CORSO DI CALCOLO NUMERICO A.A

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "CORSO DI CALCOLO NUMERICO A.A"

Transcript

1 CAPIT-0.DOC Versoe aggorata l goro 08/03/00 CORSO DI CALCOLO NUMERICO A.A ( Prof. A. Belle ) CAPITOLO 0 TEORIA DEGLI ERRORI I questo captolo c occuperemo della rappresetaoe de umer real ua base assegata, della loro rappresetaoe approssmata elle utà artmetche de computers e delle coseguee che tale approssmaoe produce ella esecuoe d ua sequea d calcol progettata per rsolvere u dato problema. 1. RAPPRESENTAZIONE POSIZIONALE DEI NUMERI REALI Sa dato u tero B, che chameremo base, ed u seme d B smbol dstt, C={0,1,2,...B-1}, che chameremo cfre della base B, rappresetat prm B umer ter, da 0 a B-1. E' oto che og umero reale x s può rappresetare, ella base B, co l seguete alleameto d cfre d B: x=a a -1...a 0,a -1 a tededo co cò: x=a B +a -1 B a 0 B 0 +a -1 B -1 +a -2 B (0.1) La rappresetaoe è uca quado s escluda l'alleameto perodco d perodo cocdete co la cfra massma della base. Ifatt s dmostra faclmete (utlado la somma della sere geometrca) che: 0,(B-1)(B-1)..(B-1) =1 Qud, accordo co la (0.1), ua rappresetaoe perodca d perodo B-1 cocde co la rappresetaoe otteuta cremetado d ua utà la cfra che precede l perodo, seguto dallo ero perodco (che aturalmete o s usa scrvere). Per esempo, ella base 8, s ha 1

2 2 x=453, = 453, Quado le cfre che seguoo la vrgola soo tutte ulle l umero è tero, caso cotraro s dce decmale. I og caso l umero y=a a -1...a 0 rappreseta la parte tera d x metre l umero =0,a -1 a -2..., che rsulta sempre <1, e rappreseta la parte decmale. Il umero x è sempre dato dalla somma della sua parte tera co la parte decmale. E' evdete che l carattere tero o decmale d x, ed ache la separaoe della sua parte tera da quella decmale, o dpede dalla base B. D coseguea e camb d base è suffcete trasformare separatamete la parte tera e la parte decmale d x. A tale scopo osservamo che per u umero tero y=a a -1...a 0 s ha: y=a B +a -1 B a 1 B+a 0 =(a B -1 +a -1 B a 1 )B+a 0 da cu, essedo a 0 <B, s deduce che a 0 è l resto della dvsoe d y per B l cu quoete q 0 è dato da: q 0 =a B -1 +a -1 B a 1 A sua volta q 0 =(a B -2 +a -1 B a 2 )B+a 1. da cu s rcava che a 1 è l resto d q 0 /B. Così procededo, fo ad cotrare u quoete more d B, s ottegoo tutte le cfre della rappresetaoe cercata. Per u umero decmale =0,a -1 a =a -1 B -1 +a -2 B determaoe delle cfre è dverso. Moltplcado per la base s ha: l algortmo per la B=B(a -1 B -1 +a -2 B )= a -1 +(a -2 B -1 +a -3 B ). Essedo evdetemete (a -2 B -1 +a -3 B )<1, la cfra a -1 rappreseta la parte tera del prodotto B, metre r 1 =a -2 B -1 +a -3 B

3 3 e rappreseta la parte decmale. Aalogamete a -2 è otteuto come parte tera d Br 1 e così d seguto. I umer decmal s dstguoo perodc e o perodc. A loro volta umer perodc possoo essere dvs tra quell d perodo 0, e qud ft, e gl altr, ma quest ultma o e ua suddvsoe sgfcatva de umer. Ifatt e cambamet d base valgoo le seguet proposo: Se x è raoale, allora è perodco qualuque base. Se x è perodco ( qualche base) allora è raoale. D coseguea u umero perodco rmae tale qualuque base. La perodcta o è duque ua caratterstca della rappresetaoe ma dpede dalle propreta algebrche del umero. x raoale x perodco. I geerale o vee però coservato l carattere fto de umer perodc. S pes per esempo al umero x=1/3 che base 10 s esprme co 0, ed base 3 co 0,1 (ma rcordamoc che 0,1 o e che l abbrevaoe coveoale d 0,1000..). 2. RAPPRESENTAZIONE "FLOATING POINT" E NUMERI DI MACCHINA E' evdete che la moltplcaoe o la dvsoe d u umero x per la sua base d rappresetaoe ha l'effetto d spostare la vrgola d ua posoe a destra o, rspettvamete, a sstra ella sua rappresetaoe posoale. Per esempo: x=a a -1...a 0,a -1 a Bx=a a -1...a 0 a -1,a D coseguea og umero reale x, eccetto lo ero, s potra rappresetare come: x=±b p b 0,b 1...b... co b 0 0 per ua opportua scelta dell'espoete p. Tale rappresetaoe de umer real è detta rappresetaoe ormale. Il umero p è detto espoete ed l umero b 0, b 1...b... è detto matssa d x. 3

4 4 Ne calcolator elettroc la base pù comuemete usata è B=2 e le cfre soo dcate co 0 ed 1. A volte s usao altre bas, ma le cfre relatve a queste bas soo sempre espresse forma bara (rappresetaoe msta). Per esempo base B=10 l umero x=945 sarà rappresetato attraverso la sequea delle sue tre cfre espresse forma bara: 1001 (=9), 0100 (=4), 0101 (=5): x= E' evdete lo spreco d memora t tale rappresetaoe msta ella quale og cfra, per essere espressa base 2, ha bsogo d 4 poso. Queste 4 poso o sarao ma sfruttate tutte le loro possbl cofgurao, pochè la cfra massma è 1001 (=9). Se la base è ua potea d 2, B=2 p allora la rappresetaoe msta è ottmale e cocde co quella base 2. Ad esempo base B=8 (p=3) cosderamo l umero x=537= Le sue cfre, espresse forma bara, ecesstao d 3 poso e soo: 101 (=5) 011 (=3) 111 (=7) La rappresetaoe msta sarà duque: x= La stuaoe è ottmale quato le cfre della base 8 soo espresse da tutte e sole le tere d cfre bare E' facle verfcare che tale alleameto d cfre bare è lo stesso della rappresetaoe d x base 2. A tale scopo s osserv che 8=2 3 e potee d 2, s ha: 8 2 =2 6 e, svluppado le cfre d x x= (101) 2 6 +(011) 2 3 +(111)=( )2 6 +( )2 3 +( ) = Qud l passaggo d x da base 2 a base 2 p s ottee drettamete raccogledo le cfre d x a grupp d p a partre dalla fe, ed esprmedo og gruppo co la corrspodete cfra della base 2 p 4

5 5 ESEMPIO: da base 2 a base 8 x= { { { { x= ESEMPIO: da base 2 a base 16(=2 4 ). Suppoamo che le cfre della base 16 sao (0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F) x= x= 8 F 4 B Poche regstr delle utà artmetche e dspostv d memora d u calcolatore cosetoo l'allocaoe d u umero fto d cfre bare o s possoo, geerale, memorare tutte le cfre preset ella rappresetaoe ormale del umero. Vegoo qud assegate delle poso d memora per l sego, per l'espoete e per la matssa del umero. Schematamo, per l mometo, la rappresetaoe del umero ella forma: sego espoete matssa L'seme M de umer rappresetabl tal modo su u determato calcolatore soo dett umer d maccha e la loro rappresetaoe, detta rappresetaoe vrgola moble o floatg pot, e del tpo: =±B p b 0,b 1...b t co b 0 0 Ovvamete M e u sottseme fto de umer real e s osserv che la dstaa tra due umer d maccha successv o e costate ma dpede dal umero stesso. Ifatt, detto l umero d maccha successvo a modulo s ha: = ±B p ( b 0,b 1...b t +0,0 1). - = B p 0,0 1 = B p-t Og calcolatore adotta ua partcolare rappresetaoe per propr umer d maccha e la fuoe che assoca al umero reale x l umero d maccha che lo rappreseta o che lo approssma vee dcata geercamete co =fl(x). 5

6 Stadard IEEE L'ampea dello spao dedcato all'espoete ed alla matssa, oche le modalta della loro memoraoe, vara da calcolatore a calcolatore e e rappreseta ua caratterstca fodametale. Ua cofguraoe molto dffusa è quella stablta dallo stadard dell'ieee (Isttute of Electrcal ad Electroc Egeers) che assega u'area d 32 poso per la semplce precsoe e 64 per la doppa precsoe così dstrbute 1 posoe per l sego 8 o 11 poso per l'espoete 23 o 52 poso per la matssa. Nella semplce precsoe, le 8 poso bare dedcate all'espoete cosetoo d rappresetare umer da 0 a 2 8-1=255. I realtà gl estrem 0 e 255 soo rservat ad altr scop e qud umer utl soo compres tra 1 e 254. Se p è l'espoete della rappresetaoe ormale d x, ell'area oggetto verrà allocato l umero q=p+127. D coseguea p può varare tra -126 e 127. Per quato rguarda la matssa della rappresetaoe floatg pot d x, poche la parte tera e sempre 1, ello spao ad essa dedcato verra memorata solo la sua parte decmale. Pochè base 2 la matssa pù pccola è e la pù grade è (<2), l pù pccolo umero postvo rappresetable è metre l pù grade è quas Aalogamete el caso della doppa precsoe. Se durate le operao s va al d sotto o al d sopra d tal valor, l'utà artmetca segala rspettvamete errore d uderflow o overflow. Lo ero e rappresetato dalla sequea d 32 o 64 er Se le cfre decmal della matssa d x soo umero superore a t dobbamo operare qualche approssmaoe per la sua memoraoe. Tra var mod d operare c soo sostaalmete 2 stratege, quella del trocameto e quella dello arrotodameto. Sa x =± 2 p 1,b 1...b t b t+1... l umero reale da memorare. Il trocameto cosste semplcemete el trascurare tutte le cfre decmal della matssa successve alla t-esma. Avremo qud: 6

7 7 tr(x)=± 2 p 1,b 1...b t e la sua memoraoe el regstro sarà: ± q b 1...b t co u errore x-tr(x) 2 p-t L'arrotodameto vece è defto el seguete modo: arr(x)=± 2 p 1,b 1...b t se b t+1 =0 arr(x)=± 2 p (1,b 1...b t +0,0 1) se b t+1 =1 I altre parole arr(x) e defto come l trocameto =tr(x) se la t+1 esma cfra è 0 oppure l umero d maccha successvo d tr(x) se la t+1 esma cfra è 1, e pu precsamete, quello de due che e pù vco ad x. Qud l errore sara al pù par alla metà della dstaa tra l umero e l suo successvo ( ). S osserv che, rspetto a modul, el prmo caso s ha ua approssmaoe per dfetto ( seso debole), el secodo per eccesso ( seso forte). I quest'ultmo caso s ha: arr(x)=± 2 p 1,b 1...b t ± 2 p 0,0...1 = ± 2 r 1,a 1...a t e la sua schemataoe sarà: sego espoete a 1...a t I umer tr(x) e arr(x) soo dett etramb rappresetao vrgola moble (floatg pot) del umero x. L'seme de umer rappresetabl su u determato calcolatore soo dett umer d maccha. Og calcolatore adotta ua rappresetaoe per propr umer d maccha e la fuoe che assoca al umero reale x l umero d maccha tr(x) oppure arr(x) vee dcata geercamete co fl(x) (approssmaoe: floatg pot del umero reale x). Voglamo ora aalare l'errore che s compe el sostture x co fl(x). Come abbamo ga osservato, rspetto a modul l trocameto è u'approssmaoe sempre per dfetto, metre ell'arrotodameto l tpo d approssmaoe dpede dalla prma cfra trascurata. Per quato rguarda l modulo dell'errore s ha: 7

8 8 x - tr(x) = 2 p 1,b 1...b t b t p 1,b 1...b t = 2 p 0,0...0b t p-t x-arr(x) 1 - tr(x) 2p-t-1. 2 L ultma relaoe e gustfcata dal fatto che arr(x) e dato da tr(x) o dal suo successvo I geerale: -fl() ρ2 p-t 1 dove ρ= 1 2 el trocameto ell'arrotodameto L'errore dpede duque o solo dalla lughea t della matssa ma ache da p, coè dall'orde d gradea del umero. Per quato rguarda vece l'errore relatvo, pochè 2 p, s ha: -fl() ρ2 -t La quattà ε :=ρ2 -t è detta precsoe d maccha o epslo d maccha o utà d arrotodameto ed è u parametro caratterstco del calcolatore. I coclusoe la relaoe che lega u umero reale alla sua rappresetaoe fl() è: fl()=(1+u) co u ε (0.2) S vede faclmete che ε rappreseta l pù pccolo umero reale che sommato ad 1 da come rsultato u umero floatg maggore d 1. La cooscea d questo parametro è esseale per u cotrollo della propagaoe dell'errore ell'esecuoe de var algortm che vedremo el corso. L'epslo d maccha s può calcolare co l seguete algortmo: e=1 =0 whle 1+e > 1 e=e/2 =+1 ed prt (-1,2 * e) ed I valor output -1 e 2 * e soo rspettvamete l umero delle cfre decmal della matssa e l'epslo d maccha. La doppa precsoe dello stadard IEEE forsce l valore ε=2-52 =

9 9 3. OPERAZIONI DI MACCHINA E PROPAGAZIONE DEGLI ERRORI. E' charo che umer d maccha o soo u seme chuso rspetto alle operao elemetar. Coè l rsultato d ua operaoe artmetca tra due operad apparteet all'seme de umer d maccha o è ecessaramete u umero d maccha. Se per esempo s moltplca per 2 l pù grade umero d maccha ammssble l rsultato o sarà certamete u umero d maccha. Se s esegue la dvsoe d 1 per 3, pur essedo etramb gl operad umer d maccha l rsultato o lo è. Il prodotto d due umer co t cfre decmal è, geerale, u umero co 2t cfre decmal, e così va. Detta x y ua geerca operaoe tra due operad pres ell'seme de umer d maccha ( :M R, dove M è l seme de umer d maccha), dchamo co x y l rsultato forto dall'utà artmetca. Nell'esegure u'operaoe, che chameremo operaoe d maccha (*:M M), s commetterà geerale u'errore rspetto all'operaoe. Tale errore dpede dalla lughea de regstr dell'utà artmetca che possoo essere lugh fo al doppo de regstr d memora. Per le ostre aals faremo la seguete potes d lavoro: x y= fl(x y) I altre parole, ua operaoe d maccha cocde co l'approssmaoe floatg del rsultato dell' operaoe esatta. L'errore relatvo sarà, base alla (0.2), x y-x y =u co u ε. x y Qud ua sgola operaoe tra umer d maccha da luogo ad u errore relatvo dell'orde d ε ed è qud accettable dal puto d vsta dell'approssmaoe. Se però l rsultato d questa operaoe è a sua volta l dato d ua operaoe successva, l'errore sul dato s propagherà el rsultato fale. La msura d tale propagaoe dpederà da quato la secoda operaoe è sesble alle perturbao su dat. S cosdero per esempo le seguet formule, che possoo essere terpretate come tat algortm per l calcolo dello stesso umero: = = 3 = ( 2 1) 6 = ( 3 2 2) 3 = ( 2 7) 2 1 ( 2 + 1) 6 = = =

10 10 Tutte rchedoo l calcolo prevetvo d 2 (=1, ) che sarà ecessaramete dato forma approssmata. Suppoamo oltre che calcol ecessar per og formula sao esegut sea errore. Per esaltare l'effetto voluto cosderamo le seguet approssmao d 2 : co errore relatvo u=0, co errore relatvo u= S ottegoo seguet valor: errore relatvo ( 2 1) 6 2 ( 2 2) ( 5 2 7) errore relatvo 0, ,1 0, ,002 0, ,2 0, ,002 0,008 0,6 0, , ,0049 0, , ( 2 + 1) , ,05 0, , , ,0052 0, , Dalla precedete tabella s osserva che lo stesso errore sul dato 2 produce effett molto dvers sulle vare formule proposte. Alcue d esse rducoo l'errore sul dato, altre lo amplfcao eormemete. Le formule 5 e 7 soo rspettvamete la pù stable e la pù stable rspetto alle perturbao sul dato 2. I partcolare la formula 5 amplfca l'errore relatvo su 2 d u fattore metre la formula 7 lo rduce d u fattore 0,5. Per capre l'orge d tale dverstà d comportameto, basta terpretare le 7 formule proposte come valor delle seguet fuo el puto x= 2 : x x ; ( x 1) 6 ; ( 3 2x) 3 ; ( 5x 7) 2 ; x ; ( ) 6 x + 1 ; x E' charo che la formula corrspodete alla fuoe che possede la dervata x= grade, è quella che maggormete propaga l'errore sul dato. 2 pù Suppoamo pù geerale d avere de dat x 1, x 2,..,x ed ua fuoe d quest ultm che dcheremo co 10

11 11 =f(x 1, x 2,..,x ). Suppoamo ora d perturbare dat e d calcolare la fuoe f su dat perturbat: = f(x1,x2,...,x ) dove: x 1 =x1 (1+ε 1 ) x 2 =x2 (1+ε 2 )... x =x (1+ε ) Per effetto d tal perturbao su dat, otteamo ua perturbaoe relatva sul rsultato del tpo. Rguardo alla relaoe tra queste perturbao, damo la seguete defoe: Defoe: Dremo che l problema =f(x 1, x 2,..,x ) è stable (o be posto) se la perturbaoe sul rsultato è dello stesso orde d gradea delle perturbao su dat. Per ua stma della quattà - trocato a term del prm'orde: cosderamo lo svluppo d Taylor della fuoe f = f(x1,x2,...,x f f f ) = f(x1, x 2,..,x ) + x 1 ε 1 + x x 2 ε x 1 x ε 2 x f f f = + x1 ε 1 + x x 2 ε x 1 x ε 2 x - = x 1 f ε x 1 + x 2 1 f x 2 ε x f x ε Otteamo cos la seguete stma dell'errore relatvo su fuoe degl error relatv su dat: - =K 1 ε 1 + K 2 ε K ε dove umer K 1 = x 1 codoameto del problema. f, K x 2 = x 2 f... 1 K x = x f 2 x soo dett dc d 11

12 12 Gl dc K rappresetao fattor d amplfcaoe delle perturbao relatve su dat. Se K 1 dremo che l problema è stable o be posto, metre se qualche K >> 1 dremo che l problema è stable o mal posto. Cosderamo acora la formula 5 dell'esempo precedetemete trattato ed osservamo che la corrspodete fuoe 99-70x ha, x= 2, la dervata uguale a -70 e qud l'dce d codoameto è 2 70 K che corrspode esattamete all'amplfcaoe dell'errore che avevamo gà osservato. Ache per la formula 7 la precedete aals dffereale forsce u dce d codoameto perfettamete adeguato a rsultat della tabella ( K =0.5). Il lettore verfch che la moltplcaoe e la dvsoe soo operao be poste per og coppa d operad, metre la somma è be posta per operad d sego uguale. Per quado rguarda vece la somma d added dscord, coè la sottraoe, essa può essere mal codoata. Ifatt, dett e = x + y =x(1+εx ) + y(1+ε y ), s ha: =x+xεx + y + yε y = + xε x + yε y = x εx + y εy Se x ed y soo d sego opposto almeo uo degl dc d codoameto x/(=k 1 ) e y/(=k 2 ) è maggore d 1 e possoo essere grad quado la somma è pccola rspetto agl added. La sottraoe tra addet quas ugual è duque l'uca operaoe elemetare che rsulta stable S osserv che questo è esattamete cò che accade ella formula 5 degl esemp precedet. Cosderamo pù geerale u algortmo coè ua sequea ordata d operao elemetar co le qual s ottee la soluoe d u determato problema. Sccome og operaoe della sequea verrà eseguta come operaoe d maccha, 12

13 13 og passo d questa sequea da orge a due compoet d errore. La prma è dovuta all'approssmaoe delle operao d maccha e, accordo co la ostra potes d lavoro, o supera l'utà d arrotodameto. I qualche caso questa compoete d errore può essere ulla. La secoda, pù mportate e "percolosa", è dovuta alla propagaoe dell'errore accumulato fo al passo precedete. Essa dpede esclusvamete dalla atura stable o stable dell'operaoe che s compe el passo cosderato. Per meglo afferrare questo puto cosderamo l seguete esempo. Sa dato l problema =a + b + c per l quale cosderamo due possbl algortm: 1 algortmo: = (a + b) + c 2 algortmo: = a + (b + c) L'aals dell'errore el prmo algortmo forsce: ξ = fl(a + b) = (a + b)(1 + ε 1 ) = fl(ξ + c) = (ξ + c)(1 + ε2 ) ε 1 ε ε 2 ε da cu s ottee, trascurado l terme ε 1 ε 2 : = ((a + b)(1 + ε1 ) + c)(1 + ε 2 )= + (a + b)ε 1 + ε 2 (0.3) - = a + b ε 1 + ε 2 Per l secodo algortmo s ottee ua aaloga stma dell'errore relatvo del tpo: ' - = b + c ε' 1 + ε' 2 co ε' 1 ε e ε' 2 ε. E' evdete che tra due algortm è pù stable quello corrspodete al pù pccolo tra gl dc d codoameto a + b e b + c. S eseguao calcol e l'aals dell'errore de due algortm su seguet dat: a = 0, b =-0, c = 0,

14 14 Complemet alla teora degl error U approcco geerale per l'aals dell'errore d u algortmo applcato ad u assegato problema è forto dalla seguete aals all'detro. Essa s basa sul fatto che u algortmo per l calcolo d =f(x 1, x 2,..,x ) eseguto co operao d maccha forsce u rsultato effettvo corrspodete al valore esatto della fuoe f calcolata su dat perturbat x =x (1+ε ): = f(x1,x2,...,x ). L'aals all'detro cosste ello stmare valor ε term dell'utà d arrotodameto: ε =c ε. I umer c soo chamat dc d codoameto dell'algortmo. Defoe: U algortmo s drà stable o be codoato se forsce la soluoe esatta d u problema perturbato co error relatv ε dell'orde d gradea dell'utà d arrotodameto. Ua volta eseguta l'aals all'detro s esegue l'aals della stabltà del problema fuoe delle perturbao ε su dat. S ottee così la stma dell'errore: - =K 1 ε 1 + K 2 ε K ε =(K 1 c 1 + K 2 c K c )ε Co questa aals s può dstguere la stabltà o stabltà del problema da quella dell'algortmo. Nell'esempo precedete s vede, dalla (0.3), che l prmo algortmo equvale al calcolo d : = a(1 + σ) + b(1 + σ) + c(1+ε2 ) co σ 2ε e ε 2 ε metre l secodo equvale a: ' = b(1 + σ') +c(1 + σ') + a(1+ε'2 ) co σ' 2ε e ε' 2 ε 14

15 15 Gl algortm appaoo etramb stabl quato forscoo la somma esatta d tre added affett da ua perturbaoe o superore a 2ε. Quado s va però ad aalare l'effetto d tal perturbao sul problema =a+b+c s ottee: a + b σ + c = 2 ε 2 b + c a = σ ' + ε ' 2 per l prmo algortmo per l secodo algortmo. Rspetto a tal perturbao su dat, l problema può essere be o mal codoato, a + b b + c c a dpede dagl dc d codoameto,, e. Per valor propost d a,b e c l problema è mal codoato ed a cò è dovuta la dsastrosa propagaoe dell'errore che s rscotra. I partcolare s osserv che l prmo algortmo è peggore del secodo. Come applcaoe della teora svolta, suppoamo d voler calcolare l valore del polomo: p(x)=a x +a -1 x a 1 x+a 0 Cò può essere fatto sostaalmete due mod, attraverso lo schema aturale e lo schema d Horer. Schema aturale: dat: x, a 0,..., a s=1 p=a 0 per =1,2,..., fe scrv p s=s x p=p+a s Il costo computaoale è d somme e 2 moltplcao. 15

16 16 Schema d Horer: Il metodo d Horer s basa sul fatto che l polomo p(x) può essere scrtto ella seguete forma: p(x)=(..(((a )x+a -1 )x+a -2 )x+...+a 1 )x+a 0 da cò s rcava lo schema: dat: x, a 0,..., a p=a per =1,2,..., fe scrv p p=p x+a - U prmo vataggo dell'algortmo d Horer cosste el more costo computaoale che s rduce a somme ed moltplcao. Il prcpale vataggo però sta ella sua maggore stabltà rspetto allo schema aturale. Per vedere cò eseguamo le aals all'detro. Aals all'detro dello schema aturale: Idcado come al solto co f(w) l rsultato d maccha della fuoe f(w), s vede che l'ultmo passo dell'algortmo aturale è: Pochè : = 0 ax -1-1 = fl a ( ( ) x + fl a fl x x = 0-1 a x = 0 + fl a -1 a x = 0 + a fl x x -1 = 0 = -1 ( fl( x x ) ( 1+ ε ) -1 ( ( ))( 1+µ ) ( 1 ε ) + a x + -1 ( a x x )(1+ ρ )( 1+ µ ) ( 1+ ε = = ) 16

17 x = x x ( 1ρ-1) =...= x ( 1ρ2)...( 1ρ -1) -1 s ottee: = 0 ax = -1 = ax + ax ( 1+ ρ2 )( 1+ ρ3 )...( 1+ ρ )( 1+µ ) ( 1+ ε ) 0 dove tutte le perturbao preset soo d modulo ferore all'utà d arrotodameto ε. Per semplfcare la otaoe ed calcol, suppoamo che per og prodotto d k perturbao d questo tpo s abba: k-1 (1+ λ ) ( 1+ kε). =0 S ottee qud: = 0 ax = -1 a x ( 1+ ε) a x ( 1+ ( +1) ε) 0 + Applcado rcorsvamete la formula appea trovata s ha: -1 = 0 ax dalla quale s ottee: = 0 ax = -2-1 a x ( 1+ ε) a x ( 1+ ε) 0 = a x ( 1+ 2ε) + a x ( 1+ ( +1) ε) a x ( 1+ ( +1) ε) 0 Cotuado co le sosttuo s trova: = 0 ax a ( 1+ ε) a x( 1+ ( +1) ε) + a x ( 1+ ( +1) ε) +... a x ( 1+ ( +1) ε) Abbamo qud scoperto che gl error d arrotodameto el metodo aturale hao l'effetto d produrre l valore, ello stesso puto x, d u polomo p'(x)=a' x +a' -1 x a' 1 x+a' 0 co coeffcet perturbat secodo le stme: a' 0 a 0 (1+ε) a' a (1+(+1)ε) =1,2,..., 17

18 18 Aals all'detro dello schema d Horer: Aalogamete a quato fatto per lo schema aturale, l'ultmo passo del cclo dello schema d Horer è: p = fl( a fl( x ) 0 p -1 co le stesse semplfcao del caso precedete, s ottegoo le stme: I modo aalogo s trova: da cu: p ( a0 fl( x p -1 ) ( ( x p )(1+ )) (1+ε) a 0-1 ε (1+ε) a (1+ ε) + x p (1+ 2 ε). 0-1 p -1 a(1+ ε) + xp (1+2) ε 1-2 p a (1+ ε) + x a (1+3 ε) + x p (1+4 ε ) Procededo modo rcorsvo s ottee fe che lo schema d Horer equvale al calcolo esatto, ello stesso puto x, d u polomo p'(x)=a' x +a' -1 x a' 1 x+a' 0 co coeffcet perturbat secodo le stme: a' a (1+(2+1)ε) ì=0,1,...,-1 a' a (1+2ε). Per cocludere l'aals della stabltà e per poter fare u cofroto tra due schem occorre studare la stabltà del valore del polomo p(x) rspetto alle perturbaoe su coeffcet. L'aals dffereale per l polomo p, vsto come fuoe de suo coeffcet: p(x)= f(x,a 0,a 1,...,a ) 18

19 19 rspetto al polomo perturbato p(x)=f(x,a 0 (1+ε 0 ),a 1 (1+ε 1 ),...,a (1+ε )) forsce: p - p p = a 0 p f ε a 0 + a 1 0 p f ε a a 1 p f a ε = p 1 (a0 ε 0 +a 1 ε 1 x +...+a -1 ε -1 x -1 +a ε x ) dove ε soo le perturbao relatve su coeffcet. Per lo schema aturale s ha: p - p p = ε p (a 0 +(+1)(a 1 x +...+a x )) metre per lo schema d Horer s ha: p - p p = ε p (a 0 +3a 1 x +5a 2 x2...+(2-1)a -1 x -1 +2a x )). Dal cofroto s osserva che, sebbee per valor grad d x lo schema aturale appare geerale leggermete pù stable, lo schema d Horer è molto pù stable per valor d x pccol. Ioltre accade che elle comu applcao, qual le approssmao sere d potee, coeffcet de term d grado alto soo pccol e cò rduce l'evetuale vataggo dello schema aturale. 19

20 20 20

Matematica elementare art.1 di Raimondo Valeri

Matematica elementare art.1 di Raimondo Valeri Matematca elemetare art. d Ramodo Valer I questo artcolo voglamo provare che esste ua formula per calcolare l umero de dvsor d u dato umero aturale seza cooscere la scomposzoe fattor prm del umero stesso.

Dettagli

Lezione 13. Anelli ed ideali.

Lezione 13. Anelli ed ideali. Lezoe 3 Prerequst: Aell e sottoaell. Sottogrupp. Rfermet a test: [FdG] Sezoe 5.2; [H] Sezoe 3.4; [PC] Sezoe 4.2 Aell ed deal. Rcordamo la seguete defzoe, data el corso d Algebra : Defzoe 3. S dce aello

Dettagli

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0) Massm e Mm Fuzo d pù varabl Massm e Mm Dezoe: Sa z = (, ) ua uzoe deta u seme E U puto (, E s dce puto d massmo (rsp mmo) relatvo per (, ) se esste δ > tale che ((, ) B((, ), δ ) E (, ) (, ) (rsp (, )

Dettagli

Numeri complessi Pag. 1 Adolfo Scimone 1998

Numeri complessi Pag. 1 Adolfo Scimone 1998 Numer compless Pag. Adolfo Scmoe 998 NUMERI COMPLESSI Come sappamo, o esstoo el campo de umer real le radc d dce par de umer egatv. Ammettamo pertato l esstea della radce quadrata del umero. Questo uovo

Dettagli

Propagazione di errori

Propagazione di errori Propagazoe d error Gl error e dat possoo essere amplfcat durate calcol. Rspetto alla propagazoe degl error s può dstguere: comportameto del problema - codzoameto del problema: vedere come le perturbazo

Dettagli

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario

Modulo di Fisica Tecnica. Differenze finite per problemi di conduzione in regime instazionario Dpartmeto d Meccaca, Strutture, Ambete e Terrtoro UNIVERSITÀ DEGLI STUDI DI CASSINO Laurea Specalstca Igegera Meccaca: Modulo d Fsca Tecca Lezoe d: Dffereze fte per problem d coduzoe regme stazoaro /20

Dettagli

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione

Aritmetica 2016/2017 Esercizi svolti in classe Quarta lezione Artmetca 06/07 Esercz svolt classe Quarta lezoe Rcorreze o lear Sa a c a cq ua rcorreza dove {c }, c C e c 0. Sa P C[λ] l polomo caratterstco della rcorreza. Allora ua soluzoe partcolare della rcorreza

Dettagli

Lezione 3. Gruppi risolubili.

Lezione 3. Gruppi risolubili. Lezoe 3 Prerequst: Lezo 1 2 Class d cougo e cetralzzat rupp rsolubl I questo captolo troducamo ua ozoe che come vedremo seguto fuge da raccordo tra la teora de grupp e la teora de camp Defzoe 31 Dato u

Dettagli

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua

Università di Cassino Esercitazioni di Statistica 1 del 5 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 5 Febbrao 00. Dott. Mrko Bevlacqua ESERCIZIO N A partre dalla dstrbuzoe semplce del carattere peso rlevata su 0 studet del corso d Mcroecooma peso: { 4, 59, 65,

Dettagli

Lezione 4. La Variabilità. Lezione 4 1

Lezione 4. La Variabilità. Lezione 4 1 Lezoe 4 La Varabltà Lezoe 4 1 Defzoe U valore medo, comuque calcolato, o è suffcete a rappresetare l seme delle osservazo effettuate (o l seme de valor assut dalla varable statstca); è ecessaro qud affacare

Dettagli

CORSO DI STATISTICA I (Prof.ssa S. Terzi)

CORSO DI STATISTICA I (Prof.ssa S. Terzi) CORSO DI STATISTICA I (Prof.ssa S. Terz) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI Eserctazoe 2 2.1 Da u dage svolta su u campoe d lavorator dpedet co doppo lavoro è stata rlevata la dstrbuzoe coguta del reddto

Dettagli

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione?

Due distribuzioni, stessa media ma in quale delle due la media rappresenta, sintetizza meglio la situazione? Prma dstrb. Secoda dstrb. Totale Meda 0 5 8 35 85 63 63/5 =3,6 5 5 38 40 45 63 63/5 =3,6 Due dstrbuzo, stessa meda ma quale delle due la meda rappreseta, stetzza meglo la stuazoe? Le mede stetzzao la dstrbuzoe,

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 26 Febbrao 200 Dott. Mrko Bevlacqua ESERCIZIO Cosderado le class d altezza 60 6; 6 70; 70 78; 78 86 per u collettvo d 20 persoe, s può affermare che l ALTEZZA dpede

Dettagli

Indipendenza in distribuzione

Indipendenza in distribuzione Marlea Pllat - Semar d Statstca (SVIC) "Lo studo delle relazo tra due caratter" Aals delle relazo tra due caratter Dpedeza dstrbuzoe s basa sul cofroto delle dstrbuzo codzoate Dpedeza meda s basa sul cofroto

Dettagli

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso

Facoltà di Farmacia Corso di Matematica con elementi di Statistica Docente: Riccardo Rosso Facoltà d Farmaca Corso d Matematca co elemet d Statstca Docete: Rccardo Rosso Statstca descrttva: l coeffcete d cocetrazoe d G Quado s vuole rpartre ua certa somma d dearo, v soo due suddvso che soo,

Dettagli

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti

Dimostrazione della Formula per la determinazione del numero di divisori-test di primalità, di Giorgio Lamberti Gorgo Lambert Pag. Dmostrazoe della Formula per la determazoe del umero d dvsor-test d prmaltà, d Gorgo Lambert Eugeo Amtrao aveva proposto l'dea d ua formula per calcolare l umero d dvsor d u umero, da

Dettagli

FUNZIONI LOGICHE FORME CANONICHE SP E PS

FUNZIONI LOGICHE FORME CANONICHE SP E PS FUNZIONI LOGICHE FORME CANONICHE SP E PS Ua fuzoe logca può essere espressa quattro forme: 1. attraverso ua proposzoe logca; 2. attraverso ua tabella della vertà; 3. attraverso u espressoe algebrca; 4.

Dettagli

Analisi dei Dati. La statistica è facile!!! Correlazione

Analisi dei Dati. La statistica è facile!!! Correlazione Aals de Dat La statstca è facle!!! Correlazoe A che serve la correlazoe? Mettere evdeza la relazoe esstete tra due varabl stablre l tpo d relazoe stablre l grado d tale relazoe stablre la drezoe d tale

Dettagli

Classi di reddito % famiglie Fino a 15 5.3 15-25 16.2 25-35 21.1 35-45 18.6 45-55 13.6 Oltre 55 25.2 Totale 100

Classi di reddito % famiglie Fino a 15 5.3 15-25 16.2 25-35 21.1 35-45 18.6 45-55 13.6 Oltre 55 25.2 Totale 100 ESERCIZIO Data la seguete dstrbuzoe percetuale delle famgle talae per class d reddto, espresso mlo d lre, (ao 995, fote Istat): Class d reddto % famgle Fo a 5 5.3 5-5 6. 5-35. 35-45 8.6 45-55 3.6 Oltre

Dettagli

), mentre l unico intero che divide 0 è 0. Enunciamo alcune proprietà di ovvia dimostrazione.

), mentre l unico intero che divide 0 è 0. Enunciamo alcune proprietà di ovvia dimostrazione. Dvsbltà e umer prm Sao a,b elemet dell seme Z degl ter relatv Dcamo che a dvde b, smbol a b, se b è multplo d a, ossa se esste u tero h Z tale che b ha Og tero a dvde 0 ( 0 0a ), metre l uco tero che dvde

Dettagli

Capitolo 6 Gli indici di variabilità

Capitolo 6 Gli indici di variabilità Captolo 6 Gl dc d varabltà ommaro. Itroduzoe. -. Il campo d varazoe. - 3. La dffereza terquartle. - 4. Gl scostamet med. -. La varaza, lo scarto quadratco medo e la devaza. - 6. Le dffereze mede. - 7.

Dettagli

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV

Università degli Studi di Napoli Parthenope. Facoltà di Scienze Motorie a.a. 2011/2012. Statistica. Lezione IV Uverstà degl Stud d Napol Partheope Facoltà d Sceze Motore a.a. 011/01 Statstca Lezoe IV E-mal: paolo.mazzocch@upartheope.t Webste: www.statmat.upartheope.t Fuzoe d regressoe Attraverso la fuzoe d regressoe

Dettagli

Appunti di. Elaborazione dei dati sperimentali

Appunti di. Elaborazione dei dati sperimentali Apput d Elaboraoe de dat spermetal Corso d sca er cors d Laurea Igegera Uverstà d adova sura d ua gradea fsca Ua gradea fsca s rappreseta co uo (o pù) umer segut da ua utà d msura. Il umero che quatfca

Dettagli

Caso studio 10. Dipendenza in media. Esempio

Caso studio 10. Dipendenza in media. Esempio 09/03/06 Caso studo 0 S cosder la seguete dstrbuzoe degl occupat Itala secodo l umero d ore settmaal effettvamete lavorate e l settore d attvtà (cfr. Itala cfre, Ao 008, pag. 7 ): Ore lavorate Settore

Dettagli

MEDIA DI Y (ALTEZZA):

MEDIA DI Y (ALTEZZA): Uverstà d Casso Eserctazo d Statstca del 4 Marzo 0 Dott. Mrko Bevlacqua ESERCIZIO Su u collettvo d dvdu soo stat rlevat caratter X Peso( kg) e Altezza ( cm) otteamo la seguete dstrbuzoe d frequeza coguta:

Dettagli

Esercitazione 5 del corso di Statistica (parte 1)

Esercitazione 5 del corso di Statistica (parte 1) Eserctazoe 5 del corso d Statstca (parte 1) Dott.ssa Paola Costat 8 Novembre 011 I alcue crcostaze s poe u maggor teresse sullo studo della varabltà tra le sgole utà statstche, puttosto che lo studo della

Dettagli

Caso studio 12. Regressione. Esempio

Caso studio 12. Regressione. Esempio 6/4/7 Caso studo Per studare la curva d domada d u bee che sta per essere trodotto sul mercato, s rlevao dat rguardat l prezzo mposto e l umero d pezz vedut 7 put vedta plota, ell arco d ua settmaa. I

Dettagli

corrispondenza della generica i-esima modalità. Indicando con #(.) la cardinalità di un insieme, per esse si ha, rispettivamente:

corrispondenza della generica i-esima modalità. Indicando con #(.) la cardinalità di un insieme, per esse si ha, rispettivamente: Corso d Statstca docete: Domeco Vstocco Le requeze cumulate S cosder ua varable qualtatva ordale X Per essa, oltre alle requeze assolute, relatve e ercetual, è ossble calcolare ache le requeze cumulate

Dettagli

Teoria dei Fenomeni Aleatori AA 2012/13

Teoria dei Fenomeni Aleatori AA 2012/13 La Legge de Grad Numer Cosderata ua sere d prove rpetute co p par alla probabltà d successo ua sgola prova, l rapporto tra l umero d success K ed l umero d prove tede a p quado tede ad fto: K P p ε per

Dettagli

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek

MISURE DI TENDENZA CENTRALE. Psicometria 1 - Lezione 2 Lucidi presentati a lezione AA 2000/2001 dott. Corrado Caudek MISURE DI TENDENZA CENTRALE Pscometra 1 - Lezoe Lucd presetat a lezoe AA 000/001 dott. Corrado Caudek 1 Suppoamo d dsporre d u seme d msure e d cercare u solo valore che, meglo d cascu altro, sa grado

Dettagli

Lezione 4. Metodi statistici per il miglioramento della Qualità

Lezione 4. Metodi statistici per il miglioramento della Qualità Tecologe Iormatche per la Qualtà Lezoe 4 Metod statstc per l mglorameto della Qualtà Msure d Tedeza Cetrale Ultmo aggorameto: 30 Settembre 2003 Il materale ddattco potrebbe coteere error: la segalazoe

Dettagli

LE MEDIE. Le Medie. Medie razionali. Medie di posizione

LE MEDIE. Le Medie. Medie razionali. Medie di posizione LE MEDIE RAZIONALI LE MEDIE Msure stetche trodotte per valutare aspett compless e global d ua dstrbuzoe d u feomeo X medate u solo umero reale costruto modo da dsperdere al mmo le formazo su dat orgar.

Dettagli

Lezione 24. Campi finiti.

Lezione 24. Campi finiti. Lezoe 4 Prerequst: Lezo 0,,, 3 Rfermet a test: [FdG] Sezoe 86; [H] Sezoe 79; [PC] Sezoe 63; Cam ft Nelle lezo recedet abbamo vsto dvers esem d cam ft: ess erao tutt del to oure [ x ]/( f ( x )), dove f

Dettagli

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100)

La classe che mostra la distribuzione più elevata è quella 60-90, che corrisponde a un uso elevato dell automobile. f i fr (= f i/n) fr% (=fr*100) ESERCIZIO Il Moblty Maager d u azeda ha rlevato l umero d chlometr percors settmaalmete da 60 mpegat. I dat soo rportat ello schema successvo. 67 4 93 58 66 87 5 53 86 8 7 47 56 70 54 86 48 43 60 58 5

Dettagli

CORSO DI STATISTICA I (Prof.ssa S. Terzi) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI. Esercitazione n 3

CORSO DI STATISTICA I (Prof.ssa S. Terzi) 1 STUDIO DELLE DISTRIBUZIONI SEMPLICI. Esercitazione n 3 ORSO I STTISTI I (Prof.ssa S. Terz) STUIO ELLE ISTRIUZIONI SEMPLII Eserctazoe 3 3. ata la seguete dstrbuzoe de reddt: lass d reddto Reddter Reddto medo 6.500-7.500 4 6.750 7.500-8.500 7.980 8.500-9.500

Dettagli

UNIVERSITA' DEGLI STUDI DI PADOVA DIPARTIMENTO DI FISICA "GALILEO GALILEI"

UNIVERSITA' DEGLI STUDI DI PADOVA DIPARTIMENTO DI FISICA GALILEO GALILEI UNIVERSITA' DEGLI STUDI DI PADOVA DIPARTIMENTO DI FISICA "GALILEO GALILEI" ELEMENTI DI TEORIA DEGLI ERRORI DI MISURA E DI ANALISI E RIDUZIONE DEI DATI SPERIMENTALI per l LABORATORIO DEI CORSI DI FISICA

Dettagli

Università della Calabria

Università della Calabria Uverstà della Calabra FACOLTA DI INGEGNERIA Corso d Laurea Igegera per l Ambete e l Terrtoro CORSO DI IDROLOGIA Ig. Daela Bod SCHEDA DIDATTICA N 5 ISOIETE E TOPOIETI A.A. 20-2 Calcolo della precptazoe

Dettagli

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in

LE MEDIE. Quadratica. Italo Nofroni. Statistica medica. Medie. Le medie vengono classificate in Le mede Italo Nofro LE MEDIE Le mede (o valor med) soo dc d tedeza cetrale e costtuscoo u modo semplce ed mmedato per stetzzare u solo valore dat eterogee raccolt u collettvo Statstca medca Le mede Le

Dettagli

Capitolo 2 Errori di misura: definizioni e trattamento

Capitolo 2 Errori di misura: definizioni e trattamento Captolo Error d msura: )Geeraltà defzo e trattameto I cocett d meda, varaza e devazoe stadard s utlzzao ormalmete per otteere formazo sulla botà d ua msura. I geerale, s assume come msura m della gradezza

Dettagli

III Esercitazione: Sintesi delle distribuzioni semplici secondo un carattere qualitativo ordinale.

III Esercitazione: Sintesi delle distribuzioni semplici secondo un carattere qualitativo ordinale. III Eserctazoe: Stes delle dstrbuzo semplc secodo u carattere qualtatvo ordale. Eserczo 3 dvdu ao seguet ttol d studo: Lceza elemetare, Lceza elemetare, ploma, Lceza meda, Lceza elemetare, Lceza meda,

Dettagli

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che:

dei quali si conoscono solo la media x e la deviazione standard σ e dato un valore reale positivo K, possiamo affermare che: Eserctazoe VI: Il teorema d Chebyshev Eserczo La statura meda d u gruppo d dvdu è par a 73,78cm e la devazoe stadard a 3,6. Qual è la frequeza relatva delle persoe che hao ua statura superore o ferore

Dettagli

Esercizi su Rappresentazioni di Dati e Statistica

Esercizi su Rappresentazioni di Dati e Statistica Esercz su Rappresetazo d Dat e Statstca Eserczo Esprmete forma percetuale e traducete u aerogramma dat della seguete tabella: Nord Cetro Sud Isole Totale 5 58 866 0 95 36 4 35 30 6 79 56 57 399 08 Soluzoe

Dettagli

Variabili casuali ( ) 1 2 n

Variabili casuali ( ) 1 2 n Varabl casual &. Valore edo. Data ua varable casuale = ( x,x 2, K,x ) (.) cu valor assuoo le rspettve probabltà P = p,p, K,p (.2) s defsce valore edo la quattà ( ) 2 = [ ] T M = M = P = xp (.3) Sgfcato:

Dettagli

Dott.ssa Marta Di Nicola

Dott.ssa Marta Di Nicola RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quado s cosderao due o pù caratter (varabl) s possoo esamare ache l tpo e l'testà delle relazo che sussstoo tra loro. http://www.bostatstca.uch.tt Nel caso cu per

Dettagli

STATISTICA DESCRITTIVA

STATISTICA DESCRITTIVA COSIDERAZIOI PRELIMIARI SULLA STATISTICA La Statstca trae suo rsultat dall osservazoe de feome che c crcodao. Gl stess feome per essere oggetto d statstca devoo essere adeguatamete umeros modo tale che

Dettagli

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità

SIMULAZIONE DI SISTEMI CASUALI 1 parte. Variabili casuali e Distribuzioni di variabili casuali. Calcolo delle probabilità SIMULAZIONE DI SISTEMI CASUALI parte Varabl casual e Dstrbuzo d varabl casual Calcolo delle probabltà Defzo Il calcolo delle probabltà tede a redere razoale l comportameto dell uomo d frote all certezza;

Dettagli

frazione 1 n dell ammontare complessivo del carattere A x

frazione 1 n dell ammontare complessivo del carattere A x La Cocetrazoe Il cocetto d cocetrazoe rguarda l modo cu l ammotare totale d u carattere quattatvo trasferble s rpartsce tra utà statstche. Tato pù tale ammotare è addesato u sottoseme d utà, tato pù s

Dettagli

INDICI DI VARIABILITA

INDICI DI VARIABILITA INDICI DI VARIABILITA Defzoe d VARIABILITA': la varabltà s può defre come l'atttude d u carattere ad assumere dverse modaltà quattatve. La varabltà è la quattà d dspersoe presete e dat. Idc d varabltà

Dettagli

Attualizzazione. Attualizzazione

Attualizzazione. Attualizzazione Attualzzazoe Il problema erso alla captalzzazoe prede l ome d attualzzazoe Abbamo ua operazoe fazara elemetare e dato l motate M dobbamo determare l corrspodete captale zale C L'attualzzazoe è la operazoe

Dettagli

6. LA CONCENTRAZIONE

6. LA CONCENTRAZIONE UNIVERSITA DEGLI STUDI DI PERUGIA DIPARTIMENTO DI FILOSOFIA SCIENZE SOCIALI UMANE E DELLA FORMAZIONE Corso d Laurea Sceze per l'ivestgazoe e la Scurezza 6. LA CONCENTRAZIONE Prof. Maurzo Pertchett Statstca

Dettagli

Lezione 20. Campi numerici ed anelli di Dedekind.

Lezione 20. Campi numerici ed anelli di Dedekind. Lezoe 0 Prerequst: Lezo 9 Dom ad deal prcpal Camp umerc ed aell d Dedekd Defzoe 0 S dce campo umerco og estesoe fta d Q coteuta C Osservazoe 0 Essedo Q u campo perfetto (poché è d caratterstca 0 ved la

Dettagli

Interpolazione. Definizione: per interpolazione si intende la ricerca di una funzione matematica che approssima l andamento di un insieme di punti.

Interpolazione. Definizione: per interpolazione si intende la ricerca di una funzione matematica che approssima l andamento di un insieme di punti. Iterpolazoe Defzoe: per terpolazoe s tede la rcerca d ua fuzoe matematca che approssma l adameto d u seme d put. Iterpolazoe MATEMATICA Calcola ua fuzoe che passa PER tutt put Tp d terpolazoe Iterpolazoe

Dettagli

Organizzazione del corso. Elementi di Informatica. Orario lezioni ed esami. Crediti. Dispense e lucidi. Ricevimento studenti

Organizzazione del corso. Elementi di Informatica. Orario lezioni ed esami. Crediti. Dispense e lucidi. Ricevimento studenti Orgazzazoe del corso Elemet d Iformatca Prof. Alberto Brogg Dp. d Igegera dell Iformazoe Uverstà d Parma Teora: archtettura del calcolatore, elemet d formatca, algortm, lguagg, sstem operatv Laboratoro:

Dettagli

Indici di asimmetria. Elementi di Statistica descrittiva Parte IV. Simmetria di una distribuzione di frequenze. Primo indice di asimmetria (1/3)

Indici di asimmetria. Elementi di Statistica descrittiva Parte IV. Simmetria di una distribuzione di frequenze. Primo indice di asimmetria (1/3) Smmetra d ua dstrbuzoe d frequeze Ua dstrbuzoe s dce asmmetrca se o è possble dvduare (aalzzado u stogramma) u asse vertcale che tagl la dstrbuzoe due part specularmete ugual Idc d asmmetra Rferedoc a

Dettagli

Leasing: aspetti finanziari e valutazione dei costi

Leasing: aspetti finanziari e valutazione dei costi Leasg: aspett fazar e valutazoe de cost Descrzoe Il leasg è u cotratto medate l quale ua parte (locatore), cede ad u altro soggetto (locataro), per u perodo d tempo prefssato, uo o pù be, sao ess mobl

Dettagli

CAPITOLO III SISTEMI DI EQUAZIONI LINEARI

CAPITOLO III SISTEMI DI EQUAZIONI LINEARI CAPITOLO III SISTEMI DI EQUAZIONI LINEARI. GENERALITÀ Sao a,..., a,..., a, b umer real (o compless o elemet d u qualsas campo) ot. Defzoe.. U equazoe della forma: () a x +... + ax +... + a x b dces d prmo

Dettagli

In questo capitolo vedremo solamente un caso di rendita, che useremo poi per generalizzare le rendite e dedurre tutti gli altri casi.

In questo capitolo vedremo solamente un caso di rendita, che useremo poi per generalizzare le rendite e dedurre tutti gli altri casi. 7. Redte I questo captolo edremo solamete u caso d redta, che useremo po per geeralzzare le redte e dedurre tutt gl altr cas. S defsce redta ua successoe d captal (rate) tutte da pagare, o tutte da rscuotere,

Dettagli

Elementi di Statistica descrittiva Parte II

Elementi di Statistica descrittiva Parte II Elemet d Statstca descrttva Parte II Nella prma parte d queste ote s soo llustrate le tecche utlzzate per rappresetare dat, maera stetca, medate tabelle e grafc Tal tecche soo applcabl sa a caratter quattatv

Dettagli

Riassunto di teoria elementare degli errori

Riassunto di teoria elementare degli errori Ncola Gaquto - Rassuto d teora elemetare degl error /9 Rassuto d teora elemetare degl error Valore vero (covezoale), valore stmato, errore Se s prede ua ressteza dal valore omale d 00 Ω e se e determa

Dettagli

Laboratorio di Fisica I: laurea in Ottica e Optometria. Misura di una resistenza con il metodo VOLT-AMPEROMETRICO

Laboratorio di Fisica I: laurea in Ottica e Optometria. Misura di una resistenza con il metodo VOLT-AMPEROMETRICO Laboratoro d Fsca I: laurea Ottca e Optoetra Msura d ua ressteza co l etodo OLTMPEOMETICO descrzoe s sura ua ressteza utlzzado u voltetro e u llaperoetro sfruttado la relazoe : Per coduttor ohc è dpedete

Dettagli

Lezione 1. I numeri complessi

Lezione 1. I numeri complessi Lezoe Prerequst: Numer real: assom ed operazo. Pao cartesao. Fuzo trgoometrche. I umer compless Nell'attuale teora de umer compless cofluscoo due fodametal dee, ua artmetca, l'altra geometrca. La prma,

Dettagli

Modello dinamico nello spazio dei giunti: relazione tra le coppie di attuazione ai giunti ed il moto della struttura

Modello dinamico nello spazio dei giunti: relazione tra le coppie di attuazione ai giunti ed il moto della struttura Damca Modello damco ello spazo de gut: relazoe tra le coppe d attuazoe a gut ed l moto della struttura smulazoe del moto aals e progettazoe delle traettore progettazoe del sstema d cotrollo progetto de

Dettagli

Elementi di Statistica descrittiva Parte III

Elementi di Statistica descrittiva Parte III Elemet d Statstca descrttva Parte III Paaa Idce d asmmetra (/) Idce d forma che esprme l grado d asmmetra (skewess) d ua dstrbuzoe. Sao u, u,,u osservazo umerche. Chamamo dce d asmmetra l espressoe: c

Dettagli

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 9: Covarianza e correlazione Corso d laurea Sceze Motore Corso d Statstca Docete: Dott.ssa Immacolata Scacarello Lezoe 9: Covaraza e correlazoe Altr tp d dpedeza L dce Ch-quadro presetato ella lezoe precedete stablsce l grado d dpedeza

Dettagli

Sommario. Facoltà di Economia. Obiettivo. Quando studiarla? Lezione n 7. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Sommario. Facoltà di Economia. Obiettivo. Quando studiarla? Lezione n 7. X: carattere quantitativo tra le unità statistiche. Quando studiarla? Corso d Statstca acoltà d Ecooma a.a. - La cocetrazoe Quado studarla? Obettvo Dagramma d Lorez apporto d cocetrazoe rea d cocetrazoe Esemp Sommaro Lezoe 7 Lez7-a.a. - statstca-fracesco mola Quado studarla?

Dettagli

Geometria delle aree

Geometria delle aree eometra delle aree Lo studo de cocett ase relatv alla eometra delle ree: cosete d trasformare le azo tere sollectazo cosete d valutare l elastctà delle strutture forsce gl strumet per valutare le strutture

Dettagli

Rappresentazione dei dati reali e teoria degli errori. N. Del Buono

Rappresentazione dei dati reali e teoria degli errori. N. Del Buono Rappresentazione dei dati reali e teoria degli errori N. Del Buono Rappresentazione dei dati reali Sorgenti di errore Rappresentazione dei numeri reali in una base assegnata Rappresentazione approssimata

Dettagli

Esercitazioni 1 - Analisi della tensione

Esercitazioni 1 - Analisi della tensione Eserctao - Aals della tesoe I questa eserctaoe s studao alcu stat tesoal, deducedo, per cascuo d ess, le teso prcpal e le corrspodet dreo prcpal, calcolado le mme e massme teso tageal, e dsegado cerch

Dettagli

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica).

Il termine regressione fu introdotto da Francis Galton ( ), antropologo (promotore dell eugenetica). Regressoe leare Il terme regressoe fu trodotto da Fracs Galto (8-9), atropologo (promotore dell eugeetca). I u suo famoso studo (877-885), Galto scoprì che, sebbee c fosse ua tedeza de getor alt ad avere

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 3 VARIABILI QUANTITATIVE Indici di centralità, dispersione e forma

STATISTICA DESCRITTIVA - SCHEDA N. 3 VARIABILI QUANTITATIVE Indici di centralità, dispersione e forma Matematca e statstca: da dat a modell alle scelte www.dma.uge/pls_statstca Resposabl scetfc M.P. Rogat e E. Sasso (Dpartmeto d Matematca Uverstà d Geova) STATISTICA DESCRITTIVA - SCHEDA N. 3 VARIABILI

Dettagli

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza

2014-2015 Corso TFA - A048 Matematica applicata. Didattica della matematica applicata all economia e alla finanza Uverstà degl Stud d Ferrara 2014-2015 Corso TFA - A048 Matematca applcata Ddattca della matematca applcata all ecooma e alla faza 11 marzo 2015 Apput d ddattca della Matematca fazara Redte, ammortamet

Dettagli

Algoritmi e Strutture Dati. Alberi Binari di Ricerca

Algoritmi e Strutture Dati. Alberi Binari di Ricerca Algortm e Strutture Dat Alber Bar d Rcerca Alber bar d rcerca Motvazo gestoe e rcerche grosse quattà d dat lste, array e alber o soo adeguat perché effcet tempo O) o spazo Esemp: Matemeto d archv DataBase)

Dettagli

Premessa. Abbiamo più volte enfatizzato come questo processo di sintesi comporta un prezzo da pagare in termini di perdita di informazioni.

Premessa. Abbiamo più volte enfatizzato come questo processo di sintesi comporta un prezzo da pagare in termini di perdita di informazioni. Le Msure d Cetraltà Le msure d cetraltà Premessa Il passaggo da u eleco d modaltà alle dstrbuzo d frequeze co modaltà dstte (carattere qualtatvo o dscreto) e co class d modaltà (carattere cotuo o dscreto

Dettagli

TRATTAMENTO STATISTICO DEI DATI ANALITICI

TRATTAMENTO STATISTICO DEI DATI ANALITICI TRATTAMENTO STATISTICO DEI DATI ANALITICI Nell aals chmca u aalsta effettua u umero lmtato d prove e cosdera la meda de rsultat otteut per poter arrvare a determare o l valore VERO d ua determata gradezza

Dettagli

Regressione e Correlazione

Regressione e Correlazione Regressoe e Correlazoe Probabltà e Statstca - Aals della Regressoe - a.a. 4/5 L aals della regressoe è ua tecca statstca per modellare e vestgare le relazo tra due (o pù) varabl. Nella tavola è rportata

Dettagli

MISURE E GRANDEZZE FISICHE

MISURE E GRANDEZZE FISICHE R. Campaella Ig. Meccaca v. Peruga Gradezze fsche Rev. 12.02.21 MISRE E GRANDEZZE FICHE 1 Itroduzoe Nella descrzoe de feome la fsca s serve d legg, elle qual tervegoo gradezze fsche qual: la lughezza,

Dettagli

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici

Stim e puntuali. Vocabolario. Cambiando campione casuale, cambia l istogramma e cambiano gli indici Stm e putual Probabltà e Statstca I - a.a. 04/05 - Stmator Vocabolaro Popolazoe: u seme d oggett sul quale s desdera avere Iformazo. Parametro: ua caratterstca umerca della popolazoe. E u Numero fssato,

Dettagli

Formulario e tavole. Complementi per il corso di Statistica Medica

Formulario e tavole. Complementi per il corso di Statistica Medica Complemet per l corso d Statstca Medca Formularo e tavole Ne è cosetto l uso all esame scrtto, ma og Studete deve cosultare solo l propro formularo, e essu altro materale! Statstca Descrttva destà ampea

Dettagli

Come cambia la distribuzione se consideriamo 5 classi equiampie (k=5)? Freq. relativa. Freq. Ass. n i

Come cambia la distribuzione se consideriamo 5 classi equiampie (k=5)? Freq. relativa. Freq. Ass. n i Come camba la dstrbuzoe se cosderamo 5 class equampe (k5)? xmax xm 2.02 03 d 38,80 k 5 Class x xl x + Ass. relatva N Frequeza relatva cumulata F l 03,0 -- 484,8 4 0,82 0,82 484,8 -- 866,6 5 0,0 0,92 866,6

Dettagli

STUDIO DEL LANCIO DI 3 DADI

STUDIO DEL LANCIO DI 3 DADI Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio

Dettagli

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso

b) Relativamente alla variabile PREZZO, fornire una misura della variabilità della distribuzione attraverso ESERCIZIO Co rfermeto a dvers modell d auto del medesmo segmeto d mercato e cldrata s soo rlevat dat sul prezzo d lsto mglaa d euro (X), la veloctà massma dcharata km/h (Y) ed l peso kg (Z). I dat soo

Dettagli

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno

Indici di Posizione. Gli indici si posizione sono misure sintetiche ( valori caratteristici ) che descrivono la tendenza centrale di un fenomeno Idc d Poszoe Gl dc s poszoe soo msure stetche ( valor caratterstc ) che descrvoo la tedeza cetrale d u feomeo La tedeza cetrale è, prma approssmazoe, la modaltà della varable verso la quale cas tedoo a

Dettagli

CAPITOLO XI STIMA DEI PARAMETRI DI UNA VARIABILE ALEATORIA.

CAPITOLO XI STIMA DEI PARAMETRI DI UNA VARIABILE ALEATORIA. TE11_st fb - 5/10/007 5/10/007 XI - 1 CAPITOLO XI STIMA DEI PARAMETRI DI UNA VARIABILE ALEATORIA. 11.1 - Itroduzoe. I geerale, parametr caratterstc d ua v.a. (che per o soo l suo valore medo e la sua varaza

Dettagli

Capitolo 4 Le Misure di Centralità

Capitolo 4 Le Misure di Centralità Captolo 4 Le Msure d Cetraltà Le msure d cetraltà Premessa Il passaggo da u eleco d modaltà alle dstrbuzo d frequeze co modaltà dstte (carattere qualtatvo o dscreto) e co class d modaltà (carattere cotuo

Dettagli

1. Statistiche descrittive

1. Statistiche descrittive 1. Statstche descrttve 1. 1. Scale d msurazoe I dat statstc possoo essere rlevat su dverse scale d msurazoe: 1. 1. 1. La scala omale S parla d scala omale quado dat s dfferezao fra d loro per caratterstche

Dettagli

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE

ESERCIZI SU DISTRIBUZIONI CAMPIONARIE Corso d Ifereza Statstca Eserctazo A.A. 009/0 ESERCIZI SU DISTRIBUZIONI CAMPIONARIE Eserczo I cosumator d marmellata ua data popolazoe soo l 40%. Determare la probabltà che, per u campoe beroullao d =

Dettagli

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c)

SERIE NUMERICHE Esercizi risolti. (log α) n, α > 0 c) SERIE NUMERICHE Esercizi risolti. Calcolare la somma delle segueti serie telescopiche: a) b). Verificare utilizzado la codizioe ecessaria per la covergeza) che le segueti serie o covergoo: a) c) ) log

Dettagli

3 Variabilità. variabilità. Senza deviazione dalla norma il progresso non è possibile. (Frank Zappa) Statistica - 9CFU

3 Variabilità. variabilità. Senza deviazione dalla norma il progresso non è possibile. (Frank Zappa) Statistica - 9CFU 3 Varabltà 3 varabltà Seza devazoe dalla orma l progresso o è possble (Frak Zappa) 68 Statstca - 9CFU 3 Varabltà 3. varabltà Defzo Varabltà E l atttude d u feomeo ad assumere dverse modaltà. Essa è msurata

Dettagli

Google, ovvero: come diagonalizzare Internet

Google, ovvero: come diagonalizzare Internet Google, ovvero: come dagoalzzare Iteret Marco A Garut 6 ottobre 6 Le page web preset el database del motore d rcerca Google soo elecate orde d mportaza Quado u utete sersce le parole-chave per ua rcerca,

Dettagli

SERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n.

SERIE DI POTENZE Esercizi risolti. Esercizio 1 Determinare il raggio di convergenza e l insieme di convergenza della serie di potenze. x n. SERIE DI POTENZE Esercizi risolti Esercizio x 2 + 2)2. Esercizio 2 + x 3 + 2 3. Esercizio 3 dove a è u umero reale positivo. Esercizio 4 x a, 2x ) 3 +. Esercizio 5 x! = x + x 2 + x 6 + x 24 + x 20 +....

Dettagli

Le successioni: intro

Le successioni: intro Le successioi: itro Si cosideri la seguete sequeza di umeri:,, 2, 3, 5, 8, 3, 2, 34, 55, 89, 44, 233, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi 2 mesi i u allevameto!

Dettagli

MATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 15 SETTEMBRE 2009 C.d.L. ECONOMIA AZIENDALE

MATEMATICA FINANZIARIA 1 PROVA SCRITTA DEL 15 SETTEMBRE 2009 C.d.L. ECONOMIA AZIENDALE MATEMATICA FINANZIARIA PROVA SCRITTA DEL 5 SETTEMBRE 009 C.d.L. ECONOMIA AZIENDALE ESERCIZIO a) Il Sg. Ross ogg (t0) uole acqustare u furgoe del alore d 7000 per la sua atttà commercale. A tal fe egl ersa

Dettagli

Dimostrazione. Sia V la matrice di Vandermonde: V = Risolvere il sistema lineare: Va = y risolvere: p(x i ) = y i dove:

Dimostrazione. Sia V la matrice di Vandermonde: V = Risolvere il sistema lineare: Va = y risolvere: p(x i ) = y i dove: INTERPOLAZIONE È u problema d approssmazoe d ua fuzoe o d u seme d dat co ua fuzoe ce sa pù semplce e ce abba buoe propretà d regolartà. Tale tpo d approssmazoe s usa quado dat soo ot co precsoe. La codzoe

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioi di Matematica 1 - I modulo Luciao Battaia 4 dicembre 2008 L. Battaia - http://www.batmath.it Mat. 1 - I mod. Lez. del 04/12/2008 1 / 28 -2 Sottosuccessioi Grafici Ricorreza Proprietà defiitive Limiti

Dettagli

Appunti sull Aritmetica dei Calcolatori

Appunti sull Aritmetica dei Calcolatori Apput sull Artmetca de Calcolator Gova Stea a.a. 6/7 Ultma modfca: 7//6 Apput sull Artmetca de Calcolator Gova Stea Sommaro Rappresetazoe de umer atural... 5. Teorema della dvsoe co resto... 6.. Propretà

Dettagli

Elementi di statistica descrittiva Parte III

Elementi di statistica descrittiva Parte III Problem coess co l so della meda - la meda pò sbre forte fleza de valor modal estrem del ( alc cas molto dfferet dagl altr dat osservat) - la meda pò o essere valore osservato - la meda è applcable solo

Dettagli

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo

COMPLEMENTI DI STATISTICA. L. Greco, S. Naddeo COMPLEMENTI DI STATISTICA L. Greco, S. Naddeo INDICE. GENERALITA SULLA VERIFICA DI IPOTESI. Itroduzoe 4. I test d sgfcatvtà 5.3 Gl tervall d cofdeza 7.4 Le potes alteratve.5 La poteza del test 5.6 Il test

Dettagli

L assorbimento e lo strippaggio

L assorbimento e lo strippaggio assorbmeto e lo strppaggo Coloa a stad d ulbro (coloa a patt Il calcolo d ua coloa d assorbmeto/strppaggo d questo tpo parte dal blaco d matera. Chamado e le portate d lqudo A e d gas C relatve a due compoet

Dettagli

2 si da eguale peso alle misure senza tener conto dell incertezza, che in generale possono essere diverse.

2 si da eguale peso alle misure senza tener conto dell incertezza, che in generale possono essere diverse. 5 MEDIE PESTE Come combare msure separate? Esempo, msure Msura d : ± Msura d B: B ± B Se s effettua la meda artmetca: B s da eguale peso alle msure seza teer coto dell certezza, che geerale possoo essere

Dettagli

Modelli di Flusso e Applicazioni: Andrea Scozzari. a.a. 2013-2014

Modelli di Flusso e Applicazioni: Andrea Scozzari. a.a. 2013-2014 Modell d Flusso e Applcazo: Adrea Scozzar a.a. 203-204 2 Il modello d Flusso d Costo Mmo: Problem d Flusso A u l V b c P S A ), ( m ) ( ) ( ), ( Problem rcoducbl a problem d Flusso Il problema del trasporto

Dettagli