Servizio Tecnico Applicativo Piazza della Repubblica, 1. Tel Fax:

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Servizio Tecnico Applicativo Piazza della Repubblica, 1. e-mail: ebardazzi@datacolor.com Tel. 800 15 33 77 Fax: 800 02 39 22"

Transcript

1 I metodi di valutazioe del Biaco I biachi soo geeralmete caratterizzati dal possedere alti valori di Lumiosità e u basso valore di Croma, e per questo motivo occupao u volume relativamete piccolo dello spazio colore. No si può dire la stessa cosa della importaza commerciale del biaco che qualifica u grade umero di maufatti dei materiali fra i più diversi, dalla carta ai tessuti alla plastica. La loro atura particolare impoe quidi, ua valutazioe a sé state che esula dal calcolo dell ormai oto deltae colorimetrico. Ifatti ache se i cosiddetti biachi occupao u volume tridimesioale dello spazio colore, (vedi Fig 1) essi soo sottoposti ad ua valutazioe strumetale, utilizzado ua formula che presuppoe come risultato u sigolo umero, l idice di biaco apputo. Figura 1: Diagramma di Musell che mostra i limiti dello spazio occupato dai cosiddetti biachi. La tita, ovvero ciò che può essere el gergo comue defiita ache come sfumatura, di u biaco è spesso ifluezata dalla preseza di ua specifica impurità. Dal puto di vista delle coordiate ello spazio colore questo si riflette ella possibilità di determiare uivocamete u biaco dado u sigolo umero ed evetualmete ua idicazioe sulla deviazioe di tita. Osservatori diversi hao prefereze diverse riguardo al biaco: alcui preferiscoo ua tita sul violetto, altri prediligoo sfumature che tedoo al blu o al eutro. Per redere coto di questa diversità soo stati sviluppati metodi diversi per la valutazioe strumetale del biaco che sostazialmete differiscoo fra loro per la diversa scala di valori. La percezioe del biaco Se due campioi di biaco differiscoo tra loro uicamete per lumiosità è ovvio che sarà il più chiaro dei due che apparirà più biaco. Se essi ivece differiscoo solo per il fatto di essere uo più 1

2 blu dell altro, allora sarà il più blu della coppia ad apparire più biaco. Se uo dei due è più chiaro ma ache meo blu o è detto che debba apparire come il più biaco della coppia, dal mometo che la sesazioe di biaco dipede dal bilacio delle due cose. Tale feomeo può essere esemplificato dall esempio seguete: la figura 2 riporta gli spettri di riflettaza di u tessuto di cotoe o cadeggiato (curva G), dopo il cadeggio (curva B). Il cadeggio determia u geerale aumeto a tutte le lughezze d oda dei valori di riflettaza i misura maggiore ella zoa blu dello spettro, risolvedosi i u forte aumeto del grado di biaco del tessuto. E possibile aumetare ulteriormete la sesazioe di biaco aggiugedo ua piccola quatità di u colorate blu brillate(curva S). Se tale colorate o è fluorescete questa aggiuta causa ua dimiuzioe dei valori di riflettaza ella regioe rossa dello spettro. Il campioe appare ora più scuro ma cosiderevolmete più blu e la risultate di ciò è che l osservatore percepisce ua maggiore sesazioe di biaco. Figura 2: spettri di riflettaza di u tessuto di cotoe a seguito di cadeggio od altri trattameti. Trattado il tessuto co u agete FWA (Fluorescet Whiteer Aget), ovvero co sostaze geeralmete i grado di assorbire ell ultravioletto vicio ( m) e di riemettere ella zoa violetta o blu dello spettro, è possibile aumetare di molto il grado di biaco del tessuto i questioe. La luce proveiete da u oggetto trattato co u FWA o è più pari alla luce riflessa e quidi a rigore, o è più possibile defiire la curva F come uo spettro di riflettaza del campioe. Ecco la ragioe fodametale per cui ua valutazioe strettamete colorimetrica di u biaco fluorescete o sia possibile e quidi si debba ricorrere ad ua particolare aalisi specifica per tale tipo di campioi. 2

3 L idice CIE per la valutazioe del biaco. Fra le diverse formule ella tabella 1, l idice CIE riveste particolare importaza, sia per la diffusioe che tale formula ha i tutte le applicazioi ache o tessili, che per la sua validità dimostrata da tutta ua serie di test e pubblicazioi. La formula riportata di seguito ha come risultato u umero puro, il cui valore assoluto esprime il grado di biaco dell oggetto misurato. Più alto ò tale valore, più l oggetto apparirà biaco. Il diffusore ideale perfetto ha W( idice CIE di biaco) =100, metre campioi trattati co FWA possoo superare abbodatemete tale valore. Per dare u idea della magitudo di tale gradezza, si può dire che differeze di tale idice al di sotto di cique uità, o soo percepibili eache dal colorista più esperto. Tabella 1: alcue tra le più usate formule per la valutazioe strumetale del biaco. 3

4 La formula adottata el 1982 dalla CIE è la seguete: W = Y + 800( x x) ( y y) dove x e y soo le coordiate del puto acromatico dell osservatore scelto( 2 o 10 ), ivariabilmete sotto l illumiate D 65, dal mometo che la scelta dell illumiate ella valutazioe dei fluoresceti è quasi del tutto irrilevate. La formula è stata sviluppata sulla base di ua più geerale proposta da Gaz e Griesser ( si oti la sostaziale uguagliaza delle formule): W = DY + Px + Qy + C dove i coefficieti D, P, Q, C possoo variare per adattarsi alle diverse scale e prefereze di too, così come ai diversi illumiati e osservatori. Nel prosieguo del loro lavoro Gaz e Griesser proposero ua formula per la determiazioe strumetale della tita di campioi biachi, che la CIE ha protamete icorporato, el 1985, co coefficieti propri così come aveva precedetemete fatto co l idice sopra citato. T w = a( x x) 650( y y) dove a = 1000 per l illumiate D 65 /2 e 900 per D 65 /10. Per biachi eutri T w = 0, altrimeti se T w >0 il campioe biaco preseta ua fiamma verde, se T w <0 il biaco del campioe ha u too rossastro. Nel 1987 l idice CIE di biaco e di tita soo stati icorporati ella orma ISO 105, Part J02: Method for the Istrumetal Assessmet of Whiteess. Cosiderazioi Così come soo state defiite tali formule cotegoo itriseca ua limitazioe di fodo su cui è ecessario soffermarci. La SPD (spectral power distributio), ovvero la distribuzioe alle sigole lughezze d oda dell itesità relativa della sorgete dello strumeto, dovrebbe approssimare quato più possibile quella dell illumiate D 65 o solo el visibile ma ache ell UV. Questo perché, campioi trattati co FWA soo i grado come abbiamo visto di assorbire i tale regioe dello spettro e di emettere ella zoa del visibile proporzioalmete alla itesità della luce UV icidete. Ua misura assoluta dell idice di biaco o può duque prescidere da ua accurata calibrazioe della emissioe UV della lampada dello strumeto. I moderi spettrofotometri possiedoo u filtro, capace di lasciar passare la gra parte della radiazioe ello spettro visibile, ma di bloccare la radiazioe Uv. E possibile frapporre tale filtro fra la lampada e il campioe, e per mezzo di dispositivi meccaici, e sistemare la sua posizioe i modo da regolare la quatità di radiazioe Uv icidete sul 4

5 campioe. Soo dispoibili i commercio, campioi, di cui soo oti gli idici di biaco, che possoo essere utilizzati per ua accurata calibrazioe degli spettrofotometri. Il procedimeto prevede che, ua volta trovato il giusto settaggio dei filtri Uv, i coefficieti di Gaz Griesser siao poi variati per miimizzare ogi residua differeza fra lo strumeto i questioe e lo strumeto master di riferimeto. Vegoo a tale scopo misurati ua serie di campioi stadard sullo strumeto che si vuole tarare e cotemporaeamete sullo strumeto di riferimeto: i valori di biaco misurati soo sottoposti quidi a regressioe lieare per il calcolo dei coefficieti. Ad esempio, ogi spettrofotometro Datacolor, prima di essere messo i commercio, viee accuratamete tarato ed i valori dei coefficieti di Gaz-Griesser calcolati rispetto ai tre strumeti campioe che si trovao a Lawreceville (Stati Uiti). Lo spettrofotometro viee quidi accompagato da ua certificazioe che attesta l avveuta calibrazioe e riporta i valori ottimali dei coefficieti di Gaz per quel determiato strumeto. 5

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

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

La legge di Hooke. Alessio Bianchi 5 aprile 2017

La legge di Hooke. Alessio Bianchi 5 aprile 2017 La legge di Hooke Alessio Biachi 5 aprile 2017 Sommario Determiazioe delle costati elastiche k di alcue molle e di ua massa m icogita sfruttado la legge di Hooke. Verifica del legame tra costate elastica

Dettagli

Velocità della Luce e sua variazione. Nel passaggio dal vuoto ( cm/sec) ad un altro mezzo la velocità della luce diminuisce.

Velocità della Luce e sua variazione. Nel passaggio dal vuoto ( cm/sec) ad un altro mezzo la velocità della luce diminuisce. RIFRATTOMETRIA Defiizioe La rifrattometria è ua tecica strumetale che si basa sulla determiazioe di u parametro, l idice di rifrazioe, associato al feomeo della rifrazioe, cioè alla variazioe subita dalla

Dettagli

Elementi di statistica

Elementi di statistica Elemeti di statistica La misura delle gradezze fisiche può essere effettuata direttamete o idirettamete. Se la misura viee effettuata direttamete si parla di misura diretta; se essa viee dedotta attraverso

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

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

Lezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice.

Lezione 5. Statistica. Alfonso Iodice D Enza Università degli studi di Cassino. Lezione 5. A. Iodice. La Statistica Alfoso Iodice D Eza iodicede@uicas.it Uiversità degli studi di Cassio () Statistica 1 / 26 Outlie La 1 2 La 3 4 () Statistica 2 / 26 Trimmed mea - La aritmetica risete della preseza di valori

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

= 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

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

Costo manutenzione (euro)

Costo manutenzione (euro) Esercitazioe 05 maggio 016 ESERCIZIO 1 Ua società di servizi possiede u parco auto di diverse età. I dirigeti ritegoo che il costo degli iterveti di mautezioe per le auto più vecchie sia geeralmete più

Dettagli

PROPRIETÀ DELLE POTENZE IN BASE 10

PROPRIETÀ DELLE POTENZE IN BASE 10 PROPRIETÀ DELLE POTENZE IN BASE Poteze i base co espoete itero positivo Prediamo u umero qualsiasi che deotiamo co la lettera a e u umero itero positivo che deotiamo co la lettera Per defiizioe (cioè per

Dettagli

Università degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A

Università degli Studi di Padova. Corso di Laurea in Medicina e Chirurgia - A.A Uiversità degli Studi di Padova Corso di Laurea i Medicia e Chirurgia - A.A. 015-16 Corso Itegrato: Statistica e Metodologia Epidemiologica Disciplia: Statistica e Metodologia Epidemiologica Doceti: prof.ssa

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

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

Metodi quantitativi per l analisi dello sviluppo

Metodi quantitativi per l analisi dello sviluppo Metodi quatitativi per l aalisi dello sviluppo Esercizio Si è rilevato il umero di ospedali (X) e la spesa saitaria i milioi di euro (Y), per 7 regioi, otteedo i segueti risultati: Ospedali (X) 5 7 4 6

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

Appunti complementari per il Corso di Statistica

Appunti complementari per il Corso di Statistica Apputi complemetari per il Corso di Statistica Corsi di Laurea i Igegeria Edile e Tessile Ilia Negri 24 settembre 2002 1 Schemi di campioameto Co il termie campioameto si itede l operazioe di estrazioe

Dettagli

Scelte finanziarie SCELTE FINANZIARIE

Scelte finanziarie SCELTE FINANZIARIE Scelte fiaziarie SCELE FINANZIARIE Spesso ella pratica si icotrao problemi decisioali i ambito fiaziario, per esempio come scegliere la più coveiete tra varie possibilità di ivestimeto, la meo oerosa tra

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Migo A.A. 019-00 Facoltà di Scieze Politiche, Sociologia, Comuicazioe Corso di laurea Magistrale i «Orgaizzazioe e marketig per la comuicazioe

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

5. INDICI DI DISUGUAGLIANZA

5. INDICI DI DISUGUAGLIANZA UNIVERSITA DEGLI STUDI DI PERUGIA DIPARTIMENTO DI FILOSOFIA SCIENZE SOCIALI UMANE E DELLA FORMAZIONE Corso di Laurea i Scieze per l'ivestigazioe e la Sicurezza. INDICI DI DISUGUAGLIANZA Prof. Maurizio

Dettagli

Lezione III: Variabilità. Misure di dispersione o di variabilità. Prof. Enzo Ballone. Lezione 3a- Misure di dispersione o di variabilità

Lezione III: Variabilità. Misure di dispersione o di variabilità. Prof. Enzo Ballone. Lezione 3a- Misure di dispersione o di variabilità Lezioe III: Variabilità Cattedra di Biostatistica Dipartimeto di Scieze Biomediche, Uiversità degli Studi G. d Auzio di Chieti Pescara Prof. Ezo Balloe Lezioe a- Misure di dispersioe o di variabilità Misure

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

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

Sviluppi di Taylor. Andrea Corli 1 settembre Notazione o 1. 3 Formula di Taylor 3. 4 Esempi ed applicazioni 5

Sviluppi di Taylor. Andrea Corli 1 settembre Notazione o 1. 3 Formula di Taylor 3. 4 Esempi ed applicazioni 5 Sviluppi di Taylor Adrea Corli settembre 009 Idice Notazioe o Liearizzazioe di ua fuzioe 3 Formula di Taylor 3 4 Esempi ed applicazioi 5 I questo capitolo aalizziamo l approssimazioe di ua fuzioe regolare

Dettagli

Statistica I - A.A

Statistica I - A.A Statistica I - A.A. 206-207 Prova scritta - 9 aprile 207 Problema. (pt. 20 U azieda che produce ricambi per stampati esamia la durata di u certo modello di cartuccia d ichiostro, misurata i umero di copie

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

LE MISURE DI TENDENZA CENTRALE

LE MISURE DI TENDENZA CENTRALE STATISTICA DESCRITTIVA LE MISURE DI TENDENZA CENTRALE http://www.biostatistica.uich.itit OBIETTIVO Esempio: Nella tabella seguete soo riportati i valori del tasso glicemico rilevati su 0 pazieti: Idividuare

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

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

Tutorato di Probabilità 1, foglio I a.a. 2007/2008

Tutorato di Probabilità 1, foglio I a.a. 2007/2008 Tutorato di Probabilità, foglio I a.a. 2007/2008 Esercizio. Siao A, B, C, D eveti.. Dimostrare che P(A B c ) = P(A) P(A B). 2. Calcolare P ( A (B c C) ), sapedo che P(A) = /2, P(A B) = /4 e P(A B C) =

Dettagli

Statistica. Lezione 5

Statistica. Lezione 5 Uiversità degli Studi del Piemote Orietale Corso di Laurea i Ifermieristica Corso itegrato i Scieze della Prevezioe e dei Servizi saitari Statistica Lezioe 5 a.a 2011-2012 Dott.ssa Daiela Ferrate daiela.ferrate@med.uipm.it

Dettagli

Metodi statistici per le ricerche di mercato

Metodi statistici per le ricerche di mercato Metodi statistici per le ricerche di mercato Prof.ssa Isabella Migo A.A. 017-018 Facoltà di Scieze Politiche, Sociologia, Comuicazioe Corso di laurea Magistrale i «Orgaizzazioe e marketig per la comuicazioe

Dettagli

Domande di teoria. Chiorri, C. (2014). Fondamenti di psicometria - Risposte e soluzioni Capitolo 3

Domande di teoria. Chiorri, C. (2014). Fondamenti di psicometria - Risposte e soluzioni Capitolo 3 Chiorri, C. (0). Fodameti di psicometria - Risposte e soluzioi Capitolo Domade di teoria. Per le caratteristiche geerali vedi paragrafo. p. 79. Per le procedure di calcolo vedi per la moda pp. 79-8, per

Dettagli

LABORATORIO DI TECNOLOGIE MECCANICHE DI PROCESSO E PRODOTTO

LABORATORIO DI TECNOLOGIE MECCANICHE DI PROCESSO E PRODOTTO I.S.I.S. Leoardo Da Vici PORTOGRUARO (VE) LABORATORIO DI TECNOLOGIE MECCANICHE DI PROCESSO E PRODOTTO Prova : 01 Data: Classe: Sezioe: Allievo: Isegati: Prof. Moreo TONELLO Prof. Rodolfo GOZZO Oggetto

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

Fonti e strumenti statistici per la comunicazione

Fonti e strumenti statistici per la comunicazione Foti e strumeti statistici per la comuicazioe Prof.ssa Isabella Migo A.A. 018-019 Idici Medi Esercizio:calcolo media soluzioe Numeri addetti xi i xi * i 10 18 180 1 15 180 14 5 350 16 10 160 18 9 5 0 18

Dettagli

Stima della media di una variabile X definita su una popolazione finita

Stima della media di una variabile X definita su una popolazione finita Stima della media di ua variabile X defiita su ua popolazioe fiita otazioi: popolazioe, campioe e strati Popolazioe. umerosità popolazioe; Ω {ω,..., ω } popolazioe X variabile aleatoria defiita sulla popolazioe

Dettagli

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel:

UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA. Prof.ssa Donatella Siepi tel: UNIVERSITA DEGLI STUDI DI PERUGIA STATISTICA MEDICA Prof.ssa Doatella Siepi doatella.siepi@uipg.it tel: 075 5853525 05 dicembre 2014 6 LEZIONE Statistica descrittiva STATISTICA DESCRITTIVA Rilevazioe dei

Dettagli

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 21 ottobre 2015 COMPITO B

PRIMA PROVA INTERMEDIA DI STATISTICA (COD /6045/5047/4038/371/377) 21 ottobre 2015 COMPITO B FIRMA DELLO STUDENTE Cogome PRIMA PROVA INTERMEDIA DI STATISTICA (COD. 30001/6045/5047/4038/371/377) 21 ottobre 2015 Nome Numero di matricola Corso di Laurea Cod. corso COMPITO B Ai fii della valutazioe

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

5. INDICI DI VARIABILITA'

5. INDICI DI VARIABILITA' UNIVERSITA DEGLI STUDI DI PERUGIA DIPARTIMENTO DI FILOSOFIA SCIENZE SOCIALI UMANE E DELLA FORMAZIONE Corso di Laurea i Scieze per l'ivestigazioe e la Sicurezza. INDICI DI VARIABILITA' Prof. Maurizio Pertichetti

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

3... Def. Principio di moltiplicazione. Es. Lancio di due dadi

3... Def. Principio di moltiplicazione. Es. Lancio di due dadi Calcolo Combiatorio richiami) /3 Il calcolo combiatorio Aalisi combiatoria) si prefigge di stabilire quati gruppi si possoo formare da u certo umero di oggetti, ua volta ota la legge di formazioe dei gruppi

Dettagli

3... Def. Principio di moltiplicazione. Es. Lancio di due dadi

3... Def. Principio di moltiplicazione. Es. Lancio di due dadi Calcolo Combiatorio richiami) /3 Il calcolo combiatorio Aalisi combiatoria) si prefigge di stabilire quati gruppi si possoo formare da u certo umero di oggetti, ua volta ota la legge di formazioe dei gruppi

Dettagli

Lezione 4 Corso di Statistica. Domenico Cucina

Lezione 4 Corso di Statistica. Domenico Cucina Lezioe 4 Corso di Statistica Domeico Cucia Uiversità Roma Tre D. Cucia (domeico.cucia@uiroma3.it) 1 / 22 obiettivi della lezioe familiarizzare co il calcolo e le proprietà della media aritmetica familiarizzare

Dettagli

Soluzioni di esercizi del secondo esonero di Analisi Matematica /18.

Soluzioni di esercizi del secondo esonero di Analisi Matematica /18. Esercizio. Sia Soluzioi di esercizi del secodo esoero di Aalisi Matematica 207/8. a 3 2 + π si si +. a Determiare, al variare di a > 0, se esiste, lim 0 + u a. b Determiare, al variare di a > 0, se esiste,

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

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

UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA

UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA UNIVERSITÀ DEGLI STUDI DI MILANO - BICOCCA FACOLTÀ DI SOCIOLOGIA a. a. 9 Esame del -6- Statistica ESERCIZIO Relazioi tra Variabili (totale puti: ) Ad ua riuioe del circolo Amati dell acquario, i soci preseti

Dettagli

LABORATIORIO 3. Taratura statica

LABORATIORIO 3. Taratura statica LABORATIORIO 3 Taratura statica Obiettivi dell esercitazioe Obiettivo di questa esercitazioe è lo svolgimeto di ua serie di esperieze di laboratorio per verificare e applicare le coosceze relative alle

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

Vettori e versori. Nel caso in cui α è positivo, il vettore ed il versore hanno lo stesso verso, mentre nel caso contrario, hanno verso opposto.

Vettori e versori. Nel caso in cui α è positivo, il vettore ed il versore hanno lo stesso verso, mentre nel caso contrario, hanno verso opposto. Vettori e versori U vettore v è u segmeto orietato che è descritto da u modulo, da ua direzioe e da u verso. Ioltre i vettori possoo essere liberi oppure applicati, el primo caso o coosciamo il puto di

Dettagli

Daniela Tondini

Daniela Tondini Daiela Todii dtodii@uite.it Facoltà di Bioscieze e Tecologie agro-alimetari e ambietali e Facoltà di Medicia Veteriaria C.L. i Biotecologie Uiversità degli Studi di Teramo 1 La mediaa o valore mediao M

Dettagli

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE

DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE DETERMINANTI (SECONDA PARTE). NOTE DI ALGEBRA LINEARE 2010-11 MARCO MANETTI: 21 DICEMBRE 2010 1. Sviluppi di Laplace Proposizioe 1.1. Sia A M, (K), allora per ogi idice i = 1,..., fissato vale lo sviluppo

Dettagli

STATISTICA 1 ESERCITAZIONE 5

STATISTICA 1 ESERCITAZIONE 5 STATISTICA ESERCITAZIONE 5 Dott. Giuseppe Padolfo 28 Ottobre 203 VARIABILITA IN TERMINI DI DISPERSIONE DA UN CENTRO Cetro Me o μ La dispersioe viee misurata come sitesi delle distaze tra le uità statistiche

Dettagli

Giulio Cesare Barozzi: Primo Corso di Analisi Matematica Zanichelli (Bologna), 1998, ISBN

Giulio Cesare Barozzi: Primo Corso di Analisi Matematica Zanichelli (Bologna), 1998, ISBN Giulio Cesare Barozzi: Primo Corso di Aalisi Matematica Zaichelli (Bologa), 998, ISBN 88-08-069-0 Capitolo NUMERI REALI Soluzioe dei problemi posti al termie di alcui paragrafi. Numeri aturali, iteri,

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

Trasmissione del calore con applicazioni numeriche: informatica applicata

Trasmissione del calore con applicazioni numeriche: informatica applicata Corsi di Laurea i Igegeria Meccaica Trasmissioe del calore co applicazioi umeriche: iformatica applicata a.a. 17/18 Teoria Parte I Prof. Nicola Forgioe Dipartimeto di Igegeria Civile e Idustriale E-mail:

Dettagli

07.XII Laboratorio integrato 3 - Valutazione economica del progetto - Clamarch - Prof. E. Micelli - Aa

07.XII Laboratorio integrato 3 - Valutazione economica del progetto - Clamarch - Prof. E. Micelli - Aa Elemeti di matematica fiaziaria 07.XII.2011 La matematica fiaziaria e l estimo Nell ambito di umerosi procedimeti di stima si rede ecessario operare co valori che presetao scadeze temporali differeziate

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

Siamo interessati a studiare la convergenza della serie e porremo come al solito:

Siamo interessati a studiare la convergenza della serie e porremo come al solito: SERIE DI POTENZE Soo particolari serie di fuzioi, i cui termii soo moomi, evetualmete traslati: f (x) co f (x) =a (x x 0 ), a R, x 0 R, ossia dove a (x x 0 ) = a 0 + a 1 (x x 0 )+a 2 (x x 0 ) 2 +... x

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

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA LAFIDIN

UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA LAFIDIN UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II FACOLTÀ DI INGEGNERIA LAFIDIN LABORATORIO/FISICO/DIDATTICO/INGEGNERIA VIA CLAUDIO, 1 8015 NAPOLI WWW.LAFIDIN.UNINA.IT - TEL. 081/7683603- FAX 081/768360 Corso

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

Comportamento dei gas da un punto di vista macroscopico

Comportamento dei gas da un punto di vista macroscopico GAS Può essere compresso facilmete Esercita ua pressioe sul recipiete No ha forma propria è volume proprio Occupa tutto il volume dispoibile Due gas diffodoo facilmete uo ell altro Tutti i gas hao basse

Dettagli

Diagramma polare e logaritmico

Diagramma polare e logaritmico Diagramma polare e aritmico ariatori discotiui del moto di taglio Dalla relazioe π D c si ota che la velocità di taglio dipede, oltre che dal umero di giri del madrio, ache dal diametro dell elemeto rotate

Dettagli

NUMERICI QUESITI FISICA GENERALE

NUMERICI QUESITI FISICA GENERALE UMERICI (Aalisi Dimesioale). Utilizzado le iformazioi ricavabili dalla gradezza fisica che ci si aspetta come risultato e dai valori umerici foriti, idividuare, tra le espressioi riportate, quella/e dimesioalmete

Dettagli

Elementi di Teoria dell Informazione

Elementi di Teoria dell Informazione Elemeti di Teoria dell Iformazioe A cura di Carlo Caii Argometi della Presetazioe Quatità di iformazioe Etropia di u alfabeto Etropia di ua sorgete Ridodaza Codifica Etropica Codifica di uffma Quatità

Dettagli

CPU (1) (4) (3) (2) dispatcher. Context switch. Concetti fondamentali. Il massimo impiego della CPU è ottenuto con la multiprogrammazione.

CPU (1) (4) (3) (2) dispatcher. Context switch. Concetti fondamentali. Il massimo impiego della CPU è ottenuto con la multiprogrammazione. Cocetti fodametali LABORATORIO DI PROGRAMMAZIONE 2 Corso di laurea i matematica Il massimo impiego della CPU è otteuto co la multiprogrammazioe. di processi e threads Preseza i memoria di umerosi processi

Dettagli

- 9 - Analisi dei risultati

- 9 - Analisi dei risultati Dipartimeto di Elettroica e Iformazioe Politecico di Milao - 9 - Aalisi dei risultati Laboratorio di Reti di Telecomuicazioi Prove idipedeti Ogi simulazioe è ua possibile evoluzioe di u sistema. Siamo

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

VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE. Psicometria 1 - Lezione 12 Lucidi presentati a lezione AA 2000/2001 dott.

VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE. Psicometria 1 - Lezione 12 Lucidi presentati a lezione AA 2000/2001 dott. VERIFICA DI IPOTESI SULLA DIFFERENZA TRA DUE MEDIE Psicometria - Lezioe Lucidi presetati a lezioe AA 000/00 dott. Corrado Caudek Il caso più comue di disego sperimetale è quello i cui i soggetti vegoo

Dettagli

Indice Comit 30 Nota Metodologica. Direzione Studi e Ricerche Dicembre 2017

Indice Comit 30 Nota Metodologica. Direzione Studi e Ricerche Dicembre 2017 Idice Comit 30 Nota Metodologica Direzioe Studi e Ricerche Dicembre 2017 Idice Comit 30 Caratteristiche dell idice Comit 30 1) Titoli che partecipao alla formazioe dell idice Il paiere su cui Comit 30

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

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 2 Padova, 28.8.29 Si svolgao i segueti esercizi facedo attezioe a giustificare le risposte. Delle affermazioi o motivate e giustificate

Dettagli

Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva

Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Fodameti di Iformatica Ester Zumpao Programmazioe co Foglio di Calcolo Cei di Statistica Descrittiva Lezioe 3 Formule e Fuzioi Fuzioi Formule predefiite per il calcolo di espressioi matematiche complesse

Dettagli

Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it

Esercitazioni di Statistica Dott.ssa Cristina Mollica cristina.mollica@uniroma1.it Esercitazioi di Statistica Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Cocetrazioe Esercizio 1. Nell'ultima settimaa ua baca ha erogato i segueti importi (i migliaia di euro) per prestiti a imprese:

Dettagli

Appendice 2. Norme di vettori e matrici

Appendice 2. Norme di vettori e matrici Appedice 2. Norme di vettori e matrici La ozioe esseziale per poter defiire il cocetto di distaza e lughezza i uo spazio vettoriale lieare è quello di orma. Il cocetto di orma è ua geeralizzazioe del cocetto

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

2.4 Criteri di convergenza per le serie

2.4 Criteri di convergenza per le serie 2.4 Criteri di covergeza per le serie Come si è già acceato i precedeza, spesso è facile accertare la covergeza di ua serie seza cooscere la somma. Ciò è reso possibile da alcui comodi criteri che foriscoo

Dettagli

Statistica Corso Base (Serale) Dott.ssa Cristina Mollica

Statistica Corso Base (Serale) Dott.ssa Cristina Mollica Statistica Corso Base (Serale) Dott.ssa Cristia Mollica cristia.mollica@uiroma1.it Idici di posizioe Esercizio 1: Data la seguete distribuzioe uitaria del carattere X 4 2 4 2 6 4 0 4 0 2 4 4 (1) calcolare

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

CAPITOLO 1 RISONATORI AD ANELLO

CAPITOLO 1 RISONATORI AD ANELLO CAPITOLO 1 RISONATORI AD ANELLO Pag.3/105 1.1 Premessa U risoatore ottico ad aello ( micro-rig resoator ) è u positivo ottico itegrato che cosiste di ua guida d oda chiusa i retroazioe positiva accoppiata

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

q V C dipende solo dalla geometria dei piatti e ci dice quanta carica serve ad un dato condensatore per portarlo ad una DV fissata.

q V C dipende solo dalla geometria dei piatti e ci dice quanta carica serve ad un dato condensatore per portarlo ad una DV fissata. I codesatori codesatore è u dispositivo i grado di immagazziare eergia, sottoforma di eergia poteziale, i u campo elettrico Ogi volta che abbiamo a che fare co due coduttori di forma arbitraria detti piatti

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

Argomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della

Argomenti trattati: Stima puntuale e stimatore Proprietà degli stimatori Stima puntuale della media della 1 La stima putuale Argometi trattati: Stima putuale e stimatore Proprietà degli stimatori Stima putuale della media della popolazioe e sua distribuzioe Stima putuale di ua proporzioe e sua distribuzioe

Dettagli

Insiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi:

Insiemi numerici. Sono noti l insieme dei numeri naturali: N = {1, 2, 3, }, l insieme dei numeri interi relativi: Isiemi umerici Soo oti l isieme dei umeri aturali: N {1,, 3,, l isieme dei umeri iteri relativi: Z {0, ±1, ±, ±3, N {0 ( N e, l isieme dei umeri razioali: Q {p/q : p Z, q N. Si ottiee questo ultimo isieme,

Dettagli

Probabilità II. Concetto di variabile casuale. Variabile casuale: definizione. Concetto di variabile casuale. Cos'è una variabile casuale?

Probabilità II. Concetto di variabile casuale. Variabile casuale: definizione. Concetto di variabile casuale. Cos'è una variabile casuale? Cocetto di variabile casuale Defiizioi pricipali. Valore atteso e Variaza. Probabilità II Variabili casuali discrete Teorema di Bieaymé - Čebičev. V.C. Notevoli: Beroulli e Biomiale. Cos'è ua variabile

Dettagli

Corso di Statistica - Esercitazione 2

Corso di Statistica - Esercitazione 2 Corso di Statistica - Esercitazioe 2 Dott. Davide Buttarazzi d.buttarazzi@uicas.it Esercizio 1 La seguete tabella riporta dati relativi al giudizio espresso da alcui clieti sulla qualità dell ultimo modello

Dettagli

Metodi statistici per l analisi dei dati

Metodi statistici per l analisi dei dati Metodi statistici per l aalisi dei dati Aalisi della Variaza (ANOVA) ad u sigolo Itroduzioe Nell esempio precedete soo state itrodotte le teciche più adeguate per cofrotare due trattameti distiti ella

Dettagli

Prof.ssa Paola Vicard

Prof.ssa Paola Vicard Statistica Computazioale Questa ota cosiste per la maggior parte ella traduzioe (co alcue modifiche e itegrazioi) da Descriptive statistics di J. Shalliker e C. Ricketts, 000, Uiversity of Plymouth Questa

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

Cenni di calcolo combinatorio

Cenni di calcolo combinatorio Appedice B Cei di calcolo combiatorio B Disposizioi, combiazioi, permutazioi Il calcolo combiatorio si occupa di alcue questioi iereti allo studio delle modalità secodo cui si possoo raggruppare degli

Dettagli

Formulazione di Problemi Decisionali come Problemi di Programmazione Lineare

Formulazione di Problemi Decisionali come Problemi di Programmazione Lineare Formulazioe di Problemi Decisioali come Problemi di Programmazioe Lieare Cosideriamo i segueti problemi decisioali ed esamiiamo come possoo essere formulati come problemi di PL: Il problema del trasporto

Dettagli