Metodiche classiche di acquisizione e quan3ficazione della variabilità della frequenza cardiaca

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Metodiche classiche di acquisizione e quan3ficazione della variabilità della frequenza cardiaca"

Transcript

1 Metodiche classiche di acquisizione e quan3ficazione della variabilità della frequenza cardiaca (Ivan Corazza)

2 INDICE Misura intervalli RR battito-a-battito (Giorgio Barletta) Misura della variabilità della frequenza cardiaca nel dominio del TEMPO Metodi geometrici per la valutazione della HRV Misura della variabilità della frequenza cardiaca nel dominio della FREQUENZA

3 INDICE Misura intervalli RR battito-a-battito (Giorgio Barletta) Misura della variabilità della frequenza cardiaca nel dominio del TEMPO Metodi geometrici per la valutazione della HRV Misura della variabilità della frequenza cardiaca nel dominio della FREQUENZA RR i RR i+1 RR i+2 RR i+3 RR i+4 Tacogramma

4 Tilt Test ecg sbp taco Valsalva ecg sbp taco

5 Respiro profondo ecg sbp taco

6 Respiro profondo ecg sbp taco Una corretta valutazione della variabilità della frequenza cardiaca presuppone una corretta valutazione delle onde R. Bisogna individuare ed eliminare gli artefatti.

7 Misura della variabilità della frequenza cardiaca nel dominio del TEMPO

8 Misura della variabilità della frequenza cardiaca nel dominio del TEMPO (ricavata direttamente dalla sequenza degli RR). Ipotesi: gli RR sono distribuiti normalmente (segnale stazionario). Sono necessari periodi > 5 minuti per avere un numero sufficiente di dati. Valore medio e deviazione standard (SDNN) NN = numero totale di intervalli RR Media ± SDNN fornisce una quantificazione della variabilità su un periodo. Posso fare confronti fra periodi diversi (con medesima durata) corrispondenti a diverse attività (es. sonno, veglia ).

9 SDNN Index Consideriamo un periodo di registrazione lungo (tipicamente 24h); Suddividiamolo in intervalli di 5 minuti; Calcoliamo la deviazione standard per ogni intervallo; SDNN Index: media delle singole deviazioni standard (ricavate ciascuna su 5 minuti). M = numero RR contenuti in 5 min S = numero periodi di 5 min contenuti nella serie totale E una stima della variabilità su cicli più brevi di 5 minuti.

10 SDANN Consideriamo un periodo di registrazione lungo (tipicamente 24h); Suddividiamolo in intervalli di 5 minuti; Calcoliamo la media per ogni intervallo (RRM5 k ); SDANN: deviazione standard della distribuzione delle medie (fatte ciascuna su 5 minuti) M = numero RR contenuti in 5 min S = numero periodi di 5 min contenuti nella serie totale E una stima delle modificazioni della frequenza cardiaca dovute a cicli più lunghi di 5 minuti.

11 Misura della variabilità della frequenza cardiaca nel dominio del TEMPO (ricavata dalla sequenza delle differenze tra gli RR). La differenza fra due RR successivi è indice della variabilità su breve periodo. RMSSD: Radice quadrata della differenza quadratica media degli RR successivi (RMSSD) E una stima della variabilità battito a battito.

12 NN50 = numero delle differenze successive che hanno durata > 50ms pnn50 = NN50 / NN I parametri legati alle differenze tra un RR e il successivo (RRMSSD, NN50 e pnn50) sono strettamente correlati tra loro. Figure 1. Relazione RMSSD-pNN50 (a) e pnn50- NN50 (b) calcolate su 857 registrazioni holter di 24h in pazienti con pregresso infarto del miocardio. Gli NN50 riportati nel grafico (b) sono stati normalizzati rispetto alla lunghezza totale della registrazione (24h). Heart Rate Variability - Standards of Measurement, Physiological Interpretation, and Clinical Use. Task Force of the European Society of Cardiology the North American Society of Pacing Electrophysiology. Circulation. 1996;93:

13 Misura della variabilità della frequenza cardiaca: metodi geometrici

14 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Metodi basati sull istogramma degli RR Sono metodi che tengono conto della forma della distribuzione degli intervalli RR. 1) Si deve costruire l istogramma della distribuzione degli RR e lo si interpola congiungendo i valori corrispondenti a ciascun intervallo. Numero RR RR (s)

15 Indice triangolare (HRV triangular index) 2) Ipotizzando che la distribuzione abbia una forma triangolare, si calcola l ampiezza della base del triangolo come il rapporto tra l area sottesa dalla curva e l altezza (valore più frequente della distribuzione moda). Numero RR A h RR (s)

16 Interpolazione triangolare dell istogramma degli intervalli RR (TINN o TIRR) Rispetto al precedente parametro, viene effettuata una interpolazione lineare per calcolare il miglior triangolo che interpola (es. con il metodo dei minimi quadrati) la distribuzione e poi se ne utilizza la base come indice di variabilità della frequenza cardiaca. Numero RR RR (s) Entrambi gli indici forniscono le stesse informazioni fornite dalla deviazione standard calcolata sull intero periodo.

17 Vantaggi/1 Utilizzando questi due indici è possibile eliminare dall analisi eventuali artefatti Probabile riconoscimento di onde T come R Probabile mancato riconoscimento di onde R Numero RR A h RR (s) Considero solamente il picco più alto e quindi la distribuzione centrale. In caso di sequenze di RR con molti errori, riesco a discriminarli e quindi non considerarli nell analisi.

18 Vantaggi/2 Sovrapposizione di due fasi diverse (es veglia e sonno) segnale NON STAZIONARIO Numero RR A h h1 RR (s) Nel caso in cui nell istogramma siano presenti due picchi, ad esempio corrispondenti a fasi diverse (sonno e veglia, ad esempio), i metodi statistici che si basano sulla normalità della distribuzione degli RR, compiono errori. Con i metodi geometrici è possibile discriminare tra i due picchi e considerarne solo 1.

19 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Metodi basati sull istogramma delle differenze fra RR successivi Sono metodi che tengono conto della forma della distribuzione delle differenze fra intervalli RR contigui. 1) Si deve costruire l istogramma della distribuzione delle differenze e lo si interpola congiungendo i valori corrispondenti a ciascun intervallo. Numero differenze RR 0 Differenze RR (s)

20 Si possono calcolare degli indici differenziali, definiti come la larghezza della distribuzione a diversi valori di NN (es. 1000, 10000). Questi indici dipendono dalla durata totale del periodo considerato e si possono utilizzare solo se eseguite su sequenze di durata standard e sufficientemente lunga (tipicamente 24h). Numero differenze RR 0 Differenze RR (s)

21 Svantaggi: - Sono necessari molti dati per avere una distribuzione adeguata (periodi di almeno 20 minuti). In genere si applicano a registrazioni di almeno 24h. - Sono meno precisi dei parametri statistici e dell analisi spettrale. In conclusione: Si applicano solo nei casi in cui non sia possibile applicare i tradizionali metodi nel dominio del tempo a causa della presenza di molti artefatti e sempre con durate molto lunghe.

22 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Lorenz Plot (Poincarè Plot) Si rappresenti su un piano cartesiano ciascun RR in funzione del precedente. RR l+1 RR l

23 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Lorenz Plot (Poincarè Plot) Si rappresenti su un piano cartesiano ciascun RR in funzione del precedente. RR l+1 RR i+1 =RR i RR l

24 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Lorenz Plot (Poincarè Plot) Si rappresenti su un piano cartesiano ciascun RR in funzione del precedente. RR i+2 >>RR i+1 RR l+1 RR i+1 =RR i RR l

25 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Lorenz Plot (Poincarè Plot) Si rappresenti su un piano cartesiano ciascun RR in funzione del precedente. RR i+2 >>RR i+1 RRi+3 RRi+2 RR l+1 RR i+1 =RR i RR l

26 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Lorenz Plot (Poincarè Plot) Si rappresenti su un piano cartesiano ciascun RR in funzione del precedente. RR i+2 >>RR i+1 RRi+3 RRi+2 RR l+1 RR i+1 =RR i RR l

27 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Lorenz Plot (Poincarè Plot) Si rappresenti su un piano cartesiano ciascun RR in funzione del precedente. La variabiltà battito-a-battito fa sì che i punti si sparpaglino lungo l asse trasverso T RR i+2 >>RR i+1 RRi+3 RRi+2 RR l+1 RR i+1 =RR i RR l

28 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Lorenz Plot (Poincarè Plot) Si rappresenti su un piano cartesiano ciascun RR in funzione del precedente. La variabiltà battito-a-battito fa sì che i punti si sparpaglino lungo l asse trasverso T RR i+2 >>RR i+1 RRi+3 RRi+2 RR l+1 RR i+1 =RR i La variabiltà su più lungo periodo fa sì che i punti si sparpaglino lungo la bisettrice. RR l

29 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Lorenz Plot (Poincarè Plot) Avendo molti battiti. Quantifichiamo la variabilità a breve e lungo periodo mediante una interpolazione ellittica e calcolando i due raggi SD1 e SD2. Se proietto i punti lungo l asse trasverso e la bisettrice ottengo SD1 e SD2 come le deviazioni standard delle due distribuzioni così ottenute. RR i+1 RR i SD1 SD2 Brennan M, Palaniswami M and Kamen P 2001 Do existing measures of Poincare plot geometry reflect nonlinear features of heart rate variability? IEEE Trans. Biomed. Eng

30 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Lorenz Plot (Poincarè Plot) Avendo molti battiti. Quantifichiamo la variabilità a breve e lungo periodo mediante una interpolazione ellittica e calcolando i due raggi SD1 e SD2. Se proietto i punti lungo l asse trasverso e la bisettrice ottengo SD1 e SD2 come le deviazioni standard delle due distribuzioni così ottenute. RR i+1 RR i SD1 SD2 Istogramma delle differenze fra RR successivi Brennan M, Palaniswami M and Kamen P 2001 Do existing measures of Poincare plot geometry reflect nonlinear features of heart rate variability? IEEE Trans. Biomed. Eng

31 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Lorenz Plot (Poincarè Plot) Avendo molti battiti. Quantifichiamo la variabilità a breve e lungo periodo mediante una interpolazione ellittica e calcolando i due raggi SD1 e SD2. Se proietto i punti lungo l asse trasverso e la bisettrice ottengo SD1 e SD2 come le deviazioni standard delle due distribuzioni così ottenute. RR i+1 RR i SD1 SD2 Istogramma delle differenze fra RR successivi Istogramma delle lunghezze Brennan M, Palaniswami M and Kamen P 2001 Do existing measures of Poincare plot geometry reflect nonlinear features of heart rate variability? IEEE Trans. Biomed. Eng

32 Misura della variabilità della frequenza cardiaca con metodi GEOMETRICI Lorenz Plot (Poincarè Plot) Avendo molti battiti. Quantifichiamo la variabilità a breve e lungo periodo mediante una interpolazione ellittica e calcolando i due raggi SD1 e SD2. Se proietto i punti lungo l asse trasverso e la bisettrice ottengo SD1 e SD2 come le deviazioni standard delle due distribuzioni così ottenute. RR i+1 RR i SD1 SD2 Istogramma delle differenze fra RR successivi Istogramma degli RR Istogramma delle lunghezze Brennan M, Palaniswami M and Kamen P 2001 Do existing measures of Poincare plot geometry reflect nonlinear features of heart rate variability? IEEE Trans. Biomed. Eng

33

34 Analisi di Fourier

35 Analisi HRV nel dominio delle frequenza: metodi non parametrici Teorema di Fourier Qualsiasi funzione s(t) limitata in ampiezza e periodica può essere espressa come: con T T T/2 f 0 2f 0 3f 0 4f 0 T T T T 5f 0

36 Se abbiamo una funzione discreta (N punti) e periodica, con frequenza di campionamento pari a fc e armonica di frequenza superiore limitata dal sistema A/D (per il teorema di Shannon): Sapendo che: Poiché m=1,2,.n/2 allora: mf 1 = frequenza dell armonica La frequenza è multiplo intero della frequenza fondamentale e può assumere i valori interi tra f 1 e fc/2. Risoluzione in frequenza =

37 Componendo le equazioni risulta: Ciascun coefficiente R m dice quanto vale l ampiezza dell armonica di frequenza mf 1. È possibile riportare in un grafico i valori di R m in funzione della frequenza: quello che viene fuori è il cosiddetto spettro di ampiezza della funzione s(k): dice essenzialmente qual è l ampiezza della sinusoide di frequenza mf 1. Analogamente il grafico di Φ m si dice spettro di fase di s(t). Il grafico di R m 2 si chiama invece spettro di potenza, o semplicemente spettro, del segnale, e dice come è stata ripartita tra le varie armoniche la potenza, o l energia, trasportata dal segnale s(k). (Applet)

38 N.B. Lo spettro che si ricava dalla analisi di Fourier di un segnale discreto è discreto. A f

39 N.B. Lo spettro che si ricava dalla analisi di Fourier di un segnale discreto è discreto. A Per motivi di leggibilità ed estetica, lo si trova visualizzato come se fosse continuo A f f

40 Πίνδαρος N.B. La successione dei coefficien- R m definisce una funzione discreta che possiamo chiamare TRASFORMATA DISCRETA DI FOURIER. Calcolare gli R m, quindi significa eseguire la trasformata di Fourier.

41 Πίνδαρος N.B. La successione dei coefficien- R m definisce una funzione discreta che possiamo chiamare TRASFORMATA DISCRETA DI FOURIER. Calcolare gli R m, quindi significa eseguire la trasformata di Fourier. Fast Fourier Transform (FFT) I tempi di elaborazione per calcolare la trasformata di Fourier discreta di un numero elevato di punti sono lunghi. Avendo una funzione discreta composta da N punti, il calcolo degli Rm presuppone l esecuzione di circa N 2 operazioni. È stata quindi introdotta la FFT che consente di velocizzare i calcoli riducendo il numero globale di operazioni a Nlog 2 N con il vincolo che N=2 m.

42 Questa è la teoria, ora la pratica La successione degli RR è un segnale discreto campionato a frequenza variabile (RR originali)

43 Questa è la teoria, ora la pratica La successione degli RR è un segnale discreto campionato a frequenza variabile (RR originali) Interpoliamo gli RR. Possiamo usare diversi algoritmi, tipicamente polinomiali di grado >=2.

44 Questa è la teoria, ora la pratica La successione degli RR è un segnale discreto campionato a frequenza variabile (RR originali) Interpoliamo gli RR. Possiamo usare diversi algoritmi, tipicamente polinomiali di grado >=2. Ricampioniamo il segnale a frequenza fissa (tipicamente 2-8Hz). In questo caso aumento il range di frequenze rappresentabile nello spettro.

45 Questa è la teoria, ora la pratica La successione degli RR è un segnale discreto campionato a frequenza variabile (RR originali) Interpoliamo gli RR. Possiamo usare diversi algoritmi, tipicamente polinomiali di grado >=2. Ricampioniamo il segnale a frequenza fissa (tipicamente 2-8Hz). In questo caso aumento il range di frequenze rappresentabile nello spettro. Ricampionando il segnale: - aumentiamo la massima frequenza rappresentabile sullo spettro, - rimane inalterata la risoluzione in frequenza, - aggiungiamo dei punti non fisiologici che non esistono...

46 Si può anche non ricampionare: consideriamo la sequenza degli RR originali e approssimiamo la frequenza di campionamento con l inverso dell intervallo RR medio. RR 1 RR 2 RR 3 RR 4 RR 5 RR medio RR medio RR medio RR medio RR medio

47 Esempio: Consideriamo una successione di RR formata da 200 intervalli. RR medio: 850ms Frequenza di campionamento Durata totale: 200/1.18 = 169.5s (è la durata reale) Risoluzione in frequenza: 1.18/200 = Hz In questo modo i singoli RR vengono tutti posti alla stessa distanza temporale: alcuni si avvicineranno fra loro, altri si allontanano. Se ho un numero sufficientemente alto e il segnale è stazionario mi aspetto che per ogni RR compresso ce ne sia un altro dilatato. La scomposizione in frequenza finale non viene compromessa. Si modifica naturalmente l estremo superiore dello spettro estraibile dal segnale che è uguale a circa 0.6Hz.

48 Continuiamo La sequenza degli RR non è un segnale periodico.

49 Continuiamo La sequenza degli RR non è un segnale periodico. Consideriamo una sequenza sufficientemente lunga da poter essere considerata periodica. Maggiore è la lunghezza, maggiore anche la risoluzione in frequenza dello spettro.

50 Continuiamo La sequenza degli RR non è un segnale periodico. Consideriamo una sequenza sufficientemente lunga da poter essere considerata periodica. Maggiore è la lunghezza, maggiore anche la risoluzione in frequenza dello spettro. Attenzione!!!! Scopo della analisi in frequenza è quello di evidenziare l attivazione dei sistemi simpatico e parasimatico e il loro rapporto.

51 Continuiamo La sequenza degli RR non è un segnale periodico. Consideriamo una sequenza sufficientemente lunga da poter essere considerata periodica. Maggiore è la lunghezza, maggiore anche la risoluzione in frequenza dello spettro. Attenzione!!!! Scopo della analisi in frequenza è quello di evidenziare l attivazione dei sistemi simpatico e parasimatico e il loro rapporto. Durante il periodi di analisi la modulazione dei due sistemi deve essere costante.

52 Continuiamo La sequenza degli RR non è un segnale periodico. Consideriamo una sequenza sufficientemente lunga da poter essere considerata periodica. Maggiore è la lunghezza, maggiore anche la risoluzione in frequenza dello spettro. Attenzione!!!! Scopo della analisi in frequenza è quello di evidenziare l attivazione dei sistemi simpatico e parasimatico e il loro rapporto. Durante il periodi di analisi la modulazione dei due sistemi deve essere costante. Il segnale deve essere stazionario.

53 Continuiamo La sequenza degli RR non è un segnale periodico. Consideriamo una sequenza sufficientemente lunga da poter essere considerata periodica. Maggiore è la lunghezza, maggiore anche la risoluzione in frequenza dello spettro. Attenzione!!!! Scopo della analisi in frequenza è quello di evidenziare l attivazione dei sistemi simpatico e parasimatico e il loro rapporto. Maggiore è la lunghezza del segnale maggiore è la probabilità che l attivazione del simpatico e del vagale si modifichino (segnale non stazionario) Durante il periodi di analisi la modulazione dei due sistemi deve essere costante. Il segnale deve essere stazionario.

54 Continuiamo La sequenza degli RR non è un segnale periodico. Consideriamo una sequenza sufficientemente lunga da poter essere considerata periodica. Maggiore è la lunghezza, maggiore anche la risoluzione in frequenza dello spettro. Attenzione!!!! Scopo della analisi in frequenza è quello di evidenziare l attivazione dei sistemi simpatico e parasimatico e il loro rapporto. Maggiore è la lunghezza del segnale maggiore è la probabilità che l attivazione del simpatico e del vagale si modifichino (segnale non stazionario) Durante il periodi di analisi la modulazione dei due sistemi deve essere costante. Il segnale deve essere stazionario.

55 È fondamentale il ruolo del tecnico/clinico che deve scegliere i periodi da analizzare in funzione del segnale (e quindi dello stato del paziente). Ad esempio:

56 È fondamentale il ruolo del tecnico/clinico che deve scegliere i periodi da analizzare in funzione del segnale (e quindi dello stato del paziente). Ad esempio: ecg sbp taco

57 È fondamentale il ruolo del tecnico/clinico che deve scegliere i periodi da analizzare in funzione del segnale (e quindi dello stato del paziente). Ad esempio: ecg sbp taco OK OK OK

58 È fondamentale il ruolo del tecnico/clinico che deve scegliere i periodi da analizzare in funzione del segnale (e quindi dello stato del paziente). Ad esempio: ecg sbp taco OK OK OK ecg sbp taco

59 È fondamentale il ruolo del tecnico/clinico che deve scegliere i periodi da analizzare in funzione del segnale (e quindi dello stato del paziente). Ad esempio: ecg sbp taco OK OK OK ecg sbp taco NO!!!!

60 È fondamentale il ruolo del tecnico/clinico che deve scegliere i periodi da analizzare in funzione del segnale (e quindi dello stato del paziente). Ad esempio: ecg sbp taco OK OK OK ecg sbp taco NO!!!! Devo eliminare dall analisi le fasi transitorie, quelle in cui l attivazione simpatovagale si modifica. Altrimenti non ha senso l analisi. Quali sono le fasi in cui cambia? È il clinico che deve rispondere facendo ipotesi

61 Quindi, quanto deve essere lunga la sequenza da analizzare? Dobbiamo soddisfare 2 condizioni essenziali: - NECESSITA CLINICA: stazionarietà del segnale (assenza quindi di fasi transitorie) - NECCESSITA TECNICA/CLINICA: opportuna risoluzione in frequenza che consenta di evidenziare correttamente le bande di interesse. Facciamo un esempio: 1 minuto di segnale campionato a 4Hz Numero punti=4*60=240 Risoluzione in frequenza: 4/240 = Hz Se volessi evidenziare correttamente le armoniche a 0.01Hz devo aumentare il periodo che sto analizzando raddopiandolo (ris=4/480=0.008hz).

62 1 minuto Esempio (risoluzione in frequenza) f: 8Hz 2 minuti 4 minuti

63 Esempio (Stazionarietà del segnale) TILT TEST f: 8Hz 5 minuti 5 minuti

64 5 minuti 15 minuti Posso fare l analisi ma ha un senso clinico?

65 ANALISI IN TEMPO REALE Molti sistemi forniscono lo spettro in tempo reale durante l acquisizione. Naturalmente l analisi non può essere eseguita su tutti i dati ma su finestre definite dall utente e poi gli spettri sommati e presentati in output. Spostando la finestra su spezzoni diversi di segnale, possono verificarsi dei problemi legati al fatto che gli estremi di ciascuna finestra non sono uguali.

66 Facciamo un esempio. Immaginiamo che il segnale acquisito sia una sinusoide di frequenza f1. Se la finestra definita a priori taglia esattamente un numero intero di lunghezze d onda, nessun problema: PSD f1 f

67 Se la finestra non taglia un numero itero di lunghezze d onda: PSD Lo spettro presenta dei valori non nulli per frequenze che non ci sono (leaking). f1 f

68 Devo quindi fare in modo che la funzione assuma agli estremi lo stesso valore. PSD Restringo il picco e minimizzo la presenza di frequenze spurie. f1 f

69 Esempio di funzioni finestra:

70 Successione di 1023 RR ricampionati a 4Hz (255s) e a media zero (per eliminare la componente continua) Spettri della sequenza degli RR senza finestra e con finestra di Blackman

71 La finestra taglia armoniche presenti nelle fasi iniziali e finali. Facciamo un esempio. Lo spettro della funzione a cui è stata applicata la finestra di Blackman presenta sicuramente delle frequenze spurie ma non ha un picco importante

72 L applicazione di una finestra alla serie di dati, di fatto, agisce come filtro sul segnale iniziale. Riduce il fenomeno del leaking dovuto alla diversità di valori della serie nei punti estremi ma taglia delle frequenze.

73 Metodi Autoregressivi

74 Analisi HRV nel dominio delle frequenza: metodi autoregressivi (parametrici)

75 Analisi HRV nel dominio delle frequenza: metodi autoregressivi (parametrici) Fare l autoregressione di una serie di dati significa esprimere ciascun punto della serie come combinazione lineare dei punti precedenti (a meno di un errore che è tanto più piccolo tanto migliore la ricostruzione).

76 Analisi HRV nel dominio delle frequenza: metodi autoregressivi (parametrici) Fare l autoregressione di una serie di dati significa esprimere ciascun punto della serie come combinazione lineare dei punti precedenti (a meno di un errore che è tanto più piccolo tanto migliore la ricostruzione). Il numero di punti p considerati nella ricostruzione della serie è l ordine del modello.

77 Analisi HRV nel dominio delle frequenza: metodi autoregressivi (parametrici) Fare l autoregressione di una serie di dati significa esprimere ciascun punto della serie come combinazione lineare dei punti precedenti (a meno di un errore che è tanto più piccolo tanto migliore la ricostruzione). Il numero di punti p considerati nella ricostruzione della serie è l ordine del modello. La densità spettrale della serie si ricava facendo la trasformata di Fourier della funzione di autocorrelazione.

78

79 Cerchiamo di dare un senso a tutto questo. Ogni punto della serie viene espresso in funzione dei precedenti. Per ciascun punto esistono quindi p coefficienti a i che lo legano ai dati precedenti a meno di un errore (ε) *. Non lavoro quindi più sulla serie di dati iniziali ma su una sua interpolazione. In questo modo, è come se rendessi continuo il segnale discreto compreso in ogni intervallino di p punti riuscendo ad ottenere risoluzioni in frequenza molto piccole anche per durate molto brevi del segnale iniziale. Viene poi fatta l autocorrelazione della serie così ricostruita per estrarre le periodicità presenti.? *(Gli algoritmi usati per calcolare i coefficienti a sono basati sulla minimizzazione di ε).

80 Correlazione fra due serie di dati (x e y): y y x x Buona correlazione (R ±1) Cattiva correlazione (R 0) Le due serie di dati sono correlate tra loro: (y=ax+b) Non c è relazione fra le due serie di dati ma sono distribuite casualmente l una rispetto all altra.

81 Autocorrelazione Facciamo una correlazione tra una serie di N dati e se stessa introducendo un ritardo variabile tra 0 e N. Stimiamo il valore di correlazione corrispondente ad ogni ritardo in modo che ci indichi quanto è buona la sovrapposizione.

82 Autocorrelazione di una serie di dati contenenti solo rumore (casuale) Se la serie di dati contiene del rumore casuale, allora il grafico dell autocorrelazione è praticamente piatto Se ho un segnale contenente delle onde con propria periodicità sovrapposte a rumore casuale, l autocorrelazione elimina il rumore casuale e mette in evidenza il segnale periodico presente nella serie iniziale.

83 In questo modo verifico se nella serie sono presenti delle strutture che si ripetono, con quale ampiezza e con quale ritardo l una rispetto all altra (periodicità). Estraendo le periodicità (frequenze) e la loro ampiezza dal segnale mediante analisi di Fourier riesco quindi a ricavare lo spettro delle frequenze presenti nella serie. Ciascuna banda viene rappresentata come una curva a campana la cui area rappresenta la potenza associata a quella data frequenza. La somma delle curve relative a tutte le periodicità trovate rappresenta lo spettro del segnale. La risoluzione in frequenza è molto maggiore di quella che si ottiene mediante analisi di Fourier. Posso quindi analizzare pezzi piccoli di segnale discriminando correttamente fra le diverse bande di interesse.

84

85 Ipotesi per poter applicare l analisi AR Il segnale iniziale deve essere stazionario (media e varianza costante). L analisi funziona correttamente se l autoregressione ricostruisce il segnale senza commettere errori. Maggiore è il modello, migliore la ricostruzione del segnale. Il numero di periodicità che riesco ad estrarre dipende dall ordine del modello autoregressivo che utilizzo per ricostruire il segnale. Se il modello ha ordine p, riesco ad estrarre circa p/2 picchi. Se l ordine del modello è insufficiente a ricostruire correttamente il segnale, perdo delle periodicità. Se l ordine del modello è troppo elevato, vengono identificate delle periodicità non presenti nel segnale.

86 E importante scegliere correttamente l ordine del modello. Esistono diversi metodi per scegliere quello ottimale. I più usati sono: AIC (Akaike Information Criterion) FPE (Final Prediction Error) MDL (Minimum Description Length)

87 Esempio (AIC)

88 Attenzione!!!!!!!!!!!!!!!!!!!!!!!!!!!!!! L ordine del modello ottimale dipende dal numero di punti usati per l autoregressione e quindi dalla frequenza di campionamento. Esempio (AIC) Tacogramma campionato a 4Hz Tacogramma campionato a 2Hz Maggiore è la frequenza di ricampionamento, maggiore è l ordine del modello richiesto.

89 Esempio (fase di ortostatismo tilt test) f=1hz OM: 6 OM: 10 OM: 16 OM: 30 f=2hz OM: 6 OM: 10 OM: 16 OM: 30 f=8hz OM: 6 OM: 10 OM: 16 OM: 30

90 f=1hz Se avessimo usato Fourier f=2hz f=8hz

91 Segnale con discontinuità: la presenza di una discontinuità altera la stazionarietà del segnale Elimino la discontinuità

92 Se usassi l analisi di Fourier Elimino la discontinuità

93 Esempio (Stazionarietà del segnale) TILT TEST f: 8Hz 5 minuti 5 minuti

94 5 minuti NON POSSO FARE L ANALISI AUTOREGRESSIVA!!!!!!!! 15 minuti

95 Posso filtrare il segnale in modo da renderlo stazionario. 1) Estraggo le variazione lente e le sottraggo alla sequenza degli RR Modifico in maniera importante le frequenze basse ed eseguo l analisi su una serie di RR che non sono più quelli originari

96 Riassumiamo.

97 Analisi Fourier Riassumiamo.

98 Analisi Fourier Riassumiamo. Indipendente dall operatore (metodo non parametrico)

99 Analisi Fourier Riassumiamo. Indipendente dall operatore (metodo non parametrico) Necessità clinica di segnali stazionari

100 Analisi Fourier Riassumiamo. Indipendente dall operatore (metodo non parametrico) Necessità clinica di segnali stazionari Buona risoluzione in frequenza per periodi lunghi (>5minuti) Scarsa risoluzione su finestre più brevi e quindi impossibilità di analisi di fasi transitorie rapide.

101 Analisi Fourier Riassumiamo. Indipendente dall operatore (metodo non parametrico) Necessità clinica di segnali stazionari Buona risoluzione in frequenza per periodi lunghi (>5minuti) Scarsa risoluzione su finestre più brevi e quindi impossibilità di analisi di fasi transitorie rapide. Incapacità di localizzare temporalmente le armoniche. Se riduco il periodo di analisi non ho sufficiente risoluzione in frequenza.

102 Analisi Fourier Indipendente dall operatore (metodo non parametrico) Riassumiamo. Analisi Autoregressiva Necessità clinica di segnali stazionari Buona risoluzione in frequenza per periodi lunghi (>5minuti) Scarsa risoluzione su finestre più brevi e quindi impossibilità di analisi di fasi transitorie rapide. Incapacità di localizzare temporalmente le armoniche. Se riduco il periodo di analisi non ho sufficiente risoluzione in frequenza.

103 Analisi Fourier Indipendente dall operatore (metodo non parametrico) Riassumiamo. Analisi Autoregressiva Dipendente dall operatore (metodo parametrico) Necessità clinica di segnali stazionari Buona risoluzione in frequenza per periodi lunghi (>5minuti) Scarsa risoluzione su finestre più brevi e quindi impossibilità di analisi di fasi transitorie rapide. Incapacità di localizzare temporalmente le armoniche. Se riduco il periodo di analisi non ho sufficiente risoluzione in frequenza.

104 Analisi Fourier Indipendente dall operatore (metodo non parametrico) Riassumiamo. Analisi Autoregressiva Dipendente dall operatore (metodo parametrico) Necessità clinica di segnali stazionari Buona risoluzione in frequenza per periodi lunghi (>5minuti) Scarsa risoluzione su finestre più brevi e quindi impossibilità di analisi di fasi transitorie rapide. Necessità tecnica e clinica di segnali stazionari (impossibilità di analisi di fasi transitorie rapide) Incapacità di localizzare temporalmente le armoniche. Se riduco il periodo di analisi non ho sufficiente risoluzione in frequenza.

ANALISI DI SEGNALI BIOLOGICI

ANALISI DI SEGNALI BIOLOGICI ANALISI DI SEGNALI BIOLOGICI A.Accardo accardo@units.it LM Neuroscienze A.A. 2010-11 Parte II 1 Analisi in frequenza di un segnale l analisi in frequenza di un segnale o analisi di Fourier descrive il

Dettagli

Accuratezza di uno strumento

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

Dettagli

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

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

Dettagli

Preprocessamento dei Dati

Preprocessamento dei Dati Preprocessamento dei Dati Raramente i dati sperimentali sono pronti per essere utilizzati immediatamente per le fasi successive del processo di identificazione, a causa di: Offset e disturbi a bassa frequenza

Dettagli

(accuratezza) ovvero (esattezza)

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

Dettagli

La distribuzione Normale. La distribuzione Normale

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

Dettagli

Deviazione standard delle misure : dove è la varianza e sono gli scarti quadratici

Deviazione standard delle misure : dove è la varianza e sono gli scarti quadratici ELEMENTI DI PROBABILITA Media : migliore stima del valore vero in assenza di altre info. Aumentare il numero di misure permette di approssimare meglio il valor medio e quindi ridurre l influenza degli

Dettagli

tanhαl + i tan(ωl/v) 1 + i tanh αl tan(ωl/v). (10.1)

tanhαl + i tan(ωl/v) 1 + i tanh αl tan(ωl/v). (10.1) 10 - La voce umana Lo strumento a fiato senz altro più importante è la voce, ma è anche il più difficile da trattare in modo esauriente in queste brevi note, a causa della sua complessità. Vediamo innanzitutto

Dettagli

IL SAMPLE AND HOLD UNIVERSITÀ DEGLI STUDI DI MILANO. Progetto di Fondamenti di Automatica. PROF.: M. Lazzaroni

IL SAMPLE AND HOLD UNIVERSITÀ DEGLI STUDI DI MILANO. Progetto di Fondamenti di Automatica. PROF.: M. Lazzaroni UNIVERSITÀ DEGLI STUDI DI MILANO FACOLTÀ DI SCIENZE MATEMATICHE, FISICHE E NATURALI Corso di Laurea in Informatica IL SAMPLE AND HOLD Progetto di Fondamenti di Automatica PROF.: M. Lazzaroni Anno Accademico

Dettagli

METODI ITERATIVI PER SISTEMI LINEARI

METODI ITERATIVI PER SISTEMI LINEARI METODI ITERATIVI PER SISTEMI LINEARI LUCIA GASTALDI 1. Metodi iterativi classici Sia A R n n una matrice non singolare e sia b R n. Consideriamo il sistema (1) Ax = b. Un metodo iterativo per la soluzione

Dettagli

SVILUPPO IN SERIE DI FOURIER

SVILUPPO IN SERIE DI FOURIER SVILUPPO IN SERIE DI FOURIER Cenni Storici (Wikipedia) Jean Baptiste Joseph Fourier ( nato a Auxerre il 21 marzo 1768 e morto a Parigi il 16 maggio 1830 ) è stato un matematico e fisico, ma è conosciuto

Dettagli

Metodi e Strumenti per la Caratterizzazione e la Diagnostica di Trasmettitori Digitali RF ing. Gianfranco Miele g.miele@unicas.it

Metodi e Strumenti per la Caratterizzazione e la Diagnostica di Trasmettitori Digitali RF ing. Gianfranco Miele g.miele@unicas.it Corso di laurea magistrale in Ingegneria delle Telecomunicazioni Metodi e Strumenti per la Caratterizzazione e la Diagnostica di Trasmettitori Digitali RF ing. Gianfranco Miele g.miele@unicas.it Trasmettitore

Dettagli

Capitolo 12 La regressione lineare semplice

Capitolo 12 La regressione lineare semplice Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004 ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 004 Il candidato risolva uno dei due problemi e 5 dei 10 quesiti in cui si articola il questionario. PROBLEMA 1 Sia f la funzione definita da: f

Dettagli

Strumenti Elettronici Analogici/Numerici

Strumenti Elettronici Analogici/Numerici Facoltà di Ingegneria Università degli Studi di Firenze Dipartimento di Elettronica e Telecomunicazioni Strumenti Elettronici Analogici/Numerici Ing. Andrea Zanobini Dipartimento di Elettronica e Telecomunicazioni

Dettagli

bipolari, quando essi, al variare del tempo, assumono valori sia positivi che negativi unipolari, quando essi non cambiano mai segno

bipolari, quando essi, al variare del tempo, assumono valori sia positivi che negativi unipolari, quando essi non cambiano mai segno Parametri dei segnali periodici I segnali, periodici e non periodici, si suddividono in: bipolari, quando essi, al variare del tempo, assumono valori sia positivi che negativi unipolari, quando essi non

Dettagli

Introduzione alla Teoria degli Errori

Introduzione alla Teoria degli Errori Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non

Dettagli

Forma d onda rettangolare non alternativa.

Forma d onda rettangolare non alternativa. Forma d onda rettangolare non alternativa. Lo studio della forma d onda rettangolare è utile, perché consente di conoscere il contenuto armonico di un segnale digitale. FIGURA 33 Forma d onda rettangolare.

Dettagli

Principal Component Analysis (PCA)

Principal Component Analysis (PCA) Principal Component Analysis (PCA) Come evidenziare l informazione contenuta nei dati S. Marsili-Libelli: Calibrazione di Modelli Dinamici pag. Perche PCA? E un semplice metodo non-parametrico per estrarre

Dettagli

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

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

Dettagli

DERIVATE DELLE FUNZIONI. esercizi proposti dal Prof. Gianluigi Trivia

DERIVATE DELLE FUNZIONI. esercizi proposti dal Prof. Gianluigi Trivia DERIVATE DELLE FUNZIONI esercizi proposti dal Prof. Gianluigi Trivia Incremento della variabile indipendente e della funzione. Se, sono due valori della variabile indipendente, y f ) e y f ) le corrispondenti

Dettagli

Studio sperimentale della propagazione di un onda meccanica in una corda

Studio sperimentale della propagazione di un onda meccanica in una corda Studio sperimentale della propagazione di un onda meccanica in una corda Figura 1: Foto dell apparato sperimentale. 1 Premessa 1.1 Velocità delle onde trasversali in una corda E esperienza comune che quando

Dettagli

STUDIO DI UNA FUNZIONE

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

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Teoria quantistica della conduzione nei solidi e modello a bande

Teoria quantistica della conduzione nei solidi e modello a bande Teoria quantistica della conduzione nei solidi e modello a bande Obiettivi - Descrivere il comportamento quantistico di un elettrone in un cristallo unidimensionale - Spiegare l origine delle bande di

Dettagli

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2002 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARCHIMEDE 4/ 97 ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Il candidato risolva uno dei due problemi e 5 dei quesiti in cui si articola il questionario. PROBLEMA In un

Dettagli

Acustica con una Bic e uno smartphone

Acustica con una Bic e uno smartphone 1 Acustica con una Bic e uno smartphone L. Galante #, 1, A. M. Lombardi*, 2 # LSS G. Bruno, Torino, Italy. * ITCS Primo Levi, Bollate (MI), Italy. Abstract. A smartphone, with its integrated sensors and

Dettagli

Il concetto di valore medio in generale

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

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

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

Dettagli

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

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

Dettagli

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento Archimede esame di stato seconda prova scritta per il liceo scientifico di ordinamento ARTICOLO Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA La funzione f

Dettagli

NOTA APPLICATIVA IL METODO DEL PICCO PONDERATO NELLA VALUTAZIONE DELL ESPOSIZIONE UMANA AI CAMPI ELETTROMAGNETICI

NOTA APPLICATIVA IL METODO DEL PICCO PONDERATO NELLA VALUTAZIONE DELL ESPOSIZIONE UMANA AI CAMPI ELETTROMAGNETICI NOTA APPLICATIVA IL METODO DEL PICCO PONDERATO NELLA VALUTAZIONE DELL ESPOSIZIONE UMANA AI CAMPI ELETTROMAGNETICI Daniele Andreuccetti Alessandro Gandolfo Mario Monti Nicola Zoppetti Dicembre 2013 NOTA

Dettagli

Cenni di Elettronica non Lineare

Cenni di Elettronica non Lineare 1 Cenni di Elettronica non Lineare RUOLO DELL ELETTRONICA NON LINEARE La differenza principale tra l elettronica lineare e quella non-lineare risiede nel tipo di informazione che viene elaborata. L elettronica

Dettagli

Elementi di Statistica

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

Dettagli

Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 2014

Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 2014 Proposta di soluzione della prova di matematica Liceo scientifico di Ordinamento - 14 Problema 1 Punto a) Osserviamo che g (x) = f(x) e pertanto g () = f() = in quanto Γ è tangente all asse delle ascisse,

Dettagli

esame di stato 2012 seconda prova scritta per il liceo scientifico di ordinamento

esame di stato 2012 seconda prova scritta per il liceo scientifico di ordinamento RTICL rchimede 4 esame di stato seconda prova scritta per il liceo scientifico di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario PRBLEM Siano f e g le funzioni

Dettagli

QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE

QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE QUARTA E QUINTA ISTITUTO TECNICO INDUSTRIALE - Matematica - Griglie di valutazione Materia: Matematica Obiettivi disciplinari Gli obiettivi indicati si riferiscono all intero percorso della classe quarta

Dettagli

Circuiti Elettrici. Schema riassuntivo. Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante

Circuiti Elettrici. Schema riassuntivo. Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante Circuiti Elettrici Schema riassuntivo Leggi fondamentali dei circuiti elettrici lineari Assumendo positive le correnti uscenti da un nodo e negative quelle entranti si formula l importante La conseguenza

Dettagli

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento

esame di stato 2014 seconda prova scritta per i licei scientifici di ordinamento ARTICOLO Archimede 4 4 esame di stato 4 seconda prova scritta per i licei scientifici di ordinamento Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA Nella figura

Dettagli

Esempi introduttivi Variabili casuali Eventi casuali e probabilità

Esempi introduttivi Variabili casuali Eventi casuali e probabilità Esempi introduttivi Esempio tipico di problema della meccanica razionale: traiettoria di un proiettile. Esempio tipico di problema idraulico: altezza d'acqua corrispondente a una portata assegnata. Come

Dettagli

Laboratorio di Elettrotecnica

Laboratorio di Elettrotecnica 1 Laboratorio di Elettrotecnica Rappresentazione armonica dei Segnali Prof. Pietro Burrascano - Università degli Studi di Perugia Polo Scientifico Didattico di Terni 2 SEGNALI: ANDAMENTI ( NEL TEMPO, NELLO

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

MINIMI QUADRATI. REGRESSIONE LINEARE

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

Dettagli

I Numeri Complessi. Si verifica facilmente che, per l operazione di somma in definita dalla (1), valgono le seguenti

I Numeri Complessi. Si verifica facilmente che, per l operazione di somma in definita dalla (1), valgono le seguenti Y T T I Numeri Complessi Operazioni di somma e prodotto su Consideriamo, insieme delle coppie ordinate di numeri reali, per cui si ha!"# $&% '( e )("+* Introduciamo in tale insieme una operazione di somma,/0"#123045"#

Dettagli

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

Dettagli

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito.

INTEGRALI DEFINITI. Tale superficie viene detta trapezoide e la misura della sua area si ottiene utilizzando il calcolo di un integrale definito. INTEGRALI DEFINITI Sia nel campo scientifico che in quello tecnico si presentano spesso situazioni per affrontare le quali è necessario ricorrere al calcolo dell integrale definito. Vi sono infatti svariati

Dettagli

Equazioni non lineari

Equazioni non lineari Dipartimento di Matematica tel. 011 0907503 stefano.berrone@polito.it http://calvino.polito.it/~sberrone Laboratorio di modellazione e progettazione materiali Trovare il valore x R tale che f (x) = 0,

Dettagli

Parte 2. Determinante e matrice inversa

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

Dettagli

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE

ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE ALGEBRA: LEZIONI DAL 13 OTTOBRE AL 3 NOVEMBRE 1 DIPENDENZA E INDIPENDENZA LINEARE Se ho alcuni vettori v 1, v 2,, v n in uno spazio vettoriale V, il sottospazio 1 W = v 1,, v n di V da loro generato è

Dettagli

v in v out x c1 (t) Molt. di N.L. H(f) n

v in v out x c1 (t) Molt. di N.L. H(f) n Comunicazioni elettriche A - Prof. Giulio Colavolpe Compito n. 3 3.1 Lo schema di Fig. 1 è un modulatore FM (a banda larga). L oscillatore che genera la portante per il modulatore FM e per la conversione

Dettagli

EQUAZIONI non LINEARI

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

Dettagli

Esercitazioni di Statistica

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

Dettagli

Da una a più variabili: derivate

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

Dettagli

I sistemi di acquisizione dati

I sistemi di acquisizione dati I sistemi di acquisizione dati L'utilizzo dei computers, e dei PC in particolare, ha notevolmente aumentato la produttività delle attività sperimentali. Fenomeno fisico Sensore/ trasduttore Acquisizione

Dettagli

LE TRASFORMAZIONI GEOMETRICHE NEL PIANO

LE TRASFORMAZIONI GEOMETRICHE NEL PIANO LE TRASFORMAZIONI GEOMETRICHE NEL PIANO Una trasformazione geometrica è una funzione che fa corrispondere a ogni punto del piano un altro punto del piano stesso Si può pensare come MOVIMENTO di punti e

Dettagli

ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA.

ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA. ELEMENTI DI GEOMETRIA ANALITICA: LA RETTA. Prerequisiti I radicali Risoluzione di sistemi di equazioni di primo e secondo grado. Classificazione e dominio delle funzioni algebriche Obiettivi minimi Saper

Dettagli

Anche tu utilizzi lastre (X-Ray Film) in Chemiluminescenza?

Anche tu utilizzi lastre (X-Ray Film) in Chemiluminescenza? Anche tu utilizzi lastre (X-Ray Film) in Chemiluminescenza? Con ALLIANCE Uvitec di Eppendorf Italia risparmi tempo e materiale di consumo, ottieni immagini quantificabili e ci guadagni anche in salute.

Dettagli

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice

+ / operatori di confronto (espressioni logiche/predicati) / + 5 3 9 = > < Pseudo codice. Pseudo codice Pseudo codice Pseudo codice Paolo Bison Fondamenti di Informatica A.A. 2006/07 Università di Padova linguaggio testuale mix di linguaggio naturale ed elementi linguistici con sintassi ben definita e semantica

Dettagli

Amministrazione, finanza e marketing - Turismo Ministero dell Istruzione, dell Università e della Ricerca PROGRAMMAZIONE DISCIPLINARE PER U. di A.

Amministrazione, finanza e marketing - Turismo Ministero dell Istruzione, dell Università e della Ricerca PROGRAMMAZIONE DISCIPLINARE PER U. di A. UdA n. 1 Titolo: Disequazioni algebriche Saper esprimere in linguaggio matematico disuguaglianze e disequazioni Risolvere problemi mediante l uso di disequazioni algebriche Le disequazioni I principi delle

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n 1 Medie La statistica consta di un insieme di metodi atti a elaborare e a sintetizzare i dati relativi alle caratteristiche di una fissata popolazione, rilevati mediante osservazioni o esperimenti. Col

Dettagli

QUADERNI DI DIDATTICA

QUADERNI DI DIDATTICA Department of Applied Mathematics, University of Venice QUADERNI DI DIDATTICA Tatiana Bassetto, Marco Corazza, Riccardo Gusso, Martina Nardon Esercizi sulle funzioni di più variabili reali con applicazioni

Dettagli

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA

UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA UNIVERSITA DI PISA FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA ELETTRONICA ANNO ACCADEMICO 2004-2005 TESI DI LAUREA SVILUPPO DI METODI DECONVOLUTIVI PER L INDIVIDUAZIONE DI SORGENTI INDIPENDENTI

Dettagli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli

su web che riportano documentazione e software dedicati agli argomenti trattati nel libro, riportandone, alla fine dei rispettivi capitoli, gli Prefazione Non è facile definire che cosa è un problema inverso anche se, ogni giorno, facciamo delle operazioni mentali che sono dei metodi inversi: riconoscere i luoghi che attraversiamo quando andiamo

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE

EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE EQUAZIONI E DISEQUAZIONI POLINOMIALI E COLLEGAMENTI CON LA GEOMETRIA ELEMENTARE 1. EQUAZIONI Definizione: un equazione è un uguaglianza tra due espressioni letterali (cioè in cui compaiono numeri, lettere

Dettagli

Le funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1

Le funzioni continue. A. Pisani Liceo Classico Dante Alighieri A.S. 2002-03. A. Pisani, appunti di Matematica 1 Le funzioni continue A. Pisani Liceo Classico Dante Alighieri A.S. -3 A. Pisani, appunti di Matematica 1 Nota bene Questi appunti sono da intendere come guida allo studio e come riassunto di quanto illustrato

Dettagli

Dinamica e Misura delle Vibrazioni

Dinamica e Misura delle Vibrazioni Dinamica e Misura delle Vibrazioni Prof. Giovanni Moschioni Politecnico di Milano, Dipartimento di Meccanica Sezione di Misure e Tecniche Sperimentali giovanni.moschioni@polimi.it VibrazionI 2 Il termine

Dettagli

ELABORAZIONE DEL VALORE MEDIO NELLE MISURE ELETTRONICHE

ELABORAZIONE DEL VALORE MEDIO NELLE MISURE ELETTRONICHE NOTE PER IL TECNICO ELABORAZIONE DEL VALORE MEDIO NELLE MISURE ELETTRONICHE da BRUEL & KJAER Le cosiddette «application notes» pubblicate a cura della Bruel & Kjaer, nota Fabbrica danese specializzata

Dettagli

ANALISI MEDIANTE LO SPETTRO DI RISPOSTA

ANALISI MEDIANTE LO SPETTRO DI RISPOSTA ANALISI EDIANTE LO SPETTRO DI RISPOSTA arco BOZZA * * Ingegnere Strutturale, già Direttore della Federazione regionale degli Ordini degli Ingegneri del Veneto (FOIV), Amministratore di ADEPRON DINAICA

Dettagli

Oscilloscopi serie WaveAce

Oscilloscopi serie WaveAce Oscilloscopi serie WaveAce 60 MHz 300 MHz Il collaudo facile, intelligente ed efficiente GLI STRUMENTI E LE FUNZIONI PER TUTTE LE TUE ESIGENZE DI COLLAUDO CARATTERISTICHE PRINCIPALI Banda analogica da

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO

TEORIA PERTURBATIVA DIPENDENTE DAL TEMPO Capitolo 14 EORIA PERURBAIVA DIPENDENE DAL EMPO Nel Cap.11 abbiamo trattato metodi di risoluzione dell equazione di Schrödinger in presenza di perturbazioni indipendenti dal tempo; in questo capitolo trattiamo

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

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

Dettagli

Sequenza Sismica Aquilana (2009): variazioni in frequenza della risposta di sito (intra-evento) osservata sulle registrazioni accelerometriche.

Sequenza Sismica Aquilana (2009): variazioni in frequenza della risposta di sito (intra-evento) osservata sulle registrazioni accelerometriche. Sequenza Sismica Aquilana (2009): variazioni in frequenza della risposta di sito (intra-evento) osservata sulle registrazioni accelerometriche. R. Ditommaso 1, M. Mucciarelli 1, M. Bianca 1, R. Puglia

Dettagli

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE

ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE ALCUNE APPLICAZIONI DEL CALCOLO DIFFERENZIALE Sia I un intervallo di R e siano a = inf(i) R { } e b = sup(i) R {+ }; i punti di I diversi dagli estremi a e b, ( e quindi appartenenti all intervallo aperto

Dettagli

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE TELECOMUNICAZIONI (TLC) Tele (lontano) Comunicare (inviare informazioni) Comunicare a distanza Generico sistema di telecomunicazione (TLC) Segnale non elettrico Segnale elettrico TRASMESSO s x (t) Sorgente

Dettagli

Lo schema a blocchi di uno spettrofotometro

Lo schema a blocchi di uno spettrofotometro Prof.ssa Grazia Maria La Torre è il seguente: Lo schema a blocchi di uno spettrofotometro SORGENTE SISTEMA DISPERSIVO CELLA PORTACAMPIONI RIVELATORE REGISTRATORE LA SORGENTE delle radiazioni elettromagnetiche

Dettagli

Valore caratteristico EC7

Valore caratteristico EC7 Procedura da adottare - Azioni (E) Valore caratteristico EC7 Per le combinazioni delle azioni si rimanda a quanto detto ampiamente in precedenza. Resistenze (Rd) del sistema geotecnico Il valore di progetto

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca Trascrizione del testo e redazione delle soluzioni di Paolo Cavallo. La prova Il candidato svolga una relazione

Dettagli

a. 10 4 b. 10-15 c. 10 25 d. 10-4 a. 4,375 10-7 b. 3,625 10-6 c. 4,375 10 2 d. nessuno dei precedenti valori a. 10-5 b. 10 +5 c. 10 +15 d.

a. 10 4 b. 10-15 c. 10 25 d. 10-4 a. 4,375 10-7 b. 3,625 10-6 c. 4,375 10 2 d. nessuno dei precedenti valori a. 10-5 b. 10 +5 c. 10 +15 d. 1) Il valore di 5 10 20 è: a. 10 4 b. 10-15 c. 10 25 d. 10-4 2) Il valore del rapporto (2,8 10-4 ) / (6,4 10 2 ) è: a. 4,375 10-7 b. 3,625 10-6 c. 4,375 10 2 d. nessuno dei precedenti valori 3) La quantità

Dettagli

IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 40: Filtro di Kalman - introduzione. Struttura ricorsiva della soluzione.

IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI. Lezione 40: Filtro di Kalman - introduzione. Struttura ricorsiva della soluzione. IDENTIFICAZIONE dei MODELLI e ANALISI dei DATI Lezione 40: Filtro di Kalman - introduzione Cenni storici Filtro di Kalman e filtro di Wiener Formulazione del problema Struttura ricorsiva della soluzione

Dettagli

ESAME DI STATO 2010 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO

ESAME DI STATO 2010 SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO Archimede ESAME DI STATO SECONDA PROVA SCRITTA PER IL LICEO SCIENTIFICO DI ORDINAMENTO ARTICOLO Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. Sia ABCD un quadrato di

Dettagli

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA)

4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) 4.2. IL TEST F DI FISHER O ANALISI DELLA VARIANZA (ANOVA) L analisi della varianza è un metodo sviluppato da Fisher, che è fondamentale per l interpretazione statistica di molti dati biologici ed è alla

Dettagli

Nota su Crescita e Convergenza

Nota su Crescita e Convergenza Nota su Crescita e Convergenza S. Modica 28 Ottobre 2007 Nella prima sezione si considerano crescita lineare ed esponenziale e le loro proprietà elementari. Nella seconda sezione si spiega la misura di

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Pag 1 di 92 Francesco Sardo ELEMENTI DI STATISTICA PER VALUTATORI DI SISTEMI QUALITA AMBIENTE - SICUREZZA REV. 11 16/08/2009 Pag 2 di 92 Pag 3 di 92 0 Introduzione PARTE I 1 Statistica descrittiva 1.1

Dettagli

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora:

Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: Iniziamo con un esercizio sul massimo comun divisore: Esercizio 1. Sia d = G.C.D.(a, b), allora: G.C.D.( a d, b d ) = 1 Sono state introdotte a lezione due definizioni importanti che ricordiamo: Definizione

Dettagli

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α?

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? QUESITO 1 Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? Applicando il Teorema dei seni si può determinare il valore di senza indeterminazione, in quanto dalla

Dettagli

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

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

Dettagli

PET. Radionuclidi più utilizzati nella PET. Elemento prodotto T 1/2 in minuti primi B5 20 C6 10 N7 2 F 9 O8 110

PET. Radionuclidi più utilizzati nella PET. Elemento prodotto T 1/2 in minuti primi B5 20 C6 10 N7 2 F 9 O8 110 PET L acronimo PET sta per Positron Emission Tomography. Come per la SPECT, anche in questo caso si ha a che fare con una tecnica tomografica d indagine di tipo emissivo in quanto la sorgente di radiazione

Dettagli

Geometria nel piano complesso

Geometria nel piano complesso Geometria nel piano complesso Giorgio Ottaviani Contents Un introduzione formale del piano complesso 2 Il teorema di Napoleone 5 L inversione circolare 6 4 Le trasformazioni di Möbius 7 5 Il birapporto

Dettagli

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

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

Dettagli

Programmazione Generale. Matematica e Complementi. Classi: 2 Biennio Quarta. Istituto Tecnico Tecnologico Basilio Focaccia Salerno

Programmazione Generale. Matematica e Complementi. Classi: 2 Biennio Quarta. Istituto Tecnico Tecnologico Basilio Focaccia Salerno Istituto Tecnico Tecnologico Basilio Focaccia Salerno Programmazione Generale Matematica e Complementi Classi: 2 Biennio Quarta I Docenti della Disciplina Salerno, lì 12 settembre 2014 Finalità della Disciplina

Dettagli

SISTEMI LINEARI QUADRATI: METODI ITERATIVI

SISTEMI LINEARI QUADRATI: METODI ITERATIVI SISTEMI LINEARI QUADRATI: METODI ITERATIVI CALCOLO NUMERICO e PROGRAMMAZIONE SISTEMI LINEARI QUADRATI:METODI ITERATIVI p./54 RICHIAMI di ALGEBRA LINEARE DEFINIZIONI A R n n simmetrica se A = A T ; A C

Dettagli

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014)

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) Le grandezze fisiche. Metodo sperimentale di Galilei. Concetto di grandezza fisica e della sua misura. Il Sistema internazionale di Unità

Dettagli

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno La Vista CAS L ambiente di lavoro Le celle Assegnazione di una variabile o di una funzione / visualizzazione

Dettagli

Numeri reali. Funzioni e loro grafici

Numeri reali. Funzioni e loro grafici Argomento Numeri reali. Funzioni e loro grafici Parte B - Funzioni e loro grafici Funzioni reali di variabile reale Definizioni. Supponiamo che A sia un sottoinsieme di R e che esista una legge che ad

Dettagli

LA FUNZIONE ESPONENZIALE E IL LOGARITMO

LA FUNZIONE ESPONENZIALE E IL LOGARITMO LA FUNZIONE ESPONENZIALE E IL LOGARITMO APPUNTI PER IL CORSO DI ANALISI MATEMATICA I G. MAUCERI Indice 1. Introduzione 1 2. La funzione esponenziale 2 3. Il numero e di Nepero 9 4. L irrazionalità di e

Dettagli

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

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

Dettagli

L : L/2 = 1 : ½ = 2 : 1

L : L/2 = 1 : ½ = 2 : 1 LA SCALA PITAGORICA (e altre scale) 1 IL MONOCORDO I Greci, già circa 500 anni prima dell inizio dell era cristiana, utilizzavano un semplice strumento: il monocordo. Nel monocordo, un ponticello mobile

Dettagli