GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO"

Transcript

1 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 fsca sgnfca confrontarla con un altra grandezza ad essa omogenea scelta come untà d msura. La msura ndca quante volte l untà d msura è contenuta nella grandezza msurata. Es: una msura d lunghezza ha fornto l seguente valore: L 5. m grandezza fsca msura untà d msura Il confronto d una grandezza fsca con l untà d msura è reso partcolarmente semplce ed mmedato con l utlzzo d strument d msura coè apparecch dove l untà d msura è rprodotto su d ess e dove un ndce (strument analogc) o un numero su un dsplay (strument dgtal) fornsce drettamente la msura. Def: Portata ndca l ntervallo d msura entro cu lo strumento può operare. Se s usa uno strumento per msure superor alla sua portata s rscha d rovnarlo! Def: Sensbltà è la pù pccola varazone della grandezza che lo strumento permette d rlevare. Pertanto la sensbltà d uno strumento è la sua capactà a rspondere prontamente a varazon della grandezza da msurare. ota: ormalmente portata e sensbltà sono caratterstche contrastant tra loro nel senso che a strument d msura con grande portata corrsponde una scarsa sensbltà e vceversa. Def: Precsone è un ndce della qualtà dello strumento d msura utlzzato ed è defnto come l rapporto tra l errore commesso nella lettura della msura ed l valore della msura stessa espresso n percentuale. Ad esempo un termometro clnco può msurare temperature comprese tra 36 e 44 C con un errore del decmo d grado. Se s consdera 40 C come un valore tpco della temperatura msurata con questo strumento la sua precsone meda è d 0. C/40 C x00 0.5%. ERRORI ELLE MISURE Esstono sempre degl error assocat alle msurazon. C'è un'eccezone: se la msurazone consste nel contare grandezze dscrete coè costtute d element separat, come l numero degl student n un laboratoro, allora l numero può essere esatto. Quando s parla d errore non s ntende rferrs ad uno sbaglo. Il sgnfcato tecnco d errore potrebbe essere descrtto meglo con l termne ncertezza. In qualsas msura d varabl contnue, come la lunghezza, la massa, l tempo e così va, è nevtable che c sa ncertezza nella determnazone del loro valore esatto. La mglor cosa che è possble fare è fornre un partcolare valore della msura, detto valore pù attendble o probable p, con la garanza che l valore "vero" sa quello stesso numero, pù o meno una certa quanttà, chamata errore assoluto o massmo. Allora, l rsultato dell'espermento vene dato nella forma:

2 () p ± S dstnguono due tp d error: gl error sstematc e gl error casual. Gl error sstematc pù comun sono quell dovut al cattvo funzonamento della strumentazone utlzzata. Tal error nfluscono sul rsultato d una msura sempre n un medesmo senso e portano o a msure n dfetto o a msure n eccesso rspetto a quelle che s avrebbero n loro assenza. Se, ad esempo, un cronometro rtarda (va ndetro) l'ntervallo d tempo che s msura rsulterà pù breve d quanto esso non sa n realtà, la msura del tempo sarà allora errata per dfetto. Oppure se n un rghello costruto male l trattno usato per ndcare l mllmetro è mnore del gusto s commetterà un errore per eccesso n tutte le msure d lunghezza esegute. Gl error sstematc una volta ndvduata la causa che l hanno provocat possono essere elmnat. Un'altra fonte d errore sstematco s ha quando lo strumento d msura nterfersce con l funzonamento dell'apparato su cu s sta msurando una grandezza. Infatt questa è dversa con e senza strumento d msura applcato: è l caso delle msure d corrente e tensone con voltmetro e amperometro, perché con le loro resstenze nterne cambano la condzone d funzonamento del crcuto n esame. Gl error casual (dett anche accdental) sono quell dovut all'operatore ed alle condzon spermental della partcolare msura. Quest error modfcano casualmente l rsultato della msura o n eccesso o n dfetto. Tal fluttuazon sono dovute all mpossbltà d rprodurre esattamente n cascuna operazone d msura le stesse condzon spermental. Esemp d tal error sono: error d parallasse, error d start e stop nella msura d ntervall d tempo, pulza, derva d strument con la temperatura etc. Con l'utlzzo d strument pù sofstcat e con una maggor attenzone dello spermentatore è possble rendere gl error accdental pccol ma, a dfferenza d quell sstematc, non s possono elmnare del tutto. errore relatvo. ella pratca è pù sgnfcatvo, per poter stablre la bontà o accuratezza d una msura, l concetto d errore relatvo E r e d errore percentuale E %, nvece che d quello assoluto (µ,δ,σ ), defnt come: Er E p 0 E x 0 r Da notare che, mentre l'errore assoluto ha la stessa untà d msura della grandezza msurata, l'errore relatvo è admensonale. E evdente che una msura è tanto pù accurata quando pù pccolo è l errore relatvo e percentuale. Se n una msura l errore è dovuto solo alla lettura dello strumento, l accuratezza cresce all aumentare del valore della msura, perché l errore assoluto resta nvarato. Error nelle msure drette- Cenn d statstca descrttva S ndch con una generca varable aleatora, coè soggetta soltanto ad error casual, e s supponga d effettuare su d essa un numero d msure, s possono presentare seguent cas: Caso - Le msure effettuate danno lo stesso rsultato, oppure s esegue una sola msurazone. Il valore pù probable p è quello letto sullo strumento e l'ncertezza è suggerta dalla sensbltà dello strumento; s parla pertanto d errore d sensbltà.

3 Questo caso s presenta quando la msura è fatta con uno strumento poco sensble. S pens alla msura della larghezza d un foglo eseguta con un rghello mllmetrato. Con tale strumento l errore d msura non è nferore a 0.5 mm, corrspondente alla mezza dvsone che l operatore può apprezzare. Evdentemente l errore d sensbltà è un errore massmo che assorbe tutt gl error casual. Caso - S eseguono alcune msure e queste danno valor che possono essere dvers tra d loro. Questo è l caso n cu la msura è eseguta con uno strumento sensble. S defnscono: def. La frequenza assoluta f è l numero d volte che un valore o una classe d valor compare nelle msure effettuate. E' ovvo che la somma d tutte le frequenze assolute corrsponde al numero complessvo delle msure esegute. def. La frequenza relatva fr è l rapporto tra la frequenza assoluta e l numero totale delle osservazon. Se l valore x è stato msurato n volte, la corrspondente frequenza relatva è fr n / (che concde con la probabltà P(x ) quando è molto grande). Ovvamente la somma d tutte le frequenze relatve vale. def 3.La frequenza percentuale f % è la fr moltplcata per cento espressa n %. Spesso s suddvde l campo d varazone delle msure n un numero d ntervall d ampezza costante e s raggruppano n class d valor le msure ottenute che cadono n uno stesso ntervallo. L esto d questa operazone s rappresenta con un stogramma della dstrbuzone delle msure, coè con de rettangol d base uguale alla larghezza dell'ntervallo e d altezza uguale alla frequenza delle msure che cadono n quell'ntervallo. I rsultat delle msure non saranno dstrbut casualmente ma s collocheranno ntorno a quello che ragonevolmente è l valore pù probable. La forma dell'stogramma suggersce che tale valore è l valore medo o meda d tutte le msure defnta da: () f fr Una stma puttosto pessmstca dell'errore assoluto è la semdspersone λ defnta come l valore assoluto della semdfferenza tra l valore massmo e l valore mnmo fra quell ottenut: (3) λ max mn Una mglor stma dell'errore assoluto può essere ottenuto n base alle seguent consderazon.la dfferenza fra la meda e cascuna msura vene chamata devazone dalla meda (o scarto o resduo): (4) 3

4 Alcun degl scart sono postv ed altr negatv dal momento che c saranno degl pù grand della meda ed altr pù pccol. Questo mplca che la meda degl è zero, nfatt: ( ) / / 0 Pertanto la meda degl scart non è un modo utle d caratterzzare l'ncertezza della msura. Per evtare tale nconvenente s consdera l modulo degl scart defnendo devazone meda δ la seguente grandezza: ( 5) δ Dalla (5) s osserva che, al crescere del numero delle msure, δ tende a dventare sempre mnore: è questa è un'ulterore conferma della necesstà d esegure una msura un gran numero d volte per rdurre al mnmo l'errore dal quale essa è affetta. Pertanto l rsultato delle msure verrà ndcato nella forma: ( ± δ ) 3 Caso - Sono accessbl grand quanttà d dat. E' evdente che, quanto maggore è l numero d msure acquste tanto pù grande è l numero d ntervall n cu s può suddvdere l campo d varazone della, che raggunge un lmte mnmo determnato dalla rsoluzone del sstema d msurazone. L'stogramma delle msure tende allora ad appoggars ad una curva contnua d forma ben defnta chamata dstrbuzone lmte. La dstrbuzone lmte ha soltamente una forma smmetrca a "campana" centrata attorno al valore medo d x. Un parametro utle per defnre la larghezza della dstrbuzone e qund anche dell'stogramma è la devazone standard σ defnta come: (6) σ ( ) E' defnta, noltre, varanza la quanttà: ' ( 6 ) σ ( ) ella (6) e (6 ) la somma de quadrat degl scart è dvsa per - e non per come c s dovrebbe attendere. In questo modo s vuole correggere una certa tendenza che s avrebbe, dvdendo per, a sottostmare la sparpaglamento delle msure, specalmente se l loro numero è pccolo. Questa tendenza è evdente nel caso estremo d, coè l caso n cu s effettu un unca msurazone. In questo caso s avrebbe che l valore medo è l unca msura effettuata e lo scarto sarebbe zero. La (6) darebbe l rsultato ndefnto σ0/0 che evdenza la totale mpossbltà d stablre come sano dstrbute le msure, mentre dvdendo per s avrebbe l rsultato σ0 che è un assurdtà n quanto porterebbe alla conclusone che non v sono error nella msura. 4

5 S assume come valore pù probable l valore medo e come msura dell'errore assoluto la devazone standard. Il rsultato della sere d msure s esprmerà, pertanto, nella forma: ± σ devazone standard dalla meda Quando s rpete l rsultato d una sere d msure nella forma: x x ± σ s ntende dre che la probabltà che, rpetendo una sngola msura, essa cada nell'ntervallo x σ < x < x +σ è del 68,3%, oppure che l 68.3 % delle msure esegute cade n tale ntervallo. A rgore σ rappresenta qund non tanto l'ncertezza meda della dstrbuzone, ma quella delle sngole msure. Fra le msure effettuate l valore medo è quello pù affdable e la sua devazone dal valore vero è pù pccola d quella delle msure. S può dmostrare che l'ncertezza assocata al valore medo è volte pù pccola d quella delle sngole msure. Tale ncertezza è chamata devazone standard della meda e vale: σ σ Percò l rsultato della sere d msure deve essere espresso nella forma: x x ± σ Approssmazon de valor numerc delle grandezze e cfre sgnfcatve. ell attvtà pratca è spesso necessaro approssmare rsultat d una msura o, come spesso s usa dre, arrotondarl. Per fare cò è necessaro trascurare alcune cfre. Il numero d cfre da trascurare dpende da dvers fattor: a) Dal grado d approssmazone che s vuole raggungere. Il crtero d solto seguto nell arrotondamento è che se la prma cfra da elmnare è mnore d 5 le cfre rmanent restano nvarate (arrotondamento per dfetto). Se le cfre da elmnare nzano con un numero superore o uguale a 5 s aumenta d un untà la cfra precedente. S tenga presente che l numero d cfre sgnfcatve del rsultato d un operazone d pù msure deve essere uguale a quello della msura meno precsa. Es : Supponamo d sommare le tre masse 3.4 g +.36 g g. Il rsultato fornto dalla calcolatrce è g ma le non tutte le cfre dopo la vrgola hanno senso fsco poché almeno una grandezza nzale lmta la sua precsone alla prma cfra dopo la vrgola. La rsposta corretta è qund, arrotondando per eccesso, 34.3 g. 5

6 a) Dal grado d precsone con l quale la determnazone è stata effettuata, vale a dre dal numero delle cfre che hanno sgnfcato fsco (cfre sgnfcatve). E qund necessaro dstnguere n una msura le cfre sgnfcatve da quelle non sgnfcatve. L mportanza della sgnfcatvtà delle cfre è messa n luce dal seguente esempo. La lunghezza d un campone msurata con un rghello mllmetrato è d 9,7 cm. Cò sgnfca che la lunghezza reale è compresa tra 9.6 e 9.8 cm. Pertanto la massa del campone dovrebbe esprmers correttamente n (9,7±0.)cm e non avrebbe senso scrvere 9.70 cm perché cò avrebbe dovuto comportare l uso d uno strumento sensble al centesmo d cm coè (9,70±0.0)cm; n tal caso la msura assumerebbe una cfra sgnfcatva n pù perché lo strumento è pù sensble. E lecto assegnare agl error statstc (meda, devazone standard) un valore d un ordne d grandezza mglore d quella dell errore massmo (errore d sensbltà, semdspersone). E ragonevole non ndcare nella msura pù cfre decmal d quante ne ha la sua ncertezza. S ha così la regola generale: L ultma cfra sgnfcatva del rsultato d una msura deve essere dello stesso ordne d grandezza dell errore. Per questa ragone non è corretto dcharare per una msura d una lunghezza L(3.045±0.0)m. La stessa msura è pù ragonevolmente espressa da L(3.05±0.0)m otazone scentfca, ordne d grandezza In fsca spesso s ncontrano grandezze le cu msure sono espresse da numer molto grand o molto pccol. Per semplfcare calcol tal numer devono essere ndcat con la notazone scentfca coè come prodotto d una cfra compresa tra e 0 per una potenza d 0. Def: Ordne d grandezza d un numero è la potenza d dec pù vcna al valore numerco consderato. ota: se la parte non esponenzale del numero è superore a 5, s deve arrotondare per eccesso all ordne d grandezza successvo: così l numero x0 4 ha ordne d grandezza 0 5. Alcun comment general su grafc: Da qualche parte del grafco mettere sempre una ddascala, mes pù tard nell'mmnenza dell'esame c s domanda ma che dagramma era? Sugl ass vanno ndcat nome delle varabl e l'untà d msura mpegate. Sceglere la scala n modo che venga utlzzata la maggor porzone possble del foglo per l grafco. D fatto non esstono "punt" sul grafco poché le msure sono affette da error. Gl scart dervant da quest error vanno rappresentat sul grafco rportando, con centro nel punto due segmentn uno orzzontale e l altro vertcale d lunghezza par al doppo dell errore 6

7 commesso. Le barre d errore n lnea d prncpo sono su entramb gl ass. Spesso avvene che la msura lungo un asse sa molto pù precsa d quella lungo l'altro asse, per cu soltamente s ndca una sola barra d errore. Se s vuole raccordare con una curva dat rportat sul grafco farlo con una lnea regolare. Infatt data la contnutà de fenomen fsc s può ammettere che l legame fra la grandezza n ascsse e quella n ordnate sa n genere rappresentable medate una curva contnua. A rappresentare rsultat s sceglerà qund una curva che pass all nterno delle regon ndvduate da segment suddett ntorno a punt rappresentatv delle msure. Le msure che non soddsfano a questo requsto vanno r-verfcate. S not che a volte è possble traccare dverse curve comprese ne lmt degl error, n tal caso la conoscenza, n sede teorca, d una relazone tra le grandezze n esame è determnante per stablre l andamento della curva spermentale. Quando l grafco d una sere d dat ha un andamento regolare è possble rcavare con buona attendbltà valor d una grandezza anche n condzon che non sono state spermentate (nterpolazone ed estrapolazone grafca). ERRORI ELLE MISURE IDIRETTE- PROPAGAZIOE DEGLI ERRORI Premessa. Se z f (x,y) s chama dervata totale d z rspetto a t la grandezza: (7) dz z dx z dy + dt x dt y dt questa è anche la formula d dervazone delle funzon composte. Se nella (7) toglamo la dpendenza dalla varable t s ottene l dfferenzale totale dz (8) z z dz dx + dy x y E noto nfatt che l dfferenzale d una funzone rappresenta la sua varazone nfntesma per varazon nfntesme delle varabl ndpendent x, y. Errore massmo d una msura ndretta. Le msure drette sono quelle msure effettuate con apparecch tarat coè determnate dal confronto dretto con una untà d msura presa come rfermento. S consderno le msure ndrette, coè le msure d quelle grandezze rcavate attraverso relazon analtche n cu compaono pù msure drette, cercando d valutare l nfluenza degl error con cu s conoscono le seconde, sugl error con cu s conoscono le prme. Se la funzone z z (x, x, x 3, ) dpende dalle msure x, x, x 3, rcavate con operazon spermental c domandamo qual è l ncertezza con cu no conoscamo z tenendo presente l ncertezza sulle msure x, x, x 3,? Il dfferenzale totale d z è: 7

8 z (9) dz dx x Se consderamo che gl error massm delle grandezze drette x rappresentno pccole varazon delle varabl ndpendent, allora possamo stmare l errore della grandezza dervata tramte l dfferenzale totale della funzone z z (x, x, x 3, ) z (0) z x x S vede charamente che l'errore da cu è affetta una msura ndretta è sempre superore a quell d cu sono affette le msure fatte drettamente. Sarebbe qund consglable procedere n modo dretto, ma spesso non esste altra soluzone che l metodo ndretto. La presenza del modulo nella relazone precedente è gustfcato dal fatto che alla base della teora degl error, v è la condzone per cu l errore d una qualsas grandezza rcavata con msura ndretta, non può essere mnore del pù elevato tra gl error delle grandezze component. In base a questa propretà, anche se l applcazone della (9) darebbe luogo a operazon d dfferenza sugl error, tal dfferenze vengono trasformate n somme (prncpo d addtvtà degl error). Qund la (0) rappresenta l valore massmo dell errore della grandezza z z (x, x, x 3, ). Con cò s è combnato l effetto de x nel pù pessmstco de mod propro per ottenere l errore massmo possble anche sulla msura d z; nfatt può verfcars una cancellazone parzale degl error n x. Quando le ncertezze x sono ndpendent e casual, la somma della (0) può essere rmpazzata da una somma n quadratura ottenendo una valutazone meno pessmstca per l ncertezza nel valore calcolato d z. f () z x x () σ f σ z x x ella () è stato sosttuto l errore assoluto x d cascuna msura dretta con la devazone standard σ, cò sgnfca che se le msure x sono governate da dstrbuzon normal ndpendent, con devazone standard σ x allora anche valor z sono anch ess dstrbut normalmente con devazone standard data dalla (). Es: In un espermento con un pendolo semplce sono state ottenute le seguent msure: - lunghezza del pendolo. L (.000 ± )m - durata d 0 oscllazon complete t (0.0 ± 0.)s determnare l errore assoluto, relatvo e percentuale nella msura d g. Calcolamo l perodo d oscllazone del pendolo n base a dat assegnat: T (.00 ± 0.0) s Il perodo d oscllazone d un pendolo semplce è legato all accelerazone d gravtà g e alla lunghezza del pendolo L dalla relazone: T π L g qund L 4 π m g 9.87 T s 8

9 Dfferenzando, utlzzando la (0), rcavamo l errore assoluto: g g 4π 8π L g L + T L + T L T T T m s Pertanto g (9.87 ± 0.0) m/s E r g 0.0 E % % g APPROFODIMETO: LA CURVA DI GAUSS E stato osservato che se s effettuasse un numero nfnto d msure e se l sstema d msura non presentasse lmt d rsoluzone l nvluppo de rettangol dell stogramma tende a dvenre una curva contnua f(x) chamata dstrbuzone lmte. La funzone d dstrbuzone tpca è la "dstrbuzone normale" o "Gaussana" la cu espressone matematca è: (3) f( x) πσ e ( xµ ) σ Il coeffcente davant all esponenzale è detto coeffcente d normalzzazone. Il σ è un parametro d larghezza della dstrbuzone e µ ne è l valore atteso. Il valore centrale µ della dstrbuzone, che tende al valore vero della msura, è defnto da: che è equvalente alla (). (4) lm xf( x) dx µ + Per dmostrare la (4) basta esegure l cambamento d varabl y x-µ dydx l ntegrale dventa: x y+µ, nfatt + y + σ x + ye dy µ e σ π y σ l prmo ntegrale vale zero mentre l secondo è σ π e pertanto s ha che l valore medo è µ. Analogamente l valore lmte della varanza dopo molte msure è: dy 9

10 + lm σ ( x x) f ( x) dx La devazone standard ha l sgnfcato d parametro d larghezza della funzone d dstrbuzone. Essa è la metà della larghezza della funzone ad un altezza par a dell altezza massma della funzone stessa. Tale rsultato lo s ottene ponendo nella (3) x-µσ. Se s calcola la dervata seconda della (3) e la s pone uguale a zero è facle renders conto che la devazone standard rappresenta l ascssa del punto d flesso della funzone dsegnata assumendo l orgne n µ. σ L anals della funzone d Gauss rvela che s tratta d una curva a campana smmetrca ntorno a x µ. In µ la curva ha l suo unco massmo, che è d altezza nversamente proporzonale alla larghezza σ. Il grafco mostra due dstrbuzone gaussane. Per la curva a tratto contnuo µ e σ0.4, per la curva tratteggata µ e σ. La probabltà che una sngola msura cada n un dato ntervallo [a,b], è data da: b ( xµ ) σ ( e P a < x b) σ π Rsulta, d conseguenza, che la probabltà che x prenda esattamente un valore c, qualunque sa c, è zero. Infatt: c P( x c) f ( x) dx 0 Una nterpretazone ntutva del concetto d denstà d probabltà può essere rcavata nel modo seguente. Poché: c a dx ε ε P( a < x < a + ) ε a+ ε a f ( x) dx f ( a) ε ne emerge che l valore f(a) della denstà nel punto a è proporzonale alla probabltà che la varable x prende un valore vcno ad a. La probabltà per una msura d cadere n un punto qualunque d tutto l asse è la certezza, qund vale. Infatt: + f ( x) dx La probabltà che una msura cada entro una devazone standard è data dall ntegrale: 0

11 Ponendo y(x-µ)/σ dxσdy s ottene: P( entro σ ) µ + σ µ σ σ π e ( xµ ) σ dx + P( entro σ ) e π y dy 0.68 Per un ntervallo generco µ-tσ<x<µ+tσ l ntegrale dventa la error functon erf(t) espressa da: + t P( entro tσ ) erf ( t) e dy π t y Il rsultato d tale ntegrale non avendo soluzone analtca deve essere determnato al computer è: non rlevato, dell operatore. Il grafco mostra che l 68% d un numero elevato d msure d una grandezza, presenta una devazone nferore a ±σ; l 95,4 % delle msure ha un devazone nferore a ± σ, mentre l 99.7 % delle msure ha una devazone nferore a ±3σ. La statstca fornsce così un crtero per consderare non attendbl, e qund da scartare, que rsultat che presentano una devazone superore a ± 3σ: ess con ogn probabltà sono mputabl ad un errore sstematco, BIBLIOGRAFIA - John R.Taylor Introduzone all'anals degl error Zanchell - Gaetano Cannell Metodologe spermental n fsca EdSES - A.De March, L.Lo Prest Incertezze d msura Clut - E.Bava, R.Ottobon, C.Svelto Prncp d msura Poltecnco d Mlano

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

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

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

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

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

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

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

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

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

Precisione e Cifre Significative

Precisione e Cifre Significative Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte

Dettagli

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi

Analisi di mercurio in matrici solide mediante spettrometria di assorbimento atomico a vapori freddi ESEMPIO N. Anals d mercuro n matrc solde medante spettrometra d assorbmento atomco a vapor fredd 0 Introduzone La determnazone del mercuro n matrc solde è effettuata medante trattamento termco del campone

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

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

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

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

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

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

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

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

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

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

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

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

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

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

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

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

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

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA

INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA Lezone 7 - Indc statstc: meda, moda, medana, varanza INDICI STATISTICI MEDIA, MODA, MEDIANA, VARIANZA GRUPPO MAT06 Dp. Matematca, Unverstà d Mlano - Probabltà e Statstca per le Scuole Mede -SILSIS - 2007

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

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm.

Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE. Prof. Dario Amodio d.amodio@univpm.it. Ing. Gianluca Chiappini g.chiappini@univpm. Corso AFFIDABILITÀ DELLE COSTRUZIONI MECCANICHE Prof. Daro Amodo d.amodo@unvpm.t Ing. Ganluca Chappn g.chappn@unvpm.t http://www.dpmec.unvpm.t/costruzone/home.htm (Ddattca/Dspense) Testo d rfermento: Stefano

Dettagli

Il pendolo di torsione

Il pendolo di torsione Unverstà degl Stud d Catana Facoltà d Scenze MM.FF.NN. Corso d aurea n FISICA esna d ABORAORIO DI FISICA I Il pendolo d torsone (sezone costante) Moreno Bonaventura Anno Accademco 005/06 Introduzone. I

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

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

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

DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI

DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI Captolo - Dalla teora degl error al trattamento de dat DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI LA MISURA DELLE GRANDEZZE Nel descrere fenomen, occorre da un lato elaborare de modell (coè delle

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

Calcolo della caduta di tensione con il metodo vettoriale

Calcolo della caduta di tensione con il metodo vettoriale Calcolo della caduta d tensone con l metodo vettorale Esempo d rete squlbrata ed effett del neutro nel calcolo. In Ampère le cadute d tensone sono calcolate vettoralmente. Per ogn utenza s calcola la caduta

Dettagli

Appunti delle lezioni di Laboratorio di Strumentazione e Misura

Appunti delle lezioni di Laboratorio di Strumentazione e Misura Sergo Frasca Appunt delle lezon d Laboratoro d Strumentazone e Msura Dpartmento d Fsca Unverstà d Roma La Sapenza Museo del Dpartmento d Fsca dell'unverstà La Sapenza Versone 5 ottobre 004 Versone aggornata

Dettagli

lxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt http://www2.dm.unito.it/paginepersonali/zucca/index.htm Misura:

lxmi.mi.infn.it/~camera/silsis/laboratorio-1/2-statistica.ppt http://www2.dm.unito.it/paginepersonali/zucca/index.htm Misura: Elaborazone de dat geochmc e cenn d statstca lm.m.nfn.t/~camera/slss/laboratoro-1/-statstca.ppt http://www.dm.unto.t/pagnepersonal/zucca/nde.htm Msura: Espressone quanttatva del rapporto fra una grandezza

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

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

Verifica termoigrometrica delle pareti

Verifica termoigrometrica delle pareti Unverstà Medterranea d Reggo Calabra Facoltà d Archtettura Corso d Tecnca del Controllo Ambentale A.A. 2009-200 Verfca termogrometrca delle paret Prof. Marna Mstretta ANALISI IGROTERMICA DEGLI ELEMENTI

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

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

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest

Dettagli

Calibrazione. Lo strumento idealizzato

Calibrazione. Lo strumento idealizzato Calbrazone Come possamo fdarc d uno strumento? Abbamo bsogno d dentfcare l suo funzonamento n condzon controllate. L dentfcazone deve essere razonalmente organzzata e condvsa n termn procedural: s tratta

Dettagli

Condensatori e resistenze

Condensatori e resistenze Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere

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

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

MACROECONOMIA A.A. 2014/2015

MACROECONOMIA A.A. 2014/2015 MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

Analisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti

Analisi e confronto tra metodi di regolarizzazione diretti per la risoluzione di problemi discreti mal-posti UNIVERSIA DEGLI SUDI DI CAGLIARI Facoltà d Ingegnera Elettronca Corso d Calcolo Numerco 1 A.A. 00/003 Anals e confronto tra metod d regolarzzazone drett per la rsoluzone d prolem dscret mal-post Docente:

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

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

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

Laboratorio di Strumentazione e Misura. Cesare Bini

Laboratorio di Strumentazione e Misura. Cesare Bini Laboratoro d Strumentazone e Msura Cesare Bn Corso d laurea n Fsca Anno Accademco 006-007 Quest appunt sono basat sulle lezon del modulo d Laboratoro d Strumentazone e Msura del prmo anno delle lauree

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

Valutazione delle opzioni col modello di Black e Scholes

Valutazione delle opzioni col modello di Black e Scholes Valutazone delle opzon col modello d Black e Scholes Rosa Mara Mnnn a.a. 2014-2015 1 Introduzone L applcazone del moto Brownano all economa é stata nnescata prncpalmente da due cause. Attorno agl ann 70,

Dettagli

VA TIR - TA - TAEG Introduzione

VA TIR - TA - TAEG Introduzione VA TIR - TA - TAEG Introduzone La presente trattazone s pone come obettvo d analzzare due prncpal crter d scelta degl nvestment e fnanzament per valutare la convenenza tra due o pù operazon fnanzare. S

Dettagli

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student. Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana

Dettagli

MODELLI DI SISTEMI. Principi di modellistica. Considerazioni energetiche. manca

MODELLI DI SISTEMI. Principi di modellistica. Considerazioni energetiche. manca ONTOI UTOMTII Ingegnera della Gestone Industrale e della Integrazone d Impresa http://www.automazone.ngre.unmore.t/pages/cors/ontrollutomatcgestonale.htm MODEI DI SISTEMI Ing. ug Bagott Tel. 05 0939903

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

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

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

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

Dai circuiti ai grafi

Dai circuiti ai grafi Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat

Dettagli

PARENTELA e CONSANGUINEITÀ di Dario Ravarro

PARENTELA e CONSANGUINEITÀ di Dario Ravarro Introduzone PARENTELA e CONSANGUINEITÀ d Daro Ravarro 1 gennao 2010 Lo studo della genealoga d un ndvduo è necessaro al fne d valutare la consangunetà dell ndvduo stesso e la sua parentela con altr ndvdu

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

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Dettagli

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi

Regressione Multipla e Regressione Logistica: concetti introduttivi ed esempi Regressone Multpla e Regressone Logstca: concett ntroduttv ed esemp I Edzone ottobre 014 Vncenzo Paolo Senese vncenzopaolo.senese@unna.t Indce Note prelmnar alla I edzone 1 Regressone semplce e multpla

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM

Dettagli

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti: S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva

Dettagli

Capitolo 3. Cap. 3-1

Capitolo 3. Cap. 3-1 Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

LA CALIBRAZIONE NELL ANALISI STRUMENTALE LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della

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

Circuiti di ingresso differenziali

Circuiti di ingresso differenziali rcut d ngresso dfferenzal - rcut d ngresso dfferenzal - Il rfermento per potenzal Gl stad sngle-ended e dfferenzal I segnal elettrc prodott da trasduttor, oppure preleat da un crcuto o da un apparato elettrco,

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

PARTE II LA CIRCOLAZIONE IDRICA

PARTE II LA CIRCOLAZIONE IDRICA PARTE II LA CIRCOLAZIONE IDRICA La acque d precptazone atmosferca che gungono al suolo scorrono n superfce o penetrano n profondtà dando orgne alla crcolazone, la quale subsce l nfluenza d molt fattor

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

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

L analisi di studi con variabili di risposta multiple

L analisi di studi con variabili di risposta multiple X1 X X 3 Quando un confronto venga effettuato per tre lvell d un fattore, sembrerebbe ntutvo effettuare l confronto con l test t d Student a pù lvell: X X X 1 1 vs vs vs X X X 3 3 Metodologa per l anals

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

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO 4. SCHMI ALTRNATIVI DI FINANZIAMNTO DLLA SPSA PUBBLICA. Se l Governo decde d aumentare la Spesa Pubblca G (o Trasferment TR), allora deve anche reperre fond necessar per fnanzare questa sua maggore spesa.

Dettagli

Prova di verifica n.0 Elettronica I (26/2/2015)

Prova di verifica n.0 Elettronica I (26/2/2015) Proa d erfca n.0 lettronca I (26/2/2015) OUT he hfe + L OUT - Fgura 1 Con rfermento alla rete elettrca d Fg.1, determnare: OUT / OUT / la resstenza sta dal generatore ( V ) la resstenza sta dall uscta

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

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita Teora degl error Processo d msura defnsce una grandezza fsca. Sstema oggetto. Apparato d msura 3. Sstema d confronto La msura mplca un gudzo sull uguaglanza tra la grandezza ncognta e la grandezza campone

Dettagli

Parametri e protocolli di riferimento

Parametri e protocolli di riferimento Parametr e protocoll d rfermento P. Isoard - O. Rampado - R. Ropolo S.C. Fsca Santara A.S.O. San Govann Battsta d Torno Document d rfermento general Gudelnes for Acceptance Testng and Qualty Control, Techcal

Dettagli

UNA RASSEGNA SUI METODI DI STIMA DEL VALUE

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

Dettagli

Capitolo 2 Dati e Tabelle

Capitolo 2 Dati e Tabelle Captolo 2 Dat e Tabelle La Descrzone della Popolazone La descrzone d una popolazone passa attraverso due fas: 1. la formazone de dat statstc 2. la sntes de dat La formazone del dato statstco prevede: ()

Dettagli

Lezione 2 a - Statistica descrittiva per variabili quantitative

Lezione 2 a - Statistica descrittiva per variabili quantitative Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90

Dettagli

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3 Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements

Soluzione attuale ONCE A YEAR. correlation curve (ISO10155) done with, at least 9 parallel measurements Torna al programma Sstema per la garanza della qualtà ne sstem automatc d msura alle emsson: applcazone del progetto d norma pren 14181:2003. Rsultat dell esperenza n campo presso due mpant plota. Cprano

Dettagli

Grafico di una serie di dati sperimentali in EXCEL

Grafico di una serie di dati sperimentali in EXCEL Grafco d una sere d dat spermental n EXCEL 1. Inseramo sulla prma rga l ttolo che defnsce l contenuto del foglo. Po nseramo su un altra rga valor spermental della x e su quella successva valor della y.

Dettagli