MISURA DEL TEMPO DI MISCELAZIONE IN AMBIENTI SABINIANI E NON SABINIANI
|
|
- Evelina Mancuso
- 6 anni fa
- Visualizzazioni
Transcript
1 MISURA DEL TEMPO DI MISCELAZIONE IN AMBIENTI SABINIANI E NON SABINIANI G. GHELFI (1), L. RIZZI (2), F. NASTASI (2), A. SARTI (1) (1) Politecnico di Milano, Dipartimento di Elettronica e Informazione (2) Studio Ingegneria Acustica Suonoevita, Lecco
2 Introduzione In questo studio si propone una misura del Tempo di Miscelazione di un ambiente utilizzando tecniche presenti in letteratura ([1],[2]), opportunamente ottimizzate, applicandole a quattro risposte all impulso di ambienti dalle caratteristiche acustiche ben diversificate. Si tratta di uno studio preliminare sull argomento, volto soprattutto a valutare l applicabilità delle tecniche e studiare l affidabilità e utilità della misura anche per ambienti non Sabiniani (p.e. sale per la musica).
3 Ambienti non sabiniani Per ambiente non sabiniano, si intende un ambiente di piccole dimensioni e/o con molto assorbimento, nel quale non possano essere considerate valide le assunzioni di Sabine sulla distribuzione del suono riflesso negli ambienti e per il quale i parametri acustici specificati nella ISO 3382 risultano di utilità non sempre rilevante. L interesse verso tali tipologie di ambiente è dovuto al fatto che le dimensioni delle sale dedicate alla musica (sale di registrazione, sale prova, etc.) si stanno riducendo e coincidono con le dimensioni degli spazi quotidiani in cui viviamo tutti i giorni.
4 Riflessioni sonore La risposta all impulso di ogni locale chiuso o semi-chiuso è composta da tre elementi: suono diretto, prime riflessioni e riverberazione diffusa. La densità delle riflessioni cresce al passare del tempo finché non è più possibile distinguere singoli contributi e il loro insieme può essere considerato un processo gaussiano. Ciò equivale all assunto dell equi-probabilità di direzione d arrivo in un campo diffuso dietro la teoria di Sabine.
5 Tempo di Miscelazione L istante in cui avviene la transizione fra le prime riflessioni e la riverberazione diffusa è detto Tempo di Miscelazione (Mixing Time, t mix ). La determinazione di tale parametro consente di capire da quale istante in poi sarà possibile considerare l energia acustica uniformemente distribuita all interno dell ambiente.
6 t mix - definizione teorica (1) In letteratura si possono trovare diverse definizioni del Tempo di Miscelazione. Il valore teorico maggiormente usato per la definizione del t mix viene definito in [3] stabilendo una relazione col volume dell ambiente:
7 t mix - definizione teorica (2) Un altra definizione viene fornita da Blesser in [4]: egli lo definisce come il tempo necessario affinché non ci sia più memoria dello stato iniziale del sistema. Per darne un valore approssimato, Blesser suggerisce che il t mix sia tre volte il cammino libero medio: Per cammino libero medio (Lm) si intende la distanza coperta mediamente da un raggio sonoro fra riflessioni successive.
8 Algoritmi di misura Al fine di ottenere una misura consistente del t mix, a partire dalle h(t) di diversi ambienti, sono stati sviluppati due diversi algoritmi di misura. Entrambi gli algoritmi si basano sulle caratteristiche di gaussianità del campo diffuso applicandole all elaborazione numerica del segnale temporale mentre passa da un regime deterministico a uno stocastico.
9 Algoritmo 1 - Deviazione Standard Il primo metodo, proposto da Abel e Huang [1], fornisce una curva di stima della gaussianità volta a misurare la densità degli echi di una h(t). Tale curva viene costruita in base alla dispersione della deviazione standard della finestra temporale di analisi (la finestra è mobile e shifta lungo la risposta all impulso).
10 Algoritmo 1 - Procedura Per ogni finestra viene calcolata la deviazione standard e il numero di campioni che giacciono al di fuori di tale valore. Il numero di campioni considerati come outliers viene poi messo in rapporto con il numero di outliers che si avrebbero con la distribuzione gaussiana. Prime riflessioni valori alti di dev. std. e minor numero di outlier. Al crescere del tempo, con pattern di riflessione sempre più densi, il numero di outlier diverrà sempre di più paragonabile con quello atteso per la gaussiana. Quando la curva che viene a formarsi, raggiungerà il valore 1, tale istante potrà essere considerato come t mix.
11 Algoritmo 2 - Curtosi Il secondo metodo, proposto da Stewart e Sandler [2], si basa sul calcolo della curtosi nella finestra di analisi. La curtosi è un indice relativo alla forma della distribuzione che fornisce una misura del grado di appiattimento della distribuzione stessa. Per una distribuzione gaussiana, il valore della curtosi normalizzata è pari a 0. Quando la curva, che si delinea ancora grazie a una finestratura mobile, raggiungerà il valore 0, tale istante potrà essere considerato come t mix.
12 Esempio - Sala Auditorium Algoritmo 2 Algoritmo 1 Valori t mix Verifica gaussianità
13 Modifiche sugli algoritmi Corretto dimensionamento finestra di analisi: Finestre brevi (10-20ms) maggiore reattività ai cambiamenti della h(t) ma varianza elevata. Finestre lunghe (25-30ms) non adatte per ambienti di piccole dimensioni. Si è quindi deciso di implementare una finestra di dimensione variabile (minori all inizio della h(t), maggiori alla fine). Selezione dell istante da considerare come t mix : Aggiunta di controlli per aumentare consistenza della misura verificando l effettiva transizione del limite scelto evitando l influenza di transienti.
14 Applicazione algoritmi Gli algoritmi descritti sono stati applicati su quattro ambienti dalle caratteristiche geometriche e acustiche ben differenti: o Auditorium RSI - Lugano o Studio Mobile RSI - Lugano o Studio di registrazione non trattato - Roma o Sala di regia acusticamente trattata - Sesto San Giovanni Per ogni ambiente sono state usate da 6 a 9 h(t) ottenute tramite sweep sinusoidale su posizioni spaziali sx/rx distinte (mediatura spaziale).
15 Auditorium RSI - Lugano
16 Studio mobile RSI - Lugano
17 Studio di registrazione non trattato - Roma
18 Sala di regia trattata - Sesto San Giovanni
19 Analisi risultati Nel caso dell auditorium (ambiente sabiniano) i valori misurati dagli algoritmi sono molto vicini fra loro e non si discostano (dopo la mediatura) dal valore teorico. La varianza dei dati è elevata ma in linea con i risultati ottenuti in letteratura. Nel caso dei 3 ambienti non sabiniani i valori misurati dalle due tecniche si discostano fra loro in un range limitato e sono molto diversi da quelli ottenuti in base a considerazioni teoriche. Le condizioni al contorno sono tuttavia molto diverse (il caso dello studio mobile è ben distinto dagli altri due che sono più simili fra loro).
20 Conclusioni Si è dimostrato tramite analisi sperimentale quanto già noto nella teoria classica: il t mix misurato risulta pressoché uguale a quello ottenuto teoricamente quando l ipotesi di diffusività del campo sonoro è confermata. Il parametro rimane comunque misurabile anche in ambienti chiaramente non sabiniani: delimita la porzione deterministica della risposta all impulso (utile nello studio del riflettogramma). E in corso una campagna di studi su più stanze campione per ridefinire il parametro in funzione delle caratteristiche fisiche degli ambienti. Il parametro può essere usato per definire la qualità del riverbero (sono necessari approfondimenti psicoacustici)
21 Bibliografia essenziale [1] Abel J., Huang P., A simple, robust measure of reverberation echo density, in 121st AES Convention, San Francisco, Ottobre [2] Stewart R., Sandler M., Statistical measures of erarly reflections of room impulse responses in Proc. of the 10th Int. Conference on Digital Audio Effects (DAFx- 07), Bordeaux, Francia, Settembre 2007, pp [3] Polack J-D., La transmission de l energie sonore dans les salles, Ph.D. Thesis, Université du Main, Le Mans, Francia, [4] Blesser B., An interdisciplinary synthesis of reverberation viewpoints JAES, vol.49, no.10, pp , Ottobre 2001.
22 Gli autori ringraziano la RadioTelevisione Svizzera RSI e i clienti di Roma e di Sesto per aver permesso l utilizzo delle misure eseguite da suonoevita nei loro ambienti. Grazie dell attenzione rizzi@suonoevita.it gabriele.ghelfi@gmail.com
STUDIO DELLE RIFLESSIONI SONORE NELLE STANZE D'ASCOLTO
STUDIO DELLE RIFLESSIONI SONORE NELLE STANZE D'ASCOLTO 36 Convegno Associazione Italiana Acustica - Torino 2009 L. Rizzi F. Nastasi Studio Ingegneria Acustica Rizzi - Lecco Contesto: - Ascoltiamo quotidianamente
CONFRONTO TRA DIFFERENTI TECNICHE DI MISURA DEI TEMPI DI RIVERBERAZIONE RT60
Associazione Italiana di Acustica 43 Convegno Nazionale Alghero, 25-27 maggio 2016 CONFRONTO TRA DIFFERENTI TECNICHE DI MISURA DEI TEMPI DI RIVERBERAZIONE RT60 Dino Abate (1) 1) Libero professionista,
Modelli e Metodi per la Simulazione (MMS)
Modelli e Metodi per la Simulazione (MMS) adacher@dia.uniroma3.it Programma La simulazione ad eventi discreti, è una metodologia fondamentale per la valutazione delle prestazioni di sistemi complessi (di
Prestazioni acustiche dei prodotti
Caratterizzazione Acustica delle barriere antirumore Le caratteristiche intrinseche delle barriere acustiche riguardano le prestazioni dei manufatti rilevate mediante prove di laboratorio Le caratteristiche
VALUTAZIONE DEL COEFFICIENTE DI ASSORBIMENTO PER INCIDENZA DIFFUSA UTILIZZANDO UNA SORGENTE SONORA DI POTENZA NOTA
Associazione Italiana di Acustica 38 Convegno Nazionale Rimini, 08-10 giugno 2011 VALUTAZIONE DEL COEFFICIENTE DI ASSORBIMENTO PER INCIDENZA DIFFUSA UTILIZZANDO UNA SORGENTE SONORA DI POTENZA NOTA Paolo
RICHIAMI 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
Teoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
Maria Prandini Dipartimento di Elettronica e Informazione Politecnico di Milano
Note relative a test di bianchezza rimozione delle componenti deterministiche da una serie temporale a supporto del Progetto di Identificazione dei Modelli e Analisi dei Dati Maria Prandini Dipartimento
Variabili aleatorie. continue. Discreto continuo
Variabili aleatorie continue Discreto continuo.18 Uniforme discreta, n=11 n=21 n=11 n=6 n=51 n=51 Uniforme.16.14.12.1.8.6?.4.2 1 1 2 2 3 3 4 4 5 5 6 6 7 7 Per passare dal modello discreto al modello continuo
La casualità nello spazio o nel tempo: la distribuzione di Poisson
La casualità nello spazio o nel tempo: la distribuzione di Poisson Cosa potrebbero rappresentare questi punti? o Organismi o eventi presenti in una certa area Per esempio, ci interessa capire come avviene
Criteri di progettazione della sala prova orchestra del Teatro della Fondazione del Maggio Musicale Fiorentino
Pisani Criteri di progettazione della sala prova orchestra del Teatro della Fondazione del Maggio Musicale Fiorentino Raffaele Pisani - ingegneria Acustica Pisani, Rivoli (TO) Zubin Metha - Fondazione
Il confronto fra medie
L. Boni Obiettivo Verificare l'ipotesi che regimi alimentari differenti non producano mediamente lo stesso effetto sulla gittata cardiaca Ipotesi nulla IPOTESI NULLA La dieta non dovrebbe modificare in
PROBABILITA. Distribuzione di probabilità
DISTRIBUZIONI di PROBABILITA Distribuzione di probabilità Si definisce distribuzione di probabilità il valore delle probabilità associate a tutti gli eventi possibili connessi ad un certo numero di prove
IL 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
Laboratorio di Chimica Fisica. Analisi Statistica
Università degli Studi di Bari Dipartimento di Chimica 9 giugno F.Mavelli- Laboratorio Chimica Fisica - a.a. 3-4 F.Mavelli Laboratorio di Chimica Fisica a.a. 3-4 Analisi Statistica dei Dati Analisi Statistica
Statistica Elementare
Statistica Elementare 1. Frequenza assoluta Per popolazione si intende l insieme degli elementi che sono oggetto di una indagine statistica, ovvero l insieme delle unità, dette unità statistiche o individui
Gestione delle scorte - modello stocastico -
Gestione delle scorte - modello stocastico - Prof. Riccardo Melloni riccardo.melloni@unimore.it Università di Modena and Reggio Emilia Dipartimento di Ingegneria Enzo Ferrari via Vignolese 905, 41100,
Calcolo della Concentrazione Rappresentativa della Sorgente (CRS)
Calcolo della Concentrazione Rappresentativa della Sorgente (CRS) Prof. Renato Baciocchi, Università di Roma Tor Vergata Emiliano Scozza Università di Roma Tor Vergata 1 Valutazione dei Dati Data Set di
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3
Ulteriori conoscenze di informatica Elementi di statistica Esercitazione3 Sui PC a disposizione sono istallati diversi sistemi operativi. All accensione scegliere Windows. Immettere Nome utente b## (##
Corso in Statistica Medica
Corso in Statistica Medica Introduzione alle tecniche statistiche di elaborazione dati Distribuzione Normale Dott. Angelo Menna Università degli Studi di Chieti G. d Annunziod Annunzio Anno Accademico
Osservazioni e Misura. Teoria degli errori
Osservazioni e Misura ella misura di una grandezza fisica gli errori sono inevitabili. Una misura non ha significato se non viene stimato l errore. Teoria degli errori La teoria degli errori cerca di trovare
Elaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
Brevi richiami su variabili aleatorie e processi stocastici
Appendice Parte 9, 1 Brevi richiami su variabili aleatorie e processi stocastici Richiami di teoria della probabilita` Appendice Parte 9, 2 Esperimento casuale: analisi degli elementi caratteristici dei
Propagazione del rumore negli ambienti industriali
Propagazione del rumore negli ambienti industriali Nicola Prodi Dipartimento di Ingegneria Università di Ferrara Via Saragat, 1 44100 Ferrara I riferimenti normativi UNI EN ISO 11690 - Raccomandazioni
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo
Esercitazione 4 Distribuzioni campionarie e introduzione ai metodi Monte Carlo 1. Gli studi di simulazione possono permetterci di apprezzare alcune delle proprietà di distribuzioni campionarie ricavate
Distribuzione degli Errori di Misura. La distribuzione normale
Distribuzione degli Errori di Misura La distribuzione normale Errori casuali e sistematici Gli errori vengono generalmente suddivisi in due categorie: errori casuali ed errori sistematici. Gli errori casuali
IDENTIFICAZIONE DELLE PROPRIETÀ ACUSTICHE DELLE SUPERFICI IN AMBIENTI CONFINATI.
Associazione Italiana di Acustica XXVII Convegno Nazionale Genova, 6-8 maggio 999 IDENTIFICAZIONE DELLE PROPRIETÀ ACUSTICHE DELLE SUPERFICI IN AMBIENTI CONFINATI. A. Carbonari (), G. Rossi () () Dipartimento
Misure di dispersione (o di variabilità)
08/04/014 Misure di dispersione (o di variabilità) Range Distanza interquartile Deviazione standard Coefficiente di variazione Misure di dispersione 7 8 9 30 31 9 18 3 45 50 x 9 range31-74 x 9 range50-941
Problemi metodologici e metrologici nella valutazione degli indicatori di inquinamento acustico in ambito abitativo
Problemi metodologici e metrologici nella valutazione degli indicatori di inquinamento acustico in ambito abitativo Daniele Sepulcri ARPAV Dipartimento Provinciale di Venezia dsepulcri@arpa.veneto.it ARGOMENTI
Corso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Lotterie (II parte) Prof.ssa Bice Cavallo Criterio media- varianza Una misura di rischio insito in una lotteria non viene evidenziato dal solo criterio basato
Esperimentazioni 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
Teoria 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
Ripasso segnali e processi casuali. Trasmissione dell Informazione
Ripasso segnali e processi casuali 1 Breve ripasso di segnali e trasformate Dato un segnale s(t), la sua densità spettrale si calcola come dove S(f) è la trasformata di Fourier. L energia di un segnale
o 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
DIFETTI DI ISOLAMENTO ACUSTICO NELLE ABITAZIONI: INDAGINE SULLA VALUTAZIONE DEI DANNI
DIFETTI DI ISOLAMENTO ACUSTICO NELLE ABITAZIONI: INDAGINE SULLA VALUTAZIONE DEI DANNI Lorenzo Rizzi (1), Giorgio Campolongo (2) 1) specialista in acustica, Suonoevita, Lecco, rizzi@suonoevita.it 2) specialista
Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva
Fondamenti di Informatica Ester Zumpano Programmazione con Foglio di Calcolo Cenni di Statistica Descrittiva Lezione 5 Statistica descrittiva La statistica descrittiva mette a disposizione il calcolo di
University of Messina, Italy
ERRORI CASUALI ELL AALISI CHIMICA Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
Metodi di Monte Carlo: un'applicazione
Metodi di Monte Carlo: un'applicazione Metodi di Monte Carlo: definizione Brevi richiami sui concetti base utilizzati Variabile casuale Valore di aspettazione Varianza Densità di probabilità Funzione cumulativa
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A Alberto Perotti, Roberto Garello
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Processi casuali A.A. 2006-07 Alberto Perotti, Roberto Garello DELEN-DAUIN Processi casuali Sono modelli probabilistici
LETTURA CRITICA DELLA LETTERATURA SCIENTIFICA
LA STATISTICA NELLA RICERCA Raccolta dei dati Elaborazione Descrizione Una raccolta di dati non corretta, una loro presentazione inadeguata o un analisi statistica non appropriata rendono impossibile la
SCHEDA 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
Fattori di influenza alla vulnerabilità alla contaminazione dei pozzi per uso potabile: determinazione del grado di suscettibilità all inquinamento
Fattori di influenza alla vulnerabilità alla contaminazione dei pozzi per uso potabile: determinazione del grado di suscettibilità all inquinamento Marco Masetti Dipartimento di Scienze della Terra Università
Metodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2017-2018 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
Elementi di Probabilità e Statistica
Elementi di Probabilità e Statistica Statistica Descrittiva Rappresentazione dei dati mediante tabelle e grafici Estrapolazione di indici sintetici in grado di fornire informazioni riguardo alla distribuzione
OGGETTO: relazione tecnica di Valutazione dei Tempi di Riverbero per il locale refettorio della Scuola di... INDICE
OGGETTO: relazione tecnica di Valutazione dei Tempi di Riverbero per il locale refettorio della Scuola di... In ottemperanza a quanto disposto dalla circolare del Ministero dei Lavori Pubblici n. 3150
Analizzatore di spettro. Generalità sull analisi spettrale. Analizzatori a scansione. Analizzatori a doppia conversione. Analizzatore di spettro
Analizzatore di spettro Analizzatore di spettro Analizzatori a scansione Analizzatori a doppia conversione 2 2006 Politecnico di Torino 1 Obiettivi della lezione Metodologici come eseguire l analisi spettrale
STATISTICHE DESCRITTIVE Parte II
STATISTICHE DESCRITTIVE Parte II INDICI DI DISPERSIONE Introduzione agli Indici di Dispersione Gamma Differenza Interquartilica Varianza Deviazione Standard Coefficiente di Variazione introduzione Una
PAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore
PAROLE CHIAVE Accuratezza, Accuracy, Esattezza, PRECISIONE, Precision, Ripetibilità, Affidabilità, Reliability, Scarto quadratico medio (sqm), Errore medio, Errore quadratico medio (eqm), Deviazione standard,
Introduzione. - sistema di localizzazione tridimensionale della posizione applicato a misure di rumore emesso da un motore ibrido
Introduzione - sistema di localizzazione tridimensionale della posizione applicato a misure di rumore emesso da un motore ibrido - si ottengono le coordinate spaziali di una sonda intensimetrica, utilizzata
La distribuzione delle frequenze. T 10 (s)
1 La distribuzione delle frequenze Si vuole misurare il periodo di oscillazione di un pendolo costituito da una sferetta metallica agganciata a un filo (fig. 1). A Figura 1 B Ricordiamo che il periodo
Distribuzione Normale. Dott. Claudio Verona
Distribuzione Normale Dott. Claudio Verona Rappresentazione di valori ottenuti da misure ripetute Il primo problema che si riscontra nelle misure ripetute più volte è trovare un metodo conveniente per
Misure Meccaniche e Termiche. punti massa. Valore atteso: Varianza:
Fenomeni aleatori Misure Meccaniche e Termiche Sezione di Misure e Tecniche Sperimentali I fenomeni aleatori (o casuali) sono fenomeni empirici il cui risultato non è prevedibile a priori, caratterizzati
UNIVERSITA DEGLI STUDI DI BRESCIA-FACOLTA DI MEDICINA E CHIRURGIA CORSO DI LAUREA IN INFERMIERISTICA SEDE DI DESENZANO dg STATISTICA MEDICA.
Lezione 4 DISTRIBUZIONE DI FREQUENZA 1 DISTRIBUZIONE DI PROBABILITA Una variabile i cui differenti valori seguono una distribuzione di probabilità si chiama variabile aleatoria. Es:il numero di figli maschi
Definizione della variabile c 2 Distribuzione della variabile c 2
Definizione della variabile c Distribuzione della variabile c In queste definizioni ho N variabili indipendenti, nessun vincolo e quindi N coincide con i gradi di libertà In un sistema fisico dove il numero
ISTITUTO di ISTRUZIONE SUPERIORE "E. FERMI - F. EREDIA" - CATANIA
Unione Europea Repubblica Italiana M.I.U.R. Regione Siciliana ISTITUTO di ISTRUZIONE SUPERIORE "E. FERMI - F. EREDIA" - CATANIA Sito web: www.fermieredia.it - E-mail: CT IS03800X@istruzione.it- CTIS03800X@pec.istruzione.it
Capitolo 1 - Introduzione
Capitolo 1 - Introduzione Indice - Motivazioni, obiettivi - Metodi numerici (FEM, BEM) - Metodi geometrici (Sorgenti immagine, ray tracing) - Applicazioni Metodi numerici per l acustica 1 Introduzione
L 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.
TEST NON PARAMETRICO DI MANN-WHITNEY
TEST NON PARAMETRICO DI MANN-WHITNEY Questo test viene può essere utilizzato come test di confronto tra due campioni in maniera analoga ai test ipotesi parametrici di confronto medie (test Z se la varianza
La distribuzione normale
La distribuzione La distribuzione normale La curva normale (o curva di gauss) è una distribuzione teorica di probabilità che si applica a variabili continue Molti fenomeni di cui si occupano le scienze
MISURE DI DISPERSIONE
MISURE DI DISPERSIONE 78 MISURE DI DISPERSIONE Un insieme di dati numerici può essere sintetizzato da alcuni valori tipici, che indicano il grado di variabilità dei dati stessi. Grado di Variabilità o
Elementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 04-Grafici delle distribuzioni vers. 1.0 (17 ottobre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
Collaudo assorbimento in situ VANTAGGI / SVANTAGGI DEI METODI
Collaudo assorbimento in situ VANTAGGI / SVANTAGGI DEI METODI Per la misura in campo diffuso è richiesto un laboratorio munito di camera riverberante. Il campione deve avere una superficie superiore ai
ESTRATTO INDICAZIONI TECNICO PROGETTUALI PER LA CORREZIONE ACUSTICA DI UN LOCALE PUBBLICO.
ESTRATTO INDICAZIONI TECNICO PROGETTUALI PER LA Premessa. CORREZIONE ACUSTICA DI UN LOCALE PUBBLICO. Euphonia Srl è stata chiamata a fornire indicazioni tecnico progettuali riguardo ad un problema di comfort
Richiami 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
BLife HOME SILENCE MANUALE TECNICO (INTEGRAZIONE) SISTEMA RADIANTE A SOFFITTO AD ELEVATA RESA
BLife HOME SILENCE MANUALE TECNICO (INTEGRAZIONE) SISTEMA RADIANTE A SOFFITTO AD ELEVATA RESA INDICE 1. INTRODUZIONE 3 2. BLIFE SILENCE 3 2.1 Assorbimento acustico... 3 2.2 Normativa di riferimento...
Esercitazione: 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
MATEMATICA 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
University of Messina, Italy
TRATTAMENTO E VALUTAZIONE DI DATI STATISTICI Applicazione della statistica alla valutazione dei dati Le applicazioni più comuni della statistica alla chimica analitica sono: Definire l intervallo numerico
Confronto tra metodi di misurazione del tempo di riverberazione
Confronto tra metodi di misurazione del tempo di riverberazione M. Bigi, M. Jacchia, D. Ponteggia Metodi di misura e di elaborazione del segnale nella riproduzione elettroacustica del suono Rimini, 38
Capitolo Tredici. Media di una distribuzione. Varianza di una distribuzione. Attività a rischio
Capitolo Tredici Attività a Media di una distribuzione Una variabile random (vr) w assume i valori w,,w con probabilità π,,π (π + + π = ) La media (valore atteso) della distribuzione è il valore medio
STUDIO DELLA TRASMISSIONE DI ENERGIA SONORA IN UNO SPAZIO CHIUSO DI GRANDI DIMENSIONI MEDIANTE MISURE DI RISPOSTE ALL IMPULSO QUADRIFONICHE
STUDIO DELLA TRASMISSIONE DI ENERGIA SONORA IN UNO SPAZIO CHIUSO DI GRANDI DIMENSIONI MEDIANTE MISURE DI RISPOSTE ALL IMPULSO QUADRIFONICHE Davide Bonsi, Domenico Stanzial Laboratorio di Acustica Musicale
University of Messina, Italy
ERRORI CASUALI NELL ANALISI CHIMICA 1 Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z) Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 6/02/2017
Corso di Laurea in Ingegneria Informatica e Automatica (M-Z Università di Roma La Sapienza CALCOLO DELLE PROBABILITÀ E STATISTICA ESAME DEL 6/02/2017 NOME: COGNOME: MATRICOLA: Esercizio 1 Nel gioco del
Statistica 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
Probabilità classica. Distribuzioni e leggi di probabilità. Probabilità frequentista. Probabilità soggettiva
Probabilità classica Distribuzioni e leggi di probabilità La probabilità di un evento casuale è il rapporto tra il numero dei casi favorevoli ed il numero dei casi possibili, purchè siano tutti equiprobabili.
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II Scuola Politecnica e delle Scienze di Base Corso di Laurea Specialistica in Ingegneria per l Ambiente e il Territorio DIPARTIMENTO DI INGEGNERIA INDUSTRIALE
Inferenza su una popolazione
Inferenza su una popolazione La distribuzione di x(m) ha media pari a μ, quindi x(m) è uno stimatore non distorto della media della popolazione μ. Per fare inferenza sulla media dobbiamo avere un CCS,
Analisi e scelta dei dati di input
Analisi e scelta dei dati di input Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 24 Aprile 2006 Francesca Mazzia (Univ. Bari) Analisi e
Ulteriori 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
ESERCITAZIONE 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
Laboratorio di Calcolo Paola Gallo
Studio di una funzione Dopo aver calcolato limiti, massimi, minimi e flessi siamo in grado di stabilire noi quali estremi di variabilità e che passo dare alle mie x per poter visualizzare bene nel grafico
Propagazione del suono in ambienti chiusi
Elisa Adorni matr. 38689 ezione del 9//003 ora 8:30-0:30 Propagazione del suono in ambienti chiusi Indice: Metodo delle sorgenti immagine ivello del campo riverberante e semi-riverberante Coda sonora e
Teoria della probabilità Variabili casuali
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Teoria della probabilità Variabili casuali A.A. 2008-09 Alberto Perotti DELEN-DAUIN Variabile casuale Una variabile
LA DISTRIBUZIONE NORMALE. La distribuzione Gaussiana. Dott.ssa Marta Di Nicola
LA DISTRIBUZIONE NORMALE http://www.biostatistica.unich.itit «È lo stesso delle cose molto piccole e molto grandi. Credi forse che sia tanto facile trovare un uomo o un cane o un altro essere qualunque
Contenuto del capitolo
Capitolo 8 Stima 1 Contenuto del capitolo Proprietà degli stimatori Correttezza: E(Stimatore) = parametro da stimare Efficienza Consistenza Intervalli di confidenza Per la media - per una proporzione Come
Esercitazione 1 TRASPORTO CONVETTIVO
http://svolgimentotracceesame.altervista.org/ Esercitazione 1 TRASPORTO ONVETTIVO Si effettui la simulazione di un fenomeno di trasporto puramente convettivo (E=0) all interno di un dominio monodimensionale
Principi di acustica
26 Maggio 2016 Principi di acustica Cos è il suono? Cos è il suono? Il suono è un fenomeno fisico oscillatorio che si propaga in un mezzo elastico. È il risultato di una perturbazione ondulatoria che viene
Introduzione all acustica degli ambienti chiusi
Introduzione all acustica degli ambienti chiusi Docente: Andrea Romani, Ingegnere - Acoustic Designer Email: info@andrearomani.it Mob: +39.329.89.11.982 Web: www.andrearomani.it SI OCCUPA DELLO STUDIO
Statistica di base per l analisi socio-economica
Laurea Magistrale in Management e comunicazione d impresa Statistica di base per l analisi socio-economica Giovanni Di Bartolomeo gdibartolomeo@unite.it Definizioni di base Una popolazione è l insieme
Tecniche statistiche di analisi del cambiamento
Tecniche statistiche di analisi del cambiamento 04-Trattamento dei dati (v. 1.4, 11 ottobre 2018) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca 2018-19
Politecnico di Milano Facoltà di Ingegneria Industriale. I Prova in Itinere di Statistica Matematica A per Ingegneria ENG 03 Maggio 2004
Politecnico di Milano Facoltà di Ingegneria Industriale I Prova in Itinere di Statistica Matematica A per Ingegneria ENG 03 Maggio 004 c I diritti d autore sono riservati. Ogni sfruttamento commerciale
La variabilità. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione [1/2] Gli indici di variabilità consentono di riassumere le principali caratteristiche di una distribuzione (assieme alle medie) Le
Indice. Presentazione
Indice Presentazione v 1 Il problema statistico 1 1.1 Esperienze e regole 1 1.2 Un esempio introduttivo 3 1.3 Esperienze ed errori 4 1.4 Errori e fluttuazioni 6 1.5 Quando non ci sono regole 7 1.6 Conclusione
PROBABILITÀ ELEMENTARE
Prefazione alla seconda edizione XI Capitolo 1 PROBABILITÀ ELEMENTARE 1 Esperimenti casuali 1 Spazi dei campioni 1 Eventi 2 Il concetto di probabilità 3 Gli assiomi della probabilità 3 Alcuni importanti
ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti
UNIVERSITÀ DEGLI STUDI DI NAPOLI FEDERICO II DIPARTIMENTO DI INGEGNERIA AEROSPAZIALE D.I.A.S. STATISTICA PER L INNOVAZIONE a.a. 007/008 ANOVA: ANALISI DELLA VARIANZA Prof. Antonio Lanzotti A cura di: Ing.
Tipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
Università degli Studi di Napoli Federico II
Università degli Studi di Napoli Federico II Facoltà di Ingegneria Corso di Laurea in Ingegneria Strutturale e Geotecnica Dipartimento di Ingegneria Geotecnica Tesi di laurea Fondazioni miste platee su