Metodo Monte Carlo. E. Vardaci

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Metodo Monte Carlo. E. Vardaci"

Transcript

1 Metodo Monte Carlo Metodo Monte Carlo Alcazon Bblografa Metodo Monte Carlo R. Y. Rubnsten; Smulaton and the Monte Carlo Method, Wley &Sons (98 Yu. A. Shreder; Method of Statstcal Testng, Elsever (964 F. James; Monte Carlo Theory and ractce, Re. rog. hys. Vol.43 (98 45 L. Lyons; Statstcs for nuclear and artcle hyscsts, Cambrdge (989

2 Introduzone al Metodo Monte Carlo Concett ntroduttv e dstrbuzon Metod d Generazone d sequenze con dstrbuzon assegnate Metodo esato Integrazone d Funzone Alcazon l Metodo Monte Carlo (I un metodo numerco d rsoluzone d roblem matematc attraverso l camonamento d varabl random nseme d metod d smulazone d un qualsas rocesso la cu evoluzone e condzonata da fattor stocastc (aleator cercare la soluzone d un roblema raresentandola quale arametro d una otetca oolazone e nello stmare tale arametro tramte l esame d un camone della oolazone ottenuto medante sequenze d numer casual.

3 l Metodo Monte Carlo (II ota storca Il termne Monte Carlo fu ntrodotto da Metrools durante l Manhattan roject. Sequenze d numer random furono usate da Ferm er studare la dffusone d neutron n materal fssl. Ht or Mss (I A Ht Selezonamo unt unformemente e stocastcamente nel rettangolo (hnt: lancamo de sass ad occh chus S A S ˆ S θ S A Mss s numero d unt che cadono nella suerfce S S S A robablta che un sasso cada all nterno dell area S stma d stma d S Una stma d S e l valore atteso d θ

4 Ht or Mss: F. A. Q. Quant lanc? Ovvero, qual e l errore? Che succede se l area e fuor dalla nostra gttata? Il metodo e d scarso auto se non conoscamo la recsone della stma! Bernoull Trals Eserment n cu sono ossbl solo due est (outcomes: successo ( o nsuccesso ( X X varable aleatora d Bernoull ρ - ρ < ρ < E(X (-ρ ρ ρ E(X (-ρ ρ ρ Var(X E(X - E(X ρ ( ρ

5 Bernoull Trals (II Ma no samo nteressat al numero d success su tentatv Dobbamo qund esegure eserment d Bernoull statstcamente ndendent con robablta d successo: S A robablta che un sasso cada all nterno dell area S Dstrbuzone Bnomale Dato un esermento che uò avere come esto un successo o un nsuccesso (Varable Bernoullana detta la robabltà d avere un successo, la robabltà d avere k success n n tentatv è data da: ( k;, k k ( k k!! ( k! k ( k La dstrbuzone bnomale accetta solo valor dscret L ordne de success nella sequenza non e mortante La dstrbuzone bnomale O è smmetrca

6 Bnomale vs. Bernoull Bnomale Bernoull E[X] E[X] Var(X (- Var(X (- La dstrbuzone bnomale s rduce a quella d Bernoull er. DstrbuzoneBnomale (II robabltà n 3.5 meda.5 σ.43 robabltà n 3.5 meda 5 σ # d success # d success (ν er n >> la dstrbuzone dventa smmetrca er n >> la dstrbuzone è arossmata da una gaussana

7 Ht or Mss (II X v.a. d Bernoull S S S θ A A stmatore d S E(θ Var σ θ [ θ ] E A Var A A E A ( E( X A S S S S ( A A S S Var( s ( A S ( A S A ( D Ht or Mss (III n: numero medo d success n < S >< > < > σ θ θ σn n ( σ θ θ S S Es. SA/, n /, σ θ /θ -/, er stmare S con la recsone dell % occorre lancare 4 sass.

8 Dsuguaglanza d Chebychev (I v.a. X con df qualsas E[X] µ momento rmo della oolazone V[X] σ varanza della oolazone la robablta che una nuova estrazone dffersca da E[X] (n valore assoluto u d una quantta assegnata ostva e e data da: V[ X ε ( E[ X ] ε V[ X ] σ La relazone e vera anche er camon e gl stmator ] ε ε Dsuguaglanza d Chebychev (II ε kσ E[ X ] kσ k ( ( er k3 E[ X ] 3σ. 9 el 9% crca de cas E[ X ] < 3σ

9 Dsuguaglanza d Chebychev (III Dato un camone d dmensone della v.a. X meda del camone s Var[ ] varanza del camone ( E[ ] ε Var ε [ ] Sccome E [ ] E[ X ] µ V [ ] σ ε ( E[ ] ε σ Ma quante rove? (/ Crtero generale: Ma quant trals dobbamo esegure er avere una data recsone, ovvero scelto un ε e un δ n ],[ doo quante rove e ( θ S < ε δ? Alco la dsuguaglanza d Chebychev Var[ θ ] A Var[ θ ] ( ( θ S ε ε δ A ε ( δ A δε (

10 Ma quante rove? (/ A δε ( Ma dende da (non nota ed A Ma sccome, n ogn caso, (- e massma er /, rnormalzzando l area (A ( 4 4δε Es. Fluttuazone della densta n un gas, V ρ V Come quantfcare le fluttuazon d ρ all equlbro?, V Il numero d molecole all nterno del volume V e una varable random X v.a. d Bernoull: V ( X V ( X <X >; Var{X}; <>; Var{}? R.: <X >, Var{X}(-, <>, Var{} (- Come usare un calcolatore er smulare le fluttuazon n ρ?

11 DstrbuzoneBnomale (III In un rocesso d Bernoull d arametro >, con robablta s avra rma o o un successo aradosso d Borel: Una scmma (o un automa che batte a caso tast d una tastera d un c, rma o o scrvera l testo della Dvna Commeda Quanto rove bsogna esegure er avere l rmo successo? R. / Es.. Uno studente rsonde a caso a domande a rsosta multla. Se le rsoste sono 4 er ogn domanda, qual e la robablta d rsondere esattamente ad almeno 5 domande? Es.. Remendo a caso una schedna d totocalco, qual e la robablta d fare almeno? Es. 3. Calcolare la robablta che, alla rossma estrazone del lotto, esca l numero sulla ruota d aol Es. 4. Calcolare la robablta che, alla rossma estrazone del lotto, esca l numero su almeno una delle ruote del lotto.

12 Es.. Uno studente rsonde a caso a domande a rsosta multla. Se le rsoste sono 4 er ogn domanda, qual e la robablta d rsondere esattamente ad almeno 5 domande? La robabltà d azzeccare una rsosta esatta e /4 L aver azzeccato o meno una rsosta non modfca la caacta d azzeccare le altre. ossamo qund schematzzare l nostro esermento aleatoro con una successone d rove d Bernoull, con robablta d successo nella sngola rova /4. Detto Y l numero delle rsoste ndovnate allora: ( Y 5 k 5 k 4 k 3 4 k.78 Es.. Remendo a caso una schedna d totocalco, qual e la robablta d fare almeno? Su una schedna del totocalco sono elencate 4 artte e ogn artta uo avere tre rsultat, o X. La robablta d azzeccare una sngola artta, scrvendo a caso uno de smbol, o X, e, almeno n rma arossmazone, uguale ad /3. Inoltre l aver azzeccato o meno l rsultato d una certa artta non nfluenza la caacta d azzeccare le altre. ossamo qund schematzzare l nostro esermento aleatoro con una successone d 4 rove d Bernoull, con robablta d successo nella sngola rova /3. Detto Y l numero d artte azzeccate allora: ( Y 4 k 4 k 3 k 3 4k 6

13 Es. 3. Calcolare la robablta che, alla rossma estrazone del lotto, esca l numero sulla ruota d aol Assumendo che le estrazon sulle vare ruote sano statstcamente ndendent (esce l (non esce l Consderando una sola ruota, lo sazo camone S consste d tutte le ossbl quntule non ordnate d valor nter comres tra e 9 che sono n numero dato da: ' 5 umero d quntule che non contengono l ' ( non esce l 85 9 ' 85 5 ( esce l sulla ruota d aol Es. 4. Calcolare la robablta che, alla rossma estrazone del lotto, esca l numero su almeno una delle ruote del lotto. La robablta che non venga estratto l su alcuna delle ruote e ' La robablta che l venga estratto su almeno una delle ruote e '.435

14 Relazone d Rcorrenza Bn( k;, k k ( k k!! ( k! k ( k k Bn( k ;, Bn( k;, k Doo aver calcolato Bn(;, s ossono rcorsvamente calcolare tutt gl altr valor della robablta senza calcolare drettamente coeffcent bnomal Ht or Mss: F. A. Q. Che succede se l area e fuor dalla nostra gttata? L alternatva e entrare nel camo e.... lancare l sasso.. sostars nella oszone d arrvo del sasso 3. lancare un altro sasso 4. andare al unto fnche θ-s < ε In questo modo e ancora ossble camonare tutta l area (Markov-chan samlng.ma.

15 Ht or Mss: F. A. Q. A S Che succede se un lanco fnsce fuor?. Retere l lanco?. Sostars comunque? La rsosta e nel concetto d blanco dettaglato ( a b π( b ( b π( a a Controllo d Qualta R k C k V f(r k,c k I valor delle R k e C k sono not con una data recsone e sono dstrbut ntorno a valor nomnal. D quanto vara V a causa d queste devazon?

16 Trasmssone d neutron attraverso una astra E n E θ 9 λ k θ k I neutron ossono essere dffus elastcamente o catturat:. trasmssone. rflessone 3. cattura σ el σ c -> sezone d urto elastca -> sezone d urto d cattura k k a σ t σ el σ c Come stmare: robablta d trasmssone robablta d rflessone robablta d cattura Eserment, Store, Event Esermento rocesso aleatoro, fsco o matematco Evento Elementare uno de rsultat (outcomes ossbl dell esermento ω Sazo Camone Ω (Samle Sace l nseme d tutt gl event elementar Ω {ω,ω,...} rova o Stora (tral Evento una realzzazone dell esermento Un qualunque sottonseme E Ω del quale e ossble calcolare la robablta. Una caratterstca o conseguenza del rsultato dell esermento. Ad ogn evento e ossble assegnare una robablta data l aleatoreta dell esermento.

17 Es. lanco d un dado Ω {,,3,4,5,6} Lo sazo camone e costtuto da 6 event elementar (rsultat ossbl Ogn rova da come rsultato una delle 6 facce. Gl Event sono defnt n termn de ossbl rsultat: E {,4,6}; la facca suerore ha un numero ar E {5,6}; la facca suerore ha un numero maggore d 4 E3 {4}; la facca suerore ha l numero 4 (l evento e uno de rsultat ossbl E ed E3 sono dsgunt E ed E3 ossono avere lo stesso rsultato (ntersezone non nulla Ma cos e una varable aleatora? Una varable aleatora (v.a. e una varable l cu valore e determnato dall esto d un esermento stocastco (evento. v.a. e una funzone che assoca un numero reale ad un evento elementare: ξ : Ω Essendo assocata una robablta ad ognuno degl est d un evento E, una v.a. e comletamente secfcata dalla vareta de valor che uo assumere e dalla robablta ( con cu ognuno d ess s uo verfcare. Es. ξ: Ω n ξ assume l valore d n ad ogn lanco d un dato n cu s ottene n R

18 Varabl Aleatore Dscrete (I E defnta da una tabella del to: X X n ξ... n... n Valor ossbl della varable ξ n robablta con cu la varable ξ assume uno de ossbl valor: { ξ } Se assegnamo un valore numerco ad ogn ossble Evento nseme alla robablta che esso s verfch, un Evento e una varable aleatora. Varabl Aleatore Dscrete (II Lanco d un dado: ξ Estrazone d allne d dverso colore: ξ 3 3 Le v.a. ermettono una quantfcazone de rocess random rosso verde 3 gallo

19 Varabl Aleatore Contnue ξ... ξ [ a,b] n... n ( -> densta d robablta (.d.f. Esem d Varabl Aleatore. l rmo estratto della ruota d aol. l temo d vta d una lamadna 3. l eso d una ersona scelta a caso n una certa oolazone 4. l altezza meda d un camone d ersone al varare del camone 5. l numero d teste rma d una croce nel lanco d una moneta 6. la velocta rscontrata da un autovelo 7. l energa d uscta d una artcella che attraversa un assorbtore 8. la msura d una grandezza fsca 9. l conteggo manuale d kg d monetne d c. l oraro d arrvo d un naoletano ad un auntamento....

20 l Metodo Monte Carlo (II Sstema Fsco: ucleo Ecctato Smulazone Monte Carlo α γ Aarato d msura 3 ( Funzon d densta d robablta Soluzone umerca Convenzonale: Modello matematco del sstema fsco Dscretzzazone d eq. dfferenzal Rsoluzone d un sstema algebrco Rsultato della smulazone Settr n energa delle vare radazon emesse, dstrbuzon angolar, moltelcta Controllo d Qualta I valor delle R k e C k sono V f(r k,c k not con una data R k C k recsone e sono dstrbut ntorno a valor nomnal. D quanto vara V a causa d queste devazon? E ragonevole consderare arametr d tutt gl element e la stessa V come varabl random e stmare <V> e σ. Schema Monte Carlo Dat: le dstrbuzon d tutt gl element la funzone f. Estrarre l valore d ogn elemento dalla sua dstrbuzone. Calcolare V f(k volte 3. Calcolare <V> e σ < V > V V s V V < V > ± s V < V > < V >

21 Ingredent rcal d un Algortmo Monte Carlo Dstrbuzon d robablta l sstema fsco o matematco e raresentato da un nseme d df; Un generatore d numer random unforme n [,]; Samlng rules - rescrzon er l Camonamento delle varabl con df assegnate; Scorng - rsultat devono essere oortunamente accumulat (es.stogramm; Stma degl error e auscable una stma dell errore statstco n funzone del numero d store o altre quantta d nteresse del modello; Tecnche er rdurre la varanza metod er rdurre la varanza delle soluzon stmate e l temo d calcolo; arallelzzazone e vettorzzazone rcal Caratterstche del Metodo Monte Carlo Struttura d calcolo semlce Un rogramma e scrtto er esegure una sola rova o stora (tral; la stora e retuta volte; ogn stora e ndendente dalle altre; rsultat delle store e degl event sono medat; Errore Statstco D D costante numero d event er rdurre l errore d un fattore bsogna aumentare d volte. Un dato roblema uo essere rsolto attraverso vare verson del MC, ognuna avent un dverso valore d D La recsone uo essere aumentata attraverso una scelta rora del metodo d calcolo avente valore d D u ccolo

22 Alcazon Tche del Monte Carlo Dsegno d eserment (aarato d msura, caacta d dstnguere tra le revson d dverse teore QCD Decadmento d ucle Ecctat (evaorazone, fssone Effcenza geometrca ed ntrnseca Stma d contamnazon (segnal vald vs. background Evoluzone Stellare Controllo della qualta ed affdablta Trasorto d radazon Traffc flow Economa... Schema Generale del Metodo Monte Carlo (I Soluzone d un roblema raresentandola quale arametro d una otetca oolazone. Suonamo d voler calcolare l valore m d una certa grandezza X: v. a. : < > m σ b Consderamo varabl ndendent,, con dstrbuzon dentche a quella d. er suffcentemente grande segue (teorema del lmte centrale: v.a. ρ... µ m σ b e dstrbuta normalmente.

23 Schema Generale del Metodo Monte Carlo (II { µ 3σ < ρ < µ 3σ} { m 3b < ρ < m 3b }. 997 m 3b < ρ < m 3b.997 m < 3b.997 Questa relazone fornsce l metodo d calcolo m e del suo errore.

24 Camonamento d Varabl Aleatore La generazone d un camone d una varable aleatora costtusce un ngredente essenzale d ogn esermento Monte Carlo. Metodo della Trasformata Inversa Metodo del Rfuto Metodo della Comoszone Densta d robablta Unforme v. a. U : f U ( u u altrment < u >.5 σ.88 La funzone d densta d robablta unforme e la densta da cu e ossble la generazone delle altre dstrbuzon d robablta.

25 Metodo della Trasformata Inversa (I γ [a,b]: (; F ( γ ( d [,] : U[,] a la v.a. γ data da: γ a ( d F ( γ ( y(b y(a monotona crescente a a γ b b y( a (' d' y(a ; y(b < y( < y ( ( > e dstrbuta secondo (. γ F X ( y [,] [a,b] unca soluzone della ( { a' < γ < b' } { y(a' < < y(b' } { y(a' < < y(b' } { a' < γ < b' } b a ' ' y(b' y(a' (d b a ' ' (d γ, radce della (, ha densta d robablta ( se e dstrbuta unformemente, qualunque sa (. Metodo della Trasformata Inversa (II Il teorema non dstngue tra ( contnue e dscrete: la dstrbuzone cumulatva uo essere calcolata anche er una densta d robablta dscreta. Il metodo e lmtato alle funzon ( n cu l nversa F - ( uo essere ottenuta analtcamente o attraverso una semlce arossmazone numerca. Algortmo. Generare unformemente n U(,. X F - ( 3. Rtornare X Questo metodo ha un effcenza del % : ogn estrazone d roduce una.

26 Alcazon Metodo della Trasformata Inversa. v.a. dstrbuta unformemente n [a,b]. v.a. dstrbuta esonenzalmente 3. Generazone d una drezone sotroa Ω(θ,ϕ 4. v.a. dstrbuta trangolarmente (J 5. v.a. con densta d robablta costante a tratt 6. Generazone d vettor random Varable Aleatora γ Unforme n [a,b] γ F - ( ( b a a b altrment a < σ e b >.5.88 a γ ( d a γ b a d γ b a a γ a ( b a

27 Varable Aleatora dstrbuta Esonenzalmente ( ae a <, a > ( γ a a aγ [ ] F ( γ ae d e γ e e aγ γ ln( a ( γ e' dstrbuta come ln( a Generazone d Drezone Isotroa Ω(θ,ϕ (I Vettore untaro dstrbuto sotrocamente nello sazo 3D. Il vettore e alcato all orgne del sstema d coordnate. Drezone Isotroa: Tutte le drezon sono equrobabl I unt d coordnate (, θ, ϕ sono dstrbut unformemente sulla sfera d raggo untaro..d.f. congunta ( θ, ϕdθdϕ ds 4π senθdθdϕ 4π θ π ϕ π θ( θ π ( θ, ϕdϕ πsenθ 4π senθ ϕ( ϕ π ( θ, ϕ dθ π senθ 4π dθ π

28 Generazone d Drezone Isotroa Ω(θ,ϕ (II Alcando l metodo della nversone: θ θ θ θ θ( 'd ' senθ'dθ' θ [ cos θ' ] [ cos θ] γ ϕ ϕ( ϕ' dϕ' π ϕ cosθ - ϕ π γ Es. Angolo soldo d un rvelatore a: sezone crcolare o quadrata; corona crcolare; Varable Aleatora con Dstrbuzone Trangolare ( l l l m (l dl dσ dl l m l l m ( l dl l m lm l l l ( l' d l' l lm m { l l l ( l lm m l { } 4 ( l l m m l l l m

29 altrment n,,... ; C ( b... a C n n < < < < j j F d ( ( C F d C ( F j j } : ma{j j j C F F F a 3 4 b 4 Varable Aleatora con densta costante a tratt (I Algortmo. Generare unformemente n U(,. Determnare dalla relazone 3. Rtornare < j j j j C F Varable Aleatora con densta costante a tratt (II

30 Correzone er la erdta d energa n strat assv (I Er Range Er E Energy Er a centro bn Correzone er la erdta d energa n strat assv (II

31 Correzone er la erdta d energa n strat assv (III Trasformazone Lab-> CM V lab Vcm θ lab θ cm V V lab V V cm

32 Vettor random (,..., n ; F ( (I CASO : le varabl random sono ndendent dstrbuzone d robablta congunta (,... n ( n ( margnale d F (,...,n Vettor random (,..., CASO : le varabl random sono dendent dstrbuzone d robablta congunta ( ( (,... n ( margnale d,...., n ( ; F (..... ( k k k condzonata d k n n (II n Teorema: l vettore X ottenuto rsolvendo l sstema d equazon seguente n. F ( F n F ( (..,...., n e dstrbuto secondo la F ( n,, (, ( ( (, ( ( Warnng!! n! combnazon A seconda della scelta dell ordne s uo ottenere o meno un sstema d equazon d semlce soluzone

33 Estrazone d v.a. con dstrbuzon dscrete (I roof.... n n 3 n F F F 3 F n- F n y 3 - n < y < F F < y < F. F n- < y n < F n Estraamo la v.a. unforme n [,]: se cade nell -smo ntervallo la robablta che [,] cada entro uno degl ntervall e roorzonale alla lunghezza dell ntervallo. se F < < F { < < F } { < < F } F { < < F } n n F n KKKKKK Estrazone d v.a. con dstrbuzon dscrete (II Estra o < F S

34 Interazone d neutron termc con 35 U scatterng elastco σ el b n 35 U fssone σ fss 586 b σ tot 73 b assorbmento σ ass 7 b S vuole conoscere la stora d neutron. Il roblema s rsolve scrvendo la robablta de var rocess ed estraendo gl event secondo le robablta dscrete date. el fss ass σ σ σ σ σ σ el tot fss tot ass tot F F F 3.4 el F fss ass F F F 3 Scatterng elastco < <.4 Fssone.4 < <.8478 Assorbmento.8478 < < Come s calcola l errore statstco? Ste nel decadmento d un ucleo Comosto In uno ste del decadmento d un nucleo comosto dverse ve d decadmento ossono essere ossbl: emssone d artcelle leggere, fssone o emssone d foton. Il modello statstco fornsce la robablta d ognuna d queste ve. Queste robablta sono esresse n termn della larghezza d decadmento Γ. n α Γ Γ Γ Γ n tot Γ tot Γ α tot..6. Γ tot Γ n Γ Γ α La va d decadmento e scelta estraendo tra queste robablta dscrete.

35 Dstrbuzone contnua non ntegrable analtcamente (I Quando la funzone cumulatva non uo essere valutata analtcamente, oure la dstrbuzone d robablta e nota solo tabularmente s uo tentare la dscretzzazone della dstrbuzone d robablta. L algortmo delle v.a. dscrete fornsce come valor ossbl della solo valor central de bns la v.a. dventa dscreta. Una soluzone mglore e quella d usare l algortmo er le funzon costant a tratt. Il temo d rcerca dende dal numero d bns e la recsone del metodo dende dalla forma della dstrbuzone e dalla larghezza del bn. La larghezza del bn uo essere varable nel domno d. recsone del metodo e temo d calcolo non sono ndendent Dstrbuzone contnua non ntegrable analtcamente (II Metodo della Interolazone della Cumulatva ( F F ma ( F { : < F} F F( F ma - ( d F F Interolazone lneare della funzone cumulatva ( F Una soluzone alternatva e quella d nterolare lnearmente la (: C C a ( C a ( altrment F C ( a ( Una strada alternatva u nteressante e l metodo Monte Carlo esato.

36 Emssone Isotroa d neutron da un ucleo Ecctato nel sstema d rfermento soldale al nucleo Lo settro energetco de neutron emess da un nucleo ecctato e d forma Mawellana. V.98 E A v Vsenθ cos ϕ v v y z Vsenθsenϕ V cos θ A Algortmo n(e E T e E T. Generare drezone sotroa Ω(θ,ϕ. Generare E dalla Mawellana Y As Ttle B 3. Calcolare V, v, v y,v z dσ dσ 4. Scorng:,... dω dθ X as ttle v.a. con dstrbuzone Mawellana n(e E T e E T vod SetMawell(nt, double Este, double T, double *Area { nt ; double Tot.; } Ste ; En (double * malloc((ste * szeof(double; A (double * malloc((ste * szeof(double; C (double * malloc((ste * szeof(double; F (double * malloc((ste * szeof(double; (double * malloc((ste * szeof(double; En[].; A[].; C[].; F[].; [].; for( ; < Ste; { En[] (double( * Este; C[] Mawell(En[], T; A[] (C[]-C[-] / (En[]-En[-]; [] (C[]C[-] * (En[]-En[-]/.L; F[] F[-] []; Tot Tot []; } *Area Tot; double GetMawell(double eta { nt ; double ; } whle( eta > F[] ; En[-] - (En[] - En[-]*(F[-] - eta/(f[]-f[-]; return ;

37 Camonamento d una v.a. dstrbuta ormalmente (I σ µ π σ ( e (, ( b o a b a z : se σ µ z e normale con µ a e σ b { } { } { } d e b z z z dz' e b a z b a z z b a z z z z b a ( b a z b a z z' π < < π < < < < < < z e dstrbuta normalmente Camonamento d una v.a. dstrbuta ormalmente (II Metodo d Bo - Muller θ π θ θ θ µ σ π y arctan g y ( R R sen y R cos ; e y (, y (,y Questo metodo roduce due v.a. normal e ndendent da due v.a. unform n [,] L astuza e d artre dalla dstrbuzone normale n due dmenson θ ρ π θ ρ θ ρ θ ρ θ ρ ρ ρ θ ρ d d e d d, ( sen y cos R, Se ρ e generata esonenzalmente e θ unformemente n [, π], e y costtuscono una coa d un camone a dstrbuzone normale. Algortmo. Generare e unformemente n U(,. ρ -ln( ; θ π Rtornare e y θ ρ θ ρ sen y ; cos π ρ π θ θ π ρ ρ θ ρ ρ π ρ d e ( e d e (

38 Camonamento d una v.a. dstrbuta ormalmente (III Metodo d Bo - Muller ρ R ρ cos θ y ρ sen θ vod gauss(double *g, double *g { double I, Theta, R; ρ -ln( ; θ π } I acos(-.l; Theta.L * I * drand48(; R sqrt(-.l * log(drand48(; *g R * cos(theta; *g R * sn(theta; Routne lenta a causa delle chamate a funzon trgonometrche vod gauss(double *g, double *g { double,, R; } do{.l * drand48(.l;.l * drand48(.l; R * * ; } whle(r >.L R sqrt((-.l * log(r/r; *g * R; *g * R; Camonamento d una v.a. dstrbuta ormalmente (IV ρ R ρ cos θ y ρ sen θ ρ -ln( ; θ π γ ln( cos(π γ ln( sen(π γ γ ln( γ ln( ar

39 Camonamento d una v.a. con df Mawellana (, M(udu π 3 u 3 r e d u 4 π u u 4 E E M(E e T v u α α m kt m π T 3 u 3 3 u M(udu r e d u π e du π 3 G(u,, du u u ( e du 3 / γ e'normale e' unforme u ln γ Metodo esato Classco. S estrae la v.a. con uno de metod dalla sua dstrbuzone (. Score: HISTO(X HISTO(X esato. S estrae la v.a. n [a,b] unformemente. Score: HISTO(X HISTO(X ( Rchede l uso d un metodo d estrazone L area dell stogramma e uguale al numero d store D u facle nterretazone nel caso d u dstrbuzon normalzzate Ogn stora vene consderata con un suo eso La df non deve necessaramente essere normalzzata Tutt valor d X, anche quell rar, sono camonat n egual msura L effetto comlessvo e un mnore errore statstco a arta d store on rchede l uso d un metodo d estrazone L area dell stogramma non e uguale al numero d store J.M. Hammersley and D.C. Handscomb, Monte Carlo Methods (Methuen, London, 964.

40 Trasmssone d neutron attraverso una astra ( Trasmssone Rflessone Cattura L Trasmssone d neutron attraverso una astra ( E n E θ 9 λ k θ k I neutron ossono essere dffus elastcamente o catturat:. trasmssone. rflessone 3. cattura σ el σ c -> sezone d urto elastca -> sezone d urto d cattura k k a σ t σ el σ c Suonamo che: l energa de neutron non camba con la dffusone le drezon d rnculo sono equrobabl λ lbero cammno medo (dstanza ercorsa tra una collsone e la successva Voglamo stmare: -> robablta d trasmssone - -> robablta d rflessone -> robablta d cattura σ λ e una v. a. con T ( λ σ T e σ T ln(

41 Trasmssone d neutron attraverso una astra (3 Qual e la robablta d non nteragre entro una dstanza? ( -> robablta d non nteragre doo una dstanza ( w d -> robablta d nteragre tra e d d d (( w d ( d w d d d wd ( C e( w ( C La robablta d soravvvere ad una collsone a dstanza ha andamento esonenzale Trasmssone d neutron attraverso una astra (4 λ ln( σ k k λ k µ k T µ k cos θ k µ k γ Metodo d calcolo. Generare e γ unformemente n U(,. Determnare l to d reazone ed ncrementare l eventuale contatore

42 Trasmssone d neutron attraverso una astra (5 k,, µ Start λ k (-/σ T ln k k λ k µ k S k > L? o T T - - k <? T < T? ξ < σ C /σ T T T T End µ k γ- k k Trasmssone d neutron attraverso una astra (7 roblema: doo avere eseguto l calcolo s score che le tre robablta rsultano avere un errore relatvo molto dverso tra loro. In artcolare, la robablta d valore assoluto mnore avra un errore maggore. Come s calcola l errore sulle stme d, - e? S usa la dstrbuzone bnomale

43 Trasmssone d neutron attraverso una astra (8 s T T ˆ ˆ Trasmssone d neutron attraverso una astra (9 roblema: doo avere eseguto l calcolo s score che le tre robablta rsultano avere un errore relatvo molto dverso tra loro. In artcolare, la robablta d valore assoluto mnore avra un errore maggore. ˆ ˆ ˆ ˆ s s >> Metodo Monte Carlo esato. Ad esemo otrebbe essere

44 Trasmssone d neutron attraverso una astra ( Metodo Monte Carlo esato uttosto che sommare ad ogn stora, s somma l eso relatvo d quella stora ottenuto dalle robablta relatve. E come se uttosto che un neutrone alla volta, s consderasse un acchetto d un grande numero ω d neutron che s muovono lungo la stessa traettora. Trasmssone d neutron attraverso una astra ( ω : numero d neutron nel acchetto <ω o > C ω σ C /σ T : numero medo d neutron catturat dal acchetto <ω o > S ω σ S /σ T : numero medo d neutron dffus Metodo d calcolo. Generare e γ unformemente n U(,. Determnare l to d reazone 3. Aggungere ω σ C /σ T al contatore de neutron catturat 4. Segure la frazone rmanente del acchetto dffuso Tutte le formule rmangono le stesse. Ad ogn collsone l numero d neutron e rdotto a: ω k ω k σ S /σ T numero d neutron catturat ω k σ C /σ T

45 Trasmssone esata d neutron attraverso una astra ( k,, µ, ω λ k (-/σ T ln k k λ k µ k ω k S k > L? T T - - ω k o k <? T < T? ω k ω k σ S /σ T ω k σ C /σ T T T T µ k γ- k k Vantaggo dell uso de es (3 Consderamo due v.a. raresentant l numero ed l eso d neutron trasmess n una stora da due rsettv metod. Metodo Classco n meda : < > < > Metodo esato ' ω q ω... ω q...q k k q σ ( σ ' ' q q k k k ω k ω k ( σ q k ω k ( Essendo ω k q k ω k q k ω k σ ' q k ω k ( σ ' σ

46 Metodo d estrazone basato sul rfuto (I by von uemann Generalzzazone del metodo ht or mss w( lmtata : ( w( Y ma es. un quadrato: w( ma. Estrarre unformemente n [a,b] e n [, ma ]: a (b-a y ma y a b Γ. Se Γ(,y e tale che: y ( s accetta, altrment s estrae una nuova coa. Γ(,y generato nel quadrato d area A ma (b-a Metodo d estrazone basato sul rfuto (II Γ(,y generato nel quadrato d area A ma (b-a La robablta che Γ cada al d sotto d ( e uguale al raorto tra l area A e quella S sottesa da (: Y ma y Γ { Γ S} b a ma (d (b a ma (b a ( a b { Γ S ;a' b' } b' a' ma (d (b a ( ( ( a' { a' b' } b' (d A A b' a' (d

47 Metodo d estrazone basato sul rfuto (III Imortance Samlng: w( cost con w( ( Y w(. Estrarre unformemente n [a,b] a (b -a e n [, w( ] y w( y Γ. Se Γ(,y e tale che: y ( s accetta, altrment s estrae una nuova coa a a b b Effcenza A ercentuale d numer estratt rsetto a quell calcolat A b a w( d Questa tecnca e effcente solo se la w( e vcna alla ( nell ntervallo [a,b]. Y ma Metodo d estrazone basato sul rfuto (IV L effcenza d questo metodo dende fortemente dalla forma della (. L algortmo non otrebbe essere alcato quando (-, Y ma OK ot OK a b Effcenza A ercentuale d numer estratt rsetto a quell calcolat A b a w( d a b Y ma Imortance Samlng a b

48 Camonamento d una v.a. dstrbuta ormalmente (V Metodo del Rfuto Sccome l domno d (, non e consderamo [-3σ, 3σ] e ma (. lmtato, double gauss3(vod { double ; } -3.L 6.L * drand48(; whle(drand48( > e(- * /.L; return ; Effcenza A ma (b a π.5 Eserczo (, y ddy ( yddy [ a b] y [ a, b], Come camonare e y? Stmare <>, <y> e Cov(,y

VARIABILI ALEATORIE (O CASUALI) Il termine variabile aleatoria indica una quantità il cui valore è determinato da un

VARIABILI ALEATORIE (O CASUALI) Il termine variabile aleatoria indica una quantità il cui valore è determinato da un VARIABILI ALEATORIE O CASUALI Font: Ccchtell, Dall Aglo, Mood-Graybll. Modul 4, 5, 7,8 del rogramma. Il termne varable aleatora ndca una quanttà l cu valore è determnato da un esermento aleatoro. Dato

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

CARATTERISTICHE DEI SEGNALI RANDOM

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

Dettagli

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

Il campionamento casuale semplice

Il campionamento casuale semplice Il camponamento casuale semplce Metod d estrazone del campone. robabltà d nclusone. π = n N π j = n N n 1 N 1 Stmatore corretto del totale e della meda. Ŷ = Nȳ e ˆȲ = ȳ Varanza degl stmator corrett. V

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

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

Misure Topografiche Tradizionali

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

Dettagli

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

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

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

Clustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = =

Clustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = = Clusterng Clusterng Raggruare le stanze d un domno n gru tal che gl oggett nello stesso gruo mostrno un alto grado d smlartà e gl oggett n gru dvers un alto grado d dssmlartà Leggere la sezone 6.6 d Wtten

Dettagli

Introduzione 2. Problema. I sali presenti nell acqua (all estrazione) causano problemi di corrosione. Soluzione

Introduzione 2. Problema. I sali presenti nell acqua (all estrazione) causano problemi di corrosione. Soluzione Introduzone 2 Problema I sal present nell acqua (all estrazone) causano problem d corrosone Soluzone Separazone delle fas (acquosa ed organca) Estrazone petrolo Fase gassosa Fase lquda (acqua + grezzo)

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

Clustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = =

Clustering. Clustering. Misure di similarità. Misure di distanza o dissimilarità. Leggere la sezione 6.6 di Witten e Frank = 1 = = Clusterng Clusterng Raggruare le stanze d un domno n gru tal che gl oggett nello stesso gruo mostrno un alto grado d smlartà e gl oggett n gru dvers un alto grado d dssmlartà Leggere la sezone 6.6 d Wtten

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

Soluzione del compito di Fisica febbraio 2012 (Udine)

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

Dettagli

Matematica II: Calcolo delle Probabilità e Statistica Matematica

Matematica II: Calcolo delle Probabilità e Statistica Matematica Matematca II: Calcolo delle Probabltà e Statstca Matematca ELT A-Z Docente: dott. F. Zucca Eserctazone # 8 Gl esercz contrassegnat con (*) sono tratt da Eserc. 2002-2003- Prof. Secch # 0 - Statstca Matematca

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

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

ESERCIZI SULLE VARIABILI CASUALI DISCRETE

ESERCIZI SULLE VARIABILI CASUALI DISCRETE ESERCIZI SULLE VARIABILI CASUALI DISCRETE 1) S lanca un dado. Rappresentare la varable casuale: X = " facca mnore d tre ". 2) S lancano due dad. Rappresentare la varable casuale: X = "somma delle facce

Dettagli

Appunti di Econometria

Appunti di Econometria Appunt d Econometra ARGOMENTO [4]: VARIABILI DIPENDENTI BINARIE Mara Lusa Mancus Unverstà Boccon Novembre 200 Introduzone Ne modell econometrc studat fno ad ora la varable dpendente, y, è sempre stata

Dettagli

TRASMISSIONE DEL CALORE PER IRRAGGIAMENTO

TRASMISSIONE DEL CALORE PER IRRAGGIAMENTO TRASMISSIONE DEL CALORE PER IRRAGGIAMENTO ε T A Q ε T A Trasmssone del calore per rraggamento Indce. Lo spettro elettromagnetco e la radazone termca. Interazone della radazone termca con la matera 3. La

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

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

TEORIA DELLA STIMA E DELLA DESCISIONE STATISTICA

TEORIA DELLA STIMA E DELLA DESCISIONE STATISTICA TEORIA DELLA STIMA E DELLA DESCISIOE STATISTICA STIMA A MASSIMA VEROSIMIGLIAZA Per determnare la stma a massma verosmglanza d un parametro θ, partendo da un campone d dat X, bsogna scrvere la denstà d

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

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

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

Definizione classica di probabilità

Definizione classica di probabilità Corso d Idrologa A.A. 0-0 Teora delle probabltà Prof. Ing. A. Cancellere Dpartmento d Ingegnera Cvle e Ambentale Unverstà d Catana Defnzone classca d probabltà Il concetto d probabltà ha trovato formalzzazone

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

Regressione lineare con un singolo regressore

Regressione lineare con un singolo regressore Regressone lneare con un sngolo regressore Eduardo Ross 2 2 Unverstà d Pava (Italy) Marzo 2013 Ross Regressone lneare semplce Econometra - 2013 1 / 45 Outlne 1 Introduzone 2 Lo stmatore OLS 3 Esempo 4

Dettagli

PROBLEMA 1. Soluzione. β = 64

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

Dettagli

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

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

Dettagli

Trasformatore monofase. Le norme definiscono il rendimento convenzionale di un trasformatore come: = + Perdite

Trasformatore monofase. Le norme definiscono il rendimento convenzionale di un trasformatore come: = + Perdite Rendmento l rendmento effettvo d un trasformatore vene defnto come: otenza erogata al carco η otenza assorbta dalla rete 1 1 1 1 Le norme defnscono l rendmento convenzonale d un trasformatore come: η otenza

Dettagli

Modelli con varabili binarie (o qualitative)

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

Dettagli

TERMODINAMICA E TERMOFLUIDODINAMICA. Cap. 10 TRASMISSIONE DEL CALORE PER IRRAGGIAMENTO

TERMODINAMICA E TERMOFLUIDODINAMICA. Cap. 10 TRASMISSIONE DEL CALORE PER IRRAGGIAMENTO TERMODINAMICA E TERMOFLUIDODINAMICA Cap. 0 TRASMISSIONE DEL CALORE PER IRRAGGIAMENTO ε 2 T 2 A 2 Q 2 ε T A G. Cesn Termodnamca e termofludodnamca - Cap. 0_Irraggamento Cap. 0 Trasmssone del calore per

Dettagli

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

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

Dettagli

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

Dall appello del 16/7/04

Dall appello del 16/7/04 Dall aello del 6/7/04 Due lent sottl una convergente d ocale 0cm e l altra dvergente d ocale 5cm dstano tra loro D +. Un ago d altezza hcm è osto a dstanza s0cm dalla lente d ocale. S determn la oszone

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

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

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

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

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

5. Baricentro di sezioni composte

5. Baricentro di sezioni composte 5. Barcentro d sezon composte Barcentro del trapezo Il barcentro del trapezo ( FIURA ) s trova sull asse d smmetra oblqua (medana) della fgura; è suffcente, qund, determnare la sola ordnata. A tal fne,

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra d Statstca Medca, Unverstà d Bar 1/19 IL PROBLEMA

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

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

Corso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE

Corso di laurea in Ingegneria per l Ambiente e il Territorio a.a RETI TOPOGRAFICHE Corso d laurea n Ingegnera per l Ambente e l Terrtoro a.a. 006-007 Prof. V. Franco: Topografa e tecnche cartografche RETI TOPOGRAFICHE Unverstà degl Stud d Palermo Dpartmento d Rappresentazone Corso d

Dettagli

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati.

Propagazione degli errori statistici. Test del χ 2 per la bontà di adattamento. Metodo dei minimi quadrati. Propagazone degl error statstc. Test del χ per la bontà d adattamento. Metodo de mnm quadrat. Eserctazone 14 gennao 004 1 Propagazone degl error casual Sano B 1,..., B delle varabl casual con valor attes

Dettagli

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

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

Dettagli

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

Macchine. 5 Esercitazione 5

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

Dettagli

urto v 2f v 2i e forza impulsiva F r F dt = i t

urto v 2f v 2i e forza impulsiva F r F dt = i t 7. Urt Sstem a due partcelle Defnzone d urto elastco, urto anelastco e mpulso L urto è un nterazone fra corp che avvene n un ntervallo d tempo normalmente molto breve, al termne del quale le quanttà d

Dettagli

Probabilità cumulata empirica

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

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

Dispensa LE RETI TOPOGRAFICHE. Elementi per il calcolo e la compensazione

Dispensa LE RETI TOPOGRAFICHE. Elementi per il calcolo e la compensazione Unverstà degl Stud d Palermo Facoltà d Ingegnera Dspensa LE RETI TOPOGRFICHE Element per l calcolo e la compensazone Vncenzo Franco Mauro Lo rutto Maggo . RILEVMENTO TOPOGRFICO..... SCHEMI MISURE STRETTMENTE

Dettagli

Tutti gli strumenti vanno tarati

Tutti gli strumenti vanno tarati L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello

Dettagli

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

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

Corso di TEORIA DEI SISTEMI DI TRASPORTO. prof. ing. Umberto Crisalli

Corso di TEORIA DEI SISTEMI DI TRASPORTO. prof. ing. Umberto Crisalli Corso d TEORIA DEI SISTEMI DI TRASPORTO rof. ng. Umberto Crsall Modell d utltà aleatora Iscrzone al corso Modell d offerta Da effettuars anche on lne htt:delh.unroma.t Struttura del sstema d modell er

Dettagli

VERIFICHE DI S.L.U. SECONDO LE NTC 2008 TRAVE IN C.A. PROGETTO E VERIFICA ARMATURA A TAGLIO

VERIFICHE DI S.L.U. SECONDO LE NTC 2008 TRAVE IN C.A. PROGETTO E VERIFICA ARMATURA A TAGLIO VERIFICHE DI S.L.U. SECONDO LE NTC 2008 TRAVE IN C.A. PROGETTO E VERIFICA ARMATURA A TAGLIO In questo esempo eseguremo l progetto e la verfca delle armature trasversal d una trave contnua necessare per

Dettagli

PERDITE DI POTENZA NEI TRASFORMATORI Prof.

PERDITE DI POTENZA NEI TRASFORMATORI    Prof. EDITE DI OTENZA NEI TASFOATOI www.elettrone.altervsta.org www.proessore.mypoast.com www.marcochrzz.blogspot.com ro. arco Chrzz EESSA Il trasormatore è una mchna elettrca statca, coè prva d part n movmento.

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

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

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

Dettagli

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE CORRETT RPPREETZIOE DI U RIULTTO: LE CIFRE IGIFICTIVE Defnamo cfre sgnfcatve quelle cfre che esprmono realmente l rsultato d una msura, o del suo errore, coè che non sono completamente ncluse nell ntervallo

Dettagli

Metastability, Nonextensivity and Glassy Dynamics in a Class of Long Range Hamiltonian Models

Metastability, Nonextensivity and Glassy Dynamics in a Class of Long Range Hamiltonian Models Alessandro Pluchno Metastablty, Nonextensvty and Glassy Dynamcs n a Class of Long Range Hamltonan Models Dscussone Tes per l consegumento del ttolo Febbrao 2005 Tutor: Prof.A.Rapsarda E-mal: alessandro.pluchno@ct.nfn.t

Dettagli

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

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

Dettagli

Elettronica dello Stato Solido Prova scritta del 4 settembre 2007

Elettronica dello Stato Solido Prova scritta del 4 settembre 2007 Elettronca dello Stato Soldo Prova scrtta del 4 settebre 7 Cognoe e Noe Matrcola Fla Posto Es.) In un esperento d dffrazone d ragg n un crstallo cubco, la cella untara del retcolo recproco s trova ad essere

Dettagli

Unità Didattica N 5. Impulso e quantità di moto

Unità Didattica N 5. Impulso e quantità di moto Imnpulso e quanttà d moto - - Impulso e quanttà d moto ) Sstema solato : orze nterne ed esterne...pag. 2 2) Impulso e quanttà d moto...pag. 3 3) Teorema d conservazone della quanttà d moto...pag. 6 4)

Dettagli

STATISTICA DESCRITTIVA CON EXCEL

STATISTICA DESCRITTIVA CON EXCEL STATISTICA DESCRITTIVA CON EXCEL Corso d CPS - II parte: Statstca Laurea n Informatca Sstem e Ret 2004-2005 1 Obettv della lezone Introduzone all uso d EXCEL Statstca descrttva Utlzzo dello strumento:

Dettagli

QUANTITA DI MOTO LEGGE DI CONSERVAZIONE DELLA QUANTITA DI MOTO. Kg m/s. p tot. = p 1. + p 2

QUANTITA DI MOTO LEGGE DI CONSERVAZIONE DELLA QUANTITA DI MOTO. Kg m/s. p tot. = p 1. + p 2 QUANTITA DI MOTO r p = r mv Kg m/s LEGGE DI CONSERVAZIONE DELLA QUANTITA DI MOTO La quanttà d moto totale n un sstema solato s conserva, coè rmane costante nel tempo p tot = p 1 + p 2 = m 1 v 1 + m 2 v

Dettagli

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

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

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

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

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE

LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE Lezone 6 - La statstca: obettv; raccolta dat; le frequenze (EXCEL) assolute e relatve 1 LA STATISTICA: OBIETTIVI; RACCOLTA DATI; LE FREQUENZE (EXCEL) ASSOLUTE E RELATIVE GRUPPO MAT06 Dp. Matematca, Unverstà

Dettagli

I simboli degli elementi di un circuito

I simboli degli elementi di un circuito I crcut elettrc Per mantenere attvo l flusso d carche all nterno d un conduttore, è necessaro che due estrem d un conduttore sano collegat tra loro n un crcuto elettrco. Le part prncpal d un crcuto elettrco

Dettagli

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

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

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

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

Dettagli

Seconda legge della termodinamica per una massa di controllo

Seconda legge della termodinamica per una massa di controllo Seconda legge della termodnamca er una massa d controllo artendo dalla seconda legge della termodnamca er un sstema solato, n base alla quale s è detto che l entroa d un sstema solato è una grandezza estensva

Dettagli

Correlazione lineare

Correlazione lineare Correlazone lneare Varable dpendente Mortaltà per crros 50 45 40 35 30 5 0 15 10 5 0 0 5 10 15 0 5 30 Consumo d alcool Varable ndpendente Metodologa per l anals de dat spermental L anals d stud con varabl

Dettagli

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

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

Dettagli

Università degli Studi di Perugia A.A. 2014/2015 Dipartimento di Economia. ECONOMIA INDUSTRIALE Prof. Davide Castellani (davide.castellani@unipg.

Università degli Studi di Perugia A.A. 2014/2015 Dipartimento di Economia. ECONOMIA INDUSTRIALE Prof. Davide Castellani (davide.castellani@unipg. Unverstà degl Stud d Peruga A.A. 2014/2015 Dartmento d Economa ECONOMIA INDUSTRIALE Prof. Davde Castellan (davde.castellan@ung.t) Struttura e otere d mercato Paradgma Struttura-Condotta-Performance Concentrazone

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

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

Campi magnetici variabili nel tempo. Esercizi.

Campi magnetici variabili nel tempo. Esercizi. Camp magnetc varabl nel tempo. Esercz. Mauro Sata Versone provvsora. Novembre 2014 1 Per comment o segnalazon d error scrvere, per favore, a: maurosata@tscalnet.t Indce 1 Induzone elettromagnetca. 1 2

Dettagli

Università degli Studi di Torino D.E.I.A.F.A. Forze conservative. Forze conservative (1)

Università degli Studi di Torino D.E.I.A.F.A. Forze conservative. Forze conservative (1) Unverstà degl Stud d Torno D.E.I.A..A. orze conservatve Unverstà degl Stud d Torno D.E.I.A..A. orze conservatve () Una orza s dce conservatva se l lavoro da essa computo su un corpo che s muove tra due

Dettagli

Il lavoro L svolto da una forza costante è il prodotto scalare della forza per lo spostamento del punto di applicazione della forza medesima

Il lavoro L svolto da una forza costante è il prodotto scalare della forza per lo spostamento del punto di applicazione della forza medesima avoro ed Energa F s Fs cos θ F// s F 0 0 se: s 0 θ 90 Il lavoro svolto da una orza costante è l prodotto scalare della orza per lo spostamento del punto d applcazone della orza medesma [] [M T - ] N m

Dettagli

Corso di Architettura (Prof. Scarano) 25/03/2002

Corso di Architettura (Prof. Scarano) 25/03/2002 Corso d rchtettura (Prof. Scarano) // Un quadro della stuazone Lezone Logca Dgtale (): Crcut combnator Vttoro Scarano rchtettura Corso d Lauren Informatca Unverstà degl Stud d Salerno Input/Output Regstr

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

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

CORSO DI LAUREA IN SCIENZE BIOLOGICHE Appello di FISICA, 22 febbraio 2011

CORSO DI LAUREA IN SCIENZE BIOLOGICHE Appello di FISICA, 22 febbraio 2011 CORSO DI LAUREA IN SCIENZE BIOLOGICHE Appello d FISICA, febbrao 11 1) Un autocarro con massa a peno carco par a M = 1.1 1 4 kg percorre con veloctà costante v = 7 km/h, un tratto stradale rettlneo. A causa

Dettagli

Sollecitazione di Taglio

Sollecitazione di Taglio Sollectazone d Taglo In lnea teorca s può avere solo sollectazone d taglo, ma n realtà essa s accompagna sempre a momento flettente y T T x Cononostante, anche n presenza d taglo l momento flettente s

Dettagli

Alberi di classificazione: caratteristiche. della metodologia CART

Alberi di classificazione: caratteristiche. della metodologia CART Alber d classfcazone: caratterstche della metodologa CAT Introduzone I modell strutturat ad albero sono stat usat n cam dvers come la botanca e la medcna, rma che l loro otenzale eslcatvo vensse scoerto

Dettagli

il diodo a giunzione transistori ad effetto di campo (FETs) il transistore bipolare (BJT)

il diodo a giunzione transistori ad effetto di campo (FETs) il transistore bipolare (BJT) Contenut del corso Parte I: Introduzone e concett ondamental rcham d teora de crcut la smulazone crcutale con PICE element d Elettronca dello stato soldo Parte II: Dspost Elettronc l dodo a gunzone transstor

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

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

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione

Ettore Limoli. Lezioni di Matematica Prof. Ettore Limoli. Sommario. Calcoli di regressione Sto Personale d Ettore Lmol Lezon d Matematca Prof. Ettore Lmol Sommaro Calcol d regressone... 1 Retta d regressone con Ecel... Uso della funzone d calcolo della tendenza... 4 Uso della funzone d regressone

Dettagli