DIPARTIMENTO DI INGEGNERIA IMPIANTI INDUSTRIALI. Andrea Chiarini Andrea Chiarini 1

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "DIPARTIMENTO DI INGEGNERIA IMPIANTI INDUSTRIALI. Andrea Chiarini andrea.chiarini@chiarini.it. Andrea Chiarini 1"

Transcript

1 IMPIANTI INDUSTRIALI Adrea Chiarii Adrea Chiarii

2 PARTE 6 OBIETTIVI DI QUALITA ED AFFIDABILITA (Lezioi tratte i parte dal testo: Strumeti statistici avazati per la qualità, A. Chiarii, M. Viceza, Ed. Fraco Ageli ) Adrea Chiarii 2

3 PROGETTAZIONE E SVILUPPO DEL PRODOTTO E DEL PROCESSO Aalisi di Fattibilità e piaificazioe Progettazioe e sviluppo del prodotto Progettazioe e sviluppo del processo Validazioe del prodotto e del processo Produzioe Feedback Adrea Chiarii 3

4 PROGETTAZIONE E SVILUPPO DEL PRODOTTO LA PROGETTAZIONE DEL PRODOTTO INFLUENZA ENORMEMENTE LE SCELTE IMPIANTISTICHE E DI PROCESSO PRODUTTIVO, NELLA FASE DI PROGETTO/SVILUPPO PRODOTTO OCCORRE: defiire le caratteristiche di qualità ed affidabilità del prodotto emettere la documetazioe tipica di progetto prodotto (es. disegi, distite, specifiche teciche, calcoli, etc.) di processo verificare e riesamiare i risultati della progettazioe aalizzare i rischi itrodotti dal prodotto (D-FMEA) riesamiare il progetto i termii di DFx (Desig For Maufacturig, For Assembly, For Mauteability, etc.) costruire e testare u evetuale prototipo Adrea Chiarii 4

5 PROGETTAZIONE E SVILUPPO PRODOTTO OBIETTIVI INIZIALI DI QUALITA qualità è soddisfare i requisiti cliete (spoke e uspoke) al prezzo riteuto equo dal mercato/cliete si parla di: Value For Moey = Valore dato alle caratteristiche prodotto Prezzo globale di acquisto dare prodotti/servizi di qualità sigifica massimizzare tale rapporto l equazioe più qualità = più costi è ormai tramotata da decei oggi sempre di più si cerca di dare al cliete il prodotto co i requisiti richiesti (idoeità allo scopo) a prezzo sempre miore Adrea Chiarii 5

6 PROGETTAZIONE E SVILUPPO PRODOTTO OBIETTIVI INIZIALI DI QUALITA ED AFFIDABILITA REQUISITI CLIENTE CARATTERISTICHE PRODOTTO/PREZZO Il cliete può richiedere requisiti/caratteristiche: - di qualità (es. prodotto che rispetta tolleraze); - di sicurezza (es. spigoli smussati, o parti roveti); - di servizio (es. cosege putuali); - di mauteibilità (es. tempo di riparazioe medio basso); - di affidabilità (es. umero di ore di durata prodotto); - di impatto ambietale (es. % di compoeti riciclabili); - etc. Adrea Chiarii 6

7 DOVE NASCE IL RISPETTO DEI REQUISITI CLIENTE? REQUISITI CLIENTE (COSA) QFD CARATTERISTICHE TECNICHE (COME) Abbiamo visto come il QFD trasformi i cosa del cliete i scelte di progettazioe, processo produttivo, impiatistiche, orgaizzative, etc. Per dare al cliete ciò che vuole, possiamo iterveire i diversi processi o mometi. Esempio Caratteristiche Processo Strumeti e pricipi Qualità - Affidabilità Servizio Sicurezza Progettazioe prodotto e processo, produzioe, acquisti Produzioe, acquisti, logistica Progettazioe prodotto e processo, produzioe, acquisti QFD, FMEA, FTA, ISO 900, Strumeti della qualità Strumeti Lea Risk Aalysis, FMEA, marcatura CE, ISO 900 Adrea Chiarii 7

8 DOVE NASCE IL RISPETTO DEI REQUISITI CLIENTE? Pricipio base del TQM e della Lea Maufacturig FARE BENE LE COSE LA PRIMA VOLTA! Il luogo migliore dove far ascere il rispetto dei requisiti cliete è la progettazioe La progettazioe può preveire il grosso dei problemi alla produzioe.e al cliete Adrea Chiarii 8

9 PROGETTAZIONE E SVILUPPO PRODOTTO L AFFIDABILITA OBIETTIVI INIZIALI DI AFFIDABILITA Defiizioe di affidabilità MIL-STD-609B: la probabilità che u compoete adempia alla fuzioe richiesta per u periodo di tempo stabilito sotto codizioi specificate. L affidabilità è ua gradezza di tipo probabilistico L affidabilità si traduce i qualcosa che può essere progettato el seso che può essere. ua specifica o caratteristica di prodotto/processo defiita i fase di progettazioe Fra le caratteristiche tipizzati l affidabilità si può citare: la vita media, il tasso di guasto, il tempo medio tra i guasti e il tempo medio fio al guasto, caratteristiche che permettoo di esprimere l affidabilità i modo quatitativo Adrea Chiarii 9

10 PROGETTAZIONE E SVILUPPO PRODOTTO OBIETTIVI INIZIALI DI AFFIDABILITA Esempio di obiettivi defiiti i progettazioe prodotto l affidabilità di ua codotta per la portata di acqua ad Litro/secodo può essere espressa co ua probabilità di guasto, co relativa fuoriuscita liquido, pari allo 0,003% i due ai di cotiuo esercizio ad ua temperatura costate di 20 C.. Notare come l affidabilità faccia riferimeto a caratteristiche ambietali be precise Adrea Chiarii 0

11 L AFFIDABILITA AFFIDABILITA DI PRODOTTO E DI PROCESSO E molto importate capire che l affidabilità può essere riferita ad u prodotto, ad u impiato di trasformazioe o di servizio, così come ad u processo produttivo Parleremo el corso di Impiati Idustriali, pertato, di affidabilità di u prodotto e dei suoi compoeti, di affidabilità del processo produttivo e dell impiato. e dei suoi compoeti Quest ultima parte ci porterà ad aalizzare il cosiddetto TPM (Total Productive Maiteace) I tutti i casi, l affidabilità si progetta!! Adrea Chiarii

12 ANDAMENTO DEL TASSO DI GUASTO λ(t) L adameto del tasso di guasto, al crescere di t, durate il ciclo di vita di u prodotto/macchia/impiato passa attraverso 3 fasi: - guasti ifatili (rodaggio) 2- guasti casuali (vita utile) 3 - guasti per usura Curva del ciclo di vita 2 3 t Adrea Chiarii 2

13 ANDAMENTO DEL TASSO DI GUASTO λ(t) La fase dei guasti ifatili è legata al primo periodo di vita del prodotto/impiato/macchia. Per i prodotti elettroici ad esempio la curva è molto ripida e dura poche ore se o miuti/secodi (si effettuao test di bur-i allo scopo). Per impiati si può arrivare a 200h di fuzioameto. I geere per u impiato si cosiderao Nf compoeti fuzioati o guasti ed Ng i guasto (failure durate il rodaggio). Siao λf e λg i corrispodeti tassi di guasto (co λg >λf ). Il tasso di guasto dell itera popolazioe di compoeti dell impiato risulta: Λ = Nf. λf + Ng. λg Quado tutti i compoeti guasti soo stati sostituiti co compoeti buoi, il tasso di guasto diveta: Λ = (Nf + Ng ). λf Per ridurre λg è importate effettuare u buo piao dei cotrolli sul prototipo (per prodotti i serie) o sull impiato prima della cosega I ogi caso il metodo migliore è preveire il prima possibile i fase di progettazioe i poteziali difetti/guasti tramite teciche di Risk Aalysis (es. D-FMEA) Adrea Chiarii 3

14 ANDAMENTO DEL TASSO DI GUASTO λ(t) La fase 2 dei guasti casuali riguarda quei guasti che si maifestao i modo casuale ed idipedete durate il ormale esercizio del prodotto/impiato Tato meglio è stato progettato il prodotto, tato miore è λ i questa fase La competizioe esasperata sul time-to-market sicuramete o aiuta a presetarsi sul mercato co prodotti/impiati a zero difetti. I questa fase i guasti soo costati, si può quidi assumere λ costate Adrea Chiarii 4

15 DISTRIBUZIONE DI PROBABILITA E TASSO DI GUASTO λ(t) Defiiamo F(t) la probabilità che u compoete si guasti fio al periodo t. Idichiamo co R(t) l affidabilità fio allo stesso istate t. Vale chiaramete: F(t) + R(t) = Nella teoria statistica la fuzioe F(t) rappreseta la fuzioe cumulativa di distribuzioe all istate t, per cui la sua derivata, F (t) = f(t), è la fuzioe desità di probabilità: f ( t) Si cosiderio compoeti prodotti i quali, i codizioi fissate, iiziao la loro fuzioe all istate t = 0. Dopo u periodo di tempo t, g di essi sarao stati iteressati da guasti difettosità, metre f = - g risulterao acora fuzioati. Si può, allora, dire che il tasso di guasto dei prodotti risulti: = d g /dt; df( t) dt dr( t) ; dt () ovvero il umero di prodotti compoeti che si guastao ell uità di tempo Adrea Chiarii 5

16 DISTRIBUZIONE DI PROBABILITA E TASSO DI GUASTO λ(t) Essedo il umero di prodotti acora fuzioati pari ad f, il tasso di guasto di u sigolo prodotto può essere espresso come: d dt Parlado i termii di affidabilità, R(t), questa si calcola come frazioe di prodotti acora fuzioati all istate t rispetto agli iiziali: R(t) = f / = - g /; derivado l eguagliaza si ottiee: dr( t) dt Poiché R(t) = f /, si ha: f g ; d dt g ; (2) sostituedo questa ella (2): dr( t) ; R( t) dt dr( t) ; dt Adrea Chiarii 6 (3) f

17 DISTRIBUZIONE DI PROBABILITA E TASSO DI GUASTO λ(t) R(t) è solitamete mootoa decrescete co R(0) =, per cui teedo i cosiderazioe la (3): t dt R dr( t) R 0 R( t) exp t 0 avedo assuto λ costate. Cosiderado ora la () f ( t) df( t) dt log e R( t); dt; exp t; dr( t) ; dt () e questa è la cosiddetta fuzioe desità di probabilità espoeziale (descrive la desità di probabilità per ogi istate t di vita del compoete) Abbiamo così dimostrato che ella fase 2 del ciclo di vita a λ costate si può utilizzare la distribuzioe espoeziale f Adrea Chiarii 7 t e t, t 0

18 MTBF TEMPO MEDIO FRA I GUASTI Cosiderado u periodo preciso dell utilizzo di u prodotto compoete, il tempo medio fra i guasti (Mea Time Betwee Failures), per prodotti riparabili, è il valore medio dell itervallo fra guasti cosecutivi, calcolato come rapporto fra il tempo cumulativo osservato (T) ed il umero dei guasti occorsi (N) durate questo periodo: MTBF =T/N Questo valore, così determiato, o è detto coicida, ovviamete, co quello legato ad u periodo d osservazioe pari all itero ciclo di vita del prodotto (abbiamo bisogo di calcolare l itegrale da 0 a + i dt) L uità di misura del MTBF è solitamete l ora o il gioro Esempio di MTBF: u utesile di fresatura può essere riparato dopo 500 h di fuzioameto MTBF è la somma di due tempi: MTTF + MTTR Adrea Chiarii 8

19 MTTF TEMPO MEDIO FINO AL GUASTO Esistoo prodotti compoeti che o offroo possibilità di riparazioe a seguito di u guasto (u codesatore, u cuscietto a sfere, ua memoria RAM di u PC, ua cighia di trasmissioe, etc.). Per questa tipologia si usa parlare di tempo medio fio al guasto osservato (MTTF Mea Time To Failure). Il calcolo avviee cosiderado u campioe di prodotti sul quale, i codizioi precisate, si osservao i tempi fio ai quali gli prodotti si guastao: t, t2, t3, t. Il tempo medio fio al guasto, osservato, si calcola come: MTTF i t i Nella realtà, MTBF ed MTTF soo cocetti legati fra loro. Ad esempio per u trasistor di poteza di ua scheda elettroica si parla di MTTF, ma i realtà sostituito rede la scheda riparabile (quidi posso calcolare per la scheda MTBF) Vale la relazioe: MTBF = MTTF + MTTR dove MTTR è il tempo medio di riparazioe Si dimostra (ma è ituitivo) che Il tempo medio fra i guasti, MTBF, tede a coicidere co il tempo medio fio al guasto, MTTF, al ridursi del tempo medio di riparazioe prodotto compoete. Quado il tempo medio di riparazioe, ripristio è ullo vale la relazioe: Adrea Chiarii MTTF = MTBF per MTTR = 0 9

20 MTTF MTBF E TASSO DI GUASTO DIPARTIMENTO DI INGEGNERIA exp ; R( t) t Essedo: e cosiderado il tempo medio di riparazioe = 0 MTBF = MTTF = R( t) dt 0 0 exp( t) dt Ritrovado i questo modo il tasso di guasto Adrea Chiarii 20

21 COMPONENTI IN SERIE E IN PARALLELO Gli impiati idustriali, così come i prodotti, soo formati da compoeti o sistemi. Cosiderado le loro fuzioalità, possiamo pesare a serie e paralleli di tali fuzioi. La valvola co attuatore è i serie rispetto alle due pompe e allo scambiatore. Le due pompe soo i parallelo Adrea Chiarii 2

22 AFFIDABILITA DEI COMPONENTI IN SERIE Nella realtà dei prodotti/impiati, quidi, i compoeti/sistemi i geerale o soo a sé stati ma collegati i u isieme o sistema i modo da soddisfare determiate ecessità. Si preseta pertato il problema del calcolo dell affidabilità dell itero sistema. Dati compoeti di u sistema sia R i l affidabilità del compoete i-esimo, detta R s l affidabilità dell itero sistema i serie si ha: R s (t) = R.R 2. R = i R i ( t) 2 i Ifatti l affidabilità totale del sistema viee meo quado ache uo solo dei compoeti si guasta. La fuzioe di probabilità cumulativa F s (t), ovvero la probabilità di guasto dell itero sistema sarà: F s (t) = - R s (t) = - R ( t) = - R s (t) = R ( t) = i i i i i ( F ( t)) t t i i e e ; quidi S i Adrea Chiarii 22 i i ovvero: MTTF S MTTF i

23 AFFIDABILITA DEI COMPONENTI IN PARALLELO U prodotto/impiato/macchia che ha u sistema composto da compoeti i parallelo smette di fuzioare quado tutti i suoi compoeti si guastao. La probabilità è quidi data dal prodotto delle sigole probabilità, essedo i vari compoeti idipedeti l uo dall altro. F S = F.F 2.F = ; metre - R s = ( - R ).( - R 2 )..(-R ) = i F i R s = - = - i ( R i ) i F i i ( R i ) 2 L affidabilità del sistema cresce all aumetare del umero dei compoeti i parallelo.ma ache i costi Adrea Chiarii 23

24 AFFIDABILITA DEI COMPONENTI IN PARALLELO Se ora cosideriamo l MTTF, questo sarà: MTTF = 0 R dt s 0 i ( Ri ) dt 0 i ( e t i ) dt Suppoiamo per semplicità di avere due soli compoeti co λ e λ 2, allora: MTTF = 0 2 ( e ) ( e ) dt 2 2 MTTF MTTF 2 MTTF MTTF2 MTTF MTTF 2 Adrea Chiarii 24

25 ESERCIZIO Si vuole realizzare u impiato aticedio a umido, ovvero co acqua i pressioe elle tubature per u reparto el quale si lavorao prodotti particolarmete ifiammabili. L impiato pertato deve avere u alta affidabilità. L impiato è composto da 2 sesori termosesibili i parallelo co u MTTF stimato di ore cadauo. I rilevatori azioao 2 ugelli erogatori i parallelo co MTTF stimato di ore. Gli ugelli soo alimetati da u pipig i pressioe che potrebbe o essere i pressioe causa problemi di ua valvola a mote del pipig. Questa valvola ha u MTTF di Si calcoli l MTTF s dell itero sistema Risposta: 3, ESERCIZIO TIPICO PER LO SCRITTO Adrea Chiarii 25

26 Adrea Chiarii 26

27 COSTI CONNESSI ALL AFFIDABILITÀ DIPARTIMENTO DI INGEGNERIA Costo del ciclo di vita Costo Costo di acquisto Costi di mautezioe, riparazioe e di fuori servizio Affidabilità Si dimostra che oltrepassare u certo livello di affidabilità o coviee é al cliete é al produttore. N.B. Ua buoa progettazioe ed u buo sistema di gestioe della qualità portao la curva del costo di acquisto a crescere sempre meo co l affidabilità Adrea Chiarii 27

IMPIANTI INDUSTRIALI. Andrea Chiarini Andrea Chiarini 1

IMPIANTI INDUSTRIALI. Andrea Chiarini Andrea Chiarini 1 IMPIANTI INDUSTRIALI Adrea Chiarii adrea.chiarii@chiarii.it Adrea Chiarii 1 PARTE 6 OBIETTIVI DI QUALITA ED AFFIDABILITA (Lezioi tratte i parte dal testo: Strumeti statistici avazati per la qualità, A.

Dettagli

Probabilità CENNI DI PROBABILITÀ

Probabilità CENNI DI PROBABILITÀ CENNI DI PROBABILITÀ Itroduzioe I queste pagie verrao esposti i breve i cocetti base della teoria delle probabilità. Lo scopo è quello di forire le basi i modo che siao più compresibile l uso che e viee

Dettagli

COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!)

COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) COME CALCOLARE L INTERVALLO DI CONFIDENZA QUANDO E NECESSARIO STIMARE LA DEVIAZIONE STANDARD? (è quasi sempre così!) Per fortua le cose o cambiao poi di molto visto che la uova variabile x µ s x co s x

Dettagli

Argomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica

Argomenti. Stima Puntuale e per Intervallo. Inferenza. Stima. Leonardo Grilli. Università di Firenze Corso di Laurea in Statistica Statistica Uiversità di Fireze Corso di Laurea i Statistica Statistica Leoardo Grilli Stima Cicchitelli cap. 6 Argometi Defiizioe di stimatore Proprietà degli stimatori (campioi fiiti): No distorsioe Efficieza relativa

Dettagli

1.6 Serie di potenze - Esercizi risolti

1.6 Serie di potenze - Esercizi risolti 6 Serie di poteze - Esercizi risolti Esercizio 6 Determiare il raggio di covergeza e l isieme di covergeza della serie Soluzioe calcolado x ( + ) () Per la determiazioe del raggio di covergeza utilizziamo

Dettagli

Precorso di Matematica, aa , (IV)

Precorso di Matematica, aa , (IV) Precorso di Matematica, aa 01-01, (IV) Poteze, Espoeziali e Logaritmi 1. Nel campo R dei umeri reali, il umero 1 e caratterizzato dalla proprieta che 1a = a, per ogi a R; per ogi umero a 0, l equazioe

Dettagli

( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ

( 4) ( ) ( ) ( ) ( ) LE DERIVATE ( ) ( ) (3) D ( x ) = 1 derivata di un monomio con a 0 1. GENERALITÀ LE DERIVATE. GENERALITÀ Defiizioe A) Ituitiva. La derivata, a livello ituitivo, è u operatore tale che: a) ad ua fuzioe f associa u altra fuzioe; b) obbedisce alle segueti regole di derivazioe: () D a

Dettagli

Def. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii)

Def. R si dice raggio di convergenza; nel caso i) R = 0, nel caso ii) Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi : Riferimeti: R.Adams, Calcolo Differeziale. -Si cosiglia vivamate di fare gli esercizi del testo. Cap. 9.5 - Serie di poteze,

Dettagli

a n (x x 0 ) n. (1.1) n=0

a n (x x 0 ) n. (1.1) n=0 Serie di poteze. Defiizioi Assegati ua successioe {a } di umeri reali e u puto x dell asse reale si dice serie di poteze u espressioe del tipo a (x x ). (.) Il puto x viee detto cetro della serie e i umeri

Dettagli

Inferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni.

Inferenza Statistica. L inferenza statistica cerca di risalire al modello del fenomeno sulla base delle osservazioni. Ifereza Statistica L ifereza statistica cerca di risalire al modello del feomeo sulla base delle osservazioi No coosciamo il modello del feomeo cioè la vc X A volte la coosceza può essere parziale (coosciamo

Dettagli

Probabilità e Statistica (cenni)

Probabilità e Statistica (cenni) robabilità e Statistica (cei) remettiamo la distizioe tra i due cocetti: Defiizioe: dato il verificarsi di u eveto si defiisce la probabilità per l eveto cosiderato il rapporto tra il umero dei casi favorevoli

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f x; = costate icogita Qual è il valore di? E verosimile

Dettagli

Statistica 1 A.A. 2015/2016

Statistica 1 A.A. 2015/2016 Corso di Laurea i Ecoomia e Fiaza Statistica 1 A.A. 2015/2016 (8 CFU, corrispodeti a 48 ore di lezioe frotale e 24 ore di esercitazioe) Prof. Luigi Augugliaro 1 / 21 Misura della dipedeza di u carattere

Dettagli

Probabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09

Probabilità 1, laurea triennale in Matematica II prova scritta sessione estiva a.a. 2008/09 Probabilità, laurea trieale i Matematica II prova scritta sessioe estiva a.a. 8/9. U ura cotiee dadi di cui la metà soo equilibrati, metre gli altri soo stati maipolati i modo che, per ciascuo di essi,

Dettagli

Esercizi con R. Corso Statistica corso avanzato A. A. 2013/2014

Esercizi con R. Corso Statistica corso avanzato A. A. 2013/2014 Esercizi co R Corso Statistica corso avazato A. A. 203/204 Esercizio Due compagie di assicurazioe soo i cocorreza per stipulare polizze co = 000 clieti. Si suppoga che ogi cliete scelga tra le due società

Dettagli

SUCCESSIONI DI FUNZIONI

SUCCESSIONI DI FUNZIONI SUCCESSIONI DI FUNZIONI LUCIA GASTALDI 1. Defiizioi ed esempi Sia I u itervallo coteuto i R, per ogi N si cosideri ua fuzioe f : I R. Il simbolo f } =1 idica ua successioe di fuzioi, cioè l applicazioe

Dettagli

Problema 1 - soluzione a cura di E. Castagnola e L. Tomasi, con l uso della calcolatrice grafica TI-Nspire CX (non CAS)

Problema 1 - soluzione a cura di E. Castagnola e L. Tomasi, con l uso della calcolatrice grafica TI-Nspire CX (non CAS) Esame di Stato - Liceo Scietifico Prova scritta di Matematica - giugo 8 Problema - soluzioe a cura di E. Castagola e L. Tomasi, co l uso della calcolatrice grafica TI-Nspire CX (o CAS) Soluzioe ) Co riferimeto

Dettagli

5. Derivate. Derivate. Derivate di funzioni elementari. Regole di derivazione. Derivate di funzioni composte e di funzioni inverse

5. Derivate. Derivate. Derivate di funzioni elementari. Regole di derivazione. Derivate di funzioni composte e di funzioni inverse Di cosa parleremo Le derivate costituiscoo, per la maggioraza degli studeti, l argometo più semplice di questa parte dell aalisi matematica. I questo capitolo e daremo il cocetto assieme al sigificato

Dettagli

Metodi di valutazione delle prestazioni di rete

Metodi di valutazione delle prestazioni di rete Metodi di valutazioe delle prestazioi di rete Prof. Ig. Carla Raffaelli Cofroto di diversi approcci Parametri di cofroto: precisioe requisiti di poteza di calcolo requisiti di memoria facilita' di approccio

Dettagli

Popolazione e Campione

Popolazione e Campione Popolazioe e Campioe POPOLAZIONE: Isieme di tutte le iformazioi sul feomeo oggetto di studio Viee descritta mediate ua variabile casuale X: X ~ f ( x; ϑ) θ = costate icogita Qual è il valore di θ? E verosimile

Dettagli

Analisi I - IngBM COMPITO B 17 Gennaio 2015 COGNOME... NOME... MATRICOLA... VALUTAZIONE =...

Analisi I - IngBM COMPITO B 17 Gennaio 2015 COGNOME... NOME... MATRICOLA... VALUTAZIONE =... Aalisi I - IgBM - 2014-15 COMPITO B 17 Geaio 2015 COGNOME........................ NOME............................. MATRICOLA....................... VALUTAZIONE..... +..... =...... 1. Istruzioi Gli esercizi

Dettagli

Richiami sulle potenze

Richiami sulle potenze Richiami sulle poteze Dopo le rette, le fuzioi più semplici soo le poteze: Distiguiamo tra: - poteze co espoete itero - poteze co espoete frazioario (razioale) - poteze co espoete reale = Domiio delle

Dettagli

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013

PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 2013 PROVE SCRITTE DI MATEMATICA APPLICATA, ANNO 3 Prova scritta del 6//3 Esercizio Suppoiamo che ua variabile aleatoria Y abbia la seguete desita : { hx e 3/x, x > f Y (y) =, x, co h opportua costate positiva.

Dettagli

Entropia ed informazione

Entropia ed informazione Etropia ed iformazioe Primi elemeti sulla teoria della misura dell iformazioe Per trasmettere l iformazioe è ecessaria ua rete di comuicazioe, che, secodo l approccio teorico di Claude E. Shao e Warre

Dettagli

Analisi I - IngBM COMPITO A 17 Gennaio 2015 COGNOME... NOME... MATRICOLA... VALUTAZIONE =...

Analisi I - IngBM COMPITO A 17 Gennaio 2015 COGNOME... NOME... MATRICOLA... VALUTAZIONE =... Aalisi I - IgBM - 2014-15 COMPITO A 17 Geaio 2015 COGNOME........................ NOME............................. MATRICOLA....................... VALUTAZIONE..... +..... =...... 1. Istruzioi Gli esercizi

Dettagli

STUDIO DEL LANCIO DI 3 DADI

STUDIO DEL LANCIO DI 3 DADI Leoardo Latella STUDIO DEL LANCIO DI 3 DADI Il calcolo delle probabilità studia gli eveti casuali probabili, cioè quegli eveti che possoo o o possoo verificarsi e che dipedoo uicamete dal caso. Tale studio

Dettagli

Titolo della lezione. Campionamento e Distribuzioni Campionarie

Titolo della lezione. Campionamento e Distribuzioni Campionarie Titolo della lezioe Campioameto e Distribuzioi Campioarie Itroduzioe Itrodurre le idagii campioarie Aalizzare il le teciche di costruzioe dei campioi e di rilevazioe Sviluppare il cocetto di distribuzioe

Dettagli

ESERCIZI SULLE SERIE

ESERCIZI SULLE SERIE ESERCIZI SULLE SERIE. Dimostrare che la serie seguete è covergete: =0 + + A questa serie applichiamo il criterio del cofroto. Dovedo quidi dimostrare che la serie è covergete si tratterà di maggiorare

Dettagli

La serie di Taylor (una applicazione del teorema di Lagrange) continua nell intervallo chiuso [ a, b] Consideriamo la funzione y = f (x)

La serie di Taylor (una applicazione del teorema di Lagrange) continua nell intervallo chiuso [ a, b] Consideriamo la funzione y = f (x) La serie di Taylor ua applicazioe del teorema di Lagrage Cosideriamo la uzioe y cotiua ell itervallo chiuso [ a, b] e ideiitamete derivabile, co derivate limitate, ell itervallo aperto a,b. Se a, b allora

Dettagli

Ottavio Serra La costante C di Eulero-Mascheroni e la funzione Gamma. 1. =

Ottavio Serra La costante C di Eulero-Mascheroni e la funzione Gamma. 1. = Ottavio Serra La costate C di Eulero-Mascheroi e la fuzioe Gamma la costate C di Eulero Mascheroi è defiita come il limite della seguete successioe: [] a = +/+/3+ +/ log(+) Il termie a è la differeza tra

Dettagli

IPSAA U. Patrizi Città di Castello (PG) Classe 5A Tecnico Agrario. Lezione di martedì 10 novembre 2015 (4 e 5 ora) Disciplina: MATEMATICA

IPSAA U. Patrizi Città di Castello (PG) Classe 5A Tecnico Agrario. Lezione di martedì 10 novembre 2015 (4 e 5 ora) Disciplina: MATEMATICA IPSAA U. Patrizi Città di Castello (PG) Classe A Tecico Agrario Lezioe di martedì 0 ovembre 0 (4 e ora) Disciplia: MATEMATICA La derivata della fuzioe composta Fuzioe composta Df(g())f (g())g () Questa

Dettagli

Distribuzione normale

Distribuzione normale Distribuzioe ormale Tra le distribuzioi di frequeze, la distribuzioe ormale riveste u importaza cetrale. Essa ha ua forma a campaa ed è simmetrica rispetto all asse verticale che passa per il vertice (moda).

Dettagli

a) la funzione costante k. Sia k un numero reale e consideriamo la funzione che ad ogni numero reale x associa k: x R k

a) la funzione costante k. Sia k un numero reale e consideriamo la funzione che ad ogni numero reale x associa k: x R k ALCUNE FUNZIONI ELEMENTARI ( E NON) E LORO GRAFICI (*) a) la fuzioe costate k. Sia k u umero reale e cosideriamo la fuzioe che ad ogi umero reale x associa k: x R k Tale fuzioe è detta fuzioe costate k;

Dettagli

11 IL CALCOLO DEI LIMITI

11 IL CALCOLO DEI LIMITI IL CALCOLO DEI LIMITI Il calcolo di u ite spesso si ricodurrà a trattare separatamete iti più semplici, su cui poi si farao operazioi algebriche. Dato che uo o più di questi iti possoo essere ±, bisoga

Dettagli

Corso Propedeutico di Matematica

Corso Propedeutico di Matematica POLINOMI RICHIAMI DI TEORIA Defiizioe: u poliomio ( o fuzioe poliomiale) ella variabile x di grado a coefficieti reali ha la forma A = a0 + a1x + + a 1 x, dove a 0, a 1,..., a soo umeri reali assegati

Dettagli

Esame di Stato - Liceo Scientifico Prova scritta di Matematica - 21 giugno Problema 1 Soluzione a cura di L. Tomasi

Esame di Stato - Liceo Scientifico Prova scritta di Matematica - 21 giugno Problema 1 Soluzione a cura di L. Tomasi Esame di Stato - Liceo Scietifico Prova scritta di Matematica - giugo 8 Problema Soluzioe a cura di L. Tomasi Soluzioe Puto Co riferimeto all esempio semplice del mauale d uso della macchia che colora

Dettagli

Lezioni del Corso di Fondamenti di Metrologia Meccanica

Lezioni del Corso di Fondamenti di Metrologia Meccanica Facoltà di Igegeria Lezioi del Corso di Fodameti di Metrologia Meccaica A.A. 005-006 Prof. Paolo Vigo Idice. Frequeza e Probabilità. 3. Curva di Gauss 4. Altre Distribuzioi Frequeza e Probabilità Me spiego:

Dettagli

(a 0, a 1, a 2,..., a n,...) (0, a 0 ), (1, a 1 ), (2, a 2 ),... (1, 3, 5, 7,...) Lezione del 26 settembre. 1. Successioni.

(a 0, a 1, a 2,..., a n,...) (0, a 0 ), (1, a 1 ), (2, a 2 ),... (1, 3, 5, 7,...) Lezione del 26 settembre. 1. Successioni. Lezioe del 26 settembre. 1. Successioi. Defiizioe 1 Ua successioe di umeri reali e ua legge che associa a ogi umero aturale = 0, 1, 2,... u umero reale - i breve: e ua fuzioe N R; si scrive ella forma

Dettagli

4: Strato fisico: i segnali nel tempo e nella frequenza

4: Strato fisico: i segnali nel tempo e nella frequenza 1 1 4: Strato fisico: i segali el tempo e ella frequeza Lo strato fisico Le pricipali fuzioi dello strato fisico soo defiizioe delle iterfacce meccaiche (specifiche dei coettori) tra il mezzo trasmissivo

Dettagli

Stima di somme: esercizio

Stima di somme: esercizio Stima di somme: esercizio Valutare l'ordie di gradezza della somma k l (1 + 3 k ) Quado x

Dettagli

Esame di Stato di Liceo Scientifico- Sessione ordinaria 2003 Corso Sperimentale P.N.I. Tema di MATEMATICA

Esame di Stato di Liceo Scientifico- Sessione ordinaria 2003 Corso Sperimentale P.N.I. Tema di MATEMATICA L.Lecci\Sol. Problema 2\Esame di Stato di Liceo Scietifico\Sess. Ordiaria\Corso P.N.I.\ao23 Esame di Stato di Liceo Scietifico- Sessioe ordiaria 23 Corso Sperimetale P.N.I. Tema di MATEMATICA Problema

Dettagli

Algoritmi e Strutture Dati (Elementi)

Algoritmi e Strutture Dati (Elementi) Algoritmi e Strutture Dati (Elemeti Esercizi sulle ricorreze Proff. Paola Boizzoi / Giacarlo Mauri / Claudio Zadro Ao Accademico 00/003 Apputi scritti da Alberto Leporati e Rosalba Zizza Esercizio 1 Posti

Dettagli

Campionamento casuale da popolazione finita (caso senza reinserimento )

Campionamento casuale da popolazione finita (caso senza reinserimento ) Campioameto casuale da popolazioe fiita (caso seza reiserimeto ) Suppoiamo di avere ua popolazioe di idividui e di estrarre u campioe di uità (co < ) Suppoiamo di studiare il carattere X che assume i valori

Dettagli

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno

Università degli Studi di Cassino, Anno accademico Corso di Statistica 2, Prof. M. Furno Uiversità degli Studi di Cassio, Ao accademico 004-005 Corso di Statistica, Prof.. uro Esercitazioe del 01/03/005 dott. Claudio Coversao Esercizio 1 Si cosideri il seguete campioe casuale semplice estratto

Dettagli

Appunti di STATISTICA

Appunti di STATISTICA Apputi di STATISTICA! Distribuzioe espoeziale X v.a. cotiua, R X = (0,+ ) Si dice che X ha distribuzioe espoeziale a parametro f X = >0 E (X) = 1/ Var (X) = 1/ e - x x>0 0 altrove (umero reale) se la p.d.f.

Dettagli

Catene di Markov e affidabilità

Catene di Markov e affidabilità Catee di Markov e affidabilità I guasti però o solo determiao la cessazioe di u dispositivo ad adempiere la fuzioe richiesta (guasti totali) ma ache la variazioe della prestazioe del dispositivo rispetto

Dettagli

1. a n = n 1 a 1 = 0, a 2 = 1, a 3 = 2, a 4 = 3,... Questa successione cresce sempre piú al crescere di n e vedremo che {a n } diverge.

1. a n = n 1 a 1 = 0, a 2 = 1, a 3 = 2, a 4 = 3,... Questa successione cresce sempre piú al crescere di n e vedremo che {a n } diverge. Le successioi A parole ua successioe é u isieme ifiito di umeri disposti i u particolare ordie. Piú rigorosamete, ua successioe é ua legge che associa ad ogi umero aturale u altro umero (ache o aturale):

Dettagli

Lezioni di Matematica 1 - I modulo

Lezioni di Matematica 1 - I modulo Lezioi di Matematica 1 - I modulo Luciao Battaia 4 dicembre 2008 L. Battaia - http://www.batmath.it Mat. 1 - I mod. Lez. del 04/12/2008 1 / 28 -2 Sottosuccessioi Grafici Ricorreza Proprietà defiitive Limiti

Dettagli

Politecnico di Milano Ingegneria Industriale Analisi 2/II

Politecnico di Milano Ingegneria Industriale Analisi 2/II Politecico di Milao Igegeria Idustriale Aalisi /II Test di autovalutazioe. Sia S = ( artg +. (a Stabilire se la serie data coverge assolutamete. (b Stabilire se la serie data coverge.. Sia L lo spazio

Dettagli

Lezione 4 Corso di Statistica. Francesco Lagona

Lezione 4 Corso di Statistica. Francesco Lagona Lezioe 4 Corso di Statistica Fracesco Lagoa Uiversità Roma Tre F. Lagoa (fracesco.lagoa@uiroma3.it) 1 / 23 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare

Dettagli

Metodi statistici per lo studio dei fenomeni biologici

Metodi statistici per lo studio dei fenomeni biologici Metodi statistici per lo studio dei feomei biologici Alla fie di questa lezioe dovreste essere i grado di: spiegare i cocetti di stima putuale e stima itervallare iterpretare gli itervalli di cofideza

Dettagli

Elementi di calcolo combinatorio

Elementi di calcolo combinatorio Appedice A Elemeti di calcolo combiatorio A.1 Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare

Dettagli

Serie di potenze / Esercizi svolti

Serie di potenze / Esercizi svolti MGuida, SRolado, 204 Serie di poteze / Esercizi svolti Si cosideri la serie di poteze (a) Determiare il raggio di covergeza 2 + x (b) Determiare l itervallo I di covergeza putuale (c) Dire se la serie

Dettagli

Non presenta difficoltà concettuali il passaggio dalle equazioni lineari a coefficienti costanti del secondo ordine a quelle di ordine maggiore.

Non presenta difficoltà concettuali il passaggio dalle equazioni lineari a coefficienti costanti del secondo ordine a quelle di ordine maggiore. Le equazioi differeziali lieari di ordie > a coefficieti costati. No preseta difficoltà cocettuali il passaggio dalle equazioi lieari a coefficieti costati del secodo ordie a quelle di ordie maggiore.

Dettagli

Le successioni: intro

Le successioni: intro Le successioi: itro Si cosideri la seguete sequeza di umeri:,,, 3, 5, 8, 3,, 34, 55, 89, 44, 33, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi mesi i u allevameto! Si

Dettagli

SERIE NUMERICHE FAUSTO FERRARI

SERIE NUMERICHE FAUSTO FERRARI SERIE NUMERICHE FAUSTO FERRARI Materiale propedeutico alle lezioi di Aalisi Matematica per i corsi di Laurea i Igegeria Chimica e Igegeria per l Ambiete e il Territorio dell Uiversità di Bologa. Ao Accademico

Dettagli

ANALISI MATEMATICA 1 Commissione L. Caravenna, V. Casarino, S. Zoccante Ingegneria Gestionale, Meccanica e Meccatronica, Vicenza

ANALISI MATEMATICA 1 Commissione L. Caravenna, V. Casarino, S. Zoccante Ingegneria Gestionale, Meccanica e Meccatronica, Vicenza ANALISI MATEMATICA Commissioe L. Caravea, V. Casario, S. occate Igegeria Gestioale, Meccaica e Meccatroica, Viceza Nome, Cogome, umero di matricola: Viceza, 6 Settembre 25 TEMA - parte B Esercizio ( puti).

Dettagli

n 1 = n b) {( 1) n } = c) {n!} In questo caso la successione è definita per ricorrenza: a 0 = 1, a n = n a n 1 per ogni n 1.

n 1 = n b) {( 1) n } = c) {n!} In questo caso la successione è definita per ricorrenza: a 0 = 1, a n = n a n 1 per ogni n 1. Apputi sul corso di Aalisi Matematica complemeti (a) - prof. B.Bacchelli Apputi 0: Riferimeti: R.Adams, Calcolo Differeziale - Si cosiglia vivamete di fare gli esercizi del testo. Successioi umeriche:

Dettagli

Le successioni: intro

Le successioni: intro Le successioi: itro Si cosideri la seguete sequeza di umeri:,, 2, 3, 5, 8, 3, 2, 34, 55, 89, 44, 233, detti di Fiboacci. Essa rappreseta il umero di coppie di coigli preseti ei primi 2 mesi i u allevameto!

Dettagli

Intervalli di Fiducia

Intervalli di Fiducia di Fiducia Itroduzioe per la media Caso variaza ota per la media Caso variaza o ota per i coefficieti di regressioe per la risposta media i per i coefficieti i di regressioe multilieare - Media aritmetica

Dettagli

0.1 Esercitazioni V, del 18/11/2008

0.1 Esercitazioni V, del 18/11/2008 1 0.1 Esercitazioi V, del 18/11/2008 Esercizio 0.1.1. Risolvere usado Cramer il seguete sistema lieare x + y + z = 1 kx + y z = 0 x kz = 1 Soluzioe: Il determiate della matrice dei coefficieti è (k 2)(k

Dettagli

Traccia delle soluzioni degli esercizi del fascicolo 3

Traccia delle soluzioni degli esercizi del fascicolo 3 Traccia delle soluzioi degli esercizi del fascicolo 3 Esercizio I ua procedura di cotrollo di produzioe, processori prodotti da u processo idustriale vegoo sottoposti a cotrollo Si assuma che ogi pezzo,

Dettagli

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33)

2,3, (allineamenti decimali con segno, quindi chiaramente numeri reali); 4 ( = 1,33) Defiizioe di umero reale come allieameto decimale co sego. Numeri reali positivi. Numeri razioali: defiizioe e proprietà di desità Numeri reali Defiizioe: U umero reale è u allieameto decimale co sego,

Dettagli

1. Converge. La serie è a segno alterno. Non possiamo usare il criterio di assoluta convergenza, perché

1. Converge. La serie è a segno alterno. Non possiamo usare il criterio di assoluta convergenza, perché Soluzioi.. Coverge. La serie è a sego altero. No possiamo usare il criterio di assoluta covergeza, perché log log a = > + e il fatto che la serie i valore assoluto diverge o permette di trarre coclusioi

Dettagli

Analisi Matematica I modulo Soluzioni prova scritta preliminare n. 1

Analisi Matematica I modulo Soluzioni prova scritta preliminare n. 1 Aalisi Matematica I modulo Soluzioi prova scritta prelimiare 1 Corso di laurea i Matematica, aa 004-005 9 ovembre 004 1 (a) Calcolare il seguete limite: **A***** Soluzioe Si ha ( + log ) ( + log ) lim

Dettagli

Esercitazione due: soluzioni

Esercitazione due: soluzioni Esercitazioe due: soluzioi. Sia il ricavo r i pk i ti, p, k, t i > applicado la defiizioe di media di Chisii il tempo medio t che lascia ivariato il ricavo totale é quel valore tale che pk i ti pk i t

Dettagli

k=0 f k(x). Un altro tipo di convergenza per le serie è la convergenza totale e si dice che la serie (0.1) converge totalmente in J I se

k=0 f k(x). Un altro tipo di convergenza per le serie è la convergenza totale e si dice che la serie (0.1) converge totalmente in J I se Serie di fuzioi Sia I R, per ogi k N, data la successioe di fuzioi (f k ) k co f k : I R, cosideriamo la serie di fuzioi (0.) f k () k=0 e defiiamo la successioe delle somme parziali s () = k=0 f k().

Dettagli

Statistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice

Statistica. Esercitazione 12. Alfonso Iodice D Enza Università degli studi di Cassino. Statistica. A. Iodice Esercitazioe 12 Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () 1 / 15 Outlie 1 () 2 / 15 Outlie 1 2 () 2 / 15 Outlie 1 2 3 () 2 / 15 Outlie 1 2 3 4 () 2 / 15 Outlie 1 2 3 4 5

Dettagli

Soluzione CPS 22/6/04. I parte. (1). Chiamiamo C l evento l individuo scelto ha il colesterolo alto, V, O e NL rispettivamente

Soluzione CPS 22/6/04. I parte. (1). Chiamiamo C l evento l individuo scelto ha il colesterolo alto, V, O e NL rispettivamente Soluzioe CPS 22/6/04 I parte 1. Chiamiamo C l eveto l idividuo scelto ha il colesterolo alto, V, O e NL rispettivamete è vegetariao, è oivoro e o magia latticii. I dati soo: P C = 0.4, P O C = 0.75, P

Dettagli

LEGGE DEI GRANDI NUMERI

LEGGE DEI GRANDI NUMERI LEGGE DEI GRANDI NUMERI E. DI NARDO 1. Legge empirica del caso e il teorema di Beroulli I diverse occasioi, abbiamo mezioato che la ozioe ituitiva di probabilità si basa sulla seguete assuzioe: se i sperimetazioi

Dettagli

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni

Alcuni concetti di statistica: medie, varianze, covarianze e regressioni A Alcui cocetti di statistica: medie, variaze, covariaze e regressioi Esistoo svariati modi per presetare gradi quatità di dati. Ua possibilità è presetare la cosiddetta distribuzioe, raggruppare cioè

Dettagli

Stimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini

Stimatori, stima puntuale e intervalli di confidenza Statistica L-33 prof. Pellegrini Lezioe 3 Stimatori, stima putuale e itervalli di cofideza Statistica L-33 prof. Pellegrii Oggi studiamo le proprietà della stima che ricaviamo da u campioe. Si chiama teoria della stima. La stima statistica

Dettagli

Esercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati

Esercitazione parte 1 Medie e medie per dati raggruppati. Esercitazione parte 2 - Medie per dati raggruppati Esercitazioe parte Medie e medie per dati raggruppati el file dati0.xls soo coteute alcue distribuzioi di dati. Calcolare di ogua. Media aritmetica o Mostrare, co u calcolo automatico, che la somma degli

Dettagli

Approfondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie

Approfondimento 2.1 Scaling degli stimoli mediante il metodo del confronto a coppie Approfodimeto 2.1 Scalig degli stimoli mediate il metodo del cofroto a coppie Il metodo del cofroto a coppie di Thurstoe (Thurstoe, 1927) si basa sull assuzioe che la valutazioe di u oggetto o di uo stimolo

Dettagli

Esercitazione n 3. 1 Successioni di funzioni. Esercizio 1: Studiare la convergenza in (0, 1) della successione {f n } dove f n (x) =

Esercitazione n 3. 1 Successioni di funzioni. Esercizio 1: Studiare la convergenza in (0, 1) della successione {f n } dove f n (x) = Esercitazioe 3 Successioi di fuzioi Esercizio : Studiare la covergeza i (0, ) della successioe {f } dove f (x) = metre Sol.: Si verifica facilmete che lim f (x) = 0 x (0, ) lim sup f (x) = lim = + (0,)

Dettagli

Corsi di laurea in fisica ed astronomia Prova scritta di Analisi Matematica 2. Padova,

Corsi di laurea in fisica ed astronomia Prova scritta di Analisi Matematica 2. Padova, Corsi di laurea i fisica ed astroomia Prova scritta di Aalisi Matematica Padova, 5.7.08 Si svolgao i segueti esercizi facedo attezioe a giustificare le risposte. Delle affermazioi o motivate e giustificate

Dettagli

Stime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo

Stime puntuali. Statistica e biometria. D. Bertacchi. Stime puntuali. Intervalli di confidenza. Approfondiamo Abbiamo visto che, data ua v.a. X di cui o si cooscao valore atteso e variaza, tali umeri si possoo stimare putualmete el seguete modo: si prede u casuale X 1,...,X di v.a. aveti la stessa legge di X;

Dettagli

LA INTERPOLAZIONE Appartamenti venduti nel 2006 da un agenzia immobiliare di Treviso.

LA INTERPOLAZIONE Appartamenti venduti nel 2006 da un agenzia immobiliare di Treviso. LA INTERPOLAZIONE Appartameti veduti el 006 da u agezia immobiliare di Treviso. superficie (mq) prezzo (k ) segue 10 160 45 70 80 95 85 110 64 98 106 140 10 170 50 80 100 150 90 15 115 165 140 165 98 145

Dettagli

Esercizi 2 Pietro Caputo 14 dicembre se ξ n > log n

Esercizi 2 Pietro Caputo 14 dicembre se ξ n > log n Esercizi 2 Pietro Caputo 4 dicembre 2006 Esercizio. Siao Y, per =, 2,..., variabili aleatorie co distribuzioe biomiale di parametri e p := λ, per qualche λ > 0. Dimostrare che Y coverge i distribuzioe

Dettagli

Distribuzione normale o gaussiana

Distribuzione normale o gaussiana Distribuzioe ormale o gaussiaa Ua variabile radom si dice distribuita ormalmete (o secodo ua curva gaussiaa) se la sua fuzioe di desità di probabilità è del tipo: f () ( ) ep co - rappreseta il valore

Dettagli

SOLUZIONE DI ESERCIZI DI ANALISI MATEMATICA IV ANNO 2015/16, FOGLIO 2. se x [n, 3n]

SOLUZIONE DI ESERCIZI DI ANALISI MATEMATICA IV ANNO 2015/16, FOGLIO 2. se x [n, 3n] SOLUZIONE DI ESERCIZI DI ANALISI MATEMATICA IV ANNO 05/6, FOGLIO Sia f : R R defiita da f x { se x [, 3] 0 altrimeti Studiare la covergeza putuale, uiforme e uiforme sui compatti della successioe f e della

Dettagli

Esercitazione sette: soluzioni. H 1 : θ > 0.48 ( =

Esercitazione sette: soluzioni. H 1 : θ > 0.48 ( = Esercitazioe sette: soluzioi. { H0 : θ 0.48 H : θ > 0.48 a) La variabile Y ha ua distribuzioe beroulliaa di parametro θ. La desità appartiee alla famiglia espoeziale e possiamo vedere se è a rapporto di

Dettagli

Tempo di calcolo. , per cui x è un caso più sfavorevole quando T. peggiore(

Tempo di calcolo. , per cui x è un caso più sfavorevole quando T. peggiore( Tempo di calcolo. Tempo di calcolo di u algoritmo La complessità computazioale è ua misura della difficoltà di risolvere problemi di calcolo co algoritmi. Per misurare la complessità di u algoritmo si

Dettagli

Cosa vogliamo imparare?

Cosa vogliamo imparare? Cosa vogliamo imparare? risolvere i modo approssimato equazioi del tipo f()=0 che o solo risolubili i maiera esatta ed elemetare tramite formule risolutive. Esempio: log( ) 1= 0 Iterpretazioe grafica Come

Dettagli

La base naturale dell esponenziale

La base naturale dell esponenziale La base aturale dell espoeziale Beiamio Bortelli 7 aprile 007 Il problema I matematica, ci è stato detto, la base aturale della fuzioe espoeziale è il umero irrazioale: e =, 7888... Restao, però, da chiarire

Dettagli

1.10 La funzione esponenziale

1.10 La funzione esponenziale 6. Risolvere le segueti disequazioi: (i) x + x + 3 2; (ii) x + 2 x > ; (iii) 4x 2 < x 3; (iv) 3x 2 > x 2 3; (v) x 2x 2 > 2x 2 ; (vi) x 3 x 2 > x. 7. Provare che per ogi a R si ha maxa, 0} = a + a 2, mia,

Dettagli

Definizione di Sistema di Riferimento Inerziale

Definizione di Sistema di Riferimento Inerziale Defiizioe di Sistema di Riferimeto Ierziale Defiiamo sistema di riferimeto ierziale u sistema i cui valga rigorosamete la legge di ierzia, i cui cioè u puto materiale o soggetto a forze laciato co velocità

Dettagli

La validazione delle prove dei gruppi disciplinari (TECO-D)

La validazione delle prove dei gruppi disciplinari (TECO-D) La validazioe delle prove dei gruppi discipliari (TECO-D) Sommario INTRODUZIONE... 2 CARATTERISTICHE DELLA MATRICE DATI PER L ITEM ANALYSIS... 2 ITEM ANALYSIS E FEEDBACK ANVUR... 3 1 INTRODUZIONE A coclusioe

Dettagli

TEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11

TEORIA DELLE MATRICI. dove aij K. = di ordine n, gli elementi aij con i = j (cioè gli elementi a 11 1 TEORIA DELLE MATRICI Dato u campo K, defiiamo matrice ad elemeti i K di tipo (m, ) u isieme di umeri ordiati secodo m righe ed coloe i ua tabella rettagolare del tipo a11 a12... a1 a21 a22... a2 A =.........

Dettagli

Esperimentazioni di Fisica 1. Prova scritta del 1 febbraio 2016 SOLUZIONI

Esperimentazioni di Fisica 1. Prova scritta del 1 febbraio 2016 SOLUZIONI Esperimetazioi di Fisica 1 Prova scritta del 1 febbraio 2016 SOLUZIONI Esp-1 Prova di Esame Primo appello - Page 2 of 7 10/09/2015 1. (12 Puti) Quesito. La variabile casuale cotiua x ha ua distribuzioe

Dettagli

1 + 1 ) n ] n. < e nα 1 n

1 + 1 ) n ] n. < e nα 1 n Esercizi preparati e i parte svolti martedì 0.. Calcolare al variare di α > 0 Soluzioe: + ) α Per α il ite è e; se α osserviamo che da + /) < e segue che α + ) α [ + ) ] α < e α Per α > le successioi e

Dettagli

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti:

Quesito 1. I seguenti dati si riferiscono ai tempi di reazione motori a uno stimolo luminoso, espressi in decimi di secondo, di un gruppo di piloti: Quesito. I segueti dati si riferiscoo ai tempi di reazioe motori a uo stimolo lumioso, espressi i decimi di secodo, di u gruppo di piloti: 2, 6 3, 8 4, 8 5, 8 2, 6 4, 0 5, 0 7, 2 2, 6 4, 0 5, 0 7, 2 2,

Dettagli

Circuiti a tempo discreto Raffaele Parisi

Circuiti a tempo discreto Raffaele Parisi Uiversità di Roma La Sapieza Laurea specialistica i Igegeria Elettroica Circuiti a tempo discreto Raffaele Parisi : Esempi di Sequeze e di Circuiti TD Sequeze otevoli, periodicità delle sequeze, esempi

Dettagli

Calcolo I - Corso di Laurea in Fisica - 31 Gennaio 2018 Soluzioni Scritto

Calcolo I - Corso di Laurea in Fisica - 31 Gennaio 2018 Soluzioni Scritto Calcolo I - Corso di Laurea i Fisica - Geaio 08 Soluzioi Scritto Data la fuzioe f = 8 + / a Calcolare il domiio, puti di o derivabilità ed asitoti; b Calcolare, se esistoo, estremi relativi ed assoluti.

Dettagli

15 - Successioni Numeriche e di Funzioni

15 - Successioni Numeriche e di Funzioni Uiversità degli Studi di Palermo Facoltà di Ecoomia CdS Statistica per l Aalisi dei Dati Apputi del corso di Matematica 15 - Successioi Numeriche e di Fuzioi Ao Accademico 2013/2014 M Tummiello, V Lacagia,

Dettagli

Statistica Inferenziale Soluzioni 1. Stima puntuale

Statistica Inferenziale Soluzioni 1. Stima puntuale ISTITUZIONI DI STATISTICA A. A. 007/008 Marco Miozzo e Aamaria Guolo Laurea i Ecoomia del Commercio Iterazioale Laurea i Ecoomia e Ammiistrazioe delle Imprese Uiversità degli Studi di Veroa sede di Viceza

Dettagli

INDAGINE POPOLAZIONE SELEZIONE PROBABILISTICA (CASUALE) CAMPIONE. Importante distinzione:

INDAGINE POPOLAZIONE SELEZIONE PROBABILISTICA (CASUALE) CAMPIONE. Importante distinzione: IDAGIE Completa (cesuaria) Semplice sul piao teorico ma complessa ella pratica Popolazioi o fiite Osservazioe distruttiva Parziale (campioaria) Più complessa sul piao teorico ma spesso di più facile attuazioe

Dettagli

= ed è: n. 2 2 x. tra ns x

= ed è: n. 2 2 x. tra ns x 0/9/6 Itroduzioe all aalisi di variaza: variaza etro e tra gruppi La procedura dell aalisi della variaza sfrutta il fatto che la variaza della popolazioe da cui, i base all ipotesi H 0, provegoo i campioi

Dettagli

I appello - 11 Dicembre 2006

I appello - 11 Dicembre 2006 Facoltà di Igegeria - Corso di Laurea i Igegeria Civile A.A. 006/007 I appello - Dicembre 006 ) Calcolare il seguete ite: [ ( )] + cos. + ) Data la fuzioe f() = e +, < 0, 0, =, =,,..., log( + ), 0,, =,,...,

Dettagli