Terza lezione: Processi stazionari
|
|
- Valerio Zanetti
- 5 anni fa
- Visualizzazioni
Transcript
1 Teoria dei processi casuali a empo coninuo Terza lezione: Concei inroduivi Il conceo di sazionarieà Sazionarieà in senso lao Esempi e modelli 005 Poliecnico di Torino 1
2 Concei inroduivi Significao di sazionarieà I processi sazionari rappresenano una classe molo imporane di processi casuali Consenono di modellare molo bene i fenomeni di regime Iniziamo con alcuni concei inroduivi Poliecnico di Torino
3 Concei inroduivi (1/3) Consideriamo K resisenze ue uguali e alla sessa emperaura N() n 1 ( ) n 1 ( ) n ( ) n ( ) n 3 ( ) n 3 ( ) 5 Concei inroduivi (/3) n 1 ( ) n ( ) n 3 ( ) N() N 1 = N( 1 ) N = N ( ) 1 Se nulla cambia da 1 1 a ci aspeiamo che le due variabili casuali N1 e N N abbiano le sesse caraerisiche saisiche Poliecnico di Torino 3
4 Concei inroduivi (3/3) n 1 ( ) N() N1 N N3 N n ( ) Se nulla cambia nel empo ci aspeiamo che le relazioni saisiche nella coppia N1 N 1 e N N siano uguali a quelli della coppia N3 N 3 e N4, N4 essendo uguale il riardo ra le due variabili di ciascuna coppia 7 Il conceo di sazionarieà 005 Poliecnico di Torino 4
5 Sazionarieà del I ordine () è sazionario del primo ordine se f (;) x = f ( x) + m = + ( ) xf ( x; ) dx = m σ ( ) = ( x m ) f ( x; ) dx = σ Media cosane Varianza cosane 9 Sazionarieà per la media () è sazionario per media se m () = m Aenzione! Non implica.. f ( x; ) = f ( x) Poliecnico di Torino 5
6 Sazionarieà del II ordine Un processo () è sazionario del secondo ordine se (, ;, + ) = (, ; ) f x x f x x i j i j i j n 1 ( ) N() N1 N N3 N4 1 = = 3 + n ( ) 11 Sazionarieà del I e del II ordine Secondo ordine: (, ;, + ) = (, ; ) f x x f x x i j i j i j implica Non implica Primo ordine: f (;) x = f ( x) Poliecnico di Torino 6
7 Sazionarieà per l auocorrelazione Un processo () è sazionario per l auocorrelazione se (, + ) = ( ) R R i j n 1 ( ) N() N1 N N3 N4 1 = = 3 + n ( ) 13 Sazionarieà del II ordine e per l ACF Secondo ordine: (, ;, + ) = (, ; ) f x x f x x i j i j i j implica Non implica Per l auocorrelazione: (, + ) = ( ) R R i j Poliecnico di Torino 7
8 Sazionarieà in senso sreo 1/ Un processo casuale è deo sazionario in senso sreo se le sue proprieà saisiche sono invariani per raslazione dell asse emporale 15 ω (; 1) 1 3 Sazionarieà in senso sreo / ' 1 ' ' 3 ω (; ) Poliecnico di Torino 8
9 Sazionarieà in senso lao Processo sazionario in senso lao Un processo è sazionario in senso lao se è sazionario per la media m ( ) = m e per l auocorrelazione (, + ) R ( ) R i j = Noo con la sigla WSS (Wide Sense Saionary) Poliecnico di Torino 9
10 Varie forme di sazionarieà Secondo ordine: (, ;, + ) = (, ; ) f x x f x x i j i j i j Primo ordine: f ( x ; ) = f ( x) m ( ) = m (, + ) R ( ) R i j = La sazionarieà del secondo ordine implica la sazionarieà in senso lao. Non vale il viceversa 19 Varianza di un processo WSS { ( )} ( ) ( ) Ε = R (, + ) = R (0) ( ) = Ε ( ) { } σ =Ε m = 0 { } m = R 0) m σ σ = cosane ( Poliecnico di Torino 10
11 Proprieà dell ACF di un processo WSS (1/5) ( ) R è una funzione pari dimosrazione: R è una funzione pari. Infai possiamo scrivere x () x dove si è poso { } { ( 0) ( 0 )} { } R () = E () ( + ) = E = E ( ) () = R ( ) 0 = x 1 Proprieà dell ACF di un processo WSS (/5) ( ) { ( )} R ha un massimo assoluo nell origine pari a Ε dimosrazione: definiamo ovviamene Y( ) = () ± ( + ) EY { ()} Poliecnico di Torino 11
12 Proprieà dell ACF di un processo WSS (3/5) Per dimosrare che R ( x è un massimo si consideri il processo ( ) Y ) = () ± ( + ) Ovviamene EY { ()} 0 da cui {[ ]} [ 0 E () ± ( + ) { ()] [ ( )] [ () ( ) ]} = E + + ± + { ()} { ( ) } { () ( ) } = E + E + ± E + 3 Proprieà dell ACF di un processo WSS (4/5) Essendo si oiene E E R x { ()} = { ( + )} = (0) R (0) ± R () x x cioè R ( ) R (0) x x Poliecnico di Torino 1
13 Proprieà dell ACF di un processo WSS (5/5) Indipendenza asinoica Nel caso di processi casuali che modellano fenomeni fisici, due variabili casuali () ( + ) molo lonane ( ) endono ad essere indipendeni. Perano { } { } { } lim R ( ) = lime () ( + ) = lime ()E ( + ) = m 5 Processi WSS e non Media non cosane (no WSS) Auocorrelazione non cosane (no WSS) Varianza non cosane (no WSS) Porebbe essere WSS Poliecnico di Torino 13
14 Segnali persiseni 1 e hanno la sessa media e la sessa varianza, anche per L auocorrelazione non dipende da Ogni realizzazione mosra una cera regolarià I segnali non si esinguono I processi WSS modellano generalmene fenomeni di regime () 1 7 Modelli di fenomeni di regime Modello () misura Poliecnico di Torino 14
15 Membri a poenza media finia x 1( ) x 1( ) è un segnale a poenza media finia E ( x ) 1 P ( x 1) < 9 Esempi e modelli 005 Poliecnico di Torino 15
16 Esempio: sinusoide con fase casuale ( ) π 0 ; Φ = sin( f+φ) ( ;Φ) f Φ (ϕ) π π ϕ 31 Media e auocorrelazione (1/) Già calcolai in precedenza! f Φ (ϕ) 1 π + π 1 E { ( ; Φ )} = sin( π f+ ϕ)dϕ = 0 0 π π π π ϕ Media cosane 1 R ( 1; ) = cos( π f0( 1 )) Poliecnico di Torino 16
17 Media e auocorrelazione (/) ( ;Φ) 1 R ( 1; ) = cos( π f0( 1 )) 1 = 1 + R 1 ( ) = cos( 0 ) πf { ( ; Φ) } 0 E = Processo WSS 33 Processo gaussiano sazionario (1/) () Riprendiamo la definizione di processo gaussiano = [,,, ] x = [ x x, x,, ] 1, 3 n = [ 1,, 3,, n ] m= L 1, 3 x n [ m m, m,, ] 1, 3 m n Marice di covarianza con elemeni λ ij = E {( m)( m )} i i j j f( x; ) = ( π ) 1 n/ del exp T 1 [ ( x m) L ( x m)/] Poliecnico di Torino 17
18 Processo gaussiano sazionario(/) Ricordiamo la densià di probabilià di ordine n f( x; ) = ( π ) 1 exp n/ del [ ( x m) T L 1 ( x m)/] λ = R, ) E{ ( )} E{ ( )} m = E{ ( )} ij ( i j i j Se () è WSS i i λ ij = R ( ) m Un processo gaussiano WSS è anche sazionario in senso sreo mi = m(cosane) 35 Processi WSS a media nulla Molo spesso si usano modelli a media nulla. σ = σ = = R 0 { 0 ( ) } ( 0) =Ε = 0 0 ( ) = 0 ( ) m + ( ) Processo a media nulla m Poliecnico di Torino 18
Medie statistiche Processi stazionari Trasformazioni di processi casuali Ergodicità di processi WSS Analisi spettrale di processi WSS
Teoria dei segnali Unià 4 Teoria dei processi casuali a empo coninuo Teoria dei processi casuali a empo coninuo Medie saisiche Processi sazionari Trasformazioni di processi casuali Ergodicià di processi
Dettagli1 Catene di Markov a stati continui
Caene di Markov a sai coninui In queso caso abbiamo ancora una successione di variabili casuali X 0, X, X,... ma lo spazio degli sai è un insieme più che numerabile. Nel seguio supporremo che lo spazio
DettagliTeoria dei Segnali. La Convoluzione (esercizi) parte prima
Teoria dei Segnali La Convoluzione (esercizi) pare prima 1 Si ricorda che la convoluzione ra due segnali x() e y(), reali o complessi, indicaa simbolicamene come: C xy () = x() * y() è daa indifferenemene
DettagliModelli stocastici per la volatilità
Modelli socasici per la volailià Inroduzione ai modelli GARCH Generalized AuoRegressive Condiional Heeroschedasiciy In un modello GARCH si assume che i rendimeni siano generai da un processo socasico con
DettagliTitolo unità. Dalla serie alla trasformata di Fourier Proprietà della trasformata di Fourier Uguaglianza di Parseval e principio di indeterminazione
Inroduzione ai segnali deerminai iolo unià Dalla serie alla rasormaa di ourier Proprieà della rasormaa di ourier Uguaglianza di Parseval e principio di indeerminazione 005 Poliecnico di orino 1 Dalla serie
DettagliModelli ARMA, regressione spuria e cointegrazione Amedeo Argentiero
Modelli ARMA, regressione spuria e coinegrazione Amedeo Argeniero amedeo.argeniero@unipg.i Definizione modello ARMA Un modello ARMA(p, q) (AuoRegressive Moving Average of order p and q) ha la seguene sruura:
DettagliModelli stocastici per la volatilità
Modelli socasici per la volailià Dai modelli di volailià a media mobile ai modelli GARCH I modelli di volailià con medie mobili assumono ce i rendimeni siano i.i.d. la volailià è cosane nel empo: forniscono
DettagliRegime di capitalizzazione: una famiglia di funzioni fattore di montante che dipende da uno o più parametri.
5. Teoria generale Regimi finanziari Nel capiolo precedene abbiamo inrodoo alcuni parameri in grado di descrivere ualsiasi ipo di regime. Ciò ci permee di definire in generale i regimi finanziari. Regime
DettagliState Space Model. Corso di: Analisi delle Serie Storiche. Corso di Laurea Triennale in: Scienze Statistiche A.A. 2017/18
Sae Space Model Corso di: Analisi delle Serie Soriche Corso di Laurea Triennale in: Scienze Saisiche A.A. 07/8 Generalià Gli Sae Space Models (Modelli nello Spazio degli Sai) forniscono una meodologia
DettagliEsempi di progetto di alimentatori
Alimenaori 1 Esempi di progeo di alimenaori Progeo di alimenaore senza circuio di correzione del faore di poenza (PFC) Valore del condensaore Correne di picco Scela diodi Correne RMS Progeo di alimenaore
DettagliI processi aleatori Ingegneria Clinica A.A
Universià di Roma Sapienza Corso di Elaborazione di Dai e Segnali Biomedici Facolà di Ingegneria Civile e Indusriale I processi aleaori Ingegneria Clinica A.A. 08-09 Francesco Infarinao, PhD Laboraorio
Dettaglix(t) y(t) 45 o x x(t) -2T
Eserciazione 0 - Processi casuali Esercizio Si consideri lo schema di fig., dove =A cos(!0 + ) e e una cosane. Si consideri il paramero A come una variabile casuale uniformemene disribuia ra 0 e.calcolare
Dettagli1. ESEMPIO DI CINEMATICA DI UN SISTEMA A DUE CORPI RIGIDI
. ESEMPIO DI CINEMATICA DI UN SISTEMA A DUE CORPI RIGIDI Dao il sisema illusrao in Figura, consisene in due barre rigide connesse da un giuno di roazione orizzonale ; la prima barra è vincolaa a ruoare
DettagliSISTEMI A TEMPO DISCRETO. x t + = f x( t ),u( t ) = Ax( t ) + Bu( t ), x( t ) = x R y(t) = η x(t),u(t) = Cx(t) + Du(t)
Assumiamo la variabile emporale discrea; sia f lineare. Si consideri la seguene rappresenazione implicia: 1 x f x,u Ax Bu, x x R y η x,u Cx Du n 1 1 Rappresenazioni equivaleni Si consideri la rasformazione:
DettagliTRASFORMATA DI FOURIER DI DISTRIBUZIONI
TRASFORMATA DI FOURIER DI DISTRIBUZIONI Tue le proprieà vise per la rasformaa di Fourier sono applicabili alle funzioni dello spazio S. Queso permee di rasferire le sesse proprieà alle disribuzioni di
DettagliLa dipendenza temporale dei rendimenti
La dipendenza emporale dei rendimeni Il conceo di volailiy clusering Nella serie dei rendimeni si alernano gruppi di rendimeni elevai e gruppi di rendimeni bassi. Conceo sreamene legao alla lepocurosi.
DettagliSvolgimento. Applicando la formula di Eulero. x(t) = e ( 1+j20)t 2j = 2je t ( cos 20t + j sin 20t) = 2e t (j cos 20t sin 20t) quindi
SEGNALI E SISTEMI (a.a. 9-) Prof. M. Pavon Esercizi risoli. Si esprima la pare reale di x() = e ( +j) j, R nella forma Ae a cos(ω + ϕ) con A, a, ω, φ reali con A > e π < φ π. Svolgimeno. Applicando la
DettagliGenerazione di corrente alternata - alternatore
. la forza eleromorice può essere indoa: a)..; b)..; c) variando l angolo ra B e la normale alla superficie del circuio θ( (roazione di spire o bobine) ezione Generazione di correne alernaa - alernaore
DettagliModelli stocastici per i rendimenti finanziari
Modelli socasici er i rendimeni finanziari Alcuni rocessi socasici lineari Y Processo MA() μ con ε ~ WN(0, σ ε ) = + ε + θε. Esemio di generazione di un MA() e sima con R Caraerisiche di un rocesso MA()
DettagliSoluzioni di reti elettriche lineari PAS Introduzione
Soluzioni di rei eleriche lineari PAS Inroduzione Domanda: Cosa sono le rei eleriche lineari in regime Periodico Alernao Sinusoidali PAS? Risposa: Sono rei lineari in cui i generaori hanno dipendenza dal
Dettaglif v, lim allora x, y x, y e analogamente se 0,1 Osserviamo che la derivata direzionale esiste per ogni punto x y e ogni vettore,2 0,0 cos 2 1
DERIVATA DIREZIONALE La definizione di derivaa direzionale è y, lim,, f v y v f y v, v Se v, allora, y, y e analogamene se,, y, y f, y y Calcolare la derivaa direzionale della funzione dove v allora dom
DettagliGeometria analitica del piano pag 1 Adolfo Scimone
Geomeria analiica del piano pag Adolfo Scimone GEOMETRIA ANALITICA Lo scopo della geomeria analiica è quello di individuare i puni di una rea, di un piano, dello spazio, o più in generale gli eni geomerici
DettagliFiltri. RIASSUNTO: Sviluppo in serie di Fourier Esempi:
Filri RIASSUNTO: Sviluppo in serie di Fourier Esempi: Onda quadra Onda riangolare Segnali non peridiodici Trasformaa di Fourier Filri lineari sazionari: funzione di rasferimeno T() Definizione: il decibel
Dettagliintervalli di tempo. Esempio di sistema oscillante: Fig. 1 Massa m che può traslare in una sola direzione x, legata ad una molla di rigidezza k.
Sudio delle vibrazioni raa ogni oscillazione di una grandezza inorno ad una posizione di equilibrio. La forma piu semplice di oscillazione e il moo armonico che puo i essere descrio da un veore roane Ae
DettagliCorso di Laurea in Ingegneria Informatica (Laurea on Line) Prima prova Intermedia
Milano, 4//003 Corso di Laurea in Ingegneria Informaica (Laurea on Line) Corso di Fondameni di Segnali e rasmissione Prima prova Inermedia Carissimi sudeni, scopo di quesa prima prova inermedia è quello
DettagliComunicazioni Elettriche
Pocessi casuali I pocessi casuali anche dei pocessi socasici sono un meodo maemaico pe appesenae delle funzioni del empo che abbiano caaeisiche socasiche. I pocessi casuali sono uili a appesenae fenomeni
DettagliCi domandiamo allora se e sempre possibile rappresentare una funzione in questo modo.
1. Serie di Fourier I problemi al bordo associai ad equazioni differenziali si sanno risolvere con il meodo di separazione delle variabili solano se il dao iniziale si rappresena nella forma fx = a cosx
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondameni di elecomunicazioni - SEGNALI E SPERI Prof. Mario Barbera [pare ] Sruura della lezione Proprieà dei segnali Valore medio, valore efficace, poenza, energia rasformaa di Fourier e speri
DettagliUniversità degli Studi di Cassino - FACOLTÀ DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA GESTIONALE
Universià degli Sudi di assino - FOTÀ DI GGNI OSO DI U GGNI GSTION TTOTNI - prova scria del // SIZIO I - on riferimeno al seguene circuio, operane in regime sinusoidale, calcolare:. il circuio equivalene
DettagliENERGIA - POTENZA - CORRELAZIONE
ENERGIA e POENZA: ENERGIA - POENZA - CORRELAZIONE Energia in (, ) : (, ) ( ) Poenza media in (, ) : P(, ) E = d (, ) (, + Δ ) E E = = Δ Segnali periodici: Δ = = periodo Segnali di energia (es: un impulso):
DettagliTRASMISSIONE dei SEGNALI del MODULATORE
TRASMISSIONE dei SEGNALI del MODULATORE X Canale Modulaore Y Y rasmissivo Demodulaore IPOTESI Il modulaore è un disposiivo SENZA MEMORIA. Trasmee sul canale forme d onda scele da un opporuno alfabeo sulla
DettagliCorso DUT di Comunicazioni Elettriche per Elettronici
Corso DU di per Eleronici A cura di R.. Gaudino Versione.0 del 5//000 INDICE EORIA DELLA PROBABILIÀ... 3. EORIA ASSIOMAICA DELLA PROBABILIÀ...3.. Frequenza saisica... 3.. Esercizi sulla eoria assiomaica
DettagliR. Cusani, F. Cuomo: Telecomunicazioni - Fondamenti sui segnali analogici, Marzo 2010
1 Fondameni dei segnali analogici R. Cusani, F. Cuomo: elecomunicazioni - Fondameni sui segnali analogici, Marzo 010 Segnali analogici (1/ Collegameni analogici puno-puno unidirezionali (es. radiodiusione
Dettagli27 DERIVATE DI ORDINI SUCCESSIVI
27 DERIVATE DI ORDINI SUCCESSIVI Definizione Sia f derivabile sull inervallo I. Se esise la derivaa della funzione x f (x) in x, allora (f ) (x) si dice la derivaa seconda di f in x, e si denoa con f (x)
DettagliRadiazione e Relativita Ristretta
Radiazione e Relaivia Risrea V Radiazione di mulipolo 16/1/8 E.Menichei 1 Campi eleromagneici variabili Campi associai a cariche mobili variabili Diverse zone spaziali ineressae Vicino alle sorgeni: zona
DettagliUniversità Carlo Cattaneo Ingegneria gestionale Analisi matematica a.a. 2017/2018 EQUAZIONI DIFFERENZIALI 1
Universià Carlo Caaneo Ingegneria gesionale Analisi maemaica aa 07/08 EQUAZIONI DIFFERENZIALI ESERCIZI CON SOLUZIONE Trovare l inegrale generale dell equazione ' Si raa di un equazione differenziale lineare
DettagliProcessi stocastici e affidabilità
Processi socasici e affidabilià ω Dao un esperimeno casuale, si assuma di associare ad ogni ( ω ) esio ω una funzione x, di. Risula così definio un insieme di funzioni del empo, deo processo socasico,
DettagliSISTEMI LINEARI TEMPO INVARIANTI. Fondamenti Segnali e Trasmissione
SISTEMI LINEARI TEMPO INVARIANTI Fondameni Segnali e Trasmissione Definizione di sisema Sisema: Da un puno di visa fisico e un disposiivo ce modifica un segnale (), deo ingresso, generando il segnale y(),
DettagliModelli stocastici per i rendimenti finanziari
6/4/9 Modelli socasici er i rendimeni finanziari Alcuni rocessi socasici lineari Processo MA() μ con ~ WN(, ). semio di generazione di un MA() e sima con R 6/4/9 Momeni di un MA(). μ ( ) ( ),,, > ρ ) (
DettagliEquazioni Differenziali (5)
Equazioni Differenziali (5) Daa un equazione differenziale lineare omogenea y n + a n 1 ()y n 1 + a 0 ()y = 0, (1) se i coefficieni a i non dipendono da, abbiamo viso che le soluzioni si possono deerminare
DettagliLa varianza dell'errore di predizione ad un passo coincide con la varianza σˆ 2 = 512 del rumore bianco del fattore spettrale canonico.
1A. Si consideri il seguene processo casuale () = w() 8w(-1) 1w(-), w( ) ~ WGN(,) 1.a Ricavare il prediore oimo ad un passo. G(z) = 1 8z -1 1z - = (z) z Filro passa-uo: T(z) = 1 (z1/) (z) Ĝ(z) = T(z) G(z)
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Universià di Napoli Parenope Facolà di Ingegneria Corso di Comunicazioni Elerice docene: Prof. Vio Pascazio a Lezione: 7/04/003 Sommario Caraerizzazione energeica di processi aleaori Processi aleaori nel
DettagliUniversità Carlo Cattaneo Ingegneria gestionale Analisi matematica a.a. 2016/2017 EQUAZIONI DIFFERENZIALI 1
Universià Carlo Caaneo Ingegneria gesionale Analisi maemaica aa 06/07 EQUAZIONI DIFFERENZIALI ESERCIZI CON SOLUZIONE Trovare l inegrale generale dell equazione ' Si raa di un equazione differenziale lineare
Dettagli0.1 Formula di Gauss e formula di Stokes
1.1 Formula di Gauss e formula di Sokes Siano Ω un apero di R 3, F un campo veoriale definio su Ω, S una superficie la cui chiusura è conenua in Ω. Supponiamo inolre che in S si possano disinguere due
DettagliEquilibrio e stabilità di sistemi dinamici. Stabilità interna di sistemi dinamici
Equilibrio e sabilià di sisemi dinamici Sabilià inerna di sisemi dinamici Sabilià inerna di sisemi dinamici Inroduzione allo sudio della sabilià Sabilià inerna di sisemi dinamici TC Sabilià inerna di sisemi
DettagliRISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI
RISPOSTA IN FREQUENZA DEI SISTEMI LINEARI TEMPO INVARIANTI 1 Fondameni di segnali Fondameni e rasmissione TLC Inroduzione Se il segnale d ingresso di un sisema Lineare Tempo-Invariane LTI e un esponenziale
DettagliControlli Automatici L
Segnali e rasformae - Corso di Laurea in Ingegneria Meccanica Segnali e rasformae DEIS-Universià di Bologna el. 5 93 Email: crossi@deis.unibo.i URL: www-lar.deis.unibo.i/~crossi Segnali e rasformae - Segnali
DettagliGeometria analitica del piano pag 7 Adolfo Scimone. Rette in posizioni particolari rispetto al sistema di riferimento
Geomeria analiica del piano pag 7 Adolfo Scimone Ree in posizioni paricolari rispeo al sisema di riferimeno L'equazione affine di una rea a + + c = 0 può assumere forme paricolari in relazione alla posizione
DettagliRecupero 1 compitino di Analisi Matematica 2 Ingegneria Elettronica. Politecnico di Milano. A.A. 2018/2019. Prof. M. Bramanti
Recupero 1 compiino di Analisi Maemaica Ingegneria Eleronica. Poliecnico di Milano Es. Puni A.A. 18/19. Prof. M. Bramani 1 Tema n 1 3 4 5 6 To. Cognome e nome in sampaello codice persona o n di maricola
DettagliCP110 Probabilità: Esame 13 settembre Testo e soluzione
Dipartimento di Matematica, Roma Tre Pietro Caputo 2011-12, II semestre 13 settembre, 2012 CP110 Probabilità: Esame 13 settembre 2012 Testo e soluzione 1. (6 pts) Una scatola contiene 10 palline, 8 bianche
DettagliAnalisi Matematica 3/Analisi 4 - SOLUZIONI (19/01/2015)
Corso di Laurea in Maemaica Docene: Claudia Anedda Analisi Maemaica 3/Analisi 4 - SOLUZIONI (19/1/215) 1) Daa la serie x b e nx [(n + 1) 2 e x n 2 ], n1 b N +, b pari: i) dimosrare che essa è una serie
DettagliCONTROLLI AUTOMATICI Ingegneria Meccatronica
CONTROLLI AUTOMATICI Ingegneria Meccaronica TRASFORMATE DI LAPLACE Prof. Cesare Fanuzzi Ing. Crisian Secchi e-mail: cesare.fanuzzi@unimore.i, crisian.secchi@unimore.i hp://www.auomazione.ingre.unimore.i
DettagliRISPOSTA IN FREQUENZA DEI SISTEMI LTI. 1 Fondamenti Segnali e Trasmissione
RISPOSTA IN FREQUENZA DEI SISTEMI LTI Fondameni Segnali e Trasmissione Risposa in requenza dei sisemi LTI Se il segnale d ingresso di un sisema Lineare Tempo-Invariane LTI e un esponenziale complesso l
DettagliCircuiti dinamici. Circuiti del primo ordine. (versione del ) Circuiti del primo ordine
ircuii dinamici ircuii del primo ordine www.die.ing.unibo.i/pers/masri/didaica.hm (versione del 4-5- ircuii del primo ordine ircuii del primo ordine: circuii il cui sao è definio da una sola variabile
Dettagli5. L integrale improprio x 2 : (a) diverge. (b) converge a 0 = lim. (c) converge a π 4 (d) è uguale al valore del limite
INTEGRALI IMPROPRI Tes di auovaluazione. L inegrale improprio 5 d : (a) vale 4 5 (c) vale 5 4 (d) è negaivo.. L inegrale improprio 4 + 5 d : (a) vale 4 5 (c) vale 4 5 (d) ende a.. L inegrale improprio
DettagliSistemi Lineari e Tempo-Invarianti (SLI) Risposta impulsiva e al gradino
Sisemi Lineari e Tempo-Invariani (SLI) Risposa impulsiva e al gradino by hp://www.oasiech.i Con sisema SLI si inende un sisema lineare e empo invariane, rispeo alla seguene figura: Lineare: si ha quando
DettagliTeoria dei segnali. Unità 2 Sistemi lineari. Sistemi lineari: definizioni e concetti di base. Concetti avanzati Politecnico di Torino 1
Sisemi lineari: deinizioni e concei di base Teoria dei segnali Unià 2 Sisemi lineari Sisemi lineari Deinizioni e concei di base Concei avanzai 2 25 Poliecnico di Torino Sisemi lineari: deinizioni e concei
DettagliSISTEMI LINEARI TEMPO INVARIANTI
SISTEMI LINEARI TEMPO INVARIANTI 1 Fondameni di segnali Fondameni e rasmissione TLC Definizione di sisema Sisema: Da un puno di visa fisico e un disposiivo ce modifica un segnale x(, deo ingresso, generando
DettagliSOLUZIONI SCRITTO DI ANALISI MATEMATICA II - 24/06/08. C.L. in Matematica e Matematica per le Applicazioni
SOLUZIONI SCRITTO DI ANALISI MATEMATICA II - 4/06/08 C.L. in Maemaica e Maemaica per le Applicazioni Prof. K. R. Payne e Do. M. Calanchi, C. Tarsi, L. Vesely Soluzione esercizio. (a) Sia f definia da f(x)
DettagliCircuiti del I ordine
ircuii del I ordine 9 Un circuio è deo del I ordine se coniene un solo elemeno dinamico, condensaore o induore, e per il reso è cosiuio da componeni elerici di ipo algebrico privi di memoria, ovvero generaori
DettagliEsercitazioni di Elettrotecnica: circuiti in evoluzione dinamica
Uniersià degli Sudi di assino serciazioni di leroecnica: circuii in eoluzione dinamica nonio Maffucci er seembre ircuii dinamici del primo ordine S onsiderao il seguene circuio che o all isane laora in
DettagliIl moto in una o più dimensioni
Il moo in una o più dimensioni Rappresenazione Grafica e esempi Piccolo riepilogo Moo: posizione in funzione del empo (grafico P-). Necessia della scela di un sisema di riferimeno ( ) Velocià media v m
DettagliTeoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( )
Il Concetto di Distribuzione Condizionata Se B è un evento, la probabilità di un evento A condizionata a B vale: ponendo: P A B = ( ) P A B P B A = { x} si giunge al concetto di distribuzione condizionata
DettagliLa cicloide. Flaviano Battelli Dipartimento di Scienze Matematiche Università Politecnica delle Marche, Ancona
La cicloide Flaviano Baelli Diparimeno di Scienze Maemaiche Universià Poliecnica delle Marche, Ancona In una circonferenza γ di raggio r che poggia su una rea fissiamo un puno P e facciamo roolare senza
DettagliUNIVERSITÀ di ROMA TOR VERGATA
UNIVERSITÀ di ROMA TOR VERGATA Corso di Probabilià e Saisica 26-7 PBaldi, GTerenzi Tuorao 5, 2 aprile 27 Corso di Laurea in Maemaica Esercizio Dire se esisono delle cosani c ali che le funzioni a) f (x)
DettagliIl Corso di Fisica per Scienze Biologiche
Il Corso di Fisica per Scienze Biologiche Ø Prof. Ailio Sanocchia Ø Ufficio presso il Diparimeno di Fisica (Quino Piano) Tel. 075-585 708 Ø E-mail: ailio.sanocchia@pg.infn.i Ø Web: hp://www.fisica.unipg.i/~ailio.sanocchia
DettagliSoluzione. Le componenti del gradiente sono le derivate parziali della funzione: cos y 0 (x 0, y 0 ) domf =R 2. sin y 0 (x x 0 ) + e x 0
Gradiene e piano angene Definizione 1 Sia f : A R 2 R, f derivabile in (x 0, y 0 ) A). Definiamo il veore gradiene di f in (x 0, y 0 ): f(x 0, y 0 ) = (f x (x 0, y 0 ), f y (x 0, y 0 )). Definiamo il piano
DettagliSEGNALI E SISTEMI (a.a ) Prof. M. Pavon Esercizi risolti 6 Attenzione: u(t) = 1l(t)
SEGNALI E SISTEMI (a.a. 9-) Prof. M. Pavon Esercizi risoli 6 Aenzione: u() = l(). Si deermini il periodo fondamenale T e i coefficieni di Fourier a k del segnale a empo coninuo sen + 4 cos + cos(6 π 4
DettagliPROCESSI D URTO IN UNA DIMENSIONE
4/5 PROCESSI D URTO IN UNA DIMENSIONE 9/1 1 PROCESSI D URTO IN UNA DIMENSIONE Consideraa una paricella che si muove in un poenziale che si annulla per x ±, siamo ineressai a discuere paricolari soluzioni
DettagliTratto dal Corso di Telecomunicazioni Vol. I Ettore Panella Giuseppe Spalierno Edizioni Cupido. lim. 1 t 1 T
rao dal Corso di elecomunicazioni Vol. I ore Panella Giuseppe Spalierno dizioni Cupido 4. nergia e Poenza Dao un segnale di ampiezza s() si definisce energia oale il valore del seguene inegrale: + / /
DettagliTRASFORMATE DI LAPLACE
CONTROLLI AUTOMATICI Ingegneria della Gesione Indusriale e della Inegrazione di Impresa hp://www.auomazione.ingre.unimore.i/pages/corsi/conrolliauomaicigesionale.hm Trasformae di Laplace Gli esempi visi
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
Dettagli9.4.4 Filtro adattato 9.4. FILTRAGGIO DI SEGNALI E PROCESSI 235
9.4. FILRAGGIO DI SEGNALI E PROCESSI 35 Rispose ) Calcoliamo la media emporale: P x = ; / / x () d = /4 /4 () d = 4 = ) Sappiamo che P y = Py (f) df, in cui Py (f) = Y (f), ed a sua vola Y (f) = X (f)
DettagliEFFETTI DELLA RICOTTURA
EFFETTI DELLA RICOTTURA Derivazione della legge di ingrossameno del grano: v R R gb g M F R R gb g, n g, gb 1 1 F gb γ gb + γ gb r1 r Rg dr g dr g v gb km gbγ d d n g gb R K più in generale : K n g inegrando
DettagliSERIE STORICHE, PROCESSI E MODELLI STOCASTICI PER L IDROLOGIA E LA GESTIONE DELLE RISORSE IDRICHE
SERIE STORICHE, PROCESSI E MODELLI STOCASTICI PER L IDROLOGIA E LA GESTIONE DELLE RISORSE IDRICHE Pierluigi Claps DITIC POLITECNICO DI TORINO [claps@polio.i] Appuni scrii per il Corso di III livello: Simulazione
DettagliEsercizi aggiuntivi Unità A1
Esercizi aggiunivi Unià A Esercizi svoli Esercizio A Concei inroduivi Daa la grandezza impulsiva periodica la cui forma d onda è rappresenaa nella figura A., calcolarne il valore medio nel periodo, il
DettagliLa Trasformata di Fourier: basi matematiche ed applicazioni. Parte III
Meodi di Calcolo per la Chimica A.A. 6-7 Marco Ruzzi a rasformaa di Fourier: basi maemaiche ed applicazioni Pare Showing a Fourier ransform o a physics suden generally produces he same reacion as showing
DettagliEsercizi Scheda N Fisica II. Esercizi con soluzione svolta
Poliecnico di Torino etem Esercizi Scheda N. 0 45 Fisica II Esercizi con soluzione svola Esercizio 0. Si consideri il circuio V R T R T V I V 0 Vols R 5 Ω R 0 Ω µf sapendo che per 0 T on T off 5 µs T off
DettagliUniversità degli studi di Genova Facoltà di Scienze Matematiche, Fisiche e Naturali. Prova Finale. Titolo:
Universià degli sudi di Genova Facolà di Scienze Maemaiche, Fisiche e Naurali Anno accademico 003 004 Corso di laurea in Saisica Maemaica e Traameno Informaico dei Dai Prova Finale Tiolo: Analisi delle
DettagliEsercizi su formula di Itô
Esercizi su formula di Itô 1. Scrivere il differenziale stocastico dei seguenti processi: (i) X t = B t (ii) X t = t + e B t (iii) X t = B 3 t 3tB t (iv) X t = 1 + t + e B t (v) X t = [B 1 (t)] + [B (t)]
DettagliTeoria dei processi casuali a tempo continuo. Seconda lezione: Medie statistiche
Teora de process casual a tempo contnuo Seconda lezone: Valore medo e autocorrelazone Esemp Valor med de process Quas Determnat (QD) 005 Poltecnco d Torno Valore medo e autocorrelazone e valore atteso
DettagliEsercitazione del 16/04/2019 Istituzioni di Calcolo delle Probabilità
Esercitazione del 6/04/09 Istituzioni di Calcolo delle Probabilità David Barbato Nozioni di riepilogo con esercizi Distribuzione di una funzione di una variabile aleatoria discreta. Sia X una variabile
DettagliCircuiti in regime sinusoidale
ircuii in regime sinusoidale are www.die.ing.unibo.i/pers/masri/didaica.hm versione del 3-0-05 Funzioni sinusoidali a cos ampiezza fase iniziale radiani, rad < pulsazione rad/s f frequenza herz, Hz T periodo
DettagliSISTEMI LINEARI TEMPO INVARIANTI
SISTEMI LINEARI TEMPO INVARIANTI Fondameni di Segnali e Trasmissione Sisema: Definizione di Sisema Da un puno di visa fisico e un disposiivo ce modifica un segnale, deo ingresso, generando il segnale,
DettagliTrasformata di Fourier (1/7)
1 rasormaa di Fourier (1/7 + De: Un segnale x( è impulsivo se x ( d < + F : + j X( x( e π d F{ x( }, < < + F -1 + jπ 1 : x( X( e d F { X( }, < < + X( è una rappresenazione di x( nel dominio della requenza
DettagliProprietà della Trasformata. Funzioni trasformabili (1/3) L {af(t) + bg(t)} (s) = (af(t) + bg(t))e st dt. Tabella 1. = a f(t)e st dt + b g(t)e st dt
Ouline La rasformaa di Laplace La rasformaa di Laplace (Meodi Maemaici e Calcolo per Ingegneria) Enrico Berolazzi DIMS Universià di reno anno accademico 27/28 (aggiornaa al 8//27) 2 Proprieà della rasformaa
DettagliCorso di laurea in Ingegneria Meccatronica CONTROLLI AUTOMATICI E CA - 03 FUNZIONE DI TRASFERIMENTO
Auomaion Roboics and Sysem CONTROL Corso di laurea in Ingegneria Meccaronica CONTROLLI AUTOMATICI E AZIONAMENTI ELETTRICI CA - 03 FUNZIONE DI TRASFERIMENTO Universià degli Sudi di Modena e Reggio Emilia
DettagliLezione 2: Descrizione dei Da0. h2p://
Lezione 2: Descrizione dei Da0 h2p://www.mi.infn.it/~palombo/dida=ca/analisista0s0ca/lezioni/lezione2.pdf Funzione Densità di Probabilità q La variabile casuale assume valori diversi con diverse probabilità.
DettagliOutline. La trasformata di Laplace. (Metodi Matematici e Calcolo per Ingegneria) Enrico Bertolazzi
Ouline La rasformaa di Laplace La rasformaa di Laplace (Meodi Maemaici e Calcolo per Ingegneria) Enrico Berolazzi DIMS Universià di reno anno accademico 28/29 (aggiornaa al 2/9/28) 2 Proprieà della rasformaa
DettagliESERCIZI di TEORIA dei SEGNALI. La Correlazione
ESERCIZI di TEORI dei SEGNLI La Correlazione Correlazione Si definisce correlazione (o correlazione incrociaa o cross-correlazione) ra i due segnali di energia, in generale complessi, x() e y() la quanià:
DettagliEsercizi di Teoria dei Segnali. La Trasformata di Fourier
Esercizi di Teoria dei Segnali La Trasformaa di Fourier 1 Esercizio 1 Calcolare la rasformaa di Fourier del segnale di fig. 1.1. x() A B - T/ T/ fig.1.1 Per calcolare la rasformaa di queso segnalesi può
DettagliEsercizi su leggi Gaussiane
Esercizi su leggi Gaussiane. Siano X e Y v.a. indipendenti e con distribuzione normale standard. Trovare le densità di X, X +Y e X, X. Mostrare che queste due variabili aleatorie bidimensionali hanno le
DettagliIII Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 2014/15 Nome: 14 luglio
III Appello di Calcolo delle Probabilità Cognome: Laurea Triennale in Matematica 14/15 Nome: 14 luglio 15 Email: Se non è espressamente indicato il contrario, per la soluzione degli esercizi è possibile
DettagliAnalisi Matematica II Corso di Ingegneria Gestionale Compito del log 1 + x2 y 2
Analisi Maemaica II Corso di Ingegneria Gesionale Compio del 5-7-7 - È obbligaorio consegnare ui i fogli, anche la brua e il eso. - Le rispose senza giusificazione sono considerae nulle. Esercizio. puni
DettagliCorso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte III: variabili aleatorie dipendenti e indipendenti,
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza di Variabili Aleatorie Sistema di Variabili
DettagliDEFINIZIONE E CLASSIFICAZIONE DEI SEGNALI
DEFINIZIONE E CLASSIFICAZIONE DEI SEGNALI Con il ermine segnale si indica una funzione, generalmene del empo, che rappresena la legge di variazione di una grandezza fisica: (acusica, elerica, oica, ) ad
DettagliAPPUNTI INTEGRATIVI Provvisori circa: Risposta in Frequenza: Introduzione ai Filtri Passivi e Attivi. Filtri del I ordine
APPUNTI INTEGRATIVI Provvisori circa: Risposa in Frequenza: Inroduzione ai Filri Passivi e Aivi Filri del I ordine. Passa-Basso Consideriamo la funzione di ree: Trasferimeno in ensione ai capi di un condensaore
DettagliAnalisi Matematica II Corso di Ingegneria Gestionale Compito A del
Analisi Maemaica II Corso di Ingegneria Gesionale Compio A del -6-7 - È obbligaorio consegnare ui i fogli, anche la brua e il eso. - Le rispose senza giusificazione sono considerae nulle. Esercizio. puni
Dettagli