Gann Be 1 Inroduzone... 4 Capolo

Dettagli

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal

Dettagli

Analisi delle reti con elementi dinamici

Analisi delle reti con elementi dinamici Prncp d ngegnera elerca ezone a Anals delle re con elemen dnamc Induore Connesson d nduor Induore nduore è un bpolo caraerzzao da una relazone ensonecorrene d po dfferenzale: ( d( d e hanno ers coordna

Dettagli

Lezione n. 2 di Controlli Automatici A prof. Aurelio Piazzi Modellistica ed equazioni differenziali lineari

Lezione n. 2 di Controlli Automatici A prof. Aurelio Piazzi Modellistica ed equazioni differenziali lineari Cors d Laurea n Ingegnera Eleronca, Informaca e delle Telecomuncazon Lezone n. 2 d Conroll Auomac A prof. Aurelo Pazz dfferenzal lnear Unversà degl Sud d Parma a.a. 2009-2010 Cenn d modellsca (crcu elerc

Dettagli

UNIVERISITA DEGLI STUDI DI PADOVA. Marketing e Pubblicità: una rassegna

UNIVERISITA DEGLI STUDI DI PADOVA. Marketing e Pubblicità: una rassegna FACOLTA DI SCIENZE STATISTICHE UNIVERISITA DEGLI STUDI DI PADOVA Corso d Laurea n STATISTICA E GESTIONE DELLE IMPRESE Currculum: Anals d Mercao Tes d Laurea d: Eva Luse Markeng e Pubblcà: una rassegna

Dettagli

Regolamento dell Indice. Banca IMI Protected Basket Index June 2015 A

Regolamento dell Indice. Banca IMI Protected Basket Index June 2015 A Sede legale n Pazzea Gordano Dell Amore 3, 20121 Mlano scra all Albo delle Banche con l n. 5570 Soceà apparenene al Gruppo Bancaro Inesa Sanpaolo scro all Albo de Grupp Bancar Soceà soggea alla drezone

Dettagli

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione.

Misure indipendenti della stessa grandezza, ciascuna con una diversa precisione. Msure ndpendent della stessa grandezza, cascuna con una dversa precsone. Consderamo d avere due msure o n generale della stessa grandezza, ndpendent, caratterzzate da funzone denstà d probabltà d Gauss.

Dettagli

Meccanica Cinematica del punto materiale

Meccanica Cinematica del punto materiale Meccanca 7-8 Puno maerale Corpo d dmenson rascurabl rspeo allo spazo nel quale s muoe e neragsce con alr corp Approssmazone Terra-Sole R d Earh Sun-Earh 6 6.4 m.5 m 4.3 5 E una buona approssmazone? - rba

Dettagli

Struttura dei tassi per scadenza

Struttura dei tassi per scadenza Sruura dei assi per scadenza /45-Unià 7. Definizione del modello ramie gli -coupon bonds preseni sul mercao Ipoesi di parenza Sul mercao sono preseni all isane ZCB che scadono fra,2,,n periodi Periodo:

Dettagli

Introduzione ai Modelli di Durata: Alcuni Modelli Parametrici

Introduzione ai Modelli di Durata: Alcuni Modelli Parametrici Inroduzone a Modell d Duraa: Alun Modell Paramer a.a. 2009/2010 - Quaro Perodo Prof. Flppo DOMMA Corso d Laurea Spealsa/Magsrale n Eonoma Applaa Faolà d Eonoma UnCal 1. Esponenzale Modell Paramer Le funzon

Dettagli

Università di Siena Sede di Grosseto Secondo Semestre 2010-2011. Macroeconomia. Paolo Pin ( pin3@unisi.it ) Lezione 7 2 Maggio 2011

Università di Siena Sede di Grosseto Secondo Semestre 2010-2011. Macroeconomia. Paolo Pin ( pin3@unisi.it ) Lezione 7 2 Maggio 2011 Unversà d Sena Sede d Grosseo Secondo Semesre 200-20 acroeconoma Paolo Pn ( pn3@uns. ) Lezone 7 2 aggo 20 La lezone d ogg Rpasso e conclusone capolo 4 qulbro nel mercao della monea e la relazone L Polca

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

Osservatorio dinamica prezzi dispositivi medici Assobiomedica - CEr. Presentazione. Assobiomedica Centro Studi

Osservatorio dinamica prezzi dispositivi medici Assobiomedica - CEr. Presentazione. Assobiomedica Centro Studi Osservaoro dnamca prezz dsposv medc Assobomedca - CEr Presenazone Assobomedca Cenro Sud L Osservaoro L ndagne è condoa dal CER a cadenza semesrale presso le mprese assocae ad Assobomedca per rlevare la

Dettagli

I COMPONENTI DEGLI IMPIANTI TERMICI 2 parte

I COMPONENTI DEGLI IMPIANTI TERMICI 2 parte I comonen degl man ermc II.8 I COMPONENTI DEGLI IMPIANTI TERMICI are II. Generalà sulle macchne a fludo Per "macchna" s nende normalmene un ssema comao d organ (fss e mobl) n grado d effeuare una rasformazone

Dettagli

Appunti del Corso di. Costruzioni In Zona Sismica. Prof. Ing. Camillo Nuti. Università Degli Studi Roma Tre

Appunti del Corso di. Costruzioni In Zona Sismica. Prof. Ing. Camillo Nuti. Università Degli Studi Roma Tre Prof. Camllo Nu Dspense d Cosruzon n Zona Ssmca 7 Appun del Corso d Cosruzon In Zona Ssmca Prof. Ing. Camllo Nu Unversà Degl Sud Roma Tre Prof. Camllo Nu Dspense d Cosruzon n Zona Ssmca 7 RISPOSTA DINAMICA

Dettagli

MODELLO MONOINDICE. R = a + β R. R M = è variabile aleatoria di rendimento del mercato (in Italia può essere usato il MIB 30).

MODELLO MONOINDICE. R = a + β R. R M = è variabile aleatoria di rendimento del mercato (in Italia può essere usato il MIB 30). ODELLO ONOINDICE Il rendmento d un ttolo uò essere scrtto come: R = a + β R (1) dove: R = rendmento dell -mo ttolo; a = comonente aleatora del rendmento, ndendente dall andamento del mercato; R = è varable

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

Note su energie e forze del campo elettromagnetico

Note su energie e forze del campo elettromagnetico A. Maffucc: oe su Energe e Forze e campo eeromagneco ver.. /4. Energe e forze n un ssema eerosaco.. Energa n funzone carche e poenza. conser ssema n fgura, uo a conuor ne vuoo o n mezzo eerco omogeneo,

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli

V AK. Fig.1 Caratteristica del Diodo

V AK. Fig.1 Caratteristica del Diodo 1 Raddrizzaore - Generalià I circuii raddrizzaori uilizzano componeni come i Diodi che presenano la caraerisica di unidirezionalià, cioè permeono il passaggio della correne solo in un verso. In figura

Dettagli

velocità angolare o pulsazione (gradi /s oppure rad/s) (angolo percorso da V in un intervallo di tempo)

velocità angolare o pulsazione (gradi /s oppure rad/s) (angolo percorso da V in un intervallo di tempo) V A = AMPIEZZA = lunghezza di V A ALTERNATA Proiezione di V X ISTANTE = velocià angolare o pulsazione (gradi /s oppure rad/s) (angolo percorso da V in un inervallo di empo) DEVE ESSERE COSTANTE Angolo

Dettagli

Leggere i dati da file

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

Dettagli

DIODO E RADDRIZZATORI DI PRECISIONE

DIODO E RADDRIZZATORI DI PRECISIONE OO E AZZATO PECSONE raddrzzar ( refcar) sn crcu mpega per la rasfrmazne d segnal bdreznal n segnal undreznal. Usand, però, dd per raddrzzare segnal, s avrà l svanagg d nn per raddrzzare segnal la cu ampezza

Dettagli

3. Componenti adinamici

3. Componenti adinamici 3. Comonen dnmc Ssem rsolene d un crcuo. elzone cosu d un comonene. Clssfczon: comonene lnere/non lnere, dnmco/dnmco, con memor/senz memor, emo nrne/emo rne, omogeneo/non omogeneo, mresso/non mresso, sso,

Dettagli

Processi periodici. Capitolo 2. 2.1 Modello. 2.1.1 Simboli. 2.1.2 Grafico dei processi. {τ 1,...,τ n } processi periodici

Processi periodici. Capitolo 2. 2.1 Modello. 2.1.1 Simboli. 2.1.2 Grafico dei processi. {τ 1,...,τ n } processi periodici 3 Capolo 2 Process perodc 2. Modello 2.. Smbol {,...,τ n } process perodc τ,k sanza k-esma del processo φ fase d un processo (prmo empo d avazone) T perodo del processo r,k = φ +(k ) T k-esma avazone D

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

Limitazioni di ampiezza negli amplificatori reali

Limitazioni di ampiezza negli amplificatori reali Lmtazon d ampezza negl amplfcator real G. Martnes 1 Lnearzzazone della trans-caratterstca G. Martnes Anals a pccolo segnale e concetto d punto d lavoro IL RUMORE EGLI AMPLIFICATORI Defnzon S defnsce rumore

Dettagli

La programmazione aggregata nella supply chain. La programmazione aggregata nella supply chain 1

La programmazione aggregata nella supply chain. La programmazione aggregata nella supply chain 1 La programmazione aggregaa nella supply chain La programmazione aggregaa nella supply chain 1 Linea guida Il ruolo della programmazione aggregaa nella supply chain Il problema della programmazione aggregaa

Dettagli

Lezione 10. (BAG cap. 9) Corso di Macroeconomia Prof. Guido Ascari, Università di Pavia

Lezione 10. (BAG cap. 9) Corso di Macroeconomia Prof. Guido Ascari, Università di Pavia Lezione 10 (BAG cap. 9) Il asso naurale di disoccupazione e la curva di Phillips Corso di Macroeconomia Prof. Guido Ascari, Universià di Pavia In queso capiolo Inrodurremo uno degli oggei più conosciui

Dettagli

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013 Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se

Dettagli

Soluzione esercizio Mountbatten

Soluzione esercizio Mountbatten Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2

Contenuti: o Specificazione del modello. o Ipotesi del modello classico. o Stima dei parametri. Regressione semplice Roberta Siciliano 2 Corso d STATISTICA Prof. Roberta Sclano Ordnaro d Statstca, Unverstà d Napol Federco II Professore supplente, Unverstà della Baslcata a.a. 0/0 Contenut: o Specfcazone del modello o Ipotes del modello classco

Dettagli

Lezione 11. Polinomi a coefficienti in un campo.

Lezione 11. Polinomi a coefficienti in un campo. Lezone Prerequs: Lezone 0. Polnom a coeffcen n un campo. Sa K un campo. In quesa lezone sudamo le propreà armeche dell'anello d polnom K[ X ], che sono analoghe a quelle valde nell'anello Z e da no consderae

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

IL RUMORE NEGLI AMPLIFICATORI

IL RUMORE NEGLI AMPLIFICATORI IL RUMORE EGLI AMPLIICATORI Defnzon S defnsce rumore elettrco (electrcal nose) l'effetto delle fluttuazon d corrente e/o d tensone sempre present a termnal degl element crcutal e de dspostv elettronc.

Dettagli

Oscillazioni libere e risonanza di un circuito RLC-serie (Trattazione analitica del circuito RLC-serie)

Oscillazioni libere e risonanza di un circuito RLC-serie (Trattazione analitica del circuito RLC-serie) Ing. Eleronca - II a Esperenza del aboraoro d Fsca Generale II Oscllazon lbere e rsonanza d un crcuo -sere (Traazone analca del crcuo -sere on quesa breve noa s vuole fornre la raazone eorca del crcuo

Dettagli

GLI STILI DI INVESTIMENTO NEL MERCATO AZIONARIO EUROPEO

GLI STILI DI INVESTIMENTO NEL MERCATO AZIONARIO EUROPEO GLI STILI DI INVESTIMENTO NEL MERCATO AZIONARIO EUROPEO Monca Bllo Unversà Ca' Foscar e GRETA Veneza Robero Casarn GRETA Veneza Clare Meu CREST Parg Domenco Sarore GLI STILI DI INVESTIMENTO NEL MERCATO

Dettagli

Media Mobile di ampiezza k (k pari) Esempio: Vendite mensili di shampoo

Media Mobile di ampiezza k (k pari) Esempio: Vendite mensili di shampoo Media Mobile di ampiezza k (k pari) Esempio: Vendie mensili di shampoo Mese y 1 266,0 2 145,9 3 183,1 4 119,3 5 180,3 6 168,5 7 231,8 8 224,5 9 192,8 10 122,9 11 336,5 12 185,9 1 194,3 2 149,5 3 210,1

Dettagli

Sistemi Intelligenti Stimatori e sistemi lineari - III

Sistemi Intelligenti Stimatori e sistemi lineari - III Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\

Dettagli

Problema. Integrazione scorte e distribuzione. Modello. Modello

Problema. Integrazione scorte e distribuzione. Modello. Modello Problema Inegrazone score e dsrbuzone Modell a domanda varable ree dsrbuva: uno a mol merc: colleame domanda: varable vncol: numero e capacà vecol cos: fss/varabl, magazzno/rasporo approcco rsoluvo: eursco/esao

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

Lezione n.12. Gerarchia di memoria

Lezione n.12. Gerarchia di memoria Lezione n.2 Gerarchia di memoria Sommario: Conceo di gerarchia Principio di localià Definizione di hi raio e miss raio La gerarchia di memoria Il sisema di memoria è molo criico per le presazioni del calcolaore.

Dettagli

ESEMPI DI ESERCIZI SU IRPEF ED IRES

ESEMPI DI ESERCIZI SU IRPEF ED IRES ESEMPI DI ESERCIZI SU IRPEF ED IRES 1. Irpef 1) Dopo avere definio il conceo di progressivià delle impose, si indichino le modalià per la realizzazione di un sisema di impose progressivo. 2) Il signor

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9

Dettagli

Progetto Lauree Scientifiche. La corrente elettrica

Progetto Lauree Scientifiche. La corrente elettrica Progetto Lauree Scentfche La corrente elettrca Conoscenze d base Forza elettromotrce Corrente Elettrca esstenza e resstvtà Legge d Ohm Crcut 2 Una spra d rame n equlbro elettrostatco In un crcuto semplce

Dettagli

Distribuzione Weibull

Distribuzione Weibull Disribuzione Weibull f() 6.6.4...8.6.4. 5 5 5 3 Disribuzione di Weibull Una variabile T ha disribuzione di Weibull di parameri α> β> se la sua densià di probabilià è scria nella forma: f ( ) exp da cui

Dettagli

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

Campo magnetico stazionario

Campo magnetico stazionario Campo magneco sazonaro www.de.ng.unbo./pers/masr/ddaca.hm (versone del 3--) Equazon fondamenal Equazon per l campo magneco H J B H B n d J n d Equazon d legame maerale ezzo lneare soropo B H H ) ( ezzo

Dettagli

Criteri metodologici per la valutazione dei titoli obbligazionari standard e dei contratti derivati non quotati

Criteri metodologici per la valutazione dei titoli obbligazionari standard e dei contratti derivati non quotati Crer meodologc per la valuazone de ol obblgazonar sandard e de conra derva non quoa Adoao con delbera del Consglo d ammnsrazone del /0/20 Modfcao con delbera del Consglo d Ammnsrazone del 28//20 Aggornao

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità alcolo delle Probabltà Quanto è possble un esto? La verosmglanza d un esto è quantfcata da un numero compreso tra 0 e. n partcolare, 0 ndca che l esto non s verfca e ndca che l esto s verfca senza dubbo.

Dettagli

del segnale elettrico trifase

del segnale elettrico trifase Rappresenazione del segnale elerico rifase Gli analizzaori di poenza e di energia Qualisar+ consenono di visualizzare isananeamene le caraerisiche di una ree elerica rifase. Rappresenazione emporale I

Dettagli

Manutenzione requisito di progetto

Manutenzione requisito di progetto Manuenzone requso d progeo Semnaro d 2 CD 2 ore CSIE - CSIEn Cors d Sudo n Ingegnera Elerca-energeca energeca govedì 24 gennao 28 Domenco Salmben 24 gennao 28 Programma del semnaro Normava vgene Tpologa

Dettagli

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese Sstem Intellgent Relazone tra ottmzzazone e statstca - IV Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@dunmt Anals dell

Dettagli

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre

Dettagli

Bayes. stati del mondo

Bayes. stati del mondo ayes Sao del mondo Se ndchamo con uno sao del mondo e un eveno, la probablà d dao ndca che s manfesa dao che è lo sao del mondo. Qund l eveno può essere pensao anche come uno sao del mondo. La formula

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Il Legislatore Europeo ha quindi puntato alla realizzazione di un mercato unico dell energia, all aumento dell efficienza di trasmissione,

Il Legislatore Europeo ha quindi puntato alla realizzazione di un mercato unico dell energia, all aumento dell efficienza di trasmissione, PREMESSA I merca elerc sanno vvendo un momeno d profondo cambameno dovuo al processo d lberalzzazone che lenamene ha convolo, o sa convolgendo, un po u paes, dalla Gran Breagna alla Spagna, dall Ausrala

Dettagli

IL RUMORE NEGLI AMPLIFICATORI

IL RUMORE NEGLI AMPLIFICATORI G. Martnes 1 G. Martnes G. Martnes 3 IL RUMORE EGLI AMPLIFICATORI Defnzon S defnsce rumore elettrco (electrcal nose) l'effetto delle fluttuazon d corrente e/o d tensone sempre present a termnal degl element

Dettagli