Prime nozioni sui segnali
|
|
- Faustina Flaviana Mazza
- 4 anni fa
- Visualizzazioni
Transcript
1 Prime nozioni sui segnali Ø Conce'o di segnale Ø ed esempi di segnali elementari sia determinis4ci che casuali (media, deviazione standard, densità di probabilità) Ø Operazioni sui segnali Ø Energia, potenza, ortogonalità e periodicità Ø Definizione e proprietà dell impulso matema4co Ø Relazioni tra segnali impulsivi, di energia e di potenza Ø Potenza di un segnale periodico Ø A'raversamento di un sistema da parte di un segnale 1
2 Conce1o di segnale Il segnale cos4tuisce l aspe%o fisico della trasmissione dell informazione Una sorgente S vuole trasme'ere informazioni ad una des4nazione D ad una certa distanza da essa: S perturba una certa grandezza fisica che propagandosi raggiunge D. L andamento nel tempo della grandezza perturbata cos4tuisce il segnale che D u4lizza per acquisire informazioni da S. S Trasdu'ore di sorgente Canale Trasdu'ore di des4nazione D Segnale emesso Segnale trasdo'o Segnale trasmesso Segnale ricevuto 2
3 Conce1o di segnale I segnali si dividono, sulla base del grado di conoscenza, in: Segnali Cer7 Andamento noto mediante una espressione matema4ca, un grafico o una registrazione Esempio: dalla conoscenza di alcuni parametri è possibile conoscere il segnale. Segnali Aleatori Un segnale si dice aleatorio se il suo andamento non è noto da parte della des4nazione. Tale incertezza può essere limitata ad uno o più parametri. 3
4 Un segnale si può esprimere in uno dei seguen4 modi dove parte reale e immaginaria sono date da e modulo e fase di x(t) sono da4 da 4
5 Da ricordare che in genere: i segnali possono essere limita& o illimita& nel tempo un segnale rappresenta l andamento temporale di una grandezza fisica funzioni che lo rappresentano funzioni reali di variabile t i fenomeni fisici sono con4nui funzioni che lo descrivono dovrebbero essere con4nue i segnali sono limita4 inferiormente e superiormente da fa'ori fisici i segnali sono periodici di periodo T 0 se 5
6 I segnali possono essere classifica4 in base alle loro cara%eris7che anali7che in: Segnale con4nuo tempo con4nuo Segnale con4nuo tempo discreto Segnale discreto tempo discreto Segnale discreto tempo con4nuo 6
7 Segnale sinusoidale 7
8 Segnale Gaussiano 8
9 Segnale esponenziale reale Esponenziale complesso Formule di Eulero 9
10 Segnale re'angolo 10
11 Segnale triangolo 11
12 Segnale gradino 12
13 Media temporale di un segnale nell intervallo (t 1, t 2 ) Estendendo a tu'o l asse dei tempi, si o^ene la media temporale di un segnale Se il segnale è periodico si ha 13
14 Media temporale del segnale gradino di ampiezza A Media temporale del segnale periodico re'angolare di periodo T 0 Media temporale del segnale periodico sinusoidale di periodo T 0 La media temporale spesso è anche chiamata componente con4nua di un segnale e la si indica con Si definisce quindi la componente alternata come 14
15 Variabili aleatorie Per un esperimento casuale Є, associamo ad ogni possibile risultato ζ un numero X(ζ). X è una funzione che ha come dominio l insieme dei possibili risulta4 dell esperimento casuale Є, e come codominio un certo insieme di numeri. Questa funzione X è de'a variabile aleatoria. Una variabile aleatoria può essere discreta oppure con4nua. Fissato un certo numero x 1, la notazione {X x 1 } rappresenta l insieme di tu^ i risulta4 ζ per cui X(ζ) x 1. La funzione cumula8va di distribuzione F X (x) è la probabilità che la variabile aleatoria X(ζ) abbia un valore minore o uguale a x: 15
16 Proprietà: La funzione densità di probabilità f X (x) è la derivata della funzione cumula4va di distribuzione; di solito si indica con pdf (probability density func4on). f X (x) 0 per x poiché F X (x) è monotona non decrescente 16
17 Funzione densità di probabilità f X (x) uniforme Sia X una variabile casuale che può assumere tu^ i valori dell'intervallo reale [a;b] in modo tale che tu^ i so'ointervalli di uguale ampiezza abbiano la stessa probabilità (diversa da zero). f X (x) F X (x) x x 17
18 Funzione densità di probabilità f X (x) uniforme Media Varianza Deviazione standard (valore quadra4co medio rms) 18
19 Segnale aleatorio: segnale non noto Processo aleatorio X(T): insieme di tu'e le possibili forme d onda che una sorgente S può eme'ere; ciascuna di queste viene de'a realizzazione x(t) del processo aleatorio Realizzazioni del processo aleatorio 19
20 Un processo stocas8co X è una funzione di una variabile casuale ζ e del tempo t: insieme di funzioni del tempo, dipenden4, oltre che da t, da un parametro ζ di queste funzioni una sola viene estra'a di volta in volta, in modo corrispondente al risultato ζ di un esperimento casuale Esempio: una fabbrica produce filtri che, idealmente, dovrebbero avere un coefficiente di trasmissione alla frequenza di risonanza pari ad 1. Nella realtà tu^ i filtri hanno perdite, e tale coefficiente risulta minore di 1 (di una quan4tà casuale). Applicando all ingresso del filtro una d.d.p. V 1 (t)=v 0 cos(ωt), all uscita si V 2 (t)= ζ V 0 cos(ωt). V 2 (t) è un processo stocas4co (dipende da quale filtro si è scelto). 20
21 Ex. Processo armonico (non equiprobabilità delle fasi) 21
22 Ex. Processo armonico (equiprobabilità delle fasi) 22
23 Operazioni sui segnali Somma di segnali Prodo'o di segnali Prodo'o di un segnale per una costante C Ribaltamento intorno allo zero Traslazione nel tempo (ritardo se τ > 0, an4cipo se τ < 0) Ex. mol4plicazione x(t) y(t) z(t) 23
24 Energia, potenza, ortogonalità Si definisce energia di un segnale la quan4tà Si definisce potenza di un segnale la quan4tà Segnale di energia potenza nulla, non è sempre vero il viceversa Due segnali S 1 (t) e S 2 (t) si dicono ortogonali in un intervallo di tempo [t a, t b ] se 24
25 Energia, potenza, ortogonalità Ex. energia di un esponenziale unilatero A L energia in questo è una quan4tà finita, quindi il segnale è di energia. Potenza? 25
26 Definizione e proprietà dell impulso matema8co Consideriamo il segnale Al tendere di ΔT a 0 si o^ene una successione di re'angoli, di area unitaria, il cui limite è 1 proprietà dell impulso di Dirac 2 proprietà dell impulso di Dirac 26
27 Definizione e proprietà dell impulso matema8co 3 proprietà (di simmetria) dell impulso di Dirac 4 proprietà dell impulso di Dirac 5 proprietà (di mol4plicazione) dell impulso di Dirac 6 proprietà (di campionamento) dell impulso di Dirac 27
28 Definizione e proprietà dell impulso matema8co Impulso di Dirac 28
29 Relazioni tra segnali impulsivi, di energia e di potenza Un segnale si dice impulsivo se Segnale di energia potenza nulla, non è di potenza, non è sempre vero il viceversa. Segnale di potenza ha energia infinita non è di energia né impulsivo. Non è de'o che un segnale impulsivo sia anche di energia. Un segnale limitato sia nel tempo che in ampiezza è impulsivo e di energia (re'angolo e triangolo sono due esempi). In generale non è de'o che un segnale impulsivo sia anche di energia, o viceversa. Bisogna verificare se per t ± x(t) tende a zero abbastanza velocemente e quindi l integrale del modulo (o del quadrato del modulo) converge o meno. 29
30 Potenza di un segnale periodico Un segnale periodico di periodo T (x(t) = x(t-t)) non è né un segnale impulsivo né di energia poiché non tende a zero per t ±. Per calcolare il limite si procede per passi studiando l integrale su un intervallo maggiore del periodo, per esempio pari a 3T Lo stesso risultato si può o'enere per qualsiasi intervallo di integrazione di ampiezza (2n+1)T, con n intero posi4vo. Per n si ha Un segnale periodico è sempre un segnale di potenza! 30
Teoria dei Segnali Introduzione ai processi stocastici
Teoria dei Segnali Introduzione ai processi stocastici Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali Introduzione ai processi
DettagliTrasformata di Fourier
Trasformata di Fourier Ø Risposta impulsiva e integrale di convoluzione Ø Rappresentazione di segnali nel tempo e in frequenza Ø Filtri idealmente e fisicamente realizzabili, stabilità Ø Trasformazioni
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2006-07 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
DettagliSegnali e trasformate
Segnali e trasformate - 1 Corso di Laurea in Ingegneria dell Automazione Segnali e trasformate DEIS-Università di Bologna Tel. 051 2093020 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi
DettagliTeoria dei Segnali Processo di Poisson e rumore granulare
Teoria dei Segnali Processo di Poisson e rumore granulare Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali Processo di Poisson e
DettagliControlli Automatici LA Segnali e trasformate
- 1 Corso di Laurea in Ingegneria dell Automazione DEIS-Università di Bologna Tel. 051 2093020 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi Controlli Automatici L - 2 Segnali tempo continui
DettagliLaboratorio di Chimica Fisica. Analisi Statistica
Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica
DettagliCANALE STAZIONARIO CANALE TEMPO INVARIANTE
CANALE STAZIONARIO Si parla di un Canale Stazionario quando i fenomeni che avvengono possono essere modellati da processi casuali e le proprietà statistiche di tali processi sono indipendenti dal tempo.
DettagliRICHIAMI DI CALCOLO DELLE PROBABILITÀ
UNIVERSITA DEL SALENTO INGEGNERIA CIVILE RICHIAMI DI CALCOLO DELLE PROBABILITÀ ing. Marianovella LEONE INTRODUZIONE Per misurare la sicurezza di una struttura, ovvero la sua affidabilità, esistono due
DettagliIntroduzione ai segnali determinati
Teoria dei segnali Unità 1 Introduzione ai segnali determinati Introduzione ai segnali determinati Sviluppo in serie di Fourier Trasformata di Fourier 005 Politecnico di Torino 1 Introduzione ai segnali
DettagliSUCCESSIONI E SERIE NUMERICHE E DI FUNZIONI
SERIE NUMERICHE Si consideri una successione di elementi. Si definisce serie associata ad la somma Per ogni indice della successione, si definisce successione delle somme parziali associata a la somma
DettagliSegnali e trasformate
Segnali e trasformate - Corso di Laurea in Ingegneria Meccanica Segnali e trasformate DEIS-Università di Bologna Tel. 5 2932 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi Segnali e trasformate
DettagliTeoria dei Segnali Trasmissione binaria casuale; somma di processi stocastici
eoria dei Segnali rasmissione binaria casuale; somma di processi stocastici Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it eoria dei Segnali rasmissione
DettagliUnità 3 Segnali a potenza media finita e conversione A/D
Teoria dei segnali Unità 3 e conversione A/D e conversione A/D Rappresentazione in frequenza Segnali periodici Conversione A/D 005 Politecnico di Torino Obiettivi Introdurre gli strumenti per l analisi
DettagliElettronica II Segnali periodici; serie di Fourier; trasformata di Fourier p. 2
Elettronica II Segnali periodici; serie di Fourier; trasformata di Fourier Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 26013 Crema e-mail: liberali@dti.unimi.it
DettagliVariabili aleatorie. Variabili aleatorie e variabili statistiche
Variabili aleatorie Variabili aleatorie e variabili statistiche Nelle prime lezioni, abbiamo visto il concetto di variabile statistica : Un oggetto o evento del mondo reale veniva associato a una certa
DettagliSerie Borlini Alex
Serie numerica >> Prefazione Progressione lista ordinata e finita di elementi. Successione lista ordinata e infinita di elementi (numeri reali chiamati termini), {a n }=a 1, a 2, a 3 Successione di Fibonacci:
DettagliDiario delle lezioni di Calcolo e Biostatistica (O-Z) - a.a. 2013/14 A. Teta
Diario delle lezioni di Calcolo e Biostatistica (O-Z) - a.a. 2013/14 A. Teta 1. (1/10 Lu.) Generalità sugli insiemi, operazioni di unione, intersezione e prodotto cartesiano. Insiemi numerici: naturali,
DettagliModulazioni di ampiezza
Modulazioni di ampiezza 1) Si consideri un segnale z(t) modulato in ampiezza con soppressione di portante dal segnale di informazione x(t): z(t) = Ax(t)cos(2πf 0 t) Il canale di comunicazione aggiunge
DettagliBrevi richiami su variabili aleatorie e processi stocastici
Appendice Parte 9, 1 Brevi richiami su variabili aleatorie e processi stocastici Richiami di teoria della probabilita` Appendice Parte 9, 2 Esperimento casuale: analisi degli elementi caratteristici dei
DettagliVariabile casuale E 6 E 5 E 4. R S x1 E 2
Variabile casuale Una Variabile Casuale X è una regola (funzione reale) che associa ad E (evento elementare di S) uno ed un solo numero reale. Notazione: X: variabile casuale : realizzazione di una variabile
DettagliProva di AUTOVALUTAZIONE (novembre 2009). nota: l esame ha validità solo se incluso nel piano degli studi per l anno accademico corrente.
UNIVERSITA DEGLI STUDI ROMA TRE CdS in Ingegneria Informatica corso di FONDAMENTI DI TELECOMUNICAZIONI Prova di AUTOVALUTAZIONE (novembre 2009). COMPITO A nota: l esame ha validità solo se incluso nel
DettagliSegnali analogici. Segnali aleatori. Segnali determinati Trasmissione ideale Trasmissione perfetta. Trasmissione imperfetta
Segnali determinati Trasmissione ideale Trasmissione perfetta Segnali analogici 40 20 Segnali aleatori Trasmissione imperfetta Laboratorio di Segnali Segnali modulati Segnali tempo discreto e segnali in
DettagliRipasso segnali e processi casuali. Trasmissione dell Informazione
Ripasso segnali e processi casuali 1 Breve ripasso di segnali e trasformate Dato un segnale s(t), la sua densità spettrale si calcola come dove S(f) è la trasformata di Fourier. L energia di un segnale
DettagliProbabilità e Statistica Esercizi
Corso di PIANIFICAZIONE DEI TRASPORTI 1 ing. Antonio Comi Marzo 2006 Probabilità e Statistica Esercizi 1 Variabile aleatoria X(E): funzione che associa ad un evento E dello spazio delle prove un numero
DettagliIntroduzione al modello Uniforme
Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x () t x ( t ) q Tempo Discreto Continuo Segnale Analogico ( ) x t k t t Segnale
DettagliVARIABILI CASUALI. Fino ad ora abbiamo definito:
VARIABILI CASUALI Fino ad ora abbiamo definito: Lo SPAZIO CAMPIONARIO Ω : Come totalità dei possibili risultati di un esperimento Gli EVENTI : Come sottoinsiemi dello spazio campionario La FUNZIONE DI
DettagliIntroduzione al modello Uniforme
Teoria dei Fenomeni Aleatori 1 AA 01/13 Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x t x q t Tempo Discreto Continuo 0
DettagliFacoltà di AGRARIA anno accademico 2009/10
Facoltà di AGRARIA anno accademico 2009/10 Attività didattica MATEMATICA E STATISTICA [AG0233], MATEMATICA E STATISTICA [AG0233] Periodo di svolgimento: Primo Semestre Docente titolare del corso: FREDDI
DettagliCorso di Fondamenti di Telecomunicazioni
Corso di Fondamenti di Telecomunicazioni Prof. Mario Barbera [parte ] Variabili aleatorie Esempio: sia dato l esperimento: Scegliere un qualunque giorno non festivo della settimana, per verificare casualmente
DettagliConcetti di base: segnali - Classificazione dei segnali -
Corso di Tecnologie per le Telecomunicazioni e sviluppo in serie di Fourier 1 - Classificazione dei segnali - Le forme d onda di interesse per le Telecomunicazioni possono essere sia una tensione v(t)
DettagliStatistica ARGOMENTI. Calcolo combinatorio
Statistica ARGOMENTI Calcolo combinatorio Probabilità Disposizioni semplici Disposizioni con ripetizione Permutazioni semplici Permutazioni con ripetizioni Combinazioni semplici Assiomi di probabilità
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
DettagliLa Trasformata di Fourier
La Trasformata di Fourier Preliminari: Spazi di Hilbert Da Wikipedia In matematica uno spazio di Hilbert è uno spazio vettoriale che generalizza la nozione di spazio euclideo. Gli spazi di Hilbert sono
DettagliSEGNALI E SISTEMI Ripasso per Io Compitino
SEGNALI E SISTEMI Ripasso per Io Compitino Esercizio 1 Si consideri il segnale a tempo continuo x(t) = 2 ( 1) k 1 1 sin(kt), t R. k=1 k a. Trovare il periodo fondamentale T p di x(t) e dire se il segnale
DettagliTeoria della probabilità Variabili casuali
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile
DettagliQUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA. 1 Fondamenti Segnali e Trasmissione
UANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA Fondamenti Segnali e Trasmissione Campionamento e quantizzazione di un segnale analogico Si consideri il segnale x(t) campionato con passo T c. Campioni del
DettagliStatistica. Lezione : 17. Variabili casuali
Corsi di Laurea: a.a. 2018-19 Diritto per le Imprese e le istituzioni Scienze Internazionali dello Sviluppo e della Cooperazione Statistica Variabili casuali Lezione : 17 Docente: Alessandra Durio 1 Contenuti
DettagliVariabili casuali. - di Massimo Cristallo -
Università degli Studi di Basilicata Facoltà di Economia Corso di Laurea in Economia Aziendale - a.a. 2012/2013 lezioni di statistica del 16 e 27 maggio 2013 - di Massimo Cristallo - Variabili casuali
DettagliMatematica per le scienze sociali Successioni e funzioni. Francesco Lagona
Matematica per le scienze sociali Successioni e funzioni Francesco Lagona University of Roma Tre F. Lagona (francesco.lagona@uniroma3.it) / 8 Outline Successioni 2 Funzioni 3 Funzioni elementari 4 Limiti
DettagliUna variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico).
VARIABILI CASUALI 1 definizione Una variabile casuale è una variabile che assume determinati valori in modo casuale (non deterministico). Esempi l esito di una estrazione del Lotto; il risultato di una
DettagliLa funzione di risposta armonica
Funzione di risposta armonica - Corso di Laurea in Ingegneria Meccanica Controlli Automatici L La funzione di risposta armonica DEIS-Università di Bologna Tel. 5 2932 Email: crossi@deis.unibo.it URL: www-lar.deis.unibo.it/~crossi
DettagliLezione 2: Descrizione dei Da0. h2p://
Lezione 2: Descrizione dei Da0 h2p://www.mi.infn.it/~palombo/dida=ca/analisista0s0ca/lezioni/lezione2.pdf Funzione Densità di Probabilità q La variabile casuale assume valori diversi con diverse probabilità.
DettagliDistribuzioni di probabilità nel continuo
Distribuzioni di probabilità nel continuo Prof.ssa Fabbri Francesca Classe 5C Variabili casuali continue Introduzione: Una Variabile Casuale o Aleatoria è una grandezza che, nel corso di un esperimento
DettagliVARIABILI CASUALI CONTINUE
p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale continua può assumere tutti gli infiniti valori appartenenti ad un intervallo di numeri reali. p. 1/1 VARIABILI CASUALI CONTINUE Una variabile casuale
DettagliLe variabili casuali o aleatorie
Le variabili casuali o aleatorie Intuitivamente un numero casuale o aleatorio è un numero sul cui valore non siamo certi per carenza di informazioni - ad esempio la durata di un macchinario, il valore
Dettagli2.2.5 Approssimazione di un segnale in una base biortogonale (segnali rettangolari) Esercizi proposti... 46
Indice 1 Operazioni elementari, convoluzione, correlazione 1 1.1 Operazioni elementari........................ 1 1.1.1 Ribaltamento, traslazione, scalatura............ 1 1.2 Convoluzione.............................
DettagliMATEMATICA E STATISTICA CORSO A III COMPITINO 20 Marzo 2009
MATEMATICA E STATISTICA CORSO A III COMPITINO Marzo 9 SOLUZIONI. () Sia X una variabile aleatoria binomiale con valor medio uguale a 5/; la varianza di X può valere? Giustificare la risposta. Il valor
DettagliProva di esame di Teoria dei Segnali
10 aprile 2018 Prova di esame di Teoria dei Segnali Parte quantitativa Candidato: Esercizio A Un canale binario simmetrico è caratterizzato { da una probabilità di errore p (x1 ) = 0.1 P e = 0.2 e probabilità
DettagliTECNICHE DI SIMULAZIONE
TECNICHE DI SIMULAZIONE MODELLI STATISTICI, RICHIAMI Francesca Mazzia Dipartimento di Matematica Università di Bari a.a. 2004/2005 TECNICHE DI SIMULAZIONE p. 1 Modelli statistici nella simulazione Nel
Dettagliassuma valori in un determinato intervallo è data dall integrale della sua densità ( = )=
VARIABILI ALEATORIE CONTINUE Esistono parecchi fenomeni reali per la cui descrizione le variabili aleatorie discrete non sono adatte. Per esempio è necessaria una variabile aleatoria continua ovvero una
DettagliUlteriori Conoscenze di Informatica e Statistica
ndici di forma Ulteriori Conoscenze di nformatica e Statistica Descrivono le asimmetrie della distribuzione Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 ( piano) tel.: 06 55 17 72 17
DettagliModelli probabilistici variabili casuali
Modelli probabilistici variabili casuali Le variabili casuali costituiscono il legame tra il calcolo della probabilità e gli strumenti di statistica descrittiva visti fino ad ora. Idea: pensiamo al ripetersi
DettagliVariabili aleatorie parte 2. 1 Definizione di funzione di ripartizione o funzione cumulativa (CDF)
Statistica e analisi dei dati Data: 11 aprile 2016 Variabili aleatorie parte 2 Docente: Prof. Giuseppe Boccignone Scriba: Alessandra Birlini 1 Definizione di funzione di ripartizione o funzione cumulativa
DettagliTeoria dei Segnali. 1 Proprietà della trasformata di Fourier. correlazione tra segnali; autocorrelazione
Teoria dei Segnali Proprietà della trasformata di Fourier; correlazione tra segnali; autocorrelazione Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it
DettagliPOPOLAZIONE E CAMPIONI
p. 1/2 POPOLAZIONE E CAMPIONI POPOLAZIONE insieme di tutti quegli elementi che hanno almeno una caratteristica comune (persone, oggetti,misure, osservazioni). Consideriamo il caso di caratteristiche associate
DettagliTeoria dei Segnali Un esempio di processo stocastico: il rumore termico
Teoria dei Segnali Un esempio di processo stocastico: il rumore termico Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali Il rumore
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2006-07 Alberto Perotti Esperimento casuale Esperimento suscettibile di più risultati
DettagliINFORMAZIONI. p. 1/23
p. 1/23 INFORMAZIONI Prossime lezioni Giorno Ora Dove Giovedi 11/02 14:30 Laboratorio (via Loredan) Martedi 16/02 14:30 P50 Lunedi 22/02 09:30 P50 Martedi 23/02 14:30 P50 Giovedi 25/02 14:30 Aula informatica
DettagliTeoria dei Segnali Proprietà della trasformata di Fourier; correlazione tra segnali; autocorrelazione
Teoria dei Segnali Proprietà della trasformata di Fourier; correlazione tra segnali; autocorrelazione p. 1 Teoria dei Segnali Proprietà della trasformata di Fourier; correlazione tra segnali; autocorrelazione
DettagliTeoria dei Segnali Quantizzazione dei segnali; trasformata zeta
Teoria dei Segnali Quantizzazione dei segnali; trasformata zeta Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it Teoria dei Segnali Quantizzazione;
DettagliSottoinsiemi di Numeri Reali
INTERVALLI LIMITATI a,b R Sottoinsiemi di Numeri Reali intervallo chiuso [a,b] = { R : a b} intervallo aperto (a,b) = { R : a < < b} intervallo chiuso a sinistra e aperto a destra [a,b) = { R : a < b}
DettagliPropagazione delle varianze, conosciuta come propagazione degli errori.
Propagazione delle varianze, conosciuta come propagazione degli errori. Siano x 1, x 2, x n n variabili casuali e poniamo,, ) = y ( ) Supponiamo inoltre nota la matrice delle covarianze delle x e vogliamo
DettagliIIS Algarotti, Venezia a.s. 2017/18 Classe 1C Turistico Materia: Fisica PROGRAMMA SVOLTO
IIS Algarotti, Venezia a.s. 2017/18 Classe 1C Turistico Materia: Fisica Le grandezze fisiche e la loro misurazione: Il metodo scientifico Misure e unità di misura; il Sistema Internazionale Gli strumenti
DettagliFUNZIONI E INSIEMI DI DEFINIZIONE
FUNZIONI E INSIEMI DI DEFINIZIONE In matematica, una funzione f da X in Y consiste in: ) un insieme X detto insieme di definizione I.d.D. (o dominio) di f 2) un insieme Y detto codominio di f 3) una legge
DettagliPulse Amplitude Modulation (PAM) 2 Scelta delle risposte impulsive dei filtri in trasmissione e ricezione
Pulse Amplitude Modulation (PAM 1 Definizione La trasmissione di una sequenza di numeri {a k } mediante un onda PAM consiste nel generare, a partire dalla sequenza {a k } il segnale a tempo continuo u(t
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
DettagliLICEO SCIENTIFICO STATALE A. Einstein
LICEO SCIENTIFICO STATALE A. Einstein PROGRAMMA CONSUNTIVO MATEMATICA Classe V L Anno Scolastico 2017-2018 Docente: prof. Barbara Veronesi Ore di insegnamento: 4 settimanali Analisi matematica 1. Ripasso
DettagliMODELLI STATISTICI, RICHIAMI
MODELLI STATISTICI, RICHIAMI Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 11 Aprile 2006 Francesca Mazzia (Univ. Bari) MODELLI STATISTICI,
Dettagli2. Analisi in frequenza di segnali
2.1 Serie di Fourier 2. Analisi in frequenza di segnali Secondo il teorema di Fourier, una funzione periodica y(t) è sviluppabile in una serie costituita da un termine costante A 0 e da una somma di infinite
DettagliSegnali (processi) aleatori (casuali)
Segnali (processi) aleatori (casuali) Definizione di processo aleatorio Descrizione statistica di un processo aleatorio Media, potenza, varianza Autocorrelazione e autocovarianza Filtraggio di un processo
DettagliFunzioni. iniettiva se x y = f (x) f (y) o, equivalentemente, f (x) = f (y) = x = y
Funzioni. Dati due insiemi A e B (non necessariamente distinti) si chiama funzione da A a B una qualunque corrispondenza (formula, regola) che associa ad ogni elemento di A uno ed un solo elemento di B.
DettagliRette 1. Matematica con Elementi di Statistica
Rette 1 nel piano cartesiano ogni equazione di primo grado a +b +c = 0 con a e b non contemporaneamente nulli, rappresenta una retta e viceversa ogni retta può essere descritta con un equazione di questo
DettagliScheda n.3: densità gaussiana e Beta
Scheda n.3: densità gaussiana e Beta October 10, 2008 1 Definizioni generali Chiamiamo densità di probabilità (pdf ) ogni funzione integrabile f (x) definita per x R tale che i) f (x) 0 per ogni x R ii)
DettagliProf. Carlo Rossi DEIS - Università di Bologna Tel:
Prof. Carlo Rossi DEIS - Università di Bologna Tel: 051 2093020 email: carlo.rossi@unibo.it Sistemi Tempo-Discreti In questi sistemi i segnali hanno come base l insieme dei numeri interi: sono sequenze
DettagliProbabilità e Processi casuali Laboratorio 5 Segnali per le
Probabilità e Processi casuali Laboratorio 5 Segnali per le Telecomunicazioni Prof. Prati Claudio Maria Autore: Federico Borra Politecnico di Milano, DEIB Email: federico.borra@polimi.it Aprile 17, Ultima
DettagliDISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27
DISTRIBUZIONI DI PROBABILITA (parte 2) 1 / 27 Funzione di ripartizione per variabili casuali discrete 2 / 27 Data una variabile casuale discreta possiamo calcolare, analogamente al caso continuo, la probabilità
DettagliBasi matematiche per il Machine Learning
Basi matematiche per il Machine Learning Corso di AA, anno 2017/18, Padova Fabio Aiolli 04 Ottobre 2017 Fabio Aiolli Basi matematiche per il Machine Learning 04 Ottobre 2017 1 / 14 Probabilità Un esperimento
DettagliCorso di Controllo Digitale Equazioni alle Differenze e Z-trasformate a
Corso di Controllo Digitale Equazioni alle Differenze e Z-trasformate a Università degli Studi della Calabria Corso di Laurea in Ingegneria Elettronica. Ing. Domenico Famularo a Proprietà Letteraria Riservata
DettagliDistribuzioni di Probabilità
Distribuzioni di Probabilità Distribuzioni discrete Distribuzione uniforme discreta Distribuzione di Poisson Distribuzioni continue Distribuzione Uniforme Distribuzione Gamma Distribuzione Esponenziale
DettagliPrincipi di Statistica a.a
Principi di Statistica a.a. 2014-2015 Dr. Luca Secondi 1. Introduzione al corso 1.01Variabili casuali Distribuzioni di probabilità 1 Corso di laurea in Biotecnologie Matematica e PRINCIPI DI STATISTICA
DettagliCorso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità A.A. 2004-05 Alberto Perotti DELEN-DAUIN Esperimento casuale Esperimento suscettibile di più
DettagliDistribuzioni di probabilità
Distribuzioni di probabilità Si sono diverse distribuzioni di probabilità: quelle di cui parleremo sono la distribuzione binomiale, quella di Poisson, quella uniforme, quella normale, quella del χ² e la
DettagliSvolgimenti esami del corso di Teoria di Segnali
Svolgimenti esami del corso di Teoria di Segnali versione.4 - ultimo aggionamento 0/03/209 Autore: Gabriel Emile Hine mail: gabriel.hine@uniroma3.it (per segnalazione di eventuali errori/refusi) Esame
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
DettagliEsperimenti computazionali con Mathematica: la trasformata di Fourier
Matematica Open Source http://www.extrabyte.info Quaderni di Analisi Matematica 06 Esperimenti computazionali con Mathematica: la trasformata di Fourier Marcello Colozzo 3 0 5 5 0 Ω LA TRASFORMATA DI FOURIER
DettagliL ANALISI ARMONICA DI UN SEGNALE PERIODICO
L ANALISI ARMONICA DI UN SEGNALE PERIODICO Il segnale elettrico è una grandezza fisica (in genere una tensione) che varia in funzione del tempo e che trasmette un'informazione. Quasi tutti i segnali che
Dettagli( ) ( ) ( e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da:
e la probabilità che si verifichi un evento compreso tra c e b a < c < b sarà data da: p ( ) ( c < X < b) f ( x) LA VC NORMALE O GAUSSIANA Una vc si dice normale o gaussiana (da Gauss che la propose come
DettagliCorso di Controllo DigitaleAntitrasformate Zeta e calcolo della risposta p.1/32
Corso di Controllo Digitale Antitrasformate Zeta e calcolo della risposta Università degli Studi della Calabria Corso di Laurea in Ingegneria Elettronica. Ing. Domenico Famularo Istituto per la Sistemistica
DettagliTeoria dei Segnali Discrete Fourier Transform (DFT) e Fast Fourier Transform (FFT); filtri tempo-continui
Teoria dei Segnali Discrete Fourier Transform (DFT) e Fast Fourier Transform (FFT); filtri tempo-continui Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 4 Abbiamo visto: Distribuzioni discrete Modelli probabilistici nel discreto Distribuzione uniforme
Dettagli1) Entropia di variabili aleatorie continue. 2) Esempi di variabili aleatorie continue. 3) Canali di comunicazione continui. 4) Canale Gaussiano
Argomenti della Lezione 1) Entropia di variabili aleatorie continue ) Esempi di variabili aleatorie continue 3) Canali di comunicazione continui 4) Canale Gaussiano 5) Limite di Shannon 1 Entropia di una
DettagliCalcolo delle Probabilità e Statistica Matematica: definizioni prima parte. Cap.1: Probabilità
Calcolo delle Probabilità e Statistica Matematica: definizioni prima parte Cap.1: Probabilità 1. Esperimento aleatorio (definizione informale): è un esperimento che a priori può avere diversi esiti possibili
DettagliMaria Prandini Dipartimento di Elettronica e Informazione Politecnico di Milano
Note relative a test di bianchezza rimozione delle componenti deterministiche da una serie temporale a supporto del Progetto di Identificazione dei Modelli e Analisi dei Dati Maria Prandini Dipartimento
DettagliDerivate di ordine superiore
Derivate di ordine superiore Derivate di ordine superiore Il processo che porta alla definizione di derivabilta e di derivata di una funzione in un punto si puo iterare per dare per ogni intero positivo
Dettagli0 Richiami di algebra lineare e geometria analitica Distanza, coordinate e vettori Sistemi lineari e matrici...
Indice 0 Richiami di algebra lineare e geometria analitica........... 9 0.1 Distanza, coordinate e vettori............................. 9 0.2 Sistemi lineari e matrici..................................
DettagliUNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
DettagliUlteriori Conoscenze di Informatica e Statistica. Popolazione. Campione. I risultati di un esperimento sono variabili aleatorie.
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it I risultati di un esperimento
Dettagli