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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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 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

* 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

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

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

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

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

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

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

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

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

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

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

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

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

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

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

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

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

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

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

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

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

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

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

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

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

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

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

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

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

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

Adattamento di una relazione funzionale ai dati sperimentali

Adattamento di una relazione funzionale ai dati sperimentali Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo

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

Previsione della domanda - contenuti di base -

Previsione della domanda - contenuti di base - Prevsoe della domada - coeu d base - Prof. Rccardo Mello rccardo.mello@umore. Uversà d Modea ad Reggo Emla Dparmeo d Igegera Ezo Ferrar va Vgolese 905, 400, Modea - Iala Gruppo d Rcerca: Impa Idusral Ig.

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

Fondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007

Fondamenti di Visione Artificiale (Seconda Parte) Corso di Robotica Prof.ssa Giuseppina Gini Anno Acc.. 2006/2007 Fondament d Vsone Artfcale (Seconda Parte PhD. Ing. Mchele Folgherater Corso d Robotca Prof.ssa Guseppna Gn Anno Acc.. 006/007 Caso Bdmensonale el caso bdmensonale, per ndvduare punt d contorno degl oggett

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

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

Tutti gli strumenti vanno tarati

Tutti gli strumenti vanno tarati L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello

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

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

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

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Controllo e schedulng delle operazon Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Organzzazone della produzone PRODOTTO che cosa ch ORGANIZZAZIONE PROCESSO come FLUSSO DI PRODUZIONE

Dettagli

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

Analisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza

Analisi dei Segnali. Sergio Frasca. Dipartimento di Fisica Università di Roma La Sapienza Sergo Frasca Anals de Segnal Dpartmento d Fsca Unverstà d Roma La Sapenza Versone 13 dcembre 011 Versone aggornata n http://grwavsf.roma1.nfn.t/sp/sp.pdf Sommaro 1 Introduzone: segnal e sstem... 7 1.1

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

Titoli obbligazionari (Bond) Tipi di titoli obbligazionari

Titoli obbligazionari (Bond) Tipi di titoli obbligazionari Tol obblgazoar Bod U obblgazoe è u olo d debo emesso da ua soceà da uo sao o da u ee pubblco che dà dro al suo possessore al rmborso del capale presao alla scadeza e al pagameo d eress cedole. La emssoe

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

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

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

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

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

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

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

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz LEZIONE e 3 La teora della selezone d portafoglo d Markowtz Unverstà degl Stud d Bergamo Premessa Unverstà degl Stud d Bergamo Premessa () È puttosto frequente osservare come gl nvesttor tendano a non

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

L ipotesi di rendimenti costanti di scala permette di scrivere la (1) in forma intensiva. Ponendo infatti c = 1/L, possiamo scrivere

L ipotesi di rendimenti costanti di scala permette di scrivere la (1) in forma intensiva. Ponendo infatti c = 1/L, possiamo scrivere DIPRTIMENTO DI SCIENZE POLITICHE Modello di Solow (1) 1 a. a. 2015-2016 ppuni dalle lezioni. Uso riservao Maurizio Zenezini Consideriamo un economia (chiusa e senza inerveno dello sao) in cui viene prodoo

Dettagli

Osservabilità (1 parte)

Osservabilità (1 parte) eoria dei sisemi - Capiolo 9 sservabilià ( pare) Inroduzione al problema della osservabilià: osservazione e ricosruzione. Sai indisinguibili e sai non osservabili...3 Soospazi di osservabilià e non osservabilià

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

Apprendimento Automatico e IR: introduzione al Machine Learning

Apprendimento Automatico e IR: introduzione al Machine Learning Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1

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

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

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza

Dettagli

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica Fotogrammetra Scopo della fotogrammetra è la determnazone delle poszon d punt nello spazo fsco a partre dalla msura delle poszon de punt corrspondent su un mmagne fotografca. Ovvamente, affnché questo

Dettagli

L inchiesta ISAE sugli investimenti delle imprese manifatturiere ed estrattive: aspetti metodologici e risultati

L inchiesta ISAE sugli investimenti delle imprese manifatturiere ed estrattive: aspetti metodologici e risultati ISTITUTO DI STUDI E ANALISI ECONOMICA L nchesa ISAE sugl nvesmen delle mprese manfaurere ed esrave: aspe meodologc e rsula d Taana Cesaron ISAE, Pazza dell Indpendenza, 4, 0085 Roma Unversà degl Sud d

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

La taratura degli strumenti di misura

La taratura degli strumenti di misura La taratura degl strument d msura L mportanza dell operazone d taratura nasce dall esgenza d rendere l rsultato d una msura rferble a campon nazonal od nternazonal del msurando n questone affnché pù msure

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

Induzione elettromagnetica

Induzione elettromagnetica Induzone elettromagnetca L esperenza d Faraday L'effetto d produzone d corrente elettrca n un crcuto prvo d generatore d tensone fu scoperto dal fsco nglese Mchael Faraday nel 83. Egl studò la relazone

Dettagli

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm

Dettagli

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

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

METODI QUANTITATIVI DI RILEVAZIONE

METODI QUANTITATIVI DI RILEVAZIONE METODI QUANTITATII DI RILEAZIONE DELL IMPATTO DELLA COMUNICAZIONE NELLE STRATEGIE DI MARKETING MATTEO FINI PATRIZIO GREGORI Workng Paper n. 007-40 OTTOBRE 007 DIPARTIMENTO DI SCIENZE ECONOMICHE AZIENDALI

Dettagli

INTRODUZIONE AI SEGNALI. Fondamenti Segnali e Trasmissione

INTRODUZIONE AI SEGNALI. Fondamenti Segnali e Trasmissione INTRODUZIONE AI SEGNALI Classiicazione dei segnali ( I segnali rappresenano il comporameno di grandezze isiche (ad es. ensioni, emperaure, pressioni,... in unzione di una o piu variabili indipendeni (ad

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

Definizione. Algoritmi di Change Detection - foreground. background

Definizione. Algoritmi di Change Detection - foreground. background Algorm d Change Deecon - Defnzone 1 Change Deecon: rlevameno de cambamen n mmagn della sessa scena acquse n san dfferen. Inpu: due o pu mmagn della scena. Oupu: mmagne bnara dea Change Mask che ad ogn

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

9.6 Struttura quaternaria

9.6 Struttura quaternaria 9.6 Struttura quaternara L'ultmo lvello strutturale é la struttura quaternara. Non per tutte le protene è defnble una struttura quaternara. Infatt l esstenza d una struttura quaternara é condzonata alla

Dettagli

MODELLISTICA DI SISTEMI DINAMICI

MODELLISTICA DI SISTEMI DINAMICI CONTROLLI AUTOMATICI Ingegnera Gestonale http://www.automazone.ngre.unmore.t/pages/cors/controllautomatcgestonale.htm MODELLISTICA DI SISTEMI DINAMICI Ing. Federca Gross Tel. 059 2056333 e-mal: federca.gross@unmore.t

Dettagli