INSEGNAMENTO DI ANALISI DI DATI BIOLOGICI LM IN BIOINGEGNERIA - A.A.2013/2014 HOMEWORK 3

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "INSEGNAMENTO DI ANALISI DI DATI BIOLOGICI LM IN BIOINGEGNERIA - A.A.2013/2014 HOMEWORK 3"

Transcript

1 INSEGNAMENTO DI ANALISI DI DATI BIOLOGICI LM IN BIOINGEGNERIA - A.A.2013/2014 HOMEWORK 3 COGNOME: Montanino NOME: Annaclaudia MATRICOLA: DATA: 13 gennaio allegati: montanino_h3_4.zip ESERCIZIO H3_4: Problema ispirato dall articolo reperibile su Nel file smbg.mat sono contenuti dati di Self Monitoring Blood Glucose (SMBG) di un soggetto diabetico. Le misurazioni SMBG sono state eseguite 3 volte al giorno (equispaziate, sempre alla stessa ora) per un periodo della durata di un mese (non sono presenti missing samples). Analizzando graficamente i dati, il diabetologo che ha in cura questo soggetto diabetico ritiene che possa esistere una ciclicità giornaliera nelle misurazioni, che verosimilmente ruota attorno ad un trend mensile. Possiamo pensare che la misurazione del valore glicemico possa essere strutturata così: y(t) = t(t) + c(t) + v(t) dove t(t) rappresenta il trend mensile, c(t) rappresenta la componente ciclica giornaliera e v(t) è il rumore di misura. L obiettivo di questo homework è quello di implementare uno script per separare le componenti t(t) e c(t) mediante filtraggio alla Kalman, a partire da una serie di campioni rumorosi y(t) contenuti nella variabile ys (file smbg.mat), per cercare di confermare o meno se esistono una ciclicità giornaliera ed un trend mensile. I modelli a priori da usare sono: t(t) descritto da un modello a doppia integrazione di un rumore bianco con varianza λ 2 1 = c(t) descritto come un segnale periodico x 3(t) guidato da rumore bianco w(t) con varianza λ 2 2 =16, la cui frequenza f è relativa al numero di campioni SMBG giornalieri. La struttura in termini di variabili di stato è la seguente: { x 3(t + 1) x 4(t + 1) = cos(2πf)x 3(t) + sin(2πf)x 4(t) = sin(2πf)x 3(t) + cos(2πf)x 4(t) + w(t) Va aggiunto che le misurazioni y(t) sono soggette ad errore con CV v = 0.1%. Utilizzare come valori iniziali il vettore di stato x0 e la matrice P 0 contenuti in smbg.mat. Descrivere e commentare i risultati ottenuti. 1 Introduzione Il Filtraggio alla Kalman, in questo esercizio utilizzato per la separazione di componenti di un segnale rumoroso ys, sfrutta possibilità di scrivere modelli stocastici nella forma di modelli di stato: x(t + 1) = F x(t) + w(t) y(t) = Hx(t) + v(t) Dove x è il vettore di stato che contiene anche ciò che si vuole stimare, F è la matrice di transizione di stato, w è il rumore di modello (con matrice di covarianza Q), y è il vettore delle misure, H è la matrice di trasferimento stato-uscita ed infine v è il rumore di misura (con matrice di covarianza R). Nel caso proposto da questo esercizio si vuole decomporre il segnale y(t) in una componente ciclica giornaliera c(t) e un trend mensile t(t) che esprime le variazioni 1

2 lente, da cui: y(t) = t(t) + c(t) + v(t). Viene inoltre fornito un modello a priori per entrambe le componenti e da questi si deduce la loro formulazione in termini di variabili di stato: t(t + 1) = 2t(t) t(t 1) + w(t) = 2x 1 (t) x 2 (t) w(t) c(t) = x 3 (t) x 3 (t + 1) = cos(2πf)x 3 (t) + sin(2πf)x 4 (t) x 4 (t + 1) = sin(2πf)x 3 (t) + cos(2πf)x 4 (t) + w(t) Da ciò è possibile riscrivere il modello ingresso-uscita sotto forma del seguente modello di stato: x 1 (t + 1) x 1 (t) w 1 x 2 (t + 1) x 3 (t + 1) = x 2 (t) 0 0 cos(2πf) sin(2πf) x 3 (t) x 4 (t + 1) 0 0 sin(2πf) cos(2πf) x 4 (t) w 2 R = cov(v) = x 1 y = [ ] x 2 x 3 + v(t) x 4 λ Q = cov(w) = λ 2 2 (y(1)cv v ) (y(2)cv v ) (y(end)cv v ) 2 Una volta scritto il modello in forma di stato è possibile derivare le equazioni del filtro di Kalman che saranno poi implementate nel codice: P (t + 1 t) = F P (t)f T + Q con P (0) = P 0 K(t + 1) = P (t + 1 t)h T [HP (t + 1 t)h T + R(t)] 1 P (t + 1) = [I N K(t + 1)H]P (t + 1 t) ˆx(t + 1 t) = F ˆx(t t) con ˆx(0) = x 0 e(t + 1) = y(t + 1) H ˆx(t + 1 t) ˆx(t + 1 t + 1) = ˆx(t + 1 t) + K(t + 1)e(t + 1) dove P (t + 1 t) è la covarianza dell errore di predizione ad un passo, K(t + 1) è denominato guadagno del filtro, P (t + 1) è la varianza dello stato al passo t+1, ˆx(t + 1 t) è la predizione ad un passo dello stato (imposto w(t) = 0), e(t + 1) è il residuo di predizione ed infine ˆx(t + 1 t + 1) è la stima dello stato al passo t+1 (passo correttivo in cui vengono usate le misure al tempo t + 1 per raffinare la stima). 2

3 2 Presentazione del codice 2.1 montanino_h3_4.m Lo script montanino_h3_4.m implementa un filtro di Kalman atto alla separazione del segnale y(t) nelle due componenti t(t) e c(t). 1 % Analisi di Dati Biologici - HW3 es4 2 % Annaclaudia Montanino % montanino_h3_4_main. m 4 5 close all 6 clear all 7 clc load smbg 11 n= length (ys ); 12 ts =0:8: n *8-8; 13 f =1/3; 14 F =[ cos (2* pi*f) sin (2* pi*f) sin (2* pi*f) cos (2* pi*f )]; 18 H =[ ]; Q= diag ([ ]); 21 R=( ys.^2)*(0.1/)^2; xold =X0; 24 pold =P0; 25 x= zeros ( length (X0),n); for i =1: n xpred =F* xold ; 30 ppred =F* pold *F +Q; 31 K= ppred *H *1./( H* ppred *H +R(i )); e=ys(i)-h* xpred ; 34 xnew = xpred +K*e; 35 I= eye ( size (Q )); 36 pnew =(I-K*H)* ppred ; pold = pnew ; 39 xold = xnew ; 40 x(:,i)= xnew ; 41 end figure subplot (3,1,1) 47 plot (ts,ys, b ) 48 title ( misurazioni SMBG ) 49 xlabel ( Tempo [h] ) ylabel ( Glicemia [mg/dl] ) 51 axis ([ ]) subplot (3,1,2) 3

4 54 plot (ts,x (1,:)) 55 title ( componente t(t) ) 56 xlabel ( Tempo [h] ) 57 ylabel ( Glicemia [mg/dl] ) 58 axis ([ ]) subplot (3,1,3) 61 plot (ts,x (3,:)) 62 title ( componente c(t) ) 63 xlabel ( Tempo [h] ) 64 ylabel ( Glicemia [mg/dl] ) 65 axis ([ ]) figure plot (ts,ys, b ) 70 hold on 71 plot (ts,x(1,:), r ) 72 hold off 73 title ( Confronto misure - trend mensile ) 74 xlabel ( Tempo [h] ) 75 ylabel ( Glicemia [mg/dl] ) 76 axis ([ ]) RIGA 11-RIGA 13: Una volta caricati i dati, viene calcolato il numero di campioni a disposizione n, viene definita la griglia dei tempi ts il cui passo corrisponde a 8 ore (essendo indicato nelle specifiche che si ha 3 campioni equispaziati all interno di una giornata e che non sono presenti missing samples ). Infine viene calcolata la frequenza dei campioni (usata nel modello a priori di c(t) il cui periodo equivale ad un giorno) f = 1/numero di campioni giornalieri. RIGA 14-RIGA 21: Viene costruita la matrice di transizione di stato F, la matrice di trasferimento stato-uscita H, la matrice di covarianza del rumore di modello Q ed infine il vettore R che contiene le varianze dell errore di misura espresse come (y(t) cv) 2 (in questo caso l errore di misura non è tempo-invariante e bisognerà tenerne conto). RIGA 23-RIGA 25: I valori xold e pold vengono inizializzati ai valori forniti nel file smbg.mat. Si tiene inoltre traccia dell intero vettore di stato x = [x 1 x 2 x 3 x 4 ] T del quale poi ci interesserà ispezionare la prima e la terza componenti essendo t(t) = x 1 (t) e c(t) = x 3 (t). RIGA 27-RIGA 41: All interno di questo ciclo f or sono implementate le equazioni descritte nell introduzione (RIGA 29-RIGA 36). Si sottolinea che, avendo errore di misura tempo-variante, alla RIGA 31 si è utilizzato il valore R(i) corrispondente al campione ys(i) che si sta utilizzando. Infine vengono aggiornati i valori di pold e xold che verranno utilizzati al passo successivo. 4

5 3 Risultati e discussione Nelle figure riportate in questo paragrafo sono raffigurati rispettivamente i campioni rumorosi di concentrazione glicemica, il trend mensile e la componente ciclica giornaliera nella prima immagine, mentre nella seconda si è scelto di plottare il trend mensile sovrapposto ai campioni di concentrazione glicemica. 2 misurazioni SMBG componente t(t) componente c(t) Ciò che è possibile osservare innanzitutto è che i risultati confermano la presenza di una ciclicità giornaliera e di un trend mensile. Il trend mensile presenta un andamento simile alla media temporale delle misurazioni smbg e i valori assunti dalla componente ciclica giornaliera variano nel range [- ]mg/dl. A differenza di ciò che nell introduzione di [1] viene indicato come indice di una soddisfacente terapia, nel nostro caso l andamento del trend mensile è tutt altro che costante e non risulta sempre compreso nella fascia euglicemica [80-140]mg/dl (specialmente nella parte centrale dell asse dei tempi). A tal proposito posso osservare che, ai fini della lettura dei dati da parte di un clinico, il trend mensile riassume efficacemente l informazione contenuta nel segnale misurato: visivamente dove il trend supera la soglia dell iperglicemia, anche ys raggiunge valori fuori soglia. Provando a contare (con semplici istruzioni matlab) i valori sopra la soglia iperglicemica è risultato: 5

6 length(find(ys>140)=51 e length(find(x(1,:)>140)=52 che sono valori confrontabili almeno in prima istanza, anche se per indagini più accurate bisogna tener conto di episodi iperglicemici non rilevati dalla sola componente t(t) e viceversa. Si osserva infine che le informazioni fornite sui modelli a priori (con le rispettive varianze del rumore di modello) e sui valori iniziali x 0 e P 0 sono stati scelti sapientemente: le stime sono fin da subito coerenti con il segnale di origine ed inoltre, provando a ricostruire il segnale y(t) come somma delle due componenti trovate e del rumore v(t), si ottiene un andamento identico a quello di origine. 2 Confronto misure trend mensile ipo iper Bibliografia [1] R. Bellazzi, P. Magni, and G. De Nicolao Bayesian Analysis of Blood Glucose Time Series from Diabetes Home Monitoring, IEEE Transactions on Biomedical Engineering, vol. 47, NO. 7, July

Corso Matlab : Sesta lezione (Esercitazione, 25/10/13) Samuela Persia, Ing. PhD.

Corso Matlab : Sesta lezione (Esercitazione, 25/10/13) Samuela Persia, Ing. PhD. Advanced level Corso Matlab : Sesta lezione (Esercitazione, 25/10/13) Samuela Persia, Ing. PhD. Sommario Toolbox finance Analisi dei portafogli Analisi grafica Determinate Date Toolbox statistics Analisi

Dettagli

Elaborazione nel dominio della frequenza Soluzioni

Elaborazione nel dominio della frequenza Soluzioni Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza Soluzioni 1 La trasformata discreta 1D Calcoliamo lo spettro di x(n) = R L (n) al variare di L = 2, 10, 20,

Dettagli

Sistema di monitoraggio in continuo della glicemia

Sistema di monitoraggio in continuo della glicemia Sistema di monitoraggio in continuo della glicemia Dal test sull urina all autocontrollo domiciliare fino al monitoraggio nei fluidi interstiziali Nell urina 1940-50: Clinitest, Clinistix strip, Acetest,

Dettagli

Principal Component Analysis (PCA)

Principal Component Analysis (PCA) Principal Component Analysis (PCA) Come evidenziare l informazione contenuta nei dati S. Marsili-Libelli: Calibrazione di Modelli Dinamici pag. Perche PCA? E un semplice metodo non-parametrico per estrarre

Dettagli

Fondamenti di Automatica. Modellistica dei sistemi dinamici a tempo discreto

Fondamenti di Automatica. Modellistica dei sistemi dinamici a tempo discreto Fondamenti di Automatica Modellistica dei sistemi dinamici a tempo discreto Sistemi dinamici a tempo discreto I sistemi dinamici a tempo discreto sono sistemi in cui tutte le grandezze variabili sono funzioni

Dettagli

Elaborazione nel dominio della frequenza

Elaborazione nel dominio della frequenza Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza L.Verdoliva In questa esercitazione esamineremo la trasformata di Fourier discreta monodimensionale e bidimensionale.

Dettagli

Politecnico di Bari Facoltà di Ingegneria

Politecnico di Bari Facoltà di Ingegneria Politecnico di Bari Facoltà di Ingegneria Dispensa per il Corso di Controlli Automatici I Uso del software di calcolo Matlab 4. per lo studio delle risposte nel tempo dei sistemi lineari tempoinvarianti

Dettagli

Laboratorio di Fondamenti di Automatica Ingegneria Elettrica Sessione 2/3. Danilo Caporale [caporale@elet.polimi.it]

Laboratorio di Fondamenti di Automatica Ingegneria Elettrica Sessione 2/3. Danilo Caporale [caporale@elet.polimi.it] Laboratorio di Fondamenti di Automatica Ingegneria Elettrica Sessione 2/3 Danilo Caporale [caporale@elet.polimi.it] Outline 2 Funzione di trasferimento e risposta in frequenza Diagrammi di Bode e teorema

Dettagli

MATLAB-SIMULINK. Grafici 2D e 3D. Ing. Alessandro Pisano. pisano@diee.unica.it

MATLAB-SIMULINK. Grafici 2D e 3D. Ing. Alessandro Pisano. pisano@diee.unica.it 1 MATLAB-SIMULINK Grafici 2D e 3D Ing. Alessandro Pisano pisano@diee.unica.it 2 Indice 3 7 10 10 11 12 13 14 16 17 22 24 28 34 36 39 44 Grafici 2D Griglia, label e titolo Grafici sovrapposti. Colori Legenda

Dettagli

Introduzione a Matlab

Introduzione a Matlab Introduzione a Matlab Ruggero Donida Labati Dipartimento di Tecnologie dell Informazione via Bramante 65, 26013 Crema (CR), Italy ruggero.donida@unimi.it Perché? MATLAB is a high-level technical computing

Dettagli

MATLAB (3) - Grafica 2 e 3D

MATLAB (3) - Grafica 2 e 3D Laboratorio di Informatica per Ingegneria elettrica A.A. 21/211 Prof. Sergio Scippacercola MATLAB (3) - Grafica 2 e 3D N.B. le slide devono essere utilizzate solo come riferimento agli argomenti trattati

Dettagli

Cenni sull'impiego di Matlab. Matrici

Cenni sull'impiego di Matlab. Matrici Cenni sull'impiego di Matlab Il Matlab è un potente valutatore di espressioni matriciali con valori complessi. Lavorando in questo modo il Matlab indica una risposta ad ogni comando od operazione impartitagli.

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08. Alberto Perotti, Roberto Garello Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2007-08 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici

Dettagli

FON DAMEN TI DI IN FORMATICA

FON DAMEN TI DI IN FORMATICA Università di Salerno Corso di FONDAMENTI DI INFORMATICA Corso di Laurea Ingegneria Meccanica & Ingegneria Gestionale Mat. Pari Docente : Ing. Secondulfo Giovanni Anno Accademico 29-21 UNITÀ IV A GRAFICA

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Introduzione a MATLAB INTRODUZIONE A MATLAB

Introduzione a MATLAB INTRODUZIONE A MATLAB INTRODUZIONE A MATLAB 1 Il programma MATLAB: indice Introduzione, help e files Punteggiatura e variabili Operatori Matrici Polinomi Istruzione IF-THEN-ELSE e Cicli Stringhe di testo, input ed output Grafici

Dettagli

Applicazione della tsvd all elaborazione di immagini

Applicazione della tsvd all elaborazione di immagini Applicazione della tsvd all elaborazione di immagini A cura di: Mauro Franceschelli Simone Secchi Indice pag Introduzione. 1 Problema diretto.. 2 Problema Inverso. 3 Simulazioni.. Introduzione Scopo di

Dettagli

Appunti sull uso di matlab - I

Appunti sull uso di matlab - I Appunti sull uso di matlab - I. Inizializazione di vettori.. Inizializazione di matrici.. Usare gli indici per richiamare gli elementi di un vettore o una matrice.. Richiedere le dimensioni di una matrice

Dettagli

ANALISI ALGORITMICA CON MATLAB

ANALISI ALGORITMICA CON MATLAB ANALISI ALGORITMICA CON MATLAB Di Rizzo Roberto PREMESSA Nel vasto campo del trading on line, e più specificatamente nell Analisi Tecnica, software come Excel e MatLab sono quelli tra i più utilizzati,

Dettagli

Analisi di risposte di sistemi dinamici in MATLAB

Analisi di risposte di sistemi dinamici in MATLAB Laboratorio di Fondamenti di Automatica Seconda esercitazione Analisi di risposte di sistemi dinamici in MATLAB 2005 Alberto Leva, Marco Lovera, Maria Prandini Premessa Scopo di quest'esercitazione di

Dettagli

Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005

Corso 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:

Dettagli

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys.

METODO DEI MINIMI QUADRATI. Quest articolo discende soprattutto dai lavori di Deming, Press et al. (Numerical Recipes) e Jefferys. METODO DEI MINIMI QUADRATI GIUSEPPE GIUDICE Sommario Il metodo dei minimi quadrati è trattato in tutti i testi di statistica e di elaborazione dei dati sperimentali, ma non sempre col rigore necessario

Dettagli

PROVA SCRITTA DI TEORIA DEI SEGNALI DEL 13.06.2005. Tempo: 2.5 ore. È consentito l uso di libri ed appunti propri. y 1 (t) + + y(t) H(f) = 1 4

PROVA SCRITTA DI TEORIA DEI SEGNALI DEL 13.06.2005. Tempo: 2.5 ore. È consentito l uso di libri ed appunti propri. y 1 (t) + + y(t) H(f) = 1 4 INFO (DF-M) PROVA SCRITTA DI TEORIA DEI SEGNALI DEL 3.06.005. Tempo:.5 ore. È consentito l uso di libri ed appunti propri. ESERCIZIO (0 punti) x(t) g(x) z(t) H(f) H(f) y (t) + + y (t) y(t) H(f) = 4 ( e

Dettagli

Elettronica per le telecomunicazioni

Elettronica per le telecomunicazioni POLITECNICO DI TORINO Elettronica per le telecomunicazioni Relazione di laboratorio Gruppo: A08 Antona Maria Gabriella Matricola: 482 Degno Angela Rita Matricola: 4855 Fiandrino Claudio Matricola: 38436

Dettagli

Laboratorio per l Elaborazione MultiMediale Lezione 1 - Introduzione a Matlab R

Laboratorio per l Elaborazione MultiMediale Lezione 1 - Introduzione a Matlab R Laboratorio per l Elaborazione MultiMediale Lezione 1 - a Prof. Michele Scarpiniti Dipartimento di Ingegneria dell Informazione, Elettronica e Telecomunicazioni Sapienza Università di Roma http://ispac.ing.uniroma1.it/scarpiniti/index.htm

Dettagli

v in v out x c1 (t) Molt. di N.L. H(f) n

v in v out x c1 (t) Molt. di N.L. H(f) n Comunicazioni elettriche A - Prof. Giulio Colavolpe Compito n. 3 3.1 Lo schema di Fig. 1 è un modulatore FM (a banda larga). L oscillatore che genera la portante per il modulatore FM e per la conversione

Dettagli

Corso di Laurea in Ingegneria Biomedica Corso di Trasmissione Numerica (6 crediti) Prova scritta 16.02.2006

Corso 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

Dettagli

SISTEMI DI CONTROLLO Ingegneria Meccanica e Ingegneria del Veicolo

SISTEMI DI CONTROLLO Ingegneria Meccanica e Ingegneria del Veicolo SISTEMI DI CONTROLLO Ingegneria Meccanica e Ingegneria del Veicolo http://www.dii.unimore.it/~lbiagiotti/sistemicontrollo.html it/~lbiagiotti/sistemicontrollo html INTRODUZIONE A MATLAB Ing. e-mail: luigi.biagiotti@unimore.it

Dettagli

A.1 Rappresentazione geometrica dei segnali

A.1 Rappresentazione geometrica dei segnali Appendice A Rappresentazione dei segnali A.1 Rappresentazione geometrica dei segnali Scomporre una generica forma d onda s(t) in somma di opportune funzioni base è operazione assai comune, particolarmente

Dettagli

Capitolo 4. Sistemi lineari tempo-invarianti: analisi nel dominio della frequenza

Capitolo 4. Sistemi lineari tempo-invarianti: analisi nel dominio della frequenza Capitolo 4 Sistemi lineari tempo-invarianti: analisi nel dominio della frequenza 1. Introduzione In questo capitolo ci occuperemo dell analisi nel dominio della frequenza di sistemi dinamici lineari tempo-invarianti.

Dettagli

UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI INGEGNERIA DIPARTIMENTO DI INGEGNERIA DELL INFORMAZIONE CORSO DI LAUREA MAGISTRALE IN BIOINGEGNERIA

UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI INGEGNERIA DIPARTIMENTO DI INGEGNERIA DELL INFORMAZIONE CORSO DI LAUREA MAGISTRALE IN BIOINGEGNERIA UNIVERSITA DEGLI STUDI DI PADOVA FACOLTA DI INGEGNERIA DIPARTIMENTO DI INGEGNERIA DELL INFORMAZIONE CORSO DI LAUREA MAGISTRALE IN BIOINGEGNERIA FILTRAGGIO BAYESIANO ON-LINE PER IL MIGLIORAMENTO DEI SISTEMI

Dettagli

Istantanea Set 28, 2013 - Ott 25, 2013 (28 giorni)

Istantanea Set 28, 2013 - Ott 25, 2013 (28 giorni) PAGINA 1 DI 28 Istantanea Set 28, 2013 - Ott 25, 2013 (28 giorni) Glicemia PERIODO DI REFERTAZIONE SELEZIONATO Test 44% Sopra valore stabilito 41% Nel target 15% Sotto valore stabilito Deviazione standard

Dettagli

Filtraggio dei dati. bozza bozza bozza

Filtraggio dei dati. bozza bozza bozza Filtraggio dei dati In molte applicazioni è necessario rimuovere da una serie di dati il rumore che ad essi si sovrappone. Questo al fine ad esempio di estrarre il segnale vero da una serie di misure sperimentali,

Dettagli

UD6 - MATLAB. Gestione della grafica

UD6 - MATLAB. Gestione della grafica UD6 - MATLAB Gestione della grafica Grafici MatLab può produrre grafici 2D e 3D Disegnare un Grafico Il comando plot produce grafici in 2 dimensioni; plot(x,y)apre una finestra e disegna il punto (x,y);

Dettagli

= E(X t+k X t+k t ) 2 + 2E [( X t+k X t+k t + E

= E(X t+k X t+k t ) 2 + 2E [( X t+k X t+k t + E 1. Previsione per modelli ARM A Questo capitolo è dedicato alla teoria della previsione lineare per processi stocastici puramente non deterministici, cioè per processi che ammettono una rappresentazione

Dettagli

PRBS: Pseudo Random Binary Sequences

PRBS: Pseudo Random Binary Sequences PRBS: Pseudo Random Binary Sequences Chiara Masiero http://automatica.dei.unipd.it/people/chiara-masiero DEI - UniPD 3 Novembre 2 C. Masiero (DEI - UniPD) PRBS tutorial 3 Novembre 2 / 8 Motivazione Contesto

Dettagli

Preprocessamento dei Dati

Preprocessamento dei Dati Preprocessamento dei Dati Raramente i dati sperimentali sono pronti per essere utilizzati immediatamente per le fasi successive del processo di identificazione, a causa di: Offset e disturbi a bassa frequenza

Dettagli

ITIS J.F. Kennedy prof. Maurilio Bortolussi 1. Indice

ITIS J.F. Kennedy prof. Maurilio Bortolussi 1. Indice ITIS J.F. Kennedy prof. Maurilio Bortolussi 1 Indice 1 I SISTEMI LINEARI E CONTINUI NEL DOMINIO DEL TEMPO 2 1.1 Introduzione........................................ 2 1.2 La funzione di trasferimento...............................

Dettagli

MATLAB - Introduzione Enrico Nobile. 2 a Parte. MATLAB - Introduzione E. Nobile - DINMA - Sezione di Fisica Tecnica, Università di Trieste.

MATLAB - Introduzione Enrico Nobile. 2 a Parte. MATLAB - Introduzione E. Nobile - DINMA - Sezione di Fisica Tecnica, Università di Trieste. Enrico Nobile 2 a Parte 1 M-files MATLAB può eseguire una serie di comandi memorizzati su file; Tali files sono chiamati M-files, poiché devono avere l estensione.m (es. tridia.m); L utilizzo di MATLAB

Dettagli

Nome: Nr. Mat. Firma:

Nome: Nr. Mat. Firma: Fondamenti di Controlli Automatici - A.A. 7/8 4 Dicembre 7 - Esercizi Compito A Nr. Nome: Nr. Mat. Firma: a) Determinare la trasformata di Laplace X i (s) dei seguenti segnali temporali x i (t): x (t)

Dettagli

RETI DI TELECOMUNICAZIONE

RETI DI TELECOMUNICAZIONE RETI DI TELECOMUNICAZIONE NOZIONI ELEMENTARI DI MATLAB Cos è MATLAB Il nome MATLAB sta per MATrix LABoratory E un linguaggio ad alta prestazione per l elaborazione tecnica E un sistema interattivo il cui

Dettagli

Tutorial di Matlab. Davide Manca Calcoli di Processo dell Ingegneria Chimica Politecnico di Milano

Tutorial di Matlab. Davide Manca Calcoli di Processo dell Ingegneria Chimica Politecnico di Milano TM Tutorial di Matlab TM Avvio di Matlab TM 2 Avvio di Matlab Si noti che Matlab esegue i calcoli e memorizza le variabili (scalari, vettoriali o matriciali) in doppia precisione TM 3 Matrici Per lanciare

Dettagli

if t>=0 x=1; else x=0; end fornisce, nella variabile x, il valore della funzione gradino a tempi continui, calcolata in t.

if t>=0 x=1; else x=0; end fornisce, nella variabile x, il valore della funzione gradino a tempi continui, calcolata in t. Il programma MATLAB In queste pagine si introduce in maniera molto breve il programma di simulazione MAT- LAB (una abbreviazione di MATrix LABoratory). Introduzione MATLAB è un programma interattivo di

Dettagli

Computazione per l interazione naturale: Modelli dinamici

Computazione per l interazione naturale: Modelli dinamici Computazione per l interazione naturale: Modelli dinamici Corso di Interazione Naturale Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it boccignone.di.unimi.it/in_2015.html

Dettagli

Segnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro

Segnali e Sistemi. Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici. Gianni Borghesan e Giovanni Marro Segnali e Sistemi Dispensa integrativa per l insegnamento di Elementi di Controlli Automatici Gianni Borghesan e Giovanni Marro Indice Introduzione 2. Notazione............................. 2 2 Classificazione

Dettagli

Approssimazione polinomiale di funzioni e dati

Approssimazione polinomiale di funzioni e dati Approssimazione polinomiale di funzioni e dati Approssimare una funzione f significa trovare una funzione f di forma più semplice che possa essere usata al posto di f. Questa strategia è utilizzata nell

Dettagli

Lezione 4. Enea Cippitelli e.cippitelli@univpm.it Samuele Gasparrini s.gasparrini@univpm.it

Lezione 4. Enea Cippitelli e.cippitelli@univpm.it Samuele Gasparrini s.gasparrini@univpm.it Corso di Tecnologie per le Telecomunicazioni Utilizzo del sensore Kinect in ambiente Matlab Lezione 4 Enea Cippitelli e.cippitelli@univpm.it Samuele Gasparrini s.gasparrini@univpm.it 1 Outline Skeletal

Dettagli

LA VARIABILE ESPONENZIALE

LA VARIABILE ESPONENZIALE LA VARIABILE ESPONENZIALE E. DI NARDO 1. Analogia con la v.a. geometria In una successione di prove ripetute di Bernoulli, la v.a. geometrica restituisce il numero di prove necessarie per avere il primo

Dettagli

I Lezione: Il programma MATLAB. 1 Introduzione. 2 Matrici in MATLAB

I Lezione: Il programma MATLAB. 1 Introduzione. 2 Matrici in MATLAB I Lezione: Il programma MATLAB In questa sezione introdurremo in maniera molto breve il programma di simulazione MATLAB (una abbreviazione di MAtrix LABoratory) che è stato usato per lo sviluppo delle

Dettagli

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche. Analisi dei segnali A.A. 2008-09.

Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche. Analisi dei segnali A.A. 2008-09. Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Analisi dei segnali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Segnali continui e discreti Un segnale tempo-continuo è

Dettagli

Analysis of temperature time series from thermal IR continuous monitoring network (TIIMNet) at Campi Flegrei Caldera in the period 2004-2011

Analysis of temperature time series from thermal IR continuous monitoring network (TIIMNet) at Campi Flegrei Caldera in the period 2004-2011 30 convegno Analysis of temperature time series from thermal IR continuous monitoring network (TIIMNet) at Campi Flegrei Caldera in the period 2004-2011 F. Sansivero, G. Vilardo, P. De Martino, G. Chiodini

Dettagli

Calcolo Numerico A.A. 2013-2014 Esercitazione n. 3 21-03-2014

Calcolo Numerico A.A. 2013-2014 Esercitazione n. 3 21-03-2014 Calcolo Numerico A.A. 2013-2014 Esercitazione n. 3 21-03-2014 Grafica: plot 2D Grafica MATLAB è molto più di un semplice software in grado di eseguire calcoli numerici (anche se in forma molto sofisticata).

Dettagli

Introduzione agli ambienti

Introduzione agli ambienti Introduzione agli ambienti MATLAB c e Octave Utilizzo di Matlab/Octave ed operazioni fondamentali. Primi rudimenti di grafica. Paola Gervasio 1 MATLAB = MATrix LABoratory è un ambiente integrato per la

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 CONTROLLI DIGITALI Laurea Magistrale in Ingegneria Meccatronica SISTEMI A TEMPO DISCRETO Ing. Tel. 0522 522235 e-mail: cristian.secchi@unimore.it http://www.dismi.unimo.it/members/csecchi Richiami di Controlli

Dettagli

Sommario. 1 Specifiche della soluzione. Davide Anastasia, Nicola Cogotti. 27 dicembre 2005

Sommario. 1 Specifiche della soluzione. Davide Anastasia, Nicola Cogotti. 27 dicembre 2005 Utilizzo delle reti neurali di tipo MLP e RBF per l approssimazione di funzioni reali di variabile reale note mediante coppie di punti (x,y) in presenza di rumore Davide Anastasia, Nicola Cogotti 27 dicembre

Dettagli

Motore in corrente continua Controllo in retroazione dello stato e Osservatore dello stato Controllo ottimo

Motore in corrente continua Controllo in retroazione dello stato e Osservatore dello stato Controllo ottimo Motore in corrente continua Controllo in retroazione dello stato e Osservatore dello stato Controllo ottimo Esercitazioni di Controlli Automatici LS (Prof. C. Melchiorri) Si consideri il motore elettrico

Dettagli

Politecnico di Milano. Fondamenti di Automatica (CL Ing. Gestionale) a.a.2014-15 Prof. Silvia Strada Prima prova intermedia 28 Novembre 2014 SOLUZIONE

Politecnico di Milano. Fondamenti di Automatica (CL Ing. Gestionale) a.a.2014-15 Prof. Silvia Strada Prima prova intermedia 28 Novembre 2014 SOLUZIONE Politecnico di Milano Fondamenti di Automatica (CL Ing. Gestionale) a.a.014-15 Prof. Silvia Strada Prima prova intermedia 8 Novembre 014 SOLUZIONE ESERCIZIO 1 punti: 8 su 3 Si consideri il sistema dinamico

Dettagli

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI La differenza tra il restauro e il miglioramento (enhancement) delle immagini è che il miglioramento è un processo soggettivo, mentre il restauro è un processo

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Laurea Specialistica in Ingegneria Meccatronica STRUMENTI MATEMATICI PER L ANALISI DEI SISTEMI DISCRETI Ing. Tel. 0522 522235 e-mail: secchi.cristian@unimore.it

Dettagli

Elaborazione delle Immagini Digitali

Elaborazione delle Immagini Digitali Elaborazione delle Immagini Digitali Parte I Prof. Edoardo Ardizzone A.A. 2-22 La trasformata di Hotelling o di Karhunen-Loeve KLT discreta Questa trasformata detta anche analisi delle componenti principali

Dettagli

Modelli finanziari per i tassi di interesse

Modelli finanziari per i tassi di interesse MEBS Lecture 3 Modelli finanziari per i tassi di interesse MEBS, lezioni Roberto Renò Università di Siena 3.1 Modelli per la struttura La ricerca di un modello finanziario che descriva l evoluzione della

Dettagli

Identificazione di sistemi dinamici

Identificazione di sistemi dinamici Scuola universitaria professionale della Svizzera italiana SUP SI Dipartimento Tecnologie Innovative Identificazione di sistemi dinamici Ivan Furlan 21 dicembre 2011 Identificazione di sistemi dinamici

Dettagli

Introduzione al Simulink

Introduzione al Simulink Introduzione al Simulink pag. 1 L ambiente Simulink Simulink è un ambiente grafico per la simulazione di sistemi complessi Simulink è composto da una libreria di blocchi che descrivono elementi statici

Dettagli

Comandi di Input/Output in Matlab

Comandi di Input/Output in Matlab Comandi di Input/Output in Matlab Il comando format controlla la configurazione numerica dei valori esposta da MAT- LAB; il comando regola solamente come i numeri sono visualizzati o stampati, non come

Dettagli

Analisi e controllo di uno scambiatore di calore

Analisi e controllo di uno scambiatore di calore Università degli Studi di Roma Tor Vergata FACOLTÀ DI INGNEGNERIA Corso di Laurea Magistrale in Ingegneria dell automazione Progetto per il corso di controllo dei processi Analisi e controllo di uno scambiatore

Dettagli

IL FILTRAGGIO DEL SEGNALE

IL FILTRAGGIO DEL SEGNALE CAPITOLO 4 IL FILTRAGGIO DEL SEGNALE 4.1 - SISTEMA LINEARE NON DISTORCENTE E un sistema lineare che restituisce in uscita una replica indistorta del segnale di entrata, intendendo x(t) y(t) = Ax(t-t 0

Dettagli

ELEMENTI DI STATISTICA DESCRITTIVA

ELEMENTI DI STATISTICA DESCRITTIVA Metodi Statistici e Probabilistici per l Ingegneria ELEMENTI DI STATISTICA DESCRITTIVA Corso di Laurea in Ingegneria Civile Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain E-mail:

Dettagli

Software di calcolo numerico, analisi, statistica e simulazione. Un esempio pratico: Octave

Software di calcolo numerico, analisi, statistica e simulazione. Un esempio pratico: Octave Software di calcolo numerico, analisi, statistica e simulazione Un esempio pratico: Octave Problemi tradizionali Risoluzione di funzioni matematiche complesse Esecuzione di calcoli matriciali Analisi

Dettagli

Esempi di uso e applicazioni di Matlab e simulink. 1) Uso delle funzioni ode23 e ode45 per l'integrazione di equazioni differenziali con Matlab

Esempi di uso e applicazioni di Matlab e simulink. 1) Uso delle funzioni ode23 e ode45 per l'integrazione di equazioni differenziali con Matlab Esempi di uso e applicazioni di Matlab e simulink ) Uso delle funzioni ode23 e ode45 per l'integrazione di equazioni differenziali con Matlab Sia dato da integrare una equazione differenziale scalare di

Dettagli

CONFRONTO TRA TECNICHE DI PREVISIONE: Processi regressivi e reti neurali artificiali

CONFRONTO TRA TECNICHE DI PREVISIONE: Processi regressivi e reti neurali artificiali Paolo Mezzera Ottobre 2003 CONFRONTO TRA TECNICHE DI PREVISIONE: Processi regressivi e reti neurali artificiali Questo lavoro ha lo scopo di confrontare previsioni ottenute mediante processi regressivi

Dettagli

Grafici tridimensionali

Grafici tridimensionali MatLab Lezione 3 Grafici tridimensionali Creazione di un Grafico 3D (1/4) Si supponga di voler tracciare il grafico della funzione nell intervallo x = [0,5]; y=[0,5] z = e -(x+y)/2 sin(3x) sin(3y) Si può

Dettagli

Prova scritta di Controlli Automatici - Compito A

Prova scritta di Controlli Automatici - Compito A Prova scritta di Controlli Automatici - Compito A 21 Marzo 27 Domande a Risposta Multipla Per ognuna delle seguenti domande a risposta multipla, indicare quali sono le affermazioni vere. 1. Si consideri

Dettagli

Metodi Stocastici per la Finanza

Metodi Stocastici per la Finanza Metodi Stocastici per la Finanza Tiziano Vargiolu vargiolu@math.unipd.it 1 1 Università degli Studi di Padova Anno Accademico 2011-2012 Lezione 6 Indice 1 Il metodo bootstrap 2 Esercitazione 3 Interpolazione

Dettagli

Rappresentazione nello spazio degli stati

Rappresentazione nello spazio degli stati Chapter 1 Rappresentazione nello spazio degli stati La modellazione di un sistema lineare di ordine n, fornisce un insieme di equazioni differenziali che una volta trasformate nel dominio discreto, possono

Dettagli

MATLAB. Note Introduttive. Matlab

MATLAB. Note Introduttive. Matlab MATLAB Note Introduttive Cos é MATLAB MATLAB (MATrix LABoratory) è un programma interattivo per il calcolo numerico, in cui l elemento base èlamatrice Viene oggi largamente utilizzato sia per la didattica

Dettagli

Complementi sui filtri

Complementi sui filtri Elaborazione numerica dei segnali Appendice ai capitoli 4 e 5 Complementi sui filtri Introduzione... Caratteristiche dei filtri ideali... Filtri passa-basso...4 Esempio...7 Filtri passa-alto...8 Filtri

Dettagli

3 Le operazioni finanziarie 21 3.1 Criteri di scelta in condizioni di certezza... 22 3.1.1 Il criterio del VAN... 22 3.1.2 Il criterio del TIR...

3 Le operazioni finanziarie 21 3.1 Criteri di scelta in condizioni di certezza... 22 3.1.1 Il criterio del VAN... 22 3.1.2 Il criterio del TIR... Indice 1 I tassi di interesse 1 1.1 Tasso di interesse Semplice.................... 2 1.2 Tasso di interesse Composto................... 3 1.3 Esempi tasso semplice...................... 4 1.4 Esempi tasso

Dettagli

Complementi di Controllo Digitale

Complementi di Controllo Digitale Complementi di Controllo Digitale Alberto Bemporad Dipartimento di Ingegneria dell Informazione Università degli Studi di Siena bemporad@dii.unisi.it http://www.dii.unisi.it/~bemporad Corso di Laurea in

Dettagli

LAB LEZ. 1 STATISTICA DESCRITTIVA CON R

LAB LEZ. 1 STATISTICA DESCRITTIVA CON R LAB LEZ. 1 STATISTICA DESCRITTIVA CON R 1 2 L AMBIENTE DI SVILUPPO DI RStudio 1 3 4 2 1 FINESTRA PER GLI SCRIPT E PER VISUALIZZARE I DATI 2 CONSOLE DEI COMANDI 3 VARIABILI PRESENTI NELLA MEMORIA DEL PROGRAMMA

Dettagli

Metodi Statistici di Controllo della Qualità Prof. Paolo Cozzucoli

Metodi Statistici di Controllo della Qualità Prof. Paolo Cozzucoli Programma dell insegnamento di Metodi Statistici di Controllo della Qualità Prof. Paolo Cozzucoli Corso di Laurea in Metodi Quantitativi per l Economia e la Gestione delle Aziende A.A. 2007-08 Disciplina

Dettagli

Metodi di Interpolazione Polinomiale: Implementazione MATLAB e Applicazioni

Metodi di Interpolazione Polinomiale: Implementazione MATLAB e Applicazioni Metodi di Interpolazione Polinomiale: Implementazione MATLAB e Applicazioni Lai Stefano Docente: Prof. Giuseppe Rodriguez Tesina per il Corso di Calcolo Numerico 2, A.A. 2006/2007 2 marzo 2007 Introduzione

Dettagli

Revisione dei concetti fondamentali dell analisi in frequenza

Revisione dei concetti fondamentali dell analisi in frequenza Revisione dei concetti fondamentali dell analisi in frequenza Argomenti: trasformazione in frequenza: significato e funzionamento; schemi di rappresentazione; trasformata discreta. 1 Rappresentazione dei

Dettagli

Studio della camminata tramite accelerometri e sistemi GPS

Studio della camminata tramite accelerometri e sistemi GPS Università degli studi di Firenze FACOLTÀ DI SCIENZE MATEMATICHE FISICHE E NATURALI Corso di laurea in Informatica Studio della camminata tramite accelerometri e sistemi GPS Candidato: Samuele Carli Relatore:

Dettagli

4. Matrici e Minimi Quadrati

4. Matrici e Minimi Quadrati & C. Di Natale: Matrici e sistemi di equazioni di lineari Formulazione matriciale del metodo dei minimi quadrati Regressione polinomiale Regressione non lineare Cross-validazione e overfitting Regressione

Dettagli

Analisi dei sistemi di controllo a segnali campionati

Analisi dei sistemi di controllo a segnali campionati Analisi dei sistemi di controllo a segnali campionati Sistemi di controllo (già analizzati) Tempo continuo (trasformata di Laplace / analisi in frequenza) C(s) controllore analogico impianto attuatori

Dettagli

Orlando Allocca Regolatori standard

Orlando Allocca Regolatori standard A09 159 Orlando Allocca Regolatori standard Copyright MMXII ARACNE editrice S.r.l. www.aracneeditrice.it info@aracneeditrice.it via Raffaele Garofalo, 133/A B 00173 Roma (06) 93781065 ISBN 978-88-548-4882-7

Dettagli

Teoria dei Segnali Covarianza, correlazione e densità spettrale di potenza; processi stocastici stazionari

Teoria dei Segnali Covarianza, correlazione e densità spettrale di potenza; processi stocastici stazionari Teoria dei Segnali Covarianza, correlazione e densità spettrale di potenza; processi stocastici stazionari Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it

Dettagli

MATLAB Esercitazione #1: (dominio di Laplace)

MATLAB Esercitazione #1: (dominio di Laplace) Matlab Es# MATLAB Esercitazione #: (dominio di Laplace) Costruzione F.d.T. e operazioni elementari: num,den,tf; *,+-,/» help tf TF Creation of transfer functions or conversion. You can create SISO or MIMO

Dettagli

LABORATORY OF AUTOMATION SYSTEMS ADAPTIVE CONTROLLERS

LABORATORY OF AUTOMATION SYSTEMS ADAPTIVE CONTROLLERS Laboratory of Automation Systems p. 1/46 LABORATORY OF AUTOMATION SYSTEMS ADAPTIVE CONTROLLERS Prof. Claudio Bonivento CASY-DEIS, University of Bologna claudio.bonivento@unibo.it Laboratory of Automation

Dettagli

Dispositivi Minimamente Invasivi

Dispositivi Minimamente Invasivi Dispositivi Minimamente Invasivi per Diagnosi, Monitoraggio e Terapia Esercitazione 11 Alessandro Tognetti Nicola Carbonaro a.tognetti@centropiaggio.unipi.it tti@ t i i i i it nicola.carbonaro@centropiaggio.unipi.it

Dettagli

IL DATA MANAGEMENT NELLA PRATICA CLINICA. Dott.ssa Silvia Acquati U.O. di Endocrinologia e Malattie Metaboliche Direttore Dott. M.

IL DATA MANAGEMENT NELLA PRATICA CLINICA. Dott.ssa Silvia Acquati U.O. di Endocrinologia e Malattie Metaboliche Direttore Dott. M. IL DATA MANAGEMENT NELLA PRATICA CLINICA Dott.ssa Silvia Acquati U.O. di Endocrinologia e Malattie Metaboliche Direttore Dott. M. Nizzoli RUOLO DEL COMPENSO GLICEMICO The Diabetes control and complications

Dettagli

Dati importati/esportati

Dati importati/esportati Dati importati/esportati Dati importati Al workspace MATLAB script Dati esportati file 1 File di testo (.txt) Spreadsheet Database Altro Elaborazione dati Grafici File di testo Relazioni Codice Database

Dettagli

Control System Toolbox

Control System Toolbox Control System Toolbox E` un insieme di funzioni per l analisi di sistemi dinamici (tipicamente lineari tempo invarianti o LTI) e per la sintesi di controllori (in particolare a retroazione). All'interno

Dettagli

T I P S T R A P S. La prezzatura di Opzioni Call e Put Europea con il metodo Montecarlo

T I P S T R A P S. La prezzatura di Opzioni Call e Put Europea con il metodo Montecarlo La prezzatura di Opzioni Call e Put Europea con il metodo Montecarlo In un mercato finanziario le opzioni a comprare (Call) o a vendere (Put) un titolo costituiscono il diritto, in un determinato periodo

Dettagli

MATLAB. Caratteristiche. Dati. Esempio di programma MATLAB. a = [1 2 3; 4 5 6; 7 8 9]; b = [1 2 3] ; c = a*b; c

MATLAB. Caratteristiche. Dati. Esempio di programma MATLAB. a = [1 2 3; 4 5 6; 7 8 9]; b = [1 2 3] ; c = a*b; c Caratteristiche MATLAB Linguaggio di programmazione orientato all elaborazione di matrici (MATLAB=MATrix LABoratory) Le variabili sono matrici (una variabile scalare equivale ad una matrice di dimensione

Dettagli

Sistemi di Telecomunicazione

Sistemi di Telecomunicazione Sistemi di Telecomunicazione Parte 10: Carrier Recovery Universita Politecnica delle Marche A.A. 2013-2014 A.A. 2013-2014 Sistemi di Telecomunicazione 1/20 Schema generico di ricevitore A.A. 2013-2014

Dettagli

-3-2 -1 0 1 2 3. Time. white noise Questo processo viene utilizzato spesso per descrivere un disturbo casuale.

-3-2 -1 0 1 2 3. Time. white noise Questo processo viene utilizzato spesso per descrivere un disturbo casuale. Lezione 7 Processi stocastici Scopo di questa lezione è presentare: il concetto generale di processo stocastico (tempo discreto e tempo continuo) random walk, white noise, dinamiche discrete il moto browniano

Dettagli

Prova scritta di Controlli Automatici

Prova scritta di Controlli Automatici Prova scritta di Controlli Automatici Corso di Laurea in Ingegneria Meccatronica, AA 2011 2012 10 Settembre 2012 Domande a Risposta Multipla Per ognuna delle seguenti domande a risposta multipla, indicare

Dettagli

Reti Neurali per la Predizione della Glicemia Futura mediante Sensori per il Continuous Glucose Monitoring

Reti Neurali per la Predizione della Glicemia Futura mediante Sensori per il Continuous Glucose Monitoring UNIVERSITÀ DEGLI STUDI DI PADOVA FACOLTÀ DI INGEGNERIA Dipartimento di Ingegneria dell Informazione Corso di Laurea Magistrale in Bioingegneria Tesi di Laurea Reti Neurali per la Predizione della Glicemia

Dettagli

... a) Lo spettro di un segnale SSB è costituito da... b) Un segnale SSB può essere ottenuto... in una... mediante un... centrato su...

... a) Lo spettro di un segnale SSB è costituito da... b) Un segnale SSB può essere ottenuto... in una... mediante un... centrato su... MODULAZIONE ANALOGICA UNITÀ VERIFICA Copleta: a) Per odulazione lineare si intende la... dello spettro del... intorno alla frequenza... b) La odulazione di apiezza consiste nel... del segnale portante...

Dettagli