Introduzione Metodo POT

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Introduzione Metodo POT"

Transcript

1 Introduzione Metodo POT 1 Un recente metodo di analisi dei valori estremi è un metodo detto POT ( Peak over thresholds ), inizialmente sviluppato per l analisi dei dati idrogeologici a partire dalla seconda metà degli anni 70, ha trovato in anni recenti una sempre maggiore applicazione. L idea fondamentale alla base di questo metodo è l analisi degli estremi di una grandezza X sulla base delle eccedenze. Dato un insieme di dati x 1, x 2..x n, si definiscono come eccedenze y j quei valori xi maggiori di un valore di soglia u. Le quantità (y j -u) sono detti gli eccessi sopra u.

2 Introduzione metodo POT 2 raccogliere solo le eccedenze risulta vantaggioso (es. stazioni metereologiche) L accadimento di una eccedenza è condizionato dall evento che l osservazione sia maggiore di u. Tale probabilità condizionata, detta F la probabilità cumulata della variabile X, risulta: [ ] F( x) F( u) F u ( x) = 1 F( u)

3 Distribuzione Pareto generalizzata 3 Le distribuzioni generalizzate dei valori estremi sono correlate ad una distribuzione detta distribuzione di Pareto generalizzata avente probabilità cumulata: W ( x) 1" (1 + = # x) " 1/ definita per x>0 se γ>0 e per 0<x< 1/ se γ<0 Per γ 0 la distribuzione tende all espressione: W 0 ( x) = 1 e x Il legame tra la distribuzione di Pareto e la distribuzione generalizzata dei massimi è la seguente: W ( x) = 1+ logg( x)

4 Distribuzione Pareto generalizzata 4 Come già visto per la G, possiamo introdurre due parametri µ e σ : W $ $ x # µ %%,, ( x) = 1# ' 1+ & ' ( " ( ) ) ** µ " # 1/ Una interessante proprietà della distribuzione di Pareto è la seguente: [ u] W, µ," ( x) = W, u, " + $ u # ( µ ) ovvero la distribuzione delle eccedenze è ancora una Pareto con il parametro γ, con µ=u e con una parametro di scala espresso da: ( u ) + " # $ µ

5 Distribuzione Pareto generalizzata 5 La distribuzione delle eccedenze ha proprietà asintotiche simili a quelle delle distribuzioni dei valori estremi. In particolare considerando ipotesi sulla F(x) simili a quelle dei valori estremi: F [ u] (, x) " W$, u # ( x) 0 per u ω(x), dove con ω(x) si indica l estremo superiore della grandezza x. Sulla base della relazione soprascritta è possibile cercare di analizzare le eccedenze di dati provenienti da una qualsiasi distribuzione mediante la Pareto generalizzata. Dati quindi : x 1, x 2, x 3..x n y 1,y 2, y 3 y k dati originali raccolti in un tempo Γ eccedenze sopra una soglia u si analizzano le eccedenze mediante una distribuzione W γ,u,σ, ricavando i parametri γ e σ mediante metodo ML.

6 Fittaggio parametri distribuzione Pareto 6 I parametri della distribuzione di Pareto si cercano mediante metodo ML. In particolare la log-verosimiglianza: per γ 0 diventa: ed in particolare la stima di σ risulta:

7 Applicazione POT - a 7 Cosa ce ne facciamo della W γ,u,σ per stimare degli eventi estremi? 1 possibilità Conoscendo k ed n, possiamo stimare che: F( x) # F( u) F x W 1 # F( u) [ u ] ( ) = $, u, ( ) 1" k F u " n ( ) ( ) ( ) ( 1 ) y, u, F x " F u + # F u $ W per x u A questo punto disponiamo di una stima della F(x) con cui ad esempio stimare il valore massimo di x su un intervallo 10 Γ massimo caratteristico su 10 n (evento con T=10 n) F max,10 ( ) 10 = " $ F x # % n

8 Applicazione POT - b 8 La strada vista prima presuppone di sapere che il numero di estrazioni in Γ è pari ad n. Possiamo anche sapere solo di avere k eccedenze. 2 possibilità Disponiamo della stima della distribuzione tronca: [ u ] ( )#, u, F x W " l evento massimo rilevato su Γ è il massimo di k eccedenze; l evento massimo ha quindi T u = k; y cl # 1 $ 1 % = W, u, " & 1# ' ( k ) Fmax,10 W, u, " # = $ & % ' 10k

9 Applicazione POT - c 9 3 possibilità Cerchiamo una distribuzione: W, µ, " Tale che: [ u] # $ W, µ," = W, u, " % $& W, µ," ( u) = FX ( u)

10 10 Applicazione POT - c Per l esponenziale negativa (γ =0): ln k u n µ = " # $ % & = + ' ( ) # * +, Per γ 0 : " # $ % % & ' ( ( ) * % & ' ( ) * +, + = % & ' ( ) *, = -. µ / 1 n k u n k

11 Diagnostica - mean excess plot 11 in linea teorica y' = y u " # 1 # esempio inclusioni praticamente non si ha mai un adamento così semplice e si identificano delle zone (prima della zona finale) in cui identificare l andamento

12 Legame tra POT e LEVD - a 12 Supponiamo di aver analizzato k eccedenze su un periodo di acquisizione Γ # W 0,u, = 1" exp " y " u & $ % ' ( Se cerchiamo il valore massimo caratteristico su Γ ha periodo di ritorno T=k e risulta: y( T = k) = u + " log( k) Se cerchiamo il valore massimo caratteristico su 10Γ ha periodo di ritorno T=10k e risulta: y( T = 10k) = u + " log( 10 " k) che diventa: y( T = 10k) = y T = k + " log(10) Dobbiamo ricordarci che il massimo caratteristico ha una probabilità di superamento del 63.2%

13 Legame tra POT e LEVD -b 13 Se avessimo dato la descrizione dell evento massimo su 10Γ attraverso la LEVD, avremmo potuto stimarlo dal massimo caratteristico su Γ (ovvero il λ Γ dei massimi su Γ) come: 10"# = # + $ " log(10) E evidente l analogia tra le due formulazioni. Ne segue che i massimi su Γ appartengono ad una LEVD con parametri: ( ) & " = u + # $ log k ' (% = #

Affidabilità nel tempo tasso di guasto. h( t) =! dt N dt N ( ) ( ) = =! N N

Affidabilità nel tempo tasso di guasto. h( t) =! dt N dt N ( ) ( ) = =! N N Affidabilità nel tempo tasso di guasto 1 N=numero componenti N s (t)=numero componenti sopravvissuti al tempo t N f (t)=numero componenti rotti al tempo t N ( ) ( ) s t N f t R( t) = = 1! N N dr( t) 1

Dettagli

11) convenzioni sulla rappresentazione grafica delle soluzioni

11) convenzioni sulla rappresentazione grafica delle soluzioni 2 PARAGRAFI TRATTATI 1)La funzione esponenziale 2) grafici della funzione esponenziale 3) proprietá delle potenze 4) i logaritmi 5) grafici della funzione logaritmica 6) principali proprietá dei logaritmi

Dettagli

Reliability Demonstration Tests Distribuzione di Weibull

Reliability Demonstration Tests Distribuzione di Weibull Reliability Demonstration Tests Distribuzione di Weibull Stefano Beretta Politecnico di Milano, Dipartimento di Meccanica Giugno 2009 Sommario Le prove di laboratorio molto spesso vengono intese come tests

Dettagli

DI IDROLOGIA TECNICA PARTE III

DI IDROLOGIA TECNICA PARTE III FACOLTA DI INGEGNERIA Laurea Specialistica in Ingegneria Civile N.O. Giuseppe T. Aronica CORSO DI IDROLOGIA TECNICA PARTE III Idrologia delle piene Lezione XII: I metodi diretti per la valutazione delle

Dettagli

x ( 3) + Inoltre (essendo il grado del numeratore maggiore del grado del denominatore, d ancora dallo studio del segno),

x ( 3) + Inoltre (essendo il grado del numeratore maggiore del grado del denominatore, d ancora dallo studio del segno), 6 - Grafici di funzioni Soluzioni Esercizio. Studiare il grafico della funzione f(x) = x x + 3. ) La funzione è definita per x 3. ) La funzione non è né pari, né dispari, né periodica. 3) La funzione è

Dettagli

Regressione Mario Guarracino Data Mining a.a. 2010/2011

Regressione Mario Guarracino Data Mining a.a. 2010/2011 Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume

Dettagli

0 < a < 1 a > 1. In entrambi i casi la funzione y = log a (x) si può studiare per punti e constatare che essa presenta i seguenti andamenti y

0 < a < 1 a > 1. In entrambi i casi la funzione y = log a (x) si può studiare per punti e constatare che essa presenta i seguenti andamenti y INTRODUZIONE Osserviamo, in primo luogo, che le funzioni logaritmiche sono della forma y = log a () con a costante positiva diversa da (il caso a = è banale per cui non sarà oggetto del nostro studio).

Dettagli

Perché il logaritmo è così importante?

Perché il logaritmo è così importante? Esempio 1. Perché il logaritmo è così importante? (concentrazione di ioni di idrogeno in una soluzione, il ph) Un sistema solido o liquido, costituito da due o più componenti, (sale disciolto nell'acqua),

Dettagli

Le funzioni elementari. La struttura di R. Sottrazione e divisione

Le funzioni elementari. La struttura di R. Sottrazione e divisione Le funzioni elementari La struttura di R La struttura di R è definita dalle operazioni Addizione e moltiplicazione. Proprietà: Commutativa Associativa Distributiva dell addizione rispetto alla moltiplicazione

Dettagli

Nel seguito sono riportati due esercizi che si possono risolvere con la formula di Erlang e le relative risoluzioni.

Nel seguito sono riportati due esercizi che si possono risolvere con la formula di Erlang e le relative risoluzioni. Nel seguito sono riportati due esercizi che si possono risolvere con la formula di Erlang e le relative risoluzioni. Al fine di risolvere questo tipo di esercizi, si fa in genere riferimento a delle tabelle

Dettagli

La Distribuzione Normale (Curva di Gauss)

La Distribuzione Normale (Curva di Gauss) 1 DISTRIBUZIONE NORMALE o CURVA DI GAUSS 1. E la più importante distribuzione statistica continua e trova numerose applicazioni nello studio dei fenomeni biologici. 2. Fu proposta da Gauss (1809) nell'ambito

Dettagli

Funzioni e loro grafici

Funzioni e loro grafici Funzioni e loro grafici Dicesi funzione y=f(x) della variabile x una legge qualsiasi che faccia corrispondere ad ogni valore di x, scelto in un certo insieme, detto dominio, uno ed uno solo valore di y

Dettagli

RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA?

RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Crenca & Associati CORPORATE CONSULTING SERVICES RISK MANAGEMENT: MAPPATURA E VALUTAZIONE DEI RISCHI AZIENDALI. UN COSTO O UN OPPORTUNITA? Ufficio Studi Milano, 3 aprile 2008 Introduzione al Risk Management

Dettagli

Incontriamo la Matematica e la Fisica nelle Applicazioni San Pellegrino Terme (Bergamo) 7/8/9 settembre 2009

Incontriamo la Matematica e la Fisica nelle Applicazioni San Pellegrino Terme (Bergamo) 7/8/9 settembre 2009 Summer School Incontriamo la Matematica e la Fisica nelle Applicazioni San Pellegrino Terme (Bergamo) 7/8/9 settembre 2009 Le variazioni di una grandezza: introduzione alla derivata Luigi i Tomasi Liceo

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

STRATEGIA DI TRADING. Turning Points

STRATEGIA DI TRADING. Turning Points STRATEGIA DI TRADING Turning Points ANALISI E OBIETTIVI DA RAGGIUNGERE Studiare l andamento dei prezzi dei mercati finanziari con una certa previsione su tendenze future Analisi Tecnica: studio dell andamento

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

Esercitazione 5 Soluzioni

Esercitazione 5 Soluzioni Esercitazione 5 Soluzioni. (Esercizio 5. del Ross) Sia X una variabile aleatoria la cui densità è c( 2 ) < < 0 altrimenti. (a) Qual è il valore di c? (b) Scrivere la funzione di ripartizione di X. 2. (Esercizio

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

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

~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE

~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.

Dettagli

MATEMATICA LINEE GENERALI E COMPETENZE

MATEMATICA LINEE GENERALI E COMPETENZE MATEMATICA LINEE GENERALI E COMPETENZE Al termine del percorso dei licei classico, linguistico, musicale coreutico e della scienze umane lo studente conoscerà i concetti e i metodi elementari della matematica,

Dettagli

Numeri Complessi. 4. Ricordando che, se z è un numero complesso, zz è un numero reale, mettere sotto la forma. z 2 + 2z + 2 = 0. z 2 + 2z + 6 = 0.

Numeri Complessi. 4. Ricordando che, se z è un numero complesso, zz è un numero reale, mettere sotto la forma. z 2 + 2z + 2 = 0. z 2 + 2z + 6 = 0. Numeri Complessi. Siano z = + i e z 2 = i. Calcolare z + z 2, z z 2, z z 2 e z z 2. 2. Siano z = 2 5 + i 2 e z 2 = 5 2 2i. Calcolare z + z 2, z z 2, z z 2 e z z 2. 3. Ricordando che, se z è un numero complesso,

Dettagli

Matlab per applicazioni statistiche

Matlab per applicazioni statistiche Matlab per applicazioni statistiche Marco J. Lombardi 19 aprile 2005 1 Introduzione Il sistema Matlab è ormai uno standard per quanto riguarda le applicazioni ingegneristiche e scientifiche, ma non ha

Dettagli

UNIVERSITÁ DEGLI STUDI DI FIRENZE

UNIVERSITÁ DEGLI STUDI DI FIRENZE UNIVERSITÁ DEGLI STUDI DI FIRENZE FACOLTÁ DI ECONOMIA CORSO DI LAUREA MAGISTRALE IN BANCA, ASSICURAZIONI E MERCATI FINANZIARI TESI DI LAUREA IN TEORIA DEL RISCHIO E TECNICHE ATTUARIALI CONTRO I DANNI UNA

Dettagli

Indirizzo odontotecnico a.s. 2015/2016

Indirizzo odontotecnico a.s. 2015/2016 I.P.S.I.A E. DE AMICIS - ROMA PROGRAMMAZIONE DIDATTICA DI MATEMATICA Classe 5C Indirizzo odontotecnico a.s. 2015/2016 Prof. Rossano Rossi La programmazione è stata sviluppata seguendo le linee guida ministeriali

Dettagli

f(x) = x3 2x 2x 2 4x x 2 x 3 2x 2x 2 4x =, lim lim 2x 2 4x = +. lim Per ricavare gli asintoti obliqui, essendo lim

f(x) = x3 2x 2x 2 4x x 2 x 3 2x 2x 2 4x =, lim lim 2x 2 4x = +. lim Per ricavare gli asintoti obliqui, essendo lim Esercizi 0//04 - Analisi I - Ingegneria Edile Architettura Esercizio. Studiare la seguente funzione e disegnarne il graco. Soluzione: f(x) = x3 x x 4x La funzione è denita dove il denominatore risulta

Dettagli

Limiti e continuità delle funzioni reali a variabile reale

Limiti e continuità delle funzioni reali a variabile reale Limiti e continuità delle funzioni reali a variabile reale Roberto Boggiani Versione 4.0 9 dicembre 2003 1 Esempi che inducono al concetto di ite Per introdurre il concetto di ite consideriamo i seguenti

Dettagli

Determinare il dominio e la derivata delle seguenti funzioni e studiarne la monotonia ed eventuali massimi/minimi. ( ) x + 2.

Determinare il dominio e la derivata delle seguenti funzioni e studiarne la monotonia ed eventuali massimi/minimi. ( ) x + 2. Determinare il dominio e la derivata delle seguenti funzioni e studiarne la monotonia ed eventuali massimi/minimi (1) (2) (3) (4) f (x) = log ( ) x + 2 x 1 f (x) = x exp( x 3 ) ( f (x) = arctan x ) x 1

Dettagli

In laboratorio si useranno fogli di carta millimetrata con scale lineari oppure logaritmiche.

In laboratorio si useranno fogli di carta millimetrata con scale lineari oppure logaritmiche. GRAFICI Servono per dare immediatamente e completamente le informazioni, che riguardano l andamento di una variabile in funzione dell altra. La Geometria Analitica c insegna che c è una corrispondenza

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

Anno 4 Grafico di funzione

Anno 4 Grafico di funzione Anno 4 Grafico di funzione Introduzione In questa lezione impareremo a disegnare il grafico di una funzione reale. Per fare ciò è necessario studiare alcune caratteristiche salienti della funzione che

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2013-2014 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per

Dettagli

Corso di Analisi Matematica. Successioni e serie numeriche

Corso di Analisi Matematica. Successioni e serie numeriche a.a. 2011/12 Laurea triennale in Informatica Corso di Analisi Matematica Successioni e serie numeriche Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità

Dettagli

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in

Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato

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

ELEMENTI DI STATISTICA DESCRITTIVA

ELEMENTI DI STATISTICA DESCRITTIVA Metodi Statistici e Probabilistici per l Ingegneria ELEMENTI DI STATISTICA DESCRITTIVA Corso di Laurea in Ingegneria Civile Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain E-mail:

Dettagli

Misurare il rischio finanziario con l Extreme Value Theory

Misurare il rischio finanziario con l Extreme Value Theory Misurare il rischio finanziario con l Extreme Value Theory M. Bee Dipartimento di Economia, Università di Trento MatFinTN 2012, Trento, 24 gennaio 2012 Outline Introduzione Extreme Value Theory EVT e rischio

Dettagli

Logaritmi ed esponenziali

Logaritmi ed esponenziali Logaritmi ed esponenziali definizioni, proprietà ITIS Feltrinelli anno scolastico 2007-2008 A cosa servono i logaritmi I logaritmi rendono possibile trasformare prodotti in somme, quozienti in differenze,

Dettagli

Esercitazioni 2013/14

Esercitazioni 2013/14 Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta

Dettagli

No Risk, No Gain. Evento sul Project Risk Management. Venerdì, 21 marzo 2014 - ore 15.00 LUISS Guido Carli - Aula Polivalente Viale Romania, 32 - Roma

No Risk, No Gain. Evento sul Project Risk Management. Venerdì, 21 marzo 2014 - ore 15.00 LUISS Guido Carli - Aula Polivalente Viale Romania, 32 - Roma No Risk, No Gain Evento sul Project Risk Management Venerdì, 21 marzo 2014 - ore 15.00 LUISS Guido Carli - Aula Polivalente Viale Romania, 32 - Roma Organizzato con Eureka Service Sponsor dell evento The

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

Ulteriori metodi per la stima di una singola equazione

Ulteriori metodi per la stima di una singola equazione 1 Materiali didattici: ANALISI E PREVISIONI NEI MERCATI FINANZIARI a.a. 2014-2015 DISPENSA N.3bis (APPENDICE alla dispensa n.3) Ulteriori metodi per la stima di una singola equazione (Prof. Giovanni Verga)

Dettagli

Svolgimento 1 Scriviamo la funzione f(x) che rappresenta la spesa totale in un mese: Figura 2 Il grafico di f(x).

Svolgimento 1 Scriviamo la funzione f(x) che rappresenta la spesa totale in un mese: Figura 2 Il grafico di f(x). Problema 1 Il piano tariffario proposto da un operatore telefonico prevede, per le telefonate all estero, un canone fisso di euro al mese, più centesimi per ogni minuto di conversazione. Indicando con

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

Funzione reale di variabile reale

Funzione reale di variabile reale Funzione reale di variabile reale Siano A e B due sottoinsiemi non vuoti di. Si chiama funzione reale di variabile reale, di A in B, una qualsiasi legge che faccia corrispondere, a ogni elemento A x A

Dettagli

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione

CAPITOLO 10. Controllo di qualità. Strumenti per il controllo della qualità e la sua gestione CAPITOLO 10 Controllo di qualità Strumenti per il controllo della qualità e la sua gestione STRUMENTI PER IL CONTROLLO E LA GESTIONE DELLA QUALITÀ - DIAGRAMMI CAUSA/EFFETTO - DIAGRAMMI A BARRE - ISTOGRAMMI

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

La Funzione Caratteristica di una Variabile Aleatoria

La Funzione Caratteristica di una Variabile Aleatoria La Funzione Caratteristica di una Variabile Aleatoria La funzione caratteristica Φ densità di probabilità è f + Φ ω = ω di una v.a., la cui x, è definita come: jωx f x e dx E e j ω Φ ω = 1 La Funzione

Dettagli

Appunti relativi a Lab4

Appunti relativi a Lab4 Appunti relativi a Lab4 ESEMPIO 1 Sia (X 1,, X n ) un campione aleatorio estratto da una variabile aleatoria X Exp(λ) e sia (x 1,, x n ) una sua realizzazione campionaria contenuta nel vettore oss > set.seed(5)

Dettagli

Scheda n.5: variabili aleatorie e valori medi

Scheda n.5: variabili aleatorie e valori medi Scheda n.5: variabili aleatorie e valori medi October 26, 2008 1 Variabili aleatorie Per la definizione rigorosa di variabile aleatoria rimandiamo ai testi di probabilità; essa è non del tutto immediata

Dettagli

Statistica inferenziale

Statistica inferenziale Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo

Dettagli

STATISTICA ECONOMICA STATISTICA PER L ECONOMIA

STATISTICA ECONOMICA STATISTICA PER L ECONOMIA STATISTICA ECONOMICA STATISTICA PER L ECONOMIA a.a. 2009-2010 Facoltà di Economia, Università Roma Tre L Indagine sui bilanci delle famiglie italiane è un indagine campionaria condotta (ogni due anni)

Dettagli

Politecnico di Torino. Esercitazioni di Protezione idraulica del territorio

Politecnico di Torino. Esercitazioni di Protezione idraulica del territorio Politecnico di Torino Esercitazioni di Protezione idraulica del territorio a.a. 2012-2013 ESERCITAZIONE 1 VALUTAZIONE DELLA RARITÀ DI UN EVENTO PLUVIOMETRICO ECCEZIONALE 1. Determinazione del periodo di

Dettagli

Laboratorio sulle dinamiche Socio-Economiche

Laboratorio sulle dinamiche Socio-Economiche Laboratorio sulle dinamiche Socio-Economiche Progetto Lauree Scientifiche Giacomo Albi Dipartimento di Matematica e Informatica Università di Ferrara, Italia www.giacomoalbi.com giacomo.albi@unife.it Giacomo

Dettagli

Corso di Analisi Matematica. Polinomi e serie di Taylor

Corso di Analisi Matematica. Polinomi e serie di Taylor a.a. 2013/14 Laurea triennale in Informatica Corso di Analisi Matematica Polinomi e serie di Taylor Avvertenza Questi sono appunti informali delle lezioni, che vengono resi disponibili per comodità degli

Dettagli

Criteri di Valutazione della scheda - Solo a carattere indicativo -

Criteri di Valutazione della scheda - Solo a carattere indicativo - Criteri di Valutazione della scheda - Solo a carattere indicativo - Previsioni Sono state fatte le previsioni e discussi i valori attesi con il ragionamento con cui sono stati calcolati E stata usata la

Dettagli

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE

1 Associazione tra variabili quantitative COVARIANZA E CORRELAZIONE 1 Associazione tra variabili quantitative ASSOCIAZIONE FRA CARATTERI QUANTITATIVI: COVARIANZA E CORRELAZIONE 2 Associazione tra variabili quantitative Un esempio Prezzo medio per Nr. Albergo cliente (Euro)

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

Scale Logaritmiche SCALA LOGARITMICA:

Scale Logaritmiche SCALA LOGARITMICA: Scale Logaritmiche SCALA LOGARITMICA: sull asse prescelto (ad es. asse x) si rappresenta il punto di ascissa 1 = 10 0 nella direzione positiva si rappresentano, a distanze uguali fra di loro, i punti di

Dettagli

La distribuzione Normale. La distribuzione Normale

La distribuzione Normale. La distribuzione Normale La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una

Dettagli

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004

Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004 Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità

Dettagli

Numeri Complessi. 4. Ricordando che, se z è un numero complesso, zz è un numero reale, mettere sotto la forma. z 2 + 2z + 2 = 0. z 2 + 2z + 6 = 0.

Numeri Complessi. 4. Ricordando che, se z è un numero complesso, zz è un numero reale, mettere sotto la forma. z 2 + 2z + 2 = 0. z 2 + 2z + 6 = 0. Numeri Complessi. Siano z = + i e z 2 = i. Calcolare z + z 2, z z 2, z z 2 e z z 2. 2. Siano z = 2 5 + i 2 e z 2 = 5 2 2i. Calcolare z + z 2, z z 2, z z 2 e z z 2. 3. Ricordando che, se z è un numero complesso,

Dettagli

Anno 5 4 Funzioni reali. elementari

Anno 5 4 Funzioni reali. elementari Anno 5 4 Funzioni reali elementari 1 Introduzione In questa lezione studieremo alcune funzioni molto comuni, dette per questo funzioni elementari. Al termine di questa lezione sarai in grado di definire

Dettagli

STUDIO DI SETTORE VG87U

STUDIO DI SETTORE VG87U ALLEGATO 21 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE VG87U CONSULENZA FINANZIARIA, AMMINISTRATIVO-GESTIONALE E AGENZIE DI INFORMAZIONI COMMERCIALI CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE

Dettagli

FUNZIONI ESPONENZIALE E LOGARITMICA

FUNZIONI ESPONENZIALE E LOGARITMICA FUNZIONI ESPONENZIALE E LOGARITMICA Le potenze con esponente reale La potenza a x di un numero reale a è definita se a>0 per ogni x R se a=0 per tutti e soli i numeri reali positivi ( x R + ) se a

Dettagli

Laboratorio di fisica per PAS Proposito di questo modulo: Fornire ai docenti gli strumenti teorici e pratici per affrontare esperimenti di laboratorio dal punto di vista quantitativo. Effettuare alcune

Dettagli

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento:

+ P a n n=1 + X. a n = a m 3. n=1. m=4. Per poter dare un significato alla somma (formale) di infiniti termini, ricorriamo al seguente procedimento: Capitolo 3 Serie 3. Definizione Sia { } una successione di numeri reali. Ci proponiamo di dare significato, quando possibile, alla somma a + a 2 +... + +... di tutti i termini della successione. Questa

Dettagli

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue

Esercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1

Dettagli

Corso di Elettronica di Potenza (12 CFU) ed Elettronica Industriale (6 CFU) Convertitori c.c.-c.c. 2/83

Corso di Elettronica di Potenza (12 CFU) ed Elettronica Industriale (6 CFU) Convertitori c.c.-c.c. 2/83 I convertitori c.c.-c.c. monodirezionali sono impiegati per produrre in uscita un livello di tensione diverso da quello previsto per la sorgente. Verranno presi in considerazione due tipi di convertitori

Dettagli

CURRICOLO MATEMATICA - CLASSE QUINTA -

CURRICOLO MATEMATICA - CLASSE QUINTA - CURRICOLO MATEMATICA - CLASSE QUINTA - COMPETENZA NUCLEO FONDANTE OBIETTIVI DI APPRENDIMENTO CONTENUTI TRAGUARDI NUMERI 1.a) Indicare il valore posizionale delle cifre nei numeri decimali b) comporre e

Dettagli

75 CAPITOLO 6: PROVE EDOMETRICHE CAPITOLO 6: PROVE EDOMETRICHE

75 CAPITOLO 6: PROVE EDOMETRICHE CAPITOLO 6: PROVE EDOMETRICHE 75 CAPTOLO 6: PROVE EDOMETRCE CAPTOLO 6: PROVE EDOMETRCE La prova edometrica è una prova di compressione assiale senza deformazione laterale, serve a determinare le caratteristiche di comprimibilità dei

Dettagli

Curva di apprendimento

Curva di apprendimento Curva di apprendimento Definizione La curva di apprendimento (o curva di progresso o learning curve) è uno strumento usato per progettare (o riorganizzare) sistemi di produzione in considerazione di variazioni

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

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

STUDIO DI SETTORE VG82U

STUDIO DI SETTORE VG82U ALLEGATO 18 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE VG82U SERVIZI PUBBLICITARI, RELAZIONI PUBBLICHE E COMUNICAZIONE CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio di

Dettagli

Risolvi le seguenti equazioni e disequazioni fra [ 0 ; 2 π ]

Risolvi le seguenti equazioni e disequazioni fra [ 0 ; 2 π ] IV A GAT PRIMA VERIFICA DI MATEMATICA 3 ottobre 0 Risolvi le seguenti equazioni e disequazioni fra [ 0 ; π ].. 3... 6. 7. 8. Risultati:. = π/6 e = 7π/6. =π/ ; =π/6 ; =π/6 3. =π/3 ; =π/3. =π/3 ; =π/3. π/

Dettagli

Numeri Complessi. 4. Ricordando che, se z è un numero complesso, zz è un numero reale, mettere sotto la forma. z 2 + 2z + 2 = 0. z 2 + 2z + 6 = 0.

Numeri Complessi. 4. Ricordando che, se z è un numero complesso, zz è un numero reale, mettere sotto la forma. z 2 + 2z + 2 = 0. z 2 + 2z + 6 = 0. Numeri Complessi. Siano z = + i e z 2 = i. Calcolare z + z 2, z z 2, z z 2 e z z 2. 2. Siano z = 2 5 + i 2 e z 2 = 5 2 2i. Calcolare z + z 2, z z 2, z z 2 e z z 2. 3. Ricordando che, se z è un numero complesso,

Dettagli

Cos è una funzione? (x,y) Є f o y=f(x)

Cos è una funzione? (x,y) Є f o y=f(x) Cos è una funzione? Dati gli insiemi X e Y non vuoti, si chiama funzione da in una relazione f tale che per ogni x Є X esiste uno ed un solo elemento y Є Y tale che (x,y) Є f. Data la funzione f:x->r,

Dettagli

Probabilità discreta

Probabilità discreta Probabilità discreta Daniele A. Gewurz 1 Che probabilità c è che succeda...? Una delle applicazioni della combinatoria è nel calcolo di probabilità discrete. Quando abbiamo a che fare con un fenomeno che

Dettagli

Alcune applicazioni delle equazioni differenziali ordinarie alla teoria dei circuiti elettrici

Alcune applicazioni delle equazioni differenziali ordinarie alla teoria dei circuiti elettrici Alcune applicazioni delle equazioni differenziali ordinarie alla teoria dei circuiti elettrici Attilio Piana, Andrea Ziggioto 1 egime variabile in un circuito elettrico. Circuito C. 1.1 Carica del condensatore

Dettagli

Introduzione all Inferenza Statistica

Introduzione all Inferenza Statistica Introduzione all Inferenza Statistica Fabrizio Cipollini Dipartimento di Statistica, Informatica, Applicazioni (DiSIA) G. Parenti Università di Firenze Firenze, 3 Febbraio 2015 Introduzione Casi di studio

Dettagli

Insegnamento di Gestione e Organizzazione dei Progetti A.A. 2008/9

Insegnamento di Gestione e Organizzazione dei Progetti A.A. 2008/9 Insegnamento di Gestione e Organizzazione dei Progetti A.A. 2008/9 Lezione 11: valutazione costi diagramma di PERT Prof.ssa R. Folgieri email: folgieri@dico.unimi.it folgieri@mtcube.com 1 Da ricordare:

Dettagli

Università degli Studi di Ferrara APPLICAZIONI DEL CALCOLO DIFFERENZIALE: PERCORSO DIDATTICO DI MATEMATICA STUDIO DI FUNZIONE REALE DI VARIABILE REALE

Università degli Studi di Ferrara APPLICAZIONI DEL CALCOLO DIFFERENZIALE: PERCORSO DIDATTICO DI MATEMATICA STUDIO DI FUNZIONE REALE DI VARIABILE REALE Università degli Studi di Ferrara PERCORSO DIDATTICO DI MATEMATICA APPLICAZIONI DEL CALCOLO DIFFERENZIALE: STUDIO DI FUNZIONE REALE DI VARIABILE REALE E PROBLEMI DI MASSIMO E DI MINIMO (ANCHE PER VIA ELEMENTARE)

Dettagli

La f(x) dovrà rimanere all interno di questo intorno quando la x è all interno di un intorno di x 0, cioè I(x 0 ), cioè:

La f(x) dovrà rimanere all interno di questo intorno quando la x è all interno di un intorno di x 0, cioè I(x 0 ), cioè: 1 Limiti Roberto Petroni, 2011 Possiamo introdurre intuitivamente il concetto di limite dicendo che quanto più la x si avvicina ad un dato valore x 0 tanto più la f(x) si avvicina ad un valore l detto

Dettagli

FREQUENZA TEORICA E FREQUENZA PERCENTUALE Lezione n. 13

FREQUENZA TEORICA E FREQUENZA PERCENTUALE Lezione n. 13 FREQUENZA TEORICA E FREQUENZA PERCENTUALE Lezione n. 13 Finalità: Enunciare le definizioni maturate attraverso l esercitazione pratica. Sistematizzare concetti e definizioni Metodo: Sperimentazione pratica

Dettagli

STUDIO DI SETTORE VG82U

STUDIO DI SETTORE VG82U ALLEGATO 18 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE VG82U SERVIZI PUBBLICITARI, RELAZIONI PUBBLICHE E COMUNICAZIONE 862 CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio

Dettagli

Vademecum studio funzione

Vademecum studio funzione Vademecum studio funzione Campo di Esistenza di una funzione o dominio: Studiare una funzione significa determinare gli elementi caratteristici che ci permettono di disegnarne il grafico, a partire dalla

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Introduzione alberi binomiali

Introduzione alberi binomiali Introduzione alberi binomiali introduzione L albero binomiale rappresenta i possibili sentieri seguiti dal prezzo dell azione durante la vita dell opzione Il percorso partirà dal modello a uno stadio per

Dettagli

Statistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.

Statistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2. Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni

Dettagli

Confronto tra i regimi finanziari

Confronto tra i regimi finanziari Confronto tra i regimi finanziari Consideriamo i tre regimi finanziari Quale è il regime più conveniente? Per misurare la convenienza, paragoniamo i fattori di capitalizzazione: r s (t) = f. cap. interesse

Dettagli

SEQUENZE DI NUMERI PSEUDO- CASUALI

SEQUENZE DI NUMERI PSEUDO- CASUALI SEQUENZE DI NUMERI PSEUDO- CASUALI Test Statistici sulle Sequenze Pseudo Casuali E di fondamentale importanza per una buona riuscita della SIMULAZIONE ( affidabilità dei risultati), che le sequenze pseudo

Dettagli

ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2

ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2 DAVIDE ZANIN 1035601 ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2 SOMMARIO Elaborazione di dati tridimensionali - Relazione Homework 2... 1 Obiettivo... 2 Descrizione della procedura seguita...

Dettagli

MATEMATICA LINEE GENERALI E COMPETENZE

MATEMATICA LINEE GENERALI E COMPETENZE MATEMATICA LINEE GENERALI E COMPETENZE Al termine del percorso del liceo scientifico lo studente conoscerä i concetti e i metodi elementari della matematica, sia interni alla disciplina in så considerata,

Dettagli

C) DIAGRAMMA A SETTORI

C) DIAGRAMMA A SETTORI C) DIAGRAMMA A SETTORI Procedura: Determinare la percentuale per ciascuna categoria Convertire i valori percentuali in gradi d angolo Disegnare un cerchio e tracciare i settori Contrassegnare i settori

Dettagli

STUDIO DI SETTORE WK21U

STUDIO DI SETTORE WK21U ALLEGATO 12 NOTA TECNICA E METODOLOGICA STUDIO DI SETTORE WK21U ATTIVITÀ DEGLI STUDI ODONTOIATRICI CRITERI PER L EVOLUZIONE DELLO STUDIO DI SETTORE L'applicazione dello studio di settore attribuisce ai

Dettagli

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011

Facoltà di Psicologia Università di Padova Anno Accademico 2010-2011 Facoltà di Psicologia Università di Padova Anno Accademico 010-011 Corso di Psicometria - Modulo B Dott. Marco Vicentini marco.vicentini@unipd.it Rev. 10/01/011 La distribuzione F di Fisher - Snedecor

Dettagli

ANALISI COSTI-BENEFICI

ANALISI COSTI-BENEFICI ANALISI COSTI-BENEFICI ANALISI COSTI BENEFICI Fondamento dell ANALISI COSTI BENEFICI è l idea che un progetto o una politica possono essere considerati validi dal punto di vista della società se i benefici

Dettagli

LA FUNZIONE DI TRASFERIMENTO

LA FUNZIONE DI TRASFERIMENTO LA FUNZIONE DI TRASFERIMENTO Può essere espressa sia nel dominio della s che nel dominio della j Definizione nel dominio della s. è riferita ai soli sistemi con un ingresso ed un uscita 2. ha per oggetto

Dettagli