Segmentazione di immagini

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Segmentazione di immagini"

Transcript

1 Segentazone d agn Introduzone Segentazone: processo d partzonaento d un agne n regon dsgunte e oogenee. Esepo d segentazone. Tratta da []

2 Introduzone def. forale Sa R l ntera regone spazale occupata dall agne. Il processo d segentazone può essere vsto coe l partzonaento d R n n sottoregon, R, R, R n tal che: n U R è un nsee connesso,,,... n. R R Q R TRUE per,,... n. Q R R R. j 0 per tutt valor e j, j. R FALSE per ogn coppa d regon adacent R, R. j Con QR predcato defnto su punt d un nsee R. j Introduzone def. forale Ogn pxel deve appartenere ad una regone; I punt appartenent ad una regone devono essere conness es. 4-conness, 8-conness; Le regon devono essere dsgunte; I pxel appartenent ad una regone devono soddsfare un certo predcato Q; Due regon adacent devono essere dverse nel senso del predcato Q; Ad esepo l predcato Q potrebbe essere l seguente: QR TRUE se l ntenstà eda de pxel d R è nferore a e la loro devazone standard è nore d σ con e σ paraetr costant.

3 Stratege d segentazone Nel corso degl ann sono state svluppate svarate tecnche d segentazone. Tuttava una soluzone generale al problea non è stata trovata. Alcune delle prncpal stratege d segentazone sono: Edge-based; Thresholdng; Regon Mergng; Regon Splttng and Mergng. Stratege d segentazone: edge-based Estrazone degl edge Sobel, Canny, Edge Lnng e Boundary detecton trasforata d Hough,. Esepo d agne segentata con un approcco edge-based. Tratta da [].

4 Stratege d segentazone: thresholdng I etod d segentazone basat sull anals dell stograa sono spesso utlzzat graze alla loro seplctà pleentatva ed effcenza coputazonale. Queste tecnche calcolano un stograa a partre da pxel es. ntenstà e utlzzano su pcch e le sue vall per localzzare cluster dell agne. Stratege d segentazone: thresholdng Supponao d avere un oggetto charo su sfondo scuro e che l suo stograa sa quello ostrato n fgura. I pxel dell oggetto e del bacground sono raggruppat n due ode donant. Istograa con due ode donant. Tratto da [].

5 Stratege d segentazone: thresholdng 3 Scelta una sogla T che separa le due ode, un punto x,y tale che fx,y>t sarà un punto dell oggetto, altrent verrà assegnato allo sfondo. Se T è una costante che può essere applcata all ntera agne, s parla d soglatura globale. Se l valore d T vara sull agne s utlzza l terne soglatura varable. Nel caso n cu sa necessaro dscrnare pù d due class la segentazone è puttosto coplessa. In tal cas, tpcaente s ottengono glor rsultat con altr approcc sogla varable e regon ergng. Stratege d segentazone: thresholdng 4 La buona ruscta degl algort basat sugl stogra dpende dalla larghezza e dalla profondtà delle vall che separano le ode dell stograa. I fattor che nfluenzano le propretà delle vall sono: La separazone tra I pcch; Il ruore presente nell agne; La densone relatva dell oggetto rspetto allo sfondo; L unfortà della sorgenge lunosa; L unfortà delle propretà d rflettanza dell agne.

6 Ruolo del ruore All auentare del ruore presente nell agne, l processo d segentazone dventa sepre pù coplesso. Tratta da []. Ruolo dell llunazone Una sorgente lunosa non unfore può rendere olto coplessa la segentazone. In fgura vene ostrato un esepo d agne llunata con una sorgente non unfore una rapa ed l suo stograa.

7 Metodo d Otsu Tecnca autoatca d selezone della sogla T. Il etodo asszza la varanza nter-classe; E basato solo su operazon effettuate sull stograa dell agne vettore -D. Metodo d Otsu Consderao un agne d denson MxN con L lvell dstnt d ntenstà e sa n l nuero d pxel d ntenstà. Il suo stograa noralzzato ha coponent p n /MN. Supponao s selezonare una sogla T, 0<<L-, e d dvdere n base ad essa l agne n due class, C tutt pxel con ntenstà [0, ] e C tutt pxel con ntenstà [+, L-]. Con tale sogla, la probabltà che un pxel sa assegnato alla classe C è: 0 p er la classe C s ha: L p +

8 Metodo d Otsu 3 Il valore edo d ntenstà de pxel appartenent alla classe C è: In anera sle s rcava: p C C C / / + + / L L p C S defnsce eda cuulatva fno al lvello : p 0 La eda delle ntenstà dell ntera agne è data da: 0 L G p Metodo d Otsu 4 er valutare la bontà della sogla s utlzza la etrca noralzzata: G B σ σ η varanza globale de pxel dell agne: Con σ G 0 L G G p σ varanza nter-classe: e σ B G G B + σ

9 Metodo d Otsu 5 La varanza nter-classe può essere rscrtta coe: σ B G ù dstant sono le due ede, pù la varanza nter-classe è elevata. Questa forulazone della varanza nter-classe perette una pù effcente pleentazone. La sogla ottale vene dunque calcolata: σ B * ax σ 0 L B Metodo d Otsu 6 L algorto d Otsu può essere rassunto coe segue: Calcolare l stograa noralzzato dell agne; Calcolare le soe cuulatve per 0,,, L-; Calcolare le ede cuulatve per 0,,, L-; Calcolare la eda globale delle ntenstà, G ; Calcolare la varanza nter-classe per 0,,, L-; Ottenere la sogla * che asszza la varanza nter-classe; Se l asso non è unco, rcavare * coe eda de valor d corrspondent a var ass trovat; Rcavare la sura d separabltà η* per *.

10 Metodo d Otsu esepo Esepo d agne segentata con l etodo d Otsu. Tratta da [] Ruolo del ruore In alcun cas l agne presenta un lvello s ruore tale da rendere coplessa la segentazone trate soglatura. Spesso l applcazone d un fltro d soothng perette d rdurre l problea. L applcazone d una aschera d soothng ha seplcato la segentazone rendendo l stograa bodale. Tratta da [].

11 Illunazone non unfore Nel caso n cu l agne sa llunata n anera non unfore o abba delle non unfortà nella rflettanza, la segentazone trate thresholdng può rsultare puttosto coplessa. Una soluzone seplce al problea consste nel partzonare l agne n rettangol non sovrappost e su d ess effettuare la segentazone. L stograa relatvo ad ogn rettangolo è bodale, e perette dunque la segentazone dell agne. Tratto da [] Soglatura varable cenn Quando l valore della sogla T vara sull agne s utlzza l terne soglatura varable. Alcune tecnche sono le seguent: artzonaento dell agne: l agne vene dvsa n rettangol non sovrappost e su d ess vengono calcolate le sogle per la segentazone; Soglature basate su propretà local dell agne: vene calcolata una sogla per ogn punto n base a delle propretà calcolate n un suo ntorno es. eda, varanza ; Meda oble.

12 Regon Mergng A partre da un pxel detto seed s aggloerano ad esso pxel a lu vcn che soddsfano un certo crtero d oogenetà forando così una regone. Cobnando successv process d growng, o procedendo con growng sultaneo da pù seed, s ottene la segentazone dell ntera agne. Regon Splttng and Mergng E possble esegure una segentazone partzonando splttng rcorsvaente una agne, fno ad ottenere coponent unfor. S dovrà effettuare una successva operazone d aggregazone ergng delle regon adacent che dovessero rsultare copatbl n base ad un crtero d fusone.

13 Regon Splttng and Mergng R La suddvsone rcorsva dell agne n quadrant vene rappresentata con una struttura ad albero chaato quad tree: ogn nodo contene le nforazon relatve a cascun quadrante e suo fgl sono assocat a quadrant n cu è ulterorente suddvso. Un nodo fogla è un quadrante suffcenteente unfore da non rchedere ulteror partzonaent Dopo la fase d splttng s procederà alla fase d ergng delle regon adacent copatbl ; regon adacent verranno aggregate n una unca regone se quest ulta rsultarà suffcenteente unfore. References [] Elaborazone delle Iagn Dgtal R.C. Gonzales, R.E. Woods earson Itala [] R. Noc, F. Nelsen: Statstcal Regon Mergng. IEEE Trans. attern Anal. Mach. Intell. 6:

Campionamento a grappoli

Campionamento a grappoli Caponaento a grappol Caponaento a grappol a stratfcazone è uno struento per auentare la precsone, col quale dvdao una popolazone n sottopopolazon strat, cascuna delle qual vene po caponata separataente

Dettagli

ELABORAZIONE DI SEGNALI E IMMAGINI

ELABORAZIONE DI SEGNALI E IMMAGINI Fltraggo d un segnale EABORAZIOE DI SEGAI E IAGII. Bertero P. Boccacc bertero@ds.unge.t boccacc@ds.unge.t Al ne d glorare la qualtà d un segnale dgtale una tecnca d prara portanza è l ltraggo. Con l quale

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

Esercizio statistica applicata all ingegneria stradale pag. 1

Esercizio statistica applicata all ingegneria stradale pag. 1 ESERCIZIO STATISTICA APPLICATA ALLA PROGETTAZIONE STRADALE SINTESI S supponga d avere eseguto 70 sure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal sure

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

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

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

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

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

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X) ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

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

Dettagli

Modelli di variabili casuali

Modelli di variabili casuali Modell d varabl casual Un modello d v.c. è una funzone f() che assoca ad ogn valore d una v.c. X la corrspondente probabltà. Obettvo: calcolo della probabltà per tutt valor che X può assumere Per le v.c.

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

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

Categorizzazione automatica di immagini mediante algoritmi neurali.

Categorizzazione automatica di immagini mediante algoritmi neurali. Categorzzazone automatca d mmagn medante algortm neural. Sara Colantono, Ovdo Salvett Abstract: - Il problema dell'elaborazone delle mmagn, mrata all nterpretazone e alla classfcazone del contenuto delle

Dettagli

La soluzione delle equazioni differenziali con il metodo di Galerkin

La soluzione delle equazioni differenziali con il metodo di Galerkin Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo

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

Verifiche di congruità tecnica delle offerte rispetto ai margini

Verifiche di congruità tecnica delle offerte rispetto ai margini Dsposzone tecnca d funzonaento Pagna 1 d 7 Dsposzone tecnca d funzonaento n. 10 rev.1 MPE (a sens dell artcolo 4 del Testo ntegrato della Dscplna del ercato elettrco, approvato con decreto del Mnstro delle

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

Valutazione dei Benefici interni

Valutazione dei Benefici interni Corso d Trasport Terrtoro prof. ng. Agostno Nuzzolo Valutazone de Benefc ntern Valutazone degl ntervent Indvduazone degl effett rlevant La defnzone degl effett rlevant per un ntervento sul sstema d trasporto

Dettagli

1.1 L operazione di filtraggio

1.1 L operazione di filtraggio Nella presente tes vene utlzzato un approcco d tpo large-eddy per sulare nuercaente la turbolenza. Questo tpo d approcco rsolve drettaente le grand scale della turbolenza e odellzza le scale pù pccole

Dettagli

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

Dettagli

Classificazione di immagini con GRASS

Classificazione di immagini con GRASS Classfcazone d mmagn con GRASS Paolo Zatell Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Trento Classfcazone d mmagn Scopo della classfcazone: rcavare da una mmagne nformazon sulla superfce. Foto

Dettagli

Principio di sostituzione - I

Principio di sostituzione - I 67 Prncpo d sosttuzone - I In una rete elettrca (lneare o non-lneare) un coponente elettrco, o un nsee d coponent elettrc (lnear o non lnear), può essere sosttuto con un altro coponente o nsee d coponent

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

INTRODUZIONE AL LABORATORIO PLS: LA MATEMATICA PER LE DECISIONI FINANZIARIE

INTRODUZIONE AL LABORATORIO PLS: LA MATEMATICA PER LE DECISIONI FINANZIARIE INTRODUZIONE AL LABORATORIO PLS: LA MATEMATIA PER LE DEISIONI FINANZIARIE Lvana Pcech Dpartento d Scenze econoche, azendal, ateatche e statstche Bruno de Fnett Unverstà d Treste Nel Laboratoro sono ntrodotte

Dettagli

(come ragionare quantitativamente in condizioni di incertezza)

(come ragionare quantitativamente in condizioni di incertezza) LABORATORIO DI FISICA IGEGERIA "La Sapenza" Prof. A. Scubba ELEMETI DI TEORIA DELLE PROBABILITÀ (coe ragonare quanttatvaente n condzon d ncertezza) LO SPAZIO DEGLI EVETI Pra d ntrodurre l concetto d probabltà

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

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

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

Analisi statistica degli eventi idrologici estremi. Campione e Popolazione

Analisi statistica degli eventi idrologici estremi. Campione e Popolazione Anals statstca degl event drologc estre Capone e Popolazone La statstca tratta le osservazon coe ndpendent le une dalle altre, l valore d un osservazone rsulta ndpendente rspetto ad un osservazone precedente

Dettagli

Algoritmi euristici: III Ricerca Locale

Algoritmi euristici: III Ricerca Locale Algortm eurstc: III Rcerca Locale Danele Vgo D.E.I.S. - Unverstà d Bologna dvgo@des.unbo.t rev. 1.0 - dcembre 2003 Algortm d Rcerca Locale partono da una soluzone (ammssble) cercano teratvamente d mglorarla

Dettagli

Statistica descrittiva

Statistica descrittiva Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.

Dettagli

Dati di tipo video. Indicizzazione e ricerca video

Dati di tipo video. Indicizzazione e ricerca video Corso d Laurea n Informatca Applcata Unverstà d Urbno Dat d tpo vdeo I dat vdeo sono generalmente rcch dal punto d vsta nformatvo. Sottottol (testo) Colonna sonora (audo parlato e/o musca) Frame (mmagn

Dettagli

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite:

Per calcolare le probabilità di Testa e Croce è possibile risolvere il seguente sistema di due equazioni in due incognite: ESERCIZIO.1 Sa X la varable casuale che descrve l numero d teste ottenute nella prova lanco d tre monete truccate dove P(Croce)= x P(Testa). 1) Defnrne la dstrbuzone d probabltà ) Rappresentarla grafcamente

Dettagli

LE CARTE DI CONTROLLO

LE CARTE DI CONTROLLO ITIS OMAR Dpartento d Meccanca LE CARTE DI CONTROLLO Carte d Controllo Le carte d controllo rappresentano uno degl struent pù portant per l controllo statstco d qualtà. La carta d controllo è corredata

Dettagli

INDAGINE ESAUSTIVA O CAMPIONARIA?

INDAGINE ESAUSTIVA O CAMPIONARIA? INDAGINE ESAUSTIVA O CAMPIONARIA? S rcorre certamente all ndagne per campone quando la rlevazone completa è mpossble e quando la determnazone delle modaltà possedute dalle untà n esame ne comporta la dstruzone

Dettagli

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Facoltà d Economa Valutazone de prodott e dell mpresa d asscurazone I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Clauda Colucc Letza Monno Gordano Caporal Martna Ragg I Modell Multstato sono un

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

DBMS multimediali A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2

DBMS multimediali A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2 DBMS multmedal A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2 DBMS multmedal Def: Sono DBMS che consentono d memorzzare e recuperare dat d natura multmedale:

Dettagli

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1;

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1; Appendce B Eleent d Teora dell Inforazone Appendce B B Eleent d Teora dell Inforazone B Introduzone E noto da tepo che fenoen percettv possono essere foralzzat e studat edante la Teora dell Inforazone

Dettagli

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate

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

ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X

ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA. Notazione: x i = i-esima modalità della variabile X ESERCITAZIONE 2 DIAGRAMMI A BARRE, COSTRUZIONE DI ISTOGRAMMA Notazone: x = -esma modaltà della varable X Nel caso d dstrbuzon n class: x = Lmte superore della classe -esma x -1 = Lmte nferore della classe

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

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla? Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà

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

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

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Un algortmo per l flusso su ret a costo mnmo: l smplesso su ret Convergenza

Dettagli

Modello del Gruppo d Acquisto

Modello del Gruppo d Acquisto InVMall - Intellgent Vrtual Mall Modello del Gruppo d Acqusto Survey L attvtà svolta per la realzzazone dell attvtà B7 Defnzone del Gruppo d Acqusto e de Relatv Algortm d Inferenza, prevsta dal captolato

Dettagli

Canali punto-punto. Canali e Multiplazione. Cenno sul sincronismo. Metodi per garantire il sincronismo. Sincronismo mediante preambolo

Canali punto-punto. Canali e Multiplazione. Cenno sul sincronismo. Metodi per garantire il sincronismo. Sincronismo mediante preambolo (da materale preparato da Antono apone- Poltecnco d Mlano) orso d Ret anal e Multplazone anal punto-punto collegament permanent tra un trasmetttore ed un rcevtore l rcevtore può essere ottmzzato sulla

Dettagli

Strutture deformabili torsionalmente: analisi in FaTA-E

Strutture deformabili torsionalmente: analisi in FaTA-E Strutture deformabl torsonalmente: anals n FaTA-E Il comportamento dsspatvo deale è negatvamente nfluenzato nel caso d strutture deformabl torsonalmente. Nelle Norme Tecnche cò vene consderato rducendo

Dettagli

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012 CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso

Dettagli

Esercitazione 8 del corso di Statistica (parte 1)

Esercitazione 8 del corso di Statistica (parte 1) Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.

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

Corso di Architettura (Prof. Scarano) 25/03/2002

Corso di Architettura (Prof. Scarano) 25/03/2002 Corso d rchtettura (Prof. Scarano) // Un quadro della stuazone Lezone Logca Dgtale (): Crcut combnator Vttoro Scarano rchtettura Corso d Lauren Informatca Unverstà degl Stud d Salerno Input/Output Regstr

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

Hansard OnLine. Unit Fund Centre Guida

Hansard OnLine. Unit Fund Centre Guida Hansard OnLne Unt Fund Centre Guda Sommaro Pagna Introduzone al Unt Fund Centre (UFC) 3 Uso de fltr per la selezone de fond 4-5 Lavorare con rsultat del fltro 6 Lavorare con rsultat del fltro - Prezz 7

Dettagli

Materials Handling and Logistics Technology. Linea guida. Settembre 2010

Materials Handling and Logistics Technology. Linea guida. Settembre 2010 Materals Handlng and Logstcs Technology Lnea guda Settembre 2010 2 PAVIMENTI PER L USO DI CARRELLI PER VNA 1 Scopo 3 2 Rferment 3 3 Defnzon 4 4 Requst 5 4.1 Pavment 5 4.1.1 Generaltà 5 4.1.2 Deflessone

Dettagli

DATA MINING E CLUSTERING

DATA MINING E CLUSTERING Captolo 4 DATA MINING E CLUSTERING 4. Che cos'è l Data Mnng Per Data Mnng s'ntende quel processo d estrazone d conoscenza da banche dat, tramte l'applcazone d algortm che ndvduano le assocazon non mmedatamente

Dettagli

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

Dettagli

B - ESERCIZI: IP e TCP:

B - ESERCIZI: IP e TCP: Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s

Dettagli

Correlazione lineare

Correlazione lineare Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Struttura delle ret logstche Sstem produttv multstado Struttura logstca

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

Le obbligazioni: misure di rendimento e rischio La curva dei rendimenti per scadenze

Le obbligazioni: misure di rendimento e rischio La curva dei rendimenti per scadenze Le obblgazon: msure d rendmento e rscho La curva de rendment per scadenze Economa del Mercato Moblare A.A. 2017-2018 La curva de rendment (yeld curve) (1) Il rendmento d un ttolo obblgazonaro dpende da

Dettagli

V n. =, e se esiste, il lim An

V n. =, e se esiste, il lim An Parttore resstvo con nfnte squadre n cascata. ITIS Archmede CT La Fg. rappresenta un parttore resstvo, formato da squadre d restor tutt ugual ad, conness n cascata, e l cu numero n s fa tendere ad nfnto.

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabltà Che collegamento c è tra gl strument statstc vst fno ad ora per lo studo de fenomen real e l calcolo delle probabltà? Non sempre la conoscenza delle caratterstche d un fenomeno

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

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

Tecniche di Composizione Personalizzata

Tecniche di Composizione Personalizzata Tecnche d Composzone Personalzzata Survey Il documento n essere costtusce la sntes del delverable dell attvtà C.3, ossa Defnzone e Valdazone delle Tecnche d Composzone Personalzzata prevsta nell ambto

Dettagli

x(t) x[n] x q [n] x q [n] Campionamento Quantizzazione Codifica

x(t) x[n] x q [n] x q [n] Campionamento Quantizzazione Codifica 1. a conversone analogco dgtale (A/D) a conversone A/D è una operazone che permette d rappresentare un segnale analogco, coè contnuo nel domno del tempo e delle ampezze, medante una seuenza d campon numerc.

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

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

F est. I int. I est. ,L int. costante. Kcm

F est. I int. I est. ,L int. costante. Kcm Urt Sere, anztutto, rleare alcune caratterstche coun agl urt. Gl urt sono olto bre ed e dunque dcle tener conto esplctaente delle orze che nterengono nell urto. Se ne rcaa norazone a partre dalle propreta

Dettagli

Centro di massa. Coppia di forze. Condizioni di equilibrio. Statica Fisica Sc.Tecn. Natura. P.Montagna Aprile pag.1

Centro di massa. Coppia di forze. Condizioni di equilibrio. Statica Fisica Sc.Tecn. Natura. P.Montagna Aprile pag.1 L EQUILIBRIO LEQU L Corpo rgdo Centro d massa Equlbro Coppa d forze Momento d una forza Condzon d equlbro Leve pag.1 Corpo esteso so e corpo rgdo Punto materale: corpo senza dmenson (approx.deale) Corpo

Dettagli

Il campionamento casuale semplice

Il campionamento casuale semplice Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

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

Rappresentazione dei numeri

Rappresentazione dei numeri 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

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry CEFRIEL Consorzo per la Formazone e la Rcerca n Ingegnera dell Informazone Poltecnco d Mlano s Sommator: x y c x y c x y c x y c x y c Archtetture artmetche s x y Sommator:, Rpple Carry Sommator: Carry

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

AMMORTAMENTO A RATE POSTICIPATE CON TASSO FISSO

AMMORTAMENTO A RATE POSTICIPATE CON TASSO FISSO Aortaento a rate postcpate con tasso fsso AMMORTAMENTO A RATE POTICIPATE CON TAO FIO + R1 K 1 R R 0 1 K -1 a l tasso d nteresse rferto alla perodctà d pagaento delle rate (es. tasso annuo nel caso d rate

Dettagli

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre

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

DIPARTIMENTO TEMATICO RADIAZIONI Struttura Semplice Radiazioni ionizzanti

DIPARTIMENTO TEMATICO RADIAZIONI Struttura Semplice Radiazioni ionizzanti DIPARTIMENTO TEMATICO RADIAZIONI Struttura Semplce 21.01 Radazon onzzant TITOLO Interconfronto Consorzo Eraclto Msure d rateo d dose gamma n campo - Cuncolo esploratvo de la Maddalena Allneamento msure

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

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2:

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2: CORSO DI FISICA TECNICA AA 013/14 ACUSTICA Lezone n : Lvell sonor: operazon su decbel e lvello sonoro equvalente. Anals n requenza de segnal sonor, bande d ottava e terz d ottava. Rumore banco e rumore

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

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1 Varabl aleatore dscrete Probabltà e Statstca I - a.a. 04/05 - Defnzone Una varable aleatora è una funzone che assoca ad ogn esto dello spazo campone d un espermento casuale un numero. L nseme de possbl

Dettagli

Analizzata: - Nei livelli Prezzi - Nelle differenze Rendimenti. Rendimento al tempo t: Variabile finanziaria

Analizzata: - Nei livelli Prezzi - Nelle differenze Rendimenti. Rendimento al tempo t: Variabile finanziaria Varable fnanzara Analzzata: - Ne lvell Prezz - Nelle dfferenze endent endento al tepo t: t ( P P ) t P t 1 t 1 1 Unverstà d Terao - Teora del portafoglo fnanzaro - Prof. Paolo D Antono endento atteso:

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

Analisi della Varianza

Analisi della Varianza Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella

Dettagli

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

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

Dettagli

Corso di Economia Applicata

Corso di Economia Applicata Corso d Economa Applcata a.a. 2007-08 II modulo 16 Lezone Programma 16 lezone Democraza rappresentatva e nformazone Rcaptolando L agenza e l mercato (Arrow, 1986) Lezone 16 2 Introduzone Governo e Parlamento

Dettagli

Telefoni Avaya T3 collegabile a Integral 5 Configurazione e utilizzo sala conferenze Integrazione del manuale utente

Telefoni Avaya T3 collegabile a Integral 5 Configurazione e utilizzo sala conferenze Integrazione del manuale utente Telefon Avaya T3 collegable a Integral 5 Confgurazone e utlzzo sala conferenze Integrazone del manuale utente Issue 1 Integral 5 Software Release 2.6 Settembre 2009 Utlzzo sala conferenze Utlzzo sala conferenze

Dettagli

CALCOLI MACROSCOPICI: TRASPORTO DI MATERIA

CALCOLI MACROSCOPICI: TRASPORTO DI MATERIA CCOI MCROSCOPICI: TRSPORTO DI MTERI a veloctà d trasferento d assa attraverso l nterfacca ha, per process d separaone, un ruolo altrettanto portante delle condon d equlbro terodnaco tra le fas perchè deterna

Dettagli

Analizzata: - Nei livelli Prezzi - Nelle differenze Rendimenti. Rendimento al tempo t: Variabile finanziaria

Analizzata: - Nei livelli Prezzi - Nelle differenze Rendimenti. Rendimento al tempo t: Variabile finanziaria Varable fnanzara Analzzata: - Ne lvell Prezz - Nelle dfferenze endent endento al tepo t: t P t P t P 1 t 1 1 Unverstà d Terao - Teora del portafoglo fnanzaro - Prof. Paolo D Antono endento atteso: E N

Dettagli

5. Baricentro di sezioni composte

5. Baricentro di sezioni composte 5. Barcentro d sezon composte Barcentro del trapezo Il barcentro del trapezo ( FIURA ) s trova sull asse d smmetra oblqua (medana) della fgura; è suffcente, qund, determnare la sola ordnata. A tal fne,

Dettagli

COSTRUZIONE DEL GRAFO ED ANALISI DELLE PARTI

COSTRUZIONE DEL GRAFO ED ANALISI DELLE PARTI Captolo VI COSTRUZIONE DEL GRAFO ED ANALISI DELLE PARTI 6.1 Introduzone al problea La costruzone d un grafo che scheatzz trate nse d arch un carattere preso n esae, costtusce un passo fondaentale per l

Dettagli