Esperimentazioni di Fisica 1. Prova in itinere del 12 giugno 2018
|
|
- Miranda Riccardi
- 4 anni fa
- Visualizzazioni
Transcript
1 Esperimentazioni di Fisica 1 Prova in itinere del 1 giugno 018
2 Esp-1 Prova in Itinere n. - - Page of 6 1/06/ (1 Punti) Quesito L incertezza da associare alle misurazioni eseguite con un certo strumento di misura diretta del volume di un corpo solido è costante e vale δ = 0. cm 3. Questa incertezza è dovuta alla determinazione dello zero della scala dello strumento. Con questo strumento si eseguono due misurazioni i cui risultati sono V 1 = 3.5 cm 3 e V = 35.6 cm 3. Trascurando gli altri eventuali contributi all incertezza delle misurazioni, si calcoli l incertezza sulla grandezza R = V 1 /V. Soluzione. [unc040] Le due misurazioni di volume si esprimono come: Il valore del rapporto R è: V 1 = (3.5 ± 0.) cm 3, V = (35.6 ± 0.) cm 3 R = V 1 V = = Poiché l incertezza è dovuta alla determinazione dello zero e le misure sono eseguite con lo stesso strumento è ragionevole assumere che le due misure siano correlate con coefficiente di correlazione prossimo a 1. Applicando la formula della propagazione delle incertezze si ottiene: ( ) ( ) R R u R = δ + δ + ρ R ( R R δ = δ + R ) (ρ = 1) V 1 V V 1 V V 1 V Tenendo conto che Si ottiene infine: In conclusione si ha: u R = ( ) R V 1 δ ( V V 1 V = 1 ( ) R V V ) = 0. R = ± = V 1 V = (1 Punti) Quesito. Nell esperimento in cui si misurano le caratteristiche di una molla con il metodo dinamico si confrontano i dati sperimentali con il modello matematico: T = 4π k (m + m eq) (1) dove m è la massa applicata alla molla e T il relativo periodo di oscillazione del sistema massa più molla. Il parametro m eq tiene conto della parziale partecipazione della massa della molla al moto oscillatorio. Nell esperimento sono stati acquisiti un certo numero di coppie di dati (T i, m i ). Alle coppie (T i, m i) si adatta tramite il metodo dei minimi quadrati la funzione lineare y = a + bx, con y = T e x = m. Le sommatorie del metodo dei minimi quadrati (con la notazione adottata nel corso) risultano avere i seguenti valori: S 0 = s 4, S x = kg s 4, S xx = kg s 4 Calcolare k e m eq con le loro incertezze. S y = s, S xy = kg s
3 Esp-1 Prova in Itinere n. - - Page 3 of 6 1/06/018 Soluzione. [unc039] La stima dei parametri a e b data dal metodo dei minimi quadrati si ottiene risolvendo il sistema: { S 0 a + S x b = S y S x a + S xx b = S xy Utilizzando la forma matriciale si ottiene: ( ) â = ˆb ( S0 S x S x S xx ) 1 ( Sy S xy ) = 1 ( Sxx S x S x S 0 ) ( Sy S xy ) dove = S 0 S xx (S x ) = è il determinante della matrice dei coefficienti delle incognite. Numericamente: ( ) ( ) ( ) ( ) â = ˆb = Da cui si ottiene: k = 4π = kg s, m eq = â = kg ˆb ˆb Dalla matrice di covarianza dei parametri, data dalla matrice inversa dei coefficienti, si calcolano le incertezze su k e m eq : ( ) ( ) 1 Var[a] Cov[a, b] S0 S = x Cov[b, a] Var[b] S x S xx per cui: e u meq in conclusione: =m eq (ua a = kg u k = k u b b = = kg s 1.98 ) + ( ua a ) + Cov[ab] = ab k = (0.6 ± 0.019) kg s, m eq = (0.008 ± ) kg 3. (1 Punti) Quesito. Le misure di una grandezza fisica x sono distribuite secondo una Breit-Wigner: f(x) = Γ Γ + (x x o ) Date due misure x 1, x della grandezza x, calcolare la stima di massima verosimiglianza del parametro Γ, supponendo noto il parametro x o. Per semplificare la notazione utilizzare le posizioni y 1 = x 1 x o, y = x x o.= Soluzione. [lkl005] La stima di massima verosimiglianza si ottiene massimizzando la funzione di verosimiglianza che nel caso in esame dipende da un unico parametro Γ. Ponendo come suggerito y 1 = x 1 x o e y = x x o, la funzione di verosimiglianza in questo caso si scrive: ( ) Γ Γ L(Γ) = ln Γ + y1 Γ + y = ln(γ + y1) ln(γ + y) + ln Γ
4 Esp-1 Prova in Itinere n. - - Page 4 of 6 1/06/018 Annullando la derivata rispetto a Γ si ha: d dγ L = Γ Γ + y1 Γ Γ + y + Γ = 0 da cui Γ [Γ + y 1 + Γ + y ] =(Γ + y 1)(Γ + y ) Γ 4 + Γ (y 1 + y ) =Γ 4 + Γ (y 1 + y ) + y 1y Γ = y 1 y = x 1 x o x x o 4. (1 Punti) Quesito. Si vuole verificare se due distinte sorgenti radioattive indicate con A e B abbiano la stessa attività. La sorgente A posta di fronte ad un contatore fa registrare 390 conteggi in 15 s. La sorgente B posta di fronte allo stesso contatore fa registrare 1187 conteggi in 45 s. Considerare verificata l ipotesi (le sorgenti hanno la stessa attività) se la differenza tra le attività misurate è contenuta nell intervallo di confidenza che contiene il livello di confidenza del 90%. Soluzione. [chi015] L attività dell sorgente A è: λ A = = 6.0 Cont./s Poiché i decadimenti radioattivi seguono la statistica di Poisson l incertezza dell attività della sorgente A è 390 u A = = Cont./s 15 Inoltre si può assumere che la distribuzione di λ A sia gaussiana per il limite della distribuzione di Poisson. Riassumendo per la sorgente A si ha: Per la sorgente B si ottiene in modo analogo: λ A = (6.0 ± 1.3) Cont.s/s λ B = = 6.37 Cont./s L incertezza dell attività della sorgente B è 1187 u B = = Cont./s 45 A maggior ragione si può assumere che la distribuzione di λ B sia gaussiana per il limite della distribuzione di Poisson. Riassumendo per la sorgente B si ha: λ B = (6.37 ± 0.77) Cont.s/s La differenza λ = λ A λ B tra le due attività, nell ipotesi che le due attività siano uguali, è una gaussiana con valore medio nullo e deviazione standard u A + u B = 1.5Cont./s. La variabile standardizzata z calcolata per i valori misurati è quindi: z = λ u A + u B = = Ricordando che l intervallo di confidenza in z che corrisponde ad un livello di confidenza del 90% è 1.96, si può ritenere verificata l ipotesi di uguaglianza dell attività delle due sorgenti.
5 Esp-1 Prova in Itinere n. - - Page 5 of 6 1/06/ (6 Punti) Quesito. Il risultato di un esperimento in cui la grandezza y è stata misurata in funzione della grandezza x è riportato nella figura assieme ad un fit quadratico a tre parametri (curva continua). Le incertezze delle misure non sono note ma si suppone che siano sono tutte uguali fra loro. Il fit del tipo y = a + bx + cx, è stato eseguito in modo non pesato (ovvero tutti i pesi sono stati presi uguali a 1) e sono stati stimati i tre parametri (a, b e c) della parabola. Nella tabella sono riportati i valori delle misure e i rispettivi valori attesi ottenuti da l fit. Stimare l incertezza delle misure y i, esplicitando sotto quali condizioni la stima è valida y y fit x y exp fit x Soluzione. [chi016] Indicando con u l incertezza, non nota, di ognuna delle misurazioni delle y i e ipotizzando inoltre che tali misure siano distribuite in modo normale si può scrivere il χ del fit ottenuto come: χ = 5 [y i y th (x i )] i=1 = 1.98 u u = 1 u [ ( ) + ( ) + ( ) + ( ) + ( ) ] = Con le ipotesi fatte, il valore atteso del χ è dato dal numero dei gradi di libertà che nel caso in esame è ν = 5 3 =. Quindi per la stima di u si può usare l equazione da cui: χ = 1.98 u = 1.98 u = = (6 Punti) Quesito. Enunciare e dimostrare la legge dei grandi numeri (nota anche come teorema di Bernulli).
6 Esp-1 Prova in Itinere n. - - Page 6 of 6 1/06/018 Soluzione. [prb006] Vedi il paragrafo 6.. degli appunti in rete. 7. (6 Punti) Quesito. La vita media di una lampadina è distribuita in modo normale con una deviazione standard σ = 5. ore Da un campione di 6 lampadine prese a caso è stata ottenuta una durata media di 1014 ore. Stimare l intervallo di confidenza del valore medio della popolazione di riferimento con il 99% di livello di confidenza. Soluzione. [coin003] Poiché è noto che la vita media delle lampadine esaminate è gaussiana con una deviazione standard σ = 5 h, l intervallo di confidenza relativo al campione di dimensione 6 si ottiene utilizzando la variabile normale standardizzata z definita come: z = d / 6 = d dove d indica la variabile aleatoria che descrive la durata di vita di una lampadina e 5/ 6 = 3.17 h è la deviazione standard della stima della media (1014 h). Dalle tabelle si ricava che l ampiezza in z dell intervallo che contiene il 99% di livello di confidenza è.581, quindi l intervallo cercato è: (µ µ ) = ( )h 8. (6 Punti) Quesito. La prova di funzionamento di un campione di 00 esemplari di un componente elettronico mostra che 19 di essi sono difettosi. Determinare l intervallo di confidenza con il 95% di livello di confidenza della frazione difettosa dell intera produzione del componente (molte decine di migliaia di pezzi). Soluzione. [coin004] L esito della prova del funzionamento dei 00 componenti è descritto da una distribuzione binomiale con stima di probabilità di successo ˆp = 19/00 = 0.095, stima del valore medio ˆµ = np = 19 e stima della varianza s = npq = 00(19/00)(181/00) = 17. (deviazione standard s = s = 4.1). La deviazione standard della stima ˆp è: s npq n = = 0.01 n Data la dimensione del campione si può assumere che la distribuzione della probabilità di trovare un componente difettoso sia normale con valore medio e deviazione standard Il livello di confidenza del 95% per una distribuzione normale standardizzata è contenuto nell intervallo di confidenza di ampiezza 1.96 in z. Nel caso in esame l intervallo di confidenza cercato è: ( ) = ( )
Esperimentazioni di Fisica 1. Prova in itinere del 16 giugno 2017 SOLUZIONI
Esperimentazioni di Fisica Prova in itinere del 6 giugno 07 SOLUZIONI Esp- Prova in Itinere n. - - Page of 7 6/06/07. Punti Quesito. Una livella di precisione digitale ha una risoluzione di 0.0. Nel manuale
DettagliEsperimentazioni di Fisica 1. Prova scritta del 9 luglio 2015 SOLUZIONI
Esperimentazioni di Fisica 1 Prova scritta del 9 luglio 2015 SOLUZIONI Esp-1 Prova di Esame Secondo appello - Page 2 of 8 09/07/2015 1. (12 Punti) Quesito. La grandezza y è aspettata dipendere in modo
DettagliEsperimentazioni di Fisica 1. Prova d esame del 20 febbraio 2018 SOLUZIONI
Esperimentazioni di Fisica 1 Prova d esame del 20 febbraio 2018 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 6 01/02/2018 1. (12 Punti) Quesito. In un esperimento è stata misurata la grandezza Y in funzione
DettagliStima dei Parametri. Capitolo 8
Capitolo 8 Stima dei Parametri Lo scopo dello studio dei fenomeni fisici è quello di scoprire le leggi che legano le grandezze oggetto di indagine e di misurare il valore delle costanti che compaiono della
DettagliEsperimentazioni di Fisica 1. Prova scritta del 5 luglio 2016 SOLUZIONI
Esperimentazioni di Fisica 1 Prova scritta del 5 luglio 2016 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 6 10/09/2015 1. 12 Punti) Quesito. Nella misura della costante di una molla con il
DettagliEsperimentazioni di Fisica 1. Prova d esame del 18 febbraio 2019 SOLUZIONI
Esperimentazioni di Fisica 1 Prova d esame del 18 febbraio 2019 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 8 1. (12 Punti) Quesito. La misurazione della massa di una certa quantità di una sostanza liquida
Dettagli9.3 Il metodo dei minimi quadrati in formalismo matriciale
9.3. IL METODO DEI MINIMI QUADRATI IN FORMALISMO MATRICIALE 121 9.3 Il metodo dei minimi quadrati in formalismo matriciale Per applicare il MMQ a funzioni polinomiali, ovvero a dipendenze di una grandezza
DettagliEsperimentazioni di Fisica 1. Prova scritta del 10 giugno 2015 SOLUZIONI
Esperimentazioni di Fisica 1 Prova scritta del 10 giugno 2015 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 8 10/06/2015 1. (12 Punti) Quesito La forza che si esercita tra due conduttori percorsi,
DettagliCorso di probabilità e statistica
Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica Corso di probabilità e statistica (Prof. L.Morato) Esercizi Parte III: variabili aleatorie dipendenti e indipendenti,
DettagliUn sistema massa-molla viene fatta oscillare su un piano orizzontale privo di attrito.
ESPERIMENTAZIONI DI FISICA I - Appello d esame del 04/07/019 Quesito A (possibilità di svolgerlo con l ausilio di strumenti informatici) Un sistema massa-molla viene fatta oscillare su un piano orizzontale
DettagliEsperimentazioni di Fisica 1. Prova in itinere del 15 febbraio 2017 SOLUZIONI
Esperimentazioni di Fisica 1 Prova in itinere del 15 febbraio 2017 SOLUZIONI 64.4 mm Esp-1 Prova in Itinere - - Page 2 of 7 15/02/2017 1. (12 Punti) Quesito. Le misurazioni delle grandezze X e Y hanno
DettagliL analisi dei dati. Primi elementi. EEE- Cosmic Box proff.: M.Cottino, P.Porta
L analisi dei dati Primi elementi Metodo dei minimi quadrati Negli esperimenti spesso si misurano parecchie volte due diverse variabili fisiche per investigare la relazione matematica tra le due variabili.
DettagliEsperimentazioni di Fisica 1. Prova scritta del 10 giugno 2015 SOLUZIONI
Esperimentazioni di Fisica 1 Prova scritta del 10 giugno 2015 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 9 10/06/2015 1. (12 Punti) Quesito La forza che si esercita tra due conduttori percorsi,
DettagliCorso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali. Esercitazione E
Corso Integrato di Statistica Informatica e Analisi dei Dati Sperimentali A.A 2009-2010 Esercitazione E Scopo dell esercitazione Applicazioni del teorema del limite centrale. Rappresentazione delle incertezze
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure relative a una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
DettagliDistribuzione normale
Distribuzione normale istogramma delle frequenze di un insieme di misure relative a una grandezza che varia con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata
DettagliStatistica Applicata all edilizia: Stime e stimatori
Statistica Applicata all edilizia E-mail: orietta.nicolis@unibg.it 15 marzo 2011 Statistica Applicata all edilizia: Indice 1 2 Statistica Applicata all edilizia: Uno dei problemi principali della statistica
DettagliMetodo dei Minimi Quadrati. Dott. Claudio Verona
Metodo dei Minimi Quadrati Dott. Claudio Verona E in generale interessante studiare l andamento di una variabile in funzione di un altra e capire se c è una funzione matematica che le lega. Viceversa è
DettagliTutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 30 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
DettagliGli intervalli di confidenza. Intervallo di confidenza per la media (σ 2 nota) nel caso di popolazione Gaussiana
Statistica Lez. 1 Gli intervalli di confidenza Intervallo di confidenza per la media (σ nota) nel caso di popolazione Gaussiana Sia X una v.c Gaussiana di media µ e varianza σ. Se X 1, X,..., X n è un
DettagliEsperimentazioni di Fisica 1. Prova d esame del 22 gennaio 2019 SOLUZIONI
Esperimentazioni i Fisica 1 Prova esame el 22 gennaio 2019 SOLUZIONI Esp-1-Soluzioni - - Page 2 of 7 22/06/2018 1. (12 Punti) Quesito. Una misura ell accelerazione i gravità in un certo luogo è eseguita
DettagliDistribuzione Normale
Distribuzione Normale istogramma delle frequenze di un insieme di misure di una grandezza che può variare con continuità popolazione molto numerosa, costituita da una quantità praticamente illimitata di
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
DettagliIncertezza nelle misure indirette
Capitolo 7 Incertezza nelle misure indirette 7.1 Propagazione delle incertezze Nel capitolo 3 abbiamo studiato come valutare l incertezza di una grandezza in una misurazione diretta, tuttavia raramente
DettagliVedi: Probabilità e cenni di statistica
Vedi: http://www.df.unipi.it/~andreozz/labcia.html Probabilità e cenni di statistica Funzione di distribuzione discreta Istogrammi e normalizzazione Distribuzioni continue Nel caso continuo la probabilità
DettagliCon questi dati, effettuando una regressione lineare con il metodo dei minimi quadrati, otteniamo:
ESPERIMENTAZIONI DI FISICA I - Appello d esame del 1/09/019 Quesito A (possibilità di svolgerlo con l ausilio di strumenti informatici) Si vuole fare una verifica sperimentale del valore numerico di π
DettagliRichiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche
Richiami di statistica e loro applicazione al trattamento di osservazioni topografiche e geodetiche Ludovico Biagi Politecnico di Milano, DIIAR ludovico.biagi@polimi.it (materiale didattico preparato in
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 Appello B - 5 Febbraio 2015 1 2 3 4 5 6 7 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliTutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016
Tutorato di Complementi di Analisi Matematica e Statistica 26 maggio 2016 Esercizi possibili di probabilità e statistica Notazioni: U(a, b) è la distribuzione di probabilità uniforma nell intervallo (a,
Dettagli9.3 Il metodo dei minimi quadrati in formalismo matriciale
8 CAPIOLO 9. IMA DEI PARAMERI MEODO DEI MINIMI QADRAI 9.3 Il metodo dei minimi quadrati in formalismo matriciale Nel caso si debba applicare il metodo minimi quadrati con molti parametri risulta vantaggioso
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
DettagliI appello di calcolo delle probabilità e statistica
I appello di calcolo delle probabilità e statistica A.Barchielli, L. Ladelli, G. Posta 8 Febbraio 13 Nome: Cognome: Matricola: Docente: I diritti d autore sono riservati. Ogni sfruttamento commerciale
DettagliUniversità degli studi della Tuscia. Principi di Statistica dr. Luca Secondi A.A. 2014/2015. Esercitazione di riepilogo Variabili casuali
Università degli studi della Tuscia Principi di Statistica dr. Luca Secondi A.A. 014/015 Esercitazione di riepilogo Variabili casuali ESERCIZIO 1 Il peso delle compresse di un determinato medicinale si
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
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2014/2015 II Esonero - 15 Gennaio 2015
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 014/015 II Esonero - 15 Gennaio 015 1 3 4 5 6 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliCalcolo delle probabilità (3/7/2001) (Ing. Elettronica, Informatica, Telecomunicazioni - Latina)
Calcolo delle probabilità (3/7/00). La distribuzione di probabilità di un numero aleatorio X non negativo soddisfa la condizione P (X > x + y X > y) = P (X > x), x > 0, y > 0. Inoltre la previsione di
DettagliStatistica Applicata all edilizia: il modello di regressione
Statistica Applicata all edilizia: il modello di regressione E-mail: orietta.nicolis@unibg.it 27 aprile 2009 Indice Il modello di Regressione Lineare 1 Il modello di Regressione Lineare Analisi di regressione
DettagliSCHEDA DIDATTICA N 7
FACOLTA DI INGEGNERIA CORSO DI LAUREA IN INGEGNERIA CIVILE CORSO DI IDROLOGIA PROF. PASQUALE VERSACE SCHEDA DIDATTICA N 7 LA DISTRIBUZIONE NORMALE A.A. 01-13 La distribuzione NORMALE Uno dei più importanti
DettagliTeoria dei Fenomeni Aleatori AA 2012/13
Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono
DettagliSTATISTICA (II modulo - Inferenza Statistica) Soluzione Esercitazione I
STATISTICA (II modulo - Inferenza Statistica) Soluzione Esercitazione I Esercizio A. Indicando gli eventi D i ={l i-esimo pezzo estratto è difettoso} e D i ={l i-esimo pezzo estratto è buono}, le probabilità
DettagliSequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di:
Teoria dei Fenomeni Aleatori AA 01/13 Sequenze (Sistemi) di Variabili Aleatorie Se consideriamo un numero di variabili aleatorie, generalmente dipendenti si parla equivalentemente di: N-pla o Sequenza
DettagliDipartimento di Sociologia e Ricerca Sociale. Corso di Laurea in Sociologia. Insegnamento di Statistica (a.a ) dott.ssa Gaia Bertarelli
Dipartimento di Sociologia e Ricerca Sociale Corso di Laurea in Sociologia Insegnamento di Statistica (a.a. 2018-2019) dott.ssa Gaia Bertarelli Esercitazione n. 7 1. Utilizzando le tavole della distribuzione
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
DettagliNote sulla probabilità
Note sulla probabilità Maurizio Loreti Dipartimento di Fisica Università degli Studi di Padova Anno Accademico 2002 03 1 La distribuzione del χ 2 0.6 0.5 N=1 N=2 N=3 N=5 N=10 0.4 0.3 0.2 0.1 0 0 5 10 15
DettagliTeoria dei Fenomeni Aleatori AA 2012/13. Il Concetto di Distribuzione Condizionata ( )
Il Concetto di Distribuzione Condizionata Se B è un evento, la probabilità di un evento A condizionata a B vale: ponendo: P A B = ( ) P A B P B A = { x} si giunge al concetto di distribuzione condizionata
Dettagli1 Fit di dati sperimentali: il χ 2. Il metodo dei minimi quadrati.
1 Fit di dati sperimentali: il χ 2. Il metodo dei minimi quadrati. Per comprendere dei fenomeni fisici, non basta raccogliere buoni dati sperimentali, occorre anche interpretarli. Molto spesso lo scopo
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
DettagliEsercitazione 5 del corso di Statistica 2 Prof. Domenico Vistocco
Esercitazione del corso di Statistica Prof. Domenico Vistocco Alfonso Iodice D Enza May 30, 007 1 Esercizio Si consideri una popolazione caratterizzata dai numeri, 3, 6, 8, 11. Si considerino tutti i possibili
DettagliCHEMIOMETRIA. CONFRONTO CON VALORE ATTESO (test d ipotesi) CONFRONTO DI VALORI MISURATI (test d ipotesi) CONFRONTO DI RIPRODUCIBILITA (test d ipotesi)
CHEMIOMETRIA Applicazione di metodi matematici e statistici per estrarre (massima) informazione chimica (affidabile) da dati chimici INCERTEZZA DI MISURA (intervallo di confidenza/fiducia) CONFRONTO CON
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
DettagliI conteggi in fisica. Appendice D. D.1 Urti di particelle
Appendice D I conteggi in fisica Il conteggio di eventi è un importante modalità di indagine delle leggi che governano alcuni fenomeni fisici. In un esperimento di conteggio si raccolgono e analizzano
DettagliStima puntuale di parametri
Probabilità e Statistica Esercitazioni a.a. 2009/2010 C.d.L.: Ingegneria Elettronica e delle Telecomunicazioni, Ingegneria Informatica Stima puntuale di parametri Ines Campa Probabilità e Statistica -
DettagliFacoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica
Facoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica Prima prova scritta A.A. 8-9 Durata della prova h Punteggi: ) + + ; ) + + + ; ) +. Totale. Esercizio Sia
DettagliEsercitazione: La distribuzione NORMALE
Esercitazione: La distribuzione NORMALE Uno dei più importanti esempi di distribuzione di probabilità continua è dato dalla distribuzione Normale (curva normale o distribuzione Gaussiana); è una delle
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
Dettagli7 - Distribuzione Poissoniana
7 - Distribuzione Poissoniana Probabilita' (poissoniana) o densita' di probabilita' (gaussiana) 0.7 Poisson, λ=0.5 Gaussiana, µ=λ=0.5, σ= 0.6 0.5 0.4 0.3 0.2 0.1 0 0.5 0 0.5 1 1.5 2 2.5 3 3.5 4 n = numero
DettagliCorso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio Esercizio 1
Corso di Statistica - Prof. Fabio Zucca IV Appello - 5 febbraio 2015 Nome e cognome: Matricola: c I diritti d autore sono riservati. Ogni sfruttamento commerciale non autorizzato sarà perseguito. 8994
DettagliEsercizio 1. Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che:
Esercizio 1 Durante un inchiesta su 500 studenti frequentanti i corsi di Algebra (A), Fisica (F) e Statistica è stato rilevato che: A 329 F 186 S 295 AS 217 AF 83 FS 63 AFS 53 Determinare la partizione
DettagliEsercizi di statistica inferenziale
Dipartimento di Fisica SMID a.a. 004/005 Esercizi di statistica inferenziale Prof. Maria Antonietta Penco tel. 0103536404 penco@fisica.unige.it 6/1/005 Esercizio1 E noto che un grande numero di pazienti
Dettaglideve utilizzarsi la variabile t ν,α/2 , dove n è il numero di gradi di libertà pari al numero delle misure diminuito di 1 (ν=n-1).
Indice 1. Frequenza e Probabilità. Parametri Statistici 3. Curva di Gauss 4. isure poco numerose: t di student nel caso non sia possibile effettuare un numero di misure adeguato (n
DettagliElementi di. Statistica
Elementi di Statistica 1... diamo un senso cosa e la Fisica delle Particelle Elementari? Spiega il complesso mediante il semplice nel mondo dell infinitamente piccolo all attacco!!! applicando la ben nota
DettagliLezione n. 1 (a cura di Irene Tibidò)
Lezione n. 1 (a cura di Irene Tibidò) Richiami di statistica Variabile aleatoria (casuale) Dato uno spazio campionario Ω che contiene tutti i possibili esiti di un esperimento casuale, la variabile aleatoria
DettagliCostruzione di macchine. Modulo di: Progettazione probabilistica e affidabilità. Marco Beghini. Lezione 7: Basi di statistica
Costruzione di macchine Modulo di: Progettazione probabilistica e affidabilità Marco Beghini Lezione 7: Basi di statistica Campione e Popolazione Estrazione da una popolazione (virtualmente infinita) di
Dettagli5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana)
5 - Esercizi: Probabilità e Distribuzioni di Probabilità (Uniforme, Gaussiana) Esercizio 1: Una variabile casuale e caratterizzata da una distribuzione uniforme tra 0 e 10. Calcolare - a) la probabilità
DettagliESEMPIO: DISTRIBUZIONE UNIFORME CONTINUA fra a e b: si utilizza nei casi in cui nessun valore all'interno di un intervallo è preferito:
ESEMPIO: DISTRIBUZIONE UNIFORME CONTINUA fra a e b: si utilizza nei casi in cui nessun valore all'interno di un intervallo è preferito: f(x) = K () dalla proprietà di chiusura: f x dx = 1 *) segue f(x)
DettagliLaboratorio di Fisica I Anno Accademico
Laboratorio di Fisica I Anno Accademico 018-019 Relazione terza esperienza di Laboratorio Giorgio Campione Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico
DettagliIl metodo dei minimi quadrati. Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo:
Il metodo dei minimi quadrati Molto spesso due grandezze fisiche x e y, misurabili direttamente, sono legate tra loro da una legge del tipo: Dove A e B sono costanti y = A + Bx (ad esempio in un moto uniformemente
DettagliStatistica Metodologica
Statistica Metodologica Esercizi di Probabilita e Inferenza Silvia Figini e-mail: silvia.figini@unipv.it Problema 1 Sia X una variabile aleatoria Bernoulliana con parametro p = 0.7. 1. Determinare la media
DettagliVariabili aleatorie discrete. Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia
Variabili aleatorie discrete Giovanni M. Marchetti Statistica Capitolo 5 Corso di Laurea in Economia 2015-16 1 / 45 Variabili aleatorie Una variabile aleatoria è simile a una variabile statistica Una variabile
DettagliRappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r
1 Rappresentazione grafica di coppie di variabili (x i,y i ) correlate e non. E indicato il valore del coefficiente di correlazione lineare r Ovviamente tra le coppie (x i,y i ) può sussistere una correlazione
Dettagli3) Vengono di nuovo ripetute le misure del punto 2 e i risultati sono s, s, s, s, s, s, s, 96.
Problema A Un pendolo e costituito da una massa di dimensioni trascurabili appesa a un filo considerato in estensibile, di massa trascurabile, lunghezza L, e fissato a un estremo. L Il periodo di oscillazione
DettagliAPPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD
APPLICAZIONE DELLA DEVIATA GAUSSIANA STANDARD In una popolazione di ragazze di età inclusa tra i 18 e i 25 anni, la concentrazione di emoglobina nel sangue (x) approssima la distribuzione gaussiana con
DettagliCORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3
CORSO DI STATISTICA (parte 2) - ESERCITAZIONE 3 Dott.ssa Antonella Costanzo a.costanzo@unicas.it Esercizio 1. La variabile casuale normale Da un analisi di bilancio è emerso che, durante i giorni feriali
DettagliStima puntuale di parametri
Probabilità e Statistica Esercitazioni a.a. 006/007 C.d.L.: Ingegneria per l Ambiente ed il Territorio, Ingegneria Civile, Ingegneria Gestionale, Ingegneria dell Informazione C.d.L.S.: Ingegneria Civile
DettagliPROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati
PROBABILITÀ E STATISTICA - 23 Giugno 2017 Scrivere le risposte negli appositi spazi. Motivare dettagliatamente le risposte su fogli allegati 1. - Un urna contiene 2 palline bianche e 28 nere; da essa vengono
Dettaglio Si sceglie il modello che meglio si adatta alla realtà osservata, cioè quello per il quale risulta più probabile la realtà osservata.
Introduzione alla Statistica Nella statistica, anziché predire la probabilità che si verifichino gli eventi di interesse (cioè passare dal modello alla realtà), si osserva un fenomeno se ne estraggono
DettagliESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE
ESERCITAZIONE 21 : VARIABILI ALEATORIE CONTINUE e-mail: tommei@dm.unipi.it web: www.dm.unipi.it/ tommei Ricevimento: su appuntamento Dipartimento di Matematica, piano terra, studio 114 7 Maggio 2013 Esercizio
DettagliAnalisi della correlazione canonica
Analisi della correlazione canonica Su un collettivo di unità statistiche si osservano due gruppi di k ed m variabili L analisi della correlazione canonica ha per obiettivo lo studio delle relazioni di
DettagliUNIVERSITÀ DEGLI STUDI DI PERUGIA
SIGI, Statistica II, esercitazione n. 3 1 UNIVERSITÀ DEGLI STUDI DI PERUGIA FACOLTÀ DI ECONOMIA CORSO DI LAUREA S.I.G.I. STATISTICA II Esercitazione n. 3 Esercizio 1 Una v.c. X si dice v.c. esponenziale
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliStima dei parametri. I parametri di una pdf sono costanti che caratterizzano la sua forma. r.v. parameter. Assumiamo di avere un campione di valori
Stima dei parametri I parametri di una pdf sono costanti che caratterizzano la sua forma r.v. parameter Assumiamo di avere un campione di valori Vogliamo una funzione dei dati che permette di stimare i
DettagliTeorema del Limite Centrale
Teorema del Limite Centrale Problema. Determinare come la media campionaria x e la deviazione standard campionaria s misurano la media µ e la deviazione standard σ della popolazione. È data una popolazione
DettagliStima dei parametri. La v.c. multipla (X 1, X 2,.., X n ) ha probabilità (o densità): Le f( ) sono uguali per tutte le v.c.
Stima dei parametri Sia il carattere X rappresentato da una variabile casuale (v.c.) che si distribuisce secondo la funzione di probabilità f(x). Per investigare su tale carattere si estrae un campione
DettagliStatistica Inferenziale
Statistica Inferenziale Prof. Raffaella Folgieri Email: folgieri@mtcube.com aa 2009/2010 Riepilogo lezione 8 Abbiamo visto: Metodi per la determinazione di uno stimatore Metodo di massima verosimiglianza
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
DettagliSTATISTICA E MODELLI DI DATI SPERIMENTALI
Problema 36 La variabile aleatoria X (di Laplace) è definita mediante la densità di probabilità: f x = Ae x, A R A > 0 a) Si calcoli il valore del parametro A affinché f x sia normalizzata. b) Si determini
DettagliEsercizi. 1. Sia X una variabile aleatoria normale N(3.2, 1.44). Calcolare
1 E. Vitali Matematica (Scienze aturali) Esercizi 1. Sia X una variabile aleatoria normale (3.2, 1.44). Calcolare P (X 4.94), P (1 X 4). [0.9265, 0.715] 2. Sia X la variabile aleatoria che rappresenta
DettagliNel modello omoschedastico la varianza dell errore non dipende da i ed è quindi pari a σ 0.
Regressione [] el modello di regressione lineare si assume una relazione di tipo lineare tra il valore medio della variabile dipendente Y e quello della variabile indipendente X per cui Il modello si scrive
Dettaglicon distribuzione gaussiana standard e si ponga
Laurea Triennale in Matematica, Università La Sapienza Corso di Probabilità, AA 6/7 Prova di Esonero Maggio 7 Testi e soluzioni degli esercizi proposti Siano Z, Z, Z variabili aleatorie indipendenti e
DettagliStatistical Process Control
Statistical Process Control ESERCIZI II Esercizio 1. Una ditta che produce schermi a cristalli liquidi deve tenere in controllo il numero di pixel non funzionanti. Vengono ispezionati venti schermi alla
DettagliVariabili aleatorie n-dim
Sessione Live #6 Settimana dal 6 maggio al giugno 003 Variabili aleatorie n-dim Funzioni di ripartizione e di densità (F.D.R. e f.d.d.) congiunte e marginali, valori medi e momenti misti, funzione generatrice
DettagliMODELLI PROBABILISTICI E STATISTICI
Prime due lettere del cognome: Nome e Cognome: MODELLI PROBABILISTICI E STATISTICI Prova di esame del 22 Luglio 2002 Consegnare solo questo foglio e assicurarsi che la logica delle risposte sia ben indicata,
DettagliAppunti di statistica ed analisi dei dati
Appunti di statistica ed analisi dei dati Indice generale Appunti di statistica ed analisi dei dati...1 Analisi dei dati...1 Calcolo della miglior stima di una serie di misure...3 Come si calcola μ...3
DettagliLaboratorio di Fisica I- Modulo I Anno Accademico 2018/2019 Esperienza di laboratorio n 3
Laboratorio di Fisica I- Modulo I Anno Accademico 018/019 Esperienza di laboratorio n 3 Misura del periodo di oscillazione e della costante elastica della molla di un oscillatore armonico semplice GRUPPO
DettagliUniversità degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1
Università degli Studi Roma Tre Anno Accademico 2014/2015 ST410 Statistica 1 Lezione 1 - Martedì 23 Settembre 2014 Introduzione al corso. Richiami di probabilità: spazi di probabilità, variabili aleatorie,
DettagliCalcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale a.a. 2016/17
Calcolo delle Probabilità e Statistica, Ingegneria Civile e A&T e Informatica I prova finale aa 6/ Punteggi: : 3 + 6; : + + + ; 3: + Una scatola contiene monete; 8 di queste sono equilibrate, mentre le
DettagliStatistica Corso di laurea in Biotecnologie I esonero - 23 aprile 2009
Statistica Corso di laurea in Biotecnologie I esonero - aprile 00 Esercizio Con riferimento a due fenomeni X e Y sono state annotate le seguenti osservazioni: X 5 Y 7 8 a) determinare il grado di correlazione
DettagliSTATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE
S.S.I.S TOSCANA F.I.M. -II anno STATISTICA INDUTTIVA: STIMA DI PARAMETRI STIMA PUNTUALE PROBLEMA 1 Vogliamo valutare la percentuale p di donne fumatrici tra le donne in età fertile. Procediamo all estrazione
Dettagli