Biologia Molecolare Computazionale
|
|
- Aureliana Fiorini
- 7 anni fa
- Visualizzazioni
Transcript
1 Biologia Molecolare Computazionale Paolo Provero - paolo.provero@unito.it
2 Argomenti Allineamento di sequenze Ricostruzione di alberi filogenetici Gene prediction
3 Allineamento Allineamento di sequenze 1. Scoring 2. Algoritmi esatti (programmazione dinamica) 3. Algoritmi euristici (BLAST) 4. Allineamento multiplo
4 Allineamento di sequenze Problema Date due sequenze (nucleotidiche, aminoacidiche o altro) determinare se sono sufficientemente simili da farci ritenere che siano derivate da un progenitore comune attraverso processi di mutazione.
5 Allineamento Un esempio di allineamento delle sequenze CGGGTATCCAA e CCCTAGGTCCCA è C G G G T A - - T C C A A C C C - T A G G T C C C A Il simbolo - (indel) rappresenta un inserzione o una delezione avvenuta durante la storia evolutiva che ha portato alle due sequenze Una sequenza di L indel consecutivi si dice gap di lunghezza L: questo allineamento ha un gap di lunghezza 1 e uno di lunghezza 2
6 Tipi di allineamento Globale: si allineano le sequenze intere Locale: si allineano sottosequenze delle sequenze di partenza Gapped: sono permessi indels Ungapped: non sono permessi indel Pairwise: di due sequenze Multiple: di più di 2 sequenze
7 Score di un allineamento Due possibili allineamenti di CTGTA e CGTA C T G T A 1. C - G T A 2. C T G T A - - C - G T A Il primo è migliore in quanto richiede un numero minore di cambiamenti (sostituzioni e inserzioni/delezioni) E necessario definire uno score per confrontare quantitativamente gli allineamenti
8 Scoring per allineamenti di sequenze nucleotidiche Per il momento adottiamo uno score semplice: Ogni match conta +1 Ogni mismatch conta -1 Ogni indel conta -2 Esempio 1: C T G T A C - G T A Esempio 2: C T G T A - - C - G T A
9 Algoritmi di allineamento Gli algoritmi di allineamento risolvono il seguente problema: dato un sistema di scoring e due sequenze, trovare l allineamento (gli allineamenti) con lo score più alto tra tutti quelli possibili Gli algoritmi esatti individuano certamente il migliore allineamento, ma richiedono molte risorse di calcolo 1. Needleman-Wunsch: global gapped alignments 2. Smith-Waterman: local gapped alignments Gli algoritmi euristici non garantiscono che l allineamento trovato sia il migliore possibile, ma sono molto più veloci 1. BLAST (gapped or ungapped local alignments)
10 Perché abbiamo bisogno di algoritmi? In linea di principio sarebbe possibile trovare l allineamento ottimale di due sequenze semplicemente: 1. Scrivere tutti gli allineamenti possibili 2. Calcolare il relativo score 3. Scegliere il migliore Tuttavia questo è possibile soltanto per sequenze molto corte, in quanto il numero di allineamenti possibili cresce molto rapidamente al crescere della lunghezza della sequenza
11 Perchè abbiamo bisogno di algoritmi Supponiamo di avere due sequenze di n = 1000 residui Il numero di allineamenti possibili è N = ( ) 2n 22n = n πn 1000π
12 Programmazione dinamica Gli algoritmi di programmazione dinamica suddividono il problema iniziale (trovare l allineamento ottimale di due sequenze) in sottoproblemi più semplici e costruiscono progressivamente la soluzione del problema globale usando le soluzioni dei sottoproblemi L algoritmo di Needleman-Wunsch calcola lo score dell allineamento ottimale di due sequenze in base agli score degli allineamenti ottimali delle loro sottosequenze, progressivamente più lunghe
13 Algoritmo di Needleman-Wunsch Sequenze: x = X 1 X 2... X m y = Y 1 Y 2... Y n L algoritmo costruisce la matrice B tale che B ij è lo score dell allineamento ottimale tra le prime i lettere di x e le prime j lettere di y I valori di B ij vengono calcolati progressivamente fino a ottenere B mn, che è lo score dell allineamento ottimale tra x e y
14 Algoritmo di Needleman-Wunsch L algoritmo di Needleman-Wunsch si basa sul fatto seguente: se si conoscono B i 1,j, B i,j 1 e B i 1,j 1 è possibile calcolare B ij Una volta ottenuto lo score dell allineamento ottimale il traceback consente di ottenere l allineamento o gli allineamenti corrispondenti
15 Esercizio Trovare un allineamento globale ottimale tra le sequenze CATT GAATCT Soluzione: score -2 Allineamento (non l unico): C - A T - T G A A T C T
16 Algoritmo di Smith-Waterman L algoritmo di Smith-Waterman trova l allineamento locale ottimale tra due sequenze, ovvero l allineamento di score più alto tra tutti quelli possibili tra una qualsiasi sottosequenza di x e una qualsiasi sottosequenza di y L algoritmo procede in modo simile a Needleman-Wunsch eccetto che: 1. Ogni volta che B ij è negativo, si scrive 0 2. Il traceback non parte da B mn ma dallo score più alto trovato sulla tabella
17 Esercizio Trovare un allineamento locale ottimale tra le sequenze CATT GAATCT Soluzione: score 2 Allineamento: A T A T
18 Gap penalties Il tipo di gap penalty che abbiamo usato si chiama lineare: la penalty (score negativo) associata a un gap è proporzionale alla lunghezza del gap: δ(l) = d L Un altro tipo di gap penalty usato spesso si chiama affine: δ(l) = d (L 1) e con e < d. In questo modo aprire un nuovo gap è più penalizzato che allungarne uno esistente
19 Gap penalty affine: esempio Esempio: d = 2, e = 1 A C C C T A - - C T A C C C T A - C - T
20 Allineamento di sequenze aminoacidiche Nel caso di allineamento di sequenze di aminoacidi, un sistema di scoring come quello usato per le sequenze nucleotidiche non è adeguato, in quanto alcune sostituzioni sono più probabili di altre Quindi i mismatch avranno score diversi a seconda degli aminoacidi coinvolti (matrici di sostituzione) Gli algoritmi di allineamento funzionano nello stesso modo, eccetto che lo score per un match/mismatch varia a seconda degli aminoacidi coinvolti Le matrici di sostituzione più usate sono BLOSUM e PAM
21 Esercizio Usare le matrici di sostituzione BLOSUM62 e una linear gap penalty uguale a -5 per trovare un allineamento ottimale globale tra le sequenze HAG HEAE Soluzione: score 5 Allineamento: H - A G H E A E
22 BLAST Algoritmo euristico per allineare Query sequence vs target sequence Query sequence vs sequence database Versione originale: ungapped alignments. BLAST2: gapped alignments.
23 BLAST steps (simplified) 1. Generare una lista di tutte le parole di k (p.es. k = 3 per proteine) lettere nella query PQGEFG (PQG, QGE, GEF, EFG) 2. Per ognuna di queste generare una lista di tutte le possibili parole di 3 lettere che allineate danno un punteggio maggiore di una soglia T (p.es. T = 13 con BLOSUM62) PQG PQG (18) PEG (15) Cercare nella sequenza target queste parole ed allinearle alla parola della query 4. Estendere in modo massimale gli allineamenti nelle due direzioni (ottenendo gli High Scoring Pairs) 5. Se possibile unire gli HSP per ottenere allineamenti più lunghi.
24 BLAST
25 Grafi Un grafo è un insieme di nodi e di archi Ogni arco unisce due nodi Un cammino tra il nodo n e il nodo m è una successione di archi consecutivi che porta da n a m Un circuito è un cammino tra un nodo e se stesso Un grafo è connesso se per ogni coppia di nodi (n, m) esiste un cammino tra n e m
26 Alberi Un grafo connesso e privo di circuiti si dice albero Dati due nodi di un albero, esiste uno e un solo cammino che li unisce Un albero si dice binario senza radice se ogni nodo è connesso a uno o tre archi Un albero si dice binario con radice se ogni nodo è connesso a uno o tre archi, tranne un unico nodo, la radice, che è connesso a due archi I nodi connessi a un solo arco si dicono foglie
27 Ricostruzione di alberi filogenetici Problema: dato un insieme di specie attualmente esistenti ricostruire l albero filogenetico che riproduce il percorso evolutivo attraverso il quale esse sono derivate da un antenato comune L albero filogenetico è rappresentato da un albero binario, con o senza radice La lunghezza degli archi è proporzionale al tempo trascorso tra gli eventi di speciazione Le specie esistenti sono rappresentate dalle foglie La radice, se specificata, rappresenta l antenato comune Se l albero filogenetico è senza radice, non è specificata la direzione del tempo evolutivo tra nodi interni
28 Ricostruzione di alberi filogenetici Distance methods Parsimony methods Statistical methods
29 Distanze Una distanza è una regola per associare a ogni coppia (x, y) di punti di un insieme S un numero d(x, y) 0 tale che 1. d(x, y) = 0 se e solo se x = y 2. d(x, y) = d(y, x) 3. d(x, y) + d(y, z) d(x, z) Per esempio la distanza geometrica tra punti di un piano soddisfa questi assiomi
30 Distanza evolutiva La distanza evolutiva tra due specie esistenti si può definire come il doppio del tempo trascorso dal loro antenato comune più recente E facile convincersi che questa definizione soddisfa gli assiomi che definiscono una distanza Se si considera un albero filogenetico con radice, la distanza evolutiva tra le specie x e y è proporzionale alla lunghezza del cammino tra x e y
31 Distanza ultrametrica La distanza evolutiva ha la seguente proprietà: dati tre punti x, y, z e le tre distanze tra di essi, due di queste sono uguali tra loro e maggiori della terza Una distanza che soddisfi queste proprietà si dice ultrametrica
32 Metodi basati sulle distanze Vedremo due metodi basati sulle distanze: 1. UPGMA: ricostruisce alberi filogenetici con radice 2. Neighbor joining: ricostruisce alberi filogenetici senza radice L algoritmo UPGMA (Unweighted Pair Group Method using Arithmetic averages) permette di risolvere il problema seguente: dato un insieme di specie esistenti e le loro distanze evolutive, ricostruire l albero filogenetico con radice che ne rappresenta l evoluzione da un antenato comune
33 UPGMA 1. Individuare le due specie più vicine tra le N esistenti 2. Definire un nuovo nodo come loro antenato comune, ponendolo all altezza uguale a metà della distanza tra i due nodi 3. Eliminare le due specie dalla lista e sostituirle con l antenato comune 4. Ripetere con la nuova lista di N 1 specie 5. Ripetere fino a che la lista contiene una sola specie (la radice = antenato comune) 6. Si può dimostrare che il metodo riproduce l unico albero filogenetico con radice che riproduce le distanze evolutive
34 Distanza tra gruppi Per calcolare la distanza tra nodi interni si usa la formula d(a, B) = 1 n A n B x A;y B d(x, y)
35 Esempio Le distanze evolutive tra 4 specie sono date nella tabella seguente (Mya) Human Chimp Bonobo Gorilla Human Chimp Bonobo Gorilla Verificare la proprietà ultrametrica Ricostruire l albero filogenetico con radice usando UPGMA
36 UPGMA in pratica In pratica le distanze evolutive in genere non sono note Si usano allora distanze surrogate, chesi suppone siano approssimativamente proporzionali alle distanze evolutive Le distanze surrogate in genere non sono ultrametriche La conseguenza è che le distanze calcolate sull albero così prodotto non sono uguali alle distanze in input
37 Esempio Considerare la matrice di distanza tra 3 specie: A B C A B C Mostrare che si tratta di una matrice di distanza Mostrare che questa distanza non è ultrametrica Costruire l albero filogenetico con radice usando UPGMA e calcolare le distanze sull albero Mostrare che queste distanze sono ultrametriche e che non coincidono con quelle in input
38 Neighbors Dato un albero filogenetico senza radice, due foglie si dicono neighbors se il cammino che le unisce passa per un solo nodo interno Notare che non è necessariamente vero che il neighbor di una specie è la specie più vicina nel senso della distanza calcolata sull albero
39 Tree-derived distances Data una matrice di distanze il metodo del neighbor joining costruisce l albero unrooted che riproduce le distanze date, se questo esiste Una distanza per la quale esista tale albero si dice tree-derived o additive Una distanza ultrametrica è tree-derived, ma l opposto non è necessariamente vero
40 δ(x, y) Supponiamo di avere una matrice di distanze d(x, y) tra specie Definiamo la quantità δ(x, y) = (N 4)d(x, y) (d(x, n) + d(y, n)) n x,y Se x e y sono tali che la δ(x, y) è minima, allora x e y sono neighbors
41 Neighbor joining Calcolare la matrice delle δ Unire la coppia di specie con il delta più piccolo attraverso un nodo interno r 1 con le distanze d(x, r 1 ) = d(x, n) d(y, n) + d(x, y) 2 d(y, n) d(x, n) + d(x, y) d(y, r 1 ) = 2 dove n è un altra foglia qualsiasi Sostituire x e y con r 1. La distanza tra r 1 e le altre foglie è data da d(r 1, n) = d(x, n) + d(y, n) d(x, y) 2 Ripetere fino a che non si ricostruisce l intero albero
42 Esempio x y Calcolare le distanze tra le foglie dell albero rappresentato in figura Applicare l algoritmo "neighbor joining" alle distanze calcolate e mostrare che l albero ottenuto riproduce quello di partenza z 5 4 w
43 Rooting E possibile localizzare la radice di un albero ottenuto con neighbor-joining aggiungendo un outgroup (specie che si sa essere più distante dalle altre di quanto queste siano tra loro) La radice dell albero originario coincide con il punto da cui si diarma l outgroup.
44 Esempio Costruire l albero unrooted di 3 specie dalle seguenti distanze: A B C A B C Localizzare la radice usando l outgroup D, con distanze d(d, A) = 12 d(d, B) = 11 d(d, C) = 14
45 Maximum Parsimony Trovare l albero che spiega la discendenza delle specie esistenti da un antenato comune con il minimo numero di mutazioni. Per semplicità ci limiteremo a considerare sostituzioni Esempio: le specie esistenti sono rappresentate dalle seguenti sequenze: AAG AAA GGA AGA
46 Costo di un albero 1 0 AAA 0 AAA 1 1 Cost = 3 AGA AAA 1 AAA 0 0 Cost = 4 AAA 2 AAG AAA GGA AGA AAG AGA AAA GGA Elencare i possibili alberi Calcolare il costo per ogni albero Scegliere l albero di costo minore
47 Alberi possibili Gli alberi si distinguono per Topologia Assegnazione delle specie esistenti alle foglie Assegnazione di sequenze ai nodi intermedi
48 Topologie per 4 specie
49 Assegnazioni per 4 specie A B C D A C B D A D B C A B C D B A C D B C A D B D A C A C B D C A B D C B A D C D B A D A C B D B A C D C A B A D C D
50 Numero di alberi Il numero di assegnazioni (sommato su tutte le topologie) è Esempio: per N = 4 (2N 3)! 2 N 2 (N 2)! (2N 3)! 2 N 2 (N 2)! = 5! 4 2! = 15 Questo numero diventa rapidamente molto grande: per N = 10: 17! 2 8 8! = Con metodi euristici si può usare parsimony anche per centinaia di specie
51 Allineamenti multipli: SP scores Il modo più comune di assegnare uno score a un allineamento multiplo è un Sum of Pairs (SP) score: Lo score totale è la somma degli score delle singole colonne: S = S i i Lo score di una colonna è la somma degli score di tutte le coppie di simboli (usando una matrice di sostituzione appropriata) S i = s(mi k, mi l ) k<l Gaps (linear gap penalty): s(, a) = d s(, ) = 0
52 Esempio match = 1, mismatch = -1, d = -2 A A C G A A C T A - C T A G C T =5
53 SP scores: problema A A C T G G A A C T G G A A C A G G A A C T G G A A C T G G =52 Per N sequenze una colonna di T vale N(N 1) 2 Un singolo mismatch costa N 1 Costo relativo di un singolo mismatch: 2/N: decresce all aumentare di N Over-counting of evolutionary events
54 Algoritmi per l allineamento multiplo Esistono algoritmi di programmazione dinamica per l allineamento multiplo, ma sono utilizzabili solo per N piccolo Tra gli algoritmi euristici i più comuni sono gli algoritmi di allineamento progressivo: Allineare due sequenze Allineare una terza sequenza all allineamento ottenuto Continuare ad aggiungere una sequenza alla volta all allineamento
55 Algoritmo di Feng-Doolitle 1. Trovare tutti gli N(N 1)/2 pairwise alignments delle N sequenze 2. Costruire un albero filogenetico usando come distanza una funzione dello score dei pairwise alignments 3. Allineare le due sequenze evolutivamente più vicine 4. Allineare gli altri nodi dell albero nell ordine i cui sono stati aggiunti all albero Per allineare due insiemi di sequenze, calcolare tutti i pairwise alignments e usare il migliore
56 Esempio Usando lo scoring: match = 1; mismatch = -1; gap=-2 allineare AAG, ATG, AA : A A G A T G A A =-1
57 Applicazione: Positional Weight Matrices Siti di legame di TF: Brevi sequenze di DNA ( 6 15 bps) Non completamente conservate Una descrizione possibile è la sequenza consensus, ricavabile da un allineamento multiplo di siti di legame noti: IUPAC codes: Y = pyrimidine (C or T) W = T or A A C C G G T A C T G G T - C T G G A A C C G G T A C Y G G W
58 Positional Weight Matrices Una descrizione più accurata è data dalla PWM: A C C G G T A C T G G T - C T G G A A C C G G T A C Y G G W n A C G T
59 Ricerca di TFBS con PWM Le PWM possono essere usate per identificare potenziali binding sites di TFs: Considerare le sequenze regolatrici dei geni di interesse (promotore, primi introni,...) Fare scorrere la PWM sulla sequenza calcolando uno score a ogni posizione Lo score esprime la somiglianza tra la sequenza e la matrice
60 Log-likelihood ratio Un sistema di scoring usato in pratica è il seguente: data una PWM M e una sequnenza S: dove S = log 2 P(S M) P(S B) P(S M) è la probabilità di generare S a partire da M P(S B) è la probabilità di generare S a partire dalle (appropriate) frequenze nucleotidiche di background
61 Esempio S = ACTGGA n A C G T P(S M) = = 1 8 ( ) 6 1 P(S B) = = 2 12 = P(S M) P(S B) = = 2 9 score = 9 (N.B. per evitare problemi con log(0) si aggiungono pseudocounts per le basi che non compaiono mai in ciascuna posizione)
62 Ricerca di TFBS Ogni volta che la sequenza supera un certo score minimo deciso a priori, la si identifica come un candidato TFBS Problema: in genere si trovano troppi candidati: PWM di lunghezza 6 Accettiamo solo il massimo score possibile (1 sola sequenza) Su sequenze casuali, otteniamo un candidato ogni 4 6 = 4, 000 basi Sul genoma umano, ci aspettiamo candidati semplicemente per caso
63 Soluzioni 1. Spesso i TFBS funzionali sono ripetuti nella regione regolatrice Selezionare soltanto le regioni regolatrici in cui il numero di candidati è significativamente più alto di quanto ci si aspetta per caso 2. Spesso i TFBS funzionali sono evolutivamente conservati Selezionare soltanto i candidati TFBS che si ritrovano in altre specie
q xi Modelli probabilis-ci Lanciando un dado abbiamo sei parametri p i >0;
Modelli probabilis-ci Lanciando un dado abbiamo sei parametri p1 p6 p i >0; 6! i=1 p i =1 Sequenza di dna/proteine x con probabilita q x Probabilita dell intera sequenza n " i!1 q xi Massima verosimiglianza
Dettagli2.3 Cammini ottimi. E. Amaldi Fondamenti di R.O. Politecnico di Milano 1
. Cammini ottimi E. Amaldi Fondamenti di R.O. Politecnico di Milano .. Cammini minimi e algoritmo di Dijkstra Dato un grafo orientato G = (N, A) con una funzione di costo c : A c ij R e due nodi s e t,
DettagliLezione 2: Allineamento di sequenze. BLAST e CLUSTALW
Lezione 2: Allineamento di sequenze BLAST e CLUSTALW Allineamento di sequenze Allineamenti L avvento della genomica moderna permette di analizzare le similitudini e le differenze tra organismi a livello
DettagliLEZIONE 4. { x + y + z = 1 x y + 2z = 3
LEZIONE 4 4.. Operazioni elementari di riga. Abbiamo visto, nella precedente lezione, quanto sia semplice risolvere sistemi di equazioni lineari aventi matrice incompleta fortemente ridotta per righe.
Dettagli11.4 Chiusura transitiva
6 11.4 Chiusura transitiva Il problema che consideriamo in questa sezione riguarda il calcolo della chiusura transitiva di un grafo. Dato un grafo orientato G = hv,ei, si vuole determinare il grafo orientato)
DettagliZ-score. lo Z-score è definito come: Z-score = (opt query - M random)/ deviazione standard random
Z-score lo Z-score è definito come: Z-score = (opt query - M random)/ deviazione standard random è una misura di quanto il valore di opt si discosta dalla deviazione standard media. indica di quante dev.
DettagliMetodi di Distanza. G.Allegrucci riproduzione vietata
Metodi di Distanza La misura più semplice della distanza tra due sequenze nucleotidiche è contare il numero di siti nucleotidici che differiscono tra le due sequenze Quando confrontiamo siti omologhi in
DettagliAlberi binari di ricerca
Alberi binari di ricerca Ilaria Castelli castelli@dii.unisi.it Università degli Studi di Siena Dipartimento di Ingegneria dell Informazione A.A. 2009/20010 I. Castelli Alberi binari di ricerca, A.A. 2009/20010
DettagliHeap e code di priorità
Heap e code di priorità Violetta Lonati Università degli studi di Milano Dipartimento di Scienze dell Informazione Laboratorio di algoritmi e strutture dati Corso di laurea in Informatica AA 2009/2010
DettagliFILE E INDICI Architettura DBMS
FILE E INDICI Architettura DBMS Giorgio Giacinto 2010 Database 2 Dati su dispositivi di memorizzazione esterni! Dischi! si può leggere qualunque pagina a costo medio fisso! Nastri! si possono leggere le
Dettagli4 0 = 4 2 = 4 4 = 4 6 = 0.
Elementi di Algebra e Logica 2008. Esercizi 4. Gruppi, anelli e campi. 1. Determinare la tabella additiva e la tabella moltiplicativa di Z 6. (a) Verificare dalla tabella moltiplicativa di Z 6 che esistono
DettagliSISTEMI LINEARI. x 2y 2z = 0. Svolgimento. Procediamo con operazioni elementari di riga sulla matrice del primo sistema: 1 1 1 3 1 2 R 2 R 2 3R 0 4 5.
SISTEMI LINEARI Esercizi Esercizio. Risolvere, se possibile, i seguenti sistemi: x y z = 0 x + y + z = 3x + y + z = 0 x y = 4x + z = 0, x y z = 0. Svolgimento. Procediamo con operazioni elementari di riga
DettagliLinguaggi e Grammatiche Liberi da Contesto
N.Fanizzi-V.Carofiglio Dipartimento di Informatica Università degli Studi di Bari 22 aprile 2016 1 Linguaggi Liberi da Contesto 2 Grammatiche e Linguaggi Liberi da Contesto G = (X, V, S, P) è una grammatica
DettagliStrutture di accesso ai dati: B + -tree
Strutture di accesso ai dati: B + -tree A L B E R T O B E L U S S I S E C O N D A P A R T E A N N O A C C A D E M I C O 2 0 0 9-2 0 0 Osservazione Quando l indice aumenta di dimensioni, non può risiedere
DettagliParte V: Rilassamento Lagrangiano
Parte V: Rilassamento Lagrangiano Tecnica Lagrangiana Consideriamo il seguente problema di Programmazione Lineare Intera: P 1 min c T x L I Ax > b Cx > d x > 0, intera in cui A = matrice m x n C = matrice
DettagliEsercizi svolti. risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale
Esercizi svolti 1. Matrici e operazioni fra matrici 1.1 Date le matrici 1 2 1 6 A = B = 5 2 9 15 6 risolvere, se possibile, l equazione xa + B = O, essendo x un incognita reale Osservazione iniziale: qualunque
DettagliProgettazione di Algoritmi
Corso di laurea in Informatica Prova scritta del: Progettazione di Algoritmi 1/01/016 Prof. De Prisco Inserire i propri dati nell apposito spazio. Non voltare la finché non sarà dato il via. Dal via avrai
DettagliESPONENZIALI E LOGARITMI. chiameremo logaritmica (e si legge il logaritmo in base a di c è uguale a b ).
ESPONENZIALI E LOGARITMI Data una espressione del tipo a b = c, che chiameremo notazione esponenziale (e dove a>0), stabiliamo di scriverla anche in un modo diverso: log a c = b che chiameremo logaritmica
DettagliSistemi di equazioni lineari
Sistemi di equazioni lineari A. Bertapelle 25 ottobre 212 Cos è un sistema lineare? Definizione Un sistema di m equazioni lineari (o brevemente sistema lineare) nelle n incognite x 1,..., x n, a coefficienti
DettagliESERCIZI SVOLTI SUL CALCOLO INTEGRALE
ESERCIZI SVOLTI SUL CALCOLO INTEGRALE * Tratti dagli appunti delle lezioni del corso di Matematica Generale Dipartimento di Economia - Università degli Studi di Foggia Prof. Luca Grilli Dott. Michele Bisceglia
DettagliEsercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari
Esercizi su algebra lineare, fattorizzazione LU e risoluzione di sistemi lineari 4 maggio Nota: gli esercizi più impegnativi sono contrassegnati dal simbolo ( ) Esercizio Siano 3 6 8 6 4 3 3 ) determinare
DettagliChi non risolve esercizi non impara la matematica.
5.5 esercizi 9 Per trovare la seconda equazione ragioniamo così: la parte espropriata del primo terreno è x/00, la parte espropriata del secondo è y/00 e in totale sono stati espropriati 000 m, quindi
DettagliAnno 2. Risoluzione di sistemi di primo grado in due incognite
Anno Risoluzione di sistemi di primo grado in due incognite Introduzione In questa lezione impareremo alcuni metodi per risolvere un sistema di due equazioni in due incognite. Al termine di questa lezione
DettagliCercare il percorso minimo Ant Colony Optimization
Cercare il percorso minimo Ant Colony Optimization Author: Luca Albergante 1 Dipartimento di Matematica, Università degli Studi di Milano 4 Aprile 2011 L. Albergante (Univ. of Milan) PSO 4 Aprile 2011
DettagliCluster Analysis. La Cluster Analysis è il processo attraverso il quale vengono individuati raggruppamenti dei dati. per modellare!
La Cluster Analysis è il processo attraverso il quale vengono individuati raggruppamenti dei dati. Le tecniche di cluster analysis vengono usate per esplorare i dati e non per modellare! La cluster analysis
DettagliFondamenti di Informatica. Algoritmi di Ricerca e di Ordinamento
Fondamenti di Informatica Algoritmi di Ricerca e di Ordinamento 1 Ricerca in una sequenza di elementi Data una sequenza di elementi, occorre verificare se un elemento fa parte della sequenza oppure l elemento
DettagliProprietà delle relazioni 1
Proprietà delle relazioni 1 Ricordiamo che una proprietà vale se vale per ogni elemento dell insieme. Al contrario perché non valga basta un controesempio, cioè anche un solo caso per il quale la proprietà
DettagliMATEMATICA LA PARABOLA GSCATULLO
MATEMATICA LA PARABOLA GSCATULLO La Parabola Introduzione e definizione Prima di affrontare la parabola e la sua analisi matematica, appare opportuno definirla nelle sue caratteristiche essenziali. Anzitutto
DettagliRisoluzione di problemi ingegneristici con Excel
Risoluzione di problemi ingegneristici con Excel Problemi Ingegneristici Calcolare per via numerica le radici di un equazione Trovare l equazione che lega un set di dati ottenuti empiricamente (fitting
DettagliIntroduzione. Il routing permette la comunicazione tra due nodi differenti anche se non sono collegati direttamente
Routing Introduzione Il livello 3 della pila ethernet ha il compito di muovere i pacchetti dalla sorgente attraversando più sistemi Il livello di network deve quindi: Scegliere di volta in volta il cammino
DettagliCorso di Laurea Ingegneria Informatica Fondamenti di Informatica 1
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa E03 Esempi di algoritmi e programmi A. Miola Settembre 2006 http://www.dia.uniroma3.it/~java/fondinf1/ Esempi di algoritmi e
DettagliMetodo dei minimi quadrati e matrice pseudoinversa
Scuola universitaria professionale della Svizzera italiana Dipartimento Tecnologie Innovative Metodo dei minimi quadrati e matrice pseudoinversa Algebra Lineare Semestre Estivo 2006 Metodo dei minimi quadrati
DettagliVettori e matrici. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Vettori e matrici Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utentiunifeit/lorenzopareschi/ lorenzopareschi@unifeit Lorenzo Pareschi Univ Ferrara
DettagliCorso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino)
Corso di Laurea Triennale in Matematica Calcolo delle Probabilità I (docenti G. Nappo, F. Spizzichino Prova di Mercoledì giugno 4 (tempo a disposizione: ore. Scrivere su ogni foglio NOME e COGNOME. Le
Dettagli1 Definizione di sistema lineare omogeneo.
Geometria Lingotto. LeLing1: Sistemi lineari omogenei. Ārgomenti svolti: Definizione di sistema lineare omogeneo. La matrice associata. Concetto di soluzione. Sistemi equivalenti. Operazioni elementari
Dettagli2. Risolvere con il metodo di eliminazione di Gauss con pivoting parziale il seguente sistema lineare:
Esercizi sui metodi diretti per la risoluzione di sistemi lineari 1. Data la matrice 1 0 2 1 3 1 5 2 1 determinare la sua fattorizzazione P LR. Risolvere il sistema Ax = b con b = (3, 5, 6) T mediante
DettagliProva in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A
Nome... Cognome... 1 Prova in itinere di Metodi di Ottimizzazione AA 2007/2008: compito A Un rinomato biscottificio italiano dispone di tre stabilimenti, ubicati nelle città di Ancona, Belluno e Catanzaro
DettagliC I R C O N F E R E N Z A...
C I R C O N F E R E N Z A... ESERCITAZIONI SVOLTE 3 Equazione della circonferenza di noto centro C e raggio r... 3 Equazione della circonferenza di centro C passante per un punto A... 3 Equazione della
DettagliProbabilità. Ing. Ivano Coccorullo
Ing. Ivano Coccorullo PROBABILITA Teoria della Eventi certi, impossibili e casuali Nella scienza e nella tecnologia è fondamentale il principio secondo il quale ogni volta che si realizza un insieme di
Dettagli2x 5y +4z = 3 x 2y + z =5 x 4y +6z = A =
Esercizio 1. Risolvere il sistema lineare 2x 5y +4z = x 2y + z =5 x 4y +6z =10 (1) Soluz. La matrice dei coefficienti è 1 4 6, calcoliamone il rango. Il determinante di A è (applico la regola di Sarrus):
DettagliSISTEMI LINEARI MATRICI E SISTEMI 1
MATRICI E SISTEMI SISTEMI LINEARI Sistemi lineari e forma matriciale (definizioni e risoluzione). Teorema di Rouché-Capelli. Sistemi lineari parametrici. Esercizio Risolvere il sistema omogeneo la cui
Dettagli1 IL LINGUAGGIO MATEMATICO
1 IL LINGUAGGIO MATEMATICO Il linguaggio matematico moderno è basato su due concetti fondamentali: la teoria degli insiemi e la logica delle proposizioni. La teoria degli insiemi ci assicura che gli oggetti
DettagliCodice Gray. (versione Marzo 2007)
Codice Gray (versione Marzo 27) Data una formula booleana con n variabili, per costruire una tavola di verità per questa formula è necessario generare tutte le combinazioni di valori per le n variabili.
DettagliMetodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I)
Metodi e Modelli per l Ottimizzazione Combinatoria Ripasso sulla Programmazione Lineare e il metodo del Simplesso (parte I) Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema
DettagliMatematica finanziaria
Matematica finanziaria La matematica finanziaria studia le operazioni che riguardano scambi di somme di denaro nel tempo. Sono operazioni di questo tipo, ad esempio, l investimento di un capitale in un
DettagliAlgoritmi. Pagina 1 di 5
Algoritmi Il termine algoritmo proviene dalla matematica e deriva dal nome di in algebrista arabo del IX secolo di nome Al-Khuwarizmi e sta ad indicare un procedimento basato su un numero finito operazioni
DettagliProblemi di Flusso: Il modello del Trasporto
Problemi di Flusso: Il modello del rasporto Andrea Scozzari a.a. 2014-2015 April 27, 2015 Andrea Scozzari (a.a. 2014-2015) Problemi di Flusso: Il modello del rasporto April 27, 2015 1 / 25 Problemi su
Dettagli2. APPUNTI SUI FASCI DI CIRCONFERENZE (raccolti dal prof. G. Traversi)
2. APPUNTI SUI FASCI DI CIRCONFERENZE (raccolti dal prof. G. Traversi) La circonferenza è la curva di 2^ grado che viene individuata univocamente da tre punti non allineati e possiede la seguente proprietà:
DettagliCORSO DI LAUREA IN MATEMATICA
CORSO DI LAUREA IN MATEMATICA ESERCITAZIONI DI ANALISI MATEMATICA I BREVI RICHIAMI DELLA TEORIA DEI LIMITI. Confronto di infinitesimi. Sia A sottoinsieme di R, sia 0 punto di accumulazione di A nella topologia
DettagliCammini minimi. Definizioni. Distanza fra vertici. Proprietà dei cammini minimi. Algoritmi e Strutture Dati
Algoritmi e Strutture Dati Definizioni Sia G=(V,E) un grafo orientato con costi w sugli archi. Il costo di un cammino π= è dato da: Cammini minimi Un cammino minimo tra una coppia di
DettagliLe coniche: circonferenza, parabola, ellisse e iperbole.
Le coniche: circonferenza, parabola, ellisse e iperbole. Teoria in sintesi Queste curve si chiamano coniche perché sono ottenute tramite l intersezione di una superficie conica con un piano. Si possono
DettagliFunzioni condizionali
Excel Base- Lezione 4 Funzioni condizionali Sono funzioni il cui risultato è dipendente dal verificarsi o meno di una o più condizioni. Esempio: SE CONTA.SE SOMMA.SE E, O 1 Funzione SE La funzione SE serve
DettagliEsercizi sulla conversione tra unità di misura
Esercizi sulla conversione tra unità di misura Autore: Enrico Campanelli Prima stesura: Settembre 2013 Ultima revisione: Settembre 2013 Per segnalare errori o per osservazioni e suggerimenti di qualsiasi
DettagliLinguaggi di Programmazione Corso C. Parte n.3 Linguaggi Liberi da Contesto e Linguaggi Contestuali. Nicola Fanizzi
Linguaggi di Programmazione Corso C Parte n.3 Linguaggi Liberi da Contesto e Linguaggi Contestuali Nicola Fanizzi (fanizzi@di.uniba.it) Dipartimento di Informatica Università degli Studi di Bari Grammatiche
DettagliSOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n
SPAZI E SOTTOSPAZI 1 SOTTOSPAZI E OPERAZIONI IN SPAZI DIVERSI DA R n Spazi di matrici. Spazi di polinomi. Generatori, dipendenza e indipendenza lineare, basi e dimensione. Intersezione e somma di sottospazi,
Dettagli7 2 =7 2=3,5. Casi particolari. Definizione. propria se < impropria se > e non è multiplo di b. apparente se è un multiplo di. Esempi.
NUMERI RAZIONALI Q Nell insieme dei numeri naturali e nell insieme dei numeri interi relativi non è sempre possibile effettuare l operazione di divisione. Infatti, eseguendo la divisione 7 2 si ottiene
DettagliAPPUNTI DI MATEMATICA ALGEBRA \ CALCOLO LETTERALE \ MONOMI (1)
LGEBR \ CLCOLO LETTERLE \ MONOMI (1) Un monomio è un prodotto di numeri e lettere; gli (eventuali) esponenti delle lettere sono numeri naturali (0 incluso). Ogni numero (reale) può essere considerato come
DettagliFUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti
FUNZIONI ELEMENTARI, DISEQUAZIONI, NUMERI REALI, PRINCIPIO DI INDUZIONE Esercizi risolti Discutendo graficamente la disequazione x > 3 + x, verificare che l insieme delle soluzioni è un intervallo e trovarne
DettagliFondamenti di Internet e Reti 097246
sul livello di Rete Instradamento. o Si consideri la rete in figura.. Si rappresenti, mediante un grafo, la rete per il calcolo dei cammini minimi (solo i nodi e gli archi no reti). Si calcoli il cammino
DettagliGraficazione qualitativa del luogo delle radici
.. 5.3 1 Graficazione qualitativa del luogo delle radici Esempio. Si faccia riferimento al seguente sistema retroazionato: d(t) G(s) r(t) e(t) K 1(s 1) s(s + 1)(s + 8s + 5) y(t) Per una graficazione qualitativa
DettagliSistemi di 1 grado in due incognite
Sistemi di 1 grado in due incognite Problema In un cortile ci sono polli e conigli: in totale le teste sono 7 e zampe 18. Quanti polli e quanti conigli ci sono nel cortile? Soluzione Indichiamo con e con
DettagliEsercizi sulla retta. Gruppo 1 (4A TSS SER, 4B TSS SER, 4A AM )
Esercizi sulla retta. Gruppo 1 (4A TSS SER, 4B TSS SER, 4A AM ) 1. Scrivere l'equazione della retta passante per i punti P1(-3,1), P2(2,-2). Dobbiamo applicare l'equazione di una retta passante per due
DettagliIl problema del commesso viaggiatore: da Ulisse alla Logistica integrata. Luca Bertazzi
Il problema del commesso viaggiatore: da Ulisse alla Logistica integrata Luca Bertazzi 0 3 Ulisse: da Troia a Itaca Troia Itaca 509 km Quale è stato invece il viaggio di Ulisse? Il viaggio di Ulisse Troia
DettagliI coefficienti delle incognite sono proporzionali fra loro ma NON coi termini noti, e il sistema è dunque IMPOSSIBILE (si dice anche: INCOMPATIBILE).
RISOLUZIONI DEGLI ESERCIZI SUI SISTEMI DI 1 GRADO IMPOSSIBILI E INDETERMINATI Per ciascuno dei seguenti sistemi, stabilisci se è determinato, impossibile, o indeterminato. In caso di indeterminazione,
DettagliMetodi per la Ricostruzione Filogenetica. Giuliana Allegrucci riproduzione vietata
Metodi per la Ricostruzione Filogenetica Ricostruire una filogenesi significa trovare la migliore stima delle relazioni evolutive storiche fra entità tassonomiche usando i dati disponibili. I dati di base
Dettagliha come obiettivo quello di costruire a partire da A una matrice U, m n, che abbia il
Facoltà di Scienze Statistiche, Algebra Lineare 1 A, G.Parmeggiani LEZIONE 6 Eliminazione di Gauss con scambi di righe Sia A O una matrice m n. Abbiamo illustrato nella Lezione 5 un algoritmo che ha come
Dettagliax 1 + bx 2 + c = 0, r : 2x 1 3x 2 + 1 = 0.
. Rette in R ; circonferenze. In questo paragrafo studiamo le rette e le circonferenze in R. Ci sono due modi per descrivere una retta in R : mediante una equazione cartesiana oppure mediante una equazione
DettagliAppunti di Elettronica I Lezione 3 Risoluzione dei circuiti elettrici; serie e parallelo di bipoli
Appunti di Elettronica I Lezione 3 Risoluzione dei circuiti elettrici; serie e parallelo di bipoli Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 2603 Crema email:
DettagliDISPENSE DI PROGRAMMAZIONE
DISPENSE DI PROGRAMMAZIONE Modulo 1 Risolvere problemi con l elaboratore: dal problema all algoritmo (Parte II) I Linguaggi di descrizione degli algoritmi - Notazioni grafiche (parte 1) Il linguaggio dei
DettagliSISTEMI DI 1 GRADO CON DUE EQUAZIONI IN DUE INCOGNITE
Pagina 1 di 6 SISTEMI DI 1 GRADO CON DUE EQUAZIONI IN DUE INCOGNITE L insieme di due equazioni di primo grado in due incognite si dice SISTEMA DI 1 GRADO. La soluzione del sistema è ogni coppia di numeri
DettagliIn molte applicazioni sorge il problema di sapere in quanti modi possibili si può presentare un certo fenomeno.
Definizione Oggetto del calcolo combinatorio è quello di determinare il numero dei modi mediante i quali possono essere associati, secondo prefissate regole, gli elementi di uno stesso insieme o di più
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Distribuzioni di probabilità L analisi statistica spesso studia i fenomeni collettivi confrontandoli con modelli teorici di riferimento. Tra di essi, vedremo: la distribuzione
DettagliQuali condizionisi si possono richiedere sulla funzione interpolante?
INTERPOLAZIONE Problema generale di INTERPOLAZIONE Dati n punti distinti ( i, i ) i=,..,n si vuole costruire una funzione f() tale che nei nodi ( i ) i=,..n soddisfi a certe condizioni, dette Condizioni
DettagliNote sull implementazione in virgola fissa di filtri numerici
Note sull implementazione in virgola fissa di filtri numerici 4 settembre 2006 1 Introduction Nonostante al giorno d oggi i processori con aritmetica in virgola mobili siano molto comuni, esistono contesti
DettagliCapitolo 2 Le misure delle grandezze fisiche
Capitolo 2 Le misure delle grandezze fisiche Gli strumenti di misura Gli errori di misura Il risultato di una misura Errore relativo ed errore percentuale Propagazione degli errori Rappresentazione di
DettagliRicerca Operativa. Esercizi proposti
Ricerca Operativa Esercizi proposti 1. Un fiorista deve addobbare una sala per un ricevimento. Ha a disposizione quattro tipi di fiori: rose, gerbere, lilium e calle. Rose, gerbere e lilium sono disponibili
DettagliProblemi di scelta ESEMPI
ESEMPI Risolvere i seguenti problemi 1. Una ditta deve effettuare delle spedizioni di un certo tipo di merce. Ha la possibilità di scegliere una o l altra delle due tariffe seguenti: a) 2.500 lire al quintale
DettagliSuccessioni ricorsive lineari
Presentazione del problema In un piccolo comune, 1000 abitanti, il tasso di mortalità annuo è del 20%; fortunatamente ogni anno nascono 100 bambini. Qual è nel tempo l'evoluzione della popolazione? Si
DettagliEquazioni, funzioni e algoritmi: il metodo delle secanti
Equazioni, funzioni e algoritmi: il metodo delle secanti Christian Ferrari 1 Introduzione La risoluzione di equazioni in R ci ha mostrato che solo per le equazioni polinomiali di primo e secondo grado,
DettagliESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)
ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Calibrazione intrinseca Spesso risulta utile calibrare la sola componente intrinseca di un sistema di visione (matrice K), e non si dispone di oggetti di forma
DettagliMatematica e-learning - Corso Zero di Matematica. Gli Insiemi. Prof. Erasmo Modica A.A.
Matematica e-learning - Gli Insiemi Prof. Erasmo Modica http://www.galois.it erasmo@galois.it A.A. 2009/2010 1 Simboli Matematici Poiché in queste pagine verranno utilizzati differenti simboli matematici,
DettagliLa codifica. dell informazione
La codifica dell informazione (continua) Codifica dei numeri Il codice ASCII consente di codificare le cifre decimali da 0 a 9 fornendo in questo modo un metodo per la rappresentazione dei numeri Il numero
DettagliRipasso tramiti esempi - Applicazioni lineari e matrici
Ripasso tramiti esempi - Applicazioni lineari e matrici Applicazioni lineari associata ad una matrice Avete imparato che data una matrice A K m,n esiste una applicazione lineare associata ad A. Ma come
DettagliElementi di Geometria euclidea
Proporzionalità tra grandezze Date quattro grandezze A, B, C e D, le prime due omogenee tra loro così come le ultime due, queste formano una proporzione se il rapporto delle prime due è uguale al rapporto
DettagliTEOREMA DEL RESTO E REGOLA DI RUFFINI
TEOREMA DEL RESTO E REGOLA DI RUFFINI ALCUNI TEOREMI IMPORTANTI Prendiamo una divisione intera tra numeri: 6 : 3 = 2. Il resto di questa divisione è 0, e questo significa che moltiplicando il quoziente
DettagliEsercizi sui vettori liberi (i, j, k è una base ortonormale positiva)
Esercizi sui vettori liberi (i, j, k è una base ortonormale positiva) Esercizio 1 Siano v e w due vettori non paralleli.sapendo che v è un versore e che v w =3 trovare l espressione di tutti i vettori
DettagliEsercizio. Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a. [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m
Sia a R non nullo e siano m, n numeri interi non nulli con m n. Allora a m /a n è uguale a [1] 1/a n m [2] 1/a m n [3] 1/a n m [4] a n m Vale la [1] perché per le proprietà delle potenze risulta a m a
DettagliCorso di Calcolo Numerico
Prof. L. Brandolini Corso di Calcolo Numerico Dott.ssa N. Franchina Laboratorio 5 Equazioni differenziali ordinarie: metodi espliciti 25 Novembre 215 Esercizi di implementazione Un equazione differenziale
DettagliEsercitazioni di Reti Logiche. Lezione 1 Rappresentazione dell'informazione. Zeynep KIZILTAN zkiziltan@deis.unibo.it
Esercitazioni di Reti Logiche Lezione 1 Rappresentazione dell'informazione Zeynep KIZILTAN zkiziltan@deis.unibo.it Introduzione Zeynep KIZILTAN Si pronuncia Z come la S di Rose altrimenti, si legge come
DettagliAnno 3 Equazione dell'ellisse
Anno Equazione dell'ellisse 1 Introduzione In questa lezione affronteremo una serie di problemi che ci chiederanno di determinare l equazione di un ellisse sotto certe condizioni. Al termine della lezione
DettagliI B+ Alberi. Sommario
I B+ Alberi R. Basili (Basi di Dati, a.a. 2002-3) Sommario Indici organizzati secondo B + -alberi Motivazioni ed Esempio Definizione Ricerca in un B + -albero Esempio Vantaggi Inserimento/Cancellazione
DettagliADT Coda con priorità
Code con priorità ADT Coda con priorità Una coda con priorità è una struttura dati dinamica che permette di gestire una collezione di dati con chiave numerica. Una coda con priorità offre le operazioni
DettagliNote per il corso di Geometria e algebra lineare 2009-10 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni
Note per il corso di Geometria e algebra lineare 009-0 Corso di laurea in Ing. Elettronica e delle Telecomunicazioni Spazi di n-uple e matrici. I prodotti cartesiani RR R e RRR R 3, costituiti dalle coppie
DettagliB6. Sistemi di primo grado
B6. Sistemi di primo grado Nelle equazioni l obiettivo è determinare il valore dell incognita che verifica l equazione. Tale valore, se c è, è detto soluzione. In un sistema di equazioni l obiettivo è
DettagliAlgebra di Boole Algebra di Boole
1 L algebra dei calcolatori L algebra booleana è un particolare tipo di algebra in cui le variabili e le funzioni possono solo avere valori 0 e 1. Deriva il suo nome dal matematico inglese George Boole
DettagliBioinformatica e Biologia Computazionale per la Medicina Molecolare
Facoltà di Ingegneria dell Informazione Laurea Specialistica e Magistrale in Ingegneria Informatica Facoltà di Ingegneria dei Sistemi Laurea Magistrale in Ingegneria Biomedica Dipartimento di Elettronica
DettagliTraduzione e adattamento a cura di Gylas per Giochi Rari. Versione 1.1 Novembre
Traduzione e adattamento a cura di Gylas per Giochi Rari Versione 1.1 Novembre 2001 http://www.giochirari.it e-mail: giochirari@giochirari.it NOTA. La presente traduzione non sostituisce in alcun modo
DettagliProprietà della varianza
Proprietà della varianza Proprietà della varianza Proprietà della varianza Proprietà della varianza Intermezzo: ma perché dovremmo darci la pena di studiare come calcolare la varianza nel caso di somme,
Dettagli1. riconoscere la risolubilità di equazioni e disequazioni in casi particolari
Secondo modulo: Algebra Obiettivi 1. riconoscere la risolubilità di equazioni e disequazioni in casi particolari 2. risolvere equazioni intere e frazionarie di primo grado, secondo grado, grado superiore
Dettagli