FONDAMENTI DI SEGNALI E TRASMISSIONE 6 Laboratorio
|
|
- Brigida Fumagalli
- 8 anni fa
- Visualizzazioni
Transcript
1 FONDAMENTI DI SEGNALI E TRASMISSIONE 6 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it Quantizzazione Il segnale y(t) non solo è campionato sull asse dei tempi, ma anche i valori di ordinata sono limitati all insieme rappresentabile dal numero di bit utilizzati (ad esempio, il formato cd-audio utilizza 16 bit per canale): questa operazione si definisce quantizzazione. Scriviamo quindi una funzione che permette di simulare in MATLAB la quantizzazione dell ordinata del segnale y(t): Yq=quantizza(Y,peak,livelli); (dove livelli è il numero di livelli utilizzabili (B bit= 2 B livelli) e peak rappresenta l ampiezza di picco rappresentabile, che deve essere superiore all ampiezza massima del segnale per evitare distorsione). function Yq=quantizza(Y,estr,livelli); % Quantizzazione del vettore Y, con N livelli, % e con ampiezza di soglia -estr...estr Yq=round((Y/estr)*(livelli/2-1))/(livelli/2-1)*estr; set=find(abs(yq)>estr); Yq(set)=estr*sign(Yq(set)); return, Si rappresenti la relazione (non lineare) tra il valore del segnale x(t) prima e dopo la quantizzazione (si rappresentino in ascissa i valori del segnale x(t), e in ordinata i corrispondenti valori quantizzati del segnale xq(t). Si assuma l ampiezza 3<x(t)<+3. Si confrontino i grafici per numero di livelli L=4,16,64,256. Qual è l errore massimo e(t)=x(t)-xq(t) introdotto dall operazione di quantizzazione? Con quanti bit si può rappresentare ogni campione del segnale quantizzato con L livelli? 1
2 Errore di Quantizzazione Se il segnale in ingresso al quantizzatore ha distribuzione uniforme tra V e +V, l errore di quantizzazione e(t)=x(t)-xq(t) può essere visto come un processo casuale stazionario a valor medio nullo e potenza: P eq =σ 2 =V 2 /(3L 2 ) Si generi un processo x(t) (Il segnale è osservato per T=1 sec., con passo di campionamento dt=1 ms), con distribuzione uniforme tra 2 e +2. Si quantizzi x(t) con numero di bit B=2,4,6,8,12,16.. Qual è il numero di livelli corrispondenti? Si stimi la densità spettrale di potenza dell errore di quantizzazione e la si confronti con il risultato teorico noto. % Generazione del processo x(t) N=1000; dt=0.001; t=[0:n-1]*dt; y=4*rand(1,n)-2; % quantizzazione L=2^16; yq=quantizza(y,2,l); % potenza errore di quantizzazione E=var(y-yq); Et=2^2/(3*L^2); % visualizzazione plot(t,y,'b'); hold on, plot(t,yq,'.r'); plot(t,y-yq,'-g'); xlabel('tempo [sec.]'); title (['Quantiz. con ',num2str(l),' livelli; potenza errore:',num2str(e), (Teorico:,num2str(Et), ) ]); % Densità spettrale df=1/(n*dt); f=[-n/2+[0:n-1]]*df; % N è pari semilogy(f,fftshift(abs(fft(y)).^2)/n,'r',f,fftshift(abs(fft(yyq)).^2)/n,'b',f,ones(size(f))*e,'g'); grid xlabel('frequenza [Hz]'); Si rappresenti l andamento dell errore di quantizzazione, al variare del numero di bit B=2 24, per l esercizio precedente. Lo si confronti con il risultato teorico. Si mostrino le ampiezze in db. 2
3 Si quantizzi una sinusoide di frequenza 5 Hz, e ampiezza A=2, con un numero di bit B=2,4,6,8,16... Il segnale è osservato per T=1 sec., con passo di campionamento dt=1 ms. Qual è il numero di livelli corrispondenti? Qual è la potenza relativa dell errore di quantizzazione? Si analizzi l effetto della distorsione (valore di picco del quantizzatore più piccolo dell ampiezza massima del segnale). Cosa succede invece se l ampiezza massima della sinusoide è molto più piccola del valore di picco del quantizzatore? N=1000; dt=0.001; t=[0:n-1]*dt; y=2*sin(2*pi*5*t); %quantizzazione L=2^4; yq=quantiz(y,2,l); E=var(y-yq)/var(y); % rappresentazione plot(t,y,'b'); hold on, plot(t,yq,'.r'); plot(t,y-yq,'-g'); xlabel('tempo [sec]') title (['Quantiz. con ',num2str(l),' livelli; errore relativo:',num2str(e)]); 3
4 Si stimi la densità spettrale di dell errore di quantizzazione per l esercizio precedente (si consideri la sinusoide con f=50 Hz), e la si confronti con l andamento dell errore di quantizzazione dell esercizio precedente. Che differenze si notano? Infine è possibile verificare l effetto della quantizzazione della sinusoide (oppure con segnali audio reali memorizzati con il formato *.wav). Si analizzi l help dei comandi wavplay(), wavread(), wavwrite(). Visualizzazione 3D in MatLab In MatLab è possibile, in modo molto semplice, visualizzare funzioni di 2 variabili f(x,y). In analogia alle funzioni di una variabile, dove l ordinata è un vettore, che rappresenta la funzione valutata per N punti dell ascissa, per funzioni bidimensionali l ordinata è una matrice, che rappresenta la funzione valutata per NxM punti delle due variabili indipendenti x e y. Alcuni comandi che permettono diversi tipi di visualizzazione tridimensionale sono: mesh(x,y,f) surf(x,y,f) pcolor(x,y,f) contour(x,y,f,levels) Si porta come esempio la visualizzazione della matrice ottenuta con il comando membrane(5) x=[-1:1/15:1]; y=[-1:1/15:1]; F=membrane(5); subplot(2,2,1); mesh(x,y,f) subplot(2,2,2); surf(x,y,f) subplot(2,2,3); pcolor(x,y,f) subplot(2,2,4); contour(x,y,f,15) 4
5 Processi Casuali Gaussiani: densità di probabilità congiunta La densità di probabilità di un processo gaussiano stazionario con valore medio µ=0 e varianza σ 2 è: p(a)=1/sqrt(2πσ 2 ) exp(-0.5 (a/σ) 2 ) La densità di probabilità congiunta tra due campioni del processo distanti m, ha espressione: p m (a,b)=1 / (2πσ 2 sqrt(1-ρ 2 [m]) ) exp(-0.5 (a 2 2ρ[m]ab+b 2 )/(σ2 (1-ρ 2 [m]) ) dove ρ[m] è il coefficiente di correlazione. Si vuole visualizzare la probabilità congiunta tra due campioni del processo casuale gaussiano con varianza σ 2 =100, al variare del coefficiente di correlazione. Si scelgano opportunamente i vettori x,y per rappresentare i valori possibili a partire dalla distribuzione gaussiana. Si verifichi che la densità di probabilità congiunta è uguale al prodotto delle due densità di probabilità se ρ[m]=0. Si determini e si rappresenti la probabilità condizionata p(b a=10). % parametri del processo sigma2=100; rho=0.7; % assi indipendenti a,b 5
6 a=[-1:.01:1]*4*sqrt(sigma2); b=[-1:.01:1]*4*sqrt(sigma2); A=repmat(a',1,length(b)); B=repmat(b,length(a),1); % densità di probabilità congiunta p=1/(2*pi*sigma2*sqrt(1-rho^2)) * exp(-.5* (A.^2-2*rho.*A.*B+B.^2) / (sigma2*(1-rho^2)) ); % visualizzazione contour(a,b,p,20); axis square; mesh(a,b,p); % probabilità conizionata at=10; [v,n]=min(abs((a-at))); pat=1/sqrt(2*pi*sigma2)*exp(-0.5*(a(n))^2/sigma2); % visualizzazione plot(b,p(n,:)/pat,'r',b,1/sqrt(2*pi*sigma2).*exp(0.5*(b).^2/sigma2),' hb'); 6
Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005
Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005 Gli esercizi devono essere risolti solo sui fogli dei colori indicati Per esiti e soluzioni si veda il sito web del corso:
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 Laurea in Ingegneria Biomedica Corso di Trasmissione Numerica (6 crediti) Prova scritta 16.02.2006
Prova scritta 16.02.2006 D. 1 Si derivi l espressione dei legami ingresso-uscita, nel dominio del tempo per le funzioni di correlazione nel caso di sistemi LTI e di segnali d ingresso SSL. Si utilizzi
DettagliLaboratorio di Matematica Computazionale A.A. 2007-2008 - Laboratorio nr.8
Laboratorio di Matematica Computazionale A.A. 2007-2008 - Laboratorio nr.8 Complementi di grafica 2D Un fondo di investimento ventennale frutta il 5% di interessi composti annualmente. Un capitale di 10.000
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 5 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 5 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it MATLAB: generazione di numeri casuali Il comando che permette di generare una matrice (n r,n c ) composta da
DettagliLaboratorio di Fondamenti di Automatica Ingegneria Elettrica Sessione 2/3. Danilo Caporale [caporale@elet.polimi.it]
Laboratorio di Fondamenti di Automatica Ingegneria Elettrica Sessione 2/3 Danilo Caporale [caporale@elet.polimi.it] Outline 2 Funzione di trasferimento e risposta in frequenza Diagrammi di Bode e teorema
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 5 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 5 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it Campionamento di segnali In MATLAB, qualunque segnale continuo è approssimato da una sequenza campionata. Si
DettagliELABORAZIONE NUMERICA DEI SEGNALI 1 Laboratorio
ELABORAZIONE NUMERICA DEI SEGNALI 1 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it Quantizzazione Il segnale tempo continuo y(t), campionato con passo di campionamento temporale dt, è quantizzato
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
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
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
DettagliLa grafica. La built-in funzione grafica plot. x spezzata poligonale. discretizzato
La grafica. Il Matlab possiede un ambiente grafico abbastanza potente paragonabile a software grafici operanti in altri contesti. In questo corso ci limiteremo ad illustrare solo una funzione grafica,
DettagliUniversità di Napoli Parthenope Facoltà di Ingegneria
Università di Napoli Parthenope Facoltà di Ingegneria Corso di rasmissione Numerica docente: Prof. Vito Pascazio 18 a Lezione: 13/1/4 19 a Lezione: 14/1/4 Sommario rasmissione di segnali PM numerici su
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondamenti di Telecomunicazioni 5 - EGALI DIGITALI E A IMPULI I BADA BAE Prof. Mario Barbera [parte ] Codifica La fase di codifica prevede che venga fatta una associazione tra il livello del segnale
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
Dettagliv in v out x c1 (t) Molt. di N.L. H(f) n
Comunicazioni elettriche A - Prof. Giulio Colavolpe Compito n. 3 3.1 Lo schema di Fig. 1 è un modulatore FM (a banda larga). L oscillatore che genera la portante per il modulatore FM e per la conversione
DettagliProgrammazione Disciplinare: Calcolo Classe: Quarte - Quinte
Istituto Tecnico Tecnologico Basilio Focaccia Salerno Programmazione Disciplinare: Calcolo Classe: Quarte - Quinte Anno scolastico 01-01 I Docenti della Disciplina Salerno, settembre 01 Anno scolastico
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
DettagliProbabilità 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:
DettagliLa funzione di risposta armonica
0.0. 3.1 1 La funzione di risposta armonica Se ad un sistema lineare stazionario asintoticamente stabile si applica in ingresso un segnale sinusoidale x(t) = sen ωt di pulsazione ω: x(t) = sin ωt (s) =
DettagliIl Campionameto dei segnali e la loro rappresentazione. 1 e prende il nome frequenza di
Il Campionameto dei segnali e la loro rappresentazione Il campionamento consente, partendo da un segnale a tempo continuo ovvero che fluisce con continuità nel tempo, di ottenere un segnale a tempo discreto,
DettagliDisegni di Ricerca e Analisi dei Dati in Psicologia Clinica. Indici di Affidabilità
Disegni di Ricerca e Analisi dei Dati in Psicologia Clinica Indici di Affidabilità L Attendibilità È il livello in cui una misura è libera da errore di misura È la proporzione di variabilità della misurazione
DettagliControllo di velocità angolare di un motore in CC
Controllo di velocità angolare di un motore in CC Descrizione generale Il processo è composto da un motore in corrente continua, un sistema di riduzione, una dinamo tachimetrica ed un sistema di visualizzazione.
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
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.
DettagliAnalisi di dati di frequenza
Analisi di dati di frequenza Fase di raccolta dei dati Fase di memorizzazione dei dati in un foglio elettronico 0 1 1 1 Frequenze attese uguali Si assuma che dalle risposte al questionario sullo stato
DettagliInformatica. Rappresentazione binaria Per esempio +101010000 diventa +0.10101 10 18/10/2007. Introduzione ai sistemi informatici 1
Informatica Pietro Storniolo storniolo@csai.unipa.it http://www.pa.icar.cnr.it/storniolo/info200708 Numeri razionali Cifre più significative: : sono le cifre associate ai pesi maggiori per i numeri maggiori
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it MATLAB: generazione di numeri casuali Il comando che permette di generare una matrice (n r,n c ) composta da
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
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
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
DettagliExcel Terza parte. Excel 2003
Excel Terza parte Excel 2003 TABELLA PIVOT Selezioniamo tutti i dati (con le relative etichette) Dati Rapporto tabella pivot e grafico pivot Fine 2 La tabella pivot viene messa di default in una pagina
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
DettagliL Analisi della Varianza ANOVA (ANalysis Of VAriance)
L Analisi della Varianza ANOVA (ANalysis Of VAriance) 1 CONCETTI GENERALI Finora abbiamo descritto test di ipotesi finalizzati alla verifica di ipotesi sulla differenza tra parametri di due popolazioni
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
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,
DettagliRAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL
RAPPRESENTAZIONE GRAFICA E ANALISI DEI DATI SPERIMENTALI CON EXCEL 1 RAPPRESENTAZIONE GRAFICA Per l analisi dati con Excel si fa riferimento alla versione 2007 di Office, le versioni successive non differiscono
DettagliCompressione del Segnale (Audio)
Compressione del Segnale (Audio) Carlo Caini e Alessandro Vanelli Coralli Argomenti della Presentazione Introduzione Perché comprimere Come comprimere Esempi di Algoritmi di compressione Codifiche predittive
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
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliDISCRETIZZAZIONE DI UN SEGNALE ANALOGICO:
DISCRETIZZAZIONE DI UN SEGNALE ANALOGICO: nel processo di digitalizzazione che permette di convertire un segnale analogico in modo da poterlo elaborare con dispositivi numerici di calcolo, si operano due
DettagliLa categoria «ES» presenta (di solito) gli stessi comandi
Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:
DettagliCOMUNICAZIONI ELETTRICHE + TRASMISSIONE NUMERICA COMPITO 13/7/2005
COMUNICAZIONI ELETTRICHE + TRASMISSIONE NUMERICA COMPITO 13/7/005 1. Gli esercizi devono essere risolti su fogli separati: uno per la prima parte del compito (esercizi 1/4), uno per la seconda parte (esercizi
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
DettagliFONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio
FONDAMENTI DI SEGNALI E TRASMISSIONE 4 Laboratorio Paolo Mazzucchelli mazzucch@elet.polimi.it Campionamento di segnali In MATLAB, qualunque segnale continuo è approssimato da una sequenza campionata. Si
DettagliDocumentazione esterna al software matematico sviluppato con MatLab
Documentazione esterna al software matematico sviluppato con MatLab Algoritmi Metodo di Gauss-Seidel con sovrarilassamento Metodo delle Secanti Metodo di Newton Studente Amelio Francesco 556/00699 Anno
DettagliA.1 Rappresentazione geometrica dei segnali
Appendice A Rappresentazione dei segnali A.1 Rappresentazione geometrica dei segnali Scomporre una generica forma d onda s(t) in somma di opportune funzioni base è operazione assai comune, particolarmente
DettagliAnalisi di scenario File Nr. 10
1 Analisi di scenario File Nr. 10 Giorgio Calcagnini Università di Urbino Dip. Economia, Società, Politica giorgio.calcagnini@uniurb.it http://www.econ.uniurb.it/calcagnini/ http://www.econ.uniurb.it/calcagnini/forecasting.html
DettagliSuono: aspetti fisici. Tutorial a cura di Aldo Torrebruno
Suono: aspetti fisici Tutorial a cura di Aldo Torrebruno 1. Cos è il suono Il suono è generalmente prodotto dalla vibrazione di corpi elastici sottoposti ad urti o sollecitazioni (corde vocali, corde di
DettagliMatematica generale CTF
Equazioni differenziali 9 dicembre 2015 Si chiamano equazioni differenziali quelle equazioni le cui incognite non sono variabili reali ma funzioni di una o più variabili. Le equazioni differenziali possono
DettagliGrafici tridimensionali
MatLab Lezione 3 Grafici tridimensionali Creazione di un Grafico 3D (1/4) Si supponga di voler tracciare il grafico della funzione nell intervallo x = [0,5]; y=[0,5] z = e -(x+y)/2 sin(3x) sin(3y) Si può
Dettagli1.5. ISTOGRAMMA 17. Figura 1.3: Istogramma ottenuto mediante campionamento da VA Gaussiana (η x =0, σ 2 X =1).
.5. ISTOGRAMMA 7.5 Istogramma A partire dalle considerazioni svolte nel paragrafo precedente, posto x m = min(x,,x N e x M = max(x,,x N, possiamo ottenere una stima della densità di probabilità p (x suddividendo
DettagliAPPUNTI SUL CAMPO MAGNETICO ROTANTE
APPUTI UL CAPO AGETICO ROTATE Campo agnetico Rotante ad una coppia polare Consideriamo la struttura in figura che rappresenta la vista, in sezione trasversale, di un cilindro cavo, costituito da un materiale
DettagliCorso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza
Corso di Laurea in Ingegneria Informatica e Automatica (A-O) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 17/2/215 NOME: COGNOME: MATRICOLA: Esercizio 1 Un sistema di
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
DettagliGRAFICO DI FUNZIONI GONIOMETRICHE
GRAFICO DI FUNZIONI GONIOMETRICHE y = A* sen x ( ω + ϕ ) Prerequisiti e Strumenti Obiettivi Tempi di lavoro Problema stimolo Descrizione consegne Verifica e valutazione Prerequisiti Prerequisiti disciplinari:
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
DettagliINTRODUZIONE A MATLAB Matrix Laboratory
INTRODUZIONE A MATLAB Matrix Laboratory Introduzione Linguaggio di programmazione per applicazioni scientifiche e numeriche Vasto set di funzioni predefininte Interprete di comandi Possibilità di scrivere
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliEsercitazioni 2013/14
Esercitazioni 2013/14 Esercizio 1 Due ditte V e W partecipano ad una gara di appalto per la costruzione di un tratto di autostrada che viene assegnato a seconda del prezzo. L offerta fatta dalla ditta
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
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
DettagliEsercitazioni di Calcolo Numerico 23-30/03/2009, Laboratorio 2
Esercitazioni di Calcolo Numerico 23-30/03/2009, Laboratorio 2 [1] Metodo di Bisezione gli estremi a e b di un intervallo reale trovi uno zero della funzione f(x) nell intervallo [a, b] usando il metodo
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
DettagliFONDAMENTI DI PSICOMETRIA - 8 CFU
Ψ FONDAMENTI DI PSICOMETRIA - 8 CFU STIMA DELL ATTENDIBILITA STIMA DELL ATTENDIBILITA DEFINIZIONE DI ATTENDIBILITA (affidabilità, fedeltà) Grado di accordo tra diversi tentativi di misurare uno stesso
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
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 4. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 4 Materiale di supporto per le lezioni. Non sostituisce il libro di testo Dipendenza di un carattere QUANTITATIVO da un carattere QUALITATIVO
DettagliGRANDEZZE SINUSOIDALI
GRANDEE SINUSOIDALI INDICE -Grandezze variabili. -Grandezze periodiche. 3-Parametri delle grandezze periodiche. 4-Grandezze alternate. 5-Grandezze sinusoidali. 6-Parametri delle grandezze sinusoidali.
DettagliProf.ssa Paola Vicard
Questa nota consiste perlopiù nella traduzione (con alcune integrazioni) da Descriptive statistics di J. Shalliker e C. Ricketts, 2000, University of Plymouth Consideriamo i dati nel file esercizio10_dati.xls.
DettagliLa variabile casuale Binomiale
La variabile casuale Binomiale Si costruisce a partire dalla nozione di esperimento casuale Bernoulliano che consiste in un insieme di prove ripetute con le seguenti caratteristiche: i) ad ogni singola
DettagliMATEMATICA 2001. p = 4/6 = 2/3; q = 1-2/3 = 1/3. La risposta corretta è quindi la E).
MATEMATICA 2001 66. Quale fra le seguenti affermazioni è sbagliata? A) Tutte le funzioni ammettono la funzione inversa B) Una funzione dispari è simmetrica rispetto all origine C) Una funzione pari è simmetrica
DettagliFinestre grafiche. >> figure >> figure(n)
Finestre grafiche MATLAB ha anche la possibilità di lavorare con delle finestre grafiche sulle quali si possono fare disegni bidimensionali o tridimensionali. Una finestra grafica viene aperta con il comando
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
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
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 8 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. Test delle ipotesi sulla varianza In un azienda che produce componenti meccaniche, è stato
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito Soluzioni della simulazione del 17/05/2011 Gianmarco Altoè Dipartimento di Psicologia Università di Cagliari, Anno Accademico 2010-2011 Leggere BENE le avvertenze prima
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
DettagliCarichiamo il segnale contenuto nel file ecg_es_20121128.mat
Esercitazione su analisi segnale ECG Carichiamo il segnale contenuto nel file ecg_es_20121128.mat Il file contiene due variabili - dt, che vale 0.004 - ecg, che è vettore lungo 6500 campioni La frequenza
DettagliMetodi statistici per l economia (Prof. Capitanio) Slide n. 9. Materiale di supporto per le lezioni. Non sostituisce il libro di testo
Metodi statistici per l economia (Prof. Capitanio) Slide n. 9 Materiale di supporto per le lezioni. Non sostituisce il libro di testo 1 TEST D IPOTESI Partiamo da un esempio presente sul libro di testo.
DettagliINCERTEZZA DI MISURA
L ERRORE DI MISURA Errore di misura = risultato valore vero Definizione inesatta o incompleta Errori casuali Errori sistematici L ERRORE DI MISURA Errori casuali on ne si conosce l origine poiche, appunto,
DettagliC(f) : funzione di trasferimento del canale. Essa limita la banda del segnale trasmesso e quindi rappresenta un modello più realistico
MODELLO DEL CANALE Modello gaussiano additivo a banda illimitata (considerato finora): s(t) + n(t) r(t) = s(t) + n(t) s(t) Canale C(f) + r(t) n(t) C(f) : funzione di trasferimento del canale. Essa limita
DettagliInterpolazione ed approssimazione di funzioni
Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 9 novembre 2007 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner
DettagliBasetta per misure su amplificatori
Basetta per misure su amplificatori Per le misure viene utilizzata una basetta a circuito stampato premontata, che contiene due circuiti (amplificatore invertente e noninvertente). Una serie di interruttori
DettagliIl Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO. Pasquale Iandolo
Il Controllo Interno di Qualità dalla teoria alla pratica: guida passo per passo IL MODELLO TEORICO Pasquale Iandolo Laboratorio analisi ASL 4 Chiavarese, Lavagna (GE) 42 Congresso Nazionale SIBioC Roma
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliTabella iniziale con i dati. Malattia Malati Non malati Totale Test Positivo 183 Negativo 280 Totale 199 512. Calcolo i valori mancanti per differenza
ESERCIZIO DI STATISTICA D.U. / simulazione di esame Esercizio 1: Per una malattia particolarmente grave viene sperimentato l utilizzo di una nuova tecnica radiologica allo scopo di identificare correttamente
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,
DettagliFACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE SIMULAZIONE della PROVA SCRITTA di STATISTICA 23/03/2011
FACOLTÀ DI SOCIOLOGIA CdL in SCIENZE DELL ORGANIZZAZIONE SIMULAZIONE della PROVA SCRITTA di STATISTICA 23/3/2 ESERCIZIO (2+2+2+2) La seguente tabella riporta la distribuzione della variabile "Stato Civile"
DettagliElementi di teoria dei segnali /b
Elementi di teoria dei segnali /b VERSIONE 29.4.01 Filtri e larghezza di banda dei canali Digitalizzazione e teorema del campionamento Capacità di canale e larghezza di banda Multiplexing e modulazioni
DettagliPolitecnico di Bari Facoltà di Ingegneria
Politecnico di Bari Facoltà di Ingegneria Dispensa per il Corso di Controlli Automatici I Uso del software di calcolo Matlab 4. per lo studio delle risposte nel tempo dei sistemi lineari tempoinvarianti
DettagliSistemi di Servizio e Simulazione
Sistemi di Servizio e Simulazione Soluzioni degli esercizi di esame proposti negli appelli dell a.a.2004-05 Sono stati distribuiti sul sito web i testi di tre appelli di esame dell anno accademico 2004-05:
DettagliI ESERCITAZIONE. Gruppo I 100 individui. Trattamento I Nuovo Farmaco. Osservazione degli effetti sul raffreddore. Assegnazione casuale
I ESERCITAZIONE ESERCIZIO 1 Si vuole testare un nuovo farmaco contro il raffreddore. Allo studio partecipano 200 soggetti sani della stessa età e dello stesso sesso e con caratteristiche simili. i) Che
DettagliTesina di Identificazione dei Modelli e Analisi dei Dati
Tesina di Identificazione dei Modelli e Analisi dei Dati Ceccarelli Egidio e Papi Alessio 19 Luglio 2000 1 Indice 1 Introduzione 3 2 Valutazioni relative all identificazione 3 3 Prove 4 4 Conclusioni 5
DettagliCAPACITÀ DI PROCESSO (PROCESS CAPABILITY)
CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il
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
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
DettagliCorrezione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 28 Marzo 2007 Facoltà di Astronomia
Correzione dell Esame di Statistica Descrittiva (Mod. B) 1 Appello - 8 Marzo 007 Facoltà di Astronomia ESERCIZIO 1 La seguente tabella riporta la distribuzione congiunta della situazione lavorativa e dello
DettagliMATLAB-SIMULINK. Grafici 2D e 3D. Ing. Alessandro Pisano. pisano@diee.unica.it
1 MATLAB-SIMULINK Grafici 2D e 3D Ing. Alessandro Pisano pisano@diee.unica.it 2 Indice 3 7 10 10 11 12 13 14 16 17 22 24 28 34 36 39 44 Grafici 2D Griglia, label e titolo Grafici sovrapposti. Colori Legenda
Dettagli