Intorduzione alla teoria delle Catene di Markov

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Intorduzione alla teoria delle Catene di Markov"

Transcript

1 Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n } n 0, P ed adattata a {F n } n 0 è detta catena d Markov rspetto a P, se n m 0, B B ( P ({ω Ω : ξ n (ω B} F m = P ({ω Ω : ξ n (ω B} ξ m P-q.c., (1 ovvero, se per ogn funzone f B (-ms., lmtata La (1 è detta propretà d Markov. E [f (ξ n F m = E [f (ξ n ξ m P-q.c.. (2 Cò mplca che, se n m 0, dat due event F e P tal che: F appartene alla σalgebra rspetto alla quale sono msurabl le v.a. ξ, m; P F k, 0 k m; s ha P (F P F m = 1 P P (F F m = P (F F m P (P F m P-q.c. (3 Ovvero, nel caso n cu s nterpret {ξ n } n 0 come l evoluzone d un sstema reale, l evento F rappresenta un evento futurble rspetto allo stato attuale del sstema ξ m, mentre P rappresenta un evento passble d essere accaduto nel passato relatvamente allo stato presente del sstema. Pertanto, la relazone precedente mplca che per una catena d Markov, subordnatamente allo stato attuale del sstema l evoluzone futura d questo non è affltta da quanto è gà accaduto. Se s nterpreta l ndce che defnsce la sequenza n come ndce temporale, una sequenza stocastca può essere consderata come una modellzzazone dell evoluzone d un sstema dnamco fsco, bologco, ecc.. 1

2 Osservazone 2 Se {ξ n } n 0 defnta su ( Ω, F, {F n } n 0, P è una catena d Markov rspetto a P, nel caso n cu la fltrazone {F n } n 0 concde con la fltrazone generata dalla successone d v.a. {ξ n } n 0, ovvero tale che n 0, F n = F n (ξ := F ξ n coè la σalgebra generata dalla collezone d v.a. {ξ } n =0 1, s drà che {ξ n } n 0 su (Ω, F, P è una catena d Markov rspetto a P. 0.1 Probabltà d transzone Defnzone 3 Sa {ξ n } n 0 su (Ω, F, P una catena d Markov rspetto a P. n 0, La dstrbuzone probabltà condzonata della v.a. ξ n+1 rspetto alla v.a. ξ n, P (ξ n+1 ( ξ n, ovvero tale che, B B (, P ( ξ 1 n+1 (B ξ n = P ({ω Ω : ξn+1 (ω B} ξ n (4 è detta probabltà d transzone al passo n-esmo. Inoltre, un nucleo d probabltà 2 B ( (B, x P n+1 (x; B := P ξn+1 (B ξ n = x [0, 1 (5 da (, B ( n sé, che mappa la dstrbuzone d probabltà P 3 ξn n P ξn+1, coè tale che, B B (, dp ξn (x P n+1 (x; B = dp ξn (x P ξn+1 (B ξ n = x (6 = E [P (ξ n+1 (B ξ n = P ξn+1 (B, che sa una versone regolare d P (ξ n+1 ( ξ n, ovvero tale che, B B (, P ( ξn+1 1 (B ξ n = Pn+1 (ξ n ; B = P n+1 (ξ n ; dx P-q.c., (7 è detto funzone d transzone al passo n-esmo. Qund, n m 0 e per ogn f B (-ms. lmtata, la (2 s scrve E [f (ξ n ξ m = E [f (ξ n F m = E [ E [E [f (ξ n F n 1 F n 2 F m (8 = P m+1 (ξ m ; dx m+1 P n (x n 1 ; dx n f (x n P-q.c.. Defnzone 4 Sa {ξ n } n 0 su (Ω, F, P una catena d Markov rspetto a P. La msura d probabltà π := P ξ0 su (, B ( è detta dstrbuzone nzale della catena. 1 cf. dspense par. 1.1 Fn ξ = σ {ξ 0,.., ξ n } := n k=0 ξ 1 k (B (. 2 cf. Appunt del corso d Probabltà e Process Stocastc Defnzone 80 e Osservazone cf. Appunt del corso d Probabltà e Process Stocastc par B 2

3 Consderamo una Catena d Markov ξ := {ξ n } come applcazone msurable da (Ω, F a ( N, C 4. Proposzone 5 Sa ξ = {ξ n } n 0 su (Ω, F, P una catena d Markov rspetto a P. Se {P n+1 ( ; dx} n 0 e π (dx sono rspettvamente la famgla delle funzon d transzone assocate alla catena e la sua dstrbuzone nzale, la coppa ( π (ds, {P n+1 ( ; ds} n 0 determna completamente la dstrbuzone d probabltà delle traettore della catena, coè P ξ su ( N, C. Dmostrazone: E suffcente consderare l generco nseme clndrco C ( n 1 =0 B dove, n 0, B B (, = 0,.., n 1, poché C è generata dalla collezone d quest event. Allora, sccome {ω Ω : ξ 0 (ω B 0,.., ξ n 1 (ω B n 1 } = (9 {ω Ω : ξ 0 (ω B 0,.., ξ n 2 (ω B n 2 } {ω Ω : ξ n 1 (ω B n 1 } e {ω Ω : ξ 0 (ω B 0,.., ξ n 2 (ω B n 2 } F n 2, ( ( P ξ C n 1 =0 B = P {ω Ω : ξ0 (ω B 0,.., ξ n 1 (ω B n 1 } (10 = E [ 1 {ω Ω:ξ0 (ω B 0,..,ξ n 2 (ω B n 2 }1 {ω Ω:ξn 1 (ω B n 1 } = E [ E [ 1 {ω Ω:ξ0 (ω B 0,..,ξ n 2 (ω B n 2 }1 {ω Ω:ξn 1 (ω B n 1 } F n 2 = E [ 1 {ω Ω:ξ0 (ω B 0,..,ξ n 2 (ω B n 2 }E [ 1 {ω Ω:ξn 1 (ω B n 1 } F n 2 = E [ 1 {ω Ω:ξ0 (ω B 0,..,ξ n 2 (ω B n 2 }P ({ω Ω : ξ n 1 (ω B n 1 } ξ n 2 petendo la procedura scrvedo l ultma espressone dell equazone precedente come valore atteso dell attesa condzonata rspetto a F n 3, dato che P ({ω Ω : ξ n 1 (ω B n 1 } ξ n 2 è ndpendente da ξ n 3, per la defnzone d catena d Markov, s ha E [ 1 {ω Ω:ξn 2 (ω B n 2 }P ({ω Ω : ξ n 1 (ω B n 1 } ξ n 2 F n 3 (11 = E [ 1 {ω Ω:ξn 2 (ω B n 2 }P ({ω Ω : ξ n 1 (ω B n 1 } ξ n 2 ξ n 3 = P ({ω Ω : ξ n 1 (ω B n 1 } ξ n 2 E [ 1 {ω Ω:ξn 2 (ω B n 2 } ξ n 3 ovvero = P ({ω Ω : ξ n 1 (ω B n 1 } ξ n 2 P ({ω Ω : ξ n 2 (ω B n 2 } ξ n 3, P {ω Ω : ξ 0 (ω B 0,.., ξ n 1 (ω B n 1 } (12 = E [ 1 {ω Ω:ξ0 (ω B 0,..,ξ n 3 (ω B n 3 }E [ 1 {ω Ω:ξn 2 (ω B n 2 } P ({ω Ω : ξ n 1 (ω B n 1 } ξ n 2 F n 3 = E [ 1 {ω Ω:ξ0 (ω B 0,..,ξ n 3 (ω B n 3 }P ({ω Ω : ξ n 2 (ω B n 2 } ξ n 3 P ({ω Ω : ξ n 1 (ω B n 1 } ξ n 2. 4 Per la defnzone dello spazo d msura ( N, C cf. Legg 0-1, successon d v.a. stazonare n senso stretto ed ntroduzone alla teora ergodca. 3

4 Iterando, s ha P {ω Ω : ξ 0 (ω B 0,.., ξ n 1 (ω B n 1 } (13 [ n = E P ({ω Ω : ξ n k+1 (ω B n k+1 } ξ n k = 1 {ω Ω:ξ0 (ω B 0 } {ω Ω : ξ 0 (ω B 0 } k=2 dp (ω n P ({ω Ω : ξ n k+1 (ω B n k+1 } ξ n k (ω, k=2 coè, per la (6 e per la defnzone d dstrbuzone nzale della catena, ( ( P ξ C n 1 =0 B = π (dx 0 P 1 (x 0 ; dx 1 P n (x n 1 ; B n (14 B 0 B 1 B n 1 e la tes segue dal teorema d Kolmogorov sull estensone d una msura su ( N, C. Vceversa, una dstrbuzone d probabltà P su ( N, C della forma 14 defnsce una catena d Markov ξ = {ξ n } n 0 sullo spazo d probabltà fltrato ( N, C, {F n } n 0, P tale che, n 0, ω N, ξ n (ω = ω n, F n := n k=0 ξ 1 k (B ( e, B B (, P ({ ω N : ξ n+1 (ω B } ξ n = P ({ ω N : ω n+1 B } ξ n = Pn+1 ( ; B P-q.c.. (15 Infatt, vale l seguente rsultato. Proposzone 6 Sa (Ω, F = ( N, C e P la msura d probabltà su ( N, C tale che, n 0, B B ( n+1, P (C (B = P { x N : (x 0,.., x n B } (16 = π (dx 0 P 1 (x 0 ; dx 1 P n (x n 1 ; dx n 1 B (x 0,.., x n. Allora, esste una catena d Markov {ξ n } n 0 su ( N, C, P d dstrbuzone nzale π (dx e famgla d funzon d transzone {P n+1 ( ; dx} n 0. Dmostrazone: Sa ξ = {ξ n } n 0 la successone d v.a. su ( N, C tale che, n 0, x N, ξ n (x := x n e sa F n := F ξ n. Allora, per potes, n 0, B B ( n+1 P { x N : (ξ 0 (x,.., ξ n (x B } = P { x N : (x 0,.., x n B } (17 = π (dx 0 P 1 (x 0 ; dx 1 P n (x n 1 ; dx n 1 B (x 0,.., x n. Inoltre, dato B B (, da (6 segue che P { x N : ξ n+1 (x B, (ξ 0 (x,.., ξ n (x B } = π (dx 0 P 1 (x 0 ; dx 1 P n (x n 1 ; dx n 1 B (x 0,.., x n P n+1 (x n ; dx n+1 B = E [ 1 {x N : (x 0,..,x n B} ((ξ 0,.., ξ n P n+1 (ξ n ; B, 4

5 ovvero, per la defnzone d probabltà condzonata, P ({ x N : ξ n+1 (x B } ξ n,..., ξ 0 = P ({ x N : ξ n+1 (x B } F n = P n+1 (ξ n ; B P-q.c.. (18 D altra parte però, B B (, P { x N : ξ n+1 (x B, ξ n (x B } = π (dx 0 P 1 (x 0 ; dx 1 P n (x n 1 ; dx n 1 B (x n P n+1 (x n ; dx n+1 B = E [ 1 {x N : x n B } (ξ n P n+1 (ξ n ; B, coè da cu segue la (1. P ({ x N : ξ n+1 (x B } ξ n = Pn+1 (ξ n ; B P-q.c.. (19 1 Catene d Markov omogenee Defnzone 7 Una catena d Markov che ammette una descrzone regolare della probabltà d transzone ad ogn passo s dce omogenea se esste una funzone d transzone P ( ; dx tale che n 0, P n+1 ( ; dx = P ( ; dx, ovvero la probabltà d transzone ad ogn passo è dentca a quella del prmo. Se s nterpreta una catena d Markov come l evoluzone d un sstema reale, la condzone d omogenetà della catena è equvalente ad affermare che l evoluzone del sstema da un dato stante d tempo a quello successvo non dpende esplctamente dal tempo n dstrbuzone. Infatt, se ξ = {ξ n } n 0, è una catena d Markov omogenea con funzone d transzone P, B B (, e n k m 0, dalla (14 s ha P ({ω Ω : ξ n (ω B} ξ m = P ({ω Ω : ξ n m (ω B} ξ 0 = P (n m (ξ 0 ; B = P (k m (ξ 0 ; dx P (n k (x; B (20 dove P (k è l nucleo della potenza k-sma dell operatore ntegrale assocato a P, ovvero P (k (x; dy := P (x; dx 1 P (x k 1 ; dy. (21 La (20 è detta equazone d Chapman-Kolmogorov. Questo è qund l analogo stocastco della condzone d autonoma, coè d non dpendenza dal tempo, dell endomorfsmo che determna l evoluzone d un sstema determnstco. 5

6 1.0.1 Convergenza Proposzone 8 Se esste una dstrbuzone d probabltà su ν su (, B ( tale che ν (dx P (x; dy = ν (dy, (22 allora la catena d Markov omogenea ξ = {ξ n } n 0 determnata dalla dstrbuzone nzale ν e dalla funzone d transzone P per cu vale la (22 è detta stazonara, ovvero è una successone d v.a. stazonara n senso stretto 5. Dmostrazone: Infatt, analogamente alla (20, n 0, B B (, = 1,.., n, s ha P ({ω Ω : ξ (ω C (( n =1B } ξ 0 (23 = P ({ω Ω : ξ n (ω B n,.., ξ 1 (ω B 1 } ξ 0 = P (ξ 0 ; dx 1 P (x n 1 ; B n B 1 B n 1 = P (ξ 1 ; dx 2 P (x n ; B n B 1 B n 1 = P ({ω Ω : ξ n+1 (ω B n,.., ξ 2 (ω B 1 } ξ 1 = P ({ω Ω : Sξ (ω C (( n =1B } ξ 1. Integrando la prma e l ultma espressone rspetto a ν su B 0 B ( s ha P {ω Ω : ξ (ω C (( n =0B } = P {ω Ω : Sξ (ω C (( n =0B } (24 la quale mplca che ξ è stazonara. Consderamo la catena d Markov omogenea ξ = {ξ n } n 0, descrtta dalla funzone d transzone P l cu valore nzale ξ 0 è fssato, ovvero consderamo su ( N, C la dstrbuzone d probabltà P ξ 0 tale che n 1, B B (, coè se ξ 0 è fssato uguale a x, P ξ 0 {ω Ω : ξ 0 (ω B} = 1 B (ξ 0, (25 P ξ 0 {ω Ω : ξ n (ω B} = P (n (ξ 0 ; B, (26 P x := P ξ 0 = E [ ξ 0 = x (27 Come dmostra l seguente rsultato, se {ξ n } n 0 converge n dstrbuzone ad una v.a. ξ percu P ξ è ndpendente dal valore assunto dalla condzone nzale ξ 0, e soddsfa la (22 e la successone {S n ξ} n 0 N tale che S 0 ξ := ξ converge n dstrbuzone alla catena d Markov stazonara η = {η n } descrtta dalla dstrbuzone nzale ν = P ξ e dalla funzone d transzone P. 5 cf. note Legg 0-1 par. 3 def

7 Proposzone 9 Se per ogn valore assunto dalla condzone nzale ξ 0 la catena d Markov omogenea ξ = {ξ n } n 0 descrtta dalla dstrbuzone d probabltà data dalle (25 e (26 assocata alla funzone d transzone P converge n dstrbuzone ad una v.a. ξ tale che ν := P ξ verfca la (22, allora B C, {S n ξ} n 0 converge n dstrbuzone alla catena d Markov stazonara avente ν come dstrbuzone nzale e P come funzone d transzone. Dmostrazone: Sa ν una dstrbuzone d probabltà su (, B ( che soddsfa la (22 e, x, B B ( sa Ponamo noltre A C lm n Px {ω Ω : ξ n (ω B} = lm P (n (x; B = ν (B. (28 n φ (x := P x {ω Ω : Sξ (ω A}. (29 Allora, se η = {η n } è la catena d Markov omogenea descrtta dalla dstrbuzone nzale ν e dalla funzone d transzone P, dalla Proposzone 5 s ha E [ P x { ω Ω : S n+1 ξ (ω A } ξ n = E [ P { ω Ω : S n+1 η (ω A } η n (30 qund Dunque, = E [P {ω Ω : Sη (ω A} η 0 E [P {ω Ω : Sη (ω A} η 0 = x = P x {ω Ω : Sξ (ω A} = φ (x ν-q.c.. (31 P { x ω Ω : S n+1 ξ (ω A } = E [ E [ P { x ω Ω : S n+1 ξ (ω A } ξ n (32 = P (n (x; dy E [ P { ξ 0 ω Ω : S n+1 ξ (ω A } ξ n = y = P (n (x; dy φ (y. (33 Poché φ [0, 1 ed è B (-ms. esste una successone {φ n } n 1 d funzon semplc che converge unformemente a φ. Allora, m 1, lm n P (n (x; dy φ m (y = ν (dy φ m (y qund, per la (30, lm { n Px ω Ω : S n+1 ξ (ω A } = ν (dy φ (y (34 = ν (dy E [P {ω Ω : Sη (ω A} η 0 = E [E [P {ω Ω : Sη (ω A} η 0 = P {ω Ω : η (ω A}, coè la tes. Pertanto l problema d determnare l comportamento asntotco d una catena d Markov omogenea ξ descrtta dalla funzone d transzone P è rdotto a determnare: 7

8 Se B B (, x, lm n P (n (x; B esste ed è ndpendente da x; Quante sono le dstrbuzon nzal stazonare per ξ, coè le dstrbuzon d probabltà ν su (, B ( che soddsfano la (22 che non sono a.c. l una rspetto all altra; nfatt, qualora ce ne fosse pù d una, una qualsas combnazone convessa sarebbe ancora soluzone della (22. Defnzone 10 Sa ξ = {ξ n } n 0 una catena d Markov omogenea descrtta da una funzone d transzone P. Un evento A B ( è detto chuso per ξ se x A, P (x; A = 1. Defnzone 11 Una catena d Markov omogenea ξ = {ξ n } n 0 descrtta da una funzone d transzone P, è detta ndecomponble se non esstono due event dsgunt chus per ξ. E charo che qualora esstessero A 1, A 2 chus per ξ, allora, n 1, P (n (x; A = 1 A (x, = 1, 2, (35 coè { P (n (x; A } non convergerebbe. Tuttava potrebbe esstere una dstrbuzone d n 0 probabltà ν che soddsfa (22. Qualora la catena d Markov stazonara η = {η n } n 0 descrtta dalla dstrbuzone nzale ν e dalla funzone d transzone P sa ergodca, allora, B B (, per { l teorema ergodco per successon d v.a. stazonare, la successone delle mede emprche 1 n n =1 1 B (η } converge a ν (B ν-q.c., da cu segue, per l teorema d Lebesgue della n 1 convergenza monotona, che, x, 1 lm n n n =1 P (n 1 (x; B = lm n n = lm = E n E [ lm n n E [1 B (η η 0 = x (36 =1 [ 1 n 1 n n 1 B (η η 0 = x n 1 B (η η 0 = x = ν (B ν-q.c.. =1 =1 Teorema 12 Se la catena d Markov omogenea ξ = {ξ n } n 0 descrtta da una funzone d transzone P è ndecomponble e ammette una dstrbuzone nzale stazonara ν, allora questa è unca e la catena d Markov stazonara η = {η n } n 0 descrtta dalla dstrbuzone nzale ν e dalla funzone d transzone P è ergodca. Dmostrazone: Sa ν una dstrbuzone nzale stazonara per ξ, η = {η n } n 0 la catena d Markov stazonara descrtta dalla dstrbuzone nzale ν e dalla funzone d transzone P e P la dstrbuzone d probabltà su (Ω, F assocata a ν e P. Sa noltre A un evento 8

9 nvarante relatvamente a η, ovvero tale che B C tale che n 0, A = A S n B 6. Posto φ (η 0 := E (1 A η 0, poché P (A η 0 = E [P (A F 1 (η η 0, (37 per la propretà d Markov, sccome n 0, A F n (η (la σalgebra generata dalla successone S n η 7, P (A F 1 (η = P (A η 1 P-q.c., (38 ma, per la Proposzone 8, e per l nvaranza d A, P (A η 0 = x = P (A S 1 B η 1 = x ν (dx -q.c. (39 Percò, φ (x = E [P (A η 1 η 0 = x = E η [φ η 0 = x = Allo stesso modo s ha e P (A S 1 B η 1 = P (A η 1 = φ. (40 P (x; dy φ (y, ν (dx -q.c.. (41 P (A F n (η = P (A η n = P (A S n B η n = P (A η 0 = φ, P-q.c. (42 E [φ (η n F n 1 (η = E [φ (η n η n 1 = E [P (A η n η n 1 (43 = P (A η n 1 = φ (η n 1 = E [1 A F n 1 (η, P-q.c., coè, essendo φ [0, 1, la successone {φ (η n } n 0 è una martngala regolare che qund, converge a 1 A P-q.c. Qund, poché, n 0, la dstrbuzone d η n è ν, ε (0, 1 qund ν-q.c. φ {0, 1}. Ponamo ν {x : φ (x [ε, 1 ε} = 0 (44 C 0 := {x : φ (x = 0} ; C 1 := {x : φ (x = 1}. (45 Allora, eccetto eventualmente sull evento D B ( tale che ν (D = 0, 0 = P (x; dy φ (y, x C 0 (46 1 = P (x; dy φ (y, x C 1 (47 6 cf. Note Legg 0-1 sezone 3 Defnzone 9. Ponamo S 0 uguale all applcazone denttà su N. 7 cf. Note Legg 0-1 sezone 3 Proposzone 13 9

10 Pertanto, Defnamo = 0, 1 P (x; C = 1, x C \D, = 0, 1. (48 ( Se P A := x; C (n n 0 C (0 := C (49 C (1 := C (0 C (n+1 := C (n = 1 allora, x C (n \D (50 { ( } x : P x; C (n = 1. (51 ( ν-q.c., qund ν C (n \C (n+1 = 0. Pertanto, ponendo C (n, s ha ν (A = ν (C, ma gl event C 0, C 1 sono chus e dsgunt, dunque, per l potes d ndecomponbltà: uno de due è vuoto, φ vale uno o zero ν-q.c., P (A è uguale a zero o uno e η è ergodca. L unctà segue dal fatto che se esstessero ν 1, ν 2 tal che valga per cascuna quanto appena affermato, s avrebbe necessaramente che se ν 1 (A = 1 allora ν (A = 0. Allora, consderando la msura d probabltà Q su (Ω, F assocata catena d Markov descrtta dalla funzone d transzone P e dalla dstrbuzone 1 2 ν ν 2, che è stazonara n quanto verfca la (22, così come ogn combnazone convessa d due dstrbuzon d probabltà stazonare e qund, per quanto appena mostrato, ergodca, s avrebbe Q (A = 1 2 nvece che 0 o 1. 10

6. Catene di Markov a tempo continuo (CMTC)

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

Dettagli

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio

I Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 29 gennaio I Appello d Calcolo delle Probabltà Cognome: Laurea Trennale n Matematca 24/5 Nome: 29 gennao 25 Emal: Se non è espressamente ndcato l contraro, per la soluzone degl esercz è possble usare tutt rsultat

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo

{ 1, 2,..., n} Elementi di teoria dei giochi. Giovanni Di Bartolomeo Università degli Studi di Teramo Element d teora de goch Govann D Bartolomeo Unverstà degl Stud d Teramo 1. Descrzone d un goco Un generco goco, Γ, che s svolge n un unco perodo, può essere descrtto da una Γ= NSP,,. Ess sono: trpla d

Dettagli

Generalità. Problema: soluzione di una equazione differenziale alle derivate ordinarie di ordine n: ( )

Generalità. Problema: soluzione di una equazione differenziale alle derivate ordinarie di ordine n: ( ) Generaltà Problema: soluzone d una equazone derenzale alle dervate ordnare d ordne n: n n K soggetta alle n condzon nzal: K n Ovvero rcercare la soluzone d un sstema d n equazon derenzal ordnare del prmo

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

Corso di Fondamenti di Telecomunicazioni

Corso di Fondamenti di Telecomunicazioni Corso d Fondament d Telecomuncazon Prof. Govann Schembra Struttura della lezone Defnzon d process aleator e caratterzzazone statstca ( Stma delle statstche d prmo e secondo ordne Process aleator stazonar

Dettagli

CAPITOLO 3 CIRCUITI DI RESISTORI

CAPITOLO 3 CIRCUITI DI RESISTORI CAPITOLO 3 CIRCUITI DI RESISTORI Pagna 3. Introduzone 70 3. Connessone n sere e connessone n parallelo 70 3.. Bpol resstv n sere 7 3.. Bpol resstv n parallel 77 3.3 Crcut resstv lnear e sovrapposzone degl

Dettagli

Analisi Matenatica Lezione 5 1 ottobre 2013

Analisi Matenatica Lezione 5 1 ottobre 2013 Dpartmento d Scenze Statstche Anals Matenatca Lezone 5 1 ottobre 2013 prof. Danele Rtell danele.rtell@unbo.t 1/13? Fattorale d un numero naturale Sa n N {0}. Il fattorale d n, n! s defnsce nduttvamente

Dettagli

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013 Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se

Dettagli

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esercizi sulle reti elettriche in corrente continua (parte 2) Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola

Dettagli

Grafi ed equazioni topologiche

Grafi ed equazioni topologiche Graf ed equazon topologche www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del --) Premessa Se s ndca con l l numero d corrent e l numero d tenson de component d un crcuto, la rsoluzone del crcuto rchede

Dettagli

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare.

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare. Una semplce applcazone del metodo delle caratterstche: la propagazone d un onda d marea all nterno d un canale a sezone rettangolare. In generale la propagazone d un onda monodmensonale n una corrente

Dettagli

La soluzione delle equazioni differenziali con il metodo di Galerkin

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

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Dettagli

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico.

Il logaritmo discreto in Z p Il gruppo moltiplicativo Z p delle classi resto modulo un primo p è un gruppo ciclico. Il logartmo dscreto n Z p Il gruppo moltplcatvo Z p delle class resto modulo un prmo p è un gruppo cclco. Defnzone (Logartmo dscreto). Sa p un numero prmo e sa ā una radce prmtva n Z p. Sa ȳ Z p. Il logartmo

Dettagli

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

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

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli

La teoria microeconomica del consumo

La teoria microeconomica del consumo Isttuzon d Economa Matematca La teora mcroeconomca del consumo Il problema del consumatore 2 a parte. Maro Sportell Dpartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I 70125 Bar (Italy)

Dettagli

Esercitazione sulle Basi di di Definizione

Esercitazione sulle Basi di di Definizione Eserctazone sulle as d d Defnzone ESERIZIO Un bpolo ressto (dodo) ha la seguente equazone: = k [ 0 + 00] con k 0 nella quale ed sono descrtt dalla conenzone degl utlzzator come n fgura. Stablre se l bpolo

Dettagli

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student. Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

STRUTTURA DI INSIEMI DI MISURA NULLA

STRUTTURA DI INSIEMI DI MISURA NULLA UNIVERSITÀ DEGLI STUDI DI PADOVA Dpartmento d Matematca Pura ed Applcata Corso d Laurea Trennale n Matematca Tes d Laurea STRUTTURA DI INSIEMI DI MISURA NULLA Relatore: Prof. ROBERTO MONTI Laureando: ANDREA

Dettagli

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali

Lezione n. 10. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità Convenzioni per le soluzioni reali Chmca Fsca - Chmca e Tecnologa Farmaceutche Lezone n. 10 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Convenzon per le soluzon real Relazon tra coeffcent d attvtà 02/03/2008 Antonno

Dettagli

IL GRUPPO SIMMETRICO S n

IL GRUPPO SIMMETRICO S n EMILIO ZAPPA MATRICOLA UNIVERSITA DEGLI STUDI DI TORINO DIPARTIMENTO DI MATEMATICA ANNO ACCADEMICO 00/00 TESINA PER IL LABORATORIO DI COMBINATORICA IL GRUPPO SIMMETRICO S n IL GIOCO DEL Sa A un nseme fnto

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

Corso di Automazione Industriale 1. Capitolo 7

Corso di Automazione Industriale 1. Capitolo 7 1 Corso d Automazone Industrale 1 Captolo 7 Teora delle code e delle ret d code Introduzone alla Teora delle Code La Teora delle Code s propone d svluppare modell per lo studo de fenomen d attesa che s

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

Valutazione dei Benefici interni

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

Dettagli

Predimensionamento reti chiuse

Predimensionamento reti chiuse Predmensonamento ret chuse Rspetto ad una rete aperta, ogn magla aggunge un grado d lbertà (una nfntà d soluzon) nella determnazone delle portate Q,Q 1, e Q 2, utlzzando le sole equazon d contnutà. a dfferenza

Dettagli

Il traffico è un gioco?

Il traffico è un gioco? Il traffco è un goco? Gacomo Tomme Dpartmento d Matematca, Unverstà d Psa e-mal: tomme@dm.unp.t Introduzone Il ttolo potrebbe apparre provocatoro, ma n realtà è solo lo spunto per ntrodurre tem che voglamo

Dettagli

Dai circuiti ai grafi

Dai circuiti ai grafi Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3:

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 3: Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 3: 21022012 professor Danele Rtell www.unbo.t/docdent/danele.rtell 1/31? Captalzzazone msta S usa l regme composto per l

Dettagli

Lezione 7. Numeri primi. Teorema Fondamentale dell'aritmetica.

Lezione 7. Numeri primi. Teorema Fondamentale dell'aritmetica. Lezone 7 Prereqst: L'nseme de nmer nter Lezone 6 Nmer prm Teorema Fondamentale dell'artmetca Defnzone 7 Un nmero ntero p dverso da 0 e s dce prmo se per ogn a b Z Altrment p s dce composto p ab p a oppre

Dettagli

La teoria del consumo

La teoria del consumo La teora del consumo L equazone d Slutsky. Problema dell ntegrabltà. Maro Sortell Dartmento d Matematca Unverstà degl Stud d Bar Va E. Orabona, 4 I-70125 Bar (Italy) (Tel.: +39 (0)99 7720 626; fax: +39

Dettagli

INTERPOLAZIONE MEDIANTE CURVE SPLINE. '' ( b ) = 0

INTERPOLAZIONE MEDIANTE CURVE SPLINE. '' ( b ) = 0 INTERPOLAZIONE EDIANTE CURVE SPLINE Defnzone del problema Sovente, nelle applcazon grafche (CAD Computer Aed Desgn), s ha la necesstà d traccare, dat alcun punt, una lnea che l raccord e che sa suffcentemente

Dettagli

Reti di Telecomunicazione

Reti di Telecomunicazione Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc Ret d Telecomuncazone Prof. Fabo Martgnon F. Martgnon: Ret d Telecomuncazone Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone

Dettagli

Fondamenti di meccanica classica: simmetrie e leggi di conservazione

Fondamenti di meccanica classica: simmetrie e leggi di conservazione Fondament d meccanca classca: smmetre e legg d conservazone d Marco Tulu A. A. 2005/2006 1 Introduzone Un corpo s dce omogeneo se ha n ogn suo punto ugual propretà fsche e chmche, ed è sotropo se n ogn

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

Esercizi di econometria: serie 1

Esercizi di econometria: serie 1 Esercz d econometra: sere Eserczo E data la popolazone dell Abruzzo classcata n se categore d reddto ed n tre class d età come segue: Reddto: () L... 4.. () L. 4.. 8.. () L. 8.... (4) L..... () L.....

Dettagli

Le forze conservative e l energia potenziale

Le forze conservative e l energia potenziale S dcono conservatve quelle orze che s comportano n accordo alla seguente denzone: La orza F s dce conservatva se l lavoro eseguto da tale orza sul punto materale P mentre s sposta dalla poszone P 1 alla

Dettagli

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

IL RUMORE NEGLI AMPLIFICATORI

IL RUMORE NEGLI AMPLIFICATORI IL RUMORE EGLI AMPLIICATORI Defnzon S defnsce rumore elettrco (electrcal nose) l'effetto delle fluttuazon d corrente e/o d tensone sempre present a termnal degl element crcutal e de dspostv elettronc.

Dettagli

COMPORTAMENTO DINAMICO DI ASSI E ALBERI

COMPORTAMENTO DINAMICO DI ASSI E ALBERI COMPORTAMENTO DNAMCO D ASS E ALBER VBRAZON TORSONAL Costruzone d Macchne Generaltà l problema del progetto d un asse o d un albero non è solo statco Gl ass e gl alber, come sstem elastc, sotto l azone

Dettagli

Circuiti dinamici. Circuiti del secondo ordine. (versione del ) Circuiti del secondo ordine

Circuiti dinamici. Circuiti del secondo ordine.  (versione del ) Circuiti del secondo ordine rcut dnamc rcut del secondo ordne www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 9-6- rcut del secondo ordne rcut del secondo ordne: crcut l cu stato è defnto da due varabl x ( e x ( Per un crcuto

Dettagli

Analisi dei flussi 182

Analisi dei flussi 182 Programmazone e Controllo Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Anals de fluss 82 Programmazone e Controllo Teora delle

Dettagli

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA Metod varazonal OBIETTIVO: determnare funzon ncognte, chamate varabl dpendent, che soddsfano un certo nseme d equazon dfferenzal n un determnato domno e condzon al contorno STRUMETO: Metod varazonal: servono

Dettagli

Elementi di Algebra e Analisi Tensoriale

Elementi di Algebra e Analisi Tensoriale M. Moscon ppunt d Scenza delle Costruzon Gugno 000 Element d lgebra e nals ensorale M. Moscon Element d algebra e anals tensorale INDICE. lgebra vettorale e tensorale. Calcolo vettorale e tensorale. Identtà

Dettagli

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

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

Dettagli

Geometria (pseudo)-riemanniana

Geometria (pseudo)-riemanniana Chapter 3 Geometra (pseudo)-remannana [Dsegno della sfera con trangolo la cu somma degl angol = 90 + 90 + 90 = 270 6= 180] La geometra d erenzale è lo studo delle propretà geometrche d oggett che rassomglano

Dettagli

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

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

Dettagli

Modelli di variabili casuali

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

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della

Dettagli

MODELLI PER GESTIONE E LA RICERCA DELL'INFORMAZIONE

MODELLI PER GESTIONE E LA RICERCA DELL'INFORMAZIONE MODLLI R GSTION LA RICRCA DLL'INFORMAZION Algortm d Apprendmento avanzato per l Informaton Retreval Alessandro Moschtt Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: moschtt@nfo.unroma2.t

Dettagli

Teorema di Thévenin-Norton

Teorema di Thévenin-Norton 87 Teorema d Téenn-Norton E detto ance teorema d rappresentazone del bpolo, consente nfatt d rappresentare una rete lneare a due morsett (A, B) con: un generatore d tensone ed un resstore sere (Téenn)

Dettagli

Probabilità cumulata empirica

Probabilità cumulata empirica Probabltà cumulata emprca Se s effettua un certo numero d camponament da una popolazone con dstrbuzone cumulata F(y), s avranno allora n campon y, y,, y n. E possble consderarne la statstca d ordne, coè

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

Dettagli

Matematica Generale a.a. 2016/17 Teoremi dimostrati nel corso. 1 Funzioni ad una variabile

Matematica Generale a.a. 2016/17 Teoremi dimostrati nel corso. 1 Funzioni ad una variabile Matematca Generale a.a. 2016/17 Teorem dmostrat nel corso. ATTENZIONE!!!!. Nel corso d matematca generale sono stat presentat teorem per qual è rchesta la conoscenza del solo enuncato e teorem de qual

Dettagli

Cap.2 2T + U =0. si applica ai più svariati sistemi di N corpi: N~10 _. Stelle (fluido, N _ > ) Ammassi di stelle (N*~ ) (aperti-globulari)

Cap.2 2T + U =0. si applica ai più svariati sistemi di N corpi: N~10 _. Stelle (fluido, N _ > ) Ammassi di stelle (N*~ ) (aperti-globulari) Cap.2 Teorema del Vrale s applca a pù svarat sstem d N corp: N~10 _ Stelle (fludo, N _ > ) Ammass d stelle (N*~10 2-10 6 ) (apert-globular) Galasse (N*~10 11 ) Grupp d galasse (N g ~10-10 2 ) Ammass d

Dettagli

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu)

3 (solo esame 6 cfu) Elementi di Analisi Numerica, Probabilità e Statistica, modulo 2: Elementi di Probabilità e Statistica (3 cfu) lement d Anals Numerca, Probabltà e Statstca, modulo 2: lement d Probabltà e Statstca ( cfu) Probabltà e Statstca (6 cfu) Scrtto del 06 febbrao 205. Secondo Appello Id: A Nome e Cognome: same da 6 cfu

Dettagli

Circuiti elettrici in regime stazionario

Circuiti elettrici in regime stazionario rcut elettrc n regme stazonaro omponent www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 3-9-0) Bpol resst Equazon caratterstca d un bpolo ressto f, 0 L equazone d un bpolo ressto defnsce una cura nel

Dettagli

Principi di ingegneria elettrica. Lezione 2 a

Principi di ingegneria elettrica. Lezione 2 a Prncp d ngegnera elettrca Lezone 2 a Defnzone d crcuto elettrco Un crcuto elettrco (rete) è l nterconnessone d un numero arbtraro d element collegat per mezzo d fl. Gl element sono accessbl tramte termnal

Dettagli

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre

Dettagli

6. METODO DELLE FORZE IMPOSTAZIONE GENERALE

6. METODO DELLE FORZE IMPOSTAZIONE GENERALE aptolo6 ETODO DEE FORZE - IOSTZIOE GEERE 6. ETODO DEE FORZE IOSTZIOE GEERE ssocamo al sstema perstatco un altro sstema, denomnato sstema prncpale. Il sstema prncpale è un sstema statcamente determnato,

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

Problemi variazionali invarianti 1

Problemi variazionali invarianti 1 Problem varazonal nvarant 1 A F. Klen per l cnquantesmo annversaro del dottorato. Emmy Noether a Gottnga. Comuncazone presentata da F. Klen nella seduta del 26 luglo 1918 2. 1 Invarante Varatonsprobleme,

Dettagli

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi

Allenamenti di matematica: Teoria dei numeri e algebra modulare Soluzioni esercizi Allenament d matematca: Teora de numer e algebra modulare Soluzon esercz 29 novembre 2013 1. Canguro salterno. Un canguro salterno s trova a ped d una scala nfnta che ntende salre nel seguente modo: Salta

Dettagli

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k (1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)

Dettagli

Soluzione del compito di Fisica febbraio 2012 (Udine)

Soluzione del compito di Fisica febbraio 2012 (Udine) del compto d Fsca febbrao (Udne) Elettrodnamca È data una spra quadrata d lato L e resstenza R, ed un flo percorso da corrente lungo z (ved fgura). Dcamo a e b le dstanze del lato parallelo pù vcno e pù

Dettagli

PROBLEMA 1. Soluzione. β = 64

PROBLEMA 1. Soluzione. β = 64 PROBLEMA alcolare l nclnazone β, rspetto al pano stradale, che deve avere un motocclsta per percorrere, alla veloctà v = 50 km/h, una curva pana d raggo r = 4 m ( Fg. ). Fg. Schema delle condzon d equlbro

Dettagli

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal

Dettagli

lim Flusso Elettrico lim E ΔA

lim Flusso Elettrico lim E ΔA Flusso lettrco Nel caso pù generale l campo elettrco può varare sa n ntenstà che drezone e verso. La defnzone d flusso data n precedenza vale solo se l elemento d superfce A è suffcentemente pccolo da

Dettagli

LEZIONE 11. Argomenti trattati

LEZIONE 11. Argomenti trattati LEZIONE LE ECONOMIE PERTE (2) Il modello IS-LM n regme d camb fss e d camb flessbl rgoment trattat S esamnano gl effett delle poltche macroeconomche n economa aperta consderando tre modell Il modello IS-LM

Dettagli

Meccanica dei sistemi

Meccanica dei sistemi Meccanca de sstem 7 Nel captolo precedente abbamo studato la cnematca e la dnamca d un punto materale. Questo captolo fornsce le bas per lo studo d sstem fsc pù complcat, o meglo, d sstem fsc per qual

Dettagli

FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE

FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE FUNZIONAMENTO IN REGIME ALTERNATO SINUSOIDALE In presenza d una almentazone alternata snusodale tutte le grandezze elettrche saranno alternate snusodal. Le equazon d funzonamento n regme comunque varale

Dettagli

Componenti resistivi

Componenti resistivi omponent resst www.de.ng.unbo.t/pers/mastr/ddattca.htm (ersone del 3-9-03) Bpol resst Bpolo ressto: componente a due termnal aente equazone caratterstca del tpo f (t), (t), t0 (f funzone generca) L equazone

Dettagli

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

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

Dettagli

ELETTROTECNICA Ingegneria Industriale

ELETTROTECNICA Ingegneria Industriale ELETTROTECNICA Ingegnera Industrale INTRODUZIONE a CIRCUITI LEGGI d KIRCHHOFF Stefano Pastore Dpartmento d Ingegnera e Archtettura Corso d Elettrotecnca (043IN) a.a. 2013-14 Bblografa V. Danele, A. Lberatore,

Dettagli

Amplificatori operazionali

Amplificatori operazionali Amplfcator operazonal Parte 3 www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 9-5-) Confgurazone nvertente generalzzata Se nella confgurazone nvertente s sosttuscono le resstenze R e R con due mpedenze

Dettagli

L = L E k 2 ENERGIA CINETICA DI ROTAZIONE. Espressione generica dell energia cinetica di rotazione: 1 ω

L = L E k 2 ENERGIA CINETICA DI ROTAZIONE. Espressione generica dell energia cinetica di rotazione: 1 ω NRGIA CINTICA DI ROTAZION k m R ) ( k R m R m spressone generca dell energa cnetca d rotazone: I k Se la rotazone aene ntorno ad un asse prncpale d nerza, allora: I L da cu: I L k NRGIA CINTICA DI ROTOTRASLAZION

Dettagli

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

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

Dettagli

Modelli con varabili binarie (o qualitative)

Modelli con varabili binarie (o qualitative) Modell con varabl bnare (o qualtatve E( Y X α + βx + ε quando Y è una varable benoullana Y 1 0 s ha l modello lneare d probabltà Pr( Y 1 X α + βx + ε dove valor stmat della Y assumono l sgnfcato d probabltà.

Dettagli

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza 5: Strato fsco: lmtazone d banda, formula d Nyqust; caratterzzazone del canale n frequenza Larghezza d banda d un segnale La larghezza d banda d un segnale è data dall ntervallo delle frequenze d cu è

Dettagli

1.2 Calcolo combinatorio Principi basilari Disposizioni con ripetizione

1.2 Calcolo combinatorio Principi basilari Disposizioni con ripetizione .2 Calcolo combnatoro 2.2 Calcolo combnatoro Rcordamo dallesempo.3 che uno spazo d probabltà dscreto (W, P) s dce unforme se W è un nseme fnto e s ha P(A)= A W, per ogn A W. Pertanto, l calcolo della probabltà

Dettagli

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne

Metodi e Modelli per l Ottimizzazione Combinatoria Progetto: Metodo di soluzione basato su generazione di colonne Metod e Modell per l Ottmzzazone Combnatora Progetto: Metodo d soluzone basato su generazone d colonne Lug De Govann Vene presentato un modello alternatvo per l problema della turnazone delle farmace che

Dettagli

Significato delle EQUAZIONI COSTITUTIVE dei tessuti viventi

Significato delle EQUAZIONI COSTITUTIVE dei tessuti viventi Per flud n movmento occorre consderare l campo delle veloctà. Inun sstema cartesano Oxyz l campo è descrtto dal vettore v(x,y,z) che defnsce le component della veloctà del fludo n ogn punto x,y,z : v (x,y,z)

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1

Lezione n. 7. Legge di Raoult Legge di Henry Soluzioni ideali Deviazioni dall idealit. idealità. Antonino Polimeno 1 Chmca Fsca Botecnologe santare Lezone n. 7 Legge d Raoult Legge d Henry Soluzon deal Devazon dall dealt dealtà Antonno Polmeno 1 Soluzon / comportamento deale - Il dagramma d stato d una soluzone bnara,

Dettagli

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita Teora degl error Processo d msura defnsce una grandezza fsca. Sstema oggetto. Apparato d msura 3. Sstema d confronto La msura mplca un gudzo sull uguaglanza tra la grandezza ncognta e la grandezza campone

Dettagli

Misure Topografiche Tradizionali

Misure Topografiche Tradizionali Msure Topografche Tradzonal Grandezze da levare ngol Dstanze Gonometr Dstanzometro Stazone Totale Prsma Dslvell Lvello Stada Msure Strettamente Necessare Soluzone geometrca Msure Sovrabbondant Compensazone

Dettagli

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

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

Dettagli

SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE

SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE SU UNA CLASSE DI EQUAZIONI CONSERVATIVE ED IPERBOLICHE COMPLETAMENTE ECCEZIONALI E COMPATIBILI CON UNA LEGGE DI CONSERVAZIONE SUPPLEMENTARE GIOVANNI CRUPI, ANDREA DONATO SUMMARY. We characterze a set of

Dettagli

METODO DEGLI ELEMENTI FINITI

METODO DEGLI ELEMENTI FINITI METODO DEGLI ELEMENTI FINITI Introduzone al metodo degl element fnt Il concetto base nella nterpretazone fsca del metodo degl element fnt è la decomposzone d un sstema meccanco complesso n pù semplc component

Dettagli

La ripartizione trasversale dei carichi

La ripartizione trasversale dei carichi La rpartzone trasversale de carch La dsposzone de carch da consderare ne calcol della struttura deve essere quella pù gravosa, ossa quella che determna massm valor delle sollectazon. Tale aspetto nveste

Dettagli

1. Fissato un conveniente sistema di riferimento cartesiano Oxy si studino le funzioni f e g e se ne disegnino i rispettivi grafici G, G.

1. Fissato un conveniente sistema di riferimento cartesiano Oxy si studino le funzioni f e g e se ne disegnino i rispettivi grafici G, G. Problema 1 S consderno le funzon f e g defnte, per tutt gl x real, da: f ( x) = x 3 4 x, g( x) = sn( π x) 1. Fssato un convenente sstema d rfermento cartesano Oxy s studno le funzon f e g e se ne dsegnno

Dettagli

PROBLEMA DI SCELTA FRA DUE REGIMI DI

PROBLEMA DI SCELTA FRA DUE REGIMI DI PROBLEMA DI SCELTA FRA DUE REGIMI DI CAPITALIZZAZIONE Prerequst: legge d captalzzazone semplce legge d captalzzazone composta logartm e loro propretà dervate d una funzone pendenza d una curva n un punto

Dettagli

Circuiti elettrici in regime stazionario

Circuiti elettrici in regime stazionario rcut elettrc n regme stazonaro Metod d anals www.de.ng.unbo.t/pers/mastr/ddattca.htm ersone del -0-00 Premessa Nel caso pù generale è possble ottenere la soluzone d un crcuto rsolendo un sstema formato

Dettagli