0.6 Filtro di smoothing Gaussiano

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "0.6 Filtro di smoothing Gaussiano"

Transcript

1 2 Figura 7: Filtro trapezoidale passa basso. In questo filtro l rappresenta la frequenza di taglio ed l, l rappresenta un intervallo della frequenza con variazione lineare di H, utile ad evitare le brusche variazioni tipiche del filtro ideale. I risultati degli ultimi tre filtri: Butterworth, Esponenziale e Trapezoidale sono mostrati nella seguente figura. I filtri di smoothing studiati sono utilizzati per ridurre il rumore e migliorare la qualità visiva, specialmente nel caso di immagini quantizzate in pochi livelli. In quest ultimo caso infatti quando sono visualizzate si nota l effetto dei falsi contorni..6 Filtro di smoothing Gaussiano Appartengono a questa categoria i filtri lineari di smoothing, che definiscono i coefficienti della maschera di convoluzione in accordo alla funzione Gaussiana. Tali filtri si dimostrano molto efficaci per attenuare il rumore di tipo Gaussiano presente nell immagine. La funzione di trasferimento h(l, k), modellata dalla funzione Gaussiana discreta con media zero, è data da: h(l, k) =ce (l 2 +k 2 ) 2σ 2 (4) dove σ è la deviazione standard della distribuzione di probabilità associata, c il fattore di normalizzazione che per semplicità si assume uguale a. La deviazione standard σ è l unico parametro che modella la funzione di trasferimento e definisce l area di influenza del filtro Gaussiano (figura 8) Modulo (a) (b) (c) F y.5 F x.5 Figura 8: Funzione Gaussiana (a) D e l2 /2σ 2,(b)2Dconσ = 3 e (c) trasformata di Fourier di h(l, k). Il peso dei coefficienti della maschera è inversamente proporzionale alla distanza dei pixel rispetto a quello centrale (i pixel a distanza maggiore di circa 3σ non avranno nessuna influenza per il filtraggio). Tra le proprietá del filtro Gaussiano vi sono:

2 .6. FILTRO DI SMOOTHING GAUSSIANO 2 Simmetria circolare Monotono decrescente (nel dominio spaziale e delle frequenze) Separabile..6. Simmetria circolare Il filtro Gaussiano esegue l operazione di smoothing in modo identico in tutte le direzioni. Da ciò ne consegue che il filtro opera in maniera indipendente all orientazione delle strutture presenti nell immagine. Questa proprietà è dimostrata convertendo le coordinate cartesiane (l,k) in coordinate polari (r, θ) nella funzione Gaussiana: h(r, θ) =ce r2 2σ 2 (4) dove il raggio polare r è definito da r 2 = l 2 + k 2.Laproprietà di simmetria circolare è dimostrata dalla non dipendenza di h(r, θ) e dall azimut θ..6.2 Proprietá del filtro nel domino delle frequenze La trasformata di Fourier della funzione Gaussiana è ancora una Gaussiana con soli valori reali. Per dimostrarlo consideriamo la funzione Gaussiana h(x) ed applichiamo la trasformata di Fourier: H(u) =F (h(x)) = + h(x)e jux dx 2σ 2 e jux dx 2σ 2 (cos ux + j sin ux)dx [F ormuladieulero] 2σ 2 cos uxdx + j + 2σ 2 cos uxdx = 2πσe u2 2v 2 2σ 2 sin uxdx (42) dove ν 2 =/σ 2 è la deviazione standard nel dominio della frequenza che è il reciproco della deviazione standard nel dominio spaziale. Ciò porta alla seguente considerazione: per valori piccoli di σ corrispondono valori grandi di ν, ossia, il filtro Gaussiano produce uno smoothing lieve se la deviazione standard σ ha valori piccoli che corrispondono a valori grandi nel dominio delle frequenze con il conseguente limitato taglio delle alte frequenze. Al contrario se σ ha valori alti, l operazione di smoothing è notevolmente accentuata avendo in corrispondenza un valore piccolo di ν eliminando un numero maggiore di alte frequenze. In quest ultimo caso, l eliminazione delle alte frequenze comporta sia una maggiore attenuazione del rumore che delle strutture presenti nel dominio spaziale. Con la funzione di trasferimento H(u) ancora Gaussiana nel dominio delle frequenze, si conferma di nuovo l esistenza di un unico picco.

3 Proprietá di separabilità del filtro Gaussiano Siano h(i, j) ef(i, j) rispettivamente la funzione di trasferimento e l immagine da filtrare, segue: g(i, j) =h(i, j) f(i, j) = h(l, k)f(i l, j k) = = l l k l k e l2 2σ 2 e (l2 +k 2 ) [ k 2σ 2 f(i l, j k) ] e k2 2σ 2 f(i l, j k) dove l espressione [ ] indica la convoluzione dell immagine f(i, j) con la funzione Gaussiana monodimensionale h(k) che rappresenta la componente verticale. Il risultato del filtraggio verticale porta all immagine di output g v (i, j) che viene dato in input all operatore di convoluzione orizzontale che utilizza la funzione Gaussiana monodimensionale h(i). Scambiando l ordine delle convoluzioni, prima l orizzontale e successivamente la verticale, i risultati non cambiano, per la proprietà associativa e commutativa della convoluzione. I passi essenziali sono cosi riassunti:. Eseguire la convoluzione con maschera orizzontale e salva il risultato in modo trasposto rispetto all inizio (Convoluzione orizzontale). 2. Eseguire la convoluzione con la stessa maschera orizzontale (Convoluzione verticale). 3. Eseguire la trasposizione dell immagine per riportarla nella posizione originale (Immagine filtrata)..7 Progettazione del filtro Gaussiano In precedenza sono stati evidenziati i limiti del filtro media. Inoltre, l uso di una funzione di trasferimento ideale nel dominio delle frequenze non si è dimostrata efficace applicata ad immagini reali. I filtri di smoothing devono essere progettati con la particolarità che i coefficienti della maschera di convoluzione modellano una funzione monotona gradualmente decrescente con la tendenza a raggiungere lo zero. Per ottenere filtri di smoothing con tali caratteristiche consideriamo due categorie di filtri Gaussiani: filtri discreti e filtri binomiali..7. Filtro Gaussiano discreto I coefficienti della maschera di convoluzione sono calcolati analiticamente considerando la funzione di distribuzione Gaussiana: h(i, j) =ke i2 +j 2 2σ 2 (44) dove k è una costante di normalizzazione dei pesi. È noto che gli effetti del filtro sono controllati dai valori della varianza σ 2 e dalle dimensioni della maschera L L. Per una maschera di 7 7, una varianza σ 2 =2 e, normalizzando il valore massimo del picco uguale ad nella posizione centrale (, ) della maschera, i valori discreti prodotti da tale equazione sono: [i,j] (43)

4 .8. FILTRI BINOMIALI Tabella : Maschera Gaussiana 7 7 In molti sistemi di elaborazione dell immagine è comodo considerare i coefficienti del filtro con valori interi. Per tale scopo si calcola un adeguato valore della costante k. Se si vuole far corrispondere un valore minimo (per esempio ) ai vertici della maschera ed un valore massimo k in corrispondenza del coefficiente centrale, si ha: k = nuovovalore min h N ( 3, 3) valoreattuale h(3, 3) = = 9 (45). L adattamento degli altri coefficienti è ottenuto moltiplicando ciascuno di essi per il valore di k calcolato in precedenza. Il risultato che si ottiene è il seguente: [i,j] Con questi nuovi valori dei coefficienti, è necessario normalizzare i valori della funzione di convoluzione con una costante λ, ossia g(i, j) =λ [h(i, j) f(i, j)] (46) e con i dati dell esempio si avrebbe: 3 3 λ =/ h(i, j) = 5 i= 3 j= 3 (47) La normalizzazione dei risultati della convoluzione garantisce che regioni omogenee con intensità costante siano lasciate inalterate dal filtro. Altri filtri discreti possono essere calcolati variando σ 2 ed L, rispettivamente la varianza ed il lato della maschera..8 Filtri Binomiali Una classe dei filtri di smoothing chiamati filtri binomiali, possono essere ottenuti in modo semplice considerando alcune proprietà: la distribuzione Gaussiana può essere approssimata dalla distribuzione binomiale (specialmente con n>>): ( ) n h(x) = p x ( p) n x x =,...,n (48) x

5 24 (a) (b) Figura 9: Immagine con rumore Gaussiano (a) e filtrata usando il filtro 7 7 di tabella 9. dove p rappresenta la probabilità dell evento x ed n è l ordine della distribuzione binomiale. Tale distribuzione ha media μ = np evarianzaσ 2 = np( p). Nel caso discreto, con n =8,p =/2 e quindi μ =8 (/2) = 4 e σ 2 = 2, la distribuzione Gaussiana e la binomiale hanno differenze molto piccole: x Distrib. bin Distrib. Gauss La proprietá di separabilità del filtro Gaussiano bidimensionale è nota. Questo filtro può essere implementato come convoluzione di due filtri Gaussiani monodimensionali (orizzontale e verticale). Ciò è fattibile utilizzando un singolo filtro Gaussiano monodimensionale e trasponendo l immagine dopo ogni convoluzione (con la stessa maschera monodimensionale). La proprietà di sommatoria della convoluzione dei filtri. Se consideriamo la maschera di convoluzione (n n) di un filtro Gaussiano o binomiale, la sua convoluzione con un altra maschera di dimensioni (m m) produce una nuova maschera di convoluzione di dimensioni (n + m n + m ). Analizziamo in dettaglio l ultima proprietà e consideriamo il filtro media monodimensionale: h(i) = [ ] (49) 2 Se applichiamo tale filtro n volte ad una linea dell immagine si avrebbe il seguente filtro: [ ] [ ]... [ ] ossia h n (i)= h(i) h(i)... h(i) } {{ } (5) n volte Esempio: h 2 (i) =h(i) h(i) = [ ] [ ] [ ] [ ] = 4 2 h 3 (i) = 8 [ 3 3 ] h 4 (i) = 6 [ ] h 8 (i) = Siamo interessati per ragioni di simmetria, ai filtri di dimensione dispari. I valori delle maschere di convoluzione monodimensionali sopra indicati, corrispondono ai valori di distribuzione binomiale discreti. Tali valori, ottenuti applicando la convoluzione in modo consecutivo con la maschera di base /2[ ], sono equivalenti a ciascuna riga n-ma del triangolo di Pascal che può essere

6 .8. FILTRI BINOMIALI 25 considerato come una buona approssimazione di n-punti ai filtri Gaussiani. Da ciò consegue che i filtri binomiali monodimensionali possono essere estratti dai corrispondenti valori di ciascuna linea del triangolo di Pascal che sviluppato fino ad n=8 risulta: n k σ 2 /2 /4 2 /4 2 /2 3 /8 33 3/4 4 / / /4 6 / /2 7 / /4 8 / dove k è il fattore di scala del filtro 2 n elavarianzaσ 2 = np( p) =n/4 conp =/2, rappresenta il parametro che controlla l efficacia di smoothing del filtro. Un filtro binomiale di dimensioni dispari h(i) con L = 2R + pixel, utilizzando la proprietà a), è definito dalla seguente relazione: h L (i) = ( L ) p i ( p) L i = L! (R i)!(r + i)! 2 L (5) con i = R, (R ),...,..., R. La funzione di trasferimento del filtro binomiale si ottiene considerando quella del filtro media considerato elevato alla L-ma potenza. Rispetto al filtro media si nota come il filtro di smoothing binomiale ha una funzione di trasferimento che decresce in modo monotono e tende a zero verso le alte frequenze. Riepilogando i filtri binomiali possono essere implementati secondo quanto segue: Filtro Monodimensionale Con la proprietà di separabilità si può utilizzare un filtro binomiale monodimensionale con valori approssimati da una riga del triangolo di Pascal. Se la maschera ha dimensioni superiori a, i coefficienti dell espansione binomiale assumono valori molto grandi e creano problemi di implementazione (non sono più memorizzabili in un byte). Per la proprietà di sommatoria della convoluzione dei filtri, si èvistocheè possibile applicare più volte lo stesso filtro all immagine, ottenendo così l effetto equivalente di un filtro di grandi dimensioni. Filtro bidimensionale Questi filtri sono ottenuti utilizzando una maschera di convoluzione composta della convoluzione delle maschere monodimensionali orizzontali e verticali: h L (i, j) =h L (i) h L (j) (52) Una maschera di convoluzione binomiale 3 3è ottenuta come segue: h 2 (i, j) =h 2 (i) h 2 (j) = [ ] [ ] 2 = [ ] (53) Le figure visualizzano le funzioni di trasferimento dei filtri binomiali a diverse dimensioni 3 3, 5 5 e gli effetti dello smoothing sull immagine campione. Si nota come il filtro binomiale, approssimazione del filtro Gaussiano, presenta componenti di non perfetta simmetria circolare anche insignificanti.

7 26.8. Caratteristica dei Filtri Gaussiani Risulta frequentemente utilizzato come filtro per l attenuazione del rumore Gaussiano. In contrapposizione si ottiene una immagine leggermente sfocata con la rimozione di qualche dettaglio. Il carico computazionale di un filtro binomiale di dimensione L L èdil 2 moltiplicazioni e di L 2 - addizioni. Se il filtro è realizzato con maschere monodimensionali del tipo /2[], ed è applicato in direzione orizzontale e verticale L volte, sono necessari 2(L ) addizioni. Le moltiplicazioni sono realizzate in modo efficiente con operazioni di shift. Per una maschera di dimensioni 7 7 il filtro richiede solo 32 somme ad alcune operazioni di shift contro alle 289 moltiplicazioni e 288 somme necessarie con l approccio diretto.

Corso di Visione Artificiale. Filtri parte I. Samuel Rota Bulò

Corso di Visione Artificiale. Filtri parte I. Samuel Rota Bulò Corso di Visione Artificiale Filtri parte I Samuel Rota Bulò Filtri spaziali Un filtro spaziale è caratterizzato da un intorno e un'operazione che deve essere eseguita sui pixels dell'immagine in quell'intorno.

Dettagli

Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it

Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione Raffaele Cappelli raffaele.cappelli@unibo.it Contenuti Estrazione dei bordi Calcolo del gradiente Operatori di Roberts Operatori

Dettagli

Introduzione all elaborazione di immagini Part II

Introduzione all elaborazione di immagini Part II Introduzione all elaborazione di immagini Part II Obiettivi delle tecniche di elaborazione di immagini: miglioramento di qualità (image enhancement) ripristino di qualità o restauro (image restoration)

Dettagli

Elaborazione delle Immagini Digitali

Elaborazione delle Immagini Digitali Elaborazione delle Immagini Digitali Parte I Prof. Edoardo Ardizzone A.A. 2-22 La trasformata di Hotelling o di Karhunen-Loeve KLT discreta Questa trasformata detta anche analisi delle componenti principali

Dettagli

Capitolo 4 FILTRAGGIO NEL DOMINIO DELLA FREQUENZA

Capitolo 4 FILTRAGGIO NEL DOMINIO DELLA FREQUENZA Capitolo 4 FILTRAGGIO NEL DOMINIO DELLA FREQUENZA Il filtraggio nel dominio della frequenza è possibile grazie alle caratteristiche della serie di Fourier e della trasformata di Fourier, che permette di

Dettagli

Elaborazione nel dominio della frequenza

Elaborazione nel dominio della frequenza Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza L.Verdoliva In questa esercitazione esamineremo la trasformata di Fourier discreta monodimensionale e bidimensionale.

Dettagli

Analisi dei segnali nel dominio della frequenza

Analisi dei segnali nel dominio della frequenza Laboratorio di Telecomunicazioni - a.a. 2010/2011 Lezione n. 7 Analisi dei segnali nel dominio della frequenza docente L.Verdoliva In questa lezione affrontiamo il problema dell analisi dei segnali tempo

Dettagli

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI La differenza tra il restauro e il miglioramento (enhancement) delle immagini è che il miglioramento è un processo soggettivo, mentre il restauro è un processo

Dettagli

Elaborazione di immagini nel dominio spaziale

Elaborazione di immagini nel dominio spaziale Appunti di Elaborazione di Segnali Multimediali a.a. 213/214 L.Verdoliva In questa prima parte del corso studieremo le principali elaborazioni che possono essere effettuate sulle immagini digitali, focalizzando

Dettagli

Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15

Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15 Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15 Agostino ACCARDO Dipartimento di Ingegneria e Architettura 040-5587148 accardo@units.it Testi di riferimento:

Dettagli

Statistica descrittiva: prime informazioni dai dati sperimentali

Statistica descrittiva: prime informazioni dai dati sperimentali SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni

Dettagli

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)

Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a) Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:

Dettagli

Il concetto di valore medio in generale

Il concetto di valore medio in generale Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo

Dettagli

Basi di matematica per il corso di micro

Basi di matematica per il corso di micro Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione

Dettagli

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU 9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto

Dettagli

Relazioni statistiche: regressione e correlazione

Relazioni statistiche: regressione e correlazione Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica

Dettagli

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto:

Indicando con x i minuti di conversazione effettuati in un mese, con la spesa totale nel mese e con il costo medio al minuto: PROBLEMA 1. Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di 10 euro al mese, più 10 centesimi per ogni minuto di conversazione. Indicando

Dettagli

Studio nel dominio del tempo. Le correnti sulla resistenza e sul condensatore, considerando che il punto M è a massa virtuale, valgono:

Studio nel dominio del tempo. Le correnti sulla resistenza e sul condensatore, considerando che il punto M è a massa virtuale, valgono: INTEGRATORE E DERIVATORE Oltre le quattro operazioni matematiche (addizione, sottrazione, moltiplicazione, divisione) l A.O. è in grado di compiere anche altre operazioni tra le quali parecchio importanti

Dettagli

Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).

Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione

Dettagli

A.1 Rappresentazione geometrica dei segnali

A.1 Rappresentazione geometrica dei segnali Appendice A Rappresentazione dei segnali A.1 Rappresentazione geometrica dei segnali Scomporre una generica forma d onda s(t) in somma di opportune funzioni base è operazione assai comune, particolarmente

Dettagli

Analisi statistica degli errori

Analisi statistica degli errori Analisi statistica degli errori I valori numerici di misure ripetute risultano ogni volta diversi l operazione di misura può essere considerata un evento casuale a cui è associata una variabile casuale

Dettagli

Confronto tra i codici di calcolo QUAD4-M e LSR2D

Confronto tra i codici di calcolo QUAD4-M e LSR2D 2 Confronto tra i codici di calcolo QUAD4-M e LSR2D Introduzione Questo documento riporta un confronto tra i risultati di un analisi di risposta sismica locale condotta con il codice di calcolo LSR2D (Stacec

Dettagli

COEFFICIENTI BINOMIALI

COEFFICIENTI BINOMIALI COEFFICIENTI BINOMIALI Michele Impedovo micheleimpedovo@uni-bocconiit Una definizione insiemistica Se n è un numero naturale e è un numero naturale compreso tra e n, si indica con il simbolo il coefficiente

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

L A B O R A T O R I O D I I N F O R M A T I C A M U S I C A L E

L A B O R A T O R I O D I I N F O R M A T I C A M U S I C A L E L A B O R A T O R I O D I I N F O R M A T I C A M U S I C A L E MODULO 1: MANIPOLAZI ONE DEL SEGNALE AUDI O G.PRESTI - 17/03/2015 - LE ZI ON E 3 1. RISPOSTA IMPULSIVA E CONVOLUZIONE Una descrizione informale

Dettagli

Corso di Automazione Industriale 1. Capitolo 4

Corso di Automazione Industriale 1. Capitolo 4 Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione

Dettagli

Serie numeriche e serie di potenze

Serie numeriche e serie di potenze Serie numeriche e serie di potenze Sommare un numero finito di numeri reali è senza dubbio un operazione che non può riservare molte sorprese Cosa succede però se ne sommiamo un numero infinito? Prima

Dettagli

LA TRASFORMATA DI FOURIER: PROPRIETA ED ESEMPI

LA TRASFORMATA DI FOURIER: PROPRIETA ED ESEMPI LA TRASFORMATA DI FOURIER: PROPRIETA ED ESEMPI Fondamenti di segnali Fondamenti e trasmissione TLC Proprieta della () LINEARITA : la della combinazione lineare (somma pesata) di due segnali e uguale alla

Dettagli

Revisione dei concetti fondamentali dell analisi in frequenza

Revisione dei concetti fondamentali dell analisi in frequenza Revisione dei concetti fondamentali dell analisi in frequenza rgomenti: trasformazione in frequenza: significato e funzionamento; schemi di rappresentazione; trasformata discreta. 1 Rappresentazione dei

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

Elaborazione nel dominio della frequenza Soluzioni

Elaborazione nel dominio della frequenza Soluzioni Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza Soluzioni 1 La trasformata discreta 1D Calcoliamo lo spettro di x(n) = R L (n) al variare di L = 2, 10, 20,

Dettagli

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che

VARIABILI ALEATORIE MULTIPLE E TEOREMI ASSOCIATI. Dopo aver trattato delle distribuzioni di probabilità di una variabile aleatoria, che VARIABILI ALATORI MULTIPL TORMI ASSOCIATI Fonti: Cicchitelli Dall Aglio Mood-Grabill. Moduli 6 9 0 del programma. VARIABILI ALATORI DOPPI Dopo aver trattato delle distribuzioni di probabilità di una variabile

Dettagli

Coordinate Cartesiane nel Piano

Coordinate Cartesiane nel Piano Coordinate Cartesiane nel Piano O = (0,0) origine degli assi ascissa, y ordinata sistemi monometrici: stessa unità di misura sui due assi, y sistemi dimetrici: unità di misura diverse sui due assi (spesso

Dettagli

GEOMETRIA DELLE MASSE

GEOMETRIA DELLE MASSE 1 DISPENSA N 2 GEOMETRIA DELLE MASSE Si prende in considerazione un sistema piano, ossia giacente nel pian x-y. Un insieme di masse posizionato nel piano X-Y, rappresentato da punti individuati dalle loro

Dettagli

Metodi Numerici per Equazioni Ellittiche

Metodi Numerici per Equazioni Ellittiche Metodi Numerici per Equazioni Ellittiche Vediamo ora di descrivere una tecnica per la risoluzione numerica della più semplice equazione ellittica lineare, l Equazione di Laplace: u xx + u yy = 0, (x, y)

Dettagli

LE FUNZIONI E LE LORO PROPRIETÀ

LE FUNZIONI E LE LORO PROPRIETÀ LE FUNZIONI E LE LORO PROPRIETÀ LE FUNZIONI REALI DI VARIABILE REALE COSA SONO LE FUNZIONI Dati due sottoinsiemi A e B non vuoti di R, una FUNZIONE da A a B è una relazione che associa ad ogni numero reale

Dettagli

TECNICHE DI COMPRESSIONE DATI

TECNICHE DI COMPRESSIONE DATI TECNICHE DI COMPRESSIONE DATI COMPRESSIONE DATI La compressione produce una rappresentazione più compatta delle informazioni è come se si usassero meno parole per dire la stessa cosa in modo diverso. Esistono

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

Teoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26

Teoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26 Indice L attività di recupero 6 Funzioni Teoria in sintesi 0 Obiettivo Ricerca del dominio e del codominio di funzioni note Obiettivo Ricerca del dominio di funzioni algebriche; scrittura del dominio Obiettivo

Dettagli

La trasformata Zeta. Marco Marcon

La trasformata Zeta. Marco Marcon La trasformata Zeta Marco Marcon ENS Trasformata zeta E l estensione nel caso discreto della trasformata di Laplace. Applicata all analisi dei sistemi LTI permette di scrivere in modo diretto la relazione

Dettagli

b) Il luogo degli estremanti in forma cartesiana è:

b) Il luogo degli estremanti in forma cartesiana è: Soluzione della simulazione di prova del 9/5/ PROBLEMA È data la funzione di equazione: k f( ). a) Determinare i valori di k per cui la funzione ammette punti di massimo e minimo relativi. b) Scrivere

Dettagli

Interazione luce - materia

Interazione luce - materia Interazione luce - materia 1 Modelli di illuminazione Il modello di illuminazione descrive l interazione tra la luce e gli oggetti della scena Descrive i fattori che determinano il colore di un punto della

Dettagli

Elementi Finiti: stime d errore e adattività della griglia

Elementi Finiti: stime d errore e adattività della griglia Elementi Finiti: stime d errore e adattività della griglia Elena Gaburro Università degli studi di Verona Master s Degree in Mathematics and Applications 05 giugno 2013 Elena Gaburro (Università di Verona)

Dettagli

Esercizi di Matematica. Funzioni e loro proprietà

Esercizi di Matematica. Funzioni e loro proprietà www.pappalardovincenzo.3.it Esercizi di Matematica Funzioni e loro proprietà www.pappalardovincenzo.3.it ESERCIZIO www.pappalardovincenzo.3.it ESERCIZIO ESERCIZIO www.pappalardovincenzo.3.it ESERCIZIO

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

Modellazione e Analisi di Reti Elettriche

Modellazione e Analisi di Reti Elettriche Modellazione e Analisi di eti Elettriche Modellazione e Analisi di eti Elettriche Davide Giglio Introduzione alle eti Elettriche e reti elettriche costituite da resistori, condensatori e induttori (bipoli),

Dettagli

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI DI STATISTICA PER IDROLOGIA Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono

Dettagli

Introduzione al Campionamento e

Introduzione al Campionamento e Introduzione al Campionamento e all analisi analisi in frequenza Presentazione basata sul Cap.V di Introduction of Engineering Experimentation, A.J.Wheeler, A.R.Ganj, Prentice Hall Campionamento L'utilizzo

Dettagli

Docente: DI LISCIA F. CLASSE 1T MODULO 1: GLI INSIEMI NUMERICI

Docente: DI LISCIA F. CLASSE 1T MODULO 1: GLI INSIEMI NUMERICI Docente: DI LISCIA F. Materia: MATEMATICA CLASSE 1T MODULO 1: GLI INSIEMI NUMERICI Insiemi numerici: numeri naturali, proprietà delle operazioni aritmetiche; Potenze e loro proprietà; Criteri di divisibilità;

Dettagli

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come

RICHIAMI SULLE MATRICI. Una matrice di m righe e n colonne è rappresentata come RICHIAMI SULLE MATRICI Una matrice di m righe e n colonne è rappresentata come A = a 11 a 12... a 1n a 21 a 22... a 2n............ a m1 a m2... a mn dove m ed n sono le dimensioni di A. La matrice A può

Dettagli

ESERCIZI DI STATISTICA DESCRITTIVA

ESERCIZI DI STATISTICA DESCRITTIVA ESERCIZI DI STATISTICA DESCRITTIVA ES1 Data la seguente serie di dati su Sesso e Altezza di 8 pazienti, riempire opportunamente due tabelle per rappresentare le distribuzioni di frequenze dei due caratteri,

Dettagli

Descrizione del funzionamento di un Lock-in Amplifier

Descrizione del funzionamento di un Lock-in Amplifier Descrizione del funzionamento di un Lock-in Amplifier S.C. 0 luglio 004 1 Propositi di un amplificatore Lock-in Il Lock-in Amplifier é uno strumento che permette di misurare l ampiezza V 0 di una tensione

Dettagli

Elaborazione nel dominio della frequenza

Elaborazione nel dominio della frequenza Appunti di Elaborazione dei Segnali Multimediali a.a. 29/2 L.Verdoliva Il dominio della frequenza è un potente strumento per l analisi e l elaborazione delle immagini e permette di comprendere meglio il

Dettagli

CLASSE 4B LICEO SCIENTIFICO PROGRAMMA SVOLTO A.S. 2011-12. Disciplina : MATEMATICA. Docente Prof.ssa Paola Perego

CLASSE 4B LICEO SCIENTIFICO PROGRAMMA SVOLTO A.S. 2011-12. Disciplina : MATEMATICA. Docente Prof.ssa Paola Perego CONVITTO NAZIONALE MARIA LUIGIA di Parma CLASSE 4B LICEO SCIENTIFICO PROGRAMMA SVOLTO A.S. 2011-12 Disciplina : MATEMATICA Docente Prof.ssa Paola Perego COMPETENZE CONOSCENZE Funzione esponenziale e logaritmica

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

Esempi di funzione. Scheda Tre

Esempi di funzione. Scheda Tre Scheda Tre Funzioni Consideriamo una legge f che associa ad un elemento di un insieme X al più un elemento di un insieme Y; diciamo che f è una funzione, X è l insieme di partenza e X l insieme di arrivo.

Dettagli

di Heaveside: ricaviamo:. Associamo alle grandezze sinusoidali i corrispondenti fasori:, Adesso sostituiamo nella

di Heaveside: ricaviamo:. Associamo alle grandezze sinusoidali i corrispondenti fasori:, Adesso sostituiamo nella Equazione di Ohm nel dominio fasoriale: Legge di Ohm:. Dalla definizione di operatore di Heaveside: ricaviamo:. Associamo alle grandezze sinusoidali i corrispondenti fasori:, dove Adesso sostituiamo nella

Dettagli

VERIFICA DELLE IPOTESI

VERIFICA DELLE IPOTESI VERIFICA DELLE IPOTESI Introduzione Livelli di significatività Verifica di ipotesi sulla media di una popolazione normale Verifica di ipotesi sulla varianza di una popolazione normale Verifica di ipotesi

Dettagli

Elementi di Psicometria con Laboratorio di SPSS 1

Elementi di Psicometria con Laboratorio di SPSS 1 Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca

Dettagli

ENS - Prima prova in itinere del 07 Maggio 2010

ENS - Prima prova in itinere del 07 Maggio 2010 ENS - Prima prova in itinere del 07 Maggio 0 L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione globale. I calcoli devono

Dettagli

Indici (Statistiche) che esprimono le caratteristiche di simmetria e

Indici (Statistiche) che esprimono le caratteristiche di simmetria e Indici di sintesi Indici (Statistiche) Gran parte della analisi statistica consiste nel condensare complessi pattern di osservazioni in un indicatore che sia capace di riassumere una specifica caratteristica

Dettagli

MATEMATICA nella REALTA

MATEMATICA nella REALTA MATEMATICA nella REALTA Lucia Della Croce Giulia Maggi Ada Pulvirenti Dipartimento di Matematica Università di Pavia Piano Lauree Scientifiche Pavia 29 Settembre 2010 Attività proposte A. S. 2010 2011

Dettagli

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:

1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi

Dettagli

Definizione DEFINIZIONE

Definizione DEFINIZIONE Definizione Funzione reale di due variabili reali Indichiamo con R 2 l insieme di tutti i vettori bidimensionali. Dato un sottoinsiemed R 2, una funzione f: D R è una legge che assegna a ogni punto (x,

Dettagli

Un po di statistica. Christian Ferrari. Laboratorio di Matematica

Un po di statistica. Christian Ferrari. Laboratorio di Matematica Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di

Dettagli

Teoria e Tecniche di Elaborazione dell Immagine

Teoria e Tecniche di Elaborazione dell Immagine Università degli Studi di Udine Facoltà di Scienze Matematiche, Fisiche e Naturali Laurea Specialistica in Informatica A.A. 2004 2005 Relazione per il Corso di Teoria e Tecniche di Elaborazione dell Immagine

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Analisi della risorsa eolica. Corso di Aerodinamica e Gasdinamica A.A. 2009/2010 Docente: Prof. Renato RICCI

Analisi della risorsa eolica. Corso di Aerodinamica e Gasdinamica A.A. 2009/2010 Docente: Prof. Renato RICCI Analisi della risorsa eolica Corso di Aerodinamica e Gasdinamica A.A. 2009/2010 Docente: Prof. Renato RICCI Spettro di frequenza del vento Zona di lavoro di una torre anemometrica (tempi di campionamento

Dettagli

Prova di autovalutazione Prof. Roberta Siciliano

Prova di autovalutazione Prof. Roberta Siciliano Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.

Dettagli

SISTEMA DI MISURAZIONE, SISTEMA DI RICOSTRUZIONE, SISTEMA DI VISUALIZZAZIONE

SISTEMA DI MISURAZIONE, SISTEMA DI RICOSTRUZIONE, SISTEMA DI VISUALIZZAZIONE LA TOMOGRAFIA COMPUTERIZZATA: MODALITA DI FORMAZIONE DELL IMMAGINE SISTEMA DI MISURAZIONE, SISTEMA DI RICOSTRUZIONE, SISTEMA DI VISUALIZZAZIONE SISTEMA DI MISURAZIONE: ACQUISIZIONE DELL IMMAGINE TC Un

Dettagli

Esercizi di Analisi Matematica I

Esercizi di Analisi Matematica I Esercizi di Analisi Matematica I Andrea Corli e Alessia Ascanelli gennaio 9 Indice Introduzione iii Nozioni preliminari. Fattoriali e binomiali..................................... Progressioni..........................................

Dettagli

Statistica descrittiva univariata

Statistica descrittiva univariata Statistica descrittiva univariata Elementi di statistica 2 1 Tavola di dati Una tavola (o tabella) di dati è l insieme dei caratteri osservati nel corso di un esperimento o di un rilievo. Solitamente si

Dettagli

2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 1 INTRODUZIONE

2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 1 INTRODUZIONE 2/4 OPERATORI NEGLI SPAZI DI HILBERT INFINITODIMENSIONALI 08/09 INTRODUZIONE Il problema agli autovalori di un operatore La trattazione del problema agli autovalori di un operatore fatta negli spazi finitodimensionali

Dettagli

Le immagini digitali: introduzione

Le immagini digitali: introduzione Le immagini digitali: introduzione 1 L immagine digitale Un immagine pittorica è compsta da milioni di pigmenti colorati molto piccoli che, messi vicino l uno all altro, danno l impressione dei vari oggetti.

Dettagli

I punteggi zeta e la distribuzione normale

I punteggi zeta e la distribuzione normale QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario

Dettagli

Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005

Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005 Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005 Gli esercizi devono essere risolti solo sui fogli dei colori indicati Per esiti e soluzioni si veda il sito web del corso:

Dettagli

Grafici delle distribuzioni di frequenza

Grafici delle distribuzioni di frequenza Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma

Dettagli

E naturale chiedersi alcune cose sulla media campionaria x n

E naturale chiedersi alcune cose sulla media campionaria x n Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile

Dettagli

CONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t)

CONTINUITÀ E DERIVABILITÀ Esercizi proposti. 1. Determinare lim M(sinx) (M(t) denota la mantissa di t) CONTINUITÀ E DERIVABILITÀ Esercizi proposti 1. Determinare lim M(sin) (M(t) denota la mantissa di t) kπ/ al variare di k in Z. Ove tale limite non esista, discutere l esistenza dei limiti laterali. Identificare

Dettagli

IL FILTRAGGIO DEL SEGNALE

IL FILTRAGGIO DEL SEGNALE CAPITOLO 4 IL FILTRAGGIO DEL SEGNALE 4.1 - SISTEMA LINEARE NON DISTORCENTE E un sistema lineare che restituisce in uscita una replica indistorta del segnale di entrata, intendendo x(t) y(t) = Ax(t-t 0

Dettagli

Controlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.

Controlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L. Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:

Dettagli

Osservazione 2 L elemento di arrivo ( output) deve essere unico corrispondenza univoca da A e B. f : A B

Osservazione 2 L elemento di arrivo ( output) deve essere unico corrispondenza univoca da A e B. f : A B FUNZIONI Definizione 1 Dati due insiemi A e B, si chiama funzione da A a B una legge che ad ogni elemento di A associa un (solo) elemento di B. L insieme A si chiama dominio della funzione e l insieme

Dettagli

ANALISI NUMERICA. Elementi finiti bidimensionali. a.a. 2014 2015. Maria Lucia Sampoli. ANALISI NUMERICA p.1/23

ANALISI NUMERICA. Elementi finiti bidimensionali. a.a. 2014 2015. Maria Lucia Sampoli. ANALISI NUMERICA p.1/23 ANALISI NUMERICA Elementi finiti bidimensionali a.a. 2014 2015 Maria Lucia Sampoli ANALISI NUMERICA p.1/23 Elementi Finiti 2D Consideriamo 3 aspetti per la descrizione di elementi finiti bidimensionali:

Dettagli

11. Analisi statistica degli eventi idrologici estremi

11. Analisi statistica degli eventi idrologici estremi . Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

PROGRAMMA SVOLTO - CLASSE PRIMA sez. R - ITT. ALGAROTTI - A.S. 2014/15. Insegnante: Roberto Bottazzo Materia: FISICA

PROGRAMMA SVOLTO - CLASSE PRIMA sez. R - ITT. ALGAROTTI - A.S. 2014/15. Insegnante: Roberto Bottazzo Materia: FISICA PROGRAMMA SVOLTO - CLASSE PRIMA sez. R - ITT. ALGAROTTI - A.S. 2014/15 Materia: FISICA 1) INTRODUZIONE ALLA SCIENZA E AL METODO SCIENTIFICO La Scienza moderna. Galileo ed il metodo sperimentale. Grandezze

Dettagli

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D) ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Calcolo delle corrispondenze Affrontiamo il problema centrale della visione stereo, cioè la ricerca automatica di punti corrispondenti tra immagini Chiamiamo

Dettagli

Algebra e Geometria. Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2)

Algebra e Geometria. Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2) Algebra e Geometria Ingegneria Meccanica e dei Materiali Sez (2) Ingegneria dell Automazione Industriale Sez (2) Traccia delle lezioni che saranno svolte nell anno accademico 2012/13 I seguenti appunti

Dettagli

La distribuzione Gaussiana

La distribuzione Gaussiana Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione

Dettagli

Facciamo qualche precisazione

Facciamo qualche precisazione Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione

Dettagli

Catene di Misura. Corso di Misure Elettriche http://sms.unipv.it/misure/

Catene di Misura. Corso di Misure Elettriche http://sms.unipv.it/misure/ Catene di Misura Corso di Misure Elettriche http://sms.unipv.it/misure/ Piero Malcovati Dipartimento di Ingegneria Industriale e dell Informazione Università di Pavia piero.malcovati@unipv.it Piero Malcovati

Dettagli

Elementi di teoria dei segnali /b

Elementi di teoria dei segnali /b Elementi di teoria dei segnali /b VERSIONE 29.4.01 Filtri e larghezza di banda dei canali Digitalizzazione e teorema del campionamento Capacità di canale e larghezza di banda Multiplexing e modulazioni

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

UNIVERSITÀ DEGLI STUDI DI FERRARA

UNIVERSITÀ DEGLI STUDI DI FERRARA UNIVERSITÀ DEGLI STUDI DI FERRARA Anno Accademico 2012/2013 REGISTRO DELL ATTIVITÀ DIDATTICA Docente: ANDREOTTI MIRCO Titolo del corso: MATEMATICA ED ELEMENTI DI STATISTICA Corso: CORSO UFFICIALE Corso

Dettagli

Matematica B - a.a 2006/07 p. 1

Matematica B - a.a 2006/07 p. 1 Matematica B - a.a 2006/07 p. 1 Definizione 1. Un sistema lineare di m equazioni in n incognite, in forma normale, è del tipo a 11 x 1 + + a 1n x n = b 1 a 21 x 1 + + a 2n x n = b 2 (1) = a m1 x 1 + +

Dettagli

FUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x)

FUNZIONE. Si scrive: A B f: A B x y=f(x) (si legge: f funzione da A in B) x f y= f(x) 1 FUNZIONE Dati gli insiemi A e B, si definisce funzione da A in B una relazione o legge o corrispondenza che ad ogni elemento di A associa uno ed un solo elemento di B. Si scrive: A B f: A B f() (si legge:

Dettagli

Introduzione all Analisi dei Segnali

Introduzione all Analisi dei Segnali Tecniche innovative per l identificazione delle caratteristiche dinamiche delle strutture e del danno Introduzione all Analisi dei Segnali Prof. Ing. Felice Carlo PONZO - Ing. Rocco DITOMMASO Scuola di

Dettagli

Elettronica II Proprietà e applicazioni della trasformata di Fourier; impedenza complessa; risposta in frequenza p. 2

Elettronica II Proprietà e applicazioni della trasformata di Fourier; impedenza complessa; risposta in frequenza p. 2 Elettronica II Proprietà e applicazioni della trasformata di Fourier; impedenza complessa; risposta in frequenza Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 26013

Dettagli

2. Differenze Finite. ( ) si

2. Differenze Finite. ( ) si . Differenze Finite In questa Nota tratteremo della soluzione numerica di equazioni a derivate parziali scalari attraverso il metodo delle differenze finite. In particolare, affronteremo il problema della

Dettagli

Corso di Visione Artificiale. Immagini digitali. Samuel Rota Bulò

Corso di Visione Artificiale. Immagini digitali. Samuel Rota Bulò Corso di Visione Artificiale Immagini digitali Samuel Rota Bulò Immagini digitali Un immagine viene generata dalla combinazione di una sorgente di energia e la riflessione o assorbimento di energia da

Dettagli