AFFIDABILITA DEI SISTEMI
|
|
- Bernardo Palmieri
- 8 anni fa
- Visualizzazioni
Transcript
1 AFFIDABILITA DEI SISTEMI STOCASTICI (complessi)
2
3 Esercizio: Si assuma che i collegamenti tra una centrale elettrica e una città siano costituite da tre linee collegate in serie i cui tempi di funzionamento sono descritti da variabili aleatorie esponenziali identicamente distribuite. Quanto è affidabile la centrale elettrica? Quindi, se i componenti hanno tasso di guasto costante n n R( t) = exp λit λ = λi i= 1 i= 1 MTTF n = 1/ λi i= 1 Nel caso generale n MTTF = R ( t)dt integrazione numerica R i= 1 i La affidabilità di un sistema in serie è sempre minore o uguale al minimo delle affidabilità dei componenti. ( ) min ( ) ( ) ( ) Rs t R1 t R2 t Rn t
4 Affidabilità condizionata Esempio: Supponiamo che un sistema sia formato da 3 blocchi A,B,C connessi in serie. Il tempo di vita del blocco A è descritto da una legge di Weibull con parametro scala 100 ore e parametro forma 3.2. Il tempo di vita del blocco B è descritto da una legge gaussiana di parametri 400 e deviazione 32. Il tempo di vita del blocco C è descritto da una legge esponenziale di parametro per ora. Supponiamo che il sistema sia sopravvissuto per un tempo pari a 50 ore. Qual è la probabilità che sopravviva per altre 50 ore? ( ) P T > s + t T > s = R( s + t s) = R( s + t) R( s) ( > + > ) = P ( TA > s + t TA > s) P ( TB > s + t TB > s) ( > + > ) P T s t T s P T s t T s C C Scrivere la funzione affidabilità condizionata ed effettuarne un grafico
5 Life Exchange Rate Matrix Non tutte le componenti di un sistema hanno la medesima utilizzazione in termini di tempo di vita unitario. Ad esempio se una macchina procede per tore, frizione e freno operano su diverse unità di misura e dipendono dalle condizioni della strada. La vita di una ruota dipende dai chilometri percorsi. La vita di una frizione dal numero di cambi di marcia. La vita di un freno dal numero di volte che vengono usati. La vita di uno starter dal numero di accensioni. Per trovare la affidabilità di un sistema che ha componenti con diverse unità di misura, è necessario normalizzarle. n numero di componenti r ii = 1 LERM r r r r r r r r r n n = n1 n2 nn
6 1 unità di misura del componente i = r 1 unità di misura del componente j ij Ore Chilom etri Giri 1 ora = 10 chilometri 1 ora = 5 giri LERM = 1 1 r ji = LERM = 1/10 1 r ij 1/ unità di misura del componente i 1 unità di misura del componente r = ij j 1 unità di misura del componente j = r 1 unità di misura del componente i ji
7 1 unità di misura del componente 2 = r 1 unità di misura del componente 3 23 = r r 1 unità di misura del componente LERM r 21 = r 21 r23 = r = 1/10 1 1/ 2 1/ r = r r ij ik kj Usi della matrice LERM
8 Esempio: Supponiamo che un sistema sia formato da 3 blocchi A,B,C connessi in serie. Il tempo di vita del blocco A è descritto da una legge di Weibull con parametro scala 100 ore e parametro forma 3.2. Il tempo di vita del blocco B è descritto da una legge gaussiana di parametri 400 cicli e deviazione 32 cicli. Il tempo di vita del blocco C è descritto da una legge esponenziale di parametro per chilometro Si sa che per un ora di funzionamento, il modulo B effettua 12 cicli e il modulo C effettua 72 chilometri. Costruire la matrice LERM. Trovare la affidabilità del sistema dopo 240 cicli del modulo B. 3.2 RA ( t) = exp( ( t /100) ) t 400 LERM = 1/ RB ( t) = 1 Φ 32 1/ 72 1/ 6 1 R ( t) = exp t c ( ) R(240) = R (240 r ) R (240 r ) R (240 r ) A 21 B 22 C 23
9 Esempio: Supponiamo che il sistema di cui al lucido precedente abbia già operato per complessive 25 ore. Qual è la probabilità che operi per altri 240 cicli? R( s + t s) = R( s + t) R( s) R ( ) perchè abbiamo già visto che 20 ore corrispondono A a 240 cicli 25 ore corrispondono a 25 r cicli =25 12 cicli = 300 cicli R B 12 ( ) perchè devono passare altri 240 cicli 25 ore corrispondono a 25 r chilometri =25 72 km = 1800 km R C 13 ( ) perchè 1440 km corrispondono a 240 cicli
10 La affidabilità di un sistema in parallelo è sempre maggiore o uguale al massimo delle affidabilità dei componenti. ( ) max ( ) ( ) ( ) Rs t R1 t R2 t Rn t
11 Aggiungere componenti in serie diminuisce la affidabilità, aggiungere componenti in parallelo aumenta la affidabilità. NB: Cosa accade nel caso di sottosistemi con vita esponenziale? Esercizio: il componente di un sistema ha una affidabilità pari al 70% per un prefissato periodo di tempo t. Trovare quante componenti andrebbero connesse in parallelo per raggiungere una affidabilità del 95%. Teorema : Nel caso di un sistema complesso formato da n sottosistemi in parallelo, ciascuno con tasso di guasto costante pari a λ, si ha n 1 1 MTTF= λ = k k 1
12 In molte situazioni pratiche non basta che ci sia almeno un componente, degli nmessi in parallelo, che lavori correttamente, ma si chiede che almeno k componenti lavorino correttamente perché non si verifichi lo shutdown del sistema complesso. k-out-of-n system Esponenziale n n r La affidabilità di un k - out - of - n system è R( t, k, n) = p 1 p r= k r dove p rappresenta la affidabilità di un componente fino all'istante t ( ) n r Esercizio: Un generatore di potenza in una azienda ha 6 generatori identici, ogni generatore ha un tasso di guasto costante pari a 1.5 su 1000 ore di funzionamento. Perché il generatore funzioni alla potenza richiesta devono essere in funzione almeno 4 generatori. Trovare la affidabilità del generatore a 100 ore e la MTTF.
13 MIX di sottosistemi in serie e in parallelo Teorema di Drenick(1960) Dato un numero di componenti aventi qualsiasi distribuzione della densità di guasto, al crescere del tempo di funzionamento, la densità di guasto del sistema tende ad assumere un andamento esponenziale (serie).
AFFIDABILITA DEI SISTEMI
AFFIDABILITA DEI SISTEMI STOCASTICI (complessi) Esercizio: Si assuma che i collegamenti tra una centrale elettrica e una città siano costituite da tre linee collegate in serie i cui tempi di funzionamento
DettagliAffidabilità nel tempo tasso di guasto. h( t) =! dt N dt N ( ) ( ) = =! N N
Affidabilità nel tempo tasso di guasto 1 N=numero componenti N s (t)=numero componenti sopravvissuti al tempo t N f (t)=numero componenti rotti al tempo t N ( ) ( ) s t N f t R( t) = = 1! N N dr( t) 1
DettagliHistogram of C1 Normal
Soluzioni domande ed esercizi Fondamenti di Affidabilità Capitolo 2. La vita di un cambio ad ingranaggi può essere fortemente influenzata nelle fasi iniziali della sua vita da problemi derivanti principalmente
DettagliEsercitazioni 2013/14
Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta
DettagliEsercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue
Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1
DettagliAlbero dei guasti DOTT. ING. KONSTANTINOS MILONOPOULOS 1
Albero dei guasti E uno strumento di analisi dei guasti che si affianca all FMECA. L FMECA e un analisi di tipo bottom-up, perche si parte da un componente e si risale agli effetti di un suo guasto L Albero
DettagliStatistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 2004
Statistica Matematica A - Ing. Meccanica, Aerospaziale I prova in itinere - 19 novembre 200 Esercizio 1 Tre apparecchiature M 1, M 2 e M 3 in un anno si guastano, in maniera indipendente, con probabilità
DettagliCAPACITÀ DI PROCESSO (PROCESS CAPABILITY)
CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il
DettagliLA CRESCITA DELLE POPOLAZIONI ANIMALI
LA CRESCITA DELLE POPOLAZIONI ANIMALI Riccardo Scipioni Generalmente, con il termine crescita di una popolazione si intende l aumento, nel tempo, del numero di individui appartenenti ad una stessa popolazione.
DettagliLa distribuzione Normale. La distribuzione Normale
La Distribuzione Normale o Gaussiana è la distribuzione più importante ed utilizzata in tutta la statistica La curva delle frequenze della distribuzione Normale ha una forma caratteristica, simile ad una
Dettagli4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
DettagliLa teleferica dilatazione termica lineare
La teleferica dilatazione termica lineare Una teleferica di montagna è costituita da un cavo di acciaio (λ = 1,2 10-5 K -1 ) di lunghezza 5,4 km. D'estate, la temperatura del cavo può passare dai 5 gradi
DettagliLezione 9: Cambio di base
Lezione 9: Cambio di base In questa lezione vogliamo affrontare uno degli argomenti piu ostici per lo studente e cioè il cambio di base all interno di uno spazio vettoriale, inoltre cercheremo di capire
Dettagli2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione
Capitolo 2 MATRICI Fra tutte le applicazioni su uno spazio vettoriale interessa esaminare quelle che mantengono la struttura di spazio vettoriale e che, per questo, vengono dette lineari La loro importanza
DettagliCOEFFICIENTI BINOMIALI
COEFFICIENTI BINOMIALI Michele Impedovo micheleimpedovo@uni-bocconiit Una definizione insiemistica Se n è un numero naturale e è un numero naturale compreso tra e n, si indica con il simbolo il coefficiente
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE Modelli a coda Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Sistemi a coda Gli elementi chiave di un sistema a coda
DettagliStatistica e biometria. D. Bertacchi. Variabili aleatorie. V.a. discrete e continue. La densità di una v.a. discreta. Esempi.
Iniziamo con definizione (capiremo fra poco la sua utilità): DEFINIZIONE DI VARIABILE ALEATORIA Una variabile aleatoria (in breve v.a.) X è funzione che ha come dominio Ω e come codominio R. In formule:
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliDISTRIBUZIONI DI PROBABILITÀ
Metodi statistici e probabilistici per l ingegneria Corso di Laurea in Ingegneria Civile A.A. 2009-10 Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain 1 LE PRINCIPALI DISTRIBUZIONI
DettagliINTRODUZIONE ALLA MICROECONOMIA [F O] / Prova finale 14 Gennaio 2005. Nome.. Cognome. Matricola. Corso di laurea: CLEMI CLEA CLSES
INTRODUZIONE ALLA MICROECONOMIA [F O] / Prova finale 14 Gennaio 2005 A Nome.. Cognome. Matricola. Corso di laurea: CLEMI CLEA CLSES Istruzioni: rispondete alle domande segnando con una crocetta la lettera
DettagliApplicazioni lineari
Applicazioni lineari Esempi di applicazioni lineari Definizione. Se V e W sono spazi vettoriali, una applicazione lineare è una funzione f: V W tale che, per ogni v, w V e per ogni a, b R si abbia f(av
DettagliCalcolatori Elettronici A a.a. 2008/2009
Calcolatori Elettronici A a.a. 2008/2009 PRESTAZIONI DEL CALCOLATORE Massimiliano Giacomin Due dimensioni Tempo di risposta (o tempo di esecuzione): il tempo totale impiegato per eseguire un task (include
DettagliRETI DI TELECOMUNICAZIONE
RETI DI TELECOMUNICAZIONE SISTEMI M/G/1 e M/D/1 Sistemi M/G/1 Nei sistemi M/G/1: i clienti arrivano secondo un processo di Poisson con parametro λ i tempi di servizio hanno una distribuzione generale della
DettagliProgetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso
Progetto di Reti di Telecomunicazione Modelli in Programmazione Lineare Problemi di flusso Flusso di costo minimo È dato un grafo direzionato G = (N, A). Ad ogni arco (i, j) A è associato il costo c ij
DettagliLa scelta in condizioni di incertezza
La scelta in condizioni di incertezza 1 Stati di natura e utilità attesa. L approccio delle preferenza per gli stati Il problema posto dall incertezza riformulato (state-preference approach). L individuo
DettagliCorso di Calcolo Numerico
Corso di Calcolo Numerico Dottssa MC De Bonis Università degli Studi della Basilicata, Potenza Facoltà di Ingegneria Corso di Laurea in Ingegneria Meccanica Corso di Calcolo Numerico - Dottssa MC De Bonis
DettagliCAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI
CAPITOLO 16 SUCCESSIONI E SERIE DI FUNZIONI Abbiamo studiato successioni e serie numeriche, ora vogliamo studiare successioni e serie di funzioni. Dato un insieme A R, chiamiamo successione di funzioni
Dettagli2. Leggi finanziarie di capitalizzazione
2. Leggi finanziarie di capitalizzazione Si chiama legge finanziaria di capitalizzazione una funzione atta a definire il montante M(t accumulato al tempo generico t da un capitale C: M(t = F(C, t C t M
DettagliEsercitazione 5 Soluzioni
Esercitazione 5 Soluzioni. (Esercizio 5. del Ross) Sia X una variabile aleatoria la cui densità è c( 2 ) < < 0 altrimenti. (a) Qual è il valore di c? (b) Scrivere la funzione di ripartizione di X. 2. (Esercizio
DettagliUn modello matematico di investimento ottimale
Un modello matematico di investimento ottimale Tiziano Vargiolu 1 1 Università degli Studi di Padova Liceo Scientifico Benedetti Venezia, giovedì 30 marzo 2011 Outline 1 Investimento per un singolo agente
Dettagli1. PRIME PROPRIETÀ 2
RELAZIONI 1. Prime proprietà Il significato comune del concetto di relazione è facilmente intuibile: due elementi sono in relazione se c è un legame tra loro descritto da una certa proprietà; ad esempio,
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta del 1/6/06 Esercizio 1 Un sarto impiega un tempo aleatorio esponenziale a completare i suoi lavori. Mediamente gli servono 10 ore
DettagliTeoria delle scorte. Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio
Teoria delle scorte Ricerca operativa Met. e mod. per le decisioni (Informatica Matematica) Pierluigi Amodio Dipartimento di Matematica Università di Bari Teoria delle scorte p.1/26 definizione del problema
DettagliSequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione
Sequenziamento a minimo costo di commutazione in macchine o celle con costo lineare e posizione home (In generale il metodo di ottimizzazione presentato in questo file trova la seq. a costo minimo per
DettagliProof. Dimostrazione per assurdo. Consideriamo l insieme complementare di P nell insieme
G Pareschi Principio di induzione Il Principio di Induzione (che dovreste anche avere incontrato nel Corso di Analisi I) consente di dimostrare Proposizioni il cui enunciato è in funzione di un numero
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliEsercizi di Probabilità e Statistica
Esercizi di Probabilità e Statistica Samuel Rota Bulò 5 maggio 007 Varabili aleatorie continue, distribuzioni continue e funzione generatrice di momenti. Esercizio Dimostrare la mancanza di memoria della
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta del 13/1/06 Esercizio 1 Si osserva sperimentalmente, entro certi limiti di approssimazione, che il valore V n di certe azioni, misurato
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliMetodi e Modelli Matematici di Probabilità per la Gestione
Metodi e Modelli Matematici di Probabilità per la Gestione Prova scritta del 30/1/06 Esercizio 1 Una banca ha N correntisti. Indichiamo con N n il numero di correntisti esistenti il giorno n-esimo. Descriviamo
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliCome visto precedentemente l equazione integro differenziale rappresentativa dell equilibrio elettrico di un circuito RLC è la seguente: 1 = (1)
Transitori Analisi nel dominio del tempo Ricordiamo che si definisce transitorio il periodo di tempo che intercorre nel passaggio, di un sistema, da uno stato energetico ad un altro, non è comunque sempre
DettagliCENNI DI METODI STATISTICI
Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliLA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1
LA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1 I CODICI 1 IL CODICE BCD 1 Somma in BCD 2 Sottrazione BCD 5 IL CODICE ECCESSO 3 20 La trasmissione delle informazioni Quarta Parte I codici Il codice BCD
DettagliProgetto PI.20050704, passo A.2 versione del 6 febbraio 2007
Università degli Studi di Roma La Sapienza Facoltà di Ingegneria Corso di Laurea in Ingegneria Gestionale Corso di Progettazione del Software Proff. Toni Mancini e Monica Scannapieco Progetto PI.20050704,
DettagliAlgoritmi e diagrammi di flusso
Algoritmi e diagrammi di flusso Un algoritmo può essere descritto come una sequenza finita ed ordinata di operazioni che descrivono la soluzione di un problema. Per sequenza finita si intende che un algoritmo
DettagliPolitecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria).
Politecnico di Milano. Facoltà di Ingegneria Industriale. Corso di Analisi e Geometria 2. Sezione D-G. (Docente: Federico Lastaria). Aprile 20 Indice Serie numeriche. Serie convergenti, divergenti, indeterminate.....................
DettagliMemoria Virtuale. Anche la memoria principale ha una dimensione limitata. memoria principale (memoria fisica) memoria secondaria (memoria virtuale)
Memoria Virtuale Anche la memoria principale ha una dimensione limitata. Possiamo pensare di superare questo limite utilizzando memorie secondarie (essenzialmente dischi) e vedendo la memoria principale
DettagliCorso di Laurea in Ingegneria Biomedica Corso di Trasmissione Numerica (6 crediti) Prova scritta 16.02.2006
Prova scritta 16.02.2006 D. 1 Si derivi l espressione dei legami ingresso-uscita, nel dominio del tempo per le funzioni di correlazione nel caso di sistemi LTI e di segnali d ingresso SSL. Si utilizzi
DettagliAppunti sul corso di Complementi di Matematica - prof. B.Bacchelli. 03 - Equazioni differenziali lineari omogenee a coefficienti costanti.
Appunti sul corso di Complementi di Matematica - prof. B.Bacchelli 03 - Equazioni differenziali lineari omogenee a coefficienti costanti. Def. Si dice equazione differenziale lineare del secondo ordine
DettagliMatematica Applicata. Probabilità e statistica
Matematica Applicata Probabilità e statistica Fenomeni casuali Fenomeni che si verificano in modi non prevedibili a priori 1. Lancio di una moneta: non sono in grado di prevedere con certezza se il risultato
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliUn metodo per il rilevamento degli errori: la tecnica del Bit di Parità
Appunti: Tecniche di rilevazione e correzione degli errori 1 Tecniche di correzione degli errori Le tecniche di correzione degli errori sono catalogabili in: metodi per il rilevamento degli errori; metodi
DettagliAnalisi di scenario File Nr. 10
1 Analisi di scenario File Nr. 10 Giorgio Calcagnini Università di Urbino Dip. Economia, Società, Politica giorgio.calcagnini@uniurb.it http://www.econ.uniurb.it/calcagnini/ http://www.econ.uniurb.it/calcagnini/forecasting.html
DettagliMATEMATICA DEL DISCRETO elementi di teoria dei grafi. anno acc. 2009/2010
elementi di teoria dei grafi anno acc. 2009/2010 Grafi semplici Un grafo semplice G è una coppia ordinata (V(G), L(G)), ove V(G) è un insieme finito e non vuoto di elementi detti vertici o nodi di G, mentre
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliCorso di Laurea in Scienze e Tecnologie Biomolecolari. NOME COGNOME N. Matr.
Corso di Laurea in Scienze e Tecnologie Biomolecolari Matematica e Statistica II Prova di esame dell 11/1/2012 NOME COGNOME N. Matr. Rispondere alle domande nel modo più completo possibile, cercando di
Dettagli1 Giochi a due, con informazione perfetta e somma zero
1 Giochi a due, con informazione perfetta e somma zero Nel gioco del Nim, se semplificato all estremo, ci sono due giocatori I, II e una pila di 6 pedine identiche In ogni turno di gioco I rimuove una
DettagliCALCOLO COMBINATORIO
CALCOLO COMBINATORIO 1 Modi di formare gruppi di k oggetti presi da n dati 11 disposizioni semplici, permutazioni Dati n oggetti distinti a 1,, a n si chiamano disposizioni semplici di questi oggetti,
DettagliEsercitazione n.1 (v.c. Binomiale, Poisson, Normale)
Esercizio 1. Un azienda produce palline da tennis che hanno probabilità 0,02 di essere difettose, indipendentemente l una dall altra. La confezione di vendita contiene 8 palline prese a caso dalla produzione
DettagliTest n. 7 Problemi matematici
Test n. 7 Problemi matematici ) Determinare il numero il cui doppio, aumentato di 0, è uguale a 44. A) 6 C) 7 B) 5 D) 8 ) Determinare due numeri tenendo presente che la loro somma è uguale a 8 e la loro
DettagliLa valorizzazione dei movimenti di magazzino
La valorizzazione dei movimenti di magazzino La valorizzazione dei carichi e degli scarichi Se la contabilità di magazzino è a quantità e a valori, occorre valorizzare i movimenti di magazzino e la scorta
DettagliVisione d insieme DOMANDE E RISPOSTE SULL UNITÀ
Visione d insieme DOMANDE E RISPOSTE SULL UNITÀ Che cos è la corrente elettrica? Nei conduttori metallici la corrente è un flusso di elettroni. L intensità della corrente è il rapporto tra la quantità
DettagliInformatica B 2013-2014
2013-2014 Matlab Laboratorio del 17/12/2013 Responsabili di laboratorio: Gianluca Durelli: durelli@elet.polimi.it Luigi Malago : malago@di.unimi.it Materiale di laboratorio reperibile all indirizzo: www.gianlucadurelli.com
DettagliGRANDEZZE SINUSOIDALI
GRANDEE SINUSOIDALI INDICE -Grandezze variabili. -Grandezze periodiche. 3-Parametri delle grandezze periodiche. 4-Grandezze alternate. 5-Grandezze sinusoidali. 6-Parametri delle grandezze sinusoidali.
Dettagli1 Estensione in strategia mista di un gioco
AVVERTENZA: Di seguito trovate alcuni appunti, poco ordinati e poco formali, che uso come traccia durante le lezioni. Non sono assolutamente da considerarsi sostitutivi del materiale didattico. Riferimenti:
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliCorso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005
Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005 Gli esercizi devono essere risolti solo sui fogli dei colori indicati Per esiti e soluzioni si veda il sito web del corso:
DettagliSiamo così arrivati all aritmetica modulare, ma anche a individuare alcuni aspetti di come funziona l aritmetica del calcolatore come vedremo.
DALLE PESATE ALL ARITMETICA FINITA IN BASE 2 Si è trovato, partendo da un problema concreto, che con la base 2, utilizzando alcune potenze della base, operando con solo addizioni, posso ottenere tutti
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliEsercitazioni di Calcolo Numerico 23-30/03/2009, Laboratorio 2
Esercitazioni di Calcolo Numerico 23-30/03/2009, Laboratorio 2 [1] Metodo di Bisezione gli estremi a e b di un intervallo reale trovi uno zero della funzione f(x) nell intervallo [a, b] usando il metodo
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliTutorato di Probabilità e Statistica
Università Ca Foscari di Venezia Dipartimento di informatica 20 aprile 2006 Variabili aleatorie... Example Giochiamo alla roulette per tre volte 1 milione sull uscita del numero 29. Qual è la probabilità
DettagliFinanza matematica - Lezione 01
Finanza matematica - Lezione 01 Contratto d opzione Un opzione è un contratto finanziario stipulato al tempo, che permette di eseguire una certa transazione, d acquisto call o di vendita put, ad un tempo
DettagliTransitori del primo ordine
Università di Ferrara Corso di Elettrotecnica Transitori del primo ordine Si consideri il circuito in figura, composto da un generatore ideale di tensione, una resistenza ed una capacità. I tre bipoli
DettagliCalcolo delle Probabilità
Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello
Dettagli1 Modelli di variabili aleatorie continue
Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,
DettagliIl sistema monetario
Il sistema monetario Premessa: in un sistema economico senza moneta il commercio richiede la doppia coincidenza dei desideri. L esistenza del denaro rende più facili gli scambi. Moneta: insieme di tutti
DettagliQUESITO 1 A FISICA. Il candidato illustri il primo principio della termodinamica. Consideri poi la seguente
QUESITO 1 A Il candidato illustri il primo principio della termodinamica. Consideri poi la seguente circostanza: nel cilindro di un motore avviene una rapida espansione di un gas contro il pistone. Il
DettagliAppunti di informatica. Lezione 2 anno accademico 2015-2016 Mario Verdicchio
Appunti di informatica Lezione 2 anno accademico 2015-2016 Mario Verdicchio Sistema binario e logica C è un legame tra i numeri binari (0,1) e la logica, ossia la disciplina che si occupa del ragionamento
DettagliProtezione. Protezione. Protezione. Obiettivi della protezione
Protezione Protezione La protezione riguarda i meccanismi per il controllo dell accesso alle risorse in un sistema di calcolo da parte degli utenti e dei processi. Meccanismi di imposizione fissati in
DettagliLA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di
STATISTICA LA STATISTICA si interessa del rilevamento, dell elaborazione e dello studio dei dati; studia ciò che accade o come è fatto un gruppo numeroso di oggetti; cerca, attraverso l uso della matematica
DettagliInteresse, sconto, ratei e risconti
TXT HTM PDF pdf P1 P2 P3 P4 293 Interesse, sconto, ratei e risconti Capitolo 129 129.1 Interesse semplice....................................................... 293 129.1.1 Esercizio per il calcolo dell
DettagliIntroduzione 2. Serie P20 4. Serie P28 6. Serie P35 8. Serie P39 10. Serie P42 12. Serie P57 14. Serie P60 16. Serie P85 18.
INDICE Introduzione 2 Serie P20 4 Serie P28 6 Serie P35 8 Serie P39 10 Serie P42 12 Serie P57 14 Serie P60 16 Serie P85 18 Serie P110 20 Schemi di connessione 22 Codifica 23 Note 24 Motori Passo Passo
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliProbabilità II Variabili casuali discrete
Probabilità II Variabili casuali discrete Definizioni principali. Valore atteso e Varianza. Teorema di Bienaymé - Čebičev. V.C. Notevoli: Bernoulli e Binomiale. Concetto di variabile casuale Cos'è una
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliUlteriori problemi di fisica e matematica
Facoltà di Medicina e Chirurgia Università degli Studi di Firenze Agosto 2010 Ulteriori problemi di fisica e matematica Giovanni Romano Perché un raggio di luce proveniente dal Sole e fatto passare attraverso
DettagliIn un collegamento in parallelo ogni lampadina ha. sorgente di energia (pile) del circuito. i elettrici casalinghi, dove tutti gli utilizzatori sono
I CIRCUITI ELETTRICI di CHIARA FORCELLINI Materiale Usato: 5 lampadine Mammut 4 pile da 1,5 volt (6Volt)+Portabatteria Tester (amperometro e voltmetro) I circuiti in Parallelo In un collegamento in parallelo
DettagliViene lanciata una moneta. Se esce testa vinco 100 euro, se esce croce non vinco niente. Quale è il valore della mia vincita?
Viene lanciata una moneta. Se esce testa vinco 00 euro, se esce croce non vinco niente. Quale è il valore della mia vincita? Osserviamo che il valore della vincita dipende dal risultato dell esperimento
DettagliPressione. Esempio. Definizione di pressione. Legge di Stevino. Pressione nei fluidi EQUILIBRIO E CONSERVAZIONE DELL ENERGIA NEI FLUIDI
Pressione EQUILIBRIO E CONSERVAZIONE DELL ENERGIA NEI FLUIDI Cos è la pressione? La pressione è una grandezza che lega tra di loro l intensità della forza e l aerea della superficie su cui viene esercitata
DettagliLEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.
LEZIONE 31 31.1. Domini di funzioni di più variabili. Sia ora U R n e consideriamo una funzione f: U R m. Una tale funzione associa a x = (x 1,..., x n ) U un elemento f(x 1,..., x n ) R m : tale elemento
DettagliPROCEDURA INVENTARIO DI MAGAZZINO di FINE ESERCIZIO (dalla versione 3.2.0)
PROCEDURA INVENTARIO DI MAGAZZINO di FINE ESERCIZIO (dalla versione 3.2.0) (Da effettuare non prima del 01/01/2011) Le istruzioni si basano su un azienda che ha circa 1000 articoli, che utilizza l ultimo
Dettagli