Caratterizzazione di pigmenti pittorici: un algoritmo per l identificazione dei picchi Raman
|
|
- Federico Morini
- 8 anni fa
- Visualizzazioni
Transcript
1 Caratterizzazione di pigmenti pittorici: un algoritmo per l identificazione dei picchi Raman A. Cava l l a ro 1, G.M. Farinella 2, G. Gallo 2, A.M. Gu e l i 1, F. St a n c o 2, S.O. Tr o j a 1 1 LDL&BBCC, Dipartimento di Fisica e Astronomia, Centro Siciliano di Fisica Nucleare e di Struttura della Materia, Università di Catania & INFN, via Santa Sofia 64, Catania 2 Dipartimento di Matematica e Informatica, Università di Catania, viale Andrea Doria 6, Catania, gfarinella@dmi.unict.it, fstanco@dmi.unict.it Riassunto La spettroscopia Raman è una tecnica di analisi non distruttiva che è particolarmente utile nel campo dei Beni Culturali per lo studio e la diagnosi di dipinti e superfici policrome grazie al fatto che lo spettro sperimentale Raman rappresenta l impronta digitale dei pigmenti utilizzati per le stesure pittoriche. In questa occasione viene proposto un algoritmo per l individuazione automatica dei picchi Raman caratteristici di ogni pigmento e quindi per il riconoscimento dello stesso. Dall analisi automatica degli spettri Raman ottenuti sperimentalmente su pigmenti puri, realizzata con tecniche di analisi del segnale, vengono individuati i picchi caratteristici di ogni pigmento con i quali si ottengono i template specifici che lo rappresentano. A partire dalle emissioni Raman di pigmenti non noti, lo stesso algoritmo permette il riconoscimento automatico degli stessi mediante tecniche di Pattern Recognition capaci di stimare la similarità dello spettro in esame con i template caratteristici costruiti nella fase precedente. 279 Parole chiave: Pattern Recognition, Spettri Raman, Pigmenti Pittorici, Conservazione e Restauro.
2 Abstract Raman spectroscopy is a non-destructive technique, particularly useful in the field of Cultural Heritage for the study and the diagnosis of paintings and polychrome surfaces, thanks to the experimental Raman spectrum which represents the fingerprints of each pigment. In this work it has presented an algorithm for the automatic identification of characteristic Raman peaks of pigments. From the automatic analysis of experimental Raman spectra of pure and spread pigments, obtained by Signal Analysis methods, typical signals are characterized and used as templates. When unknown pigments are analysed, the same algorithm permits the automatic identification of them by Pattern Recognition methods, able to recognize the similarity of the spectrum under investigation with the templates, previously created. Keywords: Pattern Recognition, Raman Spectra, Pigments, Conservation and Restoration. 280 Introduzione La spettrometria Raman è una tecnica diagnostica utilizzata, anche in situ, per realizzare analisi non invasive su dipinti e superfici policrome. Tramite l individuazione dei pigmenti presenti, attraverso le emissioni caratteristiche, è possibile infatti ottenere informazioni su un opera riguardanti l autenticazione e l identificazione di particolari tecniche pittoriche (collegabili a specifiche maestranze o scuole), eventuali processi di degrado in corso così come la provenienza dei materiali utilizzati (soprattutto per quei pigmenti antichi che venivano prodotti soltanto in pochi e specifici luoghi), (Rull Perez, 2001; Clark, 2005). Particolari tonalità ed effetti cromatici vengono ottenuti dagli artisti utilizzando spesso pigmenti miscelati tra loro ed è quindi importante, nella realizzazione dell analisi di un dipinto, disporre di una metodologia di indagine, quale appunto la spettroscopia Raman, che possa individuare i componenti della miscela e caratterizzarli singolarmente.
3 In questo contesto è di fondamentale importanza il ruolo delle procedure automatiche di analisi ed elaborazione delle emissioni Raman a partire dallo spettro sperimentale ottenuto ed in particolare dai valori dei corrispondenti numeri d onda ν (Figura 1) in cui il campione presenta lo shift rispetto alla radiazione incidente (zero dell asse delle ascisse) (Clark, 2005). Con la strumentazione per spettrometria Raman vengono di norma forniti dei software commerciali per l analisi dati e sono anche disponibili dei database per varie tipologie di materiali. Nel caso dei pigmenti pittorici però, l esperienza ha evidenziato delle difficoltà imputabili alle caratteristiche e alle prestazioni della strumentazione a disposizione. Ciò ha portato alla scelta di realizzare una banca dati e un algoritmo ad hoc oggetto del presente lavoro. 281 Figura 1 - Esempio di uno spettro Raman ottenuto sperimentalmente. Descrizione dell algoritmo L obiettivo principale dell algoritmo proposto, le cui varie fasi sono nel seguito descritte, è quello di identificare, a partire dai numeri d onda ν dello spettro Raman sperimentale, un determinato pigmento pittorico presente su una stesura. L algoritmo si compone di tre parti principali: rilevazione dei picchi, rappresentazione dello spettro e metodo di classificazione.
4 Rivelazione dei picchi In questa fase l algoritmo impara ad associare un pigmento all insieme dei relativi picchi Raman caratteristici. Questa analisi automatica viene realizzata sugli spettri Raman ottenuti sperimentalmente sui pigmenti puri e stesi con vari leganti costituenti la cromoteca del Laboratorio LDL&BBCC del Dipartimento di Fisica e Astronomia dell Università di Catania. La rappresentazione specifica che si ottiene per ogni pigmento, dall identificazione dei picchi caratteristici, viene memorizzata in un database su cui si basano le fasi successive. L algoritmo consta dei seguenti passi: Passo 1 - Si effettua una operazione di smooth del segnale per eliminare le eventuali discontinuità corrispondenti a punti con intensità nulla (Figura 2). Tale smooth si ottiene sostituendo l eventuale valore zero nella posizione x con il valore assunto nella posizione (x-1). 282 Figura 2 - Il passo 1 dell algoritmo: si eliminano i valori nulli.
5 Passo 2 - Si effettua una operazione di smooth utilizzando l algoritmo Local Regression Smoothing LRS (Cleveland, 1979) che effettua una regressione locale sul segnale utilizzando i punti che si trovano in una finestra di span prestabilita (esempio in Figura 3). Il nuovo segnale ottenuto (Figura 4) preserverà i picchi più significativi eliminando il rumore. Figura 3. Esempio di applicazione dell algoritmo LRS a punti dello spazio R Figura 4 - Passo 2 dell algoritmo: spettro ottenuto dall applicazione dell algoritmo LRS Passo 3 - Per identificare la posizione dei picchi si calcolano la derivata prima e la derivata seconda del segnale (rispettivamente Figura 5 a e Figura 5 b). In particolare, i valori per cui la derivata seconda ha segno negativo in-
6 dividuano i punti candidati ad essere dei possibili picchi caratteristici mentre il valore assoluto della derivata seconda stabilisce l importanza di un picco (Figura 6). Tali valori vengono in particolare utilizzati per calcolare la media e la varianza di un modello probabilistico gaussiano col quale vengono selezionati i picchi maggiormente significativi. a) 284 b) Figura 5 - Derivata prima (a) e derivata seconda (b) del segnale in Figura3.
7 Più precisamente, un picco è considerato significativo solo se ha una probabilità P maggiore di una certa soglia calcolata come la somma tra il valore della gaussiana nel punto medio e il triplo del valore di sigma. Ad ogni picco individuato viene assegnato un peso proporzionale al valore assoluto della derivata seconda ottenendo la distribuzione di probabilità illustrata in Figura 6. La somma dei pesi ha valore Figura 6 - Nell asse y è riportata la probabilità che ad un dato valore di ν (nell asse x) si abbia un picco. Passo 4 - Per sopperire a problemi relativi alle piccole variazioni dei picchi rispetto alla coordinata x (eventuali shift dei picchi Raman), viene generata una rappresentazione multiscala della distribuzione di probabilità del passo precedente. In particolare, i bin vengono raggruppati iterativamente in coppie fino ad una risoluzione predefinita di 16 bin (Figura 7). La rappresentazione finale è ottenuta concatenando e normalizzando le precedenti rappresentazioni multiscala. Tale rappresentazione è memorizzata nel database e sarà utilizzata come template per il riconoscimento dei pigmenti.
8 (a) (b) (c) (d) 286 (e) (f) Figura 7 - Raggruppamenti a (a) 512 bin; (b) 256 bin; (c) 128 bin; (d) 64 bin; (e) 32 bin; (f) 16 bin. Modello di classificazione Dato uno spettro Raman ottenuto da un pigmento incognito, dopo aver rappresentato lo stesso con la tecnica appena illustrata, si procederà a stimarne la similarità rispetto ai template nel database.
9 Tale stima viene effettuata utilizzando un classificatore discriminativo KNN (Bishop, 2006) combinato con una misura di similarità basata sul coefficiente di Bhattacharaya (Comaniciu et al., 2003) espressa dalla relazione: d( P, Q ) 1 i 1 P l 1 l = l 2 dove P e Q sono le distribuzioni discrete dei due spettri Raman da confrontare ed l indica il livello di risoluzione. La misura proposta si basa sulla considerazione che la similarità tra distribuzioni ottenute ad una risoluzione maggiore deve pesare di più rispetto a quella ottenuta alle risoluzioni più basse in quanto a queste ultime è associata una maggiore probabilità di individuare un picco. Nel caso del nostro algoritmo, che presenta 7 livelli di risoluzione (l = 1, 2, 3, 4, 5, 6, 7 con i bin = 1024, 512, 256, 128, 64, 32, 16), si ottiene 1 come contributo del livello di risoluzione 1 che ha 1024 bin, 1/2 come contributo del livello 2 che ha 512 bin e così via, fino ad avere come contributo del livello 7 il valore 1/2 6. i Q i l Risultati e Discussione 287 La costruzione dell algoritmo e in particolare delle prime due fasi, basate rispettivamente sull analisi del segnale e sulla Pattern Recognition, è stata seguita da una fase di test per verificare le potenzialità della procedura di calcolo per l individuazione dei picchi caratteristici Raman. I test sono stati effettuati utilizzando la metodologia leave one out cross validation (Webb, 2002). Nella banca dati di riferimento erano presenti 69 classi diverse di pigmenti puri che sono stati stesi su tela con vari leganti (caseina, uovo, olio) e con la tecnica dell affresco ottenendo così 196 spettri su cui effettuare i test. Lo spettro diriferimento, quello utilizzato come template, è quello ottenuto sul pigmento puro in polvere e gli spettri test sono quelli relativi allo stesso pigmento presente nelle varie stesure. La Figura 8 illustra, a titolo di esempio, le immagini di alcune delle stesure su cui sono state realizzate le misure Raman mentre i risultati della classificazione ottenuta, raggruppati per legante, sono riportati nella Tabella 1.
10 Figura 8 - Immagini di alcune delle stesure oggetto delle misure Raman i cui spettri sono stati utilizzati per testare l algoritmo costruito. Gli spettri su cui il test ha dato i risultati migliori (accuracy del 81,63 %) sono quelli dei pigmenti stesi utilizzando come legante l olio mentre l accuratezza minore corrisponde al caso in cui il pigmento è steso con la tecnica dell affresco (46,67 %). L accuratezza totale della classificazione ottenuta per il test è stata pari al 71,43%. 288 Tabella 1 - Risultati della classificazione automatica. Stesura Numero Campioni Test Accuracy Caseina 60 80,00% Olio 49 81,63% Uovo 57 66,76% Affresco 30 46,67% TOTALE ,43% Analizzando i casi in cui il classificatore ha fallito si nota che questo accade soprattutto quando, come quello illustrato in Figura 9, lo spettro del pigmento da riconoscere (test) e lo spettro di riferimento (template) presentano delle emissioni caratteristiche agli stessi valori o comunque per valori molto vicini della variabile x. Come si evince dalla Figura 9, infatti, lo spettro test (Classe 25 Test) non è stato associato al giusto template (Classe 25 Training), quello del pigmento Iron Oxide/Mars Orange, ma è stato riconosciuto dall algoritmo come Hostaperm Orange (Classe 46 Training), il cui spettro è riportato in figura in nero. Gli spettri del Mars Orange e dell Hostapern Orange presentano molte emissioni per valori molto vicini della x che l algoritmo non riesce a discriminare.
11 Figura 9 - Un esempio di classificazione errata. La classe 25: Iron Oxide / Mars Orange è stata riconosciuta come classe 46: Hostaperm Orange. 289 Conclusioni Allo stato attuale l algoritmo costruito permette di riconoscere un pigmento a partire dallo spettro sperimentale Raman ottenuto su una qualunque stesura dello stesso, con un accuratezza del 71,43 %. Sono attualmente in corso le elaborazioni dei casi in cui la procedura di calcolo ha fallito allo scopo di individuare le possibili cause e ricercare eventuali soluzioni. Tale fase verrà seguita da una procedura di test dell algoritmo a partire dagli spettri sperimentali ottenuti su miscele per valutare le potenzialità dell algoritmo per l individuazione dei singoli pigmenti costituenti.
12 Riferimenti bibliografici Bishop C.M., 2006, Pattern Recognition and Machine Learning, Springer. Comaniciu D., Ramesh V., Meer P., 2003, Kernel-Based Object Tracking, IEEE Trans, Pattern Analysis Machine Intell., 25, (5), Clark R.H.J., 2005, Raman microscopy in the identification of pigments on manuscripts and other artwork, Scientific examination of art: modern techniques in conservation and analysis, , Cleveland W.S., 1979, Robust locally weighted regression and smoothing scatterplots, Journal of the American Statistical Association, 74, Rull Perez F., 2001, Application of IR and Raman Spectroscopy to the study of Medieval Pigments, Handbook of Raman Spectroscopy, 28, Webb A.R., 2001, Statistical Pattern Recognition, Second Edition, John Wiley and Sons Ltd. 290
GUIDA AL CALCOLO DEI COSTI DELLE ATTIVITA DI RICERCA DOCUMENTALE
GUIDA AL CALCOLO DEI COSTI DELLE ATTIVITA DI RICERCA DOCUMENTALE L applicazione elaborata da Nordest Informatica e disponibile all interno del sito è finalizzata a fornirvi un ipotesi dell impatto economico
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
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
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliDocumento di accompagnamento: mediane dei settori bibliometrici
Documento di accompagnamento: mediane dei settori bibliometrici 1. Introduzione Vengono oggi pubblicate sul sito dell ANVUR e del MIUR 3 tabelle, deliberate nel CD dell ANVUR del 13 agosto 2012, relative
DettagliGestione Turni. Introduzione
Gestione Turni Introduzione La gestione dei turni di lavoro si rende necessaria quando, per garantire la continuità del servizio di una determinata struttura, è necessario che tutto il personale afferente
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
Dettagli~ Copyright Ripetizionando - All rights reserved ~ http://ripetizionando.wordpress.com STUDIO DI FUNZIONE
STUDIO DI FUNZIONE Passaggi fondamentali Per effettuare uno studio di funzione completo, che non lascia quindi margine a una quasi sicuramente errata inventiva, sono necessari i seguenti 7 passaggi: 1.
DettagliIndagine sismica. MASW - Multichannel Analysis of Surface Waves
Indagine sismica MASW - Multichannel Analysis of Surface Waves relativa alla determinazione della stratigrafia sismica VS e del parametro VS30 in un'area di Sestri Levanti NS rif 09140SA Dott. Geol. Franco
DettagliLa riforma del servizio di distribuzione del
CReSV Via Röntgen, 1 Centro Ricerche su Sostenibilità e Valore 20136 Milano tel +39 025836.3626 La riforma del servizio di distribuzione del 2013 gas naturale In collaborazione con ASSOGAS Gli ambiti territoriali
DettagliAnalisi e diagramma di Pareto
Analisi e diagramma di Pareto L'analisi di Pareto è una metodologia statistica utilizzata per individuare i problemi più rilevanti nella situazione in esame e quindi le priorità di intervento. L'obiettivo
DettagliLibrerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video
Video Librerie digitali Gestione di video Ogni filmato è composto da più parti Video Audio Gestito come visto in precedenza Trascrizione del testo, identificazione di informazioni di interesse Testo Utile
DettagliLa Metodologia adottata nel Corso
La Metodologia adottata nel Corso 1 Mission Statement + Glossario + Lista Funzionalià 3 Descrizione 6 Funzionalità 2 Schema 4 Schema 5 concettuale Logico EA Relazionale Codice Transazioni In PL/SQL Schema
DettagliELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2
DAVIDE ZANIN 1035601 ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2 SOMMARIO Elaborazione di dati tridimensionali - Relazione Homework 2... 1 Obiettivo... 2 Descrizione della procedura seguita...
DettagliCapitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto
Capitolo 2 - Teoria della manutenzione: classificazione ABC e analisi di Pareto Il presente capitolo continua nell esposizione di alcune basi teoriche della manutenzione. In particolare si tratteranno
DettagliMetodologia di monitoraggio Impianti fotovoltaici
Metodologia di monitoraggio Impianti fotovoltaici Per effettuare il monitoraggio degli impianti fotovoltaici è stato scelto il metodo di acquisizione dati proposto dal Dott. Ing. F. Spertino, Dott. Ing.
DettagliExcel. A cura di Luigi Labonia. e-mail: luigi.lab@libero.it
Excel A cura di Luigi Labonia e-mail: luigi.lab@libero.it Introduzione Un foglio elettronico è un applicazione comunemente usata per bilanci, previsioni ed altri compiti tipici del campo amministrativo
DettagliPROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO
PROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO L indagine si è svolta nel periodo dal 26 agosto al 16 settembre 2014 con l obiettivo di conoscere l opinione dei residenti
DettagliCP Customer Portal. Sistema di gestione ticket unificato
CP Customer Portal Sistema di gestione ticket unificato Sommario CP Customer Portal...1 Sistema di gestione ticket unificato...1 Sommario...2 Flusso gestione ticket...3 Modalità di apertura ticket...3
DettagliANALISI DEL PRODOTTO
IL MERCATO DEI MUTUI SOTTO LA LENTE DEL GRUPPO TECNOCASA ANALISI DEL PRODOTTO Il 2013 ha fatto segnare ancora variazioni negative nell erogazione del credito concesso alle famiglie, ma si registrano alcuni
DettagliRicerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliANALISI DI RISCHIO SEMIQUANTITATIVA IN SUPPORTO ALLE VALUTAZIONI IN PRESENZA DI ATMOSFERE ESPLOSIVE (ATEX)
ANALISI DI RISCHIO SEMIQUANTITATIVA IN SUPPORTO ALLE VALUTAZIONI IN PRESENZA DI ATMOSFERE ESPLOSIVE (ATEX) T. Pezzo *, D. Vannucci *, G. Uguccioni + * D Appolonia SpA, Genova + D Appolonia SpA, San Donato
DettagliLE FUNZIONI A DUE VARIABILI
Capitolo I LE FUNZIONI A DUE VARIABILI In questo primo capitolo introduciamo alcune definizioni di base delle funzioni reali a due variabili reali. Nel seguito R denoterà l insieme dei numeri reali mentre
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
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
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
DettagliSVILUPPO, CERTIFICAZIONE E MIGLIORAMENTO DEL SISTEMA DI GESTIONE PER LA SICUREZZA SECONDO LA NORMA BS OHSAS 18001:2007
Progettazione ed erogazione di servizi di consulenza e formazione M&IT Consulting s.r.l. Via Longhi 14/a 40128 Bologna tel. 051 6313773 - fax. 051 4154298 www.mitconsulting.it info@mitconsulting.it SVILUPPO,
DettagliIntroduzione alla teoria dei database relazionali. Come progettare un database
Introduzione alla teoria dei database relazionali Come progettare un database La struttura delle relazioni Dopo la prima fase di individuazione concettuale delle entità e degli attributi è necessario passare
DettagliPer studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R
Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.
DettagliDimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
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
Dettaglidella manutenzione, includa i requisiti relativi ai sottosistemi strutturali all interno del loro contesto operativo.
L 320/8 Gazzetta ufficiale dell Unione europea IT 17.11.2012 REGOLAMENTO (UE) N. 1078/2012 DELLA COMMISSIONE del 16 novembre 2012 relativo a un metodo di sicurezza comune per il monitoraggio che devono
DettagliPROCEDURA PER LA GESTIONE ESAMI DI STATO AREA ALUNNI AXIOS
PROCEDURA PER LA GESTIONE ESAMI DI STATO AREA ALUNNI AXIOS Lo scopo di questa guida rapida è quello di fornire all utente, sia del prodotto SISSI in RETE che del prodotto Axios, un vademecum per la corretta
DettagliI quattro ordini di scuola a confronto Elisabetta Malaguti
I quattro ordini di scuola a confronto Elisabetta Malaguti Esperienze censite, destinate ad uno o più ordini di scuola. Le esperienze censite nella regione sono 2246. Nella figura che segue è, però, riportato
DettagliVALORE DELLE MERCI SEQUESTRATE
La contraffazione in cifre: NUOVA METODOLOGIA PER LA STIMA DEL VALORE DELLE MERCI SEQUESTRATE Roma, Giugno 2013 Giugno 2013-1 Il valore economico dei sequestri In questo Focus si approfondiscono alcune
DettagliStatistical Process Control
Statistical Process Control ESERCIZI Esercizio 1. Per la caratteristica di un processo distribuita gaussianamente sono note media e deviazione standard: µ = 100, σ = 0.2. 1a. Calcolare la linea centrale
DettagliIng. Simone Giovannetti
Università degli Studi di Firenze Dipartimento di Elettronica e Telecomunicazioni Ing. Simone Giovannetti Firenze, 29 Maggio 2012 1 Incertezza di Misura (1/3) La necessità di misurare nasce dall esigenza
DettagliREGOLAMENTO (UE) N. 1235/2011 DELLA COMMISSIONE
30.11.2011 Gazzetta ufficiale dell Unione europea L 317/17 REGOLAMENTO (UE) N. 1235/2011 DELLA COMMISSIONE del 29 novembre 2011 recante modifica del regolamento (CE) n. 1222/2009 del Parlamento europeo
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
DettagliRAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL
RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono
DettagliAlessandro Pellegrini
Esercitazione sulle Rappresentazioni Numeriche Esistono 1 tipi di persone al mondo: quelli che conoscono il codice binario e quelli che non lo conoscono Alessandro Pellegrini Cosa studiare prima Conversione
DettagliANALISI DEL MUTUATARIO
IL MERCATO DEI MUTUI SOTTO LA LENTE DEL GRUPPO TECNOCASA ANALISI DEL MUTUATARIO Il 2013 ha fatto segnare ancora variazioni negative nell erogazione del credito concesso alle famiglie, ma si registrano
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliPrincipi generali. Vercelli 9-10 dicembre 2005. G. Bartolozzi - Firenze. Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli
Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli Principi generali Carlo Federico Gauss Matematico tedesco 1777-1855 G. Bartolozzi - Firenze Vercelli 9-10 dicembre 2005 Oggi il nostro lavoro
DettagliSTRATEGIA DI TRADING. Turning Points
STRATEGIA DI TRADING Turning Points ANALISI E OBIETTIVI DA RAGGIUNGERE Studiare l andamento dei prezzi dei mercati finanziari con una certa previsione su tendenze future Analisi Tecnica: studio dell andamento
DettagliValutazione dei rischi
Valutazione dei rischi 5 Novembre 2008 Andrea Pellei Il processo di attuazione dell audit Obiettivi della valutazione del rischio L attività di audit effettuata sul Sistema di Gestione e Controllo di un
DettagliIsolamento acustico. Dicembre 2005. I Farinelli srl Cenni sull isolamento acustico. Pagina 1 di 7
Isolamento acustico Dicembre 2005 I Farinelli srl Cenni sull isolamento acustico. Pagina 1 di 7 Il Decreto del Presidente del Consiglio dei Ministri del 1 Marzo 1991 Limiti massimi di esposizione al rumore
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
DettagliAnno 4 Grafico di funzione
Anno 4 Grafico di funzione Introduzione In questa lezione impareremo a disegnare il grafico di una funzione reale. Per fare ciò è necessario studiare alcune caratteristiche salienti della funzione che
Dettagli1- OBIETTIVI DEL DOCUMENTO 2- INTRODUZIONE
1- OBIETTIVI DEL DOCUMENTO... 1 2- INTRODUZIONE... 1 3- ACCESSO ALLA PROCEDURA... 2 4- COMPILAZIONE ON-LINE... 4 5- SCELTA DELLA REGIONE O PROVINCIA AUTONOMA... 5 6- DATI ANAGRAFICI... 6 7- DATI ANAGRAFICI
DettagliHub-PA Versione 1.0.6 Manuale utente
Hub-PA Versione 1.0.6 Manuale utente (Giugno 2014) Hub-PA è la porta d ingresso al servizio di fatturazione elettronica verso la Pubblica Amministrazione (PA) a disposizione di ogni fornitore. Questo manuale
DettagliELEMENTI DI DEMOGRAFIA
ELEMENTI DI DEMOGRAFIA 2. Caratteristiche strutturali della popolazione Posa Donato k posa@economia.unisalento.it Maggio Sabrina k s.maggio@economia.unisalento.it UNIVERSITÀ DEL SALENTO DIP.TO DI SCIENZE
DettagliLa produzione scientifica nelle università italiane Regione Basilicata
PON GOVERNANCE E ASSISTENZA TECNICA 2007-2013 PROGETTO SUPPORTO ALLA DEFINIZIONE ED ATTUAZIONE DELLE POLITICHE REGIONALI DI RICERCA E INNOVAZIONE (SMART SPECIALISATION STRATEGY REGIONALI) La produzione
DettagliCalcolo del Valore Attuale Netto (VAN)
Calcolo del Valore Attuale Netto (VAN) Il calcolo del valore attuale netto (VAN) serve per determinare la redditività di un investimento. Si tratta di utilizzare un procedimento che può consentirci di
DettagliCHIUSURE di MAGAZZINO di FINE ANNO
CHIUSURE di MAGAZZINO di FINE ANNO Operazioni da svolgere per il riporto delle giacenze di fine esercizio Il documento che segue ha lo scopo di illustrare le operazioni che devono essere eseguite per:
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 10-Il test t per un campione e la stima intervallare (vers. 1.1, 25 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia,
DettagliANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI
ANALISI GRAFICHE PER IL CONTROLLO DELLA QUALITA : ESEMPI DI APPLICAZIONI (sintesi da Prof.ssa Di Nardo, Università della Basilicata, http://www.unibas.it/utenti/dinardo/home.html) ISTOGRAMMA/DIAGRAMMA
DettagliPiano di gestione della qualità
Piano di gestione della qualità Pianificazione della qualità Politica ed obiettivi della qualità Riferimento ad un eventuale modello di qualità adottato Controllo della qualità Procedure di controllo.
DettagliLe strumentazioni laser scanning oriented per i processi di censimento anagrafico dei patrimoni
CONVEGNO FACILITY MANAGEMENT: LA GESTIONE INTEGRATA DEI PATRIMONI PUBBLICI GENOVA FACOLTA DI ARCHITETTURA 06.07.2010 Le strumentazioni laser scanning oriented per i processi di censimento anagrafico dei
DettagliDATI NORMATIVI PER LA SOMMINISTRAZIONE DELLE PROVE PAC-SI A BAMBINI DI INIZIO SCUOLA PRIMARIA 1
DATI NORMATIVI PER LA SOMMINISTRAZIONE DELLE PROVE PAC-SI A BAMBINI DI INIZIO SCUOLA PRIMARIA 1 Marta Desimoni**, Daniela Pelagaggi**, Simona Fanini**, Loredana Romano**,Teresa Gloria Scalisi* * Dipartimento
DettagliEMISSIONE E ASSORBIMENTO DI LUCE DA PARTE DELLA MATERIA
EMISSIONE E ASSORBIMENTO DI LUCE DA PARTE DELLA MATERIA Poiché la luce è energia trasportata da oscillazioni del campo elettrico (fotoni) e la materia è fatta di particelle elettricamente cariche (atomi
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliDAL BUDGET AL SISTEMA PREMIANTE ESTRATTO DA: AZIENDA OSPEDALIERA SAN CAMILLO-FORLANINI: REGOLAMENTI
DAL BUDGET AL SISTEMA PREMIANTE ESTRATTO DA: AZIENDA OSPEDALIERA SAN CAMILLO-FORLANINI: REGOLAMENTI... PROCESSO DI BUDGET ART. 5 METODOLOGIA DI CALCOLO DEL GRADO DI RAGGIUNGIMENTO DEGLI OBIETTIVI PARTE
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliIDENTIFICAZIONE DEI BISOGNI DEL CLIENTE
IDENTIFICAZIONE DEI BISOGNI DEL CLIENTE 51 Dichiarazione d intenti (mission statement) La dichiarazione d intenti ha il compito di stabilire degli obiettivi dal punto di vista del mercato, e in parte dal
DettagliI.P.S.S.S E. DE AMICIS - ROMA
I.P.S.S.S E. DE AMICIS - ROMA PROGRAMMAZIONE DIDATTICA DI MATEMATICA a.s. 2015-2016 Indirizzo Servizi Socio Sanitari Classe 4 sezione B Docente : Prof.ssa Maria Diomedi Camassei FINALITÀ EDUCATIVE Si perseguono
DettagliNota interpretativa. La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali
Nota interpretativa La definizione delle imprese di dimensione minori ai fini dell applicazione dei principi di revisione internazionali Febbraio 2012 1 Mandato 2008-2012 Area di delega Consigliere Delegato
DettagliL età dei vincitori La presenza femminile. L età dei vincitori La presenza femminile. Confronto tra il concorso ordinario ed il concorso riservato
Premessa Corso-concorso ordinario L età dei vincitori La presenza femminile Corso-concorso riservato L età dei vincitori La presenza femminile Confronto tra il concorso ordinario ed il concorso riservato
DettagliGriglia di correzione Fascicolo di Italiano Prova Nazionale anno scolastico 2008-2009
Griglia di correzione Fascicolo di Italiano Prova Nazionale anno scolastico 2008-2009 Il buon nome - Chiavi di risposta e classificazione degli item Item Risposta corretta Ambito di valutazione Processi
DettagliImmagini binarie. Binarizzazione di immagini a livelli di grigio
Immagini binarie Binarizzazione di immagini a livelli di grigio Immagini binarie In molti casi gli le scene di interesse conducono ad immagini che possono essere considerate binarie, cioè contenenti nel
DettagliCOMUNE DI PERUGIA AREA DEL PERSONALE DEL COMPARTO DELLE POSIZIONI ORGANIZZATIVE E DELLE ALTE PROFESSIONALITA
COMUNE DI PERUGIA AREA DEL PERSONALE DEL COMPARTO DELLE POSIZIONI ORGANIZZATIVE E DELLE ALTE PROFESSIONALITA METODOLOGIA DI VALUTAZIONE DELLA PERFORMANCE Approvato con atto G.C. n. 492 del 07.12.2011 1
DettagliAREA DOCENTE - ACCESSO, REG. DI CLASSE E VOTI Indice Del Manuale
AREA DOCENTE - ACCESSO, REG. DI CLASSE E VOTI Indice Del Manuale 1 - Come Accedere a Nuvola 2 - Home Page Area Docente 3 - Come Modificare il proprio Profilo 4 - Come Modificare la propria Password 5 -
DettagliGuida Compilazione Piani di Studio on-line
Guida Compilazione Piani di Studio on-line SIA (Sistemi Informativi d Ateneo) Visualizzazione e presentazione piani di studio ordinamento 509 e 270 Università della Calabria (Unità organizzativa complessa-
DettagliCorso introduttivo all utilizzo di TQ Qualifica
Corso introduttivo all utilizzo di TQ Qualifica Le pagine che seguono introducono l utente all uso delle principali funzionalità di TQ Qualifica mediante un corso organizzato in quattro lezioni. Ogni lezione
DettagliRaggruppamenti Conti Movimenti
ESERCITAZIONE PIANO DEI CONTI Vogliamo creare un programma che ci permetta di gestire, in un DB, il Piano dei conti di un azienda. Nel corso della gestione d esercizio, si potranno registrare gli articoli
DettagliColorSplitter. La separazione automatica dei colori di Colibri.. Perché ColorSplitter? Come opera ColorSplitter?
ColorSplitter La separazione automatica dei colori di Colibri.. ColorSplitter è una nuova funzionalità aggiunta a Colibri, che permette di elaborare un immagine trasformandola in una separata in canali
DettagliTest percettivi per la valutazione del contrasto di immagini digitali
Agenzia Nazionale per le Nuove Tecnologie, l Energia e lo Sviluppo Economico Sostenibile RICERCA DI SISTEMA ELETTRICO Test percettivi per la valutazione del contrasto di immagini digitali Alessandro Rizzi,
DettagliGuida alla compilazione on-line delle domande di Dote Scuola A.S. 2013-2014 - per le Famiglie INDICE
Guida alla compilazione on-line delle domande di Dote Scuola A.S. 2013-2014 - per le Famiglie INDICE Introduzione... 2 Riconoscimento del soggetto richiedente da parte del sistema... 2 Elenco dei servizi
DettagliUniversità di Roma La Sapienza, Facoltà di Ingegneria
Università di Roma La Sapienza, Facoltà di Ingegneria Corso di PROGETTAZIONE DEL SOFTWARE I (Ing. Informatica, Nuovo Ordinamento) Prof. Marco Cadoli, Canale A-L, A.A. 2005-06 Esercitazione numero 6 LA
DettagliDocumentazione esterna al software matematico sviluppato con MatLab
Documentazione esterna al software matematico sviluppato con MatLab Algoritmi Metodo di Gauss-Seidel con sovrarilassamento Metodo delle Secanti Metodo di Newton Studente Amelio Francesco 556/00699 Anno
DettagliLE FINESTRE E L ISOLAMENTO ACUSTICO
LE FINESTRE E L ISOLAMENTO ACUSTICO Roberto Malatesta. William Marcone Ufficio Tecnico (giugno 2008) LA PROTEZIONE DAL RUMORE DEGLI EDIFICI, LA NORMATIVA NAZIONALE La maggior sensibilità delle persone
DettagliNAS 251 Introduzione al RAID
NAS 251 Introduzione al RAID Impostare un volume d archiviazione col RAID A S U S T O R C O L L E G E OBIETTIVI DEL CORSO Al termine di questo corso si dovrebbe essere in grado di: 1. Avere una onoscenza
DettagliFIRESHOP.NET. Gestione completa degli ordini e degli impegni. Rev. 2014.3.1 www.firesoft.it
FIRESHOP.NET Gestione completa degli ordini e degli impegni Rev. 2014.3.1 www.firesoft.it Sommario SOMMARIO Introduzione... 3 Gli ordini a fornitore... 5 Gli impegni dei clienti... 7 Evadere gli ordini
DettagliMon Ami 3000 Cespiti Gestione cespiti e calcolo degli ammortamenti
Prerequisiti Mon Ami 3000 Cespiti Gestione cespiti e calcolo degli ammortamenti L opzione Cespiti è disponibile per le versioni Contabilità e Azienda Pro. Introduzione Il cespite è un qualsiasi bene materiale
DettagliLA REVISIONE LEGALE DEI CONTI La comprensione
LA REVISIONE LEGALE DEI CONTI La comprensione dell impresa e del suo contesto e la valutazione dei rischi di errori significativi Ottobre 2013 Indice 1. La comprensione dell impresa e del suo contesto
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliIndirizzo odontotecnico a.s. 2015/2016
I.P.S.I.A E. DE AMICIS - ROMA PROGRAMMAZIONE DIDATTICA DI MATEMATICA Classe 5C Indirizzo odontotecnico a.s. 2015/2016 Prof. Rossano Rossi La programmazione è stata sviluppata seguendo le linee guida ministeriali
DettagliAppendice III. Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi
Appendice III (articolo 5, comma 1 e art. 22 commi 5 e 7) Criteri per l utilizzo dei metodi di valutazione diversi dalle misurazioni in siti fissi 1. Tecniche di modellizzazione 1.1 Introduzione. In generale,
DettagliMisure finanziarie del rendimento: il Van
Venezia, 6 novembre 2013 Prof. Antonella Faggiani Arch. Valeria Ruaro, collaboratrice alla didattica estimo.b.acc2013@gmail.com Corso di Estimo Laurea Magistrale Architettura per il Nuovo e l Antico Dipartimento
DettagliTrading System Report
Volume 1 of 12 th August 2013 Trading System Report Analysis of Dax Advantix This analysis is derived from a statistical study of the results obtained from the time series considered. It aims to analyze
DettagliLEAD GENERATION PROGRAM
LEAD GENERATION PROGRAM New Business Media al servizio delle imprese con una soluzione di comunicazione totalmente orientata alla generazione di contatti L importanza della lead generation La Lead Generation
DettagliProgettazione della componente applicativa
7 Progettazione della componente applicativa In questo capitolo illustreremo la progettazione della componente applicativa di un sistema informativo. La metodologia da noi utilizzata sarà basata sull utilizzo
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
DettagliTRAGUARDI PER LO SVILUPPO DELLE COMPETENZE AL TERMINE DELLA SCUOLA PRIMARIA
SCUOLA PRIMARIA DI CORTE FRANCA MATEMATICA CLASSE QUINTA TRAGUARDI PER LO SVILUPPO DELLE COMPETENZE AL TERMINE DELLA SCUOLA PRIMARIA L ALUNNO SVILUPPA UN ATTEGGIAMENTO POSITIVO RISPETTO ALLA MATEMATICA,
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliSISTEMA DI MISURAZIONE E VALUTAZIONE DELLA CUSTOMER S SATISFACTION E DELLA PERFORMANCE ORGANIZZATIVA
SISTEMA DI MISURAZIONE E VALUTAZIONE DELLA CUSTOMER S SATISFACTION E DELLA PERFORMANCE ORGANIZZATIVA Sommario I principi di riferimento... 2 Misurazione dei risultati delle strutture ante D.L. n. 78/2010...
DettagliSistema di gestione della Responsabilità Sociale
PGSA 05 Sistema di Gestione la Responsabilità PROCEDURA PGSA 05 Sistema di gestione la Responsabilità Rev. Data Oggetto Redatto da Approvato da 01 2 Prima emissione Resp. RSGSA Direzione 1 PGSA 05 Sistema
DettagliAnalisi dei requisiti e casi d uso
Analisi dei requisiti e casi d uso Indice 1 Introduzione 2 1.1 Terminologia........................... 2 2 Modello del sistema 4 2.1 Requisiti hardware........................ 4 2.2 Requisiti software.........................
DettagliI punteggi zeta e la distribuzione normale
QUINTA UNITA I punteggi zeta e la distribuzione normale I punteggi ottenuti attraverso una misurazione risultano di difficile interpretazione se presi in stessi. Affinché acquistino significato è necessario
DettagliProgettaz. e sviluppo Data Base
Progettaz. e sviluppo Data Base! Progettazione Basi Dati: Metodologie e modelli!modello Entita -Relazione Progettazione Base Dati Introduzione alla Progettazione: Il ciclo di vita di un Sist. Informativo
Dettagli