Il Programma Visualizzatore Risultati

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Il Programma Visualizzatore Risultati"

Transcript

1 Progetto SP1a Nuove tecnologe er l anals non ntrusva de manufatt Programma d rcerca Ingegnerzzazone d rotot e strumentazone er la dagnostca su manufatt monumental n materale ladeo Il Programma Vsualzzatore Rsultat Descrzone delle funzonaltà Renzo Bozz, Massmo Chment Isttuto d Scenza e Tecnologe dell Informazone Alessandro Faedo Raorto tecnco novembre 05 Sommaro Il sstema er l sezone non dstruttva a mcroonde realzzato resso l Isttuto [1] fornsce er cascuna msura un vettore d dat, comosto d due art. La rma contene valor della rsosta del sensore a N dfferent frequenze d ecctazone, la seconda arte contene un nseme d caratterstche, rcavate dall elaborazone dell nseme de dat grezz. Il lavoro descrve le routnes software che ermettono d vsualzzare n modo grafcottorco ed analzzare n modo statstco dat memorzzat ne vettor, frutto d tal msure. Il lavoro è stato svolto nell ambto del Progetto SP1a Nuove tecnologe er l anals non ntrusva de manufatt. 1

2 Introduzone Il sstema er l sezone non dstruttva a mcroonde realzzato resso l Isttuto [1] fornsce er cascuna msura un vettore d dat, comosto d due art. La rma contene valor della rsosta del sensore a N dfferent frequenze d ecctazone, la seconda arte contene un nseme d caratterstche, rcavate dall elaborazone dell nseme de dat grezz. La fgura 1 rorta l contenuto del vettore. Quando l sensore è montato su uno scanner x,y al termne dell sezone s ha una matrce d vettor d msura ognuno de qual ha la comoszone descrtta n recedenza ; l rogramma d raresentazone è n grado d raresentare n var mod l contenuto della matrce con dmenson massme R 50 c 50. Alla fne, con un valore er record, tale fle è così strutturato: Record Valore 1 Fmn=Frequenza d Start 2 Fmax=Frequenza d Sto 3 Nrg=Numero rghe d Scansone 4 Ncol=Numero Colonne d Scansone 5 Nunt=Lunghezza del Vettore A ; Inzo Vettore A : A(1) Amezze relatve alle frequenze calcolate nell ntervallo Fmn-Fmax Nunt+5 Fne Vettore A : A(Nunt) Per ogn unto Nunt+6 Amezza mnma Nunt+7 Frequenza relatva all Amezza mnma Nunt+8 Banda3db Nunt+9 Freq. Centrale Dat relatv al Pcco d rsonanza Nunt+10 Fattore Q Fgura 1. Contenuto del fle d ngresso. 2

3 Il rogramma Il modulo che c accngamo a descrvere consente d esamnare n manera grafcattorca-statstca dat che s trovano n tale fle. All avvo dell esecuzone, l sstema c resenta la schermata nzale : dove: Fgura 2. Schermata nzale. Questo comando raresenta la rma funzone da esegure er ermettere l aertura del Fle-Ingresso-Dat.txt ed l carcamento nella memora centrale de dat contenut, da esamnare. Selezonare fra queste ozon, la funzone che s vuole esegure Questo comando ermette d ortare l esecuzone del rogramma sulla schermata della funzone rescelta 3

4 Questo comando one fne all esecuzone del rogramma. Esamnamo ora cascuna funzone attraverso la relatva schermata: A-scan : Fgura 3. Fnestra attvata colla selezone A-scan. Questa schermata resenta l grafco delle Amezze n funzone delle frequenze er cascuno de unt d msura. Questo comando è la rma funzone da esegure er determnare, anche vsvamente, la selezone del unto. Questo comando calcola l valore massmo ed l valore mnmo del vettore d cu è rchesto l grafco, er settare l ed l nella raresentazone. Questo comando rovvede alla cancellazone dell area grafca e de suo valor d rfermento. 4

5 Questo comando ermette d vsualzzare nell area grafca l andamento delle Amezze n funzone delle frequenze nell ntervallo Fmn-Fmax roettato tra valor e e relatvo al unto X,Y selezonato con tast. Vsualzza anche relatv valor d rfermento. Questo comando one fne all esecuzone della funzonaltà rconsegnando l controllo alla schermata nzale. Da notare che la schermata della funzonaltà eseguta vene congelata allo stato n cu s trova al momento dell esecuzone d questo comando. B-scan : Fgura 4. Fnestra attvata colla selezone B-scan, vsualzzazone ostva. Fgura 5. Fnestra attvata colla selezone B-scan, vsualzzazone negatva. Questa schermata vsualzza l contenuto della matrce d ngresso nella modaltà B-scan. Per cascun unto d sezone. Il fle d ngresso contene dat d msura A(f) defnto da Nunt. Nel modo B-scan, l vettore d lunghezza Nunt vene raresentato sullo schermo con una rga cu unt hanno una lumnostà L comresa tra 0 e 255, roorzonale al valore defnto er ogn elemento del vettore. Sullo schermo vengono 5

6 raresentat smultaneamente xel corrsondent ad una rga della matrce d ngresso. Fssat gl estrem Amn=-30 e Amax=0, nel caso d raresentazone n ostvo, l valore d L è A( f ) + 30 dato da L(f) = * 255, nella raresentazone n negatvo s ha L(f)= * A( f ) In entramb cas: se A(f)< Amn s one A(f)= Amn ; se A(f)> Amax s one A(f)= Amax. 30 Questo comando legge le nformazon,, e qund roetta fra (0-255) valor de vettor che aartengono alla rga e che esrmono le Amezze relatve alle frequenze Questo comando cancella l area ttorca. Questo comando one fne alla esecuzone della funzonaltà rconsegnando l controllo alla schermata nzale. Da notare che la schermata della funzonaltà eseguta vene congelata allo stato n cu s trova al momento dell esecuzone d questo comando. C-scan : Fgura 6. Fnestra attvata colla selezone C-scan. Un solo arametro selezonato: maa n lvell d grgo 6

7 Fgura 7. Fnestra attvata colla selezone C-scan. Tre arametr selezonat: maa n lvell RGB Questa schermata c ermette d vsualzzare la maa X,Y relatva a arametr selezonat nella fnestra. Nel caso della selezone d un solo arametro, s otterrà una maa n lvell d grgo, roettando fra (0-255) valor de dat, che hanno rsettvamente l mnmo ed l massmo rortat n. Analogamente, nel caso della selezone d tre arametr, s otterrà una maa n lvell RGB. Partendo dall alto, s assegna nfatt ad ogn arametro selezonato rsettvamente la comonente R,G,B doo aver roettato fra (0-255) corrsettv valor de dat d cu l mnmo ed l massmo sono rortat n,,. Questo comando ermette d selezonare arametr. La modaltà d selezone multla è analoga a quella d Wndows. Questo comando ermette la vsualzzazone della maa secondo l modo sora detto. Questo comando cancella l area ttorca e le nformazon numerche assocate. Questo comando one fne all esecuzone della funzonaltà rconsegnando l controllo alla schermata nzale. Da notare che la schermata della funzonaltà eseguta vene congelata allo stato n cu s trova al momento dell esecuzone d questo comando. 7

8 Statstca : Fgura 8. Fnestra attvata colla selezone statstca. Questa schermata c ermette d vsualzzare l stogramma, l valore mnmo e massmo ed l valore delle varabl statstche relatve al arametro selezonato nella fnestra. C consente noltre d creare un fle d dsco contenente tal nformazon er un qualsas numero d quest arametr d volta n volta selezonat. Questo comando consente d selezonare l arametro da sottoors ad anals. Questo comando calcola e vsualzza l stogramma relatvo al arametro selezonato. L stogramma è calcolato su class e la raresentazone è esansa n base alla classe ù oolata. Questo comando are la fnestra 8

9 che c resenta la comoszone numerca del vettore Istogramma con l valore medo del arametro selezonato. Cascuna classe nfatt del vettore Buff vene affancata dalla sua oolazone e dal suo valor medo del arametro selezonato. Il comando rovoca l abbandono della fnestra. Questo comando, sulla base del vettore stogramma, calcola le varabl statstche Area, Mn Istog, Max Istog, Meda, Sgma, Varanza, Skewness, Kurtosys, Energy, Entroy, defnte da : Area = Poolazone Totale = = 1 Mn Istog = Poolazone mnma dell Istogramma Max Istog = Poolazone massma dell Istogramma Meda = µ = ( = 1 = 1 * l ) Sgma = σ = Varanza Varanza = σ 2 = = 1 (( l µ ) = 1 2 * ) Skewness = = 1 (( l µ ) 3 σ * 3 = 1 * ) 9

10 Kurtosys = = 1 (( l µ ) 4 σ * 4 = 1 * ) Energy = ( = 1 = 1 2 ) 2 Entroy = = 1 (3.212 * * lg 10 ) ( * * lg10 ) = 1 = 1 dove: = Poolazone della classe dell stogramma; l = Valor medo della classe del arametro selezonato; lg10 = Logartmo n base 10. Questo comando cancella l area ttorca e tutte le nformazon numerche. Dalla vsualzzazone della schermata, la rma volta che s esegue questo comando vene creato, n corrsondenza del fle Fle-Ingresso-Dat.txt aerto nella fnestra nzale, l Fle Fle-Ingresso-DatStat.txt dove vengono memorzzat rsultat statstc relatv al arametro al momento selezonato. Ad ogn esecuzone del comando vengono aggunt nuov rsultat statstc relatv all attuale arametro selezonato. Tutto questo fno quando non vene martto l comando che rovoca la chusura del Fle Fle-Ingresso-DatStat.txt ed l suo salvataggo nella stessa drectory contenente Fle-Ingresso-Dat.txt. Il Fle Fle-Ingresso-DatStat.txt rsulta così strutturato : 10

11 Record Colonna1 Colonna2 Colonna3 0 Path\Fle-Ingresso-Dat.txt. 1 Indce Buff(1) Area 2 Mn1 Buff(2) Mn. Istog 3 Max1 Buff(3) Max. Istog 4 A Buff(4) Meda 5 A Buff(5) Sgma 6 A Buff(6) Varanza 7 A Buff(7) Skewness 8 A Buff(8) Kurtosys Memorzzazone su 9 A Buff(9) Energy fle er ogn 10 A Buff(10) Entroy salvatag. nform. del 11 A Buff(11) B aram. selezonato 12 A Buff(12) B 13 A Buff(13) B 14 A Buff(14) B 15 A Buff(15) B 16 A Buff(16) B 17 A Buff(17) B 18 A Buff(18) B 19 A Buff(19) B A Buff() B dove: Indce = Valore (1-5) che, usato come ndce, ndvdua l arametro selezonato. Mn1 = Valore mnmo del arametro. Max1 = Valore massmo del arametro. Buff(1)----Buff() = Poolazone d cascuna delle class dell stogramma. Area, Mn Istog, Max Istog, Meda, Sgma, Varanza, Skewness, Kurtosys, Energy, Entroy = Valore delle rsettve varabl statstche del arametro d rfermento calcolate secondo le formule vste. A, B = Strnghe d remmento delle colonne 1, 3 Il record 0 vene scrtto solamente al momento della creazone del suddetto Fle, allorché esso vene nzalzzato. In un eventuale rtorno a questa schermata, l nvo d questo comando rovoca la cancellazone del contenuto del Fle e la sua nuova nzalzzazone. Questo comando one fne alla esecuzone della funzonaltà rconsegnando l controllo alla schermata nzale. Da notare che la schermata della funzonaltà eseguta vene congelata allo stato n cu s trova al momento dell esecuzone d questo comando. 11

STATISTICA DESCRITTIVA CON EXCEL

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

Dettagli

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

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA ELEMENTI DI STATISTICA POPOLAZIONE STATISTICA E CAMPIONE CASUALE S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..)

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

Elementi di calcolo numerico

Elementi di calcolo numerico Element d calcolo numerco Molto sesso nel calcolo scentco sorge la necesstà d calcolare l valore numerco d ntegral che non ossono essere calcolat analtcamente oure occorre calcolare l valore del mnmo d

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

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 -

PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE. (Metodo delle Osservazioni Indirette) - 1 - PROCEDURA INFORMATIZZATA PER LA COMPENSAZIONE DELLE RETI DI LIVELLAZIONE (Metodo delle Osservazon Indrette) - - SPECIFICHE DI CALCOLO Procedura software per la compensazone d una rete d lvellazone collegata

Dettagli

Metodologie informatiche per la chimica

Metodologie informatiche per la chimica Metodologe nformate per la mca Dr. Sergo Brutt Eserctazone d anals de dat II INERCALAIN GRAPHIE ANDE Eserctazone - galvanometra Cclazon galvanostate d una cella elettromca In questa eserctazone studeremo

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

Hansard OnLine. Unit Fund Centre Guida

Hansard OnLine. Unit Fund Centre Guida Hansard OnLne Unt Fund Centre Guda Sommaro Pagna Introduzone al Unt Fund Centre (UFC) 3 Uso de fltr per la selezone de fond 4-5 Lavorare con rsultat del fltro 6 Lavorare con rsultat del fltro - Prezz 7

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

Algoritmo di Carlier- Pinson per problemi di Job Shop Scheduling: un esempio

Algoritmo di Carlier- Pinson per problemi di Job Shop Scheduling: un esempio Formulazone e Notazon Algortmo d Carler- Pnson er roblem d Job Sho Schedulng: un esemo Notazon o C M ( o r, q -esma oerazone del ob Temo d rocessamento d o Macchna che deve rocessare o Clque (nseme d oerazon

Dettagli

Esame del corso di Tecniche Avanzate per il Trattamento delle Immagini

Esame del corso di Tecniche Avanzate per il Trattamento delle Immagini Esame del corso d Tecnche Avanzate per l Trattamento delle Immagn Data: 18 Settembre 2007 1 Es.1 [pt. 5]: Nella fgura (10x10 pxel) rportata a fanco l rettangolo banco è d dmenson 6x4 pxel. Indcando con

Dettagli

Media aritmetica (ponderata)

Media aritmetica (ponderata) I calcol che abbamo vsto fnora s ossono effettuare se s dsone d tutte le osservazon relatve alle N untà statstche. Tuttava, sesso accade che s debba oerare con tabelle d dstrbuzon d frequenze. Grado n

Dettagli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli Realzzazone d FSM sncrone M. Favall Engneerng Department n Ferrara Realzzazone d FSM Anals e sntes de sstem dgtal / Introduzone Realzzazone d FSM Anals e sntes de sstem dgtal 2 / Una volta ottenuto l automa

Dettagli

Esercitazione 1 del corso di Statistica 2

Esercitazione 1 del corso di Statistica 2 Eserctazone del corso d Statstca rof. Domenco Vstocco Dott.ssa aola Costantn 8 Aprle 008 Eserczo n. S consder un campone d 00 student d cu s conoscono le seguent probabltà dstnt secondo l sesso (Mmascho,

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

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ANALISI STATISTICA DELLE INCERTEZZE CASUALI AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte

Dettagli

Specifica calcolo soddisfazione discenti

Specifica calcolo soddisfazione discenti INDICE 1 SCOPO CAMPO DI APPLICAZIONE 3 DEFINIZIONI E CALCOLO PER LE DOMANDE INFORMATIVE 4 DEFINIZIONI E CALCOLO PER LE DOMANDE CON GIUDIZI 5 DEVIAZIONE STANDARD PER LE DOMANDE CON GIUDIZI 6 RACCOLTA ED

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

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

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986 Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane

Dettagli

Lezione 2 a - Statistica descrittiva per variabili quantitative

Lezione 2 a - Statistica descrittiva per variabili quantitative Lezone 2 a - Statstca descrttva per varabl quanttatve Esempo 5. Nella tabella seguente sono rportat valor del tasso glcemco rlevat su 10 pazent: Pazente Glcema (mg/100cc) 1 1 =103 2 2 =97 3 3 =90 4 4 =119

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

La likelihood. , x 3. , x 2. ,...x N

La likelihood. , x 3. , x 2. ,...x N La lkelhood È dato un set d msure {x 1, x 2, x 3,...x N } (cascuna delle qual può essere multdmensonale) Supponamo che la pdf (f) dpenda da un parametro (anch'esso eventualmente multdmensonale) La verosmglanza

Dettagli

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z)

Le soluzioni della prova scritta di Matematica per il corso di laurea in Farmacia (raggruppamento M-Z) Le soluzon della prova scrtta d Matematca per l corso d laurea n Farmaca (raggruppamento M-Z). Data la funzone a. trova l domno d f f ( ) ln + b. scrv, esplctamente e per esteso, qual sono gl ntervall

Dettagli

ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI

ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI ANALISI ESPLORATIVA DI SERIE DI OSSERVAZIONI Rappresentazone tabellare della sere storca Sequenza cronologca Sequenza ordnata Osservazon d massmo annuo d pogga n un gorno 2 Rappresentazone grafca della

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

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

Dettagli

Formule di attribuzione del punteggio economico

Formule di attribuzione del punteggio economico Stazone Appaltante Servzo Sntel Data pubblcazone: 27 Maggo 2019 agna 1 d 21 INDICE 1. INTRODUZIONE...3 1.1. OBIETTIVO E CAMO D ALICAZIONE...3 1.2. RIFERIMENTI...3 1.3. VERSIONI...3 2. FORMULE DI AGGIUDICAZIONE...3

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

CORRETTA RAPPRESENTAZIONE DI UN RISULTATO: LE CIFRE SIGNIFICATIVE

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

Dettagli

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

Dettagli

Esercitazione 8 del corso di Statistica (parte 1)

Esercitazione 8 del corso di Statistica (parte 1) Eserctazone 8 del corso d Statstca (parte ) Dott.ssa Paola Costantn Eserczo Marzo 0 Un urna rossa contene 3 pallne banche, nere e galla. S consder l estrazone d due pallne. S calcol la probabltà d estrarre:.

Dettagli

Modello del Gruppo d Acquisto

Modello del Gruppo d Acquisto InVMall - Intellgent Vrtual Mall Modello del Gruppo d Acqusto Survey L attvtà svolta per la realzzazone dell attvtà B7 Defnzone del Gruppo d Acqusto e de Relatv Algortm d Inferenza, prevsta dal captolato

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

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA UNIVERSITA DEGI STUDI DI CASSINO FACOTA DI INGEGNERIA ANTONIO RUSSO, ANGEO EOPARDI ANAISI DE ERRORE CONNESSO A APPROSSIMAZIONE DEE UNGHEZZE E DEE CEERITA NE METODO DI INTEGRAZIONE DEE CARATTERISTICHE (MOC)

Dettagli

LA CALIBRAZIONE NELL ANALISI STRUMENTALE

LA CALIBRAZIONE NELL ANALISI STRUMENTALE LA CALIBRAZIONE NELL ANALISI STRUMENTALE La maggor parte delle anals chmche sono ogg condotte medante metod strumental (spettrometra d assorbmento ed emssone a dverse λ, metod elettrochmc, spettrometra

Dettagli

DESTINAZIONE ORIGINE A B C A B C Esercizio intersezioni a raso - pag. 1

DESTINAZIONE ORIGINE A B C A B C Esercizio intersezioni a raso - pag. 1 ESERCIZIO Argomento: Intersezon a raso Data l ntersezone a raso a tre bracc rappresentata n fgura s vuole procedere al dmensonamento de suo element. I dat nzal necessar per la progettazone sono d seguto

Dettagli

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media

Esercizio. Alcuni esercizi su algoritmi e programmazione. Schema a blocchi. Calcolo massimo, minimo e media Alcun esercz su algortm e programmazone Fondament d Informatca A Ingegnera Gestonale Unverstà degl Stud d Bresca Docente: Prof. Alfonso Gerevn Scrvere l algortmo e l dagramma d flusso per l seguente problema:

Dettagli

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D FIRMA DELLO STUDENTE Cognome PRIMA PROVA INTERMEDIA DI STATISTICA (COD. 3000/6045/5047/4038/37/377) 26 ottobre 20 Nome Numero d matrcola Corso d Laurea Cod. corso COMPITO D A fn della valutazone s terrà

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

PIANIFICAZIONE DEI TRASPORTI

PIANIFICAZIONE DEI TRASPORTI Unverstà d Caglar DICAAR Dpartmento d Ingegnera Cvle, Ambentale e archtettura Sezone Trasport PIANIFICAZIONE DEI TRASPORTI Eserctazone su modell d generazone A.A. 2016-2017 Ing. Francesco Pras Ing. Govann

Dettagli

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

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

Dettagli

Sorgenti Numeriche - Soluzioni

Sorgenti Numeriche - Soluzioni Sorgent umerche - Soluzon *) L anals delle frequenze con cu compaono le vare lettere n un documento n talano, comprendente 5975 caratter, ha fornto seguent dat: Lettera umero Frequenza relatva A 666. B

Dettagli

ISTRUZIONE OPERATIVA:

ISTRUZIONE OPERATIVA: Pagna 1 d 5 legant da Acca da INDICE: 1) Scopo 2) Campo d applcazone 3) Norma d rfermento 4) Defnzon e smbol 5) Responsabltà 6) Apparecchature 7) Modaltà esecutve 8) Esposzone de rsultat calcestruzz aggregat

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

Trigger di Schmitt. e +V t

Trigger di Schmitt. e +V t CORSO DI LABORATORIO DI OTTICA ED ELETTRONICA Scopo dell esperenza è valutare l ampezza dell steres d un trgger d Schmtt al varare della frequenza e dell ampezza del segnale d ngresso e confrontarla con

Dettagli

si utilizzano per confrontare le distribuzioni

si utilizzano per confrontare le distribuzioni Dspersone o Varabltà Defnzone: Le Msure d Dspersone: sono par a zero n caso d dspersone nulla s utlzzano per confrontare le dstrbuzon permettono d valutare la rappresentatvtà delle msure d centraltà. 89

Dettagli

(B1) IL RUOLO DELL ANALISI STATISTICA DEI DATI NELLA GESTIONE AZIENDALE DATI GREZZI E INFORMAZIONI INDICI STATISTICI, TABELLE E GRAFICI

(B1) IL RUOLO DELL ANALISI STATISTICA DEI DATI NELLA GESTIONE AZIENDALE DATI GREZZI E INFORMAZIONI INDICI STATISTICI, TABELLE E GRAFICI Unverstà C. Cattaneo Luc, Corso d Statstca, 9 Ottobre 2013 Laboratoro Excel Sessone n. 1 Venerdì 041013 Gruppo PZ Lunedì 071013 Gruppo AD Martedì 081013 Gruppo EO VERSIONE DEFINITIVA (9 Ottobre 2013) degl

Dettagli

a) Individuare l intervallo di confidenza al 90% per la media di popolazione;

a) Individuare l intervallo di confidenza al 90% per la media di popolazione; Eserczo Il responsable marketng d una catena d negoz vuole analzzare l volume delle vendte mensl d un determnato bene d largo consumo. Una socetà che conduce rcerche d mercato è ncarcata d effettuare un

Dettagli

Limitazioni di ampiezza negli amplificatori reali

Limitazioni di ampiezza negli amplificatori reali Lmtazon d ampezza negl amplfcator real G. Martnes 1 Lnearzzazone della trans-caratterstca G. Martnes Anals a pccolo segnale e concetto d punto d lavoro IL RUMORE EGLI AMPLIFICATORI Defnzon S defnsce rumore

Dettagli

Modelli decisionali su grafi - Problemi di Localizzazione

Modelli decisionali su grafi - Problemi di Localizzazione Modell decsonal su graf - Problem d Localzzazone Massmo Paolucc (paolucc@dst.unge.t) DIST Unverstà d Genova Locaton Problems: modell ed applcazon Decson a medo e lungo termne (panfcazone) Caratterstche

Dettagli

Segmentazione di immagini

Segmentazione di immagini Segmentazone d mmagn Introduzone Segmentazone: processo d partzonamento d un mmagne n regon dsgunte e omogenee. Esempo d segmentazone. Tratta da [] Introduzone (def. formale ( Sa R l ntera regone spazale

Dettagli

VISUALIZZAZIONE INTERATTIVA DI SUPERFICI CON JAVAVIEW

VISUALIZZAZIONE INTERATTIVA DI SUPERFICI CON JAVAVIEW UNIVERSITA DEGLI STUDI DI TORINO Facoltà d Scenze M.F.N. Corso d laurea n Matematca VISUALIZZAZIONE INTERATTIVA DI SUPERFICI CON JAVAVIEW Relatore: Canddata: Sergo Console Francesca Marmora La vsualzzazone

Dettagli

MISURA DELLA FOCALE ANTERIORE DI UNA LENTE.

MISURA DELLA FOCALE ANTERIORE DI UNA LENTE. MISURA DELLA FOCALE ANTERIORE DI UNA LENTE. Spermentator: Marco Erculan (n matrcola: 4549 V.O Ivan Noro (n matrcola: 458656 V.O Durata dell espermento:,5 ore ( dalle ore 0:30 alle ore :00 Data d effettuazone:

Dettagli

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

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

Dettagli

STATO DI TENSIONE IN SEZIONI MASSICCE. Sforzo normale

STATO DI TENSIONE IN SEZIONI MASSICCE. Sforzo normale STATO DI TENSIONE IN SEZIONI MASSICCE Sforzo normale In caso d sforzo normale trazone o comressone, s assume che nelle sezon della trave suffcentemente lontane da vcolo e dalle forze alcate, essta solo

Dettagli

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale

STATISTICA PSICOMETRICA a.a. 2004/2005 Corsi di laurea. Scienze e tecniche neuropsicologiche Modulo 3 Statistica Inferenziale STATISTICA PSICOMETRICA a.a. 004/005 Cors d laurea Scenze e tecnche neuropscologche Modulo 3 Statstca Inferenzale Probabltà Dstrbuzon d probabltà Dstrbuzon camponare Stma ntervallare Verfca delle potes

Dettagli

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua

Università di Cassino. Esercitazioni di Statistica 1 del 19 Febbraio Dott. Mirko Bevilacqua Unverstà d Cassno Eserctazon d Statstca del 9 Febbrao 00 Dott. Mro Bevlacqua DATASET STUDENTI N SESSO ALTEZZA PESO CORSO NUMERO COLORE COLORE (cm) (g) LAUREA SCARPA OCCHI CAPELLI M 79 65 INFORMAICA 43

Dettagli

POLITECNICO DI TORINO

POLITECNICO DI TORINO POLITECNICO DI TORINO ESERCITAZIONI DI LOGISTICA Laurea n Ingegnera Logstca e della Produzone Corso d Logstca e d Dstrbuzone 1 Docente: Prof. Ing. Gulo Zotter Tutore: Ing. Gulano Scapaccno A.A. 2004/2005

Dettagli

Università degli Studi di Roma Tor Vergata Facoltà di Ingegneria Corso di Laurea in Ingegneria Medica. Algoritmi

Università degli Studi di Roma Tor Vergata Facoltà di Ingegneria Corso di Laurea in Ingegneria Medica. Algoritmi Unverstà degl Stud d Roma Tor Vergata Facoltà d Ingegnera Corso d Laurea n Ingegnera Medca Algortm Rev.2.2 of 2016-04-20 Elaborazone dat Problem che s presentano spesso sono 1. rcorsvo (es. successone

Dettagli

Gas ideale (perfetto):

Gas ideale (perfetto): Gas deale (erfetto): non esste n realtà drogeno e elo assomglano d ù a un gas deale - le molecole sono untform; - nteragscono tra loro e con le aret del recente medante urt erfettamente elastc (ovvero

Dettagli

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella

L ANALISI MONOVARIATA: Variabilità e mutabilità. Prof. Maria Carella L AALISI MOOVARIATA: Varabltà e mutabltà Prof. Mara Carella Varabltà Le msure d tendenza centrale non sono suffcent alla comprensone de fenomen. Una sntes approprata deve tener conto del modo n cu s dstrbuscono

Dettagli

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività

Metodi di Ottimizzazione mod. Modelli per la pianificazione delle attività Metod d Ottmzzazone mod. Modell er la anfcazone delle attvtà Paolo Dett Dartmento d Ingegnera dell Informazone e Scenze Matematche Unverstà d Sena Metod d Ottmzzazone mod. Modell er la anfcazone delle

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

POLITECNICO DI TORINO

POLITECNICO DI TORINO POLITECNICO DI TORINO ESERCITAZIONI DI LOGISTICA Laurea n Ingegnera Logstca e della Produzone Corso d Logstca e d Dstrbuzone 1 Docente: Prof. Ing. Gulo Zotter Tutore: Ing. Gulano Scapaccno A.A. 2007/2008

Dettagli

26/08/2010. segnali deterministici. segnali casuali o random. stazionario. periodico. Non stazionario. transitorio

26/08/2010. segnali deterministici. segnali casuali o random. stazionario. periodico. Non stazionario. transitorio Cap 5: ANALISI DEI SEGNALI E ARAURA DINAMICA Un segnale è defnto come una qualsas varable fsca che camba nel tempo, nello spazo, o rspetto a altre varabl e che trasporta nformazon segnal determnstc segnal

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

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi

Stabilità dei Sistemi Dinamici. Stabilità Semplice. Stabilità Asintotica. Stabilità: concetto intuitivo che può essere formalizzato in molti modi Gustavo Belforte Stabltà de Sstem Dnamc Gustavo Belforte Stabltà de Sstem Dnamc Stabltà de Sstem Dnamc Il Pendolo Stabltà: concetto ntutvo che può essere formalzzato n molt mod Intutvamente: Un oggetto

Dettagli

Sistemi Intelligenti Stimatori e sistemi lineari - III

Sistemi Intelligenti Stimatori e sistemi lineari - III Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\

Dettagli

Misure Ripetute ed Indipendenti

Misure Ripetute ed Indipendenti Msure Rpetute ed Indpendent Una delle metodologe pù semplc per valutare l affdabltà d una msura consste nel rpeterla dverse volte, nelle medesme condzon, ed esamnare dvers valor ottenut. Ovvamente, una

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

Sommario. Statistica. Distribuzioni (cont.) Distribuzioni di frequenza. Distribuzioni Distribuzioni di quantità. Distribuzioni di frequenza

Sommario. Statistica. Distribuzioni (cont.) Distribuzioni di frequenza. Distribuzioni Distribuzioni di quantità. Distribuzioni di frequenza Corso d Laurea n Scenze del Tursmo Statstca francesco mola 2 Sommaro Dstrbuzon d frequenza Rappresentazon grafche Dagramm a barre Istogramm Funzone d rpartzone emprca Lezone n 2 Dstrbuzon Dstrbuzon d quanttà

Dettagli

Propagazione delle incertezze

Propagazione delle incertezze Propagazone delle ncertezze In questa Sezone vene trattato l problema della propagazone delle ncertezze quando s msurano pù grandezze dfferent,,,z soggette a error d tpo casuale e po s utlzzano tal grandezze

Dettagli

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

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

Dettagli

Errata corrige del libro Fondamenti di Informatica in Java

Errata corrige del libro Fondamenti di Informatica in Java corrge del lbro Fondament d Informatca n Java Emlo D Gacomo, Walter Ddmo Captolo 1 R1 R2 R3 Rn PC IR PSW Untà d controllo Pag. 23, Fgura 1.2 Bus nterno ALU MAR MDR al bus dat al bus ndrzz al bus d controllo

Dettagli

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

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

Dettagli

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

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri Fsca Generale I Msure d grandezze fsche e ncertezze d msura Lezone 3 Facoltà d Ingegnera Lvo Lancer Indce Abbamo mparato: Orgne e classfcazone delle ncertezze (error) d msura Rappresentazone delle ncertezze

Dettagli

Analisi della Varianza

Analisi della Varianza Anals della Varanza Esempo: Una ndustra d carta usata per buste per salumere vuole mglorare la resstenza alla trazone del propro prodotto. S rtene che resstenza alla trazone = f(concentrazone d legno nella

Dettagli

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri

Fisica Generale I Misure di grandezze fisiche e incertezze di misura Lezione 3 Facoltà di Ingegneria Livio Lanceri Fsca Generale I Msure d grandezze fsche e ncertezze d msura Lezone 3 Facoltà d Ingegnera Lvo Lancer Indce Abbamo mparato: Orgne e classfcazone delle ncertezze (error) d msura Rappresentazone delle ncertezze

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

Manuale di istruzioni Manual de Instruções Millimar C1208 /C 1216

Manuale di istruzioni Manual de Instruções Millimar C1208 /C 1216 Manuale d struzon Manual de Instruções Mllmar C1208 /C 1216 Mahr GmbH Carl-Mahr-Str. 1 D-37073 Göttngen Telefon +49 551 7073-0 Fax +49 551 Cod. ord. Ultmo aggornamento Versone 3757474 15.02.2007 Valda

Dettagli

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1

Dettagli

Laboratorio di Matematica e Informatica 1

Laboratorio di Matematica e Informatica 1 Laboratoro d Matematca e Informatca 1 Matteo Mondn Antono E. Porreca matteo.mondn@gmal.com porreca@dsco.unmb.t Dpartmento d Informatca, Sstemstca e Comuncazone Unverstà degl Stud d Mlano - Bcocca 10 Gennao

Dettagli

Massimizzazione del profitto e offerta concorrenziale

Massimizzazione del profitto e offerta concorrenziale Massmzzazone del roftto e offerta concorrenzale Eserczo Un mresa roduce un bene megando un solo nut. La sua funzone d roduzone è f(x)=4 x dove x è l numero d untà del fattore roduttvo. Una untà del rodotto

Dettagli

NNKOMMT. kìçîç=ç~w. pfabufp=ud. o~çáçäçöá~=çáöáí~äé=l=pçñíï~êé==îáçéç=sfabufp fëíêìòáçåá=çdìëç=ëçãã~êáé= fí~äá~åç

NNKOMMT. kìçîç=ç~w. pfabufp=ud. o~çáçäçöá~=çáöáí~äé=l=pçñíï~êé==îáçéç=sfabufp fëíêìòáçåá=çdìëç=ëçãã~êáé= fí~äá~åç kìçîç=ç~w NNKOMMT pfabufp=ud o~çáçäçöá~=çáöáí~äé=l=pçñíï~êé==îáçéç=sfabufp fëíêìòáçåá=çdìëç=ëçãã~êáé= fí~äá~åç Questo prodotto reca l marcho CE n conformtà con le dsposzon della drettva 93/42/CEE del 14

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

* * * 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

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30

1) Dato un carattere X il rapporto tra devianza entro e devianza totale è 0.25 e la devianza totale è 40. La devianza tra vale: a) 10 b) 20 c) 30 1) Dato un carattere X l rapporto tra devanza entro e devanza totale è 0.25 e la devanza totale è 40. La devanza tra vale: a) 10 b) 20 c) 30 2) Data una popolazone normalmente dstrbuta con meda 10 e varanza

Dettagli

CHE COS E LA COMPLESSITA

CHE COS E LA COMPLESSITA CHE COS E LA COMPLESSITA E un termne d moda, ambguo perché rcco d sgnfcat nterdscplnar, a volte mpropramente usato sa n campo scentfco, che nel lnguaggo colloquale, gornalstco e d costume Inter centr d

Dettagli

1. Il Teorema Ergodico per le catene di Markov * Definizione Una catena di Markov discreta con spazio degli stati E; si dice regolare se, detta P = (P

1. Il Teorema Ergodico per le catene di Markov * Definizione Una catena di Markov discreta con spazio degli stati E; si dice regolare se, detta P = (P . Il Teorema Ergodco er le catene d Markov * Defnzone Una catena d Markov dscreta con sazo degl stat E; s dce regolare se, detta P = (P ) la matrce delle robablt a d transzone assocata, esstono un ntero

Dettagli

IL RUMORE NEGLI AMPLIFICATORI

IL RUMORE NEGLI AMPLIFICATORI IL RUMORE EGLI AMPLIICATORI Defnzon S defnsce rumore elettrco (electrcal nose) l'effetto delle fluttuazon d corrente e/o d tensone sempre present a termnal degl element crcutal e de dspostv elettronc.

Dettagli

IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE

IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE IL LEGAME TRA DUE VARIABILI I METODI DELLA CORRELAZIONE CORRELAZIONE Legame - Assocazone - Accordo Relazone tra varabl valutare l grado d recproca nfluenza tra due varabl; valutare l grado d assocazone

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

Esame di metodi matematici per le decisioni economiche e aziendali

Esame di metodi matematici per le decisioni economiche e aziendali UNIVERSITÀ DEGLI STUDI ROMA TRE Esame d metod matematc per le decson economche e aendal 9-02-209 Canddato (cognome e nome)......... Matrcola...... ) Data la matrce 200 00 80 200 200 250 400 300 50 50 00

Dettagli