Sommario DIGITAL TRANSMISSION OVER FADING CHANNELS. Sommario (2) Cos è il Fading? Cos è il Fading?

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Sommario DIGITAL TRANSMISSION OVER FADING CHANNELS. Sommario (2) Cos è il Fading? Cos è il Fading?"

Transcript

1 Unverstà degl Stud d Caglar Corso d Laurea Magstrale n Ingegnera Elettronca e delle Telecomuncazon DIGITAL TRANSMISSION OVER FADING CHANNELS Cos è l Fadng? Sommaro Parametr de fadng channels: Delay spread Coherence bandwdth Doppler spread Coherence tme Classfcazone de fadng channels: Slow o fast Flat o frequency selectve Sommaro () Cos è l Fadng? F.d.t. d un fadng channel CSI: Pdf d Raylegh e d Rce Calcolo P( e) Nessun CSI E l termne usato per descrvere le fluttuazon n ampezza e rtard del segnale al rcevtore durante la trasmssone su canale rado. Cause: Multpath Movment relatv tra trasmetttore e rcevtore Dverstà: Tpologe Tecnche Effett Attenuazone e dstorsone al rcevtore 3 4

2 Scenaro Parametr de Fadng Channels Delay spread Coherence bandwdth Doppler spread Coherence tme 5 6 Delay Spread Delay Spread () Possamo msurare la potenza meda del segnale rcevuto n funzone del tempo d rtardo. Impulso trasmesso Potenza meda rcevuta La potenza meda rcevuta è chamata spettro d potenza del rtardo; l ntervallo d tempo n cu tale potenza è non nulla è chamato multpath spread del canale( n fgura). Consderando tutt possbl percors, l delay spread è l massmo tra quest rtard. T m Questo fenomeno provoca Dspersone Temporale. t Delay τ Tm 7 8

3 Coherence Bandwdth In un fadng channel segnal con dfferente contenuto n frequenza possono subre dvers lvell d fadng. B c La banda d coerenza è l ntervallo d frequenza oltre l quale due component n frequenza del segnale subscono fadng ndpendent. Coherence Bandwdth () La banda d coerenza è legata al delay spread attraverso la relazone: Questo fenomeno produce Selettvtà n Frequenza. B c = Tm 9 Doppler Spread Doppler Spread () Un segnale che s propaga può subre effetto Doppler (shft d frequenza) dovuto alla natura tempo varante del canale. La fgura mostra lo spettro d potenza del segnale rcevuto quando s trasmette una snusode. Potenza meda Rcevuta B d Il doppler spread è l range d frequenza n cu lo spettro d potenza doppler è dverso da zero e corrsponde al massmo valore dello shft d frequenza. Questo fenomeno provoca Dspersone n frequenza. Tono sngolo f doppler shft Bd

4 Coherence Tme T c Il tempo d coerenza, è una msura della durata temporale n cu la rsposta mpulsva del canale rmane nvarata. Qund se la durata d un smbolo è pù pccola d, l canale può essere consderato nvarante durante la rcezone del smbolo. Esste una relazone tra tempo d coerenza e doppler spread T c Classfcazone Fadng Channel B c Se la banda d coerenza è molto maggore della banda del segnale B ( ), l segnale trasmesso subsce Flat Fadng x Bc >> Bx altrment subrà Fadng selettvo n frequenza. Se l doppler spread del canale è molto pù pccolo della banda del segnale B ( ) questo subsce Slow Fadng. x Bx >> Bd Vceversa s parla d Fast Fadng. B d Questo fenomeno produce Selettvtà Temporale. T c = B d 3 4 F.D.T. d un Fadng Channel La rsposta d un canale con fadng può essere studata n termn d funzone d trasfermento ossa la trasformata d Fourer della rsposta mpulsva. In generale tale funzone d trasfermento è tempo-varante. ESEMPI DI FADING CHANNELS n n H ( f, t) = αn( t) e e n jθ ( t) j π fτ ( t) 5 6

5 Propagazone Su Paths Propagazone Su Paths () T x ed R x fssat. Due possbl percors d propagazone. I percors hanno caratterstche che non varano e possono essere dentfcat ndvdualmente: y( t) = x( t) + bx( t τ ) b e τ sono l attenuazone e l rtardo del segnale rflesso (l path dretto ha qund attenuazone e rtardo ) Rsposta mpulsva h( t) = δ ( t) + bδ ( t τ ) Funzone d trasfermento: H ( f ) = + be j π f τ 7 8 Propagazone Su Paths (3) Per alcun valor del prodotto due percors sono essenzalmente n allneamento d fase( H ( f ) massmo) f τ Propagazone su Path Sngolo EFFETTO DEL MOVIMENTO H ( f ) = + b + b cos( π fτ ) Per altr valor percors quas s cancellano a vcenda, producendo un mnmo d H ( f ) (notch). Il rcevtore è n moto relatvo rspetto al trasmetttore v= veloctà del vecolo(che assumamo costante) γ = angolo tra la drezone d propagazone dell onda pana elettromagnetca e la drezone del moto 9

6 Propagazone su Path Sngolo EFFETTO DEL MOVIMENTO () L effetto doppler causa che l segnale rcevuto sa un tono la cu frequenza è modfcata dalla quanttà Propagazone su Path Sngolo EFFETTO DEL MOVIMENTO (3) Questo canale può essere modellato come un sstema lneare tempo-varante con funzone d trasfermento v = f cosγ c Il segnale rcevuto sarà nella forma f D H ( f, t) = α( t) e e j πθ ( t) j π fτ ( t) y t Ae π D ( ) = j ( f f ) t Propagazone su Due Paths EFFETTO DEL MOVIMENTO () Propagazone su Due Paths EFFETTO DEL MOVIMENTO () Il segnale rcevuto, a causa dell effetto doppler, sarà: S suppone per semplctà che percors abbano lo stesso rtardo(nullo) e la stessa attenuazone. In generale: = + v v j π f t j π f cos γ t c c y( t) A e e e jπ f t j ( t ) j ft y( t) = R( t) e θ e π 3 4

7 Propagazone su Due Paths EFFETTO DEL MOVIMENTO (3) L ampezza del segnale rcevuto sarà Propagazone Multpath EFFETTO DEL MOVIMENTO v cosγ R( t) = Acos( π f ( ) t) c L nvluppo del segnale rcevuto esbsce una varazone snusodale nel tempo, con frequenza f v cosγ ( ) c Il segnale rcevuto conterrà una sere d contrbut d doppler shft: f v = f cosγ c 5 6 Propagazone Multpath EFFETTO DEL MOVIMENTO () Propagazone Multpath EFFETTO DEL MOVIMENTO (3) Il segnale rcevuto sarà: L nvluppo complesso del segnale rcevuto rsulta essere: γ N N j( π ( f f ) t+ θ ) j( π f t ) j f θ π = = y( t) = A e = A e e θ, e A sono l ampezza, la fase e l angolo d ncdenza del raggo dell -esmo percorso. = N jθ ( t ) j( π f t θ ) A e = R( t) e Per un numero grande Nd paths, possamo assumere che le attenuazon A e le fas π ft θ sano varabl aleatore Gaussane, che possono essere ragonevolmente assunte ndpendent. 7 8

8 Propagazone Multpath EFFETTO DEL MOVIMENTO (4) Propagazone Multpath CON UN PATH FISSATO R( t) e θ ( t) rsultano essere process ndpendent, con θ unformemente dstrbuta tra (, π ) e R( t) funzone d denstà d probabltà d Raylegh: ( t) Il mezzo d propagazone ha un path fsso pù resstente n aggunta agl altr N path debol: R( t) e = u( t) e + v( t) e jθ ( t ) jα ( t) jβ ( t) r r ( ) e r fr t = σ < σ r < u( t) è dstrbuta secondo Raylegh, α( t) è unforme n v( t) e β ( t) sono segnal determnstc (, π ) 9 3 Propagazone Multpath CON UN PATH FISSATO () Propagazone Multpath CON UN PATH FISSATO (3) Con questo modello R( t) ha la seguente pdf IlfattoredRce: r + v σ rv r fr ( r) = e I r σ σ v K = σ è l rapporto tra (potenza del percorso fsso) e (potenza della componente d Raylegh) dove rv I σ denota la funzone d Bessel d ordne zero 3 3

9 Raylegh Vs. Rce Raylegh Vs. Rce () Quando K, coè quando l percorso fsso rduce la sua potenza, (la funzone d Bessel vale ora I () = ) la pdf d Rce dventa la pdf d Raylegh. Invecese K, coè la potenza del percorso fsso è consderevolmente pù alta della potenza de percors casual, allora la pdf d Rce può essere approssmata molto bene con una pdf Gaussana. x e lm I( x)~ x π x Sosttuendo la funzone d Bessel con la sua espressone asntotca ( ) σ r v r fr ( r)~ e π x Raylegh Vs. Rce (3) Frequency Flat SLOWLY FADING CHANNELS Per sstem d trasmssone dgtale avere una banda stretta equvale ad assumere che la durata del smbolo modulato sa molto pù grande rspetto allo spread delay causato dalla propagazone multpath. Se questo avvene, allora tutte le component n frequenza del segnale trasmesso saranno affette da una stessa attenuazone eshftdfasecasual,elcanalesaràfrequencyflat

10 Frequency Flat SLOWLY FADING CHANNELS() Se noltre l canale vara molto lentamente rspetto alla durata del segnale (movmento relatvo lento tra trasmetttore e ( ) rcevtore) allora l fadng R( t) e jθ t sarà approssmatvamente costante durante la trasmssone d un smbolo. Frequency Flat SLOWLY FADING CHANNELS (3) L unca dfferenza rspetto ad un canale AWGN rsede nel fattore R che nvece d essere una costante d attenuazone è adesso una varable aleatora l cu valore ncde sull ampezza, e qund sulla potenza, del segnale rcevuto L nvluppo complesso del segnale rcevuto n uscta dal canale affetto da fadng slow e flat e da AWGN, può essere espresso nella forma: jθ r% ( t) = Re x% ( t) + n% ( t) R Se è noto descrvamo questa stuazone dcendo che abbamo una CSI(Channel State Informaton) perfetta. La CSI può essere ottenuta per esempo nserendo un tono plota nello spettro del segnale trasmesso e assumendo che l segnale subsca fadng esattamente allo stesso modo Perfect CSI Perfect CSI () La demodulazone con CSI perfetta avvene con lo stesso prncpo della demodulazone su canale AWGN, ovvero s tende a mnmzzare la dstanza geometrca tra r( t) e Rx( t) coè rdurre la dstanza tra l possble segnale trasmesso e quello rcevuto La probabltà d errore può essere valutata come P( e) = P( e R) f ( r) dr R T [ r( t) Rx( t) ] dt mnmzzare oppure r( t) Rx( t) Il calcolo d P( e R) s ottene consderando P( e) nel caso d canale AWGN, consderando però segnal ad energa R. 39 4

11 Rlevazone Coerente D Un Segnale Bnaro con Cs Perfetto Consderamo l caso d un segnale bnaro avente energa e coeffcente d correlazone ρ Rlevazone Coerente d un Segnale Bnaro con CSI Perfetto () d è la dstanza tra due smbol che può anche essere espressa n funzone dell energa de segnal e della loro correlazone Laprobabltàd erroredsegnalbnarèdatada d d P( e) = erfc = Q( ) N N d = + ρ = ( ρ) 4 4 Rlevazone Coerente d un Segnale Bnaro con CSI Perfetto (3) Consderando la trasmssone attraverso un canale affetto da fadng abbamo R Raylegh Fadng Se ha una pdf d Raylegh rsolvendo l ntegrale s ottene: qund R ( ρ) P( e R) = erfc N P( e) = P( e R) f ( r) dr R dove P( e) = ( ρ) N + ( ρ) N = E R = σ 43 44

12 Raylegh Fadng () Nel caso partcolare d segnal: Antpodal = (mnma energa) P( e) = N + N ρ Raylegh Fadng (3) Per confrontare le due relazon supponamo d avere un elevato rapporto segnale rumore e utlzzamo l approssmazone Ortogonal = ottengo P( e) = N + N ρ x lm ~ x + x x Raylegh Fadng (4) Rce Fadng Sottene P( e)~ ( ρ ) N Attraverso tecnche d ntegrazone numerca s può calcolare la probabltà d errore nel caso n cu l canale sa affetto da Rce fadng per segnal antpodal Per segnal ortogonal N P( e) = 4 N P( e) = 47 48

13 Raylegh Vs. Rce NO CSI Una CSI nfntamente accurata non è ma dsponble Per semplctà, ntendamo lmtarc all esamnare l caso lmte n cunonèdsponblepernullaunacsi Anchenquestocasosrcavala P( e R) esmedasututtalapdf d fadng Dfferental Detecton () Dfferental Detecton () In un canale per cu l processo d fadng non è lento abbastanza da permettere un accurata stma del suo shft d fase, un alternatva alla rlevazone coerente è la demodulazone dfferenzale D fatto, la seconda rchede solo che la fase rmanga stable durante due smbol adacent Consderando un Raylegh fadng Persegnalantpodalsha P( e) = + N rspetto al caso d demodulazone coerente la probabltà d errore è raddoppata Nelcasonvecedsegnalortogonalsha P( e) = + N è quattro volte maggore del caso antpodale con demodulazone coerente mentre è l doppo rspetto al caso d segnale ortogonale con demodulazone coerente. 5 5

14 Dverstà Tecnca che consente d rdurre gl effett del fadng. L dea ètrasmettere lo stesso segnale attraverso L canal separat con fadng, allo scopo d fornre al rcevtore L replche dello stesso segnale. Tal replche saranno affette da process d fadng possblmente ndpendent così da produrre SNR ndpendent. Dverstà () Se L è grande abbastanza, ad ogn stante d tempo c è un elevata probabltà che almeno uno de segnal rcevut dagl L dvers ram non sarà affetto da un profondo fade, e qund l suosnrsaràaldsopradellasoglacrtca. Combnando adeguatamente segnal rcevut, l effetto fadng sarà mtgato. Var metod sono not per combnare segnal ottenut alle loro uscte. I pù mportant sono elencat d seguto Dverstà Spazale Dverstà d Polarzzazone Consste nel rcevere l segnale trasmesso attraverso antenne separate. La spazatura delle antenne è larga abbastanza rspetto alla lunghezza d onda della portante n modo tale da ottenere una suffcente scorrelazone. L Se un canale rado mostra fadng scorrelato per segnal trasmess su polarzzazon ortogonal, allora la dverstà può essere ottenuta utlzzando una coppa d antenne crosspolarzzate al rcevtore. Vantagg: può essere faclmente mplementata non rchede occupazone extra dello spettro 55 56

15 Vantagg: Dverstà d Polarzzazone () antenne cross-polarzzate non rchedono la grande separazone fsca necessara per la dverstà spazale. Svantagg: sono dsponbl solo due ram d dverstà, mentre con la dverstà spazale può essere teorcamente ottenuto qualsas valored L Dverstà n Frequenza E ottenuta nvando lo stesso segnale su dverse frequenze d portante, la cu separazone deve essere pù larga rspetto alla banda d coerenza del canale. La dverstà n frequenza non è una soluzone effcente n termn d larghezza d banda Dverstà Temporale Tecnche Combnate d Dverstà S può ottenere trasmettendo lo stesso segnale su dvers slots d tempo separat da un ntervallo pù lungo del tempo d coerenza del canale. Selecton combnng Svantagg: dato che ne sstem rado mobl rcevtor hanno un grande tempo d coerenza, la dverstà temporale potrà essere ntrodotta solo al prezzo d elevat rtard. Maxmal rato combnng Equal gan combnng 59 6

16 Selecton Combnng Selecton Combnng () E concettualmente la tecnca pù semplce. Consste nel selezonare ad ogn stante, tra gl dverstà,quelloconlpùaltovaloredsnr. L ram d Ipotes: ogn ramo d dverstà è affetto dallo stesso rumore Gaussano tuttramhannolostessosnrmedo η = = E R N ( ) N 6 6 Selecton Combnng (3) Maxmal Rato Combnng η Denotamo con l SNR msurato nell -esmo ramo d dverstà durante la trasmssone d un dato smbolo: η = R N La tecnca selecton combnng selezona l η, ovvero l SNR massmo tra gl L SNR: I segnal all uscta degl L dvers ram sono combnat lnearmente I coeffcent della combnazone lneare sono selezonat allo scopo d massmzzare l rapporto tra l energa del segnale stantanea e la denstà spettrale della potenza d rumore. η = max( η... η ) L 63 64

17 Maxmal Rato Combnng () Maxmal Rato Combnng (3) Consderamo Denstà d potenza spettrale N La relazone precedente può essere vsta come combnazone lneare sugl L ram. R nota, ovvero perfetto CSI Energa del segnale Segnale complesso all uscta da ram d dverstà r = R x + n L L L r = G r = G R x + G n = = = Dove G sono coeffcent scelt per massmzzare l rapporto tra l energa stantanea del segnale e la denstà spettrale della potenza d rumore Maxmal Rato Combnng (4) Maxmal Rato Combnng (5) La denstà spettrale d potenza del rumore dopo la combnazone è data da: Voglamo massmzzare l rapporto tra le due precedent quanttà, coè: N = L energa stantanea del segnale è: L G η = N L = G R L = G L G R = 67 68

18 La Dsuguaglanza d Cauchy-Schwarz Maxmal Rato Combnng (6) Consderamo la relazone d Cauchy-Schwarz Il rapporto η dventa: L L L * a b a b = = = Affnché la dsuguaglanza d Cauchy-Schwarz dvent un uguaglanza deve essere a = c, dove c è una costante b η L L G R L = = = L N N = G = R 69 7 Maxmal Rato Combnng (7) Maxmal Rato Combnng (8) L uguaglanza s ottene ponendo G = R Ogn ramo d dverstà è pesato proporzonalmente rspetto all attenuazone da fadng che lo nteressa: ram pù faded saranno contat meno e vceversa. Qund la combnazone a massmo rapporto fornsce un SNR η L MR = R N = L ultma equazone mostra la combnazone a rapporto massmoη MR che è la somma degl SNR, e qund può essere grande anche quando sngol SNR sono pccol. 7 7

19 Maxmal Rato Combnng (9) Equal Gan Combnng Essendo la dervazone del CSI molto complessa, può essere utlzzata una versone semplfcata della combnazone a massmo rapporto, n cu tutt coeffcent nella G L L L r = G r = G R x + G n = = = sonosceltpara Vantagg e Svantagg Codfca per Raylegh Fadng Channel Selecton combnng: vantaggo: svantaggo: Maxmal rato combnng: vantaggo: svantaggo: semplce da mplementare non è una tecnca d combnazone ottma SNR massmo conoscenza perfetta della CSI La codfca può essere vsta come un modo per ntrodurre dverstà nel sstema d trasmssone. Tutta la codfca d canale può essere nterpretata come avente un grado d dverstà ntrnseco. Equal gan combnng vantagg: SNR alt nessuna conoscenza della CSI 75 76

20 Codfca per Raylegh Fadng Channel () Condzon: R k ndpendent Demodulazone coerente Perfect CSI Rumore banco Codfca per Raylegh Fadng Channel (3) Sotto queste condzon lo scopo è quello d mnmzzare la dstanza tra segnale trasmesso e segnale rcevuto: n k = r R k k s k Dervamo la parwse probablty error e qund la pdf della varable aleatora X Dstanza d Hammng Dstanza d Hammng () S può rcavare un lmte superore per l espressone probabltà d errore P( e) : Osservando la relazone, maggore è l valore della dstanza d Hammng mnore è la probabltà d errore n fase d rcezone P( e) A d d b R + c N d Introducendo la codfca s ntroduce dverstà che consente d avereuna P( e) non dpendente solo ed esclusvamente dal valoredsnrmaanchedalvalored d mn Dove d è la dstanza d Hammng, ovvero è l numero d component per cu dfferscono l segnale trasmessos e l segnale rcevuto ŝ. d è un parametro dpendente dalla codfca. Lo schema d codfca è basato sulla massmzzazone della dverstà del codce, ovvero, sulla massmzzazone della dstanza d Hammng 79 8

21 Bblografa Bgler, Benedetto - Prncples of dgtal transmsson Kluwer Smon, Alun-Dgtal Communcaton Over Fadng Channels Wley Patzold- Moble Fadng Channels Wley Meyr- Dgtal Communcaton Recevers - Wley Fadng F.A.Q Defnzone Cause Effett Cosa dfferenza l canale d Rce da quello d Raylegh In qual condzon un canale d Rce può convergere n quello d Raylegh e vceversa? Dato lo standard W-F, stablre quando l canale possa essere defnto d Rce e quando d Raylegh 8 8 F.A.Q Defnre e fare un esempo d dverstà Spazale Polarzzazone Frequenza Temporale Tecnche combnate d dverstà Selecton combnng Maxmal rato combnng Equal gan combnng 83

Trasmissione Numerica sul Canale Radio-Mobile

Trasmissione Numerica sul Canale Radio-Mobile Trasmssone Numerca sul Canale Rado-Moble Fulvo Babch (babch@unts.t) DIA Unverstà d Treste Ret wreless Ingegnera Elettronca e Informatca Canale Rado-moble Mezzo trasmssvo aperto (broadcast) Condvsone delle

Dettagli

CARATTERISTICHE DEI SEGNALI RANDOM

CARATTERISTICHE DEI SEGNALI RANDOM CARATTERISTICHE DEI SEGNALI RANDOM I segnal random o stocastc rvestono una notevole mportanza poché sono present, pù che segnal determnstc, nella maggor parte de process fsc real. Esempo d segnale random:

Dettagli

La sincronizzazione. (Libro) Trasmissione dell Informazione

La sincronizzazione. (Libro) Trasmissione dell Informazione La sncronzzazone (Lbro) Problem d sncronzzazone La trasmssone e la dverstà tra gl OL del trasmetttore e del rcevtore ntroducono (anche n assenza d fadng) un errore d d frequenza, d fase e d camponamento

Dettagli

26/08/2010. segnali deterministici. segnali casuali o random. stazionario. periodico. Non stazionario. transitorio

26/08/2010. segnali deterministici. segnali casuali o random. stazionario. periodico. Non stazionario. transitorio Cap 5: ANALISI DEI SEGNALI E ARAURA DINAMICA Un segnale è defnto come una qualsas varable fsca che camba nel tempo, nello spazo, o rspetto a altre varabl e che trasporta nformazon segnal determnstc segnal

Dettagli

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica

Laboratorio 2B A.A. 2012/2013. Elaborazione Dati. Lab 2B CdL Fisica Laboratoro B A.A. 01/013 Elaborazone Dat Lab B CdL Fsca Lab B CdL Fsca Elaborazone dat spermental Prncpo della massma verosmglanza Quando eseguamo una sere d msure relatve ad una data grandezza fsca, quanto

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

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t

Ad esempio, potremmo voler verificare la legge di caduta dei gravi che dice che un corpo cade con velocità uniformemente accellerata: v = v 0 + g t Relazon lnear Uno de pù mportant compt degl esperment è quello d nvestgare la relazone tra due varabl. Il caso pù mportante (e a cu spesso c s rconduce, come vedremo è quello n cu la relazone che s ntende

Dettagli

Appunti di Teoria dell Informazione

Appunti di Teoria dell Informazione Corso d Telecomuncazon (Classe Qunta della specalzzazone Elettronca e Telecomuncazon) Pagna - - . La teora dell nformazone La teora dell nformazone descrve l funzonamento de sstem d comuncazone sa analogc

Dettagli

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON

3 CAMPIONAMENTO DI BERNOULLI E DI POISSON 3 CAMPIOAMETO DI ROULLI E DI POISSO 3. ITRODUZIOE In questo captolo esamneremo due schem d camponamento che dversamente dal camponamento casuale semplce non producono campon d dmensone fssa ma varable.

Dettagli

Diversità - Multiplazione

Diversità - Multiplazione Dverstà - Multplazone Fulvo Babch (babch@unts.t) DIA Unverstà d Treste Ret wreless Ingegnera Elettronca e Informatca Dverstà n trasmssone S consder la trasmssone da una rado-base d un sstema cellulare

Dettagli

Teoria dei Segnali Rumore granulare

Teoria dei Segnali Rumore granulare Teora de Segnal Rumore granulare Valentno Lberal Dpartmento d Fsca Unverstà degl Stud d Mlano valentno.lberal@unm.t Teora de Segnal Rumore granulare 24 gennao 211 Valentno Lberal (UnMI) Teora de Segnal

Dettagli

Corso di Tecniche elettromagnetiche per la localizzazione e il controllo ambientale. Test scritto del 08 / 09 / 2005

Corso di Tecniche elettromagnetiche per la localizzazione e il controllo ambientale. Test scritto del 08 / 09 / 2005 Corso d Tecnche elettromagnetche per la localzzazone e l controllo ambentale Test scrtto del 8 / 9 / 5 S rsponda alle seguent domande marcando con un segno le rsposte che s reputano corrette. S rsolva

Dettagli

Propagazione degli errori

Propagazione degli errori Propagaone degl error Voglamo rcavare le ncertee nelle msure ndrette. Abbamo gà vsto leone un prma stma degl error sulle grandee dervate valda n generale. Consderamo ora l caso specco d grandee aette da

Dettagli

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza

5: Strato fisico: limitazione di banda, formula di Nyquist; caratterizzazione del canale in frequenza 5: Strato fsco: lmtazone d banda, formula d Nyqust; caratterzzazone del canale n frequenza Larghezza d banda d un segnale La larghezza d banda d un segnale è data dall ntervallo delle frequenze d cu è

Dettagli

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA

UNIVERSITA DEGLI STUDI DI CASSINO FACOLTA DI INGEGNERIA UNIVERSITA DEGI STUDI DI CASSINO FACOTA DI INGEGNERIA ANTONIO RUSSO, ANGEO EOPARDI ANAISI DE ERRORE CONNESSO A APPROSSIMAZIONE DEE UNGHEZZE E DEE CEERITA NE METODO DI INTEGRAZIONE DEE CARATTERISTICHE (MOC)

Dettagli

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione

Equilibrio e stabilità di sistemi dinamici. Stabilità dell equilibrio di sistemi dinamici non lineari per linearizzazione Equlbro e stabltà d sstem dnamc Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem dnamc non lnear per lnearzzazone Stabltà dell equlbro d sstem NL TC Crter d stabltà

Dettagli

L arcobaleno. Giovanni Mancarella. n = n = n = α( o )

L arcobaleno. Giovanni Mancarella. n = n = n = α( o ) Govann Mancarella L arcobaleno I(α) (a.u.) n =.3338 n =.336 39 40 4 4 43 α( o ) In questa nota utlzzeremo l termne dstrbuzone per ndcare la denstà d probabltà d una varable casuale. Il fenomeno dell arcobaleno

Dettagli

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita

Teoria degli errori. La misura implica un giudizio sull uguaglianza tra la grandezza incognita e la grandezza campione. Misure indirette: velocita Teora degl error Processo d msura defnsce una grandezza fsca. Sstema oggetto. Apparato d msura 3. Sstema d confronto La msura mplca un gudzo sull uguaglanza tra la grandezza ncognta e la grandezza campone

Dettagli

5.1 Controllo di un sistema non lineare

5.1 Controllo di un sistema non lineare 5.1 Controllo d un sstema non lneare Sa dato l sstema non lneare rappresentato n fgura 5.1, con h g θ Θ,m,r Fgura 5.1: Sstema non lneare F m (,d) = k m la forza che esercta l elettromagnete percorso da

Dettagli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli

Realizzazione di FSM sincrone. Sommario. Introduzione. Sommario. M. Favalli Realzzazone d FSM sncrone M. Favall Engneerng Department n Ferrara Realzzazone d FSM Anals e sntes de sstem dgtal / Introduzone Realzzazone d FSM Anals e sntes de sstem dgtal 2 / Una volta ottenuto l automa

Dettagli

3) Entropie condizionate, entropie congiunte ed informazione mutua

3) Entropie condizionate, entropie congiunte ed informazione mutua Argoment della Lezone ) Coppe d varabl aleatore 2) Canale dscreto senza memora 3) Entrope condzonate, entrope congunte ed nformazone mutua 4) Esemp d canal Coppe d varabl aleatore Fno ad ora è stata consderata

Dettagli

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO

PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO PICCOLE OSCILLAZIONI ATTORNO ALLA POSIZIONE DI EQUILIBRIO Stabltà e Teorema d Drclet Defnzone S dce ce la confgurazone C 0 d un sstema è n una poszone d equlbro stable se, portando l sstema n una confgurazone

Dettagli

Limitazioni di ampiezza negli amplificatori reali

Limitazioni di ampiezza negli amplificatori reali Lmtazon d ampezza negl amplfcator real G. Martnes 1 Lnearzzazone della trans-caratterstca G. Martnes Anals a pccolo segnale e concetto d punto d lavoro IL RUMORE EGLI AMPLIFICATORI Defnzon S defnsce rumore

Dettagli

B - ESERCIZI: IP e TCP:

B - ESERCIZI: IP e TCP: Unverstà d Bergamo Dpartmento d Ingegnera dell Informazone e Metod Matematc B - ESERCIZI: IP e TCP: F. Martgnon Archtetture e Protocoll per Internet Eserczo b. S consder l collegamento n fgura A C =8 kbt/s

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

Dettagli

Principio di massima verosimiglianza

Principio di massima verosimiglianza Prncpo d massma verosmglana Sa data una grandea d cu s conosce la unone denstà d probabltà ; che dpende da un nseme de parametr ndcat con d valore sconoscuto. S vuole determnare la mglor stma de parametr.

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

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare.

Una semplice applicazione del metodo delle caratteristiche: la propagazione di un onda di marea all interno di un canale a sezione rettangolare. Una semplce applcazone del metodo delle caratterstche: la propagazone d un onda d marea all nterno d un canale a sezone rettangolare. In generale la propagazone d un onda monodmensonale n una corrente

Dettagli

Statistica di Bose-Einstein

Statistica di Bose-Einstein Statstca d Bose-Ensten Esstono sstem compost d partcelle dentche e ndstngubl che non sono soggette al prncpo d esclusone. In quest sstem non esste un lmte al numero d partcelle che possono essere osptate

Dettagli

IL RUMORE NEGLI AMPLIFICATORI

IL RUMORE NEGLI AMPLIFICATORI IL RUMORE EGLI AMPLIICATORI Defnzon S defnsce rumore elettrco (electrcal nose) l'effetto delle fluttuazon d corrente e/o d tensone sempre present a termnal degl element crcutal e de dspostv elettronc.

Dettagli

Corso di Fondamenti di Telecomunicazioni

Corso di Fondamenti di Telecomunicazioni Corso d Fondament d Telecomuncazon Prof. Govann Schembra Struttura della lezone Defnzon d process aleator e caratterzzazone statstca ( Stma delle statstche d prmo e secondo ordne Process aleator stazonar

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

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

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986

Analisi degli errori. Introduzione J. R. Taylor, Introduzione all analisi degli errori, Zanichelli, Bo 1986 Anals degl error Introduzone J. R. Taylor, Introduzone all anals degl error, Zanchell, Bo 1986 Sstem d untà d msura, rappresentazone numerca delle quanttà fsche e cfre sgnfcatve Resnck, Hallday e Krane

Dettagli

Misure dirette utilizzate per il calcolo della misura indiretta X:

Misure dirette utilizzate per il calcolo della misura indiretta X: Propagazone degl error Msure drette utlzzate per l calcolo della msura ndretta X: ( ) a a a = ± Δ b = ( b ± Δ b) Il calcolo dell errore assoluto X ( espresso nella stessa untà d msura della grandezza X

Dettagli

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE III

Ingegneria Elettrica Politecnico di Torino. Luca Carlone. ControlliAutomaticiI LEZIONE III Ingegnera Elettrca Poltecnco d Torno Luca Carlone ControllAutomatcI LEZIONE III Sommaro LEZIONE III Trasformata d Laplace Propretà e trasformate notevol Funzon d trasfermento Scomposzone n fratt semplc

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

ANALISI STATISTICA DELLE INCERTEZZE CASUALI

ANALISI STATISTICA DELLE INCERTEZZE CASUALI AALISI STATISTICA DELLE ICERTEZZE CASUALI Consderamo l caso della msura d una grandezza fsca che sa affetta da error casual. Per ottenere maggor nformazone sul valore vero della grandezza rpetamo pù volte

Dettagli

Studio delle oscillazioni del pendolo semplice e misura dell accelerazione di gravita g.

Studio delle oscillazioni del pendolo semplice e misura dell accelerazione di gravita g. Studo delle oscllazon del pendolo semplce e msura dell accelerazone d ravta. Introduzone fsca Un pendolo semplce e costtuto da un flo d lunhezza L nestensble e d massa trascurable a cu e appesa un corpo

Dettagli

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x

1) Le medie e le varianze calcolate su n osservazioni relative alle variabili quantitative X ed Y sono tali che. σ x TEORIA 1) Le mede e le varanze calcolate su n osservazon relatve alle varabl quanttatve X ed Y sono tal che 1 e. Consderando le corrspondent varabl standardzzate delle seguent affermazon rsulta vera 1

Dettagli

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2:

CORSO DI FISICA TECNICA 2 AA 2013/14 ACUSTICA. Lezione n 2: CORSO DI FISICA TECNICA AA 013/14 ACUSTICA Lezone n : Lvell sonor: operazon su decbel e lvello sonoro equvalente. Anals n requenza de segnal sonor, bande d ottava e terz d ottava. Rumore banco e rumore

Dettagli

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo

Energia e Lavoro. In pratica, si determina la dipendenza dallo spazio invece che dal tempo Energa e Lavoro Fnora abbamo descrtto l moto de corp (puntform) usando le legg d Newton, tramte le forze; abbamo scrtto l equazone del moto, determnato spostamento e veloctà n funzone del tempo. E possble

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

IL RUMORE NEGLI AMPLIFICATORI

IL RUMORE NEGLI AMPLIFICATORI G. Martnes 1 G. Martnes G. Martnes 3 IL RUMORE EGLI AMPLIFICATORI Defnzon S defnsce rumore elettrco (electrcal nose) l'effetto delle fluttuazon d corrente e/o d tensone sempre present a termnal degl element

Dettagli

Corso di. Dott.ssa Donatella Cocca

Corso di. Dott.ssa Donatella Cocca Corso d Statstca medca e applcata 3 a Lezone Dott.ssa Donatella Cocca Concett prncpale della lezone I concett prncpal che sono stat presentat sono: Mede forme o analtche (Meda artmetca semplce, Meda artmetca

Dettagli

6 Prodotti scalari e prodotti Hermitiani

6 Prodotti scalari e prodotti Hermitiani 6 Prodott scalar e prodott Hermtan 6.1 Prodott scalar S fss K = R. Defnzone 6.1 Sa V un R-spazo vettorale. Un prodotto scalare su V è un applcazone che gode delle seguent propretà: ) (lneartà rspetto al

Dettagli

Distribuzione di Boltzmann. Nota

Distribuzione di Boltzmann. Nota Dstrbuzone d Boltzmann ota Tutto l soggetto trattato deve n realta essere nserto nel quadro concettuale della meccanca statstca, che non e trattato n questo corso. Quest cenn sono solo un breve rchamo

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

MODELLI DI UTILITÀ ALEATORIA

MODELLI DI UTILITÀ ALEATORIA corso d Teora e Tecnca della Crcolazone + Trasport e Terrtoro a.a. 2012-2013 MODELLI DI UTILITÀ ALEATORIA PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma2.t Modell d utltà

Dettagli

1 La domanda di moneta

1 La domanda di moneta La domanda d moneta Eserczo.4 (a) Keynes elenca tre motv per detenere moneta: Scopo transattvo Scopo precauzonale Scopo speculatvo Il modello d domanda d moneta a scopo speculatvo d Keynes consdera la

Dettagli

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student.

La t di Student. Per piccoli campioni si definisce la variabile casuale. = s N. detta t di Student. Pccol campon I parametr della dstrbuzone d una popolazone sono n generale ncognt devono essere stmat dal campone de dat spermental per pccol campon (N N < 30) z = (x µ)/ )/σ non ha pù una dstrbuzone gaussana

Dettagli

Teoria dell informazione e Meccanica Statistica

Teoria dell informazione e Meccanica Statistica Teora dell nformazone e Meccanca Statstca L. P. Gugno 2007 Rporto qu una breve rassegna dell approcco alla Meccanca Statstca medante la teora dell nformazone. Partamo dalla consderazone che la probabltà

Dettagli

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari

REGRESSIONE LINEARE. È caratterizzata da semplicità: i modelli utilizzati sono basati essenzialmente su funzioni lineari REGRESSIONE LINEARE Ha un obettvo mportante: nvestgare sulle relazon emprche tra varabl allo scopo d analzzare le cause che possono spegare un determnato fenomeno È caratterzzata da semplctà: modell utlzzat

Dettagli

Misure Ripetute ed Indipendenti

Misure Ripetute ed Indipendenti Msure Rpetute ed Indpendent Una delle metodologe pù semplc per valutare l affdabltà d una msura consste nel rpeterla dverse volte, nelle medesme condzon, ed esamnare dvers valor ottenut. Ovvamente, una

Dettagli

si utilizzano per confrontare le distribuzioni

si utilizzano per confrontare le distribuzioni Dspersone o Varabltà Defnzone: Le Msure d Dspersone: sono par a zero n caso d dspersone nulla s utlzzano per confrontare le dstrbuzon permettono d valutare la rappresentatvtà delle msure d centraltà. 89

Dettagli

Precisione e Cifre Significative

Precisione e Cifre Significative Precsone e Cfre Sgnfcatve Un numero (una msura) è una nformazone! E necessaro conoscere la precsone e l accuratezza dell nformazone. La precsone d una msura è contenuta nel numero d cfre sgnfcatve fornte

Dettagli

Modelli di utilità aleatoria

Modelli di utilità aleatoria corso d Teora de Sstem d Trasporto Modell d utltà aleatora PROF. ING. UMBERTO CRISALLI Dpartmento d Ingegnera dell Impresa crsall@ng.unroma.t Iscrzone al corso Modell d offerta ü Da effettuars anche on

Dettagli

Amplificatori operazionali

Amplificatori operazionali Amplfcator operazonal Parte 3 www.de.ng.unbo.t/pers/mastr/ddattca.htm (versone del 9-5-) Confgurazone nvertente generalzzata Se nella confgurazone nvertente s sosttuscono le resstenze R e R con due mpedenze

Dettagli

LA CORRENTE ELETTRICA CONTINUA

LA CORRENTE ELETTRICA CONTINUA CAPITOLO 33 LA CORRENTE ELETTRICA CONTINUA 1 L INTENSITÀ DELLA CORRENTE ELETTRICA 1! v! a t! F m e! E m t v! e t m! E Fssato l ntervallo d tempo t, s può scrvere! v! E 2 Q t 4,0 10 2 A 5,0 s 0,20 C 3 t

Dettagli

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m

Funzione di matrice. c i λ i. i=0. i=0. m 1. γ i A i. i=0. Moltiplicando entrambi i membri di questa equazione per A si ottiene. α i 1 A i α m 1 A m Captolo INTRODUZIONE Funzone d matrce Sa f(λ) una generca funzone del parametro λ svluppable n sere d potenze f(λ) Sa A una matrce quadrata d ordne n La funzone d matrce f(a) èdefnta nel modo seguente

Dettagli

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami

Architetture aritmetiche. Corso di Organizzazione dei Calcolatori Mariagiovanna Sami Archtetture artmetche Corso d Organzzazone de Calcolator Maragovanna Sam 27-8 8 Sommator: : Full Adder s = x y c + x y c + x y c + x y c Full Adder x y c s x y c = x y + x c + + y c c + Full Adder c x

Dettagli

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI

NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI NOTE DALLE LEZIONI DI STATISTICA MEDICA ED ESERCIZI METODI PER LO STUDIO DEL LEGAME TRA VARIABILI IN UN RAPPORTO DI CAUSA ED EFFETTO I MODELLI DI REGRESSIONE Prof.ssa G. Sero, Prof. P. Trerotol, Cattedra

Dettagli

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2

RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A 2 RICHIAMI SULLA RAPPRESENTAZIONE IN COMPLEMENTO A La rappresentazone n Complemento a Due d un numero ntero relatvo (.-3,-,-1,0,+1,+,.) una volta stablta la precsone che s vuole ottenere (coè l numero d

Dettagli

Intorduzione alla teoria delle Catene di Markov

Intorduzione alla teoria delle Catene di Markov Intorduzone alla teora delle Catene d Markov Mchele Ganfelce a.a. 2014/2015 Defnzone 1 Sa ( Ω, F, {F n } n 0, P uno spazo d probabltà fltrato. Una successone d v.a. {ξ n } n 0 defnta su ( Ω, F, {F n }

Dettagli

Sistemi di Acquisizione Dati Prof. Alessandro Pesatori

Sistemi di Acquisizione Dati Prof. Alessandro Pesatori Rappresentazone grafca Vsone d nseme d una grandezza n funzone del tempo o d un altro parametro Tpcamente s utlzzano ass coordnat che devono rportare la descrzone della grandezza rappresentata e all occorrenza

Dettagli

Sorgenti Numeriche - Soluzioni

Sorgenti Numeriche - Soluzioni Sorgent umerche - Soluzon *) L anals delle frequenze con cu compaono le vare lettere n un documento n talano, comprendente 5975 caratter, ha fornto seguent dat: Lettera umero Frequenza relatva A 666. B

Dettagli

Introduzione al calcolo numerico. Derivazione Integrazione Soluzione di equazioni

Introduzione al calcolo numerico. Derivazione Integrazione Soluzione di equazioni Introduzone al calcolo numerco Dervazone Integrazone Soluzone d equazon Dervazone numerca Il calcolo della dervata d una unzone n un punto mplca un processo al lmte ce può solo essere approssmato da un

Dettagli

La resistività apparente viene ricavata dalla relazione:

La resistività apparente viene ricavata dalla relazione: 3. Teora e Normatva PROGRAM GEO - SEVCon 3.1 Confgurazon strumental. La resstvtà apparente vene rcavata dalla relazone: V ρ a (Ω m) = k I k = coeffcente geometrco, dpendente dalla confgurazone strumentale;

Dettagli

( ) d R L. = ρ. w D R L. L 1 = -a -3 b + c + d T -2 = -a - c Risolvendo il sistema M 0 = a + b. In generale possiamo dire che

( ) d R L. = ρ. w D R L. L 1 = -a -3 b + c + d T -2 = -a - c Risolvendo il sistema M 0 = a + b. In generale possiamo dire che Fsca Tecnca G. Grazzn Facoltà d Ingegnera In generale possamo dre che R L f ( µ,,, D Dal punto d vsta matematco possamo approssmare la funzone con una sere d potenze e qund: R L ( a b c d µ B D ma per

Dettagli

La likelihood. , x 3. , x 2. ,...x N

La likelihood. , x 3. , x 2. ,...x N La lkelhood È dato un set d msure {x 1, x 2, x 3,...x N } (cascuna delle qual può essere multdmensonale) Supponamo che la pdf (f) dpenda da un parametro (anch'esso eventualmente multdmensonale) La verosmglanza

Dettagli

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA Metod varazonal OBIETTIVO: determnare funzon ncognte, chamate varabl dpendent, che soddsfano un certo nseme d equazon dfferenzal n un determnato domno e condzon al contorno STRUMETO: Metod varazonal: servono

Dettagli

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA

Metodi variazionali. ed agiscono sulla FORMA DEBOLE DEL PROBLEMA Metod varazonal OBIETTIVO: determnare funzon ncognte, chamate varabl dpendent, che soddsfano un certo nseme d equazon dfferenzal n un determnato domno e condzon al contorno STRUMETO: Metod varazonal: servono

Dettagli

Richiami di modelli di utilità aleatoria

Richiami di modelli di utilità aleatoria Corso d LOGISTICA TERRITORIALE www.unroma.t/ddattca/lt DOCENTE prof. ng. Agostno Nuzzolo Rcham d modell d utltà aleatora prof. ng. Agostno Nuzzolo - Corso d Logstca Terrtorale Modell d domanda e utltà

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto numerable. L nseme de

Dettagli

Stima dei Parametri Metodo di Massima Verosimiglianza

Stima dei Parametri Metodo di Massima Verosimiglianza Captolo 8 Stma de Parametr Metodo d Massma Verosmglanza Lo scopo dello studo de fenomen fsc è quello d scoprre le legg che legano le grandezze studate e d msurare l valore delle costant che compaono della

Dettagli

1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann

1 Le equazioni per le variabili macroscopiche: i momenti dell equazione di Boltzmann FISICA DEI FLUIDI Lezone 5-5 Maggo 202 Le equazon per le varabl macroscopche: moment dell equazone d Boltzmann Teorema H a parte, non è facle estrarre altre consderazon general sulla funzone denstà d probabltà

Dettagli

Definizione di campione

Definizione di campione Defnzone d campone S consder una popolazone fnta U = {1, 2,..., N}. Defnamo campone ordnato d dmensone n qualsas sequenza d n etchette della popolazone anche rpetute. s = ( 1, 2,..., n ), dove j è l etchetta

Dettagli

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n

x 0 x 50 x 20 x 100 CASO 1 CASO 2 CASO 3 CASO 4 X n X n X n X n Corso d Statstca docente: Domenco Vstocco La msura della varabltà per varabl qualtatve ordnal Lo studo della varabltà per varabl qualtatve ordnal può essere condotto servendos degl ndc d omogenetà/eterogenetà

Dettagli

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni

Scienze Geologiche. Corso di Probabilità e Statistica. Prove di esame con soluzioni Scenze Geologche Corso d Probabltà e Statstca Prove d esame con soluzon 004-005 1 Corso d laurea n Scenze Geologche - Probabltà e Statstca Appello del 1 gugno 005 - Soluzon 1. (Punt 3) In una certa zona,

Dettagli

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete

SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete SERIE STORICHE, TREND, MEDIE MOBILI, REGRESSIONE Andrea Prevete Una sere storca o temporale è un nseme d dat costtut da una sequenza d osservazon su un fenomeno d nteresse X, effettuate n stant (per le

Dettagli

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese

Sistemi Intelligenti Relazione tra ottimizzazione e statistica - IV Alberto Borghese Sstem Intellgent Relazone tra ottmzzazone e statstca - IV Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@dunmt Anals dell

Dettagli

6. Catene di Markov a tempo continuo (CMTC)

6. Catene di Markov a tempo continuo (CMTC) 6. Catene d Markov a tempo contnuo (CMTC) Carla Seatzu, 8 Marzo 28 Defnzone Una CMTC è un processo stocastco defnto come segue: lo spazo d stato è dscreto: X{x,x 2, }. L nseme X può essere sa fnto sa nfnto

Dettagli

Lezione 4. Politica Economica Avanzata

Lezione 4. Politica Economica Avanzata Lezone 4 Poltca Economca Avanzata Come msuramo la rendta d Conoscamo la def. Teorca. un mpresa? Dvdamo n base al valore medano tra mprese a bassa ed alta rendta. Che legame con la crescta della produttvtà

Dettagli

4.6 Dualità in Programmazione Lineare

4.6 Dualità in Programmazione Lineare 4.6 Dualtà n Programmazone Lneare Ad ogn PL n forma d mn (max) s assoca un PL n forma d max (mn) Spaz e funzon obettvo dvers ma n genere stesso valore ottmo! Esempo: l valore massmo d un flusso ammssble

Dettagli

03/03/2012. Campus di Arcavacata Università della Calabria

03/03/2012. Campus di Arcavacata Università della Calabria Campus d Arcavacata Unverstà della Calabra Corso d statstca RENDE a.a 0-00 3 4 5 6 7 8 9 0 3 4 5 6 7 8 9 Concentrazone Un altro aspetto d un nseme d dat che s aggunge alla meda e alla varabltà è costtuto

Dettagli

una variabile casuale è continuase può assumere un qualunque valore in un intervallo

una variabile casuale è continuase può assumere un qualunque valore in un intervallo Varabl casual contnue Se samo nteressat alla temperatura massma gornaleraquesta è una varable casuale msurata n un ntervallo contnuoe qund è una v.c. contnua una varable casuale è contnuase può assumere

Dettagli

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia

SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO. ECONOMIA INDUSTRIALE Università degli Studi di Milano-Bicocca. Christian Garavaglia SOLUZIONE ESERCIZI: STRUTTURA DI MERCATO ECONOMIA INDUSTRIALE Unverstà degl Stud d Mlano-Bcocca Chrstan Garavagla Soluzone 7 a) L ndce d concentrazone C (o CR k ) è la somma delle uote d mercato (o share)

Dettagli

Elementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche

Elementi di teoria bayesiana della decisione Teoria bayesiana della decisione: caratteristiche Element d teora bayesana della decsone Teora bayesana della decsone: caratterstche La teora bayesana della decsone è un approcco statstco fondamentale al problema del pattern recognton. Il suo obettvo

Dettagli

$%&'$%()($ * +,* -. )) )/

$%&'$%()($ * +,* -. )) )/ !"# $%&'$%()($ * +,* -. )) )/ 1 0 *",13.4 5. '. 1.'$$$ 0 0 *,6 7. 4! 5.! 8 1.)&&9 0 ) ' " / : ; %! 6 " > @ # 5 &' ;" >. ;" >. >.. ; >. # 6 C "! #!#! )!*#!!#!+@

Dettagli

Lezione 20 Maggio 29

Lezione 20 Maggio 29 PSC: Progettazone d sstem d controllo III Trm 2007 Lezone 20 Maggo 29 Docente: Luca Schenato Stesor: Maran F, Marcon R, Marcassa A, Zanella F Fnora s sono sempre consderat sstem tempo-nvarant, ovvero descrtt

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

Università degli Studi di Roma Tor vergata Dipartimento di Ingegneria Civile. Corso di. Gestione ed esercizio i dei sistemi i di trasporto

Università degli Studi di Roma Tor vergata Dipartimento di Ingegneria Civile. Corso di. Gestione ed esercizio i dei sistemi i di trasporto Unverstà degl Stud d Roma Tor vergata partmento d Ingegnera Cvle Corso d Gestone ed eserczo de sstem d trasporto Docente: Ing. Perlug Coppola Lucd proettat a lezone La progettazone degl orar de servz d

Dettagli

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo

Lezioni di Statistica (25 marzo 2013) Docente: Massimo Cristallo UNIVERSITA DEGLI STUDI DI BASILICATA FACOLTA DI ECONOMIA Corso d laurea n Economa Azendale Lezon d Statstca (25 marzo 2013) Docente: Massmo Crstallo QUARTILI Dvdono la dstrbuzone n quattro part d uguale

Dettagli

Valutazione dei Benefici interni

Valutazione dei Benefici interni Corso d Trasport Terrtoro prof. ng. Agostno Nuzzolo Valutazone de Benefc ntern Valutazone degl ntervent Indvduazone degl effett rlevant La defnzone degl effett rlevant per un ntervento sul sstema d trasporto

Dettagli

Esercizi sulle reti elettriche in corrente continua (parte 2)

Esercizi sulle reti elettriche in corrente continua (parte 2) Esercz sulle ret elettrche n corrente contnua (parte ) Eserczo 3: etermnare gl equvalent d Thevenn e d Norton del bpolo complementare al resstore R 5 nel crcuto n fgura e calcolare la corrente che crcola

Dettagli

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 26 ottobre 2015 COMPITO D FIRMA DELLO STUDENTE Cognome PRIMA PROVA INTERMEDIA DI STATISTICA (COD. 3000/6045/5047/4038/37/377) 26 ottobre 20 Nome Numero d matrcola Corso d Laurea Cod. corso COMPITO D A fn della valutazone s terrà

Dettagli

Sistemi Intelligenti Stimatori e sistemi lineari - III

Sistemi Intelligenti Stimatori e sistemi lineari - III Sstem Intellgent Stmator e sstem lnear - III Alberto Borghese Unverstà degl Stud d Mlano Laboratory of Appled Intellgent Systems (AIS-Lab) Dpartmento d Informatca borghese@d.unm.t /6 http:\\borghese.d.unm.t\

Dettagli

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 3: 27 febbraio 2013

Dipartimento di Statistica Università di Bologna. Matematica finanziaria aa lezione 3: 27 febbraio 2013 Dpartmento d Statstca Unverstà d Bologna Matematca fnanzara aa 2012-2013 lezone 3: 27 febbrao 2013 professor Danele Rtell www.unbo.t/docent/danele.rtell 1/26? S può dmostrare che 1. se 0 < t < 1 allora

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

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna

Dipartimento di Matematica per le scienze economiche e sociali Università di Bologna Dpartmento d Matematca per le scenze economche e socal Unverstà d Bologna Modell 1 lezone 12 10 novembre 2011 Teorema d Lebesgue Vtal-Generazone d msure professor Danele Rtell www.unbo.t/docent/danele.rtell

Dettagli