Per il seminario di cultura formale - Dottorato GIA

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Per il seminario di cultura formale - Dottorato GIA"

Transcript

1 Per l semnaro d cultura formale - Dottorato GIA Luca Mar, dcembre 003 Lezone 1: la matematca come strumento per pensare Cnque ncontr, da 1 ora e mezza cascuno. Con questo tempo complessvo a dsposzone, è charo che non s possono ntrodurre contenut tecnc specfc (e qual potrebbero essere? d matematca generale, d anals?, d statstca?...). Puttosto, gl obettv potrebbero essere d tpo metodologco, complessvamente orentat a mostrare che la matematca nsegna a pensare. «I problem d routne possono essere necessar nell nsegnamento della matematca, ma proporre agl alunn esclusvamente esercz d questo tpo è un errore mperdonable. Insegnare l esecuzone meccanca delle operazon matematche d routne e nente pù equvale a unformars a un lvello molto nferore persno a quello d un manuale d rcette d arte culnara; nfatt quest ultmo lasca sempre qualcosa all nventva e all arbtro d un cuoco, mentre le rcette d matematca non consentono ma alcun atto d lbertà alla fantasa e all ntellgenza». «Un dea genale rsolve spesso un grande problema, ma nella rsoluzone d tutt problem ntervene un pzzco d genaltà. Può trattars d un problema modesto; tuttava, se esso stuzzca la nostra curostà ed eccta le nostre facoltà mental e, soprattutto, se s resce a rsolverlo da sol, s scoprrà l ansa della rcerca e la goa della scoperta. Sml esperenze, fatte a tempo opportuno, possono rappresentare un vero e propro eserczo dello sprto e lascare un mpronta nell anmo e nel carattere per tutta la vta. Qund un nsegnante d matematca ha una grande possbltà. Ovvamente, se egl mpegherà le sue ore d lezone a far esegure de calcol a suo student, fnrà per soffocare l loro nteresse, arrestare l loro svluppo mentale e scupare l opportuntà che gl s presenta. Invece, se rsveglerà la curostà degl alunn proponendo problem d dffcoltà proporzonate alle conoscenze della scolaresca e l auterà a rsolvere le queston proposte con domande opportune, egl saprà sprare n loro l gusto d un ragonamento orgnale». (G.Polya, How to solve t, Prnceton Unversty Press, 1945; trad.t. Come rsolvere problem d matematca Logca ed eurstca nel metodo matematco, Feltrnell, 1967; pag. 17; pag. 7) A cosa serve la matematca? la rsposta tradzonale è: per fare cont, coè per effettuare elaborazon n modo precso e rpetble; possamo dare una rsposta pù generale: la matematca è uno (lo?) strumento d formalzzazone, coè d espressone (tentatvamente) completa e non ambgua d contenut; contenut formalzzat possono essere non solo elaborat n modo precso e rpetble, ma anche comuncat n modo completo e non ambguo. La matematca: tra formalzzazone e rduzonsmo (s può usare la matematca nelle scenze socal senza mmare la fsca? E quale matematca?). perché esstono matematche dverse (come tradzonalmente s sa, a partre dalla dstnzone tra artmetca e geometra ), per esempo modulabl ntorno a 5 opposzon: quanttà-qualtà contnuo-dscreto lneare-non lneare smbolco-numerco determnstco-stocastco perché quanttatvo non è snonmo d formale, e perché la matematca s nteressa d strutture prma che d numer L esempo dell somorfsmo tra numer con dvsor (30) e nsem con nclusone ({a,b,c}): la stessa struttura formale ( astratta ):

2 β ε α γ ζ δ η può essere usata per nterpretare enttà dverse, sa quanttatve sa qualtatve. Per esempo: R( x, y) R( y, z) R( x, z) (transtvtà) x y, R( x, y) R( y, x) (antsmmetra) Lezone : un esplorazone ntorno al concetto (pre-quanttatvo) d funzone Una funzone è una regola f : A B che a ogn elemento a A assoca uno e un solo elemento b B; è dunque una partcolare relazone su A B, caratterzzata dalle due condzon: ogn elemento del domno deve avere un f -valore; per ogn elemento del domno, l f -valore è unco. ( a A,! b B : f ( a) = b, dove le due condzon sono dunque formalzzate n termn d esstenza e unctà del valore) (adottamo un esempo: A = persone; B = ruol azendal) Ogn funzone (dunque per solo l fatto d soddsfare le due condzon ndcate) è rappresentable come l rsultato della composzone d due attvtà (n effett a loro volta funzon) elementar e paradgmatche: l dentfcazone d una partzone sul domno, coè d una collezone d sottonsem esaustv ( A = A) e mutuamente esclusv ( A A = ), basata sulla relazone d equvalenza tale che a 1 a sse f ( a ) = f ( a ) (da notare che esaustvtà e mutua esclusvtà hanno 1 un corrspondente logco rspettvamente ne prncp del terzo escluso ( v( x x) = V ) e d non contraddzone v( x x) = F )); l assegnazone d un nome a ogn classe d equvalenza della partzone. Questa composzone è vsualzzable come un trangolo commutatvo, f = g h, con g : A A/ dove A / è l cosddetto nseme quozente d A per : f A B g h A/ S stablsce coè una corrspondenza tra funzon d domno A e partzon sullo stesso domno. Un lmte (l lmte prncpale forse) d questa formalzzazone n quanto strumento d modellstca: non è frequente che le nostre categorzzazon operno effettvamente come relazon d equvalenza; crtche non sono la rflessvtà ( a a) né la smmetra ( a b b a), ma la transtvtà ( a b b c a c); molto spesso l punto d vsta è completamente dverso da quello adottato fnora, ed è basato su concett d compatbltà / dfferenza percepble, che sono non transtv (pù n generale, nostr concett spesso non sono transtv, e pù che per equvalenze pensamo per smlartà: l caso tpco del paradosso del sorte). Il domno A può essere organzzato n sottonsem d compatbltà, tpcamente con la regola che ogn elemento del domno appartene ad almeno un (ma non necessaramente a un solo) sottonseme, dunque mantenendo l esaustvtà / l terzo escluso ma non mponendo pù la mutua esclusvtà / la non contraddzone (che dunque perdono la loro caratterstca d dualtà). Un modo per formalzzare per stuazone mette n evdenza una tpca tecnca matematca: la generalzzazone. Se rdefnamo l codomno d f, da B a P( B ), l nseme de sottonsem d B, tutto torna come prma. La cosa ha un nterpretazone espressva nel caso n cu B sa un nseme θ j

3 numerco e valor f ( a ) sano ntervall: allora la compatbltà può essere espressa come ntersezone tra ntervall. Lezone 3: funzon e strutture Alcune (ulteror) caratterstche delle funzon, nel contesto d questa rappresentazone: surettvtà ( b B, a : b = f ( a) ), una propretà comunque convenzonale (se cert valor non s usano, è suffcente rdefnre la funzone sulla sua mmagne f ( A ); n questo modo la funzone d assegnazone d un nome h rsulta sempre bunvoca); nettvtà ( a 1 a f ( a 1 ) f ( a )), coè cardnaltà delle class d equvalenza = 1, coè funzone nvertble, coè funzone a massmo potere rsolutvo. Data la corrspondenza tra funzon d domno A e partzon sullo stesso domno, s stablsce parallelamente un ordne parzale d potere rsolutvo tra funzon / partzon: la partzone pù grezza è quella che contene una sola classe (corrspondente alle funzon costant, un unca funzone, a meno del cambo d nome); la partzone pù fne è quella n cu ogn classe ha cardnaltà 1 (corrspondente alle funzon nettve). Nel solto dagramma d retcolo: {a,b,c} {a,b} {a} {a,c} {b} {b,c} {c} un ncremento del potere rsolutvo, coè un raffnamento della partzone, corrsponde a una dscesa progressva attraverso l grafo. Una nota: abbamo notato come funzon e relazon d equvalenza sano modellstcamente sosttubl le une alle altre. Questa relazone è ulterormente estendble: poché ogn classe d equvalenza della partzone è coestensva con una propretà attraverso la medazone della funzone caratterstca / d appartenenza (da cu la naturale generalzzazone fuzzy), possamo equparare a funzon e relazon d equvalenza anche nsem (esaustv e mutuamente esclusv ) d propretà. Dunque: funzon partzon relazon d equvalenza nsem d propretà S tratta dunque d mod dvers per pensare e rappresentare (e vsualzzare) uno stesso concetto. Un altro esempo: consderamo le due propretà essere un numero dspar e essere un numero prmo, confrontabl perché defnte sullo stesso domno (dcamo numer natural). Ovvamente vale che ogn numero prmo è anche dspar. Possamo scrvere questa nformazone n mod dvers: dat sottonsem D e P, P D condzone necessara perché x sa P è che x sa D date le propretà D( x ) ( x è dspar) e P( x ) ( x è prmo), x, P( x) D( x) Un occhata alla tavola della vertà dell mplcazone:

4 mostra le corrspondenze con l equvalente dagramma d Venn: P D 0 1 Un estensone al dscorso fatto fnora: spesso le funzon sono defnte su domn che sono nsemcon-struttura, coè nsem su cu sono defnte operazon o relazon, e s rchede che le funzon mantengano ( conservno ) tale struttura nel codomno. L esempo pù semplce: f : A, B, <, tale dunque che se a a allora f dovrebbe essere 1 tale che f ( a ) < f ( a ). 1 Una funzone che n questo senso conserva la struttura s chama (omo)morfsmo. Renterpretando l trangolo commutatvo n termn d morfsm, s rbadsce ancora pù charamente quanto gà notato: ogn morfsmo corrsponde alla rduzone del domno a un nseme quozente, tra cu element (le class d equvalenza) è ancora applcata la struttura d partenza. Un morfsmo nettvo (a meno d non surettvtà, cosa che s rsolve con una restrzone del codomno) è un somorfsmo: a meno d un cambamento d nom, due strutture somorfe sono la stessa. Un secondo esempo, che consente qualche ulterore consderazone: la struttura potrebbe essere basata non su generche relazon ma su operazon (s chama algebra una coppa <nseme, operazon>): f : A, B, +, da cu l dagramma commutatvo: f a 1 f(a 1 ) a f(a ) + a 1 a f f(a 1 a )= f(a 1 )+f(a ) Un altro esempo, classco, d somorfsmo, f : +,, + : log a 1 log(a 1 ) a log(a ) + a 1 a log(a 1 a )=log(a 1 )+log(a ) log -1 (per esempo: 8 56 log (8 56)=log (8)+log (56)=3+8=11 11 =048). Attraverso l somorfsmo log s mettono n corrspondenza successon geometrche con successon artmetche; per esempo, a base 10: Per va dell somorfsmo, non s perde nformazone se una successone vene rappresentata n scala non lneare ma logartmca (è quello che s fa quando s valuta n db). Lezone 4: la formalzzazone della non-esattezza nel contesto delle algebre booleane L algebra booleana de sottonsem d un nseme X (nel caso # X = 3 è rappresentable medante l retcolo:

5 {a,b} {a} {a,b,c} {a,c} {b} {b,c} {c} gà ncontrato), P( X ) = X, è l domno per la formalzzazone d dat relatv a X e d cu s vogla modellzzare la non-esattezza, una caratterstca che s declna nel trade-off tra due component: (non) specfctà (o precsone) e (n)certezza. Sulla specfctà: è pù specfco questo lbro ha 10 pagne d questo lbro ha pù d 100 pagne. Formalzzando tal propretà / proposzon medante sottonsem d un opportuno nseme X, l grado d specfctà corrsponde al lvello d profondtà de sottonsem nel retcolo: dal massmamente generco (l elemento massmo del retcolo, corrspondente all unverso X : semantcamente corrsponde alla sola conferma del modello), fno al massmamente specfco (un sngoletto, sottonseme costtuto da un solo elemento d X ). Problema: come s potrebbe formalzzare n questo contesto questo lbro ha crca 100 pagne? ( l estensone possble de sottonsem fuzzy ) Sulla certezza: mentre la specfctà è una caratterstca ntrnseca (sceglendo un elemento d P( X ) se ne fssa l grado d specfctà), la certezza è una caratterstca agguntva, che s stablsce assegnando una msura d (n)certezza M a ogn elemento d P( X ). Convenzonalmente sceglamo M : P( X) [0,1], con le ovve condzon agl estrem: M ( ) = 0 e M( X ) = 1. E po ragonevole porre la condzone d monotonctà: A B M( A) M( B), che nuovamente evdenza una relazone tra la struttura d retcolo d P( X ) e una msura d non-esattezza. Questa volta, però, la drezone è nversa rspetto alla specfctà: aumenta la certezza mano a mano che s sale verso l massmo del retcolo. Ne concludamo la relazone generale: a partà d nformazone emprca da formalzzare, all aumentare della specfctà s rduce la certezza, e vceversa (da notare che questa è una versone generalzzata, e qund debole, della nota relazone probablstca tra ntervall d confdenza e lvell d confdenza). La msura d (n)certezza M non è defnta unvocamente dalle relazon precedent, ed è dunque opportuno ntrodurre un ulterore condzone, che ne specfch maggormente le caratterstche. La msura d probabltà è una partcolare msura d (n)certezza, defnta da: M ( A B) = M( A) + M( B) M( A B), condzone d addtvtà che sostanzalmente resprme l prncpo logco del terzo escluso, e dunque un comportamento d tpo parttvo. Il rfermento all assegnazone a element d una partzone è ancor pù evdente nella usuale modaltà alternatva d defnre la msura d probabltà, medante una funzone d denstà d probabltà m : X [0,1] defnta sugl element d X, dunque n pratca sulla partzone d X massmamente specfca: m( x ) = 1, da cu M ( A) = m( x ). x X La msura d probabltà è ben nota ed è stata studata e applcata orma da pù d tre secol. Non s capsce, però, la fondatezza dell usuale affermazone secondo cu essa sarebbe non una, ma la msura d (n)certezza. Non s capsce, coè, perché le valutazon d (n)certezza debbano necessaramente essere addtve. Il problema n cu questa non necesstà emerge forse pù charamente rguarda l comportamento modellstco n assenza d nformazone specfca. In cas d questo genere, l prncpo cosddetto d mnma nformazone (o, per ragon che qu non approfondamo, d massma entropa ) x A

6 raccomanda d assegnare una msura d probabltà basata su una denstà unforme, dunque m 1 ( x ) = n a ognuno degl n element x del domno. S tratta dunque d un assegnazone che attrbusce una certezza non nulla a element massmamente specfc, n completa contraddzone con l assunzone d non dsporre affatto d nformazon specfche! Il fatto è che la condzone d addtvtà mpone d trattare nello stesso modo (e qund modellstcamente non consente d dstnguere tra) l assenza d nformazone specfca ( non so ) e la presenza d nformazone unforme ( so che non, oppure anche so che le ncertezze sono equvalent ). Un esempo: n scav archeologc è stato trovato un vaso, e le prme anals ndcano tre possbltà: a : è un vaso del prmo perodo Mng; b : è un vaso del secondo perodo Mng; c : è un falso. Il domno n cu formalzzare l nformazone d cu s dspone è nuovamente l retcolo d un nseme d tre element (n cu, per esempo, assegnare una msura d (n)certezza non nulla all elemento { ab, } corrsponde ad attrbure certezza al fatto che l vaso sa Mng, del prmo o del secondo perodo). Supponamo che l ndagne sa stata assegnata sa a un esperto sa, maldestramente, a una persona ncompetente. Il prmo, dopo un accurata ndagne, potrebbe arrvare a concludere d dsporre d element a supporto dell evdenza sa d a, sa d b, sa d c, e qund potrebbe 1 assegnare ma ( ) = mb ( ) = mc ( ) = ; l secondo, rcorrendo onestamente al prncpo d mnma 3 nformazone, gungerebbe alla stessa conclusone ma con motvazon del tutto dverse e, soprattutto, con l ntenzone d formalzzare uno stato d conoscenza completamente dverso da quello dell esperto. Pù consstente sarebbe l opzone d attrbure l ntera certezza all nformazone pù generca, m({ a, b, c }) = 1, cosa che però evdentemente l approcco probablstco veta. E questa la base per una categora d msure d (n)certezza non probablstche, pù o meno charamente raccolte ntorno alla denotazone d teore dell evdenza. Lezone 5: dal fnto-dscreto al contnuo Due argoment d base: nsem a cardnaltà non fnta e operator (funzon d funzon) Quando s passa a consderare nsem a cardnaltà non fnta succedono cose strane Per esempo: 1 x stablsce una relazone bunvoca (= una funzone nvertble) tra [0,1] e + : c sono tant element nel prmo nseme quant nel secondo, benché l prmo sa un sottonseme propro del secondo (questa è la caratterstca che forse ha consentto d defnre per la prma volta un concetto d nfnto n modo non-negatvo) Operator: consderamo una generca funzone f : X Y e d questa consderamo per esempo l valore f ( x ) x1 x x Ovvamente la sommatora assume un valore defnto solo dopo che sono stat specfcat gl estrem x 1 e x e la funzone f. In termn general, dunque, possamo nterpretare l espressone d sommatora a sua volta come una funzone, cu argoment sono due element d X e la funzone f : I ( x, x, f ); trattando due element d X come parametr (coè scrvendo I x x 1, 1 0 y ( f )), s charsce la natura d I d funzone d funzon, coè d operatore, l cu domno è +

7 un nseme d funzon F { f, f: X Y} = : I : F Y. S tratta, n pratca, d una nuova generalzzazone: da valor a funzon a operator. Un successvo lvello d astrazone s ottene quando s enfatzza la natura funzonale degl operator, prescndendo da valor de parametr e focalzzandos sulla trasformazone funzonale che l operatore Iˆ : F F opera su una certa f a cu s applca. Per esempo, data la funzone f () = su natural, possamo nvestgare sull operatore x1+ x ( f ) ( f ) f ( x ) x1, x = I ( f ) = 1+ x x x 1 x1 x x x1 x 1, x S tratta evdentemente d una forma generale, applcable n partcolare a ogn coppa d parametr I = I =, per scoprre che ( ) x e 1 x per ottenere uno specfco valore. Mettendo nseme quest due argoment d base (mancherebbe un ulterore elemento: l contnuo ). Dervate e ntegral sono due operator, corrspondent rspettvamente a un comportamento d tasso d dfferenza e sommatora nel contnuo Per ess vale la dstnzone tra operator I e operator Î, per esempo n termn d ntegral defnt e ntegral ndefnt. La dstnzone tra operator I e operator Î è fondamentale: trovare una soluzone per Î è un problema d tpo smbolco / analtco ( non c sono cont da fare ); trovare una soluzone per I è un problema d tpo numerco. Naturalmente la determnazone d Î è un problema pù generale della determnazone d I : se s è n grado d trovare una soluzone per Î, allora è generalmente banale trovare una soluzone per I. D altra parte è possble trovare soluzon approssmate ( numerche ) per I anche quando non s è n grado d trovare soluzon analtche per Î. smb non necessaramente esste una soluzone esste sempre una soluzone, almeno n forma approssmata num Specfcamente rspetto a dervate e ntegral: «Confrontando la dervazone e l ntegrazone c s trova d fronte a stuazon ben dverse. La dervabltà è decsamente una condzone restrttva per le funzon contnue, ma l effettvo procedmento d dervazone, coè l algortmo del calcolo dfferenzale, è n pratca un procedmento dretto, basato su alcune semplc regole. D altra parte, ogn funzone contnua, senza alcuna eccezone, ammette un ntegrale compreso tra due estrem assegnat; ma l calcolo esplcto d tale ntegrale è n generale molto dffcle anche per funzon del tutto semplc» [R.Courant, Che cos è la matematca? p.677]. dervazone smb esste sempre una soluzone, ma n condzon restrttve raramente s conosce la soluzone che però esste sempre ntegrazone esste sempre una soluzone, almeno n forma approssmata num

8 Ancora sulla semantca d quest due operator, nel caso partcolare n cu le funzon hanno l tempo come varable ndpendente. df () t = g () t rappresenta la varazone della funzone f, e qund dt df () t dt t= t 0 = g ( t ) rappresenta la varazone della funzone f all stante t 0, dunque formalzza (la prevsone su) l evoluzone locale d f : l evoluzone locale d una funzone, se è defnta, è sempre determnable; la corrsponde equazone ntegrale, t1 f ( t ) = f ( t ) + g ( τ ) dτ 1 0 rappresenta l evoluzone globale d f : l evoluzone globale d una funzone è sempre defnta, ma non sempre è determnable Interessante è l fatto che l evoluzone globale d f è ottenble anche dallo svluppo n sere d d f () t Taylor: f ( t + t) 0 dt t= t0 La conclusone: nfrangete la struttura che connette gl element d cò che s apprende e dstruggerete necessaramente ogn qualtà (G.Bateson, Mente e natura, 1979, Adelph, 1984, p.1) t0 0

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse

Lezione 10. L equilibrio del mercato finanziario: la struttura dei tassi d interesse Lezone 1. L equlbro del mercato fnanzaro: la struttura de tass d nteresse Ttol con scadenza dversa hanno prezz (e tass d nteresse) dfferent. Due ttol d durata dversa emess dallo stesso soggetto (stesso

Dettagli

LA COMPATIBILITA tra due misure:

LA COMPATIBILITA tra due misure: LA COMPATIBILITA tra due msure: 0.4 Due msure, supposte affette da error casual, s dcono tra loro compatbl quando la loro dfferenza può essere rcondotta ad una pura fluttuazone statstca attorno al valore

Dettagli

Condensatori e resistenze

Condensatori e resistenze Condensator e resstenze Lucano attaa Versone del 22 febbrao 2007 Indce In questa nota presento uno schema replogatvo relatvo a condensator e alle resstenze, con partcolare rguardo a collegament n sere

Dettagli

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI

CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI Cenn sulle macchne seuenzal CAPITOLO IV CENNI SULLE MACCHINE SEQUENZIALI 4.) La macchna seuenzale. Una macchna seuenzale o macchna a stat fnt M e' un automatsmo deale a n ngress e m uscte defnto da: )

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa 2012-2013 lezione 13: 24 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 13: 24 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/23? reammortamento uò accadere che, dopo l erogazone

Dettagli

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari

Capitolo 3 Covarianza, correlazione, bestfit lineari e non lineari Captolo 3 Covaranza, correlazone, bestft lnear e non lnear ) Covaranza e correlazone Ad un problema s assoca spesso pù d una varable quanttatva (es.: d una persona possamo determnare peso e altezza, oppure

Dettagli

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione

Relazione funzionale e statistica tra due variabili Modello di regressione lineare semplice Stima puntuale dei coefficienti di regressione 1 La Regressone Lneare (Semplce) Relazone funzonale e statstca tra due varabl Modello d regressone lneare semplce Stma puntuale de coeffcent d regressone Decomposzone della varanza Coeffcente d determnazone

Dettagli

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

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

Dettagli

Introduzione al Machine Learning

Introduzione al Machine Learning Introduzone al Machne Learnng Note dal corso d Machne Learnng Corso d Laurea Magstrale n Informatca aa 2010-2011 Prof Gorgo Gambos Unverstà degl Stud d Roma Tor Vergata 2 Queste note dervano da una selezone

Dettagli

Macchine. 5 Esercitazione 5

Macchine. 5 Esercitazione 5 ESERCITAZIONE 5 Lavoro nterno d una turbomacchna. Il lavoro nterno massco d una turbomacchna può essere determnato not trangol d veloctà che s realzzano all'ngresso e all'uscta della macchna stessa. Infatt

Dettagli

Valore attuale di una rendita. Valore attuale in Excel: funzione VA

Valore attuale di una rendita. Valore attuale in Excel: funzione VA Valore attuale d una rendta Nella scorsa lezone c samo concentrat sul problema del calcolo del alore attuale d una rendta S che è dato n generale da V ( S) { R ; t, 0,,,..., n,... } n 0 R ( t ), doe (t

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2012-2013 Esercitazione: 4 aprile 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2012-2013 Eserctazone: 4 aprle 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/41? Aula "Ranzan B" 255 post 1 2 3 4 5 6 7 8 9

Dettagli

Variabili statistiche - Sommario

Variabili statistiche - Sommario Varabl statstche - Sommaro Defnzon prelmnar Statstca descrttva Msure della tendenza centrale e della dspersone d un campone Introduzone La varable statstca rappresenta rsultat d un anals effettuata su

Dettagli

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni:

Analisi ammortizzata. Illustriamo il metodo con due esempi. operazioni su di una pila Sia P una pila di interi con le solite operazioni: Anals ammortzzata Anals ammortzzata S consdera l tempo rchesto per esegure, nel caso pessmo, una ntera sequenza d operazon. Se le operazon costose sono relatvamente meno frequent allora l costo rchesto

Dettagli

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1

* * * Nota inerente il calcolo della concentrazione rappresentativa della sorgente. Aprile 2006 RL/SUO-TEC 166/2006 1 APAT Agenza per la Protezone dell Ambente e per Servz Tecnc Dpartmento Dfesa del Suolo / Servzo Geologco D Itala Servzo Tecnologe del sto e St Contamnat * * * Nota nerente l calcolo della concentrazone

Dettagli

VA TIR - TA - TAEG Introduzione

VA TIR - TA - TAEG Introduzione VA TIR - TA - TAEG Introduzone La presente trattazone s pone come obettvo d analzzare due prncpal crter d scelta degl nvestment e fnanzament per valutare la convenenza tra due o pù operazon fnanzare. S

Dettagli

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013

Moduli su un dominio a ideali principali Maurizio Cornalba versione 15/5/2013 Modul su un domno a deal prncpal Maurzo Cornalba versone 15/5/2013 Sa A un anello commutatvo con 1. Indchamo con A k l modulo somma dretta d k cope d A. Un A-modulo fntamente generato M s dce lbero se

Dettagli

3. Esercitazioni di Teoria delle code

3. Esercitazioni di Teoria delle code 3. Eserctazon d Teora delle code Poltecnco d Torno Pagna d 33 Prevsone degl effett d una decsone S ndvduano due tpologe d problem: statc: l problema non vara nel breve perodo dnamc: l problema vara Come

Dettagli

Circuiti di ingresso differenziali

Circuiti di ingresso differenziali rcut d ngresso dfferenzal - rcut d ngresso dfferenzal - Il rfermento per potenzal Gl stad sngle-ended e dfferenzal I segnal elettrc prodott da trasduttor, oppure preleat da un crcuto o da un apparato elettrco,

Dettagli

Trigger di Schmitt. e +V t

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

Dettagli

Indicatori di rendimento per i titoli obbligazionari

Indicatori di rendimento per i titoli obbligazionari Indcator d rendmento per ttol obblgazonar LA VALUTAZIONE DEGLI INVESTIMENTI A TASSO FISSO Per valutare la convenenza d uno strumento fnanzaro è necessaro precsare: /4 Le specfche esgenze d un nvesttore

Dettagli

Statistica e calcolo delle Probabilità. Allievi INF

Statistica e calcolo delle Probabilità. Allievi INF Statstca e calcolo delle Probabltà. Allev INF Proff. L. Ladell e G. Posta 06.09.10 I drtt d autore sono rservat. Ogn sfruttamento commercale non autorzzato sarà perseguto. Cognome e Nome: Matrcola: Docente:

Dettagli

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE

STATISTICA DESCRITTIVA - SCHEDA N. 5 REGRESSIONE LINEARE Matematca e statstca: da dat a modell alle scelte www.dma.unge/pls_statstca Responsabl scentfc M.P. Rogantn e E. Sasso (Dpartmento d Matematca Unverstà d Genova) STATISTICA DESCRITTIVA - SCHEDA N. REGRESSIONE

Dettagli

MODELLISTICA DI SISTEMI DINAMICI

MODELLISTICA DI SISTEMI DINAMICI CONTROLLI AUTOMATICI Ingegnera Gestonale http://www.automazone.ngre.unmore.t/pages/cors/controllautomatcgestonale.htm MODELLISTICA DI SISTEMI DINAMICI Ing. Federca Gross Tel. 059 2056333 e-mal: federca.gross@unmore.t

Dettagli

CAPITOLO 3 Incertezza di misura Pagina 26

CAPITOLO 3 Incertezza di misura Pagina 26 CAPITOLO 3 Incertezza d msura Pagna 6 CAPITOLO 3 INCERTEZZA DI MISURA Le operazon d msurazone sono tutte nevtablmente affette da ncertezza e coè da un grado d ndetermnazone con l quale l processo d msurazone

Dettagli

Concetti principale della lezione precedente

Concetti principale della lezione precedente Corso d Statstca medca e applcata 6 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone precedente I concett prncpal che sono stat presentat sono: I fenomen probablstc RR OR ROC-curve Varabl

Dettagli

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive

Principi di ingegneria elettrica. Lezione 6 a. Analisi delle reti resistive Prncp d ngegnera elettrca Lezone 6 a Anals delle ret resste Anals delle ret resste L anals d una rete elettrca (rsoluzone della rete) consste nel determnare tutte le corrent ncognte ne ram e tutt potenzal

Dettagli

Università di Napoli Parthenope Facoltà di Ingegneria

Università di Napoli Parthenope Facoltà di Ingegneria Unverstà d Napol Parthenope acoltà d Ingegnera Corso d Metod Probablstc Statstc e Process Stocastc docente: Pro. Vto Pascazo 20 a Lezone: /2/2003 Sommaro Dstrbuzon condzonate: CD, pd, pm Teorema della

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI CONFRONTO DI PIU MEDIE IL METODO DI ANALISI DELLA VARIANZA IL PROBLEMA Supponamo d voler studare l effetto d 4 dverse dete su un campone casuale d 4

Dettagli

MACROECONOMIA A.A. 2014/2015

MACROECONOMIA A.A. 2014/2015 MACROECONOMIA A.A. 2014/2015 ESERCITAZIONE 2 MERCATO MONETARIO E MODELLO /LM ESERCIZIO 1 A) Un economa sta attraversando un perodo d profonda crs economca. Le banche decdono d aumentare la quota d depost

Dettagli

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model

Ricerca Operativa e Logistica Dott. F.Carrabs e Dott.ssa M.Gentili. Modelli per la Logistica: Single Flow One Level Model Multi Flow Two Level Model Rcerca Operatva e Logstca Dott. F.Carrabs e Dott.ssa M.Gentl Modell per la Logstca: Sngle Flow One Level Model Mult Flow Two Level Model Modell d localzzazone nel dscreto Modell a Prodotto Sngolo e a Un

Dettagli

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i.

Algebra 2. 6 4. Sia A un anello commutativo. Si ricorda che in un anello commutativo vale il teorema binomiale, cioè. (a + b) n = a i b n i i. Testo Fac-smle 2 Durata prova: 2 ore 8 1. Un gruppo G s dce semplce se suo unc sottogrupp normal sono 1 e G stesso. Sa G un gruppo d ordne pq con p e q numer prm tal che p < q. (a) Il gruppo G può essere

Dettagli

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA

Ministero della Salute D.G. della programmazione sanitaria --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA Mnstero della Salute D.G. della programmazone santara --- GLI ACC - L ANALISI DELLA VARIABILITÀ METODOLOGIA La valutazone del coeffcente d varabltà dell mpatto economco consente d ndvduare gl ACC e DRG

Dettagli

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014

Dipartimento di Economia Aziendale e Studi Giusprivatistici. Università degli Studi di Bari Aldo Moro. Corso di Macroeconomia 2014 Dpartmento d Economa Azendale e Stud Gusprvatstc Unverstà degl Stud d Bar Aldo Moro Corso d Macroeconoma 2014 1.Consderate l seguente grafco: LM Partà de tass d nteresse LM B A IS IS Y E E E Immagnate

Dettagli

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti

Il modello markoviano per la rappresentazione del Sistema Bonus Malus. Prof. Cerchiara Rocco Roberto. Materiale e Riferimenti Il modello marovano per la rappresentazone del Sstema Bonus Malus rof. Cercara Rocco Roberto Materale e Rferment. Lucd dstrbut n aula. Lemare 995 (pag.6- e pag. 74-78 3. Galatoto G. 4 (tt del VI Congresso

Dettagli

DBMS multimediali A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2

DBMS multimediali A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2 DBMS multmedal A L B E R T O B E L U S S I B A S I D I D A T I A N N O A C C A D E M I C O 2 0 1 1 / 2 0 1 2 DBMS multmedal Def: Sono DBMS che consentono d memorzzare e recuperare dat d natura multmedale:

Dettagli

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita

Corso di laurea in Ingegneria Meccatronica. DINAMICI CA - 04 ModiStabilita Automaton Robotcs and System CONTROL Unverstà degl Stud d Modena e Reggo Emla Corso d laurea n Ingegnera Meccatronca MODI E STABILITA DEI SISTEMI DINAMICI CA - 04 ModStablta Cesare Fantuzz (cesare.fantuzz@unmore.t)

Dettagli

Problemi variazionali invarianti 1

Problemi variazionali invarianti 1 Problem varazonal nvarant 1 A F. Klen per l cnquantesmo annversaro del dottorato. Emmy Noether a Gottnga. Comuncazone presentata da F. Klen nella seduta del 26 luglo 1918 2. 1 Invarante Varatonsprobleme,

Dettagli

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

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

Dettagli

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS

Capitolo 7. La «sintesi neoclassica» e il modello IS-LM. 2. La curva IS Captolo 7 1. Il modello IS-LM La «sntes neoclassca» e l modello IS-LM Defnzone: ndvdua tutte le combnazon d reddto e saggo d nteresse per le qual l mercato de ben (curva IS) e l mercato della moneta (curva

Dettagli

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria.

Il procedimento può essere pensato come una ricerca in un insieme ordinato, il peso incognito può essere cercato con il metodo della ricerca binaria. SCELTA OTTIMALE DEL PROCEDIMENTO PER PESARE Il procedmento può essere pensato come una rcerca n un nseme ordnato, l peso ncognto può essere cercato con l metodo della rcerca bnara. PESI CAMPIONE IN BASE

Dettagli

La soluzione delle equazioni differenziali con il metodo di Galerkin

La soluzione delle equazioni differenziali con il metodo di Galerkin Il metodo de resdu pesat per gl element fnt a soluzone delle equazon dfferenzal con l metodo d Galerkn Tra le procedure generalmente adottate per formulare e rsolvere le equazon dfferenzal con un metodo

Dettagli

Elementi di statistica

Elementi di statistica Element d statstca Popolazone statstca e campone casuale S chama popolazone statstca l nseme d tutt gl element che s voglono studare (ndvdu, anmal, vegetal, cellule, caratterstche delle collettvtà..) e

Dettagli

Risoluzione quesiti I esonero 2011

Risoluzione quesiti I esonero 2011 Rsoluzone quest I esonero 011 1) Compto 1 Q3 Un azenda a a dsposzone due progett d nvestmento tra d loro alternatv. Il prmo prevede l pagamento d un mporto par a 100 all epoca 0 e fluss par a 60 all epoca

Dettagli

La verifica delle ipotesi

La verifica delle ipotesi La verfca delle potes In molte crcostanze l rcercatore s trova a dover decdere quale, tra le dverse stuazon possbl rferbl alla popolazone, è quella meglo sostenuta dalle evdenze emprche. Ipotes statstca:

Dettagli

Matematica Computazionale(6cfu) Ottimizzazione(8cfu)

Matematica Computazionale(6cfu) Ottimizzazione(8cfu) Docente: Marco Gavano (e-mal:gavano@unca.t) Corso d Laurea n Infomatca Corso d Laurea n Matematca Matematca Computazonale(6cfu) Ottmzzazone(8cfu) (a.a. 205-6, lez.8) Matematca Computazonale, Ottmzzazone,

Dettagli

La retroazione negli amplificatori

La retroazione negli amplificatori La retroazone negl amplfcator P etroazonare un amplfcatore () sgnfca sottrarre (o sommare) al segnale d ngresso (S ) l segnale d retroazone (S r ) ottenuto dal segnale d uscta (S u ) medante un quadrpolo

Dettagli

ELEMENTI DI STATISTICA

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

Dettagli

Studio grafico-analitico di una funzioni reale in una variabile reale

Studio grafico-analitico di una funzioni reale in una variabile reale Studo grafco-analtco d una funzon reale n una varable reale f : R R a = f ( ) n Sequenza de pass In pratca 1 Stablre l tpo d funzone da studare es. f ( ) Determnare l domno D (o campo d esstenza) della

Dettagli

Università degli Studi di Urbino Facoltà di Economia

Università degli Studi di Urbino Facoltà di Economia Unverstà degl Stud d Urbno Facoltà d Economa Lezon d Statstca Descrttva svolte durante la prma parte del corso d corso d Statstca / Statstca I A.A. 004/05 a cura d: F. Bartolucc Lez. 8/0/04 Statstca descrttva

Dettagli

Test delle ipotesi Parte 2

Test delle ipotesi Parte 2 Test delle potes arte Test delle potes sulla dstrbuzone: Introduzone Test χ sulla dstrbuzone b Test χ sulla dstrbuzone: Eserczo Test delle potes sulla dstrbuzone Molte concluson tratte nell nferenza parametrca

Dettagli

Newsletter "Lean Production" Autore: Dott. Silvio Marzo

Newsletter Lean Production Autore: Dott. Silvio Marzo Il concetto d "Produzone Snella" (Lean Producton) s sta rapdamente mponendo come uno degl strument pù modern ed effcac per garantre alle azende la flessbltà e la compettvtà che l moderno mercato rchede.

Dettagli

LE CARTE DI CONTROLLO

LE CARTE DI CONTROLLO ITIS OMAR Dpartento d Meccanca LE CARTE DI CONTROLLO Carte d Controllo Le carte d controllo rappresentano uno degl struent pù portant per l controllo statstco d qualtà. La carta d controllo è corredata

Dettagli

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1

Integrazione numerica dell equazione del moto per un sistema lineare viscoso a un grado di libertà. Prof. Adolfo Santini - Dinamica delle Strutture 1 Integrazone numerca dell equazone del moto per un sstema lneare vscoso a un grado d lbertà Prof. Adolfo Santn - Dnamca delle Strutture 1 Introduzone 1/2 L equazone del moto d un sstema vscoso a un grado

Dettagli

Soluzione esercizio Mountbatten

Soluzione esercizio Mountbatten Soluzone eserczo Mountbatten I dat fornt nel testo fanno desumere che la Mountbatten utlzz un sstema d Actvty Based Costng. 1. Calcolo del costo peno ndustrale de tre prodott Per calcolare l costo peno

Dettagli

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO

A. AUMENTO DELLA SPESA PUBBLICA FINANZIATO ESCLUSIVAMENTE TRAMITE INDEBITAMENTO 4. SCHMI ALTRNATIVI DI FINANZIAMNTO DLLA SPSA PUBBLICA. Se l Governo decde d aumentare la Spesa Pubblca G (o Trasferment TR), allora deve anche reperre fond necessar per fnanzare questa sua maggore spesa.

Dettagli

Analisi Matenatica Lezione 1 23 settembre 2013

Analisi Matenatica Lezione 1 23 settembre 2013 Dpartmento d Scenze Statstche Anals Matenatca Lezone 1 23 settembre 2013 prof. Danele Rtell danele.rtell@unbo.t 1/24? Codce docente 030508 Codce corso 00013 Anals Matematca roflo scentfco del docente www.danelertell.name

Dettagli

Risposta in frequenza

Risposta in frequenza Rsposta n frequenza www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 6--6 Dagramm d Bode Le funzon d trasfermento (f.d.t de crcut lnear tempo nvarant sono funzon razonal (coè rapport tra due polnom

Dettagli

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII

RETI TELEMATICHE Lucidi delle Lezioni Capitolo VII Prof. Guseppe F. Ross E-mal: guseppe.ross@unpv.t Homepage: http://www.unpv.t/retcal/home.html UNIVERSITA' DEGLI STUDI DI PAVIA Facoltà d Ingegnera A.A. 2011/12 - I Semestre - Sede PV RETI TELEMATICHE Lucd

Dettagli

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile.

Geometria 1 a.a. 2011/12 Esonero del 23/01/12 Soluzioni (Compito A) sì determinarla, altrimenti dimostrare che ciò è impossibile. Geometra 1 a.a. 2011/12 Esonero del 23/01/12 Soluzon (Compto A) (1) S consder su C 2 l prodotto Hermtano, H assocato alla matrce ( ) 2 H =. 2 (a) Dmostrare che, H è defnto postvo e determnare una base

Dettagli

Analisi Class info sul corso Lezione 1 22 settembre 2014

Analisi Class info sul corso Lezione 1 22 settembre 2014 CLASS Bologna Anals Matematca @ Class nfo sul corso Lezone 1 22 settembre 2014 professor Danele Rtell danele.rtell@unbo.t 1/27? Codce docente 030508 Codce corso 00013 Anals Matematca roflo scentfco del

Dettagli

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica

Fotogrammetria. O centro di presa. fig.1 Geometria della presa fotogrammetrica Fotogrammetra Scopo della fotogrammetra è la determnazone delle poszon d punt nello spazo fsco a partre dalla msura delle poszon de punt corrspondent su un mmagne fotografca. Ovvamente, affnché questo

Dettagli

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca

Esercitazioni del corso di Relazioni tra variabili. Giancarlo Manzi Facoltà di Sociologia Università degli Studi di Milano-Bicocca Eserctazon del corso d Relazon tra varabl Gancarlo Manz Facoltà d Socologa Unverstà degl Stud d Mlano-Bcocca e-mal: gancarlo.manz@statstca.unmb.t Terza eserctazone Mlano, 8 febbrao 7 SOMMARIO TERZA ESERCITAZIONE

Dettagli

La taratura degli strumenti di misura

La taratura degli strumenti di misura La taratura degl strument d msura L mportanza dell operazone d taratura nasce dall esgenza d rendere l rsultato d una msura rferble a campon nazonal od nternazonal del msurando n questone affnché pù msure

Dettagli

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE

I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Facoltà d Economa Valutazone de prodott e dell mpresa d asscurazone I MODELLI MULTISTATO PER LE ASSICURAZIONI DI PERSONE Clauda Colucc Letza Monno Gordano Caporal Martna Ragg I Modell Multstato sono un

Dettagli

Relazioni tra variabili: Correlazione e regressione lineare

Relazioni tra variabili: Correlazione e regressione lineare Dott. Raffaele Casa - Dpartmento d Produzone Vegetale Modulo d Metodologa Spermentale Febbrao 003 Relazon tra varabl: Correlazone e regressone lneare Anals d relazon tra varabl 6 Produzone d granella (kg

Dettagli

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard

Corso di Statistica (canale P-Z) A.A. 2009/10 Prof.ssa P. Vicard Corso d Statstca (canale P-Z) A.A. 2009/0 Prof.ssa P. Vcard VALORI MEDI Introduzone Con le dstrbuzon e le rappresentazon grafche abbamo effettuato le prme sntes de dat. E propro osservando degl stogramm

Dettagli

LE FREQUENZE CUMULATE

LE FREQUENZE CUMULATE LE FREQUENZE CUMULATE Dott.ssa P. Vcard Introducamo questo argomento con l seguente Esempo: consderamo la seguente dstrbuzone d un campone d 70 sttut d credto numero flal present nel terrtoro del comune

Dettagli

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM)

TITOLO: L INCERTEZZA DI TARATURA DELLE MACCHINE PROVA MATERIALI (MPM) Identfcazone: SIT/Tec-012/05 Revsone: 0 Data 2005-06-06 Pagna 1 d 7 Annotazon: Il presente documento fornsce comment e lnee guda sull applcazone della ISO 7500-1 COPIA CONTROLLATA N CONSEGNATA A: COPIA

Dettagli

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna. Matematica aa lezione marzo 2009 Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Matematca aa 2008-2009 lezone 25 17 marzo 2009 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? Convesstà Sa I un ntervallo

Dettagli

Aritmetica e architetture

Aritmetica e architetture Unverstà degl stud d Parma Dpartmento d Ingegnera dell Informazone Poltecnco d Mlano Artmetca e archtetture Sommator Rpple Carry e CLA Bozza da completare del 7 nov 03 La rappresentazone de numer Rappresentazone

Dettagli

Cenni di matematica finanziaria Unità 61

Cenni di matematica finanziaria Unità 61 Prerequst: - Rsolvere equazon algebrche d 1 grado ed equazon esponenzal Questa untà è rvolta al 2 benno del seguente ndrzzo dell Isttuto Tecnco, settore Tecnologco: Agrara, Agroalmentare e Agrondustra.

Dettagli

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura

Norma UNI CEI ENV 13005: Guida all'espressione dell'incertezza di misura orma UI CEI EV 3005: Guda all'espressone dell'ncertezza d msura L obettvo d una msurazone è quello d determnare l valore del msurando, n altre parole della grandezza da msurare. In generale, però, l rsultato

Dettagli

TEST D INGRESSO MATEMATICA 24/05/2011

TEST D INGRESSO MATEMATICA 24/05/2011 TEST D INGRESSO MATEMATICA // COGNOME NOME ISTITUTO COMPRENSIVO/SCUOLA MEDIA CITTA Legg attentamente. ISTRUZIONI PER LA COMPILAZIONE DEL QUESTIONARIO Inza a lavorare solo quando te lo drà l nsegnante e

Dettagli

Prova di verifica n.0 Elettronica I (26/2/2015)

Prova di verifica n.0 Elettronica I (26/2/2015) Proa d erfca n.0 lettronca I (26/2/2015) OUT he hfe + L OUT - Fgura 1 Con rfermento alla rete elettrca d Fg.1, determnare: OUT / OUT / la resstenza sta dal generatore ( V ) la resstenza sta dall uscta

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 9: 3 marzo 2014 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2013-2014 lezone 9: 3 marzo 2014 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/25? Eserczo Consderamo una rendta perodca d 2n termn

Dettagli

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz

LEZIONE 2 e 3. La teoria della selezione di portafoglio di Markowitz LEZIONE e 3 La teora della selezone d portafoglo d Markowtz Unverstà degl Stud d Bergamo Premessa Unverstà degl Stud d Bergamo Premessa () È puttosto frequente osservare come gl nvesttor tendano a non

Dettagli

MODELLI DI SISTEMI. Principi di modellistica. Considerazioni energetiche. manca

MODELLI DI SISTEMI. Principi di modellistica. Considerazioni energetiche. manca ONTOI UTOMTII Ingegnera della Gestone Industrale e della Integrazone d Impresa http://www.automazone.ngre.unmore.t/pages/cors/ontrollutomatcgestonale.htm MODEI DI SISTEMI Ing. ug Bagott Tel. 05 0939903

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa lezione 16: 2 maggio 2012 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 16: 2 maggo 2012 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/19? CCT/CCTEu S tratta d un ttolo a cedola varable:

Dettagli

Apprendimento Automatico e IR: introduzione al Machine Learning

Apprendimento Automatico e IR: introduzione al Machine Learning Apprendmento Automatco e IR: ntroduzone al Machne Learnng MGRI a.a. 2007/8 A. Moschtt, R. Basl Dpartmento d Informatca Sstem e produzone Unverstà d Roma Tor Vergata mal: {moschtt,basl}@nfo.unroma2.t 1

Dettagli

Calibrazione. Lo strumento idealizzato

Calibrazione. Lo strumento idealizzato Calbrazone Come possamo fdarc d uno strumento? Abbamo bsogno d dentfcare l suo funzonamento n condzon controllate. L dentfcazone deve essere razonalmente organzzata e condvsa n termn procedural: s tratta

Dettagli

Analisi Matematica Lezione 16 3 novembre 2014 Limiti di funzioni

Analisi Matematica Lezione 16 3 novembre 2014 Limiti di funzioni Dpartmento d Scenze Statstche Anals Matematca Lezone 6 3 novembre 204 Lmt d funzon prof. Danele Rtell danele.rtell@unbo.t /7? Eserczo 9 Determnare l ordne d nfntesmo e la parte prncpale dell nfntesmo rspetto

Dettagli

Dai circuiti ai grafi

Dai circuiti ai grafi Da crcut a graf Il grafo è una schematzzazone grafca semplfcata che rappresenta le propretà d nterconnessone del crcuto ad esso assocato Il grafo è costtuto da un nseme d nod e d lat Se lat sono orentat

Dettagli

Tutti gli strumenti vanno tarati

Tutti gli strumenti vanno tarati L'INCERTEZZA DI MISURA Anta Calcatell I.N.RI.M S eseguono e producono msure per prendere delle decson sulla base del rsultato ottenuto, come per esempo se bloccare l traffco n funzone d msure d lvello

Dettagli

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente

La regressione. La Regressione. La Regressione. min. min. Var X. X Variabile indipendente (data) Y Variabile dipendente Unverstà d Macerata Facoltà d Scenze Poltche - Anno accademco - La Regressone Varable ndpendente (data) Varable dpendente Dpendenza funzonale (o determnstca): f ; Da un punto d vsta analtco, valor della

Dettagli

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE *

* PROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE * * PROBABILITÀ - SCHEDA N. LE VARIABILI ALEATORIE *. Le varabl aleatore Nella scheda precedente abbamo defnto lo spazo camponaro come la totaltà degl est possbl d un espermento casuale; abbamo vsto che

Dettagli

MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura di L.

MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura di L. MATERIALE PER IL CORSO DI INDAGINI E STATISTICHE PER IL TURISMO NON DIFFONDERE DA PERCORSI DI RICERCA SOCIALE (a cura d L.Bernard) 3.3. Dsegn d camponamento d Lorenzo Bernard 3.3.1. Una defnzone per ntrodurre

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2011-2012 lezione 22: 30 maggio 2013

Dipartimento di Statistica Università di Bologna. Matematica Finanziaria aa 2011-2012 lezione 22: 30 maggio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca Fnanzara aa 2011-2012 lezone 22: 30 maggo 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/27? Eserczo Dmostrare che l equazone della frontera

Dettagli

2 Modello IS-LM. 2.1 Gli e etti della politica monetaria

2 Modello IS-LM. 2.1 Gli e etti della politica monetaria 2 Modello IS-LM 2. Gl e ett della poltca monetara S consderun modello IS-LM senzastatocon seguent datc = 0:8, I = 00( ), L d = 0:5 500, M s = 00 e P =. ) S calcolno valor d equlbro del reddto e del tasso

Dettagli

Leggere i dati da file

Leggere i dati da file Esempo %soluzon d una equazone d secondo grado dsp('soluzon d a^+b+c') anput('damm l coeffcente a '); bnput('damm l coeffcente b '); cnput('damm l coeffcente c '); deltab^-4*a*c; f delta0 dsp('soluzon

Dettagli

INDICE. Scaricabile su: Derivate TEORIA. Derivata in un punto. Significato geometrico della derivata

INDICE. Scaricabile su:   Derivate TEORIA. Derivata in un punto. Significato geometrico della derivata P r o f Gu d of r a n c n Anteprma Anteprma Anteprma www l e z o n j md o c o m Scarcable su: ttp://lezonjmdocom/ INDICE TEORIA Dervata n un punto Sgnfcato geometrco della dervata Funzone dervata e dervate

Dettagli

Propagazione delle incertezze

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

Dettagli

Valutazione delle opzioni col modello di Black e Scholes

Valutazione delle opzioni col modello di Black e Scholes Valutazone delle opzon col modello d Black e Scholes Rosa Mara Mnnn a.a. 2014-2015 1 Introduzone L applcazone del moto Brownano all economa é stata nnescata prncpalmente da due cause. Attorno agl ann 70,

Dettagli

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO

GLI ERRORI SPERIMENTALI NELLE MISURE DI LABORATORIO GLI ERRORI SPERIMETALI ELLE MISURE DI LABORATORIO MISURA DI UA GRADEZZA FISICA S defnsce grandezza fsca una propretà de corp sulla quale possa essere eseguta un operazone d msura. Msurare una grandezza

Dettagli

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA:

Economia del Settore Pubblico 97. Economia del Settore Pubblico 99. Quale indice di diseguaglianza usare? il rapporto interdecilico PROBLEMA: Economa del Settore Pubblco Laura Vc laura.vc@unbo.t www.dse.unbo.t/lvc/edsp_.htm LEZIONE 4 Rmn, 9 aprle 008 Economa del Settore Pubblco 96 I prncpal ndc d dseguaglanza: ndc d entropa generalzzata Isprata

Dettagli

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione

Capitolo 6 Risultati pag. 468. a) Osmannoro. b) Case Passerini c) Ponte di Maccione Captolo 6 Rsultat pag. 468 a) Osmannoro b) Case Passern c) Ponte d Maccone Fgura 6.189. Confronto termovalorzzatore-sorgent dffuse per l PM 10. Il contrbuto del termovalorzzatore alle concentrazon d PM

Dettagli

Markov Random Field. Teoria e applicabilità nell elaborazione delle immagini. Giovanni Bianco. Febbraio 1998. 20 i

Markov Random Field. Teoria e applicabilità nell elaborazione delle immagini. Giovanni Bianco. Febbraio 1998. 20 i Markov Random Feld Teora e applcabltà nell elaborazone delle mmagn U ( f) = v [ 1 δ( )] 20 S N f f f * = arg mn f F { U( d f) + U( f) } Govann Banco Febbrao 1998 2 Manoscrtto depostato presso l Dp. d Ingegnera

Dettagli

Programmazione e Controllo della Produzione. Analisi dei flussi

Programmazione e Controllo della Produzione. Analisi dei flussi Programmazone e Controllo della Produzone Anals de fluss Clent SERVIZIO Uscta Quanto al massmo produce l mo sstema produttvo? Quanto al massmo produce la ma macchna? Lo rsolvo con la smulazone? Sarebbe

Dettagli

FORMAZIONE ALPHAITALIA

FORMAZIONE ALPHAITALIA ALPHAITALIA PAG. 1 DI 13 FORMAZIONE ALPHAITALIA IL SISTEMA DI GESTIONE PER LA QUALITA Quadro ntroduttvo ALPHAITALIA PAG. 2 DI 13 1. DEFINIZIONI QUALITA Grado n cu un nseme d caratterstche ntrnseche soddsfa

Dettagli

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k

Soluzioni 3.1. n(n 1) (n k + 1) z n k! k + 1 n k. lim k (1) La sere bnomale è B n (z) = k=0 Con l metodo del rapporto s ottene R = lm k Soluzon 3.1 n(n 1) (n k + 1) z n k! c k c k+1 = lm k k + 1 n k lm k c k z k. k=0 1 + 1 k 1 n k = 1 (2) La multfunzone f(z)

Dettagli