Introduzione alla Teoria degli Errori

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Introduzione alla Teoria degli Errori"

Transcript

1 Introduzione alla Teoria degli Errori 1 Gli errori di misura sono inevitabili Una misura non ha significato se non viene accompagnata da una ragionevole stima dell errore ( Una scienza si dice esatta non perché basata su informazioni infinitamente esatte, ma perché la sua metodologia consente di conoscere il valore dell indeterminazione associata ad esse, ovvero di conoscere il limite del contenuto di informazioni che esse portano. ) Esempio: in ogni caso dobbiamo tenere conto almeno dell errore di sensibilità dello strumento utilizzato per una riga millimetrata l errore di sensibilità è per un calibro ventesimale 1 mm 0,05 mm

2 errori sistematici spostano il risultato delle misure in una stessa direzione (per eccesso o per difetto) teorici: fenomeni individuabili ma trascurati impropriamente (sasso nel pozzo...) strumentali: possono essere individuati e corretti usando strumenti migliori (taratura bilancia, dilatazione termica righello di metallo, ecc...) personali: legati all uso dello strumento (errore di parallasse,...) 3 errori accidentali aleatori e imprevedibili, ma possono essere valutati misure ripetute il risultato di un esperimento è una variabile aleatoria (non predicibile a priori, in senso deterministico). Questo comportamento stocastico è sia contenuto nella natura del fenomeno studiato, che conseguenza delle inevitabili incertezze dell apparato sperimentale. 4

3 Nel caso di misure ripetibili, lo sparpagliamento dei risultati dà una indicazione preziosa dell errore delle misure (e del probabile valore vero ). Esempio: supponiamo di misurare il periodo di oscillazione di un pendolo con un cronometro di precisione. Ripetendo la misura troviamo che i risultati non sono sempre gli stessi:,3 s,4 s,5 s,4 s possiamo ragionevolmente supporre che la miglior stima del periodo sia il valore medio. Come errore possiamo considerare la semidispersione massima: x = 1 n n i=1 x i x = x max x min ( ) x x min x max 5 Si presentano due possibili casi: a causa della scarsa sensibilità strumentale misure ripetute forniscono lo stesso risultato lo strumento permette di evidenziare la non-riproducibilità (in parte intrinseca, in parte dovuta all apparato strumentale) del fenomeno in esame: il fenomeno sfugge al completo controllo fluttuazioni di misura 6

4 Rappresentazione di fenomeni casuali Abbiamo precedentemente esaminato il caso di un esperimento in cui l insieme dei possibili risultati (spazio campione) risulta finito e discreto lancio di due dadi a sei facce 7 Nel caso di una variabile aleatoria continua si definisce la funzione densità di probabilità (PDF): p(x) = lim x 0 P(x, x) x p(x) P(a x b) = b a p(x)dx x 8

5 La pdf deve essere normalizzata : + ˆx = E(x) = p(x)dx = 1 Si definisce valore di aspettazione della variabile aleatoria: + xp(x)dx La stessa definizione vale per qualsiasi funzione della variabile aleatoria: E{f(x)} = Si dimostrano le seguenti proprietà: + f(x)p(x)dx E(k) = k E(kf) = ke(f) E(f + g) = E(f) + E(g) E è un operatore lineare. 9 Come si misura la dispersione della variabile attorno al valore di aspettazione (valore medio)? E[ˆx x] = E[x] ˆx = 0 Allora introduciamo lo scarto quadratico medio : E[(ˆx x) ] = σ σ σ σ = x varianza della distribuzione deviazione standard errore statistico Se i risultati di una misura fluttuano, essi sono delle variabili casuali che dipendono dalle condizioni sperimentali. La media di questa variabile casuale è il valore più significativo del risultato. La deviazione standard misura l incertezza da attribuire al risultato. 10

6 Tra le distribuzioni discrete più importanti ricordiamo la distribuzione binomiale e quella di Poisson. Tra le distribuzioni continue più importanti in fisica (e non solo) trattiamo la distribuzione normale o di Gauss se le cause di non riproducibilità della misura sono in gran numero, se i loro effetti sono relativamente piccoli, dello stesso ordine di grandezza ed hanno uguale probabilità di assumere valori maggiori o minori della media, si trova che il risultato delle misure segue la distribuzione di Gauss g(x) = 1 σ (x ˆx) π e σ 11 g(x) = 1 σ (x ˆx) π e σ 1

7 Probabilità che x sia compreso tra a e b: P(a x b) = b a g(x)dx Non esiste una espressione analitica per l integrale a destra. Consultando le tavole degli integrali si trova una proprietà interessante della varianza per la distribuzione normale: P( x ˆx σ) = ˆx σ ˆx σ g(x)dx = 0,68 ˆx σ ˆx ˆx + σ 13 Anche potendo fare ipotesi sulla distribuzione dei dati sperimentali (della quale si postula l esistenza), non sono in genere noti a priori i parametri della distribuzione (valore medio e varianza). Da un insieme di misure ripetute, che rappresenta un campione delle misure possibili, dobbiamo trovare la miglior stima possibile di questi parametri 14

8 Giustificazione della media aritmetica come miglior stima del valore medio della distribuzione: x = 1 n xi la media aritmetica dipende dai dati sperimentali è quindi una variabile aleatoria! Vediamo dunque quale è il valore di aspettazione della media aritmetica E{ x} = 1 E{xi } = 1 nˆx = ˆx n n si dice quindi che la media aritmetica è un estimatore del valore medio della distribuzione 15 essendo la media aritmetica una variabile aleatoria possiamo anche calcolarne la varianza: σ ( x) = E{( x ˆx) } = σ (x) n In parole povere: qualunque sia la distribuzione delle la media aritmetica è distribuita attorno al valore vero e lo sparpagliamento decresce al crescere della dimensione del campione: se facessi infinite misure media aritmetica e valore medio coinciderebbero esattamente! x i 16

9 Giustificazione della varianza empirica come miglior stima della varianza della distribuzione dal momento che la varianza della pdf è definita come lo scarto quadratico medio dal valor medio della distribuzione, verrebbe naturale definire il seguente estimatore s = (xi x) ma questa scelta comporta il seguente problema, se n=1 allora s=0! n Per ovviare a questa difficoltà si definisce varianza empirica: s = (xi x) n 1 che per n=1 è correttamente indeterminata. 17 Si dimostra che la varianza empirica è un estimatore della varianza della distribuzione: E{s } = 1 n 1 E{ [(x i ˆx) + (ˆx x)] } = = σ (x) Vi risparmio il calcolo della varianza della varianza... Bisognerebbe tenere in mente che per usare lo scarto quadratico medio occorrono almeno una decina di misure... 18

10 Istogrammi e distribuzione limite 19 Supponiamo di misurare il tempo di caduta (in s) di una pallina per 50 volte... 1,6 1,30 1,9 1,41 1,44 1,38 1,4 1,15 1,49 1,3 1,37 1,59 1,4 1,33 1,15 1,35 1,37 1,31 1,41 1,35 1,8 1,30 1,31 1,6 1,3 1,45 1,40 1,33 1,34 1,41 1,39 1,7 1,41 1,5 1,31 1,45 1,19 1,39 1,41 1,7 1,46 1,34 1,44 1,37 1,35 1,30 1,35 1,53 1,3 1,5 ci proponiamo di visualizzare come si distribuiscono i dati sperimentali 0

11 La variabile aleatoria in questione (il tempo di caduta) è una variabile continua. Per visualizzare al meglio i dati costruiamo un istogramma a intervalli: intervalli numero di dati 1,1 ; 1,17 1,17 ; 1, 1 1, ; 1,7 4 1,7 ; 1,3 10 1,3 ; 1, ,37 ; 1,4 1 1,4 ; 1,47 7 1,47 ; 1,5 1 1,5 ; 1,57 1,57 ; 1, ,5 7,5 3,75 0 1,1 1,17 1, 1,7 1,3 1,37 1,4 1,47 1,5 1,57 1,6

12 Vediamo che i dati si distribuiscono attorno ad un picco. Eseguendo infinite misure e aumentando di conseguenza il numero di intervalli otterremo una distribuzione limite continua. Per poter confrontare l istogramma a barre con la distribuzione continua conveniamo di definire l altezza di ogni barra in modo che: f k k = n k N Es. nell intervallo [1,3;1,37] cadono 10 misure delle 50 effettuate, quindi: k = 0,05 s N = 50 n k = 10 } f k = 0, 4 s 1 3 Possiamo stimare il valore medio e la varianza dei dati del nostro esempio facendo uso della media aritmetica e della varianza empirica: x = 1,35 s σ = 0,09 s Confrontiamo il nostro istogramma a barre con la distribuzione normale con i parametri trovati sopra: g(x) = 1 σ (x ˆx) π e σ 4

13 5 A proposito della scelta degli intervalli: la dimensione degli intervalli deve essere tale da essere non inferiore alla sensibilità dello strumento utilizzato per fare le misure il numero di intervalli deve essere tale da rappresentare adeguatamente la distribuzione. Attenzione però: aumentare molto il numero di intervalli (a parità di numero di misure fatte) aumenta le fluttuazioni statistiche 6

14 7 Esercitazione di laboratorio 1. Formare 8 gruppi di lavoro; ciascun gruppo ha in dotazione una riga millimetrica, un calibro decimale o ventesimale e un pacchetto con una coppia di dadi, qualche decina di chiodi, un oggetto metallico.. Misurare con la riga e con il calibro le dimensioni dell'oggetto per determinarne il volume con l'errore associato. 3. Eseguire 100 lanci ciascuno di una moneta e scrivere la sequenza dei risultati. A lanci conclusi costruire la distribuzione delle frequenze e delle probabilità per 5, 50, 75 e 100 tentativi. Mettere insieme i risultati del gruppo. 4. Eseguire 100 lanci del doppio dado per gruppo. A lanci conclusi costruire la distribuzione delle frequenze e delle probabilità per 5, 50, 75 e 100 tentativi. 5. Misurare la lunghezza dei chiodi con il calibro (ognuno deve misurare tutti i chiodi del gruppo) e riportare il risultato in una tabella preliminare. Organizzare i dati riportando le misure in una tabella in ordine crescente e accompagnandole con le frequenze di uscita. Costruire tre istogrammi cambiando la larghezza dei sottointervalli. Calcolare la media aritmetica e la deviazione standard sperimentale associate all'insieme di dati. Provare a costruire la curva gaussiana teorica che è associata alla media aritmetica e alla deviazione standard risultante. 8

15 Propagazione degli errori nelle misure indirette 9 Consideriamo due grandezze omogenee a e b con incertezze a e b S S max min = = a± a b± b Somma ( a+ a) + ( b+ b) = ( a+ b) + ( a+ b) ( a a) + ( b b) = ( a+ b) ( a+ b) ( ) S = S max + S min = a + b S = S max S min = a + b ( ) 30

16 D D max min = = Differenza D = a b ( a+ a) ( b b) = ( a b) + ( a+ b) ( a a) ( b+ b) = ( a b) ( a+ b) ( ) D = D max + D min ( ) D = D max D min = a b = a + b 31 Prodotto P = ab P P max min = = ( a+ a)( b+ b) = ( ab) + ( b a+ a b+ a b) ( a a)( b b) = ( ab) ( b a+ a b a b) b ( ) P = a b + b a b a a 3

17 Errore relativo x± x Si definisce errore relativo: ε r = x x Domanda: misuro una strada lunga 10 km con un incertezza di 100 m ed un chiodo lungo 4 cm con una incertezza di 1 mm. Quale misura risulta più precisa? 33 Introdotto l errore relativo la regola del prodotto può essere riscritta come segue: Prodotto P = a b + b a P P = a a + b b 34

18 Quoziente Q = a b Per esercizio provate che anche in questo caso vale: Q = a b + b a b Q Q = a a + b b 35 Funzione di una variabile q = q(x) x± x q =? q q best q x x best x dq = dq dx dx 36

19 q = q(x best + x) q(x best ) una approssimazione fondamentale asserisce che: q(x + u) q(x) dq dx u dunque assumendo l errore su x piccolo abbastanza da trascurare i termini di ordine superiore: q = dq dx x 37 Regola generale Se una grandezza G è funzione di più grandezze a, b, c, cioè G=f(a,b,c,.) allora l errore massimo G è dato da: G = f a a 0 a + f b b 0 b + f c c 0 c +... Dove a0, b0, c0,. Sono le misure e a, b, c, sono le incertezze. 38

20 Cifre significative e rappresentazione delle misure La cifra più significativa è quella, diversa da zero, più a sinistra La cifra meno significativa è quella più a destra, diversa da zero, se non c è la virgola decimale. Se c è la virgola decimale la cifra meno significativa è quella più a destra, anche se è zero. Tutte le cifre tra la più e la meno significativa comprese sono le cifre significative convenzionalmente gli errori di misura si riportano con una sola cifra significativa (unica eccezione se la cifra più significativa dell errore è 1 o si possono tenere due cifre significative). Nel rappresentare correttamente il risultato di una misura si procede nel modo seguente: Si arrotonda l errore ad una sola cifra significativa Si arrotonda la misura ricordando che la cifra meno significativa deve essere quella sulla quale cade l errore G = 14,83 m G = 0, 67 m 0, 7 m 14,83 m G 0,7 m G = (14, 8±0,7) m 40

21 Esempio 1 Supponiamo di voler determinare il volume di un cilindro. Le grandezze che possono essere misurate sono: il diametro d e l altezza h. V = d 4 h d± d h± h V V = d d 0 V d+ h Da cui si ottiene h 0 h V = dh d 4 + d 4 h 41 Esempio : area del rettangolo Siano a= 37.55± 0.05mm b= 68.35± 0.05mm A = ab= mm A = a b+ b a= 0.05(37.55) (68.35) = 5.95mm A 5mm A = (567±5) mm a b 4

22 Supponiamo di avere a che fare con due grandezze i cui errori sono casuali (statistici) e le due grandezze siano tra loro indipendenti: x± x y± y Consideriamo la somma. E improbabile che le incertezze sulle due misure contribuiscano contemporaneamente a spostare per eccesso (o per difetto) la misura della somma. L espressione della propagazione per gli errori massimi: (x + y) = x + y Rappresenta una stima per eccesso. Si dimostra che vale: ( (x + y)) = ( x) + ( y) 43 ( (x + y)) = ( x) + ( y) y (x + y) x (x + y) = ( x) + ( y) 44

23 45

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

(accuratezza) ovvero (esattezza)

(accuratezza) ovvero (esattezza) Capitolo n 2 2.1 - Misure ed errori In un analisi chimica si misurano dei valori chimico-fisici di svariate grandezze; tuttavia ogni misura comporta sempre una incertezza, dovuta alla presenza non eliminabile

Dettagli

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI

PROBABILITA, VALORE ATTESO E VARIANZA DELLE QUANTITÁ ALEATORIE E LORO RELAZIONE CON I DATI OSSERVATI statistica, Università Cattaneo-Liuc, AA 006-007, lezione del 08.05.07 IDICE (lezione 08.05.07 PROBABILITA, VALORE ATTESO E VARIAZA DELLE QUATITÁ ALEATORIE E LORO RELAZIOE CO I DATI OSSERVATI 3.1 Valore

Dettagli

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità

Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Probabilità Probabilità Gli eventi sono stati definiti come i possibili risultati di un esperimento. Ogni evento ha una probabilità Se tutti gli eventi fossero ugualmente possibili, la probabilità p(e)

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Stima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una

Dettagli

INCERTEZZA DI MISURA

INCERTEZZA DI MISURA L ERRORE DI MISURA Errore di misura = risultato valore vero Definizione inesatta o incompleta Errori casuali Errori sistematici L ERRORE DI MISURA Errori casuali on ne si conosce l origine poiche, appunto,

Dettagli

1 Valore atteso o media

1 Valore atteso o media 1 Valore atteso o media Definizione 1.1. Sia X una v.a., si chiama valore atteso (o media o speranza matematica) il numero, che indicheremo con E[X] o con µ X, definito come E[X] = i x i f(x i ) se X è

Dettagli

VARIABILI ALEATORIE CONTINUE

VARIABILI ALEATORIE CONTINUE VARIABILI ALEATORIE CONTINUE Se X è una variabile aleatoria continua, la probabilità che X assuma un certo valore x fissato è in generale zero, quindi non ha senso definire una distribuzione di probabilità

Dettagli

La variabile casuale Binomiale

La variabile casuale Binomiale La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola

Dettagli

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE

DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE DISTRIBUZIONI DI VARIABILI CASUALI DISCRETE variabile casuale (rv): regola che associa un numero ad ogni evento di uno spazio E. variabile casuale di Bernoulli: rv che può assumere solo due valori (e.g.,

Dettagli

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile

Corso di Informatica Generale (C. L. Economia e Commercio) Ing. Valerio Lacagnina Rappresentazione in virgola mobile Problemi connessi all utilizzo di un numero di bit limitato Abbiamo visto quali sono i vantaggi dell utilizzo della rappresentazione in complemento alla base: corrispondenza biunivoca fra rappresentazione

Dettagli

ELEMENTI DI STATISTICA

ELEMENTI DI STATISTICA Pag 1 di 92 Francesco Sardo ELEMENTI DI STATISTICA PER VALUTATORI DI SISTEMI QUALITA AMBIENTE - SICUREZZA REV. 11 16/08/2009 Pag 2 di 92 Pag 3 di 92 0 Introduzione PARTE I 1 Statistica descrittiva 1.1

Dettagli

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i

DISTRIBUZIONE di PROBABILITA. Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che può assumere i DISTRIBUZIONE di PROBABILITA Si dice variabile aleatoria (o casuale) discreta X una quantità variabile che uò assumere i valori: ; ;, n al verificarsi degli eventi incomatibili e comlementari: E ; E ;..;

Dettagli

Esercizio 1. Svolgimento

Esercizio 1. Svolgimento Esercizio 1 Vengono lanciate contemporaneamente 6 monete. Si calcoli: a) la probabilità che si presentino esattamente 2 testa ; b) la probabilità di ottenere almeno 4 testa ; c) la probabilità che l evento

Dettagli

Il concetto di valore medio in generale

Il 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

Dettagli

Se si insiste non si vince

Se si insiste non si vince Se si insiste non si vince Livello scolare: 2 biennio Abilità interessate Valutare la probabilità in diversi contesti problematici. Distinguere tra eventi indipendenti e non. Valutare criticamente le informazioni

Dettagli

Università degli Studi di Firenze Facoltà di Scienze Mat., Fis. e Nat. Corso di Laurea in Fisica. Corso di Esperimentazioni I

Università degli Studi di Firenze Facoltà di Scienze Mat., Fis. e Nat. Corso di Laurea in Fisica. Corso di Esperimentazioni I Università deli Studi di Firenze Facoltà di Scienze Mat., Fis. e Nat. Corso di Laurea in Fisica Corso di Esperimentazioni I Prof. R. Falciani Prof. A. Stefanini Appunti su: PROPAGAZIONE DEGLI ERRORI NELLE

Dettagli

LOGISTICA APPUNTI DI STATISTICA

LOGISTICA APPUNTI DI STATISTICA Cos'é la Statistica LOGISTICA APPUNTI DI STATISTICA La statistica è la disciplina che applica metodi scientifici alla raccolta di dati e informazioni per una loro classificazione, elaborazione e rappresentazione

Dettagli

TECNICHE DI SIMULAZIONE

TECNICHE DI SIMULAZIONE TECNICHE DI SIMULAZIONE MODELLI STATISTICI NELLA SIMULAZIONE Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione

Dettagli

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA

ESERCIZI SVOLTI PER LA PROVA DI STATISTICA ESERCIZI SVOLTI PER LA PROVA DI STATISTICA Stefania Naddeo (anno accademico 4/5) INDICE PARTE PRIMA: STATISTICA DESCRITTIVA. DISTRIBUZIONI DI FREQUENZA E FUNZIONE DI RIPARTIZIONE. VALORI CARATTERISTICI

Dettagli

La distribuzione Normale. La distribuzione Normale

La 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

Dettagli

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n

1 Medie. la loro media aritmetica è il numero x dato dalla formula: x = x 1 + x 2 +... + x n 1 Medie La statistica consta di un insieme di metodi atti a elaborare e a sintetizzare i dati relativi alle caratteristiche di una fissata popolazione, rilevati mediante osservazioni o esperimenti. Col

Dettagli

Elementi di Statistica

Elementi di Statistica Elementi di Statistica Contenuti Contenuti di Statistica nel corso di Data Base Elementi di statistica descrittiva: media, moda, mediana, indici di dispersione Introduzione alle variabili casuali e alle

Dettagli

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1

FACOLTA DI INGEGNERIA SCHEDA DIDATTICA N 1 FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA PER L AMBIENTE ED IL TERRITORIO CORSO DI STATISTICA E CALCOLO DELLE PROBABILITA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N ARGOMENTO: CALCOLO DELLE PROBABILITA

Dettagli

Esercitazioni di Statistica

Esercitazioni di Statistica Esercitazioni di Statistica Test d ipotesi sul valor medio e test χ 2 di adattamento Prof. Livia De Giovanni statistica@dis.uniroma1.it Esercizio 1 Si supponga che il diametro degli anelli metallici prodotti

Dettagli

RELAZIONE TRA DUE VARIABILI QUANTITATIVE

RELAZIONE TRA DUE VARIABILI QUANTITATIVE RELAZIONE TRA DUE VARIABILI QUANTITATIVE Quando si considerano due o più caratteri (variabili) si possono esaminare anche il tipo e l'intensità delle relazioni che sussistono tra loro. Nel caso in cui

Dettagli

Calcolo delle Probabilità

Calcolo delle Probabilità Calcolo delle Probabilità Il calcolo delle probabilità studia i modelli matematici delle cosidette situazioni di incertezza. Molte situazioni concrete sono caratterizzate a priori da incertezza su quello

Dettagli

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi :

Università del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Analisi dei dati quantitativi : Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Analisi dei dati quantitativi : Confronto tra due medie Università del Piemonte Orientale Corso di laurea in

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

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche

Ancora sull indipendenza. Se A e B sono indipendenti allora lo sono anche Ancora sull indipendenza Se A e B sono indipendenti allora lo sono anche A e B Ā e B Ā e B Sfruttiamo le leggi di De Morgan Leggi di De Morgan A B = Ā B A B = Ā B P (Ā B) = P (A B) = 1 P (A B) = 1 (P (A)

Dettagli

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della

RELAZIONE TRA VARIABILI QUANTITATIVE. Lezione 7 a. Accade spesso nella ricerca in campo biomedico, così come in altri campi della RELAZIONE TRA VARIABILI QUANTITATIVE Lezione 7 a Accade spesso nella ricerca in campo biomedico, così come in altri campi della scienza, di voler studiare come il variare di una o più variabili (variabili

Dettagli

Floating Point N = M BE. Notazione in virgola mobile. base. esempi 34.76 104 3.6891 106 = 36.891 105 =368.91 104 12.78 10-3 1.

Floating Point N = M BE. Notazione in virgola mobile. base. esempi 34.76 104 3.6891 106 = 36.891 105 =368.91 104 12.78 10-3 1. Floating Point Notazione in virgola mobile N = M BE mantissa base esponente esempi 34.76 104 3.6891 106 = 36.891 105 =368.91 104 12.78 10-3 1.6273 102 forma normalizzata: la mantissa ha una sola cifra

Dettagli

SCUOLA PRIMARIA DI MONTE VIDON COMBATTE CLASSE V INS. VIRGILI MARIA LETIZIA

SCUOLA PRIMARIA DI MONTE VIDON COMBATTE CLASSE V INS. VIRGILI MARIA LETIZIA SCUOLA PRIMARIA DI MONTE VIDON COMBATTE CLASSE V INS. VIRGILI MARIA LETIZIA Regoli di Nepero Moltiplicazioni In tabella Moltiplicazione a gelosia Moltiplicazioni Con i numeri arabi Regoli di Genaille Moltiplicazione

Dettagli

La dissomiglianza tra due distribuzioni normali

La dissomiglianza tra due distribuzioni normali Annali del Dipartimento di Scienze Statistiche Carlo Cecchi Università degli Studi di Bari Aldo Moro - Vol. X (2011): 43-50 Editore CLEUP, Padova - ISBN: 978-88-6129-833-0 La dissomiglianza tra due distribuzioni

Dettagli

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE

TELECOMUNICAZIONI (TLC) Generico sistema di telecomunicazione (TLC) Trasduttore. Attuatore CENNI DI TEORIA (MATEMATICA) DELL INFORMAZIONE TELECOMUNICAZIONI (TLC) Tele (lontano) Comunicare (inviare informazioni) Comunicare a distanza Generico sistema di telecomunicazione (TLC) Segnale non elettrico Segnale elettrico TRASMESSO s x (t) Sorgente

Dettagli

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia?

Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Logica fuzzy e calcolo delle probabilità: due facce della stessa medaglia? Danilo Pelusi 1 Gianpiero Centorame 2 Sunto: Il seguente articolo illustra le possibili analogie e differenze tra il calcolo delle

Dettagli

Esempi introduttivi Variabili casuali Eventi casuali e probabilità

Esempi introduttivi Variabili casuali Eventi casuali e probabilità Esempi introduttivi Esempio tipico di problema della meccanica razionale: traiettoria di un proiettile. Esempio tipico di problema idraulico: altezza d'acqua corrispondente a una portata assegnata. Come

Dettagli

VALORE DELLE MERCI SEQUESTRATE

VALORE 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

Dettagli

EQUAZIONI non LINEARI

EQUAZIONI non LINEARI EQUAZIONI non LINEARI Francesca Pelosi Dipartimento di Matematica, Università di Roma Tor Vergata CALCOLO NUMERICO e PROGRAMMAZIONE http://www.mat.uniroma2.it/ pelosi/ EQUAZIONI non LINEARI p.1/44 EQUAZIONI

Dettagli

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento

esame di stato 2013 seconda prova scritta per il liceo scientifico di ordinamento Archimede esame di stato seconda prova scritta per il liceo scientifico di ordinamento ARTICOLO Il candidato risolva uno dei due problemi e risponda a 5 quesiti del questionario. PROBLEMA La funzione f

Dettagli

1A ARITMETICA. I numeri naturali e le quattro operazioni. Esercizi supplementari di verifica

1A ARITMETICA. I numeri naturali e le quattro operazioni. Esercizi supplementari di verifica A ARITMETICA I numeri naturali e le quattro operazioni Esercizi supplementari di verifica Esercizio Rappresenta sulla retta orientata i seguenti numeri naturali. ; ; ; 0;. 0 Esercizio Metti una crocetta

Dettagli

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000.

Rapporto CESI. Cliente: Oggetto: Ordine: Contratto CESI n. 71/00056. Note: N. pagine: 13 N. pagine fuori testo: Data: 30.05.2000. A0/010226 Pag.1/13 Cliente: Ricerca di Sistema Oggetto: Determinazione della tenacità di acciai eserciti - Correlazioni per stime di FATT da prove Small Punch Ordine: Contratto CESI n. 71/00056 Note: DEGRADO/GEN04/003

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

AUTOLIVELLI (orizzontalità ottenuta in maniera automatica); LIVELLI DIGITALI (orizzontalità e lettura alla stadia ottenute in maniera automatica).

AUTOLIVELLI (orizzontalità ottenuta in maniera automatica); LIVELLI DIGITALI (orizzontalità e lettura alla stadia ottenute in maniera automatica). 3.4. I LIVELLI I livelli sono strumenti a cannocchiale orizzontale, con i quali si realizza una linea di mira orizzontale. Vengono utilizzati per misurare dislivelli con la tecnica di livellazione geometrica

Dettagli

Lezioni di STATISTICA MATEMATICA A

Lezioni di STATISTICA MATEMATICA A Università di Modena e Reggio Emilia Facoltà di Ingegneria Lezioni di STATISTICA MATEMATICA A Corso di Laurea in Ingegneria Meccanica Corso di Laurea in Ingegneria dei Materiali - Anno Accademico 010/11

Dettagli

CAPITOLO I CORRENTE ELETTRICA. Copyright ISHTAR - Ottobre 2003 1

CAPITOLO I CORRENTE ELETTRICA. Copyright ISHTAR - Ottobre 2003 1 CAPITOLO I CORRENTE ELETTRICA Copyright ISHTAR - Ottobre 2003 1 INDICE CORRENTE ELETTRICA...3 INTENSITÀ DI CORRENTE...4 Carica elettrica...4 LE CORRENTI CONTINUE O STAZIONARIE...5 CARICA ELETTRICA ELEMENTARE...6

Dettagli

FUNZIONI AVANZATE DI EXCEL

FUNZIONI AVANZATE DI EXCEL FUNZIONI AVANZATE DI EXCEL Inserire una funzione dalla barra dei menu Clicca sulla scheda "Formule" e clicca su "Fx" (Inserisci Funzione). Dalla finestra di dialogo "Inserisci Funzione" clicca sulla categoria

Dettagli

Quando troncare uno sviluppo in serie di Taylor

Quando troncare uno sviluppo in serie di Taylor Quando troncare uno sviluppo in serie di Taylor Marco Robutti October 13, 2014 Lo sviluppo in serie di Taylor di una funzione è uno strumento matematico davvero molto utile, e viene spesso utilizzato in

Dettagli

Introduzione alla probabilità

Introduzione alla probabilità Introduzione alla probabilità CAPITOLO TEORIA Il dilemma di Monty Hall In un popolare show televisivo americano il presentatore mostra al concorrente tre porte chiuse. Dietro a una di esse si cela il premio

Dettagli

Teoria quantistica della conduzione nei solidi e modello a bande

Teoria quantistica della conduzione nei solidi e modello a bande Teoria quantistica della conduzione nei solidi e modello a bande Obiettivi - Descrivere il comportamento quantistico di un elettrone in un cristallo unidimensionale - Spiegare l origine delle bande di

Dettagli

ESTRAZIONE DI RADICE

ESTRAZIONE DI RADICE ESTRAZIONE DI RADICE La radice è l operazione inversa dell elevamento a potenza. L esponente della potenza è l indice della radice che può essere: quadrata (); cubica (); quarta (4); ecc. La base della

Dettagli

Apprendimento dei concetti relativi alle misure dirette, indirette ed alla propagazione degli errori

Apprendimento dei concetti relativi alle misure dirette, indirette ed alla propagazione degli errori U n i v e r s i t à d e g l i S t u d i d i U d i n e - Facoltà di Ingegneria Laboratorio di Fisica Generale 1 1 Il sistema massa-molla: Apprendimento dei concetti relativi alle misure dirette, indirette

Dettagli

STUDIO DI UNA FUNZIONE

STUDIO DI UNA FUNZIONE STUDIO DI UNA FUNZIONE OBIETTIVO: Data l equazione Y = f(x) di una funzione a variabili reali (X R e Y R), studiare l andamento del suo grafico. PROCEDIMENTO 1. STUDIO DEL DOMINIO (CAMPO DI ESISTENZA)

Dettagli

Capitolo 8 - Introduzione alla probabilità

Capitolo 8 - Introduzione alla probabilità Appunti di Teoria dei Segnali Capitolo 8 - Introduzione alla probabilità Concetti preliminari di probabilità... Introduzione alla probabilità... Deinizione di spazio degli eventi... Deinizione di evento...

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004

ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 2004 ESAME DI STATO DI LICEO SCIENTIFICO CORSO DI ORDINAMENTO 004 Il candidato risolva uno dei due problemi e 5 dei 10 quesiti in cui si articola il questionario. PROBLEMA 1 Sia f la funzione definita da: f

Dettagli

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014)

PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) PROGRAMMA DI FISICA ( CLASSE I SEZ. E) ( anno scol. 2013/2014) Le grandezze fisiche. Metodo sperimentale di Galilei. Concetto di grandezza fisica e della sua misura. Il Sistema internazionale di Unità

Dettagli

DI MISURAZIONE CON CMM. di Gianfranco Costelli. stagionali di ± 1 C, a cui si sovrappongono oscillazioni giornaliere di ± 1 C.

DI MISURAZIONE CON CMM. di Gianfranco Costelli. stagionali di ± 1 C, a cui si sovrappongono oscillazioni giornaliere di ± 1 C. P R O B I N G ARTICOLO SELEZIONATO DA PROBING N 10 Notiziario semestrale di tecnica ed informazione dell Associazione CMM Club Italia STIMA DELL INCERTEZZA DI UN PROCESSO DI MISURAZIONE CON CMM di Gianfranco

Dettagli

4. Confronto tra medie di tre o più campioni indipendenti

4. Confronto tra medie di tre o più campioni indipendenti BIOSTATISTICA 4. Confronto tra medie di tre o più campioni indipendenti Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee

Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Algoritmo euclideo, massimo comun divisore ed equazioni diofantee Se a e b sono numeri interi, si dice che a divide b, in simboli: a b, se e solo se esiste c Z tale che b = ac. Si può subito notare che:

Dettagli

dell affidabilità strutturale

dell affidabilità strutturale Metodiprobabilisticiper per lavalutazione dell affidabilità strutturale Obiettivo dell esercitazione: acquisire le conoscenze necessarie per applicare i metodi probabilistici (livello III, II e semi probabilistico)

Dettagli

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno

GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno GeoGebra 4.2 Introduzione all utilizzo della Vista CAS per il secondo biennio e il quinto anno La Vista CAS L ambiente di lavoro Le celle Assegnazione di una variabile o di una funzione / visualizzazione

Dettagli

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011

VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 VARIABILI E DISTRIBUZIONI DI FREQUENZA A.A. 2010/2011 1 RAPPRESENTARE I DATI: TABELLE E GRAFICI Un insieme di misure è detto serie statistica o serie dei dati 1) Una sua prima elementare elaborazione può

Dettagli

Esercitazioni su rappresentazione dei numeri e aritmetica dei calcolatori"

Esercitazioni su rappresentazione dei numeri e aritmetica dei calcolatori Esercitazioni su rappresentazione dei numeri e aritmetica dei calcolatori" slide a cura di Salvatore Orlando & Marta Simeoni " Architettura degli Elaboratori 1 Interi unsigned in base 2" Si utilizza un

Dettagli

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α?

Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? QUESITO 1 Nel triangolo disegnato a lato, qual è la misura, in gradi e primi sessagesimali, di α? Applicando il Teorema dei seni si può determinare il valore di senza indeterminazione, in quanto dalla

Dettagli

Elementi di informatica

Elementi di informatica Elementi di informatica Sistemi di numerazione posizionali Rappresentazione dei numeri Rappresentazione dei numeri nei calcolatori rappresentazioni finalizzate ad algoritmi efficienti per le operazioni

Dettagli

Può la descrizione quantomeccanica della realtà fisica considerarsi completa?

Può la descrizione quantomeccanica della realtà fisica considerarsi completa? Può la descrizione quantomeccanica della realtà fisica considerarsi completa? A. Einstein, B. Podolsky, N. Rosen 25/03/1935 Abstract In una teoria completa c è un elemento corrispondente ad ogni elemento

Dettagli

Dott.ssa Caterina Gurrieri

Dott.ssa Caterina Gurrieri Dott.ssa Caterina Gurrieri Le relazioni tra caratteri Data una tabella a doppia entrata, grande importanza riveste il misurare se e in che misura le variabili in essa riportata sono in qualche modo

Dettagli

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997

RAPPRESENTAZIONE BINARIA DEI NUMERI. Andrea Bobbio Anno Accademico 1996-1997 1 RAPPRESENTAZIONE BINARIA DEI NUMERI Andrea Bobbio Anno Accademico 1996-1997 Numeri Binari 2 Sistemi di Numerazione Il valore di un numero può essere espresso con diverse rappresentazioni. non posizionali:

Dettagli

Curve di risonanza di un circuito

Curve di risonanza di un circuito Zuccarello Francesco Laboratorio di Fisica II Curve di risonanza di un circuito I [ma] 9 8 7 6 5 4 3 0 C = 00 nf 0 5 0 5 w [KHz] RLC - Serie A.A.003-004 Indice Introduzione pag. 3 Presupposti Teorici 5

Dettagli

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile.

ORDINALI E NOMINALI LA PROBABILITÀ. Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. ORDINALI E NOMINALI LA PROBABILITÀ Statistica5 23/10/13 Nell ambito della manifestazione di un fenomeno niente è certo, tutto è probabile. Se si afferma che un vitello di razza chianina pesa 780 kg a 18

Dettagli

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti

razionali Figura 1. Rappresentazione degli insiemi numerici Numeri reali algebrici trascendenti frazionari decimali finiti 4. Insiemi numerici 4.1 Insiemi numerici Insieme dei numeri naturali = {0,1,,3,,} Insieme dei numeri interi relativi = {..., 3,, 1,0, + 1, +, + 3, } Insieme dei numeri razionali n 1 1 1 1 = : n, m \{0}

Dettagli

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1

CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 1.1 Che cos è un algoritmo CAPITOLO PRIMO IL CONCETTO DI ALGORITMO 1 Gli algoritmi sono metodi per la soluzione di problemi. Possiamo caratterizzare un problema mediante i dati di cui si dispone all inizio

Dettagli

LA MISURAZIONE DEL CARATTERE

LA MISURAZIONE DEL CARATTERE TPO PROGETTAZIONE UD 03 GESTIONE DEL CARATTERE IL TIPOMETRO LA MISURAZIONE DEL CARATTERE A.F. 2011/2012 MASSIMO FRANCESCHINI - SILVIA CAVARZERE 1 IL TIPOMETRO: PARTI FONDAMENTALI Il tipometro è uno strumento

Dettagli

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA)

Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 14: Analisi della varianza (ANOVA) Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione 4: Analisi della varianza (ANOVA) Analisi della varianza Analisi della varianza (ANOVA) ANOVA ad

Dettagli

Equazioni non lineari

Equazioni non lineari Dipartimento di Matematica tel. 011 0907503 stefano.berrone@polito.it http://calvino.polito.it/~sberrone Laboratorio di modellazione e progettazione materiali Trovare il valore x R tale che f (x) = 0,

Dettagli

Misure di base su una carta. Calcoli di distanze

Misure di base su una carta. Calcoli di distanze Misure di base su una carta Calcoli di distanze Per calcolare la distanza tra due punti su una carta disegnata si opera nel modo seguente: 1. Occorre identificare la scala della carta o ricorrendo alle

Dettagli

La corrente elettrica La resistenza elettrica La seconda legge di Ohm Resistività e temperatura L effetto termico della corrente

La corrente elettrica La resistenza elettrica La seconda legge di Ohm Resistività e temperatura L effetto termico della corrente Unità G16 - La corrente elettrica continua La corrente elettrica La resistenza elettrica La seconda legge di Ohm Resistività e temperatura L effetto termico della corrente 1 Lezione 1 - La corrente elettrica

Dettagli

LA NOTAZIONE SCIENTIFICA

LA NOTAZIONE SCIENTIFICA LA NOTAZIONE SCIENTIFICA Definizioni Ricordiamo, a proposito delle potenze del, che = =.000 =.000.000.000.000 ovvero n è uguale ad seguito da n zeri. Nel caso di potenze con esponente negativo ricordiamo

Dettagli

Analisi statistica di dati biomedici Analysis of biologicalsignals

Analisi statistica di dati biomedici Analysis of biologicalsignals Analisi statistica di dati biomedici Analysis of biologicalsignals II Parte Verifica delle ipotesi (a) Agostino Accardo (accardo@units.it) Master in Ingegneria Clinica LM in Neuroscienze 2013-2014 e segg.

Dettagli

3. Confronto tra medie di due campioni indipendenti o appaiati

3. Confronto tra medie di due campioni indipendenti o appaiati BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO

Dettagli

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1.

γ (t), e lim γ (t) cioè esistono la tangente destra e sinistra negli estremi t j e t j+1. Capitolo 6 Integrali curvilinei In questo capitolo definiamo i concetti di integrali di campi scalari o vettoriali lungo curve. Abbiamo bisogno di precisare le curve e gli insiemi che verranno presi in

Dettagli

Numeri reali. Funzioni e loro grafici

Numeri reali. Funzioni e loro grafici Argomento Numeri reali. Funzioni e loro grafici Parte B - Funzioni e loro grafici Funzioni reali di variabile reale Definizioni. Supponiamo che A sia un sottoinsieme di R e che esista una legge che ad

Dettagli

Valore caratteristico EC7

Valore caratteristico EC7 Procedura da adottare - Azioni (E) Valore caratteristico EC7 Per le combinazioni delle azioni si rimanda a quanto detto ampiamente in precedenza. Resistenze (Rd) del sistema geotecnico Il valore di progetto

Dettagli

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato.

1a) Calcolare gli estremi dell intervallo di confidenza per µ al 90% in corrispondenza del campione osservato. Esercizio 1 Sia X 1,..., X un campione casuale estratto da una variabile aleatoria normale con media pari a µ e varianza pari a 1. Supponiamo che la media campionaria sia x = 2. 1a) Calcolare gli estremi

Dettagli

NUOVI STRUMENTI OTTICI PER IL CONTROLLO DI LABORATORIO E DI PROCESSO

NUOVI STRUMENTI OTTICI PER IL CONTROLLO DI LABORATORIO E DI PROCESSO NUOVI STRUMENTI OTTICI PER IL CONTROLLO DI LABORATORIO E DI PROCESSO Mariano Paganelli Expert System Solutions S.r.l. L'Expert System Solutions ha recentemente sviluppato nuove tecniche di laboratorio

Dettagli

TEORIA DELL UTILITÀ E DECISION PROCESS

TEORIA DELL UTILITÀ E DECISION PROCESS TEORIA DELL UTILITÀ E DECISION PROCESS 1 UTILITÀ Classicamente sinonimo di Desiderabilità Fisher (1930):... uno degli elementi che contribuiscono ad identificare la natura economica di un bene e sorge

Dettagli

Corrente elettrica (regime stazionario)

Corrente elettrica (regime stazionario) Corrente elettrica (regime stazionario) Metalli Corrente elettrica Legge di Ohm Resistori Collegamento di resistori Generatori di forza elettromotrice Metalli Struttura cristallina: ripetizione di unita`

Dettagli

Studio sperimentale della propagazione di un onda meccanica in una corda

Studio sperimentale della propagazione di un onda meccanica in una corda Studio sperimentale della propagazione di un onda meccanica in una corda Figura 1: Foto dell apparato sperimentale. 1 Premessa 1.1 Velocità delle onde trasversali in una corda E esperienza comune che quando

Dettagli

Rappresentazione numeri in virgola mobile

Rappresentazione numeri in virgola mobile Rappresentazione numeri in virgola mobile Un numero non intero può essere rappresentato in infiniti modi quando utilizziamo la notazione esponenziale: Es. 34.5 = 0.345 10 2 = 0.0345 10 3 = 345 10-1 Questo

Dettagli

La Funzione Caratteristica di una Variabile Aleatoria

La Funzione Caratteristica di una Variabile Aleatoria La Funzione Caratteristica di una Variabile Aleatoria La funzione caratteristica Φ densità di probabilità è f + Φ ω = ω di una v.a., la cui x, è definita come: jωx f x e dx E e j ω Φ ω = 1 La Funzione

Dettagli

Compito di SISTEMI E MODELLI. 19 Febbraio 2015

Compito di SISTEMI E MODELLI. 19 Febbraio 2015 Compito di SISTEMI E MODELLI 9 Febbraio 5 Non é ammessa la consultazione di libri o quaderni. Le risposte vanno giustificate. Saranno rilevanti per la valutazione anche l ordine e la chiarezza di esposizione.

Dettagli

L. Pandolfi. Lezioni di Analisi Matematica 2

L. Pandolfi. Lezioni di Analisi Matematica 2 L. Pandolfi Lezioni di Analisi Matematica 2 i Il testo presenta tre blocchi principali di argomenti: A Successioni e serie numeriche e di funzioni: Cap., e 2. B Questa parte consta di due, da studiarsi

Dettagli

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI

STATISTICA 1 ESERCITAZIONE 1 CLASSIFICAZIONE DELLE VARIABILI CASUALI STATISTICA 1 ESERCITAZIONE 1 Dott. Giuseppe Pandolfo 30 Settembre 2013 Popolazione statistica: insieme degli elementi oggetto dell indagine statistica. Unità statistica: ogni elemento della popolazione

Dettagli

ELEMENTI DI STATISTICA DESCRITTIVA ED INFERENZIALE

ELEMENTI DI STATISTICA DESCRITTIVA ED INFERENZIALE ELEMENTI DI STATISTICA DESCRITTIVA ED INFERENZIALE Per gli studenti del 1 Anno della Facoltà di Agraria APPUNTI DALLE LEZIONI (A.A. 00/003) Andrea Onofri Dipartimento di Scienze Agroambientali e della

Dettagli

La dinamica delle collisioni

La dinamica delle collisioni La dinamica delle collisioni Un video: clic Un altro video: clic Analisi di un crash test (I) I filmati delle prove d impatto distruttive degli autoveicoli, dato l elevato numero dei fotogrammi al secondo,

Dettagli

Esperimentatori: Durata dell esperimento: Data di effettuazione: Materiale a disposizione:

Esperimentatori: Durata dell esperimento: Data di effettuazione: Materiale a disposizione: Misura di resistenza con il metodo voltamperometrico. Esperimentatori: Marco Erculiani (n matricola 454922 v.o.) Noro Ivan (n matricola 458656 v.o.) Durata dell esperimento: 3 ore (dalle ore 9:00 alle

Dettagli

Analisi termografica su celle litio-ione sottoposte ad esperienze di "second life" Francesco D'Annibale, Francesco Vellucci. Report RdS/PAR2013/191

Analisi termografica su celle litio-ione sottoposte ad esperienze di second life Francesco D'Annibale, Francesco Vellucci. Report RdS/PAR2013/191 Agenzia nazionale per le nuove tecnologie, l energia e lo sviluppo economico sostenibile MINISTERO DELLO SVILUPPO ECONOMICO Analisi termografica su celle litio-ione sottoposte ad esperienze di "second

Dettagli

ALGEBRA I: CARDINALITÀ DI INSIEMI

ALGEBRA I: CARDINALITÀ DI INSIEMI ALGEBRA I: CARDINALITÀ DI INSIEMI 1. CONFRONTO DI CARDINALITÀ E chiaro a tutti che esistono insiemi finiti cioè con un numero finito di elementi) ed insiemi infiniti. E anche chiaro che ogni insieme infinito

Dettagli

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca

ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca ESAME DI STATO DI LICEO SCIENTIFICO 2006 Indirizzo Scientifico Tecnologico Progetto Brocca Trascrizione del testo e redazione delle soluzioni di Paolo Cavallo. La prova Il candidato svolga una relazione

Dettagli