DISTRIBUZIONE DI GAUSS ( o normale [ 26 ] )

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "DISTRIBUZIONE DI GAUSS ( o normale [ 26 ] )"

Transcript

1 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 DISTRIBUZIOE DI GAUSS ( o normal [ 6 ] ) La dnstà d probabltà d Gauss è: f ( x) π ( xm) Valor mdo: E() m Varanza: () La dstrbuzon gaussana è carattrzzata da du paramtr m : dov z (x-m)/ - la curva è smmtrca rsptto a m; - ha du flss n corrspondnza d m - m + ; - l massmo dlla funzon ( m) val (quanttà dtta modulo d prcson); prcò π s raddoppa la (com succd, ad smpo, pr un aumnto dll mprcson d una msura), s dmzza l valor dl massmo. DERIVAZIOE DELLA DISTRIBUZIOE Pr capr l'orgn dlla dstrbuzon supponamo ch l rsultato dal d una msura sa m ch un grand numro d pccol caus ndtrmnat n possano varar l valor ora aumntandolo, ora dmnundolo. Supponamo ch l'nttà dlla varazon sa la stssa m ch la probabltà ch ogn fftto somm o sottragga a m la quanttà m sa/. S dll caus, k hanno l'fftto d aggungr ognuna m, l rmannt -k sottraggono la stssa quanttà. Il rsultato dlla nostra msura sarà qund: m + k m - (-k) m. Con qust poszon dvnta una varabl alatora {P() g[p(k)]} ch nl lmt pr m 0 è contnua. Poché k è una v.a. bnomal sappamo ch l suo valor mdo è p qund possamo calcolar l valor mdo d : E() m + E(K) m - [-E(K)] m m + m [- ] m m. Allo stsso modo, ma con una quanttà d passagg ch non è l caso d rportar, s 6 dstrbuzon dlla "norma" o mda PROBABILITÀ pag.3

2 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 potrbb vdr ch, mantnndo costant la varanza facndo tndr a m a zro, la dstrbuzon d probabltà d è: f ( x) π ( xm) In bas a qusta drvazon è ntutvo capr prché la dstrbuzon d Gauss sa smmtrca ntorno a m (abbamo supposto ch con ugual probabltà s sommassro o sottrassro quanttà m al valor m) tnda a zro man mano ch c s dscost da m (la probabltà ch k sa molto dvrso da p è pccola). CARATTERISTICHE E RIASSUTI - Vrfchamo la proprtà d chusura rcorrndo alla varabl rdotta Z ( xm) π z dx dz (ntgral notvol [ 7 ] ) π m : - Valor mdo m m E ( ) ( xm) m x dx ( z + m) dz z dz + dz π π π π 0 + m m ; ( l prmo ntgral è nullo prché l'ntgrando è una funzon dspar; l - Varanza () Applchamo la dfnzon d varanza: () ( x E( ) ) scondo val m prché, com gà vsto, ( xm) π z dx z ( x m) π z z ( xm) π dz ) z z dx z π ntgrando pr part con z dz z d( ) s ha () z + z π z π z dz dz ; - FUZIOE DEGLI ERRORI I lvll d confdnza rlatv alla curva d Gauss non sono calcolabl analtcamnt. Pr qusto motvo s rcorr a tabll [ 8 ] ch rportano l rsultato dll ntgrazon ffttuata numrcamnt. Poché la gaussana è dfnta da du paramtr pr smplfcar l'uso dll tabll c s rfrsc alla varabl standardzzata Z(-m)/. 7 vd l calcolo n appndc 8 n appndc n è rportato un smpo PROBABILITÀ pag.33

3 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 z z' La funzon f(z) dz' è dtta funzon dgl rror (ERF); l orgn dl nom è 0 π vdnt s s rfltt sulla drvazon dlla dstrbuzon: la gaussana è la dstrbuzon dgl rror casual. Alcun lvll d confdnza notvol sono: P(m m + ) P(-,0 Z,0) 68,3 % P(m m + ) P(-,0 Z,0) 95,4 % P(m 3 m +3 ) P(-3,0 Z 3,0) 99,7 % COFROTI CO ALTRE DISTRIBUZIOI Avvamo accnnato n prcdnza alla drvazon dlla dstrbuzon d Gauss dalla bnomal; nlla fgura d snstra è mostrato l confronto fra una bnomal (punt) con du paramtr 0; p 0,5 una gaussana (lna) con m 5,5 (coè la stssa mda varanza dlla bnomal). lla fgura d dstra, nvc, è mostrato com pr m molto lvato la dstrbuzon d Posson tnda a qulla d Gauss: nll'smpo è rportata una possonana (punt) con m 5 confrontata con una gaussana (lna) con m 5. Bsogna prstar attnzon al fatto ch mntr l dstrbuzon d Brnoull d Posson sono rlatv a v.a. dscrt, qulla d Gauss è valda pr v.a. contnu. Prcò la scala rportata n ordnata n qust smp va ntsa com probabltà n un caso (punt pr la bnomal o la possonana) dnstà d probabltà nll'altro (lna contnua dlla gaussana). PROBABILITÀ pag.34

4 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 DISTRIBUZIOE t DI STUDET S è dstrbuta gaussanamnt [ 9 ] ( m), allora la varabl alatora t () con s (), (x ) S ( m) () sgu la dstrbuzon d Studnt con ν - grad d lbrtà: ν + ν + Γ t f () t + ν ν νπ Γ dov Γ è la funzon gamma d Eulro ch rapprsnta l'stnson, al contnuo, dl fattoral: s n è un ntro allora s Γ π 3 Γ Γn + n n n π ( n) ( n )! Valor mdo: E(t) 0 Varanza: (t) - t è dfnta nll'ntrvallo [ - ; ] ν (valda pr ν > ) ν - f(t) è smmtrca rsptto alla mda - la dstrbuzon t-studnt dpnd solo dal numro d grad d lbrtà ν - pr ν la dstrbuzon tnd a qulla d Gauss ma gà pr ν 0 l grado d approssmazon è notvol: 9 com spsso accad n bas al torma dl lmt cntral PROBABILITÀ pag.35

5 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 La funzon cumulatva s trova spsso tabulata. Il suo uso rguarda l calcolo dl lvllo d confdnza rlatvo alla mda artmtca quando d qusta non s conosca la varanza ma solo la varanza stmata. Ad smpo n qusta tablla è rportato, pr var valor dl numro d grad d lbrtà ν, l numro d dvazon standard ntorno alla mda ch dfnsc un ntrvallo d confdnza corrspondnt a lvll d confdnza dl 90%, 95% 99%. Ovvamnt l caso d nfnt grad d lbrtà concd con la dstrbuzon d Gauss. t-studnt ν 90% 95% 99% 6,3,7 63,66,9 4,30 9,9 3,35 3,8 5,84 4,3,78 4,60 5,0,57 4,03 6,94,45 3,7 7,89,36 3,50 8,86,3 3,36 9,83,6 3,5 0,8,3 3,7 5,75,3,95 0,7,09,85 5,7,06,79 30,70,04,75 50,68,0,68 00,66,98,63,65,96,58 gaussana Pr smpo consdramo una sr d 0 msur d lunghzza con mda artmtca 9 cm dvazon standard stmata dlla mda artmtca S ( ) 7,89 cm. S anzché stmar la ( ) fossmo n grado d conoscrla, l rsultato dlla nostra msura sprsso com ± ( ) corrspondrbb ad un lvllo d confdnza dl 68,3% (Gauss). Invc, non conoscndo la ( ) ma potndo solo stmarla con S ( ) dobbamo usar pù corrttamnt la dstrbuzon d Studnt con 0-9 grad d lbrtà. La tablla rportata s utlzza nl sgunt modo: s voglamo ottnr un lvllo d confdnza dl 90% occorr un ntrvallo d confdnza ±,85 S ( ) ch nl nostro smpo corrspond a m (9 ± 5) cm. Pù frquntmnt l tabll a dsposzon sono dl tpo rportato n appndc dov anzché l lvllo d confdnza ntorno alla mda s consdra la funzon cumulatva. Su qusta dstrbuzon s può basar un tst statstco d confronto fra msur pr accttar o rgttar l pots d dstrbuzon gaussana d rsultat ( qund d prsnza d sol rror casual) PROBABILITÀ pag.36

6 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 DISTRIBUZIOE DEL χ (ch-quadro). S,,..., ν sono ν v.a. gaussan ndpndnt con mda nulla varanza untara (com è l caso dll varabl standardzzat), la varabl alatora U ν sgu una dstrbuzon dtta dl χ con ν grad d lbrtà. È oltr gl scop dl corso rcavar la dnstà d probabltà dl χ : dov Γ è la funzon gamma d Eulro. f ν χ χ ( χ ) ν Γ Valor mdo: E(χ ) ν Varanza: (t) ν - Poché χ è una somma d trmn postv la sua funzon d dstrbuzon è dfnta nll'ntrvallo [0,]. - Qusta dstrbuzon dpnd da un solo paramtro: l numro d grad d lbrtà ν. - Pr ν la dstrbuzon dl χ tnd a qulla d Gauss. Qund, s l numro d grad d lbrtà è lvato, n assnza d tabll dlla funzon cumulatva dl χ, s può utlzzar qulla dlla gaussana (sgmod) o l tabll ERF. Spsso s consdra la f l cu valor mdo è untaro: ν χ Su qusta dstrbuzon s basa un tst statstco (tst dl χ ) d notvol mportanza PROBABILITÀ pag.37

7 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 Il dagramma sgunt rporta rassunt dll dstrbuzon ch abbamo samnato d ndca con qual approssmazon possono ssr sosttut l'una all'altra: ALTRE DISTRIBUZIOI DI PROBABILITÀ In fsca sstono numrosssm smp d altr dstrbuzon d probabltà. Lo studo dll loro carattrstch rassunt procd nllo stsso modo utlzzato con l dstrbuzon gà studat. Com smpo consdramo la dstrbuzon dll vloctà dll molcol n un gas n qulbro trmco laborata da Maxwll-Boltzmann scondo qual la probabltà ch una molcola possda una vloctà comprsa fra v v + dv è dp f(v) dv con Carattrstch rassunt f(v) c v a v m dov la costant a val a KT - La vloctà pr la qual s ha l massmo dlla funzon (valor pù probabl) s ottn n KT corrspondnza d v v p (è suffcnt uguaglar a zro la drvata d f(v)) a m - A partr dalla proprtà d chusura rcavamo l valor dlla costant c: 0 c v a v dv - Valor mdo 6 a E π - Varanza ( V) π c 3 6 a 3 0 v 3 a v (V) E(V )-[E(V)] da cu c dv 6 a π 0 3 a 3 6 a 4 a v π v 6 a 3 π dv,8 vp. π a π a 6 a π 3 9 π 64a 5 4 πa a πa PROBABILITÀ pag.38

8 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 TEOREMA DEL LIMITE CETRALE L'nuncato d qusto mportant torma, n una dll su formulazon, è: s,,..., sono v.a. ndpndnt con mda varanza dllo stsso ordn d grandzza d dstrbuzon qualsas, allora la varabl alatora ha una dstrbuzon d probabltà ch pr tnd ad ssr gaussana. Inoltr, s l varabl sguono una dstrbuzon gaussana allora anch sgu una dstrbuzon gaussana ndpndntmnt da (è ovvo s ). La dmostrazon dl torma va oltr lmt d qusto corso ma è bn soffrmars sul sgnfcato dll'nuncato: s l rsultato d una msura è dtrmnato dalla concorrnza d un numro lvato d fnomn mcroscopc ch, ognuno con la sua dstrbuzon d probabltà, altrano la grandzza n sam, la v.a. ch rapprsnta l rsultato dlla msura tndrà ad avr una dstrbuzon d tpo gaussano. Pr qusto motvo acqusta una partcolar mportanza la dstrbuzon d Gauss: è, gnralmnt, la dstrbuzon dll msur (funzon dgl rror). Analogamnt la mda artmtca d varabl alator sgu una dstrbuzon gaussana (pr ) ndpndntmnt da qual sa la dstrbuzon d partnza. Qund, avndo sguto pù msur d una stssa grandzza, la mda artmtca d tal msur tnd ad avr una dstrbuzon gaussana tanto pù quanto pù è lvato l numro dll msur ffttuat. Com smpo consdramo v.a.,,..., dstrbut unformmnt fra 0 pr cu E( ) 0,5 ( ). Dlla funzon abbamo apprso: - l valor attso d è E ( ) E( ) 0,5 - la varanza d val ( ) ( ) ; qund ( ) dmnusc al crscr d. - pr l torma dl lmt cntral s è lvato ha una dstrbuzon gaussana. In fgura sono rportat l dnstà d probabltà d al varar d : pr la dstrbuzon è unform gà pr 0 la dstrbuzon è prssoché gaussana. La convrgnza vrso la curva d Gauss è ovvamnt pù rapda pr funzon con un andamnto a campana o almno con un valor cntral pù probabl (com avvn spsso nl corso d msur). L'smpo dll dstrbuzon unform mostra tuttava com tal convrgnza sa rapda anch pr dstrbuzon snza un massmo pronuncato. PROBABILITÀ pag.39

9 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 ITERVALLI E LIVELLI DI COFIDEZA Lo scopo d ogn msurazon è qullo d ottnr la mglor stma dl valor vro dl msurando. Supponamo d avr prodotto ogn sforzo nll'ndvduar, lmnar o rdurr, gl rror sstmatc. La prsnza dgl rror casual produc tuttava dvrstà n rsultat dll msurazon d cu tnamo conto mdant l'laborazon statstca d dat. Alla fn ottnamo un rsultato; quanto samo confdnt nlla possbltà ch l valor ottnuto sa rapprsntatvo dl valor vro? Dat l prmss occorrono du consdrazon: ) dobbamo rtnr null o trascurabl gl fftt sstmatc prché non samo n grado d produrr nssuna prvson s ss sono ancora prsnt. Prché cò sa lcto dobbamo avr consdrato sotto ogn ragonvol asptto tutta la procdura dlla msurazon, la strumntazon, la prsnza d fattor potnzalmnt nflunt, la corrttzza d ogn assunzon, d valor numrc d vntual costant d calcol numrc. S non samo stat drttamnt no ad sgur la msurazon dobbamo potr vrfcar la qualtà d controll ffttuat dagl altr nl tntatvo d ndvduar l caus d rror sstmatc. ) la natura ntrnscamnt alatora dgl rror casual non c consntrà d produrr una rsposta quanttatva s non n trmn probablstc. A qusto proposto occorr consdrar ch gl rror sstmatc, pur non altrando la stma dlla varanza, altrrbbro qulla dl valor attso (assunto com valor vro). Infatt, s ogn msura vn altrata pr un trmn costant c la mda artmtca vn altrata dlla stssa quanttà: ( + c) + c + c [( + c) ( + c) ] [ ] mntr la varanza S ( ) rsta naltrata. Da qu dscnd la prcolostà dgl rror sstmatc: non vngono vdnzat, com gl rror casual, da una grand varanza; la loro dntfcazon può avvnr solo confrontando msur ottnut n condzon dvrs (pr vdnzar dvrs costant c nll dvrs md artmtch). Quando ndchamo l rsultato d una msurazon con la notazon m ± s () stamo ndcando l'ntrvallo [- s () ; + s () ] (ntrvallo d confdnza) all'ntrno dl qual rtnamo ch, compatblmnt con rsultat ottnut, s trov, con una dtrmnata probabltà (lvllo d confdnza), l valor vro m. C è da prcsar ch m non è una varabl alatora. Pù corrttamnt la probabltà s rfrsc all ntrvallo m ± s () all ntrno dl qual s può trovar ch è nvc una varabl alatora: m () < < m + () m < () () < m < + (). S S Anch s n molt camp s è convnzonalmnt dcso d rportar rsultat sotto forma d ntrvall d confdnza d ± ntorno alla mda artmtca (da qu è possbl dfnr qualsas altro ntrvallo d confdnza) a volt occorr conoscr l lvllo d confdnza. S S S PROBABILITÀ pag.40

10 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 Qusta rchsta (l lvllo d confdnza altr non è ch la probabltà ch la v.a. sa all'ntrno d un dato ntrvallo) può ssr soddsfatta solo qualora sa nota la dstrbuzon d probabltà assocata al valor numrco dlla msura. on è banal rcavar da un sprmnto la dstrbuzon d probabltà dlla msura: occorr produrr un campon d msur (sotto condzon d rptbltà) così lvato pr cu l fluttuazon statstch non possono confondr l'andamnto dll frqunz. Dl rsto anch n prsnza d un campon d grand dmnson, l torma d Brnoull (lgg fort d grand numr) c garantsc solo probablstcamnt ch la frqunza rlatva concd con la probabltà. Spsso, prò, non è rchsta un'lvata prcson nl calcolo d lvll d confdnza coè non è ncssaro conoscr prfttamnt la dstrbuzon madr dalla qual abbamo rcavato l campon dll nostr msur. Pr l calcolo approssmato d lvll d confdnza s può consdrar ch: ) anch s l rsultato d una msura non sgu una dstrbuzon gaussana, molto spsso l'fftto dgl rror casual tnd a produrr una curva grossolanamnt smmtrca con un valor cntral assa pù frqunt. ) la mda artmtca anch d poch msur approssma assa bn la curva d Gauss (s cò succd rapdamnt con varabl dstrbut unformmnt a maggor ragon cò accad con rsultat d msurazon) Sotto qusto asptto, allora, molt dstrbuzon d dat s somglano avndo un valor cntral pù frqunt un andamnto grossolanamnt smmtrco ch rcordano la curva d Gauss consntndo l'uso d tabll d ERF. Ovvamnt pr pccol campon com nl caso d 3-4 msur la stma s () d ( ) è troppo approssmatva pù corrttamnt l lvllo d confdnza va calcolato sgundo la dstrbuzon d Studnt. Prché spsso non occorr calcolar l lvllo d confdnza c s lmta ad ndcar solo un ntrvallo d confdnza? Prché, com gà dtto, l dstrbuzon dll msur sono approssmatvamnt gaussan qund lvll d confdnza pr l md artmtch, graz al torma dl lmt cntral, non varano moltssmo fra un caso l altro. Qusta affrmazon trova la sua gustfcazon [ 30 ] n tabll tpo la sgunt dov valor 3, 5, 0 0 sono ottnut dalla dstrbuzon d Studnt: P( m S ( ) P( m S ( ) P( m 3 S ( ) 3 60,9% 86,0% 94,3% 5 63,5% 89,8% 97,0% 0 65,8% 9,7% 98,7% 0 67,0% 94,% 99,3% Gauss 68,3% 95,4% 99,7% Chbychv 0 % 75,0% 88,9% L'ultma rga rporta quanto s ottrrbb snza mporr nssuna condzon sulla dstrbuzon dlla mda artmtca (dsuguaglanza d Chbychv) [ 3 ]. 30 com s può notar, pr smpo dalla prma colonna, lvll d confdnza varano poco al crscr dll msur 3 n raltà la dsuguaglanza d Chbychv utlzza mda varanza non l loro stm qund rchd mplctamnt nfnt msur PROBABILITÀ pag.4

11 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 IL METODO DEI MIIMI QUADRATI Supponamo d volr studar un sstma fsco ma d conoscrlo gà a un lvllo tal da potr prvdr ch s vn sottoposto alla sollctazon sso produrrà una rsposta scondo la lgg p + q dov p q sono du paramtr ncognt, scopo dlla nostra msura. Pr ogn valor dlla sollctazon (con, valor dvrs) sguamo una msura dlla rsposta. Vdamo com s prsntrbb un grafco dll copp d valor (, ) avndo trattggato la rtta p + q dlla qual pr l momnto ancora non conoscamo valor d p q: Poché punt su qusto grafco rapprsntano dll msur (qund afftt da rror) la rtta (funzon analtca) non passrà pr tutt punt sprmntal anch s la nostra schmatzzazon dlla lgg fsca foss corrtta. Pr charr mglo l ruolo dll ncrtzz aggungamo ad ogn punto un sgmnto la cu smlarghzza è par all'ncrtzza dlla msura [ 3 ] : Com smpo samnamo ora n dttaglo l punto A calcolamo la dstanza u dl valor msurato drttamnt (crcho pno) da ( ) stmato a partr dalla conoscnza d 3 non s prd n gnraltà dl mtodo s ottngono sostanzalmnt gl stss rsultat s s potzza ch l sollctazon sano afftt da rror trascurabl PROBABILITÀ pag.4

12 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 (crcho vuoto). Essa potrbb autarc pr stmar paramtr p q (poché l fluttuano ntorno a valor ( ) p + q, pù è pccola la dstanza u -( ) (p + q) mglor sarà stata la nostra stma d paramtr). Dovndo dar una valutazon complssva dlla dstanza d tutt punt dalla rtta potrmmo sommar tutt l dstanz u dll dall ( ). Pr vtar compnsazon d dffrnz postv ngatv è prò prfrbl utlzzar l modulo dlla dffrnza o mglo ancora la somma d quadrat dll dstanz [ 33 ] : U u [ ( p + q) ], Tuttava s samnamo punt B C notamo ch mntr la dstanza dalla rtta dl punto B è supror a qulla dl punto C, l'ncrtzza dlla msura dl punto B è molto pù lvata qund qust'ultma dv nflunzar la nostra stma mno d quanto non dbba far l punto C ch è mglo dtrmnato. Pr qusto motvo qualora l dvrs dtrmnazon d abbano ncrtzz dvrs [ 34 ] (valutat com ), vn dfnta la varabl: ( ) U u p + q [ 35 ] dov u rapprsnta ancora la dstanza d da ( ) ma, ssndo dvsa pr la dvazon standard, vn attrbuto un maggor pso all msur con ncrtzza mnor; s comporta coè com una varabl rdotta (standardzzata). Il mtodo d mnm quadrat consst nlla mnmzzazon d U al varar d paramtr p q: quanto pù U è pccolo, tanto pù la rtta stmata passa nll vcnanz d punt sprmntal. I valor d paramtr ch mnmzzano U costtuscono la nostra stma; s ottngono mponndo ch l drvat parzal d U rsptto a paramtr p q sano null: U ( + ) p p q ( + ) p q p + p + q U ( + ) q p q ( + ) p q q + p + q 33 n raltà la sclta dlla funzon U s basa su argomntazon bn pù sold d qust. La loro dscusson, tuttava, è oltr gl scop d qusto corso. 34 n qusto caso, n corrspondnza d ogn valor dlla sollctazon andranno ffttuat pù msur dlla rsposta n modo da rcavarn sa una mda ch una varanza (mda artmtca ncrtzza corrspondnt) 35 qualora l avssro una dstrbuzon gaussana paramtr p q fossro not, U sgurbb la dstrbuzon dl χ con grad d lbrtà; poché nvc rcavrmo l stm d paramtr da dat, grad d lbrtà saranno -. Il tst dl χ potrà ssr utlzzato pr quantfcar la bontà dlla stma d paramtr. PROBABILITÀ pag.43

13 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 PROBABILITÀ pag.44 ponndo S q s, p p U 0 s ottn: p S + qs da S q s, p q U 0 s ottn: p S + qs dov p S q S rapprsntano l stm rspttvamnt d p q. S è così ottnuto un sstma d du quazon nll du ncognt p S q S dalla cu rsoluzon s ottngono: ps qs (A-) I valor d p S q S sono afftt da un'ncrtzza dovuta all ncrtzz dll sngol msur d ma, poché p S q S sono funzon lnar dll varabl alator [ 36 ] è possbl, applcando la formula d propagazon dll ncrtzz n modo satto, stmar "faclmnt" la loro varanza ottnndo: (p s ) (q s ) (A-) L rlazon (A) consntono la msura d paramtr dlla rtta d mnm quadrat ma rsultano un poco complss dal punto d vsta dl calcolo. Vdamo ora n qual cas è possbl smplfcarl n ch modo. S pr l msur d lo stsso oprator utlzza lo stsso mtodo gl stss strumnt è lcto rtnr ch gl rror d msura qund l varanz dll sano tutt ugual fra loro [ 37 ]. In qusto caso, consdrando ch, la funzon da mnmzzar è: U u + ) q (p 36 l non sono v.a. prché abbamo supposto trascurabl la loro varanza ( sgmnt sprmnt l'ncrtzza sono solo nlla drzon vrtcal); anch l non sono v.a. nlla msura n cu l rtnamo not anzché stmat da dat 37 non s tratta d un caso raro, anz, nlla grand maggoranza d cas l ncrtzz non s dscostano pr pù d un fattor -3 consntndo l uso dll formul smplfcat B

14 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 PROBABILITÀ pag.45 con poch passagg s ottngono (è un srczo ch s raccomanda caldamnt) l quazon: ps qs (B-) ch s sarbbro potut rcavar dall (A-) ponndo l. Anch n qusto caso la formula d propagazon dll ncrtzz c consnt d calcolar l ncrtzz da assocar all stm d paramtr: (p s ) ( ) S p S p [ ] [ ] ) ( + ( ) [ ] + [ ] [ ] Σ Σ (B-) Analogamnt s rcava: (q s ) Σ Σ Σ (B-) Ora non rsta ch stmar da dat a dsposzon la varanza dll ch abbamo supposto ssr ndpndnt da par a. Pr qusto scopo consdramo la quanttà ( ) [ ] q p + ; ssa rapprsnta la mda artmtca dl quadrato dgl scart dll da valor p + q atts n bas all ; n altr parol s tndss ad nfnto sarbb la solta dfnzon d varanza. Poché non conoscamo p q ma solo l loro stm p S q S una stma non dstorta d è: ( ) [ ] q p S S + (B-3) (- prché qusta volta c sono du rlazon (p s q s ) ch lgano fra loro l v.a. ). L rlazon (B) consntono la msura [ 38 ] d paramtr dlla rtta d mnm quadrat nl caso d ncrtzz ugual. 38 molt calcolatrc hanno mmorzzat l rlazon (B-) (rtta d rgrsson). Consglo vvamnt d prndr confdnza con l funzon statstch mplmntat nlla vostra calcolatrc prché l rsparmo d tmpo è dcsamnt notvol la probabltà d sbagl s rduc drastcamnt

15 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 Consdramo tmporanamnt valor com fossro dtrmnazon d una varabl alatora dstrbuta con varanza ntorno a (n raltà samo no ch dcdamo con qual valor dlla grandzza sollctamo l sstma). In qusto caso s avrbb da cu s ottn rapdamnt ( ) coè l dnomnator nll sprsson dll formul d mnm quadrat. Ponndo, con qualch passaggo s rcavano: p s q s + (B-) Da qusta rscrttura [ 39 ] dll ncrtzz d paramtr dlla rtta d mnm quadrat rsulta vdnt com convnga sollctar un sstma pr studarlo. Infatt, volndo mnmzzar l ncrtzz s può agr n tr drzon: rdurr l mprcson nll msur dlla rsposta (pccola ), aumntar l numro d msur, sollctar l sstma con valor quanto pù possbl largamnt dstrbut (grand ), s possbl con valor sa postv ch ngatv ( quas nullo). Gnralzzamo quanto samnato fnora al caso d una funzon d ordn pù lvato: schmatzzamo l nostro fnomno con una grandzza ch dpnd dalla grandzza da un crto numro d paramtr non msurat o non msurabl q,q,...q m : f(;q, q,..., q m ) Pr ognuna dll sollctazon dlla grandzza supponamo d avr ffttuato una sr d msur dl corrspondnt valor assunto dalla grandzza d avrn dtrmnata l'ncrtzza: Analogamnt al caso dlla rtta s mnmzza la quanttà ( ;q,q,,q ) f m U drvandola rsptto agl m paramtr q. Dal sstma d m quazon (c sono m drvat) n m ncognt (gl m paramtr) s rcavano l stm d paramtr q. In pratca è raro ch l mtodo d mnm quadrat vnga utlzzato pr funzon pù complss dlla parabola prché s prfrscono n qul caso altr mtod d stma d paramtr. 39 s da un lato l formul scrtto n qusto modo sono d facl mmorzzazon, dall altro possono confondr lo studnt dsattnto n quanto non è la dvazon standard d (ch non è una varabl alatora) ma solo una rlazon fra dvrs valor d PROBABILITÀ pag.46

16 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 Un caso partcolar d applcazon d mnm quadrat [ 40 ] è rapprsntato dalla stma dlla pndnza d una rtta passant pr l'orgn: p on è possbl utlzzar rsultat gà ottnut ponndo smplcmnt q S 0 ma occorr rcavar nuovamnt la stma p S d p prché nl caso n cu la rtta non sa forzata a passar pr l'orgn la pndnza potrbb ssr dvrsa. In qusto caso la quanttà da mnmzzar è U u Ponndo U p p p U p p s 0 s ottn p p + p. p s da cu : ps In qusto caso (nl caso d o pù paramtr la vrfca è mno banal) è facl vrfcar ch U p s sa ffttvamnt un punto d mnmo pr U n quanto > 0. p Applcando la formula d propagazon dll ncrtzz n modo satto è al solto possbl stmar la varanza dlla stma d p ch rsulta ssr una combnazon lnar dll v.a. : (ps),,, Anch n qusto caso, qualora l varanz dll non sano not ma sa possbl rtnrl tutt ugual fra loro, col procdmnto gà vsto s potrà ottnr la stma dl paramtro p: ponndo nll sprsson prcdnt s ottngono ps (ps) Infn da dat a dsposzon stmamo la varanza dll ch abbamo supposto ssr ndpndnt da ( ) par a ps (al dnomnator compar - prché qusta volta c'è una sola rlazon [ 4 ] ch lga fra loro l v.a. ).. 40 consdratlo poco pù d un srczo rassuntvo svolgtlo pr vrfcar s avt affrrato l mtodo 4 n STATISTICA s accnna al prché la stma pù corrtta rchda - PROBABILITÀ pag.47

17 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 Un caso notvol: la MEDIA PESATA. Può captar ch una grandzza fsca vnga msurata pù volt con mtod o strumnt dvrs. In qusto caso avrmo a dsposzon non solo l msur ma anch l loro varanz. S l varanz sono dvrs sgnfca ch l msur sono afftt da rror casual n nttà dvrsa qund non è logco attrbur la stssa mportanza a tutt rsultat com s farbb s vnss calcolata smplcmnt la mda artmtca dll :. Il mtodo d mnm quadrat prmtt d rcavar la formula d una mda psata n modo da attrbur maggor mportanza all msur mglo dtrmnat. In qusto caso, smpr pr usar la notazon prcdnt, la funzon da studar è q Al solto consdramo la funzon U u ponndo U q q q - q ; U 0 s ottn q s q q ; La nostra mglor stma è dunqu una mda psata dov sngol ps sono l'nvrso dll varanz dvsa pr la somma dgl nvrs dll varanz. Va notato ch alla stma dl valor vro contrbuscono maggormnt l msur con varanz pù pccol coè pù grand (s attrbusc un sgnfcato maggor all msur mglo dtrmnat). (qs) Calcolamo la varanza dlla mda psata col solto mtodo: q s Coè la varanza dlla mda psata è data dall'nvrso dlla somma dgl nvrs dll sngol varanz ( qund è nfror alla pù pccola d ss). Occorr prstar attnzon al valor dll msur prma d utlzzar la mda psata: la tora s basa sul fatto ch l dvrs msur s rfrscono alla stssa grandzza fsca ch qund non sano prsnt fftt sstmatc mportant. S l msur dstano fra loro pù d quanto è consntto dall nttà dgl rror casual stmat con l varanz sgnfca o ch sono prsnt rror sstmatc non trascurabl o ch l varanz msurat non valutano corrttamnt l nttà dgl rror casual. In ntramb cas è prfrbl dmntcar l sstnza dll varanz d usar la normal mda artmtca la sua ncrtzza.. PROBABILITÀ pag.48

18 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 APPEDICE CALCOLO COMBIATORIALE Pr rcavar l valor dlla probabltà sgundo la dfnzon classca è suffcnt contar cas favorvol qull possbl. Quando l numro d vnt è lvato può ssr utl utlzzar alcun lmnt d calcolo combnatoral d cu qu s rporta qualch cnno: Prmutazon: lmnt possono ssr collocat n poszon n! mod dvrs. Esmpo: l 3 lttr A,B,C possono prmutar n 3!3xx6 mod dvrs: ABC ACB BAC BCA CAB CBA In gnral: l prmo lmnto può ssr collocato n poszon; pr ognuna d qust, l scondo lmnto può ssr collocato n - poszon; qund complssvamnt l prmo scondo lmnto hanno x(-) mod dvrs d collocars così va. In total qund x(-)x(-)x... x(-[-])x(-[-])! Quando è lvato, l calcolo d! può ssr ffcntmnt sosttuto dall'applcazon dlla formula approssmata d Strlng:! Ν π Ν ch gà pr 0 dffrsc da! pr mno dll'%. Dsposzon:! lmnt possono ssr collocat n K poszon n ( K)! mod dvrs. Esmpo: l 4 lttr A,B,C,D possono ssr collocat n K poszon n 4! 4x3xx mod dvrs: (4 )! x AB AC AD BA BC BD CA CB CD DA DB DC In gnral: s l poszon fossro gl lmnt prmutrbbro n! mod dvrs. Ordnamo qust! prmutazon n modo tal ch l prm K poszon sano occupat dagl stss lmnt. Poché l poszon sono solo K l rmannt -K non sono utlzzabl, pr ogn dsposzon dvrsa d prm K lmnt rmannt -K potrbbro prmutar; qulla partcolar dsposzon è qund prsnt (-K)! volt. L dsposzon dvrs nll prm K! poszon sono qund. ( K)! Lo stsso rsultato s ottrrbb anch nl caso dll dsposzon d K lmnt n poszon (ndchamo con x una poszon occupata da un lmnto dvrso da K consdrat): ABxx AxBx AxxB xabx xaxb xxab BAxx BxAx BxxA xbax xbxa xxba PROBABILITÀ pag.49

19 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 Combnazon: s non ntrssa l ordn con cu lmnt possono ssr collocat n K poszon allora l! dsposzon s rducono a K!( K)! combnazon. Esmpo: l 4 lttr A,B,C,D possono ssr collocat n K poszon, a prscndr 4! 4x3xx dall'ordn, n 6 mod dvrs:!(4 )! (x)x(x) AB AC AD BC BD CD! In gnral: consdramo l dsposzon d lmnt n K poszon dvrs; ( K)! poché non ntrssa l'ordn n cu s prsntano K lmnt nll K poszon (K! prmutazon), l combnazon dvrs sono par al numro dll dsposzon dvso K! Lo stsso rsultato s ottrrbb nl caso dll combnazon d K lmnt n poszon: ABxx AxBx AxxB xabx xaxb xxab! La quanttà vn rapprsntata dal smbolo K!( K)! ch s lgg " su K". K Essa è dtta coffcnt d wton o bnomal prché è utlzzata nlla formula d spanson dlla potnza d un bnomo: (a + b) k 0, a k Com smpo d applcazon dl calcolo combnatoro consdramo la probabltà d vncr una cnquna gocando al lotto su una partcolar ruota. Abbamo un solo caso favorvol dobbamo calcolar cas possbl. S tratta qund d contar quant cnqun dvrs, a prscndr dall ordn, s possono avr con 90 lmnt. Tal combnazon sono: 90! 90x89x88x87x86x85! 90x89x88x87x !x(90 5)! 5!x85! 5x4xx3x qund la probabltà è crca,3x0-8. k b k CALCOLI PARTICOLARI I 0 (a) a z I I J I I J dz π a r 0 0 a(x + y ) π nfatt, dtto I a a x dx J a y dy è I J qund dx dy. Passando da coordnat cartsan a coordnat polar π a r π r dr dθ d(ar ). Prcò I0 (a) a a 0 a z di I (a) z dz 0 (a) π 3 da a Da qust du rsultat, ponndo a ½, s ottngono valor d du ntgral utl n calcol con l gaussan: z dz π z z dz π. a π. PROBABILITÀ pag.50

20 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 z TABELLE GAUSS: f(z) π 0,00 0,0 0,0 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,3989 0,3989 0,3989 0,3988 0,3986 0,3984 0,398 0,3980 0,3977 0,3973 0, 0,3970 0,3965 0,396 0,3956 0,395 0,3945 0,3939 0,393 0,395 0,398 0, 0,390 0,390 0,3894 0,3885 0,3876 0,3867 0,3857 0,3847 0,3836 0,385 0,3 0,384 0,380 0,3790 0,3778 0,3765 0,375 0,3739 0,375 0,37 0,3697 0,4 0,3683 0,3668 0,3653 0,3637 0,36 0,3605 0,3589 0,357 0,3555 0,3538 0,5 0,35 0,3503 0,3485 0,3467 0,3448 0,349 0,340 0,339 0,337 0,335 0,6 0,333 0,33 0,39 0,37 0,35 0,330 0,309 0,387 0,366 0,344 0,7 0,33 0,30 0,3079 0,3056 0,3034 0,30 0,989 0,966 0,943 0,90 0,8 0,897 0,874 0,850 0,87 0,803 0,780 0,756 0,73 0,709 0,685 0,9 0,66 0,637 0,63 0,589 0,565 0,54 0,56 0,49 0,468 0,444,0 0,40 0,396 0,37 0,347 0,33 0,99 0,75 0,5 0,7 0,03, 0,79 0,55 0,3 0,07 0,083 0,059 0,036 0,0 0,989 0,965, 0,94 0,99 0,895 0,87 0,849 0,86 0,804 0,78 0,758 0,736,3 0,74 0,69 0,669 0,647 0,66 0,604 0,58 0,56 0,539 0,58,4 0,497 0,476 0,456 0,435 0,45 0,394 0,374 0,354 0,334 0,35,5 0,95 0,76 0,57 0,38 0,9 0,00 0,8 0,63 0,45 0,7,6 0,09 0,09 0,074 0,057 0,040 0,03 0,006 0,0989 0,0973 0,0957,7 0,0940 0,095 0,0909 0,0893 0,0878 0,0863 0,0848 0,0833 0,088 0,0804,8 0,0790 0,0775 0,076 0,0748 0,0734 0,07 0,0707 0,0694 0,068 0,0669,9 0,0656 0,0644 0,063 0,060 0,0608 0,0596 0,0584 0,0573 0,056 0,055,0 0,0540 0,059 0,059 0,0508 0,0498 0,0488 0,0478 0,0468 0,0459 0,0449, 0,0440 0,043 0,04 0,043 0,0404 0,0396 0,0387 0,0379 0,037 0,0363, 0,0355 0,0347 0,0339 0,033 0,035 0,037 0,030 0,0303 0,097 0,090,3 0,083 0,077 0,070 0,064 0,058 0,05 0,046 0,04 0,035 0,09,4 0,04 0,09 0,03 0,008 0,003 0,098 0,094 0,089 0,084 0,080,5 0,075 0,07 0,067 0,063 0,058 0,054 0,05 0,047 0,043 0,039,6 0,036 0,03 0,09 0,06 0,0 0,09 0,06 0,03 0,00 0,007,7 0,004 0,00 0,0099 0,0096 0,0093 0,009 0,0088 0,0086 0,0084 0,008,8 0,0079 0,0077 0,0075 0,0073 0,007 0,0069 0,0067 0,0065 0,0063 0,006,9 0,0060 0,0058 0,0056 0,0055 0,0053 0,005 0,0050 0,0048 0,0047 0,0046 3,0 0,0044 0,0043 0,004 0,0040 0,0039 0,0038 0,0037 0,0036 0,0035 0,0034 3, 0,0033 0,003 0,003 0,0030 0,009 0,008 0,007 0,006 0,005 0,005 3, 0,004 0,003 0,00 0,00 0,00 0,000 0,000 0,009 0,008 0,008 3,3 0,007 0,007 0,006 0,006 0,005 0,005 0,004 0,004 0,003 0,003 3,4 0,00 0,00 0,00 0,00 0,00 0,000 0,000 0,000 0,0009 0,0009 3,5 0,0009 0,0008 0,0008 0,0008 0,0008 0,0007 0,0007 0,0007 0,0007 0,0006 b (xm) La probabltà ch (gaussano) sa comprso fra a b è: P(a b) dx. a π Qusto ntgral non è rsolvbl analtcamnt; sstono prò tabll ch rportano l calcolo sguto numrcamnt; occorrrbbro tabll con quattro paramtr: a, b, m,. x m Pr smplfcar tal tabll s rcorr all'uso dlla varabl rdotta z pr cu: a m b m P(a b) P(z a z z b ) con z a z b. Qund è suffcnt l'uso dlla sgunt tablla (funzon dlla sola varabl rdotta z) ch rporta l rsultato dll'ntgral z 0 π z' dz' ch è dtto funzon d'rror (ERror Functon): PROBABILITÀ pag.5

21 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 z ERF(z) 0 π dz' 0,00 0,0 0,0 0,03 0,04 0,05 0,06 0,07 0,08 0,09 0,0 0,0000 0,0040 0,0080 0,00 0,060 0,099 0,039 0,079 0,039 0,0359 0, 0,0398 0,0438 0,0478 0,057 0,0557 0,0596 0,0636 0,0675 0,074 0,0754 0, 0,0793 0,083 0,087 0,090 0,0949 0,0987 0,06 0,064 0,03 0,4 0,3 0,79 0,7 0,55 0,93 0,33 0,369 0,406 0,443 0,48 0,58 0,4 0,554 0,59 0,68 0,664 0,70 0,737 0,773 0,808 0,844 0,880 0,5 0,95 0,950 0,985 0,00 0,054 0,089 0,3 0,57 0,9 0,4 0,6 0,58 0,9 0,34 0,357 0,389 0,4 0,454 0,486 0,58 0,549 0,7 0,580 0,6 0,643 0,673 0,704 0,734 0,764 0,794 0,83 0,853 0,8 0,88 0,9 0,939 0,968 0,996 0,304 0,305 0,3079 0,306 0,333 0,9 0,359 0,386 0,3 0,338 0,364 0,390 0,335 0,3340 0,3365 0,3389,0 0,343 0,3438 0,346 0,3485 0,3509 0,353 0,3555 0,3577 0,3600 0,36, 0,3644 0,3665 0,3687 0,3708 0,379 0,3750 0,3770 0,3790 0,380 0,3830, 0,3850 0,3869 0,3888 0,3907 0,395 0,3944 0,396 0,3980 0,3998 0,405,3 0,403 0,4049 0,4066 0,4083 0,4099 0,45 0,43 0,447 0,46 0,478,4 0,493 0,408 0,4 0,437 0,45 0,465 0,479 0,49 0,4306 0,439,5 0,433 0,4345 0,4358 0,4370 0,438 0,4395 0,4406 0,448 0,4430 0,444,6 0,445 0,4463 0,4474 0,4485 0,4495 0,4506 0,456 0,456 0,4535 0,4545,7 0,4555 0,4564 0,4573 0,458 0,459 0,4600 0,4608 0,467 0,465 0,4633,8 0,464 0,4649 0,4656 0,4664 0,467 0,4679 0,4686 0,4693 0,4700 0,4706,9 0,473 0,470 0,476 0,473 0,4738 0,4744 0,4750 0,4756 0,476 0,4767,0 0,4773 0,4778 0,4783 0,4788 0,4793 0,4798 0,4803 0,4808 0,483 0,487, 0,48 0,486 0,4830 0,4834 0,4838 0,484 0,4846 0,4850 0,4854 0,4858, 0,486 0,4865 0,4868 0,487 0,4875 0,4878 0,488 0,4884 0,4887 0,4890,3 0,4893 0,4896 0,4899 0,490 0,4904 0,4906 0,4909 0,49 0,494 0,496,4 0,498 0,490 0,493 0,495 0,497 0,499 0,493 0,4933 0,4935 0,4936,5 0,4938 0,4940 0,494 0,4943 0,4945 0,4946 0,4948 0,4949 0,495 0,495,6 0,4954 0,4955 0,4956 0,4958 0,4959 0,4960 0,496 0,496 0,4963 0,4965,7 0,4966 0,4967 0,4968 0,4969 0,4970 0,4970 0,497 0,497 0,4973 0,4974,8 0,4975 0,4975 0,4976 0,4977 0,4978 0,4978 0,4979 0,4980 0,4980 0,498,9 0,498 0,498 0,4983 0,4983 0,4984 0,4984 0,4985 0,4985 0,4986 0,4986 3,0 0,4987 0,4987 0,4988 0,4988 0,4988 0,4989 0,4989 0,4990 0,4990 0,4990 3, 0,499 0,499 0,499 0,499 0,499 0,499 0,499 0,4993 0,4993 0,4993 3, 0,4993 0,4994 0,4994 0,4994 0,4994 0,4994 0,4995 0,4995 0,4995 0,4995 3,3 0,4995 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4996 0,4997 0,4997 3,4 0,4997 0,4997 0,4997 0,4997 0,4997 0,4997 0,4998 0,4998 0,4998 0,4998 3,5 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4998 0,4999 0,4999 Supponamo d volr calcolar P(9,9 g M 0, g) sapndo ch la massa M (dstrbuta gaussanamnt) ha un valor mdo m 0,00 g 0,0 g. a m 9,9 0,0 b m 0, 0,0 Calcolamo: z a - z b. 0, 0, P(9,9 g M 0, g) P(- z ) P(- z 0) + P(0 z ) [ 4 ] P(0 z ) + P(0 z ) ERF() + ERF() 0, ,4773 8,9 % z' 4 P(- z 0) P(0 z ) pr la smmtra dlla gaussana PROBABILITÀ pag.5

22 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 DISTRIBUZIOE DI STUDET Valor t 0 dlla funzon cumulatva F(t 0 ) P(t t 0 ) pr var grad d lbrtà ν ν\f(t 0 ) 0,60 0,70 0,75 0,80 0,90 0,95 0,975 0,35 0,77,000,376 3,08 6,3,7 0,89 0,67 0,86,06,89,9 4,30 3 0,77 0,584 0,765 0,978,64,35 3,8 4 0,7 0,569 0,74 0,94,53,3,78 5 0,67 0,559 0,77 0,90,48,0,57 6 0,65 0,553 0,78 0,906,44,94,45 8 0,6 0,546 0,706 0,889,40,86,3 0 0,60 0,54 0,700 0,879,37,8,3 5 0,58 0,536 0,69 0,866,34,75,3 0 0,57 0,533 0,687 0,860,3,7, ,55 0,59 0,68 0,85,30,68,0 0 0,54 0,56 0,677 0,845,9,66,98 0,53 0,54 0,674 0,84,8,645,96 gaussana ESEMPIO Avndo sguto du sol msur dlla grandzza s ottngono valor x x. Da qust du valor s ottn pr l ntrvallo d confdnza ± S ( ) [ 43 ] x x x + x ± un lvllo d confdnza dl 50% (potzzando ch sgua una dstrbuzon gaussana). Infatt pr ν - n corrspondnza d t 0 la tablla ndca pr la funzon cumulatva 0,75 qund P(- t ) x ( - 0,75) 0, vrfcar pr srczo l sprsson dlla dvazon standard sprmntal dlla mda artmtca nl caso d su sol msur PROBABILITÀ pag.53

23 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 DISTRIBUZIOE DEL χ Valor t 0 dlla funzon cumulatva F(t 0 ) P(t t 0 ) pr var grad d lbrtà ν ν\f(t 0 ) 0,05 0,05 0,0 0,5 0,50 0,75 0,90 0,95 0,975 0,000 0,0039 0,058 0,0 0,455,3,7 3,84 5,0 0,0506 0,03 0, 0,575,39,77 4,6 5,99 7,38 3 0,6 0,35 0,584,,37 4, 6,5 7,8 9,35 4 0,484 0,7,06,9 3,36 5,39 7,78 9,49, 5 0,83,5,6,67 4,35 6,63 9,4,,8 6,4,64,0 3,45 5,35 7,84 0,6,6 4,4 8,8,73 3,49 5,07 7,34 0, 3,4 5,5 7,5 0 3,5 3,94 4,87 6,74 9,34,5 6,0 8,3 0,5 5 6,6 7,6 8,55,0 4,3 8,,3 5,0 7,5 0 9,59 0,9,4 5,5 9,3 3,8 8,4 3,4 34, 50 3,4 34,8 37,7 4,9 49,3 56,3 63, 67,5 7, , 77,9 8,4 90, 99, PROBABILITÀ pag.54

24 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 ESERCIZI ) Gl ntrruttor n qust crcut hanno ognuno la probabltà dl 0% d ssr aprt; calcolar la probabltà ch n cascun schma possa crcolar corrnt: ) Prché la funzon f(x) x + c con - g x 5 g non può ssr consdrata una dnstà d probabltà? [la domanda non rguarda l calcolo dll probabltà ] 3) Vrfcar s l sgunt funzon possono ssr dll dstrbuzon d probabltà, nl caso, calcolar mda varanza: A C (0 x Ω) B (- x ma) ( x m) D E F ( x 4kg) ( x cm) ( x cm) G I {,,3,4,5} H {0,,3} g {-,, } 4) La vta d un componnt è unformmnt dstrbuta fra or. Qual è la probabltà ch un componnt vva pù d or? 5) Dmostrar ch ( ),, 6) Dall dnstà d probabltà dlla corrnt I: f(i) K I (ma - I) [0 I ma] dlla rsstnza R: f(r) Kr R [0 R kω] con I R statstcamnt ndpndnt rcavar f(v) d E(V) sapndo ch l varabl sono lgat dalla lgg d Ohm: VR I. 7) Vngono prodott dll sbarr clndrch d lunghzza unformmnt varabl fra 98 cm 0 cm d szon dstrbuta unformmnt fra 9 cm 3 cm. Il volum mdo dll sbarr è d 3,000 dm 3. Lunghzza szon sono statstcamnt ndpndnt? Prché? 8) Una macchna pr la ralzzazon d crcut ntgrat è garantta pr avr un tasso d scart dl,0% (vnto raro). In una produzon d 5000 componnt 50 non funzonano. S può affrmar ch la macchna funzona corrttamnt? (quanto valgono mda varanza dl numro d componnt guast?) 9) Vngono ffttuat 80 lanc d 6 dad a s facc: la facca 5 sc volt n lanc: Confrontar la mda artmtca d rsultat con qulla attsa. ( 79; 5) 0) Calcolar l probabltà P 6,/0 (3) (bnomal) P 0,6 (4) (Posson) PROBABILITÀ pag.55

25 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 ) Calcolar E(K) (K) pr l dstrbuzon P,3/4 (k) (bnomal) P 3 (k) (Posson) ) Vngono lancat 8 dad ttradrc. All 4 facc vngono assocat valor dlla v.a. dscrta {0,,, 3}. Calcolar l valor attso la varanza dlla mda artmtca d rsultat d un lanco. 3) Da una sr d 50 msur s ottngono x 50 x 640. Stablr s rsultat sono compatbl con quanto attso (valor mdo varanza) da a) dstrbuzon bnomal con 7 p 70 % b) dstrbuzon d Posson con m 8 c) dstrbuzon unform (contnua) fra 0, 0,0. 4) La v.a. (0 x a) ha una dstrbuzon trangolar: f(x) a Calcolar l lvllo d confdnza corrspondnt a E() ± () dscrvr la funzon d dstrbuzon dlla mda artmtca ottnuta da campon d 00 msur. 5) Dtrmnar K, E(), () pr la sgunt dnstà d probabltà: f(x) K 0 a a 3a x 6) All'uscta dll s facc d un dado (contrassgnat con l lttr A, B, C, D, E F) vn assocata una varabl alatora ch assum l valor: 0 n corrspondnza d A, B F 0 n corrspondnza d C D 50 n corrspondnza d E. Dtrmnar l lvllo d confdnza d rlatvo all'ntrvallo [m-;m+]. 7) Da una sr d 00 msur d forza s ottn -5,7 () 0,4. Qual è la probabltà ch un'altra sr d 00 msur fornsca un rsultato ' -7,4? Qual è la probabltà ch un'altra msura sngola fornsca 0? 8) S T (00±0) K è stato ottnuto da un grosso campon d msur qual è la probabltà ch l valor attso d T sa > 0 K? 9) Vn stratto un campon d 00 msur d M da una dstrbuzon unform contnua fra 0 g 0 g. Fra qual valor è prvdbl ch sa comprsa la mda artmtca M rcavata dal campon? 0) La varabl alatora (0 x 30) ha una dstrbuzon unform. Scrvr la f( ) avndo sguto 750 msur d. PROBABILITÀ pag.56

26 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 ) In una fabbrca d condnsator vn msura la capactà d 400 condnsator ottnndo C 48,0 nf con una dvazon standard (C),0 nf. S può rtnr ch C sa varato rsptto a una produzon prcdnt n cu C ' pf? ) Da una sr d 00 msur d massa s ottngono l quanttà: Σ m 40 kg Σ m 6,009 9 kg. Un'altra sr d msur fornsc m 400,0 g con un'ncrtzza rlatva dllo 0,5 % ma qusto rsultato va aumntato, a causa d un fftto sstmatco, d una quanttà comprsa fra g 8 g. Qual è l valor dlla massa? 3) Fra l lunghzz l s ntrcorr la rlazon l l 0 - s. S sgu una sr d 9 msur d l al varar d s ottnndo la quanttà Σ(l + s ) 90 µm. A) S stm col mtodo d mnm quadrat l valor d l 0 sapndo ch l'ncrtzza rlatva nlla msura d l è trascurabl rsptto a qulla d s ch la dvazon standard d s non vara con d è par a 0,60 µm. B) S dtrmnno la probabltà ch sa l 0 > 0, µm C) l'ntrvallo d confdnza corrspondnt al lvllo d confdnza dl 95% (s assuma gaussana la dstrbuzon dlla stma d l 0 ) 4) Data la rlazon - a, scrvr l rlazon ch prmttono d stmar col mtodo d mnm quadrat a la sua ncrtzza nll'pots d una sr d copp d msur d n cu l dtrmnazon d hanno ncrtzza trascurabl qull d varanz ncognt ma ugual fra loro. 5) Rcavar l'sprsson dll'ncrtzza da attrbur alla formula dlla mda psata. 6) Mdant un galvanomtro al tmpo t 0 vn blancato un pont d Whatston; n tmp succssv s ffttuano l sgunt msur (l'ncrtzza nll msur d tmpo è trascurabl): tmpo [mn] I [na] 0,0,0,0,0,0 4,0 3,0 4,0 4,0 5,0 Utlzzar l mtodo d mnm quadrat (rtta p con varanz ncognt ma ugual) pr dtrmnar s l'andamnto I(t) è dovuto a sol fftt casual o l pont s sta sblancando nl tmpo (rror sstmatco). [s non c fossro dpndnz tmporal quanto varrbb l coffcnt angolar dlla rtta?] 7) S sguono 6 msurazon dlla dffrnza d potnzal V a cap d una rsstnza R dll'ntnstà d corrnt I ch crcola n ssa al fn d dtrmnar l valor d R. [VR I] S ottngono l quanttà: V 400,05 V ; I 0-4 A ; V I 0, W. A qual dll du rsstnz R (990 ± 0) Ω o R (050 ± 0) Ω s rfrscono l msur ffttuat sapndo ch l'ampromtro utlzzato ra molto pù snsbl dl voltmtro? (utlzzar l mtodo d mnm quadrat con una rtta passant pr l orgn supporr ch l ncrtzz dll msur d V sano ugual fra loro qull d I trascurabl). 8) Scrvr l'sprsson dlla funzon d dstrbuzon dlla mda artmtca ottnuta da campon d 00 msur dlla varabl alatora Z ch sgu la dstrbuzon: PROBABILITÀ pag.57

27 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 SOLUZIOI ) P(A) 0,8 x 0,8 64 %; P(B) 0, x 0, 96 %; P(C) (-0,8x0,8)x(-0,8x0,8) 87,04 %; P(D) 0,96 x 0,96 9,6 % ) dmnsonalmnt [f(x)] [c] [x] mntr pr una dnstà d probabltà [f(x)] [x] - 3) A 3 Ω -3 E() 3/4 Ω () 3/80 Ω B la probabltà non può ssr ngatva pr nssun valor dlla v.a. C /ln E() /ln m () (3/ln-/ln ) m D 4 kg E() 4ln kg () 8-6ln kg E -/ln E() -/ln cm () (3/ln-/ln ) cm F la probabltà non può ssr ngatva pr nssun valor dlla v.a. G /55 E() 45/ () 644/605 H 0, g - E(),6 g () 0,4 g I 4/9 E() /9 () 04/ ) P(vta or) ,5 % 6) K 6 (ma) -3 E(I) 0,5 ma Kr (kω) - E(R) /3 kω Essndo I R ndpndnt s ha ch f(r I) f(r) f(i), analogamnt, E(RI) E(R) E(I) qund: f(v) R I ( ma - I) V - E(V) /3 V. 7) L grandzz L S sono statstcamnt ndpndnt s solo s E(LS) E(L) E(S) E(L) 00 cm; E(S) 3 30 cm ; L S sono statstcamnt ndpndnt prché E(V) 3,000 dm 3 è ugual a E(L) E(S) cm 3. 8) m p 5000x0,0 00 da cu 0; c s asptta qund un tasso d guast par a 00 ± 0 mntr la varabl t-studnt val t (50-00)/0 5. Anch s la dstrbuzon non è gaussana è strmamnt mprobabl ch t rsult casualmnt >3 qund la dffrnza è dovuta al cattvo funzonamnto dlla macchna 9) Dall frqunz d rsultat s calcolano la mda artmtca la sua dvazon standard: 5 (0,99 ± 0,). Il rsultato statstco ottnuto concd con la prvson probablstca: p 6 /6 0) Bnomal:,458% Posson: 0,96% ) Bnomal: E(K) p 3/ (K) p q 3/8 Posson: E(K) m 3 (K) m 3 ) dado: E() 3/ () 5/4; 8 dad: E( ) 3/ ( ) 5/3 3) c) nfatt: 5,00 ± 0,40 s (),8 mntr: bnomal E() 4,9 (), PROBABILITÀ pag.58

28 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 Posson E() 8,0 (),83 unform E() 5, (),83 x a 8 4) f(x) ; E() a ; () ; C.L. 6,9 %. Pr l torma dl lmt a a cntral (00 ) f( ) è una gaussana (m a ; ) ) gomtrcamnt: l ara val ak/ + ak + ak/ ak da cu K /(a); qund x 3 x 0 x a f(x) ; a x a f(x) ; a x 3a f(x) a a ; a a E() /6 a + ¾ a + 7/ a 3/ a () 5/ a 6) All'ntrvallo d confdnza 0 ± 00 corrspond un C.L. 5/6 7) A) pr l torma dl lmt cntral (00 ) f( ) è una gaussana con m -5,7 0,4,44 ; qund s ottn: 0,5 + ERF(,7/,44) 88, % 00 B) n qusto caso () 0,4 pr cu: 0,5 - ERF(5,7/0,4) 0,4 % 8) 6% 9) (5,00 ± 0,9) g 0) π 0,3 (5) x0,3 ) È varata: t 0 >> 3 m m Σ Σ Σm ) Prma sr: m ± (400,0 ±,0) g. Sconda sr: potzzando una dstrbuzon unform l valor mdo dlla corrzon + 8 (8) addtva è 5,0 g con una varanza 3,0 g. Prtanto da m (400,0 ±,0) g s ottn m' (405,0 ±,0) g. Poché valor dll du sr d msur dstano solo, dvazon standard è possbl utlzzar la mda psata pr ottnr: m ± + 4 (40,00 ± 0,89) g. 3) A) Poché l'ncrtzza rlatva nlla msura d l è trascurabl rsptto a qulla d s convn nvrtr la rlazon: s l 0 - l consdrando l com varabl ndpndnt. La quanttà da mnmzzar al varar d l 0 è U,9 s (l0 l ) (s ) da cu s rcava PROBABILITÀ pag.59

29 LABORATORIO DI FISICA IGEGERIA "La Sapnza" gnnao 003 s + l (s) los 0 µm (los) 0,0 µm da cu: lo (0,00 ± 0,0) µm al 68,3% d C.L.(pots gaussana). B) La probabltà ch sa lo > 0, µm (z > ) è 6%; C) l 95% d C.L. corrspond a,96 dvazon standard: l 0 (0,00 ± 0,39) µm 4) as x y x x (as) x 6) Da Σ 86 na mn, Σ 385 mn, Σ 9 (na) s ottngono l quanttà: p 0,483 na/mn p ( p ) Σ 0,05 na/mn Σ pσ + p Σ Σ ( Σ ) Σ 0,488 na Poché la pndnza p (0,483±0,05) na/mn è dvrsa da zro pr crca 0 dvazon standard l'andamnto non costant d I(t) non è dovuto a sol fftt casual. V I ± con I I dsta 3,5 dvazon standard da R solo 0,7 da R. 7) Da R ( V I ) V I s rcava R (000 ± 0) Ω ch 8) f(z) z/8 cm - ; E(Z) 4 cm; (Ζ) cm ; ( Z ) 0,4 cm; pr l torma dl lmt cntral (00 ) f( Z ) è una gaussana: π0,4 (z4) 0,04 cm - PROBABILITÀ pag.60

Esercizio 1. Costruire un esempio di variabili casuali X ed Y tali che Cov(x,y) = 0, ma X ed Y siano dipendenti.

Esercizio 1. Costruire un esempio di variabili casuali X ed Y tali che Cov(x,y) = 0, ma X ed Y siano dipendenti. srcz d conomtra: sr srczo Costrur un smpo d varabl casual d tal ch Cov(,), ma d sano dpndnt. Soluzon Dobbamo vrcar l sgunt condzon: σ [ ] [ ] [ ] covaranza nulla ) ( ) ( ) dpndnza non lnar Prma cosa da

Dettagli

S O L U Z I O N I + 100

S O L U Z I O N I + 100 S O L U Z I O N I Nl 00 un farmaco vnva vnduto a 70 a) Nll pots ch ogn anno l przzo aumnt dl 3% rsptto all anno prcdnt quanto vrrbb a costar lo stsso farmaco nl 0? b) Supponamo ch l przzo dl farmaco nl

Dettagli

Principi ed applicazioni del metodo degli elementi finiti. Formulazione base con approccio agli spostamenti

Principi ed applicazioni del metodo degli elementi finiti. Formulazione base con approccio agli spostamenti Prncp d applcazon dl mtodo dgl lmnt fnt Formulazon bas con approcco agl spostamnt PRINCIPIO DEI LAVORI VIRTALI Data una crta statca: sforz σ j, forz d volum F forz d suprfc f j ; s dmostra ch mporr la

Dettagli

Esercitazioni di Elettrotecnica: circuiti in regime stazionario

Esercitazioni di Elettrotecnica: circuiti in regime stazionario Maffucc: rcut n rgm stazonaro r- Unrstà dgl Stud d assno srctazon d lttrotcnca: crcut n rgm stazonaro ntono Maffucc r sttmbr Maffucc: rcut n rgm stazonaro r- Sr paralllo parttor S alcolar la rsstnza qualnt

Dettagli

Appendice 1. Approfondimento dei metodi statistici

Appendice 1. Approfondimento dei metodi statistici Appndc 1 Approfondmnto d mtod statstc APPROFONDIMENTO DEI METODI STATISTICI TASSO STANDARDIZZATO PER ETÀ DI MORTALITÀ (TSDM) E DI OSPEDALIZZAZIONE (TSDH). Il Tasso Standardzzato (TSD) è calcolato com

Dettagli

INDICI DI POSIZIONE O DI TENDENZA CENTRALE

INDICI DI POSIZIONE O DI TENDENZA CENTRALE IDICI DI POSIZIOE O DI TEDEZA CETRALE Gl ndc d poszon, o d tndnza cntral, sono numr ch sprmono la snts numrca d una dstrbuzon statstca (d ora n avant ndcata dal smbolo ) d una varabl X. I valor ossrvat

Dettagli

Biennio CLEM - Prof. B. Quintieri. Anno Accademico 2012-2013, I Semestre. (Tratto da: Feenstra-Taylor: International Economics)

Biennio CLEM - Prof. B. Quintieri. Anno Accademico 2012-2013, I Semestre. (Tratto da: Feenstra-Taylor: International Economics) CONOMIA INTRNAZIONAL Bnno CLM - Prof. B. Quntr IL TASSO DI CAMBIO Anno Accadmco 2012-2013, I Smstr (Tratto da: Fnstra-Taylor: Intrnatonal conomcs) S propon, d sguto, una brv rassgna d prncp fondamntal

Dettagli

Effetti di carico. Ai fini dei problemi di effetto di carico, i casi 3) e 4) sono equivalenti tra loro

Effetti di carico. Ai fini dei problemi di effetto di carico, i casi 3) e 4) sono equivalenti tra loro ppunt d Msur Elttrch Efftt d carco Introduzon... oltmtro ampromtro... Studo dgl fftt d carco pr una msura d tnson...2 Caso partcolar: msura d tnson con mpdnza ntrna dl crcuto rsstva 5 INTODUZIONE oglamo

Dettagli

Autoinduzione. 4 L: coefficiente di autoinduzione o. 4 r. Un circuito percorso da corrente genera un B (legge di Ampere-Laplace):

Autoinduzione. 4 L: coefficiente di autoinduzione o. 4 r. Un circuito percorso da corrente genera un B (legge di Ampere-Laplace): S ds u r Autonduzon Un crcuto prcorso da corrnt gnra un B (lgg d Ampr-aplac): ds ur B 4 r Produc un flusso attravrso l crcuto stsso (così com attravrso una ualunu S ch abba com contorno) nds r 4 : coffcnt

Dettagli

Trasformatore. Parte 2 Trasformatori trifase www.die.ing.unibo.it/pers/mastri/didattica.htm (versione del 16-11-2012) Trasformatore trifase (1)

Trasformatore. Parte 2 Trasformatori trifase www.die.ing.unibo.it/pers/mastri/didattica.htm (versione del 16-11-2012) Trasformatore trifase (1) Trasformator Part Trasformator trfas www.d.ng.unbo.t/prs/mastr/ddattca.htm (vrson dl 1-11-01) Trasformator trfas Pr trasfrr nrga lttrca tra du rt trfas s possono utlzzar tr trasformator monofas, ugual

Dettagli

Il Metodo degli Elementi Finiti

Il Metodo degli Elementi Finiti Il Mtodo dgl Elmnt Fnt Il Mtodo dgl Elmnt Fnt Dall dspns dl prof. Daro Amodo dall lzon dl prof. Govann Santucc L.Corts Progttazon Mccanca agl Elmnt Fnt (a.a. 20-202) Il Mtodo dgl Elmnt Fnt Introduzon In

Dettagli

Alessandro Ottola matr. 208003 lezione del 11/3/2010 ora 10:30-13:30. Parete omogenea sottoposta a differenze termiche e diffusione

Alessandro Ottola matr. 208003 lezione del 11/3/2010 ora 10:30-13:30. Parete omogenea sottoposta a differenze termiche e diffusione Alssandro Ottola matr. 0800 lzon dl //00 ora 0:0-:0 Indc Dagramma d Glasr... Part omogna sottoosta a dffrnz trmch dffuson... Dagramma d Glasr r art omogna... 4 Dagramma d Glasr r art multstrato... 5 Esrczo

Dettagli

La carta di Smith. Origine

La carta di Smith. Origine a carta d Smth uca nctt a.a. 08-09 Orgn Fu ntrodotta da P. Smth d Bll abs nl 1939 Error rtnrla suprata da mtod numrc Molt strumnt d msura CAD prsntano dat n output su carta d Smth Molt problm sull ln 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

ELEMENTI DI ELABORAZIONE DEI SEGNALI PER TELELOCALIZZAZIONE

ELEMENTI DI ELABORAZIONE DEI SEGNALI PER TELELOCALIZZAZIONE ELEMENTI DI ELABOAZIONE DEI SEGNALI PE TELELOCALIZZAZIONE nota pr l corso d Elaborazon d Sgnal pr Tlcomuncazon a cura d F. Bndtto G. Gunta. Introduzon al problma dlla dcson I componnt d bas d un problma

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

Calori specifici (isolanti)

Calori specifici (isolanti) Calor spcfc (solant) Modllo d Enstn pr l calor spcfco dgl solant Modllo Prndamo com modllo un nsm d (molt) oscllator armonc undmnsonal trattamo qusto modllo quantstcamnt. lvll nrgtc d ogn componnt sono

Dettagli

V E > 0, V C < 0 W B >> L B J C J E. Catodo 1 - n Anodo - p Catodo 2 - n. n p (x) p n20. p n1 (x) p n10. n p0. p n2 (x) x W B.

V E > 0, V C < 0 W B >> L B J C J E. Catodo 1 - n Anodo - p Catodo 2 - n. n p (x) p n20. p n1 (x) p n10. n p0. p n2 (x) x W B. O AO POA A GUZO (J) onsdramo qu d sguto l caso d un transstor d to nn nl qual l concntrazon d drogant nll tr rgon soddsfno l sgunt dsuguaglanz (la gustfcazon vrrà data ù avant): >> >>. Assumamo com vrs

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

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

Dettagli

RIFLETTOMETRIA NEL DOMINIO DEL TEMPO (TDR)

RIFLETTOMETRIA NEL DOMINIO DEL TEMPO (TDR) RFLETTOMETRA NEL DOMNO DEL TEMPO (TDR) Scopo dll srctaon La rflttomtra nl domno dl tmpo è una tcnca frquntmnt utlata, mpgando prncp dll co, pr carattrar ln d comuncaon, localar guast sa nll ln d trasmsson

Dettagli

METODO DEGLI ELEMENTI FINITI

METODO DEGLI ELEMENTI FINITI Introduon al METODO DEGLI ELEMENTI FINITI Ossrvaon su mtod varaonal approssmat classc L unon approssmant dvono: Soddsar rqust d contnutà Essr lnarmnt ndpndnt complt Soddsar l condon al contorno ssnal Dcoltà:

Dettagli

Teoria. Tale retta limite non sempre esiste. Si veda il grafico sottostante. Matematica 1

Teoria. Tale retta limite non sempre esiste. Si veda il grafico sottostante. Matematica  1 LA ERVATA UNA FUNZONE Toria l problma dlla tangnt Uno di problmi classici c portano al conctto di drivata è qullo dlla dtrminazion dlla rtta tangnt a una curva in un punto. La tangnt ad una circonfrnza

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

Norma UNI EN ISO 13788

Norma UNI EN ISO 13788 UNI EN ISO 13788 (2003: PRESTAZIONE IGROTERMICA DEI COMPONENTI E DEGLI ELEMENTI PER EDILIZIA TEMPERATURA SUPERFICIALE INTERNA PER EVITARE L'UMIDITA' SUPERFICIALE CRITICA E CONDENSAZIONE INTERSTIZIALE METODO

Dettagli

LEZIONE N 11 IL CEMENTO ARMATO PRECOMPRESSO

LEZIONE N 11 IL CEMENTO ARMATO PRECOMPRESSO Unvrstà dgl Stud d Roma Tr Facoltà d Inggnra Corso d Tcnca dll dll Costruon I Modulo / 007-0808 LEZIOE 11 IL CEMETO RMTO PRECOMPRESSO IL CO RISULTTE IL SISTEM EQUILETE LL PRECOMPRESSIOE Gnraltà Il sstma

Dettagli

Processi di separazione

Processi di separazione 6. Procss d sparazon 6.. Carattrstch d procss d sparazon La sparazon d soluzon mscl n loro sngol componnt costtusc un oprazon d grand mportanza pr l ndustra chmca, ptrolchmca ptrolfra. Quas tutt procss

Dettagli

CARATTERISTICHE DELL INVOLUCRO EDILIZIO

CARATTERISTICHE DELL INVOLUCRO EDILIZIO CAATTEISTICHE DELL INVOLUCO EDILIZIO Lvo d Santol, Francsco Mancn Unvrstà La Sapnza d oma lvo.dsantol@unroma1.t francsco.mancn@unroma1.t www.plus.t www.ngnrga.t Trasmttanza d una part opaca 2 La trasmttanza

Dettagli

Definizione della lossodromia Figura 6.1

Definizione della lossodromia Figura 6.1 MRIO UTGGIO CPITOO NIGZIONE OSSODROMI E ORTODROMIC.0 a navgazon utlzza dffrnt trmn pr dscrvr dvrs mtod matmatc pr dfnr la drzon la dstanza tra du dffrnt punt sulla suprfc dlla trra. S possono dfnr l sgunt

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

Svolgimento di alcuni esercizi

Svolgimento di alcuni esercizi Svolgimnto di alcuni srcizi Si ha ch dal momnto ch / tnd a pr ch tnd a (la frazion formata da un numro, in qusto caso il numro, fratto una quantità ch tnd a ±, in qusto caso, tnd smpr a ) S facciamo tndr

Dettagli

Istogrammi ad intervalli

Istogrammi ad intervalli Istogrammi ad intrvalli Abbiamo visto com costruir un istogramma pr rapprsntar un insim di misur dlla stssa granda isica. S la snsibilità dllo strumnto di misura è alta, è probabil ch tra gli N valori

Dettagli

------------------------------------------------------------------------------------------------

------------------------------------------------------------------------------------------------ ------------------------------------------------------------------------------------------------ CAPITOLO ELEMENTI DI TERMOFLUIDODINAMICA ------------------------------------------------------------------------------------------------

Dettagli

Caratteristiche, funzioni e modalità di determinazione del prezzo. Alessandro Scopelliti

Caratteristiche, funzioni e modalità di determinazione del prezzo. Alessandro Scopelliti Carattrstch, funzon modaltà d dtrmnazon dl przzo Alssandro Scopllt Unvrstà d Rggo Calabra Unvrsty of Warwck alssandro.scopllt@unrc.t Gl strumnt fnanzar Gl strumnt fnanzar sono contratt d natura fnanzara

Dettagli

1 Il concetto di funzione 1. 2 Funzione composta 4. 3 Funzione inversa 6. 4 Restrizione e prolungamento di una funzione 8

1 Il concetto di funzione 1. 2 Funzione composta 4. 3 Funzione inversa 6. 4 Restrizione e prolungamento di una funzione 8 UNIVR Facoltà di Economia Sd di Vicnza Corso di Matmatica 1 Funzioni Indic 1 Il conctto di funzion 1 Funzion composta 4 3 Funzion invrsa 6 4 Rstrizion prolungamnto di una funzion 8 5 Soluzioni dgli srcizi

Dettagli

Tekla Structures Guida di riferimento per le opzioni avanzate. Versione del prodotto 21.1 agosto 2015. 2015 Tekla Corporation

Tekla Structures Guida di riferimento per le opzioni avanzate. Versione del prodotto 21.1 agosto 2015. 2015 Tekla Corporation Tkla Structurs Guda d rfrmnto pr l opzon avanzat Vrson dl prodotto 21.1 agosto 2015 2015 Tkla Corporaton Indc 1 Guda d rfrmnto pr l opzon avanzat... 17 1.1 Catgor nlla fnstra d dalogo Opzon avanzat...

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

METODO DEGLI ELEMENTI FINITI

METODO DEGLI ELEMENTI FINITI Dal libro di tsto Zinkiwicz Taylor, Capitolo 14 pag. 398 Il mtodo dgli lmnti finiti fornisc una soluzion approssimata dl problma lastico; tal approssimazion driva non dall avr discrtizzato il dominio in

Dettagli

RISUONATORE FABRY-PEROT: PRINCIPIO DI FUNZIONAMENTO, CRITERI DI PROGETTO ED APPLICAZIONI

RISUONATORE FABRY-PEROT: PRINCIPIO DI FUNZIONAMENTO, CRITERI DI PROGETTO ED APPLICAZIONI ISUONO FY-PO: PINCIPIO DI FUNZIONMNO, CII DI POGO D PPLICZIONI Confronto fra rsuonator ottc a mcroond La dffrnza sostanzal fra rsuonator ottc qull a mcroond è ch l dmnson d qust ultm sono n gnr dllo stsso

Dettagli

POTENZE NECESSARIE E DISPONIBILI

POTENZE NECESSARIE E DISPONIBILI POTENZE NECESSARIE E DISPONIBILI In qusto capitolo ci proponiamo di dtrminar l curv dll potnz ncssari pr l vari condizioni di volo. Tali curv dipndranno da divrsi fattori com il pso dl vlivolo, la quota,

Dettagli

ELETTROTECNICA Ingegneria Industriale

ELETTROTECNICA Ingegneria Industriale LTTOTCNCA nggnra ndutral MTOD D ANALS TASFOMATO DAL MUTU NDUTTANZ Stfano Pator Dpartmnto d nggnra Archtttura Coro d lttrotcnca (04N) a.a. 0-4 Torma d Thnn Condramo un bpolo L collgato al rto dl crcuto

Dettagli

0.1. CIRCONFERENZA 1. La 0.1.1, espressa mediante la formula per la distanza tra due punti, diviene:

0.1. CIRCONFERENZA 1. La 0.1.1, espressa mediante la formula per la distanza tra due punti, diviene: 0.1. CIRCONFERENZA 1 0.1 Circonfrnza Considriamo una circonfrnza di cntro P 0 (x 0, y 0 ) raggio r, cioè il luogo di punti dl piano P (x, y) pr i quali si vrifica la rlazion: 0.1.1. P 0 P = r. La 0.1.1,

Dettagli

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

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

Dettagli

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

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

Dettagli

PROPORZIONI. Cosa possiamo dire di esse? Che la superficie della figura A sta alla superficie della figura B come 4 sta a 6.

PROPORZIONI. Cosa possiamo dire di esse? Che la superficie della figura A sta alla superficie della figura B come 4 sta a 6. Corso di laura: BIOLOGIA Tutor: Floris Marta PRECORSI DI MATEMATICA PROPORZIONI Ossrvar l sgunti figur: Cosa possiamo dir di ss? Ch la suprfici dlla figura A sta alla suprfici dlla figura B com sta a 6.

Dettagli

Ulteriori esercizi svolti

Ulteriori esercizi svolti Ultriori srcizi svolti Effttuar uno studio qualitativo dll sgunti funzioni ) 4 f ( ) ) ( + ) f ( ) + 3) f ( ) con particolar rifrimnto ai sgunti asptti: a) trova il dominio di f b) indica quali sono gli

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

= l. x 0. In realtà può aversi una casistica più amplia potendo sia x che f ( x) tendere ad un elemento dell insieme

= l. x 0. In realtà può aversi una casistica più amplia potendo sia x che f ( x) tendere ad un elemento dell insieme LIMITI DI FUNZINI. CNCETT DI LIMITE Esula dallo scopo di qusto libro la trattazion dlla toria sui iti. Tuttavia, pnsando di far cosa gradita allo studnt, ch dv possdr qusta nozion com background, ritniamo

Dettagli

FUNZIONI A DUE VARIABILI RICERCA DEI PUNTI DI MASSIMO E MINIMO

FUNZIONI A DUE VARIABILI RICERCA DEI PUNTI DI MASSIMO E MINIMO Pg. Pro. Muro D Ettorr UNZIONI A DUE VARIABILI RICERCA DEI PUNTI DI MASSIMO E MINIMO PREMESSE DERIVATE PARZIALI DI UNA UNZIONE A DUE O PIU VARIABILI Dt un unzon d n vrbl z=... n s dc drvt przl l unzon

Dettagli

Ogni anno a Padenghe si ripete la magia!

Ogni anno a Padenghe si ripete la magia! Ogn anno a Padngh s rpt la maga! C ra una volta un pas ncantvol ch s spcchava nl lago. Ogn anno, pr poch gorn, nl pccolo pas avvnva una maga: l asfalto l slcato s coprvano d rba, l v lascavano posto a

Dettagli

Distribuzione gaussiana

Distribuzione gaussiana Appunti di Misur Elttric Distribuion gaussiana Funion dnsità di probabilità di Gauss... Calcolo dlla distribuion cumulativa pr una variabil di Gauss... Funion dnsità di probabilità congiunta...6 Funion

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

Definiamo Centro di Massa (CM) del sistema il punto individuato dalla coordinata: a) d

Definiamo Centro di Massa (CM) del sistema il punto individuato dalla coordinata: a) d Cntro d assa d un ssta Assuao un corpo coplsso qualsas costtuto da n punt lntar cascuno d assa lo charo ssta d punt atral. Partao da un ssta atto da du ass d. Consdrao co ass dl ssta d rrnto, la rtta passant

Dettagli

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

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

Dettagli

Corso di Progettazione Assistita da Computer (PAdC) CLM Ing. Meccanica

Corso di Progettazione Assistita da Computer (PAdC) CLM Ing. Meccanica CdL Magstral n Inggnra Mccanca Corso d Progttazon Assstta da Computr Part I Corso d Progttazon Assstta da Computr (PAdC) CLM Ing. Mccanca Part I Introduzon alla tora dl mtodo agl Elmnt Fnt pr l anals struttural

Dettagli

CONOSCENZE. 1. La derivata di una funzione y = f (x)

CONOSCENZE. 1. La derivata di una funzione y = f (x) ESAME D STATO ESEMP D QUEST D MATEMATCA PER LA TERZA PROVA CONOSCENZE. La drivata di una funzion y f (), in un punto intrno al suo dominio, : il it, s sist d è finito, dl rapporto incrmntal pr h, f ( h)

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

Capitolo 3. Cap. 3-1

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

Dettagli

Corso di Progettazione Assistita da Computer (PAdC) CLM Ing. Meccanica. Dip. di Ingegneria Civile e Industriale (DICI), 1 piano

Corso di Progettazione Assistita da Computer (PAdC) CLM Ing. Meccanica. Dip. di Ingegneria Civile e Industriale (DICI), 1 piano Corso d Progttazon Assstta da Computr Part I Corso d Progttazon Assstta da Computr (PAdC) CLM Ing. Mccanca CdL Magstral n Inggnra Mccanca Part I Introduzon alla tora dl mtodo agl Elmnt Fnt pr l anals struttural

Dettagli

p ovvero la funzione logit data dal logaritmo naturale del odds. Tale 1

p ovvero la funzione logit data dal logaritmo naturale del odds. Tale 1 Laboratoro 8 La Rgrsson Logstca LABORATORIO 8 - LA REGRESSIONE LOGISTICA Il modllo lnar classco y = μ + ε, dov μ = b + b x xk, è stato applcato n prcdnza a varabl casual Y dstrbut n modo normal con mda

Dettagli

Tecniche per la ricerca delle primitive delle funzioni continue

Tecniche per la ricerca delle primitive delle funzioni continue Capitolo 4 Tcnich pr la ricrca dll primitiv dll funzioni continu Nl paragrafo.7 abbiamo dato la dfinizion di primitiva di una funzion f avnt pr dominio un intrvallo I; abbiamo visto ch s F 0 è una primitiva

Dettagli

Modelli equivalenti del BJT

Modelli equivalenti del BJT Modll ulnt dl JT Pr lo studo dll pplczon crcutl dl JT, s è rso opportuno formulr d modll ulnt dl dsposto ch srssro rpprsntr n modo connnt l suo comportmnto ll ntrno d crcut. A scond dl tpo d pplczon (mplfczon

Dettagli

Il campione. Il campionamento. Il campionamento. Il campionamento. Il campionamento

Il campione. Il campionamento. Il campionamento. Il campionamento. Il campionamento Il campion I mtodi di campionamnto d accnno all dimnsioni di uno studio Raramnt in uno studio pidmiologico è possibil saminar ogni singolo soggtto di una popolazion sia pr difficoltà oggttiv di indagin

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

CURVE DI PROBABILITÀ PLUVIOMETRICA Le curve di probabilità pluviometrica esprimono la relazione fra le altezze di precipitazione h e la loro durata

CURVE DI PROBABILITÀ PLUVIOMETRICA Le curve di probabilità pluviometrica esprimono la relazione fra le altezze di precipitazione h e la loro durata CURVE DI PROBABILITÀ PLUVIOMETRICA L curv di probabilità pluviomtrica sprimono la rlazion fra l altzz di prcipitazion h la loro durata t, pr un assgnato valor dl priodo di ritorno T. Tal rlazion vin spsso

Dettagli

LE FRAZIONI LE FRAZIONI. La frazione è un operatore che opera su una qualsiasi grandezza e che da come risultato una grandezza omogenea a quella data.

LE FRAZIONI LE FRAZIONI. La frazione è un operatore che opera su una qualsiasi grandezza e che da come risultato una grandezza omogenea a quella data. LE FRAZIONI La frazion è un oprator ch opra su una qualsiasi grandzza ch da com risultato una grandzza omogna a qulla data. AB (Il sgmnto AB è stato diviso i tr parti sono stat prs du) Una frazion è scritta

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

Teoria dell integrazione secondo Riemann per funzioni. reali di una variabile reale.

Teoria dell integrazione secondo Riemann per funzioni. reali di una variabile reale. Capitolo 2 Toria dll intgrazion scondo Rimann pr funzioni rali di una variabil ral Esistono vari tori dll intgrazion; tutt hanno com comun antnato il mtodo di saustion utilizzato dai Grci pr calcolar l

Dettagli

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti:

S O L U Z I O N I. 1. Effettua uno studio qualitativo della funzione. con particolare riferimento ai seguenti aspetti: S O L U Z I O N I 1 Effettua uno studo qualtatvo della funzone con partcolare rfermento a seguent aspett: f ( ) ln( ) a) trova l domno della funzone b) ndca qual sono gl ntervall n cu f() rsulta postva

Dettagli

Modelli di variabili casuali

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

Dettagli

Nella valutazione delle prestazioni energetiche degli edifici,

Nella valutazione delle prestazioni energetiche degli edifici, Smon Frrar, Valntna Zanotto Efftt dlla capactà trmca d mur nlla trasmsson dl calor Rcrca Un muro sottoposto a sollctazon trmca, da uno o da ambo lat, rsulta, com noto, attravrsato da un flusso d calor.

Dettagli

Test di autovalutazione

Test di autovalutazione UNITÀ FUNZINI E LR RAPPRESENTAZINE Tst di autovalutazion 0 0 0 0 0 50 60 70 80 90 00 n Il mio puntggio, in cntsimi, è n Rispondi a ogni qusito sgnando una sola dll 5 altrnativ. n Confronta l tu rispost

Dettagli

Soluzioni. a) Il dominio è dato da tutti i numeri reali tranne quelli che annullano il denominatore di (x+1)/x. Quindi D = R {0} = (-,0) (0,+ ).

Soluzioni. a) Il dominio è dato da tutti i numeri reali tranne quelli che annullano il denominatore di (x+1)/x. Quindi D = R {0} = (-,0) (0,+ ). Soluzioni Data la unzion a trova il dominio di b indica quali sono gli intrvalli in cui risulta positiva qulli in cui risulta ngativa c dtrmina l vntuali intrszioni con gli assi d studia il comportamnto

Dettagli

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

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

Dettagli

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

Page 1. Corso di ELETTRONICA INDUSTRIALE. Trasformatori ad alta frequenza. frequenza. frequenza. ad alta frequenza. ad alta.

Page 1. Corso di ELETTRONICA INDUSTRIALE. Trasformatori ad alta frequenza. frequenza. frequenza. ad alta frequenza. ad alta. Corso EETTROCA DUTRAE Trasformator a alta frqnza Trasformator a alta frqnza Motvazon pr l so trasformator a AF Rcham sl trasformator al Rlazon tra l tnson Rlazon tra l corrnt Trasformator a pú avvolgmnt

Dettagli

Errori a regime per controlli in retroazione unitaria

Errori a regime per controlli in retroazione unitaria Appunt d ontoll Autoatc Eo a g n sst n toazon Eo a g p contoll n toazon untaa... Eo a g nlla sposta al gadno (o d poszon)... Eo a g nlla sposta alla apa (o d vloctà)...3 Eo a g nlla sposta alla paabola

Dettagli

Indice delle lezioni (Prof. Storti-Gajani)

Indice delle lezioni (Prof. Storti-Gajani) Indc dll lzon (Prof. Stort-Gajan) Lzon numro cham d Elttromagntsmo Marzo 999 Lzon numro Approssmazon a paramtr Marzo 999 concntrat Lgg d Krchhoff d Ohm Bpol lttrc Collgamnt n sr n paralllo Lzon numro Potnza

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

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano

Università di Cassino. Esercitazione di Statistica 1 del 4 dicembre Dott.ssa Simona Balzano Unverstà d Cassno Eserctazone d Statstca del 4 dcembre 6 Dott.ssa Smona Balzano Eserczo Sa la varable casuale che descrve l rsultato del lanco d dad, sulle cu facce v sono numer: 5, 5, 7, 7, 9, 9. a) Defnre

Dettagli

17. Le soluzioni dell equazione di Schrödinger approfondimento

17. Le soluzioni dell equazione di Schrödinger approfondimento 7. soluzon dll quazon d Scrödngr approfondmno Gl sa ms Il gao d Scrödngr è l pù famoso sao mso dlla MQ. E una parclla un po spcal, prcé è un oggo macroscopco d cu s dscu l comporamno quansco. E anc una

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

Spettro roto-vibrazionale di HCl (H 35 Cl, H 37 Cl )

Spettro roto-vibrazionale di HCl (H 35 Cl, H 37 Cl ) Spttro roto-vibrazional di HCl (H 5 Cl, H 7 Cl ) SCOPO: Misurar l nrgi dll transizioni vibro-rotazionali dll acido cloridrico gassoso utilizzar qust nrgi pr calcolar alcuni paramtri molcolari spttroscopici.

Dettagli

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

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

Dettagli

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

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

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

Dettagli

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

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

Capgemini Italia Spa. Ingegneria del Software. Roma, 11 Dicembre 2009

Capgemini Italia Spa. Ingegneria del Software. Roma, 11 Dicembre 2009 Capgmn Ita Spa Inggnra dl Softwar Roma, 11 Dcmbr 2009 Soc Ntwork Gorfrnzato su Mobl Fzon Rzzar soc ntwork (tpo facbook o lnkn) n cu è possbl aggornar nl propro proflo propra poszon attu (tt longt) rndr

Dettagli

Capitolo 10 - Parte II Moltiplicatori, convertitori di frequenza e modulatori

Capitolo 10 - Parte II Moltiplicatori, convertitori di frequenza e modulatori Appunt d Comuncazon Elttrch Captolo - Part Moltplcator, convrttor d frqunza modulator Moltplcator d frqunza... Convrttor d frqunza (mxr)...4 ntroduzon...4 mplmntazon crcutal: stado a bas comun plotato

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

1 Derivate parziali 1. 2 Regole di derivazione 5. 3 Derivabilità e continuità 7. 4 Differenziabilità 7. 5 Derivate seconde e teorema di Schwarz 8

1 Derivate parziali 1. 2 Regole di derivazione 5. 3 Derivabilità e continuità 7. 4 Differenziabilità 7. 5 Derivate seconde e teorema di Schwarz 8 UNIVR Facoltà di Economia Sd di Vicnza Corso di Matmatica Drivat dll funzioni di più variabili Indic Drivat parziali Rgol di drivazion 5 3 Drivabilità continuità 7 4 Diffrnziabilità 7 5 Drivat scond torma

Dettagli

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

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

Dettagli

Calore Specifico

Calore Specifico 6.08 - Calor Spcifico 6.08.a) Lgg Fondamntal dlla Trmologia Un modo pr far aumntar la Tmpratura di un Corpo è qullo di cdr ad sso dl Calor, pr smpio mttndolo in Contatto Trmico con un Corpo a Tmpratura

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

0 < a < 1 a > 1. In entrambi i casi la funzione y = a x si può studiare per punti e constatare che essa presenta i seguenti andamenti y.

0 < a < 1 a > 1. In entrambi i casi la funzione y = a x si può studiare per punti e constatare che essa presenta i seguenti andamenti y. INTRODUZIONE Ossrviamo, in primo luogo, ch l funzioni sponnziali sono dlla forma a con a costant positiva divrsa da (il caso a è banal pr cui non sarà oggtto dl nostro studio). Si possono allora vrificar

Dettagli

Analisi dei Sistemi. Soluzione del compito del 26 Giugno ÿ(t) + (t 2 1)y(t) = 6u(t T ). 2 x1 (t) 0 1

Analisi dei Sistemi. Soluzione del compito del 26 Giugno ÿ(t) + (t 2 1)y(t) = 6u(t T ). 2 x1 (t) 0 1 Analisi di Sistmi Soluzion dl compito dl 26 Giugno 23 Esrcizio. Pr i du sistmi dscritti dai modlli sgunti, individuar l proprità strutturali ch li carattrizzano: linar o non linar, stazionario o tmpovariant,

Dettagli

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita Teora degl error Processo d msura defnsce una grandezza fsca. Sstema oggetto. Apparato d msura 3. Sstema d confronto La msura mplca un gudzo sull uguaglanza tra la grandezza ncognta e la grandezza campone

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

PROPORZIONI. Cosa possiamo dire di esse? Che la superficie della figura A sta alla superficie della figura B come 4 sta a 6.

PROPORZIONI. Cosa possiamo dire di esse? Che la superficie della figura A sta alla superficie della figura B come 4 sta a 6. Corso di laura: BIOLOGIA Tutor: Floris Marta PRECORSI DI MATEMATICA PROPORZIONI Ossrvar l sgunti figur: Cosa possiamo dir di ss? Ch la suprfici dlla figura A sta alla suprfici dlla figura B com sta a 6.

Dettagli

LE MACCHINE SINCRONE

LE MACCHINE SINCRONE Applcazon ndutral Elttrch L Macchn Sncron LE MACCHNE SNCRONE ntroduzon L macchn ncron trovano la maggor part dll applcazon nl funzonamnto da gnrator, anch con l voluzon dlla tcnologa d convrttor tatc d

Dettagli