DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE"

Transcript

1 DEFINIZIONE PROCESSO LOGICO E OPERATIVO MEDIANTE IL QUALE, SULLA BASE DI UN GRUPPO DI OSSERVAZIONI O DI ESPERIMENTI, SI PERVIENE A CERTE CONCLUSIONI, LA CUI VALIDITA PER UN COLLETTIVO Più AMPIO E ESPRESSA IN TERMINI PROBABILISTICI.

2 PROBLEMI INFERENZIALI STIMA E VERIFICA DELLE IPOTESI Il problema di ifereza può essere impostato i modi diversi: Stima sulla base dell evideza empirica si assega al parametro di iteresse: u valore (stima putuale) u isieme di valori (stima per itervallo) Test delle ipotesi si formulao ipotesi alterative sul valore del parametro di iteresse e si valuta quale `e maggiormete supportata dall evideza empirica

3 STIMA PUNTUALE Stima putuale Il parametro icogito viee stimato mediate u opportua fuzioe dei dati campioari, detta stimatore. Solitamete si usa: la media campioaria per stimare la media della popolazioe la variaza campioaria per stimare la variaza della popolazioe la frequeza relativa di successo per stimare la probabilità di successo

4 STIMATORE E STIMA La stima è il valore che lo stimatore assume el campioe osservato. Lo stimatore è ua v.c., la stima è ua costate. Metre siamo i grado di valutare la qualità dello stimatore i base alle sue caratteristiche ell uiverso dei campioi, o possiamo dire ulla della stima otteuta i corrispodeza del sigolo campioe osservato. No siamo i grado, sulla base della sola stima (u umero), di valutare l errore dovuto al campioameto.

5 GLI STIMATORI Def : ua statistica è ua qualuque fuzioe T = f (,, ) della v.c. (,, ) descritta dalla -upla campioaria ( x,,x ) Def : uo stimatore è ua statistica T le cui determiazioi servoo a forire delle stime del parametro igoto della v.c. i cui soo state effettuate le prove. Es.: Sia E u eveto di probabilità scoosciuta. Per stimare questa prob. vegoo effettuate = prove beroulliae che foriscoo i valori x e x. Allora la v.c. ( + ) è ua statistica, metre la v.c. : ( è uo stimatore i quato si pesa che le sue determiazioi diao stime di )

6 Proprietà degli STIMATORI Vediamo ora quali soo le proprietà che u geerico stimatore T = f (,, ) per u parametro icogito della v.c. deve possedere perché le sue stime siao affidabili. ) CORRETTEZZA Si dice che lo stimatore T = f (,, ) è corretto o o distorto per il parametro se la media di T coicide co qualuque sia il suo valore compreso ello spazio parametrico. Cioè: E( T ) =.

7 La stima forita da uo stimatore corretto può dirsi corretta i media. Se o vale la relazioe vista sopra allora lo stimatore è detto distorto, e la sua distorsioe rispetto a viee misurata dalla quatità: [ E(T ) ]. Se però al crescere di il valore di tede a 0, allora T viee detto stimatore asitoticamete corretto

8 Dimostriamo che lo stimatore proposto per la media è corretto : i i, i i i i E E E ) ( ) ( Poiché le margiali,, di (,, ) soo idetiche alla v.c., risulta: i i i E E ) ( ) ( Per cui lo stimatore è corretto per la media

9 Si può dimostrare ivece che lo stimatore proposto per la variaza o è corretto. Lo stimatore corretto è il seguete:, ) ( i i S Siccome si può sempre scrivere:, ) ( S S i i segue che: S E E S quidi lo stimatore è asitoticamete corretto per i quato: per S S E

10 ) CONSISTENZA Questa proprietà idica la capacità di T di forire stime migliori per al crescere della umerosità campioaria. Uo stimatore si dice cosistete per se: lim P T Se lo stimatore è corretto o asitoticamete corretto, u modo per verificare la cosisteza è quello di osservare il valore : E T Se per si verifica che 0 allora lo stimatore T è detto cosistete

11 3) EFFICIENZA Questa proprietà viee itrodotta per poter scegliere tra più stimatori corretti e cosisteti Esistoo diversi criteri per effettuare la scelta; il più usato è quelle che si basa sul criterio della variaza: fra più stimatori corretti e cosisteti per viee preferito quello co la variaza miore (cioè il più efficiete ). Se la v.c. è ormale (cioè ua v.c. simmetrica) (=> media mediaa x 0.5 ) si hao a disposizioe due stimatori idoei: lo stimatore Media campioaria e lo stimatore Mediaa campioaria 0.5. Per tali stimatori si ha: Var( Var( ) 0.5 ).57

12 Stima per itervallo Il parametro viee stimato mediate u itervallo (detto itervallo di cofideza) i cui estremi dipedoo dal campioe estratto (soo casuali). U itervallo di cofideza è quidi u isieme di valori plausibili per il parametro icogito sulla base dell evideza empirica. Se il campioe è rappresetativo (ovviamete è impossibile saperlo), allora l itervallo cotiee il valore del parametro da stimare.

13 Stima per itervallo Gli estremi dell itervallo vegoo idividuati i modo tale che la probabilità di estrarre u campioe che forisce u risultato corretto (leggi l itervallo cotiee il valore del parametro) sia fissata pari a α (livello di cofideza). Attezioe: il livello di cofideza rappreseta il grado di affidabilità della procedura, o il grado di affidabilità del risultato corrispodete al sigolo campioe estratto. Geeralmete si usa come livello di cofideza il 95% (α =5%).

14

15 Stima per itervallo Esempio: si cosideri u processo idustriale di riempimeto di scatole di cereali e sia assuma che il peso delle scatole sia ~N(μ;5). Dato u campioe casuale di =5 scatole co peso medio 36.3 grammi si vuole costruire u itervallo di cofideza al 95% per μ. Per la proprietà della distribuzioe ormale e della media campioaria risulta che quidi u itervallo di cofideza all ( α)% per μ e dato da Nel caso specifico si ottiee 354. μ z z P z z

16 Osserviamo che per alcui campioi la stima per itervalli di μ e corretta, metre per altri o lo e. Stima per itervallo Ipotizziamo che μ sia uguale a 368. Per compredere a fodo il sigificato della stima per itervallo e le sue proprietà è utile fare riferimeto all ipotetico isieme di tutti i possibili campioi di ampiezza che è possibile otteere.

17 Stima per itervallo Nella pratica estraiamo u solo campioe e siccome o coosciamo la media della popolazioe o possiamo stabilire se le coclusioi a cui perveiamo soo corrette o meo. Tuttavia possiamo affermare di avere ua fiducia all ( α)% che la media appartega all itervallo stimato. Quidi, l itervallo di cofideza all ( α)% della media co σ oto si ottiee utilizzado l equazioe z z

18 Stima per itervallo I alcui casi risulta desiderabile u grado di certezza maggiore, ad es. del 99%, ed i altri casi possiamo accettare u grado miore di sicurezza, ad es. del 90%. Il valore Z α/ di Z che viee scelto per costruire u itervallo di cofideza e chiamato valore critico. A ciascu livello di cofideza ( α) corrispode u diverso valore critico. U livello di cofideza maggiore si ottiee quidi a prezzo di u ampliameto dell itervallo di cofideza otteuto: esiste u trade-off tra ampiezza e cofideza.

19 Verifica delle ipotesi Test Statistici I test statistici mettoo a disposizioe delle strategie per decidere se accettare o rifiutare u ipotesi (statistica). Il test è ua procedura ifereziale per valutare la coformità probabilistica tra u campioe e la popolazioe da cui si presume che il campioe sia stato estratto. Co u test statistico si vuole verificare se le differeze risultati tra il campioe e la popolazioe siao sigificative oppure siao dovute all errore campioario. Può essere utile sapere se u campioe proviee da ua certa popolazioe oppure se è ettamete diversa da questa. Per fare u test statistico, è ecessario prima defiire l ipotesi che dovrà essere verificata.

20 Verifica delle ipotesi Le IPOTESI predoo il ome di: H 0 : IPOTESI NULLA; quello che ci si aspetta che accada sulla base di quello che già si sa; è quella che riflette la situazioe precedete a quella del test. H : IPOTESI ALTERNATIVA; è quella cotro la quale si verifica l ipotesi ulla, quella che se viee accettata comporta i geere ua modifica dello stato esistete.

21 Verifica delle ipotesi Le ipotesi sul valore del parametro possoo essere: semplici: è specificato u solo valore (per es. μ = μ 0 ) composte: soo specificati più valori uidirezioali (per es. μ > μ 0 ) bidirezioali (per es. μ μ 0 ) L ipotesi ulla è solitamete semplice, metre l ipotesi alterativa è composta.

22 Il test Verifica delle ipotesi Sulla base dell evideza empirica derivate da u campioe di osservazioi si deve decidere se accettare o rifiutare H 0. Il test è ua regola di decisioe defiita a priori, che, per ogi possibile campioe, idica quale decisioe predere (se accettare o rifiutare). Il problema cosiste el costruire ua regola di decisioe ottimale, ossia che ci iduca quato più raramete possibile i errore.

23 La regola di decisioe Verifica delle ipotesi La regola di decisioe cosiste quidi el suddividere lo spazio campioario C i due regioi C 0 regioe di accettazioe C regioe di rifiuto i modo tale che, se il campioe estratto () è i C 0 l ipotesi ulla viee accettata, metre se il campioe cade i C essa viee rifiutata.

24 Verifica delle ipotesi

25

26 Verifica delle ipotesi Gli errori del I tipo soo quelli più gravi da commettere. Ifatti, sapedo H 0 è quella che riflette la situazioe precedete l esecuzioe del test, quella che lascia le cose come stao o acora quella che descrive le cose che sembrao o dovrebbero essere cosiderate ormali, rifiutarla i favore di ua ipotesi alterativa che o è vera, può comportare la messa i pratica di iterveti che poi si possoo rivelare iutili, daosi o costosi. Metre accettare u ipotesi che è falsa (errore del II tipo), i geere lascia le cose come stao o modifica lo stato esistete.

27 COME FARE IL TEST Usualmete Verifica delle ipotesi. si fissa la probabilità dell errore di primo tipo α (livello di sigificatività);. si sceglie la regola di decisioe che, a parità di α, miimizza, la probabilità di commettere u errore del secodo tipo β; 3.Si estrae il campioe casuale e si calcola la statistica test; 4. Si cofrota la statistica test co la distribuzioe teorica e si decide se accettare o meo l ipotesi ulla

28 Verifica delle ipotesi POTENZA DEL TEST La poteza del test β è data da β = P( C H ) ossia è la capacità del test di idividuare l ipotesi alterativa quado è vera. β miimo β massimo Si ricerca quidi quella suddivisioe dello spazio campioario che rede massima la poteza del test.

CONCETTI BASE DI STATISTICA

CONCETTI BASE DI STATISTICA CONCETTI BASE DI STATISTICA DEFINIZIONI Probabilità U umero reale compreso tra 0 e, associato a u eveto casuale. Esso può essere correlato co la frequeza relativa o col grado di credibilità co cui u eveto

Dettagli

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche

Test non parametrici. sono uguali a quelle teoriche. (probabilità attesa), si calcola la. , cioè che le frequenze empiriche est o parametrici Il test di Studet per uo o per due campioi, il test F di Fisher per l'aalisi della variaza, la correlazioe, la regressioe, isieme ad altri test di statistica multivariata soo parte dei

Dettagli

Metodi statistici per l'analisi dei dati

Metodi statistici per l'analisi dei dati Metodi statistici per l aalisi dei dati due Motivazioi Obbiettivo: Cofrotare due diverse codizioi (ache defiiti ) per cui soo stati codotti gli esperimeti. Metodi tatistici per l Aalisi dei Dati due Esempio

Dettagli

1 Metodo della massima verosimiglianza

1 Metodo della massima verosimiglianza Metodo della massima verosimigliaza Estraedo u campioe costituito da variabili casuali X i i.i.d. da ua popolazioe X co fuzioe di probabilità/desità f(x, θ), si costruisce la fuzioe di verosimigliaza che

Dettagli

Verifica d Ipotesi. Se invece che chiederci quale è il valore di una media in una popolazione (stima. o falsa? o falsa?

Verifica d Ipotesi. Se invece che chiederci quale è il valore di una media in una popolazione (stima. o falsa? o falsa? Verifica d Iotesi Se ivece che chiederci quale è il valore ua mea i ua oolazioe (stima utuale Se ivece e itervallo che chiederci cofideza) quale è il avessimo valore u idea ua mea su quello i ua che oolazioe

Dettagli

Il confronto tra DUE campioni indipendenti

Il confronto tra DUE campioni indipendenti Il cofroto tra DUE camioi idiedeti Il cofroto tra DUE camioi idiedeti Cofroto tra due medie I questi casi siamo iteressati a cofrotare il valore medio di due camioi i cui i le osservazioi i u camioe soo

Dettagli

IL CALCOLO COMBINATORIO

IL CALCOLO COMBINATORIO IL CALCOLO COMBINATORIO Calcolo combiatorio è il termie che deota tradizioalmete la braca della matematica che studia i modi per raggruppare e/o ordiare secodo date regole gli elemeti di u isieme fiito

Dettagli

3.4 Tecniche per valutare uno stimatore

3.4 Tecniche per valutare uno stimatore 3.4 Teciche per valutare uo stimatore 3.4. Il liguaggio delle decisioi statistiche, stimatori corretti e stimatori cosisteti La teoria delle decisioi forisce u liguaggio appropriato per discutere sulla

Dettagli

LA DERIVATA DI UNA FUNZIONE

LA DERIVATA DI UNA FUNZIONE LA DERIVATA DI UNA FUNZIONE OBIETTIVO: Defiire lo strumeto matematico ce cosete di studiare la cresceza e la decresceza di ua fuzioe Si comicia col defiire cosa vuol dire ce ua fuzioe è crescete. Defiizioe:

Dettagli

8. Quale pesa di più?

8. Quale pesa di più? 8. Quale pesa di più? Negli ultimi ai hao suscitato particolare iteresse alcui problemi sulla pesatura di moete o di pallie. Il primo problema di questo tipo sembra proposto da Tartaglia el 1556. Da allora

Dettagli

Sintassi dello studio di funzione

Sintassi dello studio di funzione Sitassi dello studio di fuzioe Lavoriamo a perfezioare quato sapete siora. D ora iazi pretederò che i risultati che otteete li SCRIVIATE i forma corretta dal puto di vista grammaticale. N( x) Data la fuzioe:

Dettagli

Capitolo 8 Le funzioni e le successioni

Capitolo 8 Le funzioni e le successioni Capitolo 8 Le fuzioi e le successioi Prof. A. Fasao Fuzioe, domiio e codomiio Defiizioe Si chiama fuzioe o applicazioe dall isieme A all isieme B ua relazioe che fa corrispodere ad ogi elemeto di A u solo

Dettagli

EQUAZIONI ALLE RICORRENZE

EQUAZIONI ALLE RICORRENZE Esercizi di Fodameti di Iformatica 1 EQUAZIONI ALLE RICORRENZE 1.1. Metodo di ufoldig 1.1.1. Richiami di teoria Il metodo detto di ufoldig utilizza lo sviluppo dell equazioe alle ricorreze fio ad u certo

Dettagli

Soluzione La media aritmetica dei due numeri positivi a e b è data da M

Soluzione La media aritmetica dei due numeri positivi a e b è data da M Matematica per la uova maturità scietifica A. Berardo M. Pedoe 6 Questioario Quesito Se a e b soo umeri positivi assegati quale è la loro media aritmetica? Quale la media geometrica? Quale delle due è

Dettagli

Capitolo Decimo SERIE DI FUNZIONI

Capitolo Decimo SERIE DI FUNZIONI Capitolo Decimo SERIE DI FUNZIONI SUCCESSIONI DI FUNZIONI I cocetti di successioe e di serie possoo essere estesi i modo molto aturale al caso delle fuzioi DEFINIZIONE Sia E u sottoisieme di  e, per ogi

Dettagli

Indagini sui coregoni del Lago Maggiore: Analisi sui pesci catturati nel 2010

Indagini sui coregoni del Lago Maggiore: Analisi sui pesci catturati nel 2010 Idagii sui coregoi del Lago Maggiore: Aalisi sui pesci catturati el 1 Rapporto commissioato dal Dipartimeto del territorio, Ufficio della caccia e della pesca, Via Stefao Frascii 17 51 Bellizoa Aprile

Dettagli

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa

I numeri complessi. Pagine tratte da Elementi della teoria delle funzioni olomorfe di una variabile complessa I umeri complessi Pagie tratte da Elemeti della teoria delle fuzioi olomorfe di ua variabile complessa di G. Vergara Caffarelli, P. Loreti, L. Giacomelli Dipartimeto di Metodi e Modelli Matematici per

Dettagli

Appunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15

Appunti di Statistica Matematica Inferenza Statistica Multivariata Anno Accademico 2014/15 Apputi di Statistica Matematica Ifereza Statistica Multivariata Ao Accademico 014/15 November 19, 014 1 Campioi e modelli statistici Siao Ω, A, P uo spazio di probabilità e X = X 1,..., X u vettore aleatorio

Dettagli

ESERCITAZIONE L adsorbimento su carbone attivo

ESERCITAZIONE L adsorbimento su carbone attivo ESERCITAZIONE adsorbimeto su carboe attivo ezioi di riferimeto: Processi basati sul trasferimeto di materia Adsorbimeto su carboi attivi Testi di riferimeto: Water treatmet priciples ad desi, WH Pricipi

Dettagli

LEZIONI DI MATEMATICA PER I MERCATI FINANZIARI VALUTAZIONE DI TITOLI OBBLIGAZIONARI E STRUTTURA PER SCADENZA DEI TASSI DI INTERESSE

LEZIONI DI MATEMATICA PER I MERCATI FINANZIARI VALUTAZIONE DI TITOLI OBBLIGAZIONARI E STRUTTURA PER SCADENZA DEI TASSI DI INTERESSE LEZIONI DI MATEMATICA PER I MERCATI FINANZIARI Dipartimeto di Sieze Eoomihe Uiversità di Veroa VALUTAZIONE DI TITOLI OBBLIGAZIONARI E STRUTTURA PER SCADENZA DEI TASSI DI INTERESSE Lezioi di Matematia per

Dettagli

La sicurezza sul lavoro: obblighi e responsabilità

La sicurezza sul lavoro: obblighi e responsabilità La sicurezza sul lavoro: obblighi e resposabilità Il Testo uico sulla sicurezza, Dlgs 81/08 è il pilastro della ormativa sulla sicurezza sul lavoro. I sostaza il Dlgs disciplia tutte le attività di tutti

Dettagli

4. Metodo semiprobabilistico agli stati limite

4. Metodo semiprobabilistico agli stati limite 4. Metodo seiprobabilistico agli stati liite Tale etodo cosiste el verificare che le gradezze che ifluiscoo i seso positivo sulla, valutate i odo da avere ua piccolissia probabilità di o essere superate,

Dettagli

Sommario lezioni di Probabilità versione abbreviata

Sommario lezioni di Probabilità versione abbreviata Sommario lezioi di Probabilità versioe abbreviata C. Frachetti April 28, 2006 1 Lo spazio di probabilità. 1.1 Prime defiizioi I possibili risultati di u esperimeto costituiscoo lo spazio dei campioi o

Dettagli

Introduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi.

Introduzione (1) Introduzione (2) Prodotti e servizi sono realizzati per mezzo di processi produttivi. Iroduzioe () Ua defiizioe (geerale) del ermie qualià: qualià è l isieme delle caraerisiche di u eià (bee o servizio) che e deermiao la capacià di soddisfare le esigeze espresse ed implicie di chi la uilizza.

Dettagli

( ) ( ) ( ) ( ) ( ) CAPITOLO VII DERIVATE. (3) D ( x ) = 1 derivata di un monomio con a 0

( ) ( ) ( ) ( ) ( ) CAPITOLO VII DERIVATE. (3) D ( x ) = 1 derivata di un monomio con a 0 CAPITOLO VII DERIVATE. GENERALITÀ Defiizioe.) La derivata è u operatore che ad ua fuzioe f associa u altra fuzioe e che obbedisce alle segueti regole: () D a a a 0 0 0 derivata di u moomio D 6 D 0 D ()

Dettagli

SERIE NUMERICHE. (Cosimo De Mitri) 1. Definizione, esempi e primi risultati... pag. 1. 2. Criteri per serie a termini positivi... pag.

SERIE NUMERICHE. (Cosimo De Mitri) 1. Definizione, esempi e primi risultati... pag. 1. 2. Criteri per serie a termini positivi... pag. SERIE NUMERICHE (Cosimo De Mitri. Defiizioe, esempi e primi risultati... pag.. Criteri per serie a termii positivi... pag. 4 3. Covergeza assoluta e criteri per serie a termii di sego qualsiasi... pag.

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

Supponiamo, ad esempio, di voler risolvere il seguente problema: in quanti modi quattro persone possono sedersi l una accanto all altra?

Supponiamo, ad esempio, di voler risolvere il seguente problema: in quanti modi quattro persone possono sedersi l una accanto all altra? CALCOLO COMBINATORIO 1.1 Necessità del calcolo combiatorio Accade spesso di dover risolvere problemi dall'appareza molto semplice, ma che richiedoo calcoli lughi e oiosi per riuscire a trovare delle coclusioi

Dettagli

1. MODELLO DINAMICO AD UN GRADO DI LIBERTÀ. 1 Alcune definizioni preliminari

1. MODELLO DINAMICO AD UN GRADO DI LIBERTÀ. 1 Alcune definizioni preliminari . MODELLO DINAMICO AD UN GRADO DI LIBERTÀ Alcue defiizioi prelimiari I sistemi vibrati possoo essere lieari o o lieari: el primo caso vale il pricipio di sovrapposizioe degli effetti el secodo o. I geerale

Dettagli

Motori maxon DC e maxon EC Le cose più importanti

Motori maxon DC e maxon EC Le cose più importanti Motori maxo DC e maxo EC Il motore come trasformatore di eergia Il motore elettrico trasforma la poteza elettrica P el (tesioe U e correte I) i poteza meccaica P mech (velocità e coppia M). Le perdite

Dettagli

Esame di Matematica 2 Mod.A (laurea in Matematica) prova di accertamento del 4 novembre 2005

Esame di Matematica 2 Mod.A (laurea in Matematica) prova di accertamento del 4 novembre 2005 Esame di Matematica 2 ModA (laurea i Matematica prova di accertameto del 4 ovembre 25 ESERCIZIO Si poga a 3 5 + 9 e b 2 4 6 + 6 ( (a Si determii d MCD(a, b e gli iteri m, Z tali che d ma + b co m < b ed

Dettagli

L OFFERTA DI LAVORO 1

L OFFERTA DI LAVORO 1 L OFFERTA DI LAVORO 1 La famiglia come foritrice di risorse OFFERTA DI LAVORO Notazioe utile: T : dotazioe di tempo (ore totali) : ore dedicate al tempo libero l=t- : ore dedicate al lavoro : cosumo di

Dettagli

ESERCIZI DI ANALISI I. Prof. Nicola Fusco 1. Determinare l insieme in cui sono definite le seguenti funzioni:

ESERCIZI DI ANALISI I. Prof. Nicola Fusco 1. Determinare l insieme in cui sono definite le seguenti funzioni: N. Fusco ESERCIZI DI ANALISI I Prof. Nicola Fusco Determiare l isieme i cui soo defiite le segueti fuzioi: ) log/ arctg π ) 4 ) log π 6 arcse ) ) tg log π + ) 4) 4 se se se tg 5) se cos tg 6) [ 6 + 8 π

Dettagli

8) Sia Dato un mazzo di 40 carte. Supponiamo che esso sia mescolato in modo

8) Sia Dato un mazzo di 40 carte. Supponiamo che esso sia mescolato in modo ESERCIZI DI CALCOLO DELLE PROBABILITÁ ) Qual e la probabilita che laciado dadi a facce o esca essu? Studiare il comportameto asitotico di tale probabilita per grade. ) I u sacchetto vi soo 0 pallie biache;

Dettagli

Sistemi LTI descrivibile mediante SDE (Equazioni alle Differenze Standard)

Sistemi LTI descrivibile mediante SDE (Equazioni alle Differenze Standard) Sistemi LTI descrivibile mediate SDE (Equazioi alle Differeze Stadard) Nella classe dei sistemi LTI ua sottoclasse è quella dei sistemi defiiti da Equazioi Stadard alle Differeze Fiite (SDE), dette così

Dettagli

1. L'INSIEME DEI NUMERI REALI

1. L'INSIEME DEI NUMERI REALI . L'INSIEME DEI NUMERI REALI. I pricipli isiemi di umeri Ripredimo i pricipli isiemi umerici N, l'isieme dei umeri turli 0; ; ; ; ;... L'ide ituitiv di umero turle è ssocit l prolem di cotre e ordire gli

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

INTRODUZIONE ALLE SUCCESSIONI E SERIE: ALCUNI ESEMPI NOTEVOLI

INTRODUZIONE ALLE SUCCESSIONI E SERIE: ALCUNI ESEMPI NOTEVOLI INTRODUZIONE ALLE SUCCESSIONI E SERIE: ALCUNI ESEMPI NOTEVOLI Mirta Debbia LS A. F. Formiggii di Sassuolo (MO) - debbia.m@libero.it Maria Cecilia Zoboli - LS A. F. Formiggii di Sassuolo (MO) - cherubii8@libero.it

Dettagli

MATEMATICA FINANZIARIA

MATEMATICA FINANZIARIA Capializzazioe semplice e composa MATEMATICA FINANZIARIA Immagiiamo di impiegare 4500 per ai i ua operazioe fiaziaria che frua u asso del, % auo. Quao avremo realizzao alla fie dell operazioe? I u coeso

Dettagli

l = 0, 1, 2, 3,,, n-1n m = 0, ±1,

l = 0, 1, 2, 3,,, n-1n m = 0, ±1, NUMERI QUANTICI Le autofuzioi soo caratterizzate da tre parametri chiamati NUMERI QUANTICI e soo completamete defiite dai loro valori: : umero quatico pricipale l : umero quatico secodario m : umero quatico

Dettagli

PENSIONI INPDAP COME SI CALCOLANO

PENSIONI INPDAP COME SI CALCOLANO Mii biblioteca de Il Giorale Ipdap per rederci coto e sapere di piu Mii biblioteca de Il Giorale Ipdap per rederci coto e sapere di piu PENSIONI INPDAP COME SI CALCOLANO I tre sistemi I cique pilastri

Dettagli

Metodi d integrazione di Montecarlo

Metodi d integrazione di Montecarlo Metodi d itegrzioe di Motecrlo Simulzioe l termie simulzioe ell su ccezioe scietific h u sigificto diverso dll ccezioe correte. Nell uso ordirio è sioimo si fizioe; ell uso scietifico è sioimo di imitzioe,

Dettagli

Dall atomo di Bohr alla costante di struttura fine

Dall atomo di Bohr alla costante di struttura fine Dall atomo di Bohr alla ostate di struttura fie. INFORMAZIONI SPETTROSCOPICHE SUGLI ATOMI E be oto he ogi sostaza opportuamete eitata emette radiazioi elettromagetihe. Co uo spettrosopio, o strumeti aaloghi,

Dettagli

Esercizi Le leggi dei gas. Lo stato gassoso

Esercizi Le leggi dei gas. Lo stato gassoso Esercizi Le lei dei as Lo stato assoso Ua certa quatità di as cloro, alla pressioe di,5 atm, occupa il volume di 0,58 litri. Calcola il volume occupato dal as se la pressioe viee portata a,0 atm e se la

Dettagli

Comportamento delle strutture in C.A. in Zona Sismica

Comportamento delle strutture in C.A. in Zona Sismica Comportameto delle strutture i c.a. i zoa sismica Pagia i/161 Comportameto delle strutture i C.A. i Zoa Sismica Prof. Paolo Riva Dipartimeto di Progettazioe e ecologie Facoltà di Igegeria Uiversità di

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

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

Valutazione delle prestazioni termiche di sistemi con solai termoattivi in regime non stazionario

Valutazione delle prestazioni termiche di sistemi con solai termoattivi in regime non stazionario Valutazioe delle prestazioi termiche di sistemi co solai termoattivi i regime o stazioario MICHELE DE CARLI, Ph.D., Ricercatore, Dipartimeto di Fisica Tecica, Uiversità degli Studi di Padova, Padova, Italia.

Dettagli

ALCUNI ELEMENTI DI TEORIA DELLA STIMA

ALCUNI ELEMENTI DI TEORIA DELLA STIMA ALCUNI ELEMENTI DI TEORIA DELLA STIMA Quado s vuole valutare u parametro θ ad esempo: meda, varaza, proporzoe, oeffete d regressoe leare, oeffete d orrelazoe leare, e) d ua popolazoe medate u ampoe asuale,

Dettagli

Le operazioni fondamentali in N Basic Arithmetic Operations in N

Le operazioni fondamentali in N Basic Arithmetic Operations in N Operzioi fodetli i - 1 Le operzioi fodetli i Bsic Arithetic Opertios i I geerle u operzioe è u procedieto che due o più ueri, dti i u certo ordie e detti terii dell'operzioe, e ssoci u ltro, detto risultto

Dettagli

DOMINI DI CURVATURA DI SEZIONI IN C.A. IN PRESSOFLESSIONE DEVIATA. PARTE II: VALUTAZIONE SEMPLIFICATA

DOMINI DI CURVATURA DI SEZIONI IN C.A. IN PRESSOFLESSIONE DEVIATA. PARTE II: VALUTAZIONE SEMPLIFICATA Valutazioe e riduzioe della vulerailità sismia di ediii esisteti i.a. Roma, 9-0 maggio 00 DOMINI DI CURVATURA DI SEZIONI IN C.A. IN PRESSOFLESSIONE DEVIATA. PARTE II: VALUTAZIONE SEMPLIFICATA Di Ludovio

Dettagli

Analisi dei segnali nel dominio del tempo

Analisi dei segnali nel dominio del tempo Appui di Teoria dei Segali a.a. / Aalisi dei segali el domiio del empo L.Verdoliva I quesa prima pare del corso sudieremo come rappreseare i segali empo coiuo e discreo el domiio del empo e defiiremo le

Dettagli

USUFRUTTO. 5) Quali sono le spese a carico dell usufruttuario

USUFRUTTO. 5) Quali sono le spese a carico dell usufruttuario USUFRUTTO 1) Che cos è l sfrtto e come si pò costitire? L sfrtto è il diritto di godimeto ( ovvero di possesso) di bee altri a titolo gratito ; viee chiamato sfrttario chi esercita tale diritto, metre

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello

Dettagli

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1

Potenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1 Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo

Dettagli

Tavola 1 - Popolazione italiana residente alle date dei censimenti generali, riportata ai confini attuali - Anni 1861-2001 (migliaia di unità)

Tavola 1 - Popolazione italiana residente alle date dei censimenti generali, riportata ai confini attuali - Anni 1861-2001 (migliaia di unità) 4 Quai eravamo, quai siamo, quai saremo Che cosa si impara el capiolo 4 er cooscere le caraerisiche e l evoluzioe della popolazioe ialiaa araverso u lugo arco di empo uilizziamo il asso di icremeo medio

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

unoperatore@nellospaziodihilberth e sia z un numero complesso tale che z1-a,da==)rr_néh - 0 impli-chi l:= -1 (21-A) : R- n ==) Dn L- \

unoperatore@nellospaziodihilberth e sia z un numero complesso tale che z1-a,da==)rr_néh - 0 impli-chi l:= -1 (21-A) : R- n ==) Dn L- \ 3,6 56 3,6 TEOR I A SPETTRALE La teoria spettrale degli operatori lieari- eo spazio di Hilbert é f odata, coe per gi spazi f i-ito-dimes ioal j-, sula defiizioe di- risolvete di u operatole' Sia (A,DA)

Dettagli

Interpolazione. Davide Manca Calcoli di Processo dell Ingegneria Chimica Politecnico di Milano

Interpolazione. Davide Manca Calcoli di Processo dell Ingegneria Chimica Politecnico di Milano L4 Iterpolazioe L4 Prologo Co iterpolazioe si itede il processo di idividuare ua fuzioe, spesso u poliomio, che passi per u isieme dato di puti: (x,y). y x L4 2 Fii dell iterpolazioe 1. Sostituire u isieme

Dettagli

FONDAMENTI DI MECCANICA APPLICATA ALLE MACCHINE

FONDAMENTI DI MECCANICA APPLICATA ALLE MACCHINE DISPENSE DI: FONDAMENTI DI MECCANICA APPLICATA ALLE MACCHINE Testo di riferieto E. Fuaioli ed altri Meccaica applicata alle acchie vol. e - Ed. Patro BOZZA Idice. INTRODUZIONE ALLA MECCANICA APPLICATA

Dettagli

4. Confronto tra medie di tre o più campioni indipendenti

4. Confronto tra medie di tre o più campioni indipendenti BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

LE INCERTEZZE E LA LORO PROPAGAZIONE NELLE MISURE INDIRETTE

LE INCERTEZZE E LA LORO PROPAGAZIONE NELLE MISURE INDIRETTE LE INCERTEZZE E LA LORO PROPAGAZIONE NELLE MISURE INDIRETTE Pof. Agelo Ageletti -.s. 006/007 1) COME SI SCRIVE IL RISULTATO DI UNA MISURA Il modo miglioe pe espimee il isultto di u misu è quello di de,

Dettagli

Può la descrizione quantomeccanica della realtà fisica considerarsi completa?

Può la descrizione quantomeccanica della realtà fisica considerarsi completa? Può la descrizione quantomeccanica della realtà fisica considerarsi completa? A. Einstein, B. Podolsky, N. Rosen 25/03/1935 Abstract In una teoria completa c è un elemento corrispondente ad ogni elemento

Dettagli

I radicali 1. Claudio CANCELLI (www.claudiocancelli.it)

I radicali 1. Claudio CANCELLI (www.claudiocancelli.it) I rdicli Cludio CANCELLI (www.cludioccelli.it) Ed..0 www.cludioccelli.it Dec. 0 I rdicli INDICE DEI CONTENUTI. I RADICALI... INDICE DI RADICE PARI...4 INDICE DI RADICE DISPARI...5 RADICALI SIMILI...6 PROPRIETA

Dettagli

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE

STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente

Dettagli

AcidSoft. Le nostre soluzioni. Innovazione

AcidSoft. Le nostre soluzioni. Innovazione AiSoft AiSoft ase alla passioe per l'iformatio teology e si oretizza i ua realtà impreitoriale, ua perfetta reazioe imia tra ooseza teia e reatività per realizzare progetti i grae iovazioe. Le ostre soluzioi

Dettagli

Lezione 10. La Statistica Inferenziale

Lezione 10. La Statistica Inferenziale Lezione 10 La Statistica Inferenziale Filosofia della scienza Secondo Aristotele, vi sono due vie attraverso le quali riusciamo a formare le nostre conoscenze: (1) la deduzione (2) l induzione. Lezione

Dettagli

APPROFONDIMENTI SUI NUMERI

APPROFONDIMENTI SUI NUMERI APPROFONDIMENTI SUI NUMERI. Il sistem di umerzioe deimle Be presto, ll operzioe turle del otre, si è ggiut l esigez di «rppresetre» i umeri. I sistemi di umerzioe possiili soo molti; per or i limitimo

Dettagli

aleatoria; se è nota la sua densità di probabilità ad essa si può associare una valore medio statistico. La grandezza così definita: (III.1.

aleatoria; se è nota la sua densità di probabilità ad essa si può associare una valore medio statistico. La grandezza così definita: (III.1. Caitolo III VALORI MEDI. SAZIONARIEÀ ED ERGODICIÀ III. - Mdi tatitich dl rimo ordi. Sia f( ) ua fuzio cotiua i aoci al gal alatorio (, t ζ ) la uatità dfiita dalla y f[(, t ζ )]. Ea idividua, a ua volta,

Dettagli

Statistica. Lezione 6

Statistica. Lezione 6 Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante

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

3M Prodotti per la protezione al fuoco. Building & Commercial Services

3M Prodotti per la protezione al fuoco. Building & Commercial Services 3M Prodotti per la protezioe al fuoco Buildig & Commercial Services Idice Sviluppi e treds...4-5 3M e le soluzioi aticedio...6-7 Dispositivi di attraversameto...8-19 Giuti di costruzioe...20-21 Sistemi

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

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y =

ESERCIZI. x + 3 x 2 1. a) y = 4x2 + 3x 2x + 2 ; b) y = 6x2 x 1. (x + 2) 2 c) y = ESERCIZI Testi (1) Un urna contiene 20 palline di cui 8 rosse 3 bianche e 9 nere; calcolare la probabilità che: (a) tutte e tre siano rosse; (b) tutte e tre bianche; (c) 2 rosse e una nera; (d) almeno

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

Dettagli

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità CAPITOLO TEORIA Il dilemma di Monty Hall In un popolare show televisivo americano il presentatore mostra al concorrente tre porte chiuse. Dietro a una di esse si cela il premio

Dettagli

Effetto reddito ed effetto sostituzione.

Effetto reddito ed effetto sostituzione. . Indice.. 1 1. Effetto sostituzione di Slutsky. 3 2. Effetto reddito. 6 3. Effetto complessivo. 7 II . Si consideri un consumatore che può scegliere panieri (x 1 ; ) composti da due soli beni (il bene

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

MINIMI QUADRATI. REGRESSIONE LINEARE MINIMI QUADRATI. REGRESSIONE LINEARE Se il coefficiente di correlazione r è prossimo a 1 o a -1 e se il diagramma di dispersione suggerisce una relazione di tipo lineare, ha senso determinare l equazione

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

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi

iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi iovanella@disp.uniroma2.it http://www.disp.uniroma2.it/users/iovanella Verifica di ipotesi Idea di base Supponiamo di avere un idea del valore (incognito) di una media di un campione, magari attraverso

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

Curve caratteristiche meccaniche di motori elettrici C.C.

Curve caratteristiche meccaniche di motori elettrici C.C. Motoi 1 Idie ue aatteistihe meaihe di motoi elettii.. osideazioi geeali Motoi ad eitazioe idipedete 1 Opeazioi o oete d eitazioe ostate Opeazioi o oete d eitazioe aiabile e tesioe d amatua ostate Motoi

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

STATISTICA Lezioni ed esercizi

STATISTICA Lezioni ed esercizi Uverstà d Toro QUADERNI DIDATTICI del Dpartmeto d Matematca MARIA GARETTO STATISTICA Lezo ed esercz Corso d Laurea Botecologe A.A. / Quadero # Novembre M. Garetto - Statstca Prefazoe I questo quadero

Dettagli

La necessità di trasmettere potenza tra organi in moto rotatorio è un problema frequentissimo e di grande importanza nell ingegneria.

La necessità di trasmettere potenza tra organi in moto rotatorio è un problema frequentissimo e di grande importanza nell ingegneria. La ecessità di tasmettee poteza ta ogai i moto otatoio è u poblema fequetissimo e di gade impotaza ell igegeia. Gli assi di otazioe ta i quali deve essee tasmesso il moto possoo essee paalleli I questo

Dettagli

SOMMARIO. I Motori in Corrente Continua

SOMMARIO. I Motori in Corrente Continua SOMMARIO Gralità sull Macchi i Corrt Cotiua...2 quazio dlla forza lttromotric...2 Circuito quivalt...2 Carattristica di ccitazio...3 quazio dlla vlocità...3 quazio dlla Coppia rsa all'albro motor:...3

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t),

((e ita e itb )h(t)/it)dt. z k p(dz) + r n (t), SINTESI. Una classe importante di problemi probabilistici e statistici é quella della stima di caratteristiche relative ad un certo processo aleatorio. Esistono svariate tecniche di stima dei parametri

Dettagli

Benvenuti in Ontario. Guida ai programmi e ai servizi per i nuovi arrivati in Ontario

Benvenuti in Ontario. Guida ai programmi e ai servizi per i nuovi arrivati in Ontario Beveuti i Otario Guida ai programmi e ai servizi per i uovi arrivati i Otario Idice Vivere i Otario........................................... 2 Come otteere l aiuto di cui avete bisogo.....................................

Dettagli

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO.

ARGOMENTO: MISURA DELLA RESISTENZA ELETTRICA CON IL METODO VOLT-AMPEROMETRICO. elazoe d laboratoro d Fsca corso M-Z Laboratoro d Fsca del Dpartmeto d Fsca e Astrooma dell Uverstà degl Stud d Cataa. Scala Stefaa. AGOMENTO: MSUA DELLA ESSTENZA ELETTCA CON L METODO OLT-AMPEOMETCO. NTODUZONE:

Dettagli

Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale

Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Corso di Scienza Economica (Economia Politica) prof. G. Di Bartolomeo Lezione 10: Il problema del consumatore: Preferenze e scelta ottimale Facoltà di Scienze della Comunicazione Università di Teramo Scelta

Dettagli

Il fotone. Emanuele Pugliese, Lorenzo Santi URDF Udine

Il fotone. Emanuele Pugliese, Lorenzo Santi URDF Udine Il fotone Emanuele Pugliese, Lorenzo Santi URDF Udine Interpretazione di Einstein dell effetto fotoelettrico Esistono «particelle»* di luce: i fotoni! La luce è composta da quantità indivisibili di energia

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli