PEREQUAZIONE MEDIANTE MODELLI LINEARI GENERALIZZATI

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "PEREQUAZIONE MEDIANTE MODELLI LINEARI GENERALIZZATI"

Transcript

1 Perequazone eante oell lnear generalzzat Sano PEREQUAZIONE MEDIANTE MODELLI LINEARI GENERALIZZATI qˆ oppure ˆ = a, a +, K, ω le ste nzal una tavola sopravvvenza ottenute n un approcco tpo non paraetrco n l esposzone (es. l nuero nzale espost al rscho) nella classe età Defnao e GLM per perequare le ste nzal. Un GLM è efnto alle seguent potes: potes probablstche: strbuzon elle varabl rsposta appartenent alla fagla esponenzale lneare potes struttural: struttura regressone e funzone collegaento Illustrao alcun oell probablstc e le conseguent potes struttural aatte per la perequazone elle ste nzal. 96

2 Perequazone eante oell lnear generalzzat Moell con strbuzone bnoale scalata La strbuzone Bnoale scalata è una strbuzone ella fagla esponenzale lneare. Infatt, se n n X B( n, p) P( X = ) = p ( p) con = 0,, K, n X s ha che l n.a. Y B n, p / n n n y n ny P( Y = y) = p ( p) con y = 0,, K, n y n Poché Y = ha strbuzone Bnoale scalata: ( ) n n p n y p n n y n ( = y) = ( p) = ep n y log + log( p) P Y n y p p è una strbuzone ella fagla esponenzale lneare con paraetro canonco peso p = log p θ funzone coulante b ( θ ) = log ( + e ) ω = n paraetro spersone φ = 97

3 Perequazone eante oell lnear generalzzat onserao le osservazon e pes y = ˆ q ω = n at alle esposzon troncate con = a, a +, K, ω. Sano Y n.a. varabl rsposta, = a, a +, K, ω potes probablstche: pes Y stoc. np. con strbuzone Bnoale scalata con ω paraetro spersone φ = paraetro canonco S ha allora: e E = + e q = log q ( Y ) = b ( θ ) = q θ funzone coulante b ( θ ) = log ( + e ) Var ( Y ) = b ( θ ) = q ( q ) ω ω 98

4 Perequazone eante oell lnear generalzzat potes struttural Funzone collegaento ( ) Funzone collegaento canonca o logt o log-os g q q ( q ) = log g q Funzone log-log copleentare g Funzone Probt g Prevsore lneare ( ) = log ( log( )) q q ( ) Φ ( ) = η con g funzone onotona, ervable e η prevsore lneare q = q esseno Φ la funzone rpartzone ella strbuzone norale stanar η = z β con z vettore elle eternazon elle varabl esplcatve relatve alla classe età Se s tene conto soltanto ell età, s ha usualente: η = β + β + β + K + β 0 99

5 Perequazone eante oell lnear generalzzat Esepo: l oello Gopertz Abbao vsto che per l oello Gopertz s ha β ( p ) ( e α log log = log ) + α α S può stare tale oello con un GLM per le osservazon y = qˆ, = a, a +, K, ω Varabl rsposta: Y con strbuzone Bnoale scalata con E ( Y ) = q e pes ω = n at alle esposzon troncate Funzone collegaento: log-log copleentare g( ) = log ( log( )) Prevsore lneare: η = β 0 + β esseno β β = log α β = α α ( e ) 0 q q Il oello può essere esteso conserano η = β + β + β + K + β coè una forula perequazone el tpo: GM ( ) = 0 r,0 α r = α 00

6 Perequazone eante oell lnear generalzzat Esepo: l oello Wlke q q In tale oello s potzza = ep( pol( ) ) ove pol () è un polnoo n, spesso lneare o grao S può stare tale oello con un GLM per le osservazon y = qˆ, = a, a +, K, ω Varabl rsposta: Y con strbuzone Bnoale scalata con E ( Y ) = q e pes ω = n at alle esposzon troncate q g q = log q Funzone collegaento: logt ( ) Prevsore lneare: Poché g η = β + β + β + K + β 0 q ( ) q q = η log = β + β + + β = ( β + β + K + β ) q 0 K ep 0 q s 0, s GMα = ep α = S ha una forula perequazone el tpo: ( ) 0

7 Perequazone eante oell lnear generalzzat Moell con strbuzone Posson Sa y µ µ Y Po( µ ) P( Y = y) = e y! con È una strbuzone ella fagla esponenzale lneare, nfatt y µ µ y! ( = y) = e = ep{ y log( µ ) µ } P Y y! y = 0,, K paraetro canonco θ = log( µ ) funzone coulante b ( θ ) = e peso ω = paraetro spersone φ = Abbao vsto che se strbuzone Posson paraetro P( D ( ) = ) = D è n.a. e ecess nella classe età ], +] µ ( ) E ( ( ) ) ( ) µ E ( ) ( E E ) µ µ E ( ) ( ) ( )! e =! e µ L, n potes esseno L la funzone verosglanza, con paraetro l ntenstà stantanea ortaltà e E l nuero centrale espost al rscho. 0

8 Perequazone eante oell lnear generalzzat on rferento alla classe età ], +] sano E = ( s r ) + ( t r ) + ( k r ) S D W l nuero centrale espost al rscho S ha D l n.a. e ecess con strbuzone Posson paraetro µ E P( D = ) = ( µ E ) µ E e = ep{ log( µ E ) µ E }!! ( ) { ( ) } ( ) E E = ep log µ µ E ep E log( µ ) =!! E µ coè una strbuzone ella fagla esponenzale lneare con paraetro canonco θ = log( ) funzone coulante b ( θ ) = e µ peso ω = E paraetro spersone φ = e con varabl rsposta E 03

9 Perequazone eante oell lnear generalzzat onserao le osservazon e pes y = ˆ = = E E ω nuer central espost al rscho con = a, a +, K, ω. Sano Y n.a. varabl rsposta, = a, a +, K, ω potes probablstche: pes = E Y stoc. np. con strbuzone Posson con ω paraetro spersone φ = paraetro canonco θ = log( ) funzone coulante b ( θ ) = e S ha allora: µ ( ) ( ) Y b θ = e = = ( Y ) = b ( θ ) = e = E µ µ Var E E E 04

10 Perequazone eante oell lnear generalzzat potes struttural Funzone collegaento ( ) Funzone collegaento canonca logarto Prevsore lneare ( µ ) = log( ) g µ g µ = η con g funzone onotona, ervable e η prevsore lneare η = z β con z vettore elle eternazon elle varabl esplcatve relatve alla classe età Se s tene conto soltanto ell età, s ha usualente: η = β + β + β + K + β 0 05

11 Perequazone eante oell lnear generalzzat Esepo: l oello Gopertz Abbao vsto che per l oello Gopertz s ha log µ ( ) = log β + α S può stare tale oello con un GLM per le osservazon Varabl rsposta: y = ˆ =, = a, a +, K, ω E Y con strbuzone Posson con ( Y ) E = µ e pes = E Funzone collegaento: logarto g ( µ ) = log( µ ) Prevsore lneare: η = β 0 + β esseno β0 = log β = α ( β ) Il oello può essere esteso conserano ω nuer central espost al rscho η = β + β + β + K + β coè una forula perequazone el tpo: GM ( ) = 0 r,0 α r = α 06

12 Rferent bblografc RIFERIMENTI BIBLIOGRAFII D. Lonon, Survval oels an ther estaton, Acte publcatons, 997 (ap. 5, 6, 7, 9) E. Ptacco, Mateatca e tecnca attuarale elle asscurazon sulla urata vta, Lnt, 00 (App. A) Forfar, D.O. et al. (988), On grauaton by atheatcal forula, JIA, 5, 4-97 Renshaw, A.E. (99), Actuaral grauaton practce an generalze lnear an nonlnear oels, JIA, 8,

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

Esercizio statistica applicata all ingegneria stradale pag. 1

Esercizio statistica applicata all ingegneria stradale pag. 1 ESERCIZIO STATISTICA APPLICATA ALLA PROGETTAZIONE STRADALE SINTESI S supponga d avere eseguto 70 sure della veloctà stantanea de vecol che transtano nelle sezon d due strade A e B. S supponga che tal sure

Dettagli

CORSO DI STUDI E VALUTAZIONI AMBIENTALI A.A

CORSO DI STUDI E VALUTAZIONI AMBIENTALI A.A CORSO DI STUDI E VALUTAZIONI AMBIENTALI A.A. 2012-2013 1 INDICE 1 STIMA DELLA DOMANDA DI TRASPORTO 3 1.1 Moello generazone 3 1.2 Moello strbuzone 4 1.3 Moello scelta moale 5 1.4 Stma elle sottomatrc scambo

Dettagli

2. La base monetaria e i mercati dei depositi e del credito

2. La base monetaria e i mercati dei depositi e del credito 2. La base monetara e mercat e epost e el creto Esercz svolt Eserczo 2.1 (a) Conserate l moello che rappresenta l equlbro el mercato ella base monetara e el mercato e epost (fate l potes che coe cent c;

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

Coppia differenziale con BJT e carico passivo

Coppia differenziale con BJT e carico passivo oppia ifferenziale con BJ e carico passivo tensione ifferenziale e i moo comune: v v v B1 B v M v + v B1 B risposta al segnale i moo comune G. Martines 1 oppia ifferenziale con BJ e carico passivo Saturazione

Dettagli

INTRODUZIONE AL LABORATORIO PLS: LA MATEMATICA PER LE DECISIONI FINANZIARIE

INTRODUZIONE AL LABORATORIO PLS: LA MATEMATICA PER LE DECISIONI FINANZIARIE INTRODUZIONE AL LABORATORIO PLS: LA MATEMATIA PER LE DEISIONI FINANZIARIE Lvana Pcech Dpartento d Scenze econoche, azendal, ateatche e statstche Bruno de Fnett Unverstà d Treste Nel Laboratoro sono ntrodotte

Dettagli

L ADOZIONE DI NUOVE TECNOLOGIE (1)

L ADOZIONE DI NUOVE TECNOLOGIE (1) (1) Approcco statco: TIZIO Nuova tecnologa Veccha tecnologa CAIO Nuova tecnologa Veccha tecnologa α; α ; γ Nash E. γ; β; β Nash E. Ipotes base: Presenza esternaltà rete α > β > γ Excess nerta: s verfca

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

# STUDIO DELLA FEDELTA DI RISPOSTA

# STUDIO DELLA FEDELTA DI RISPOSTA # STUDIO DELLA FEDELTA DI RISOSTA # er poter formulare n manera approprata problem sntes (progetto) sstem controllo, e necessaro a questo punto nteressarc elle loro propreta n termn feelta rsposta agl

Dettagli

Regime Permanente. (vedi Vitelli-Petternella par. VI.1,VI.1.1,VI.2)

Regime Permanente. (vedi Vitelli-Petternella par. VI.1,VI.1.1,VI.2) Regme Permanente (ve Vtell-Petternella par. VI.,VI..,VI.) Comportamento a regme permanente Clafcazone n tp Conzon a Cclo Chuo Conzon a Cclo Aperto Rpota a Regme per Dturb Cotant Dturbo ulla mura Rpota

Dettagli

CALCOLO DELLE PROBABILITA - 24 Giugno 2015 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5,6.

CALCOLO DELLE PROBABILITA - 24 Giugno 2015 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5,6. Cognome e Nome: Matricola CdS CALCOLO DELLE PROBABILITA - 4 Giugno 5 CdL in STAD, SIGAD Compito intero Seconda prova in itinere: esercizi 4,5, Motivare dettagliatamente le risposte su fogli allegati e

Dettagli

! # %# & # & # #( # & % & % ( & )!+!,!++

! # %# & # & # #( # & % & % ( & )!+!,!++ ! # %# & # & # #( # &! # % & % ( & )!+!,!++ ! # % & & ( ) +,.! / ( # / # % & ( % &,. %, % / / 0 & 1.. #! # ) ) + + + +) #!! # )! # # #.. & & 8. 9 1... 8 & &..5.... < %. Α < & & &. & % 1 & 1.. 8. 9 1.

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

Modelli Clamfim Equazioni differenziali esatte, cambio di variabili, equazioni del secondo ordine 28 settembre 2015

Modelli Clamfim Equazioni differenziali esatte, cambio di variabili, equazioni del secondo ordine 28 settembre 2015 CLAMFIM Bologna Modell 1 @ Clamfm Equazon dfferenzal esatte, cambo d varabl, equazon del secondo ordne 28 settembre 2015 professor Danele Rtell danele.rtell@unbo.t 1/21? Exact dfferental equatons If Q

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

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

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

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

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

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

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

Dettagli

6. Applicazione di curve di probabilità pluviometrica in ambito di verifica.

6. Applicazione di curve di probabilità pluviometrica in ambito di verifica. 6. Applicazione i curve i probabilità pluviometrica in ambito i verifica. Viene qui riportato un esempio i applicazione i curve i probabilità pluviometrica per la eterminazione el perioo i ritorno i un

Dettagli

Caratteristiche elettriche principali dei tessuti biologici. Dispense a cura dei Prof. P. Bernardi, S. Pisa

Caratteristiche elettriche principali dei tessuti biologici. Dispense a cura dei Prof. P. Bernardi, S. Pisa Università egli Stui i Roma La Sapienza Facoltà i Ingegneria Dipartimento i Ingegneria Elettronica orso i Strumentazione Biomeica III aratteristiche elettriche principali ei tessuti biologici Dispense

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 26 Febbraio Dott. Mirko Bevilacqua Uverstà d Casso Eserctazo d Statstca del 26 Febbrao 200 Dott. Mrko Bevlacqua ESERCIZIO Cosderado le class d altezza 60 6; 6 70; 70 78; 78 86 per u collettvo d 20 persoe, s può affermare che l ALTEZZA dpede

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

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

Università degli Studi di Cagliari

Università degli Studi di Cagliari Università degli Studi di Cagliari Facoltà di Scienze Corsi di Laurea in Fisica Tesi di Laurea Triennale Crittografia Quantistica Relatore: Michele Saba Candidata: Samuela Furcas Anno Accademico 2014/2015

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 5: 24 febbraio 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 5: 24 febbraio 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 5: 24 febbrao 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/24? Eserczo Trovare quale legge d captalzzazone

Dettagli

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente

La Regressione X Variabile indipendente o esplicativa. La regressione. La Regressione. Y Variabile dipendente Unverstà d Macerata Dpartmento d Scenze Poltche, della Comuncazone e delle Relaz. Internazonal La Regressone Varable ndpendente o esplcatva Prezzo n () () 1 1 Varable dpendente 15 1 1 1 5 5 6 6 61 6 1

Dettagli

AMMORTAMENTO A RATE POSTICIPATE CON TASSO FISSO

AMMORTAMENTO A RATE POSTICIPATE CON TASSO FISSO Aortaento a rate postcpate con tasso fsso AMMORTAMENTO A RATE POTICIPATE CON TAO FIO + R1 K 1 R R 0 1 K -1 a l tasso d nteresse rferto alla perodctà d pagaento delle rate (es. tasso annuo nel caso d rate

Dettagli

Equazioni Differenziali alle Derivate Parziali del primo ordine semilineari

Equazioni Differenziali alle Derivate Parziali del primo ordine semilineari Equazioni Differenziali alle Derivate Parziali el primo orine semilineari Analisi Matematica III C. Lattanzio B. Rubino 1 Teoria Per equazione ifferenziale alle erivate parziali el primo orine semilineare

Dettagli

L'Analisi in Componenti Principali. Luigi D Ambra Dipartimento di Matematica e Statistica Università di Napoli Federico II

L'Analisi in Componenti Principali. Luigi D Ambra Dipartimento di Matematica e Statistica Università di Napoli Federico II L'Anals n Component Prncpal Lug D Ambra Dpartmento d Matematca e Statstca Unverstà d Napol Federco II ANALISI MULTIDIMENSIONALE DEI DATI (AMD) L Anals Multdmensonale de Dat (AMD) è una famgla d tecnche

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

Principio di sostituzione - I

Principio di sostituzione - I 67 Prncpo d sosttuzone - I In una rete elettrca (lneare o non-lneare) un coponente elettrco, o un nsee d coponent elettrc (lnear o non lnear), può essere sosttuto con un altro coponente o nsee d coponent

Dettagli

Schema generale su fenomeni, eventi, misure analitiche e sintetiche

Schema generale su fenomeni, eventi, misure analitiche e sintetiche chema generale su fenomen, event, msure analtche e sntetche Tologa event: - NON rnnovabl negatv (morte, mgrazon) - NON rnnovabl (rmo matrmono, nascte er orne, ecc.) - Rnnovabl (matrmono, nascta fgl, ecc.)

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Facoltà d Economa Valutazone de prodott e dell mpresa d asscurazone I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Clauda Colucc Letza Monno Gordano Caporal Martna Ragg I Modell Multstato sono un

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

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

FREQUENZE DI DECESSO PER TAVOLE SELEZIONATE. Un modello di sopravvivenza selezionato è definito mediante una famiglia di funzioni di sopravvivenza

FREQUENZE DI DECESSO PER TAVOLE SELEZIONATE. Un modello di sopravvivenza selezionato è definito mediante una famiglia di funzioni di sopravvivenza Feueze eceo pe tavole elezoate FREQUENZE DI DEESSO PER TAVOLE SELEZIONATE U moello opavvveza elezoato è efto meate ua famgla fuzo opavvveza t S ; t 0 a, a, K ove è l età tea geo acuazoe t è l atuata ell

Dettagli

Inflazione, disoccupazione e moneta

Inflazione, disoccupazione e moneta Macroeconomia (Clamm) - a.a. 2011/2012 Contenuto Curva di Phillips e aspettative 1 Curva di Phillips e aspettative 2 3 4 Curva di Phillips Offerta aggregata: con: P t livello generale dei prezzi; P e t

Dettagli

Apprendimento Automatico e IR: introduzione al Machine Learning

Apprendimento Automatico e IR: introduzione al Machine Learning Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1

Dettagli

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill

Statistica - metodologie per le scienze economiche e sociali /2e S. Borra, A. Di Ciaccio - McGraw Hill Statstca - metodologe per le scenze economche e socal /e S Borra, A D Cacco - McGraw Hll Es Soluzone degl esercz del captolo 7 In base agl arrotondament effettuat ne calcol, s possono rscontrare pccole

Dettagli

Meccanica Applicata Alle Macchine. Elementi di Meccanica Teorica ed Applicata

Meccanica Applicata Alle Macchine. Elementi di Meccanica Teorica ed Applicata Meccanica Applicata Alle Macchine (Ingegneria Energetica) Elementi i Meccanica Teorica e Applicata (Scienze per l Ingegneria) Università egli Stui i oma La Sapienza Una traccia egli argomenti el Corso

Dettagli

Laboratorio di Fisica I: laurea in Ottica e Optometria. Misura di una resistenza con il metodo VOLT-AMPEROMETRICO

Laboratorio di Fisica I: laurea in Ottica e Optometria. Misura di una resistenza con il metodo VOLT-AMPEROMETRICO Laboratoro d Fsca I: laurea Ottca e Optoetra Msura d ua ressteza co l etodo OLTMPEOMETICO descrzoe s sura ua ressteza utlzzado u voltetro e u llaperoetro sfruttado la relazoe : Per coduttor ohc è dpedete

Dettagli

TECNICHE DI REGOLARIZZAZIONE IN ELABORAZIONE

TECNICHE DI REGOLARIZZAZIONE IN ELABORAZIONE TECNICHE DI REGOLARIZZAZIONE IN ELABORAZIONE DI IMMAGINI Ivan Gerace, Francesca Martinelli e Patrizia Pucci Università degli Studi di Perugia Giornate di Algebra Lineare e Applicazioni 2009 Martinelli

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

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

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

10. DIMENSIONAMENTO DEL CONTROVENTO DI FALDA

10. DIMENSIONAMENTO DEL CONTROVENTO DI FALDA Università egli Stui i Salerno - Facoltà i Ingegneria Corso i: Tecnica elle costruzioni II - Anno Accaemico 003 / 004 47 10. DIESIOAETO DEL COTROVETO DI FALDA Fk/ Fk Fk Fk Fk Fk Fk Fk Fk Fk Fk/ u 400 mm

Dettagli

Variabili casuali ( ) 1 2 n

Variabili casuali ( ) 1 2 n Varabl casual &. Valore edo. Data ua varable casuale = ( x,x 2, K,x ) (.) cu valor assuoo le rspettve probabltà P = p,p, K,p (.2) s defsce valore edo la quattà ( ) 2 = [ ] T M = M = P = xp (.3) Sgfcato:

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

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

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1;

Appendice B. B Elementi di Teoria dell Informazione 1. p k =P(X = x k ) ovviamente, valgono gli assiomi del calcolo della probabilità: = 1; Appendce B Eleent d Teora dell Inforazone Appendce B B Eleent d Teora dell Inforazone B Introduzone E noto da tepo che fenoen percettv possono essere foralzzat e studat edante la Teora dell Inforazone

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

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012

FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE ESAME di STATISTICA 17/09/2012 CdL n SCIENZE DELL ORGANIZZAZIONE ESAME d STATISTICA ESERCIZIO 1 (+.5+.5+3) La tabella seguente rporta la dstrbuzone d frequenza del peso X n gramm d una partta d mele provenent da un certo frutteto. X=peso

Dettagli

LE PROVE DI AFFIDABILITA

LE PROVE DI AFFIDABILITA 4. LE PROVE DI AFFIDABILITA Ed.1 del 14/09/98 Rev. 3 del 08/09/00 AFFIDABILITA' DI COMPONENTI E SCHEDE ELETTRONICHE-sez 4 1 LE PROVE DI AFFIDABILITA SI RICAVANO INFORMAZIONI RELATIVE AD UN CAMPIONE E SI

Dettagli

Modello logistico (Modello di regressione logistica)

Modello logistico (Modello di regressione logistica) Modello logstco (Modello d regressone logstca) Prof. Guseppe Verlato Prof. Elsabetta Zanoln Sezone d Epdemologa e Statstca Medca, Dpartmento d Santà Pubblca e Medcna d Comuntà, Unverstà degl Stud d Verona

Dettagli

MEDIA DI Y (ALTEZZA):

MEDIA DI Y (ALTEZZA): Uverstà d Casso Eserctazo d Statstca del 4 Marzo 0 Dott. Mrko Bevlacqua ESERCIZIO Su u collettvo d dvdu soo stat rlevat caratter X Peso( kg) e Altezza ( cm) otteamo la seguete dstrbuzoe d frequeza coguta:

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

La valutazione del rischio di non autosufficienza nelle assicurazioni

La valutazione del rischio di non autosufficienza nelle assicurazioni La valutazone del rscho d non autosuffcenza nelle asscurazon Long Term Care Susanna Levantes Sapenza Unverstà d Roma susanna.levantes@unroma1.t Roma, 26 aprle 2011 Contenut del semnaro Trend demografc

Dettagli

MODELLI STOCASTICI DELLA CLASSE GLM

MODELLI STOCASTICI DELLA CLASSE GLM MODELLI STOCASTICI DELLA CLASSE GLM S possono consderare GLM con dstrbuzone specfcata o modell con quas-verosmglanza, quest ultm sono modell d tpo semparametrco. Illustramo l loro uso come: strumento d

Dettagli

IL MODELLO A 4 STADI (Capitolo 3)

IL MODELLO A 4 STADI (Capitolo 3) Facoltà d Ingegnera - Unverstà d Bologna Anno Accademco: 00/ TECNICA ED ECONOMIA DEI TRASPORTI Docente: Marno Lup IL MODELLO A 4 STADI (Captolo ) Modello a 4 stad per la determnazone della domanda d trasporto

Dettagli

Pulegge trapezoidali SIT

Pulegge trapezoidali SIT Pulegge trapezoiali SIT Descrizione Sul mercato esistono varie tipologie i cinghie trapezoiali, fra i esse, quelle più iffuse sono: le strette SP - SPA - SPB - SPC (ISO 4184 - DIN 7753), le classiche -

Dettagli

Prova scritta di Esperimentazioni II del

Prova scritta di Esperimentazioni II del Prova scrtta Espermentazon II el 9--98 Un amplcatore a transstor ha lo schema presentato n gura. Calcolare la tensone el collettore Vc, sapeno che l transstor ha un h FE 0. Calcolare la potenza sspata

Dettagli

Università degli Studi di Roma Tor Vergata Dipartimento di Ing. Elettronica corso di ELETTRONICA APPLICATA RETROAZIONE & OSCILLATORI

Università degli Studi di Roma Tor Vergata Dipartimento di Ing. Elettronica corso di ELETTRONICA APPLICATA RETROAZIONE & OSCILLATORI Unverstà degl tud d oma Tor Vergata Dpartmento d ng. Elettronca corso d EETTON PPT ETOZONE & OTO POEDMENTO PE OVEE UT ON ETOZONE dentfca l tpo d reazone determna l crcuto dell amplfcatore senza reazone

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

Motore ad induzione: modelli matematici e modelli per la simulazione. 1.1 Modelli matematici del motore ad induzione

Motore ad induzione: modelli matematici e modelli per la simulazione. 1.1 Modelli matematici del motore ad induzione OTOE AD INDUZIONE ODEI ATEATICI E ODEI PE A IUAZIONE otore ad nduzone: odell ateatc e odell per la sulazone. odell ateatc del otore ad nduzone Nello studo degl azonaent ndustral è necessaro rappresentare

Dettagli

Esercizi sulle reti elettriche in corrente continua (parte 2)

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

Dettagli

LE CARTE DI CONTROLLO

LE CARTE DI CONTROLLO ITIS OMAR Dpartento d Meccanca LE CARTE DI CONTROLLO Carte d Controllo Le carte d controllo rappresentano uno degl struent pù portant per l controllo statstco d qualtà. La carta d controllo è corredata

Dettagli

Valutazione dei Benefici interni

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

Dettagli

1 Progettare e verificare la trave di colmo con sezione presunta di mm2, che viene appoggiata sui pilastri prolungati

1 Progettare e verificare la trave di colmo con sezione presunta di mm2, che viene appoggiata sui pilastri prolungati 4 Il legno 4. Elementi strutturali e strutture in legno ESERCIZI SVOLTI 4.. Coperture Progettare e verificare la trave i colmo con sezione presunta i 0 0 mm, che viene appoggiata sui pilastri prolungati

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

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

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

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Lezione 1: Martedì 17/2/2015

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa Lezione 1: Martedì 17/2/2015 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2014-2015 Lezone 1: Martedì 17/2/2015 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/40? Codce docente 030508 Codce corso 00675 Matematca

Dettagli

Derivazione Numerica

Derivazione Numerica Derivazione Numerica I metodi alle differenze finite sono basati sull approssimazione numerica di derivate parziali. Per questo consideriamo come problema iniziale quello di approssimare le derivate di

Dettagli

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0)

Funzioni di più variabili Massimi e Minimi una funzione definita in un insieme E. Un punto ( x0, y0) Massm e Mm Fuzo d pù varabl Massm e Mm Dezoe: Sa z = (, ) ua uzoe deta u seme E U puto (, E s dce puto d massmo (rsp mmo) relatvo per (, ) se esste δ > tale che ((, ) B((, ), δ ) E (, ) (, ) (rsp (, )

Dettagli

Inflazione, disoccupazione e crescita. Macroeconomia (Clamm) - a.a. 2013/2014

Inflazione, disoccupazione e crescita. Macroeconomia (Clamm) - a.a. 2013/2014 Inflazione, disoccupazione e crescita Macroeconomia (Clamm) - a.a. 2013/2014 Contenuto Inflazione, disoccupazione e curva di Phillips Produttività del lavoro e disoccupazione Domanda aggregata Il modello

Dettagli

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2:

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2: CORSO DI FISICA TECNICA AA 013/14 ACUSTICA Lezone n : Lvell sonor: operazon su decbel e lvello sonoro equvalente. Anals n requenza de segnal sonor, bande d ottava e terz d ottava. Rumore banco e rumore

Dettagli

La potenza assorbita dalla pompa per sollevare il liquido dal serbatoio a valle al serbatoio a monte si calcola con la relazione

La potenza assorbita dalla pompa per sollevare il liquido dal serbatoio a valle al serbatoio a monte si calcola con la relazione 1 E S E R C I Z I S U L L E P O M P E C E N T R I F U G E ESERCIZIO 1 In un panto ollevaento per acqua ono not Il lvello geoetco tra ue erbato g 0 La preone aoluta ul erbatoo a valle p A p at La preone

Dettagli

1.1 Identificazione del campo di operatività di un motore AC brushless. Sia dato un motore AC brushless isotropo di cui siano noti i seguenti dati:

1.1 Identificazione del campo di operatività di un motore AC brushless. Sia dato un motore AC brushless isotropo di cui siano noti i seguenti dati: Captolo 1 1.1 Ientfcazone el campo operatvtà un motore AC bruhle Sa ato un motore AC bruhle otropo cu ano not eguent at: Vn = 190 V In = 3.5 A Tn =.6 N n pol = R = 1 Ω L = 8 mh Ke = Kt = 0.4 S etermn l

Dettagli

Diffusione dei raggi X da parte di un elettrone

Diffusione dei raggi X da parte di un elettrone Diffusione dei raggi X da parte di un elettrone Consideriamo un onda elettro-magnetica piana polarizzata lungo x che si propaga lungo z L onda interagisce con un singolo elettrone (libero) inducendo un

Dettagli

LE NOVITA DELLE NORME TECNICHE PER L ACCIAIO

LE NOVITA DELLE NORME TECNICHE PER L ACCIAIO LE NOVITA DELLE NORME TECNICHE PER L ACCIAIO C. Urbano pag. 1 di 33 NORME TECNICHE PER LE COSTRUZIONI - 2008 CIRCOLARE ESPLICATIVA - 2009 APPENDICI NAZIONALI AGLI EUROCODICI -??? C. Urbano pag. 2 di 33

Dettagli

Interazione luce- atomo

Interazione luce- atomo Interazione luce- atomo Descrizione semiclassica L interazione predominante è quella tra il campo elettrico e le cariche ASSORBIMENTO: Elettrone e protone formano un dipolo che viene messo in oscillazione

Dettagli

Schiere passive. Schiere Yagi-Uda...6 Antenne log-periodiche...8

Schiere passive. Schiere Yagi-Uda...6 Antenne log-periodiche...8 Appunti i Antenne Capitolo Schiere i antenne () Schiere passive... Schiere Yagi-Ua...6 Antenne log-perioiche...8 Schiere passive Una schiera i antenne si efinisce attiva quano tutte le sue antenne sono

Dettagli

Corso di Geotecnica EA CAPACITÀ PORTANTE DEI TERRENI. ing. Ivo Bellezza Università Politecnica delle Marche

Corso di Geotecnica EA CAPACITÀ PORTANTE DEI TERRENI. ing. Ivo Bellezza Università Politecnica delle Marche Corso Geotena EA 2006-07 CAPACITÀ PORTANTE DEI TERRENI ng. Ivo Bellezza Unverstà Poltena elle Marhe 1 OBIETTIVO CONOSCERE IL CARICO MASSIMO, O IL CARICO ULTIMO O IL CARICO LIMITE CHE PUÒ SOPPORTARE LA

Dettagli

Elettronica applicata

Elettronica applicata Plten Trn Elettrna Elettrna. CICUITI SOMMATOI AMPLIFICATOE OPEAZIONALE Ess è mpst a : un sta ngress tp fferenzale un sta amplfazne un sta usta vlt a guaagnare rrente Amplfatre peraznale eale Carattersthe

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

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

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

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

Dettagli

1 Oscillazioni libere (oscillatore armonico)

1 Oscillazioni libere (oscillatore armonico) C. d. L. Ingegneria Inforatica e delle Telecounicazioni A.A. / Fisica Generale PROCESSI OSCILLATORI Oscillazioni liere (oscillatore aronico) Siao in presenza di un sistea la cui equazione che esprie il

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

6,30 4,30 ART P12 PREZZO VALIDO FINO A PRODUZIONI DI 100 PEZZI PER QUANTITA SUPERIORI INVIARE EMAIL PER PREVENTIVO

6,30 4,30 ART P12 PREZZO VALIDO FINO A PRODUZIONI DI 100 PEZZI PER QUANTITA SUPERIORI INVIARE EMAIL PER PREVENTIVO ART P12 DI ETICHETTA STAMPATA 6,30 4,30 ART N14 DI ETICHETTA STAMPATA 6,50 4,50 ART N17 DI ETICHETTA STAMPATA 6,00 4,00 ART N28 DI ETICHETTA STAMPATA 6,00 4,00 ART t41 DI ETICHETTA STAMPATA 6,60 4,60 ART

Dettagli

Sviluppo in serie di Fourier. Introduzione e richiami sulle basi di spazi vettoriali. Serie di Fourier di segnali a supporto illimitato

Sviluppo in serie di Fourier. Introduzione e richiami sulle basi di spazi vettoriali. Serie di Fourier di segnali a supporto illimitato eora de segnal Introduzone a segnal determnat tolo untà Introduzone e rcham sulle bas d spaz vettoral Sere d Fourer d segnal a supporto lmtato Spettro d un segnale Sere d Fourer d segnal a supporto llmtato

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

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

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

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

AZIONAMENTI BRUSHLESS

AZIONAMENTI BRUSHLESS AZIOAMETI BRUSHLESS Brushless senza spazzole Lezone Incherebbe tutt gl azonaent n C.A. oralente s usa per ncare otor sncron a agnet peranent sotrop, ett S.M.P.M. Surface Mounte Peranent Magnet Synchronous

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