CPM: Calcolo del Cammino Critico

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "CPM: Calcolo del Cammino Critico"

Transcript

1 Supponamo d conoscere per ogn attvtà A = (,j) la sua durata t j t j j Calcolamo l tempo al pù presto n cu può nzare o fnre una attvtà. Supponamo d dover calcolare l tempo al pù presto n cu s possono nzare le attvtà che partono dal nodo evento. k j k 2 j 2 k n j n

2 ET(k ) k t k j ET(k 2 ) k 2 t k2 j 2 ET(k n ) k n t kn j n ET()= ET(k ) ET(k 2 )... + t k + t k2 ET(k n ) + t kn 2

3 ET(k ) k t k j ET(k 2 ) k 2 t k2 ET() j 2 ET(k n ) k n t kn j n ET(k ) + t k ET()= MAX ET(k 2 )... + t k2 NOTA: ET()= 0 ET(k n ) + t kn

4 ET(k ) k t k j ET(k 2 ) k 2 t k2 ET() j 2 ET(k n ) k n t kn j n ET( ) max k P( ) ET( k) t( k, ) =,...,n 4

5 Calcolamo l tempo massmo ammssble entro l quale s può nzare o fnre una attvtà. Un rtardo oltre questo tempo n un qualsas nodo-evento può provocare un analogo rtardo alla fne del progetto. Supponamo d dover calcolare l tempo massmo ammssble n corrspondenza del nodo evento. k j k 2 j 2 k n j n

6 k t j j LT( j ) k 2 t j2 j 2 LT( j 2 ) t jn k n j n LT( j n ) LT()= LT( j ) LT( j 2 )... - t j - t j2 LT( j n ) - t jn 6

7 k t j j LT( j ) k 2 t j2 j 2 LT( j 2 ) LT() t jn k n j n LT( j n ) LT( j ) - t j LT()=MIN LT( j 2 )... - t j2 NOTA: LT(n)= ET(n) LT( j n ) - t jn 7

8 k t j j LT( j ) k 2 t j2 j 2 LT( j 2 ) LT() t jn k n j n LT( j n ) LT ( ) mn j S ( ) LT ( j) t(, j) =,...,n 8

9 In un qualsas progetto alcune attvtà sono flessbl, relatvamente a quando s Possono ncomncare e fnre, altre nvece non sono flessbl, ma tal che se s Rtarda una qualsas d esse s rtarderà l ntero progetto. Queste sono le attvtà crtche. Il cammno crtco: LA DURATA PIU LUNGA DELLE ATTIVITA ATTRAVERSO IL PROGETTO In un progetto c è sempre un cammno crtco ed a volte ve n è pù d uno 9

10 Il cammno crtco è quel cammno nel quale le attvtà non ammettono scorrment d tempo (fluttuazon d tempo) Il flottante totale d una attvtà: È dato dalla dfferenza fra l tempo massmo ammssble d fne attvtà e l tempo mnmo possble d nzo dell attvtà, meno la durata dell attvtà stessa. t j j TF(,j) = LT(j) ET() - t j 0

11 Una attvtà A=(,j) è detta crtca se TF(,j) = 0 Esempo: Sa dato l grafo delle seguent attvtà con le rspettve durate Nodo ET() LT()

12 Nodo ET() LT() Attvtà TF(,j) (,2) (,) 0 (,) 7 (2,4) (,4) 0 (4,) 0 (4,6) (,6) 0 2

13 Il cammno crtco è quel cammno formato da tutte e sole le attvtà crtche Attvtà TF(,j) (,2) (,) 0 (,) 7 (2,4) (,4) 0 (4,) 0 (4,6) (,6)

14 Il cammno crtco è quel cammno formato da tutte e sole le attvtà crtche Attvtà TF(,j) (,2) (,) 0 (,) 7 (2,4) (,4) 0 (4,) 0 (4,6) (,6)

15 Il cammno crtco è quel cammno formato da tutte e sole le attvtà crtche Attvtà TF(,j) (,2) (,) 0 (,) 7 (2,4) (,4) 0 (4,) 0 (4,6) (,6)

16 Il cammno crtco è quel cammno formato da tutte e sole le attvtà crtche Attvtà TF(,j) (,2) (,) 0 (,) 7 (2,4) (,4) 0 (4,) 0 (4,6) (,6)

17 Il cammno crtco è quel cammno formato da tutte e sole le attvtà crtche Attvtà TF(,j) (,2) (,) 0 (,) 7 (2,4) (,4) 0 (4,) 0 (4,6) (,6)

18 Il problema d determnare l cammno crtco può essere formulato anche come un problema d programmazone lneare nel seguente modo: x j = tempo al quale s ncontra l nodo j durante l progetto; F = nodo che rappresenta la fne del progetto; mn xf x x x t(, j j) (, j) A x j qualsas con A l nseme degl arch o attvtà del grafo. 8

19 PERT 9

20 PERT In molt cas non s può stablre con precsone la data esatta d fne d un progetto, però s può stablre l tempo pù probable nel quale l lavoro può fnre. Il metodo PERT (Project Evaluaton and Revew Technque) ha avuto successo per la forma partcolare d calcolo della durata (ncognta o aleatora) d ogn sngola attvtà. Questo sstema consste nello stmare, per ogn attvtà:. la durata pù probable (m); 2. la durata pessmstca (b);. la durata ottmstca (a). 20

21 PERT La Durata Meda (DE) DE = (a + 4m + b)/6 La Durata Meda serve solo ad ndcare la durata d una attvtà con la maggore approssmazone possble. Questa ncertezza può essere però msurata attraverso l calcolo della varabltà o varanza della durata della sngola attvtà: V = (b - a) 2 /6 2

22 PERT Una volta calcolate le durate mede DE d cascuna attvtà possamo utlzzare tal stme come pes da assocare agl arch del grafo G del progetto e calcorare, d conseguenza, l cammno crtco su G col metodo CPM. Pertanto nel metodo PERT, per calcolare la durata totale del progetto s sommano tutte le durate (stmate) delle attvtà crtche La varanza totate del progetto, ossa la varabltà relatva al tempo totale d esecuzone dell ntero progetto sarà la somma delle varanze delle attvtà crtche. 22

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

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

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

Dettagli

Capitolo 3. Cap. 3-1

Capitolo 3. Cap. 3-1 Statstca Captolo 3 Descrzone Numerca de Dat Cap. 3-1 Obettv del Captolo Dopo aver completato l captolo, sarete n grado d: Calcolare ed nterpretare la meda, la medana e la moda d un set tdd dat Trovare

Dettagli

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30 1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza

Dettagli

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità:

ESERCIZIO 4.1 Si consideri una popolazione consistente delle quattro misurazioni 0, 3, 12 e 20 descritta dalla seguente distribuzione di probabilità: ESERCIZIO. S consder una popolazone consstente delle quattro msurazon,, e descrtta dalla seguente dstrbuzone d probabltà: X P(X) ¼ ¼ ¼ ¼ S estrae casualmente usando uno schema d camponamento senza rpetzone

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007

STATISTICA SOCIALE Corso di laurea in Scienze Turistiche, a.a. 2007/2008 Esercizi 16 novembre2007 STATISTICA SOCIALE Corso d laurea n Scenze Turstche, a.a. 07/08 Esercz 6 novembre07 Eserczo La Tabella contene alcun dat relatv a 6 lavorator delle azende Alfa e Beta. Tabella Lavorator delle azende Alfa

Dettagli

,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100

,29 7. Distribuzioni di frequenza. x 1 n 1 n 1 n 1 /N n 1 /N*100 x 2 n 2 n 1 +n 2 n 2 /N n 2 /N*100 Dstrbuzon d frequenza Varable x Frequenze Frequenze Frequenze Frequenze % cumulate relatve x 1 n 1 n 1 n 1 / n 1 /*100 x n n 1 +n n / n /*100 x k n k n 1 +.+n k = n k / n k /*100 totale 1 100 Indc sntetc

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli

Analisi della Varianza

Analisi della Varianza Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella

Dettagli

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

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

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità:

LA VARIABILITA. Nella metodologia statistica si distinguono due aspetti della variabilità: LA VARIABILITA LA VARIABILITA E L ATTITUDINE DEL FENOMENO QUANTITATIVO AD ASSUMERE DIVERSE MODALITA, O MEGLIO LA TENDENZA DI OGNI SINGOLA OSSERVAZIONE AD ASSUMERE VALORI DIFFERENTI RISPETTO AL VALORE MEDIO.

Dettagli

Algoritmo di Carlier- Pinson per problemi di Job Shop Scheduling: un esempio

Algoritmo di Carlier- Pinson per problemi di Job Shop Scheduling: un esempio Formulazone e Notazon Algortmo d Carler- Pnson er roblem d Job Sho Schedulng: un esemo Notazon o C M ( o r, q -esma oerazone del ob Temo d rocessamento d o Macchna che deve rocessare o Clque (nseme d oerazon

Dettagli

Modelli descrittivi, statistica e simulazione

Modelli descrittivi, statistica e simulazione Modell descrttv, statstca e smulazone Master per Smart Logstcs specalst Roberto Cordone (roberto.cordone@unm.t) Statstca descrttva Cernusco S.N., govedì 28 gennao 2016 (9.00/13.00) 1 / 15 Indc d poszone

Dettagli

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

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

Dettagli

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3

Rappresentazione dei numeri PH. 3.1, 3.2, 3.3 Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

Rappresentazione dei numeri

Rappresentazione dei numeri Rappresentazone de numer PH. 3.1, 3.2, 3.3 1 Tp d numer Numer nter, senza segno calcolo degl ndrzz numer che possono essere solo non negatv Numer con segno postv negatv Numer n vrgola moble calcol numerc

Dettagli

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO

INTRODUZIONE ALL ESPERIENZA 4: STUDIO DELLA POLARIZZAZIONE MEDIANTE LAMINE DI RITARDO INTODUZION ALL SPINZA 4: STUDIO DLLA POLAIZZAZION DIANT LAIN DI ITADO Un utle rappresentazone su come agscono le lamne su fasc coerent è ottenuta utlzzando vettor e le matrc d Jones. Vettore d Jones e

Dettagli

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

Dettagli

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE E IL TERRITORIO METODI DI LOCALIZZAZIONE DEL RISALTO IDRAULICO RELATORE Ch.mo Prof. Ing.

Dettagli

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Metod d Ottmzzazone mod. Modell per la panfcazone delle attvtà Paolo Dett Dpartmento d Ingegnera dell Informazone e Scenze Matematche Unverstà d Sena Metod d Ottmzzazone mod. Modell per la panfcazone delle

Dettagli

Precisione e Cifre Significative

Precisione e Cifre Significative Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte

Dettagli

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima

4. ALGORITMI GREEDY. cambia-monete scheduling a minimo il ritardo. Il problema del cambia-monete. Proprietà di una soluzione ottima Il problema del camba-monete. ALGORITMI GREEDY camba-monete schedulng a mnmo l rtardo Scopo. Dat tagl dsponbl: c, c, 5c, 0c, 0c, 50c,, progettare un algortmo che data una certa somma la camb usando l mnmo

Dettagli

FORMULE PRELIMINARI RIGUARDANTI LA TRAVE APPOGGIATA

FORMULE PRELIMINARI RIGUARDANTI LA TRAVE APPOGGIATA Captolo TRV CONTINU. TRV CONTINU FORU PRIINRI RIGURDNTI TRV PPOGGIT Trave appoggata soggetta a: carco () moment, cedment Determnaon delle rotaon,. a) Carco - - d d - d ( ) d 77 Captolo TRV CONTINU b) oment,

Dettagli

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1

Variabili aleatorie discrete. Probabilità e Statistica I - a.a. 04/05-1 Varabl aleatore dscrete Probabltà e Statstca I - a.a. 04/05 - Defnzone Una varable aleatora è una funzone che assoca ad ogn esto dello spazo campone d un espermento casuale un numero. L nseme de possbl

Dettagli

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum

Strada B. Classe Velocità valore frequenza Frequ. ass Frequ. % hi Freq. Cum Eserczo SINTESI S supponga d avere eseguto 70 msure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal msure sano state eseguta n corrspondenza d valor modest

Dettagli

Potenzialità degli impianti

Potenzialità degli impianti Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Potenzaltà degl mpant Impant ndustral Potenzaltà degl mpant 1 Unverstà degl Stud d Treste a.a. 2009-2010 Impant ndustral Defnzone della potenzaltà

Dettagli

RAPPRESENTAZIONE DI MISURE. carta millimetrata

RAPPRESENTAZIONE DI MISURE. carta millimetrata carta mllmetrata carta mllmetrata non è necessaro rportare sul foglo la tabella (ma auta; l mportante è che sta da qualche parte) carta mllmetrata 8 7 6 5 4 3 smbolo della grandezza con untà d msura!!!

Dettagli

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X)

= = = = = 0.16 NOTA: X P(X) Evento Acquisto PC Intel Acquisto PC Celeron P(X) ESERCIZIO 3.1 Una dtta vende computer utlzzando on-lne, utlzzando sa processor Celeron che processor Intel. Dat storc mostrano che l 80% de clent preferscono acqustare un PC con processore Intel. a) Sa

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Struttura delle ret logstche Sstem produttv multstado Struttura logstca

Dettagli

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema A Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema A Corso d Laurea n Economa Prof.ssa Gordano Appello del /07/0 Cognome Nome atr. Teora Dmostrare che la somma degl scart dalla meda artmetca è zero. Eserczo L accesso al credto è sempre

Dettagli

Esercitazione sulle Basi di di Definizione

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

Dettagli

Qualità dell adattamento di una funzione y=f(x) ad un insieme di misure (y in funzione di x)

Qualità dell adattamento di una funzione y=f(x) ad un insieme di misure (y in funzione di x) Qualtà ell aattamento una funzone y=f() a un nseme msure (y n funzone ) Date N msure coppe valor elle granezze e y, legate alla relazone y=f(;a,b), nell potes che le ncertezze sulle sano trascurabl e y

Dettagli

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

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

Dettagli

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N

LEZIONE 2. Riassumere le informazioni: LE MEDIE MEDIA ARITMETICA MEDIANA, MODA, QUANTILI. La media aritmetica = = N LE MEDIE LEZIOE MEDIE ALGEBRICHE: calcolate con operazon algebrche su valor del carattere (meda artmetca) per varabl Rassumere le nformazon: MEDIA ARITMETICA MEDIAA, MODA, QUATILI MEDIE LASCHE: determnate

Dettagli

Modelli di variabili casuali

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

Dettagli

4.6 Dualità in Programmazione Lineare

4.6 Dualità in Programmazione Lineare 4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

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

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Controllo e scheduling delle operazioni. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Controllo e schedulng delle operazon Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Organzzazone della produzone PRODOTTO che cosa ch ORGANIZZAZIONE PROCESSO come FLUSSO DI PRODUZIONE

Dettagli

La ripartizione trasversale dei carichi

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

Dettagli

Statistica descrittiva

Statistica descrittiva Statstca descrttva. Indc d poszone. Per ndc d poszone d un nseme d dat, ordnat secondo la loro randezza, s ntendono alcun valor che cadono all nterno dell nseme. Gl ndc pù usat sono: I. eda. II. edana.

Dettagli

Test delle ipotesi Parte 2

Test delle ipotesi Parte 2 Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca

Dettagli

Modelli decisionali su grafi - Problemi di Localizzazione

Modelli decisionali su grafi - Problemi di Localizzazione Modell decsonal su graf - Problem d Localzzazone Massmo Paolucc (paolucc@dst.unge.t) DIST Unverstà d Genova Locaton Problems: modell ed applcazon Decson a medo e lungo termne (panfcazone) Caratterstche

Dettagli

Ottimizzazione dei Progetti

Ottimizzazione dei Progetti Sapenza Unverstà d Roma - Dpartmento d Ingegnera Informatca, Automatca e Gestonale Ottmzzazone de Progett Renato Brun brun@ds.unroma.t Il materale presentato è dervato da quello de proff. A. Sassano e

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/ Esercizi 2 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE AA 2016/2017 1 Esercz 2 Regme d sconto commercale Eserczo 1 Per quale durata una somma a scadenza S garantsce lo stesso valore

Dettagli

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

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

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

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

Dettagli

REALTÀ E MODELLI SCHEDA DI LAVORO

REALTÀ E MODELLI SCHEDA DI LAVORO REALTÀ E MODELLI SCHEDA DI LAVORO 1 Le tabelle d crescta Nella tabella sono rportat dat relatv alle altezze mede delle bambne dalla nascta fno a un anno d età. Stablsc se esste una relazone lneare tra

Dettagli

Teorema di Thévenin-Norton

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

Dettagli

La soluzione delle equazioni differenziali con il metodo di Galerkin

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

Dettagli

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena

Gestione della produzione e della supply chain Logistica distributiva. Paolo Detti Dipartimento di Ingegneria dell Informazione Università di Siena Gestone della produzone e della supply chan Logstca dstrbutva Paolo Dett Dpartmento d Ingegnera dell Informazone Unverstà d Sena Un algortmo per l flusso su ret a costo mnmo: l smplesso su ret Convergenza

Dettagli

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

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

Dettagli

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA

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

Dettagli

Capitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per

Capitolo 11: IL METODO DEI MINIMI QUADRATI. Nel Capitolo precedente ci siamo posti il problema di determinare la miglior retta che passa per Captolo : IL METODO DEI MINIMI QUADRATI. La mglor retta Nel Captolo precedente c samo post l problema d determnare la mglor retta che passa per cert punt spermental, ed abbamo dscusso un metodo graco.

Dettagli

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011

Esame di Statistica tema B Corso di Laurea in Economia Prof.ssa Giordano Appello del 15/07/2011 Esame d Statstca tema B Corso d Laurea n Economa Prof.ssa Gordano Appello del 15/07/011 Cognome Nome Matr. Teora Dmostrare la propretà assocatva della meda artmetca. Eserczo 1 L accesso al credto è sempre

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua Unverstà d Cassno Eserctazon d Statstca del 9 Febbrao 00 Dott. Mro Bevlacqua DATASET STUDENTI N SESSO ALTEZZA PESO CORSO NUMERO COLORE COLORE (cm) (g) LAUREA SCARPA OCCHI CAPELLI M 79 65 INFORMAICA 43

Dettagli

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla?

Sommario. Obiettivo. Quando studiarla? La concentrazione. X: carattere quantitativo tra le unità statistiche. Quando studiarla? Corso d Statstca a.a. 9- uando studarla? Obettvo Dagramma d Lorenz Rapporto d concentrazone rea d concentrazone Esemp Sommaro La concentrazone uando studarla? Obettvo X: carattere quanttatvo tra le untà

Dettagli

Premessa essa sulle soluzioni

Premessa essa sulle soluzioni Appunt d Chmca La composzone delle soluzon Premessa sulle soluzon...1 Concentrazone...2 Frazone molare...2 Molartà...3 Normaltà...4 Molaltà...4 Percentuale n peso...4 Percentuale n volume...5 Massa per

Dettagli

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

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

Dettagli

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza

Dettagli

ESERCITAZIONI di ECONOMIA POLITICA ISTITUZIONI (A-K)

ESERCITAZIONI di ECONOMIA POLITICA ISTITUZIONI (A-K) ESERCITAZIONI d ECONOIA POLITICA ISTITUZIONI (A-K). Bonacna - Unverstà degl Stud d Pava monca.bonacna@unboccon.t 1 3 a ESERCITAZIONE: ONETA: Soluzon Ogn volta che s parla d domanda d, spuòdrecheèdomandadmoneta

Dettagli

Adattamento di una relazione funzionale ai dati sperimentali

Adattamento di una relazione funzionale ai dati sperimentali Adattamento d una relazone 1 funzonale a dat spermental Sno ad ora abbamo vsto come può essere stmato, con un certo lvello d confdenza, l valore vero d una grandezza fsca (dretta o dervata) con l suo ntervallo

Dettagli

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

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

Dettagli

Lezione 2 a - Statistica descrittiva per variabili quantitative

Lezione 2 a - Statistica descrittiva per variabili quantitative Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 x 1 =103 2 x 2 =97 3 x 3 =90

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

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

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

Dettagli

Verifica termoigrometrica delle pareti

Verifica termoigrometrica delle pareti Unverstà Medterranea d Reggo Calabra Facoltà d Archtettura Corso d Tecnca del Controllo Ambentale A.A. 2009-200 Verfca termogrometrca delle paret Prof. Marna Mstretta ANALISI IGROTERMICA DEGLI ELEMENTI

Dettagli

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2013/2014. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 013/014 Elaborazone Dat Lab B CdL Fsca Elaborazone dat spermental Come rassumere un nseme d dat spermental? Una statstca è propro un numero calcolato a partre da dat stess. La Statstca

Dettagli

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl

PREVEDONO: Capitolo 17 del libro di testo. Copyright 2005 The McGraw-Hill Companies srl Le Inferenze sul modello d regressone PREVEDONO: Assunzone d normaltà degl error e nferenza su parametr Anals della Varanza Inferenza per la rsposta meda e la prevsone Anals de resdu Valor anomal Captolo

Dettagli

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Metod d Ottmzzazone mod. Modell er la anfcazone delle attvtà Paolo Dett Dartmento d Ingegnera dell Informazone e Scenze Matematche Unverstà d Sena Metod d Ottmzzazone mod. Modell er la anfcazone delle

Dettagli

ELETTROTECNICA Ingegneria Industriale

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

Dettagli

DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI

DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI Captolo - Dalla teora degl error al trattamento de dat DALLA TEORIA DEGLI ERRORI AL TRATTAMENTO DEI DATI LA MISURA DELLE GRANDEZZE Nel descrere fenomen, occorre da un lato elaborare de modell (coè delle

Dettagli

IL RUMORE NEGLI AMPLIFICATORI

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

Dettagli

Campo di applicazione

Campo di applicazione Unverstà del Pemonte Orentale Corso d Laurea n Botecnologa Corso d Statstca Medca Correlazone Regressone Lneare Corso d laurea n botecnologa - Statstca Medca Correlazone e Regressone lneare semplce Campo

Dettagli

Tecniche di Composizione Personalizzata

Tecniche di Composizione Personalizzata Tecnche d Composzone Personalzzata Survey Il documento n essere costtusce la sntes del delverable dell attvtà C.3, ossa Defnzone e Valdazone delle Tecnche d Composzone Personalzzata prevsta nell ambto

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

LA CALIBRAZIONE NELL ANALISI STRUMENTALE LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra

Dettagli

Esercitazioni del corso: STATISTICA

Esercitazioni del corso: STATISTICA A. A. 0-0 Eserctazon del corso: STATISTICA Sommaro Eserctazone : Moda Medana Meda Artmetca Varabltà: Varanza, Devazone Standard, Coefcente d Varazone ESERCIZIO : UNIVERSITÀ DEGLI STUDI DI MILANO BICOCCA

Dettagli

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

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

Dettagli

Gli errori nelle misure

Gli errori nelle misure Appunt d Msure Elettrche Gl error nelle msure Classfcazone degl error... Error sstematc...4 Accuratezza e precsone...5 Errore stmato...7 Meda, devazone meda, devazone standard e varanza d un campone d

Dettagli

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry

Sommatori: Full Adder. Adder. Architetture aritmetiche. Ripple Carry. Sommatori: Ripple Carry [2] Ripple Carry. Ripple Carry CEFRIEL Consorzo per la Formazone e la Rcerca n Ingegnera dell Informazone Poltecnco d Mlano s Sommator: x y c x y c x y c x y c x y c Archtetture artmetche s x y Sommator:, Rpple Carry Sommator: Carry

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

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

Dettagli

Il traffico è un gioco?

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

Dettagli

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

COSTRUIRE UN PICCOLO SET DI DATI

COSTRUIRE UN PICCOLO SET DI DATI COSTRUIRE UN PICCOLO SET DI DATI Indvduazone degl obettv dello studo Indvduazone delle varabl che possono autare l raggungmento degl obettv dello studo Preparazone degl strument d rlevazone PATNO Numero

Dettagli

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3

ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017. Esercizi 3 ESERCIZI DI MATEMATICA FINANZIARIA DIPARTIMENTO DI ECONOMIA E MANAGEMENT UNIFE A.A. 2016/2017 Esercz 3 Pan d ammortamento Eserczo 1. Un prestto d 12000e vene rmborsato n 10 ann con rate mensl e pano all

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

PROBLEMA DI SCELTA FRA DUE REGIMI DI

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

Dettagli

Determinazione del momento d inerzia di una massa puntiforme

Determinazione del momento d inerzia di una massa puntiforme Determnazone del momento d nerza d una massa puntorme Materale utlzzato Set d accessor per mot rotator Sensore d rotazone Portamasse e masse agguntve Statvo con base Blanca elettronca Calbro nteracca GLX

Dettagli

Componenti resistivi

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

Dettagli