CORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL TEMPO
|
|
- Irene Raimondi
- 8 anni fa
- Visualizzazioni
Transcript
1 CORSO DI MISURE ANALISI DEI SEGNALI NEL DOMINIO DEL EMPO ing Emanuele Zappa SEGNALI: grandezze di base nel dominio del tempo: Ampiezza picco-picco (pk.pk) Ampiezza massima positiva empo Ampiezza massima negativa
2 Valore medio µ ( t) empo [s] Valore medio se il segnale e simmetrico rispetto allo zero µ ( t) empo [s]
3 Valore quadratico medio Y e valore RMS RMS? ( t)? ( t) A Ψ sia associa il significato di potenza media del segnale empo [s] 5 Deviazione standard s e varianza s s X ( ( t) µ ) s s s RMS µ? µ σ fornisce la stima della dispersione intorno al valore medio. Se il valore medio è nullo, σ coincide con il valore RMS empo [s] 6
4 Crest Factor Massimo picco (positivo o negativo) normalizzato con il valore RMS. Basta un solo picco in un lungo segnale per modificare il crest factor. CF ma ( µ RMS X X ) 7 Momenti centrali e non centrali Momenti NON centrali di ordine r La media è un momento non centrale di ordine. Momenti centrali di ordine r m r m La varianza è un momento centrale di ordine. r r ( t) r ( ( t) µ ) 8
5 Esempio: segnale armonico e armonico con picco Momenti non centrali Ordine : EU (media) Ordine :.98 EU Momenti centrali Ordine : EU Ordine :.98 EU RMS:.759 EU Crest factor:.66 Momenti non centrali Ordine :.665 EU (media) Ordine :.59 EU Momenti centrali Ordine : EU Ordine :.589 EU RMS:.75 EU Crest factor:.7 9 Distribuzione di probabilità La densità di probabilità p() ad un livello, è definita come la probabilità che il valore istantaneo del segnale si compreso fra ed +, divisa per l ampiezza dell intervallo. p ( )? P ( +?) P( )? Dove P() è la funzione di probabilità cumulata: P - ( ) p( ) d.
6 P ( +?) P( ) dove ciascun t n rappresenta uno degli intervalli di tempo, compresi in, in cui il segnale si trova fra ed +.?t n Distribuzione di probabilità e valore atteso Dalla sola conoscenza della densità di probabilità di un segnale, è possibile calcolare il valore di molte grandezze statistiche in precedenza definite. Il valore medio di una variabile (t), la cui funzione di densità di probabilità vale p(), può essere calcolato come valore atteso E[(t)] attraverso la relazione (momento non centrale del primo ordine): con (t) esteso tra e +. + E[(t)] p ( ) d µ
7 Distribuzione di probabilità e varianza Valore quadratico medio di (t) data p() (momento non centrale del secondo ordine): con (t) esteso tra e +. + ( ) d? E[ (t)] p Varianza di (t) data p() (momento centrale del secondo ordine): + E[((t) µ ) ] ( µ ) p( ) d? µ s Esempio: distribuzione di probabilità di segnale armonico empo [s]
8 Esempio: distribuzione di probabilità di segnale a banda larga empo [s] 5 Esempio: distribuzione di probabilità di segnale a banda stretta empo [s] 6
9 a COEFFICIENE DI SKEWNESS (fattore di asimmetria) m ( m ) â N N ( i µˆ ) i ŝ Il coefficiente di skewness caratterizza l asimmetria di una distribuzione intorno alla media campionaria. Skewness negativo indica che i dati sono sparsi più a sinistra che a destra rispetto alla media. Skewness positivo indica che i dati sono sparsi più a destra rispetto alla media. Lo skewness di una distribuzione normale (o di qualsiasi distribuzione perfettamente simmetrica) è zero. 7 Esempio di Skewness e distribuzione di probabilità.5 Skewness: -. Mediana:.8 Media:.9 Moda:. p() X 8
10 Esempio di Skewness e distribuzione di probabilità.5 Skewness:.8 Mediana: 7.8 Media:.85 Moda:.7 p() X 9 m a ( m ) COEFFICIENE DI KUROSIS (fattore di appiattimento) N N ( i µˆ ) i â Il coefficiente di kurtosis caratterizza l ampiezza relativa di una distribuzione; se comparata con la gaussiana (a ): Kurtosis negativo indica una distribuzione più piatta rispetto a quella normale. Kurtosis positivo indica una distribuzione più alta rispetto a quella normale. A, a causa dalla quarta potenza, è sensibile ai valori di grande ampiezza e quindi è un buon indicatore della presenza di picchi nel segnale; dato che viene considerato l intero record, generalmente fornisce un valore più stabile del fattore di cresta. ŝ
11 Esempio: segnale armonico e armonico con picco Momenti centrali Ordine : EU Ordine :.98 EU RMS:.759 EU Crest factor:.66 Skewnes: Kurtosis:.55 Momenti centrali Ordine : EU Ordine :.589 EU RMS:.75 EU Crest factor:.7 Skewnes:.668 Kurtosis:.6 Esempio: segnale armonico con rumore Momenti centrali Ordine : (media) Ordine :.567 (varianza) RMS:.766 Kurtosis:.9 Skewnes:.85 Crest factor:.685
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliProva di autovalutazione Prof. Roberta Siciliano
Prova di autovalutazione Prof. Roberta Siciliano Esercizio 1 Nella seguente tabella è riportata la distribuzione di frequenza dei prezzi per camera di alcuni agriturismi, situati nella regione Basilicata.
DettagliCENNI DI METODI STATISTICI
Corso di Laurea in Ingegneria Aerospaziale CENNI DI METODI STATISTICI Docente: Page 1 Page 2 Page 3 Due eventi si dicono indipendenti quando il verificarsi di uno non influisce sulla probabilità di accadimento
DettagliLa 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
DettagliGrafici delle distribuzioni di frequenza
Grafici delle distribuzioni di frequenza L osservazione del grafico può far notare irregolarità o comportamenti anomali non direttamente osservabili sui dati; ad esempio errori di misurazione 1) Diagramma
DettagliLezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata. Prof. Massimo Aria
Lezione 6: Forma di distribuzione Corso di Statistica Facoltà di Economia Università della Basilicata Prof. Massimo Aria aria@unina.it Standardizzazione di una variabile Standardizzare una variabile statistica
DettagliMisure della dispersione o della variabilità
QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliStatistica descrittiva
Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di indicatori sintetici che individuano, con un singolo valore, proprieta` statistiche di un campione/popolazione rispetto
DettagliAbbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995).
ANALISI DI UNA SERIE TEMPORALE Analisi statistica elementare Abbiamo costruito il grafico delle sst in funzione del tempo (dal 1880 al 1995). Si puo' osservare una media di circa 26 C e una deviazione
DettagliIndici di dispersione
Indici di dispersione 1 Supponiamo di disporre di un insieme di misure e di cercare un solo valore che, meglio di ciascun altro, sia in grado di catturare le caratteristiche della distribuzione nel suo
DettagliIl 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
DettagliLa distribuzione Gaussiana
Università del Piemonte Orientale Corso di Laurea in Biotecnologie Corso di Statistica Medica La distribuzione Normale (o di Gauss) Corso di laurea in biotecnologie - Corso di Statistica Medica La distribuzione
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST 1 Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: analisi
DettagliCorso 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
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 3.1 Introduzione all inferenza statistica Prima Parte Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014
DettagliStima 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
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliSlide Cerbara parte1 5. Le distribuzioni teoriche
Slide Cerbara parte1 5 Le distribuzioni teoriche I fenomeni biologici, demografici, sociali ed economici, che sono il principale oggetto della statistica, non sono retti da leggi matematiche. Però dalle
Dettagli2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale
BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk
DettagliRicerca di outlier. Ricerca di Anomalie/Outlier
Ricerca di outlier Prof. Matteo Golfarelli Alma Mater Studiorum - Università di Bologna Ricerca di Anomalie/Outlier Cosa sono gli outlier? L insieme di dati che sono considerevolmente differenti dalla
DettagliMetodi Matematici e Informatici per la Biologia----31 Maggio 2010
Metodi Matematici e Informatici per la Biologia----31 Maggio 2010 COMPITO 4 (3 CREDITI) Nome: Cognome: Matricola: ISTRUZIONI Gli esercizi che seguono sono di tre tipi: Domande Vero/Falso: cerchiate V o
DettagliCONCETTO DI LIMITE DI UNA FUNZIONE REALE
CONCETTO DI LIMITE DI UNA FUNZIONE REALE Il limite di una funzione è uno dei concetti fondamentali dell'analisi matematica. Tramite questo concetto viene formalizzata la nozione di funzione continua e
DettagliPer studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R
Studio di funzione Per studio di funzione intendiamo un insieme di procedure che hanno lo scopo di analizzare le proprietà di una funzione f ( x) R R : allo scopo di determinarne le caratteristiche principali.
DettagliSoluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini)
Soluzioni degli Esercizi del Parziale del 30/06/201 (Ippoliti-Fontanella-Valentini) Esercizio 1 In uno studio sugli affitti mensili, condotto su un campione casuale di 14 monolocali nella città nella città
DettagliPolitecnico di Milano - Scuola di Ingegneria Industriale. I Prova in Itinere di Statistica per Ingegneria Energetica 9 maggio 2013
Politecnico di Milano - Scuola di Ineneria Industriale I Prova in Itinere di Statistica per Ineneria Eneretica 9 maio 013 c I diritti d autore sono riservati. Oni sfruttamento commerciale non autorizzato
DettagliEsercizi del Corso di Statistica. Parte I - Variabili Aleatorie Continue
Esercizi del Corso di Statistica Parte I - Variabili Aleatorie Continue 1. Costruire la variabile uniforme U sull intervallo [a, b], con a IR e b IR. 2. Sia X una variabile aleatoria tale che: 0 x < 1
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
Dettaglil insieme delle misure effettuate costituisce il campione statistico
Statistica negli esperimenti reali si effettuano sempre un numero finito di misure, ( spesso molto limitato ) l insieme delle misure effettuate costituisce il campione statistico Statistica descrittiva
Dettagli1. Distribuzioni campionarie
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 3 e 6 giugno 2013 - di Massimo Cristallo - 1. Distribuzioni campionarie
DettagliL analisi statistica
Statistica medica per IMS / 1 L analisi statistica Statistica medica per IMS / 2 Esempio (de Gans et al. NEJM 2002, 347: 1549-56) Esito Desametazone Trattamento Placebo Totale Sfavorevole Favorevole Totale
DettagliFunzioni periodiche. Una funzione si dice periodica di periodo T se T > 0 è il più piccolo numero reale positivo tale che
Funzioni periodiche Una funzione si dice periodica di periodo T se T > 0 è il più piccolo numero reale positivo tale che -T T In ogni intervallo di ampiezza pari a T il grafico di tale funzione si ripete.
DettagliLezione n. 2 (a cura di Chiara Rossi)
Lezione n. 2 (a cura di Chiara Rossi) QUANTILE Data una variabile casuale X, si definisce Quantile superiore x p : X P (X x p ) = p Quantile inferiore x p : X P (X x p ) = p p p=0.05 x p x p Graficamente,
DettagliEsercitazione #5 di Statistica. Test ed Intervalli di Confidenza (per una popolazione)
Esercitazione #5 di Statistica Test ed Intervalli di Confidenza (per una popolazione) Dicembre 00 1 Esercizi 1.1 Test su media (con varianza nota) Esercizio n. 1 Il calore (in calorie per grammo) emesso
DettagliStatistica descrittiva
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA
Seconda Lezione DISTRIBUZIONE DI FREQUENZA Frequenza assoluta: è il numero puro di casi per quella modalità Frequenze relative: sono il rapporto tra la frequenza assoluta con cui si manifesta una modalità
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
Dettagli1a) 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
DettagliPsicometria (8 CFU) Corso di Laurea triennale STANDARDIZZAZIONE
Psicometria (8 CFU) Corso di Laurea triennale Un punteggio all interno di una distribuzione è in realtà privo di significato se preso da solo. Sapere che un soggetto ha ottenuto un punteggio x=52 in una
DettagliStatistica descrittiva: prime informazioni dai dati sperimentali
SECONDO APPUNTAMENTO CON LA SPERIMENTAZIONE IN AGRICOLTURA Statistica descrittiva: prime informazioni dai dati sperimentali La statistica descrittiva rappresenta la base di partenza per le applicazioni
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 7 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi per la media (varianza nota), p-value del test Il manager di un fast-food
DettagliIstituzioni di Statistica e Statistica Economica
Istituzioni di Statistica e Statistica Economica Università degli Studi di Perugia Facoltà di Economia, Assisi, a.a. 2013/14 Esercitazione n. 3 A. Sia una variabile casuale che si distribuisce secondo
DettagliEsercitazione 5 Soluzioni
Esercitazione 5 Soluzioni. (Esercizio 5. del Ross) Sia X una variabile aleatoria la cui densità è c( 2 ) < < 0 altrimenti. (a) Qual è il valore di c? (b) Scrivere la funzione di ripartizione di X. 2. (Esercizio
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 5-Indici di variabilità (vers. 1.0c, 20 ottobre 2015) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliValori medi e misure della tendenza centrale
TERZA UNITA Valori medi e misure della tendenza centrale Una delle maggiori cause di confusione presso l uomo della strada nonché di diffidenza verso la statistica, considerata più un arte che una scienza,
DettagliCome descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca
Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche
DettagliCorso 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
DettagliEsercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE. Ing. Ricci Andrea Simone
Esercitazioni per il corso di Microonde 2005/2006: CENNI DI TEORIA DELL ERRORE Ing. Ricci Andrea Simone INCERTEZZA DI MISURA - Introduzione X SISTEMA Y Misura > complesso di attività volte alla valutazione
DettagliL analisi dei dati. Capitolo 4. 4.1 Il foglio elettronico
Capitolo 4 4.1 Il foglio elettronico Le più importanti operazioni richieste dall analisi matematica dei dati sperimentali possono essere agevolmente portate a termine da un comune foglio elettronico. Prenderemo
DettagliESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE
ESERCITAZIONE 13 : STATISTICA DESCRITTIVA E ANALISI DI REGRESSIONE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
Dettagli1. Richiami di Statistica. Stefano Di Colli
1. Richiami di Statistica Metodi Statistici per il Credito e la Finanza Stefano Di Colli Dati: Fonti e Tipi I dati sperimentali sono provenienti da un contesto delimitato, definito per rispettare le caratteristiche
DettagliDISTRIBUZIONI 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.,
DettagliCorso di Automazione Industriale 1. Capitolo 4
Simona Sacone - DIST Corso di Automazione Corso Industriale di 1 Automazione Industriale 1 Capitolo 4 Analisi delle prestazioni tramite l approccio simulativo Aspetti statistici della simulazione: generazione
DettagliNozioni di statistica
Nozioni di statistica Distribuzione di Frequenza Una distribuzione di frequenza è un insieme di dati raccolti in un campione (Es. occorrenze di errori in seconda elementare). Una distribuzione può essere
DettagliAnalisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA
Analisi Statistica per le Imprese (6 CFU) - a.a. 2010-2011 Prof. L. Neri RICHIAMI DI STATISTICA DESCRITTIVA UNIVARIATA 1 Distribuzione di frequenza Punto vendita e numero di addetti PUNTO VENDITA 1 2 3
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 6 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Stima puntuale per la proporzione Da un lotto di arance se ne estraggono 400, e di queste 180
DettagliPROBABILITA, 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
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
DettagliCapitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI
Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI La differenza tra il restauro e il miglioramento (enhancement) delle immagini è che il miglioramento è un processo soggettivo, mentre il restauro è un processo
DettagliStatistica. Alfonso Iodice D Enza iodicede@unina.it
Statistica Alfonso Iodice D Enza iodicede@unina.it Università degli studi di Cassino () Statistica 1 / 16 Outline 1 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16 Outline 1 2 () Statistica 2 / 16
DettagliPROVA N 1. 1. Elencare gli elementi che conviene esaminare per tracciare il grafico di una funzione y=f(x) PROVA N 2. è monotona in R?
PROVA N 1 1. Elencare gli elementi che conviene esaminare per tracciare il grafico di una funzione y=f(). Studiare la funzione f()= 8+ 7 9 (Sono esclusi i flessi) 3. Data la funzione f()= 1 6 3 - +5-6
DettagliStatistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C
Statistica inferenziale, Varese, 18 novembre 2009 Prima parte - Modalità C Cognome Nome: Part time: Numero di matricola: Diurno: ISTRUZIONI: Il punteggio relativo alla prima parte dell esame viene calcolato
DettagliRAPPRESENTAZIONE DEI DATI
Rappresentazione dei Dati RAPPRESENTAZIONE DEI DATI Quando si dispone di un alto numero di misure della stessa grandezza fisica è opportuno organizzarle in modo da rendere evidente Quandoil si loro dispone
DettagliEsercitazione di riepilogo 23 Aprile 2013
Esercitazione di riepilogo 23 Aprile 2013 Grafici Grafico a barre Servono principalmente per rappresentare variabili (caratteri) qualitative, quantitative e discrete. Grafico a settori circolari (torta)
DettagliEsercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione 1 del corso di Statistica 2 Prof. Domenico Vistocco Alfonso Iodice D Enza April 26, 2007 1...prima di cominciare Contare, operazione solitamente semplice, può diventare complicata se lo scopo
DettagliCalcolo differenziale Test di autovalutazione
Test di autovalutazione 1. Sia f : R R iniettiva, derivabile e tale che f(1) = 3, f (1) = 2, f (3) = 5. Allora (a) (f 1 ) (3) = 1 5 (b) (f 1 ) (3) = 1 2 (c) (f 1 ) (1) = 1 2 (d) (f 1 ) (1) = 1 3 2. Sia
DettagliIntroduzione all analisi dei segnali digitali.
Introduzione all analisi dei segnali digitali. Lezioni per il corso di Laboratorio di Fisica IV Isidoro Ferrante A.A. 2001/2002 1 Segnali analogici Si dice segnale la variazione di una qualsiasi grandezza
DettagliForma d onda rettangolare non alternativa.
Forma d onda rettangolare non alternativa. Lo studio della forma d onda rettangolare è utile, perché consente di conoscere il contenuto armonico di un segnale digitale. FIGURA 33 Forma d onda rettangolare.
Dettagli1 Modelli di variabili aleatorie continue
Modelli di variabili aleatorie continue. Variabili aleatorie continue uniformi (o rettangolari) Una v.a. X è detta uniforme (o rettangolare) sull intervallo [a, b] se la sua densità è data da se x [a,
DettagliINDICE PREFAZIONE VII
INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliCorso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica
Corso di Laurea in Ingegneria Informatica Anno Accademico 2014/2015 Calcolo delle Probabilità e Statistica Matematica Nome N. Matricola Ancona, 14 luglio 2015 1. Tre macchine producono gli stessi pezzi
DettagliVARIABILI 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
DettagliCorso 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
DettagliLE CARTE DI CONTROLLO (4)
LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale
DettagliFunzioni di trasferimento. Lezione 14 2
Lezione 14 1 Funzioni di trasferimento Lezione 14 2 Introduzione Lezione 14 3 Cosa c è nell Unità 4 In questa sezione si affronteranno: Introduzione Uso dei decibel e delle scale logaritmiche Diagrammi
DettagliCircuiti di condizionamento per sensori resistivi
Perché non è possibile utilizzare direttamente un partitore di tensione per condizionare uno strain gage? isposta: Per problemi di risoluzione: una d piccola provocherebbe una dout difficile da misurare;
Dettagli[ ] [ ] 5.2. Statistiche descrittive
traffico nei tratti stradali limitrofi (deficienza non trascurabile data la fitta tessitura che caratterizza la rete stradale mestrina). I dati ottenuti, però, possono fornire una stima del fenomeno ed
DettagliSistemi di Numerazione Binaria NB.1
Sistemi di Numerazione Binaria NB.1 Numeri e numerali Numero: entità astratta Numerale : stringa di caratteri che rappresenta un numero in un dato sistema di numerazione Lo stesso numero è rappresentato
Dettaglibipolari, quando essi, al variare del tempo, assumono valori sia positivi che negativi unipolari, quando essi non cambiano mai segno
Parametri dei segnali periodici I segnali, periodici e non periodici, si suddividono in: bipolari, quando essi, al variare del tempo, assumono valori sia positivi che negativi unipolari, quando essi non
Dettagli3. 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
Dettagli1 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
DettagliTensioni variabili nel tempo e Oscilloscopio
ensioni variabili nel tempo e Oscilloscopio RIASSUNO: ensioni variabili e periodiche Ampiezza, valor medio, ed RMS Generatori di forme d onda ensioni sinusoidali Potenza : valore medio e valore efficace
DettagliLEZIONE n. 5 (a cura di Antonio Di Marco)
LEZIONE n. 5 (a cura di Antonio Di Marco) IL P-VALUE (α) Data un ipotesi nulla (H 0 ), questa la si può accettare o rifiutare in base al valore del p- value. In genere il suo valore è un numero molto piccolo,
DettagliIL MINISTRO DELL ISTRUZIONE, DELL UNIVERSITA E DELLA RICERCA
appresso seguito risultati I denominati parametri dell attuazione e Indicatori), i criteri, dei programmi definiti per il monitoraggio delle mediante Università, indicatori e la valutazione sono quali-quantitativi
DettagliVARIANZA CAMPIONARIA E DEVIAZIONE STANDARD. Si definisce scarto quadratico medio o deviazione standard la radice quadrata della varianza.
VARIANZA CAMPIONARIA E DEVIAZIONE STANDARD Si definisce varianza campionaria l indice s 2 = 1 (x i x) 2 = 1 ( xi 2 n x 2) Si definisce scarto quadratico medio o deviazione standard la radice quadrata della
DettagliEsercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni)
STATISTICA (2) ESERCITAZIONE 4 18.02.2013 Dott.ssa Antonella Costanzo Esercizio 1. Proprietà desiderabili degli stimatori (piccoli campioni) Sia X una popolazione distribuita secondo la legge Bernoulliana
DettagliALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio.
ALLEGATO 1 Analisi delle serie storiche pluviometriche delle stazioni di Torre del Lago e di Viareggio. Per una migliore caratterizzazione del bacino idrologico dell area di studio, sono state acquisite
DettagliIntorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in
Intorni Fissato un punto sull' asse reale, si definisce intorno del punto, un intervallo aperto contenente e tutto contenuto in Solitamente si fa riferimento ad intorni simmetrici =, + + Definizione: dato
DettagliALLEGATO D ANALISI STATISTICA DEI DATI METEOROLOGICI
PROVINCIA AUTONOMA DI TRENTO AGENZIA PROVINCIALE PER LA PROTEZIONE DELL'AMBIENTE U.O. Tutela dell aria ed agenti fisici PIANO PROVINCIALE DI TUTELA DELLA QUALITÀ DELL ARIA ALLEGATO D ANALISI STATISTICA
DettagliIl controllo delle prestazioni del provider. IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti)
del provider IL CONTROLLO DELLE PRESTAZIONI DEL PROVIDER (riferimenti) 1 del provider - premessa (1) in merito alla fase di gestione ordinaria dell outsourcing sono state richiamate le prassi di miglioramento
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 1 Dott.ssa Antonella Costanzo a.costanzo@unicas.it A.Studio dell interdipendenza tra variabili: riepilogo Concetto relativo allo studio delle relazioni tra
DettagliELEMENTI DI STATISTICA DESCRITTIVA
Metodi Statistici e Probabilistici per l Ingegneria ELEMENTI DI STATISTICA DESCRITTIVA Corso di Laurea in Ingegneria Civile Facoltà di Ingegneria, Università di Padova Docente: Dott. L. Corain E-mail:
Dettagli